7 Möglichkeiten, digitales Marketing zu bewerten und zu verbessern

Wie können Sie die Effektivität bewerten und den Return on Investment (ROI) Ihrer Online-Werbung steigern? Woher wissen Sie, wie viel Umsatz durch SEO-Traffic, mobile Apps und Medienanzeigen generiert wird? Diese Fragen sind für viele Online- und Omnichannel-Unternehmen relevant. In diesem Artikel beschreiben wir Lösungen von OWOX BI, die unseren Kunden geholfen haben, Antworten auf diese und andere Fragen zu finden und ihre Geschäftsprobleme zu lösen.

Im Folgenden beschreiben wir kurz und bündig, wie wir unseren Kunden bei der Durchführung dieser sieben Fälle aus der Praxis geholfen haben. Wenn Sie an technischen Details interessiert sind oder einige der Dinge, die wir erwähnen, in Ihrem eigenen Projekt ausprobieren möchten, testen Sie OWOX BI kostenlos.

OWOX BI sammelt Daten aus mehreren Systemen in einem einzigen Repository und erstellt Berichte, die Kunden helfen, ihre Marketinginformationen zu verbessern. Das Ziel ist es, dies schnell, mit hoher Qualität und maximaler Automatisierung zu tun, damit Unternehmen mit den bereits vorhandenen Daten mehr Geld verdienen können.

Die Segmentierung von Benutzern, um Werbekampagnen besser auszurichten, ist eine grundlegende Aufgabe, die in den Anfangsphasen der Implementierung von Marketinganalysen angegangen werden kann und sollte.

Kundenziel : Steigerung des ROI von Werbekampagnen, die darauf abzielen, Benutzer zu reaktivieren, die die Website bereits besucht haben. Theoretisch sollte die Vermarktung dieser Benutzer nicht teuer sein, da sie bereits Interesse gezeigt haben.

Herausforderung des Kunden : Verbessern Sie die Ausrichtung von Werbekampagnen für aufgegebene Warenkörbe und zurückgetretene Kunden. Dies sind Personen, die bestimmte Aktionen auf der Website ausgeführt, aber nichts gekauft haben. Gleichzeitig glaubt unser Kunde, dass er etwas kaufen könnte.

Unsere Hypothese : Wenn wir ein Segment von Website-Besuchern auswählen, die in den letzten X Tagen einen Artikel in den Warenkorb gelegt haben, und ihnen Werbung zeigen, kaufen sie eher etwas als Besucher aus anderen Segmenten. Dementsprechend können wir durch Werbung in diesem Segment den Umsatz steigern, während wir das gleiche Kosten-Umsatz-Verhältnis (CRR) beibehalten.

Die Benutzersegmentierung ist immer erforderlich, um Hypothesen zu testen. Wir können davon ausgehen, dass sich ausgewählte Nutzersegmente auf die eine oder andere Weise verhalten, nachdem sie eine Anzeige gesehen haben, aber es gibt keine 100-prozentige Garantie dafür.

Unser Kunde definierte die Bedingungen, nach denen Segmente gebildet wurden. Nachdem wir gemäß diesen Bedingungen Segmente gebildet hatten, verwandelten wir unsere Hypothese in eine technische Aufgabe für unseren Analysten. Diese Aufgabe wurde in Etappen unterteilt.

Stufe 1 . Bilden Sie zwei Benutzersegmente. Das erste Segment bestand aus Benutzern, die in den letzten X Tagen einen Artikel in den Einkaufswagen gelegt, aber nichts gekauft haben. Das zweite Segment bestand aus Benutzern, die eine Reihe von Aktionen auf der Website ausgeführt haben (die vom Kunden definiert wurden).

Google Analytics testet Kundendaten als Reaktion auf starken Datenverkehr. Daher haben wir zum Erstellen der Segmente Rohdaten von der Website unseres Kunden verwendet, die mithilfe von OWOX BI Pipeline an Google BigQuery übertragen wurden. BigQuery ist ein Cloud-Speicherdienst, mit dem Sie Informationen nicht nur sammeln, sondern bequem per SQL verarbeiten können.

Unser Analyst hat SQL-Abfragen geschrieben, um die Segmente unter Verwendung von Website-Rohdaten zu bilden. Diese Segmente enthalten Google-Client-ID- und Yandex-Client-ID-Daten, die in den Werbediensten Google Ads und Yandex.Direct verwendet werden können.

Stufe 2 . Übertragen Sie die Segmente automatisch an Google Ads und Yandex.Direct, damit Werbespezialisten sie beim Einrichten von Werbekampagnen verwenden können.

OWOX BI verfügt über eine automatische Datenpipeline, die Segmente aus Google BigQuery nimmt, täglich Daten für sie berechnet und diese Daten in Google Analytics hochlädt. Segmente aus dem Webanalysesystem können nativ nach Google Ads exportiert werden. Eine zweite OWOX BI-Pipeline lädt diese Segmente in Yandex.Audience.

Stufe 3 . Die Spezialisten unseres Kunden haben Regeln für Werbedienste aufgestellt, die die Preise für diese Segmente erhöht haben.

Diese Lösung hat mehrere wichtige Eigenschaften. Zum Beispiel, um ein Segment in Yandex zu laden. Zielgruppe muss mindestens 1.000 Zeilen enthalten (um eine eindeutige Yandex-Client-ID zu verwenden).

OWOX BI erfasst standardmäßig keine Yandex-Client-IDs. Jandex. Metrik muss auf einer Website installiert werden, um Client-IDs zu generieren, und damit sie in Google BigQuery eintreten können, müssen Sie ihre Übertragung über OWOX BI konfigurieren.

Wenn Sie ein OWOX BI-Benutzer sind und Yandex-Client-IDs in Google BigQuery erfassen möchten, schreiben Sie uns. Wir teilen Ihnen mit, wie Sie dies mit Google Tag Manager tun. Wenn Sie kein OWOX BI-Benutzer sind, aber an dieser Möglichkeit interessiert sind, testen Sie OWOX BI kostenlos und sehen Sie, wie es Ihnen helfen kann, Ihre Ziele zu erreichen.

Unser Kunde hat die Zielgruppe in seinen Kampagnen, die bereits für Retargeting funktioniert hatten, neu konfiguriert, Benutzer aussortiert, die nicht in die richtigen Segmente fielen, und das Budget auf Benutzer in den von ihnen ausgewählten Segmenten konzentriert.

Infolgedessen stieg der ROI bei denselben Kampagnen und derselben Investition um 100 % bis 150 % (es gab viele Kampagnen, daher ist der Indikator gemittelt). Tatsächlich waren die Kosten dieser Entscheidung minimal, und die Effizienz war ziemlich greifbar. Diese Kampagnen funktionieren noch heute. Wir haben von unserem Kunden keine Rückmeldung erhalten, dass diese Erhöhung nur vorübergehend war.

Wenn wir mit der Arbeit an einem Projekt beginnen, besteht die erste Aufgabe darin, den ROI der realen Einnahmen zu berechnen.

Standardmäßig kann Google Analytics nur Verkäufe von der Website sehen, aber das spiegelt nicht wirklich das Geld wider, das auf die Konten eines Unternehmens kommt.

Wir wissen, dass einige Online-Bestellungen nicht abgeschlossen oder während der Auftragsbestätigung geändert werden. Benutzer könnten:

1. Einfach die Bestellung nicht abschließen
2. Ändern Sie ihre Bestellung telefonisch und ändern Sie damit die Bestellmenge
3. Bestellen Sie die Lieferung an ein physisches Geschäft, aber holen Sie den Kauf nicht ab

Daher erhält das Unternehmen nicht den Betrag, der in Google Analytics angezeigt wird. Daher ist es nicht ganz korrekt, den Umsatz anhand von Daten in Google Analytics zu berechnen. Es ist notwendig, die Wirksamkeit von Online-Werbung unter Berücksichtigung echter Verkaufsdaten aus Ihrem CRM zu bewerten.

Kundenziel : Steigerung des ROI von Werbekampagnen bei festem CRR ohne Kostensteigerung.

Herausforderung des Kunden: Verteilen Sie das Werbebudget basierend auf den tatsächlichen Verkäufen, die von den Werbequellen generiert werden. Einfach ausgedrückt, Sie müssen Ihr Budget von Kanälen, die nicht genug ROI generieren, auf effizientere umschichten.

Unsere Hypothese : Wenn Sie den ROI basierend auf Käufen (und idealerweise sogar auf Margen) berechnen, können Sie Ihre Marketingstrategie anpassen und in die Traffic-Quellen investieren, die mehr Umsatz bringen. Dementsprechend wird der ROI von Werbekampagnen steigen.

Unser Kunde hatte bereits ungesampelte Daten in Google BigQuery mit OWOX BI gesammelt. Aber es war notwendig, diese Daten mit Verkaufsdaten aus dem internen System des Unternehmens zu ergänzen. Die Aufgabe wurde in fünf Stufen umgesetzt.

Stufe 1 . Richten Sie die Übertragung von Bestelldaten von der Website an das CRM-System des Kunden korrekt ein. Transaktions-ID und Google-Client-ID übertragen.

Eine Transaktions-ID wird gebildet, wenn eine Bestellung auf der Website aufgegeben wird, und zusammen mit der entsprechenden Client-ID an Google Analytics und BigQuery gesendet. Es ist wichtig, beide IDs parallel an das CRM zu übertragen, damit Sie den Benutzer mit der Transaktion und der Zahlung verknüpfen können.

Stufe 2 . Richten Sie die Benutzer-ID-Generierung auf der Seite des CRM des Kunden ein und senden Sie die Benutzer-ID während des Bezahlvorgangs an Google BigQuery.

Eine Benutzer-ID wird vom CRM-System generiert, wenn Informationen über einen neuen Kunden darauf geschrieben werden. Angenommen, jemand kauft in einem Geschäft ein und der Kassierer fragt nach seiner Telefonnummer und gibt sie in das CRM ein. Das System weist diesem Benutzer dann eine eindeutige Kennung zu. Wenn sich der Benutzer in Zukunft mit einem Telefon auf der Website autorisiert, erkennt das CRM ihn.

Google Analytics verfügt über eine User-ID-Funktion. Unsere Entwickler haben es so konfiguriert, dass, wenn Kunden eine Bestellung auf der Website unseres Kunden autorisieren oder aufgeben, die Benutzer-ID an die Website in DataLayer gesendet wird. Von dort werden sie an Google Analytics und Google Big Query übermittelt.

Dadurch können Sie die Aktionen der auf der Website autorisierten Benutzer mit detaillierten Informationen über sie verknüpfen. Beispielsweise kann Ihr CRM den Namen, die Telefonnummer und die E-Mail-Adresse einer Person speichern. Mit einem zwischengeschalteten Benutzer-ID-Schlüssel können Sie Website- und CRM-Daten sowie Zahlungsdaten für eine bestimmte Bestellung kombinieren.

Stufe 3 . Konfigurieren Sie das Hochladen tatsächlicher Verkaufsdaten aus Ihrem CRM in Google BigQuery in der Struktur, mit der Sie arbeiten möchten. Zu diesem Zweck haben wir einen technischen Auftrag erstellt und ihn den Entwicklern unseres Kunden zur Umsetzung übergeben.

Stufe 4 . Kombinieren Sie alle Daten in BigQuery in einer einzigen Tabelle. Unsere Analysten haben eine SQL-Abfrage geschrieben, die Online-Bestellinformationen mit CRM-Daten über abgeschlossene Bestellungen und deren Beträge verknüpft. Die Schlüssel zum Kombinieren dieser Daten waren Transaktions-ID, Benutzer-ID und Kunden-ID.

Stufe 5 . Erstellen Sie einen Bericht in Google Data Studio, der den ROI für Traffic-Quellen anzeigt, unter Berücksichtigung der in Bestellungen gekauften Waren. Wir haben den ROI auf Basis der Grenzkosten berechnet.

Das Einrichten der korrekten Übertragung von Daten von der Website zum CRM sowie das Herunterladen von CRM-Daten zu Google BigQuery erfordert die Einbeziehung von Entwicklern auf der Geschäftsseite, was den Prozess oft stark verzögert.

Wir haben unserem Kunden einen Leistungsbericht zur Zugriffsquelle auf der Grundlage von Daten für tatsächliche Verkäufe zur Verfügung gestellt.

Dieser Bericht wird von Top-Managern verwendet, um strategische Entscheidungen zu treffen, sowie von Spezialisten für kontextbezogene Werbung, um das Budget für bestimmte Werbekampagnen zu verwalten.

Hier ist ein Beispiel für diesen Bericht:

Möchten Sie wissen, wie effektiv Ihre Anzeigen sind, basierend auf echten Verkaufsdaten in Ihrem CRM? Testen Sie OWOX BI kostenlos und sehen Sie, wie es Ihnen helfen kann, Ihre Ziele zu erreichen.

Die dritte Lösung, zu der unsere Kunden kommen, nachdem sie die oben beschriebenen grundlegenden Berichte erstellt haben, ist die ROPO-Analyse (Online-Recherche, Offline-Kauf). Es zeigt die Auswirkungen des digitalen Marketings auf den Umsatz in physischen Geschäften. Dies ist besonders relevant für Omnichannel-E-Commerce-Projekte.

Menschen sehen sich Waren auf einer Website an und prüfen sie aus verschiedenen Gründen im Geschäft, von Misstrauen gegenüber Einkäufen im Internet bis hin zu dem Wunsch, das Produkt anzufassen.

Während der jährlichen Budgetplanung möchte ein CMO mehr Geld für Online-Kanäle erhalten, weil er versteht, dass einige Verkäufe, die auf Online-Werbung zurückzuführen sind, offline stattfinden. Wenn die CMO diesen Effekt zumindest teilweise messen kann, ist dies ein gutes Argument für eine Erhöhung des Budgets.

Ziel des Kunden: Nachweis der Notwendigkeit, das Budget für Online-Marketing zu erhöhen und den versteckten Wert von Investitionen in Online-Werbung aufzuzeigen.

Herausforderung des Kunden : Analysieren Sie die Effektivität von Online-Werbung unter Berücksichtigung ihrer späteren Auswirkungen auf Offline-Verkäufe.

Unsere Hypothese : Einige Benutzer lernen ein Produkt auf der Website kennen, kaufen es aber in einem Ladengeschäft. Das heißt, Online-Kampagnen bleiben unterbewertet. Wenn wir Besuche auf der Website und weitere Käufe dieser Benutzer in physischen Geschäften nachverfolgen, können wir den wahren Wert digitaler Werbung messen.

Um die Aktivität eines Benutzers auf der Website mit seinen nachfolgenden Einkäufen in Offline-Shops zu verknüpfen, haben wir meistens dasselbe getan, was wir getan haben, um den ROI basierend auf abgeschlossenen Bestellungen zu analysieren (ausführlich im vorherigen Abschnitt):

1. Richten Sie die Benutzer-ID auf der CRM-Seite ein und senden Sie sie an Google BigQuery.
2. Konfigurieren Sie die Client-ID so, dass sie korrekt an CRM und BigQuery übergeben wird.
3. Richten Sie während des Bezahlvorgangs die Datenübertragung für die Felder „Benutzertelefon“ und „Benutzer-E-Mail“ von der Website zu BigQuery und dem CRM des Kunden ein.
4. Richten Sie das Hochladen von Daten aus dem CRM des Kunden in Google BigQuery ein. Anders als im vorherigen Fall enthält dieser Upload nicht nur Online-Bestellungen, sondern auch Bestellungen aus dem Einzelhandel.
5. Schreiben Sie eine SQL-Abfrage, die Aktivitätsdaten auf der Website mit Informationen aus dem CRM verknüpft. Die Schlüssel zum Verknüpfen von Daten mit Offline-Verkäufen sind Benutzer-ID/Benutzer-Telefon/Benutzer-E-Mail.
6. Erstellen Sie einen Bericht in Google Data Studio, um den ROPO-Effekt zu analysieren.

Das Schema zum Kombinieren von Daten sieht folgendermaßen aus:

Sie können Online-Benutzer nur dann mit Offline-Verkäufen verknüpfen, wenn ein Benutzer auf der Website einen Kauf tätigt oder auf der Website autorisiert ist.

Wie die Praxis zeigt, beträgt der Anteil autorisierter Benutzer etwa 5 % aller Website-Besucher. Je mehr autorisierte Benutzer Sie haben, desto repräsentativer sind die Daten in Ihren Berichten. Aber selbst bei 5 % bis 10 % ist es möglich, einige Schlussfolgerungen zu ziehen, die zu ernsthaften Änderungen bei der Verwaltung Ihres Marketingbudgets führen können.

Eine weitere Schwierigkeit besteht darin, die Datenqualität im Auge zu behalten, wenn Sie bereits alle Integrationen eingerichtet haben. Stellen Sie sicher, dass die Daten korrekt übertragen werden und dass die Kennungen übereinstimmen, damit zukünftige Änderungen im CRM-System Ihre Konfiguration nicht beschädigen. Hier geht es darum, wie gut das IT-Team Ihres Kunden ist.

Nach Messung des ROPO-Effekts stieg der ROI der Werbekampagnen unseres Kunden um 50 % bis 150 % . Es ist erwähnenswert, dass der ROI in solchen Fällen immer ein Wachstum anzeigt, da Einnahmen hinzugefügt werden, die durch Online-Kampagnen generiert, aber offline erzielt wurden.

Beispiel dafür, wie ein ROPO-Bericht aussehen könnte:

Dieser Bericht ermöglicht es einem Kunden, Daten in den folgenden Kategorien zu analysieren:

• Einnahmen nur online
• Einnahmen nur offline
• ROPO-Einnahmen
• Einnahmen aus Quelle/Medium/Kampagne nur online
• Einnahmen aus Quelle/Medium/Kampagne einschließlich nachfolgender Offline-Verkäufe
• Online- und ROPO-Umsatz nach Produktkategorie und Unterkategorie
• Online- und ROPO-Einnahmen nach Stadt
• Zeit vom Besuch vor Ort bis zum ROPO-Kauf in Tagen
• Anzahl der Sitzungen auf der Website vor dem ROPO-Kauf
• Und viele andere

Möchten Sie wissen, wie sich Ihre Online-Bemühungen auf Offline-Verkäufe auswirken? Testen Sie OWOX BI kostenlos und sehen Sie, wie es Ihnen helfen kann, Ihre Ziele zu erreichen.

Dies ist eine ziemlich komplexe und atypische Aufgabe, wenn auch interessant. Die SEO-Optimierung wirkt zeitverzögert, und es ist oft schwierig, die Effektivität der geleisteten Arbeit zu beurteilen, beispielsweise in den letzten sechs Monaten. Vor allem, wenn es sich um eine riesige Website handelt.

Im Allgemeinen wissen wir, wie viele Nutzer über die Google-Suche kommen und können sogar Marken-Traffic ausschließen. Aber wie viele Nutzer kommen gerade, weil Kategorien und Unterkategorien optimiert oder Texte und Titel gut geschrieben wurden?

Nehmen wir an, Sie haben im letzten Quartal 10.000 US-Dollar für SEO ausgegeben. Wie viel Umsatz haben Sie innerhalb von sechs Monaten mit diesem Geld erzielt?

Ziel des Kunden: Bewertung der Effektivität von SEO- Investitionen, wobei nicht nur Online-Bestellungen, sondern auch tatsächliche Zahlungen berücksichtigt werden.

Herausforderung des Kunden : Erstellen Sie einen Bericht, der die Effektivität von SEO nach Produktkategorie zeigt. Dieser Bericht sollte auf tatsächlichen Verkäufen basieren.

Unsere Hypothese : Wir wissen, welche Keywords gepumpt wurden und auf welchen Seiten. Wir kennen die Position des SEO-Ausfalls bei diesen Schlüsseln. Wir kennen die Verkäufe von diesen Seiten, die den Suchverkehr als Quelle haben. Wenn wir diese Daten verknüpfen, erhalten wir Verkäufe von den Keywords, die im SEO-Drop-out TOP sind. Das heißt, wir können die Effektivität von Investitionen in SEO messen.

Stufe 1 . Laden Sie alle erforderlichen Informationen in Google BigQuery hoch:

• Von OWOX BI auf der Website gesammelte Rohdaten zum Benutzerverhalten
• Daten von Google Search Console und Yandex. Metriken zu Top-Keywords, die Traffic auf die Website sowie auf Zielseiten geführt haben. Warum haben wir die Search Console verwendet? Denn im Positionsmessdienst sehen wir nur hypothetischen Traffic, der von diesen Keywords kommen könnte.
• Daten aus dem Messdienst für die Standortposition in einem organischen Drop-out (z. B. Allpositions). Dadurch können wir feststellen, welche Positionen Keywords hatten. Liegen Keywords beispielsweise unterhalb des fünften Platzes im Drop-Out, können wir diese aus der Analyse ausschließen.
• Aktuelle Verkaufsdaten aus dem CRM-System

Stufe 2 . Erstellen Sie basierend auf den URLs Cluster von Keyword-Abfragen im Landing-Pages-Bereich. Wir haben nicht eine URL, sondern URLs für ganze Warengruppen analysiert. Bei kleinen Haushaltsgeräten können wir beispielsweise Mixer und dann Braun-Mixer beobachten.

Stufe 3 . Finden Sie die Keywords, über die SEO-Traffic auf die Website gelangt ist, indem Sie die Positionen im Drop-out messen. Wir haben die Ergebnisse auf GBQ hochgeladen und die Anfragen unter einer bestimmten Position sortiert.

Stufe 4 . Verknüpfen Sie mithilfe einer SQL-Abfrage Benutzeraktivitätsdaten auf der Website mit tatsächlichen Verkaufsdaten aus dem CRM.

Stufe 5 . Heben Sie Sitzungen hervor, die zu Transaktionen mit einer SEO-Quelle geführt haben (unter Verwendung des letzten indirekten Klickzuordnungsmodells).

Stufe 6 . Heben Sie die Zielseiten dieser Transaktionen hervor und verknüpfen Sie sie mit den SEO-Keywords, die Traffic auf diese Seiten gebracht haben.

Stufe 7 . Erstellen Sie einen Bericht, der zeigt, wie sich die SEO-Optimierung bestimmter Seiten auf den tatsächlichen Verkehr und die Käufe auf diesen Seiten auswirkt.

Mit der Google Search Console können Sie bis zu 5.000 Datenzeilen hochladen. Dementsprechend können wir nicht alle Keyword-Anfragen analysieren, die Zugriffe auf die Website führen.

Beispielsweise können wir uns die Effektivität von Schlüsselwörtern in einem bestimmten Cluster von Seiten ansehen. Nehmen wir an, es gab 100 Keywords, von denen 50 ganz oben waren, und von diesen 50 wissen wir, dass 30 den Traffic darstellen, der in den Search Console-Offload gelangt ist. Wir gehen davon aus, dass es auch Traffic für andere Anfragen gab, nur der Dienst hat uns diese Information nicht gegeben.

Es gibt keine Möglichkeit, mit 100 %iger Genauigkeit zu messen, welche Keywords Zugriffe auf die von uns analysierten Seiten geleitet haben. Daher nahmen wir zu Beginn der Analyse als gegeben hin, dass unsere Ergebnisse einen gewissen Fehlergrad aufweisen würden.

Wir haben unserem Kunden einen Bericht zur Verfügung gestellt, der es ihm ermöglicht, die Effektivität von SEO-Aktivitäten für einen bestimmten Zeitraum zu analysieren. Die Effizienzanalyse basierte auf tatsächlichen Verkäufen, sodass der ROI des SEO-Traffics gezählt werden konnte.

Möchten Sie einen Bericht erstellen, der die Effizienz des SEO-Verkehrs zeigt? Testen Sie OWOX BI kostenlos und sehen Sie, wie es Ihnen helfen kann, Ihre Ziele zu erreichen.

In letzter Zeit ist diese Aufgabe sehr dringend geworden. Vermutlich die Hälfte des gesamten Internetverkehrs und ein großer Teil der Verkäufe laufen über mobile Geräte. Viele unserer Kunden nutzen mobile Anwendungen parallel zu Online- und Offline-Anwendungen. Wenn Sie Traffic von Mobilgeräten kaufen, möchten Sie dessen Effektivität verstehen.

Ziel des Kunden: Bewerten Sie die Effizienz der Gewinnung von Traffic über bezahlte Quellen (Google Ads), um die Installation und den Verkauf mobiler Apps innerhalb der App zu fördern.

Herausforderung des Kunden : Erstellen Sie einen Bericht, der die Effizienz der Verkehrsquellen in Bezug auf die wichtigsten Conversion-Aktionen (Installationen, Registrierungen, Transaktionen, Einnahmen) zeigt.

Unsere Hypothese : Durch die Verknüpfung von Rohdaten von AppsFlyer (Installationen, Benutzeraktionen, Verkehrsquellen, Einnahmen) mit Kostendaten von Google Ads können wir einen Bericht erstellen, der den ROI von Werbekampagnen in Bezug auf relevante Transaktionsaktionen zeigt.

1. Laden Sie mit OWOX BI Rohdaten zum In-App-Benutzerverhalten von AppsFlyer in BigQuery hoch und laden Sie Informationen über Installationsquellen, nachfolgende Transaktionen und Einnahmen aus der App in GBQ hoch.
2. Prüfen Sie im Upload, ob alle für den Report benötigten Daten mit den Daten aus dem CRM übereinstimmen (Umsatz, Anzahl der Conversions).
3. Richten Sie mithilfe der Datenübertragungsmethode einen Google Ads-Ausgaben-Upload in GBQ ein.
4. Schreiben Sie eine SQL-Abfrage, die Daten von AppsFlyer und Data Transfer verknüpft und die erforderlichen Berechnungen durchführt.
5. Erstellen Sie einen Bericht in Google Data Studio.

Mobile Anwendungen können zeitverzögert wirken. Beispielsweise kann jemand eine App installieren, sich aber erst einen Monat später dafür registrieren. Unser Kunde wollte die Effektivität des gekauften Traffics im Laufe der Zeit analysieren. Das heißt, wenn X Einheiten der Anwendung im März von Kanal Y gekauft wurden, wie viele dieser Einheiten führten im April, Mai, Juni usw. zu Konvertierungsaktionen? Um diese Frage zu beantworten, haben wir einen speziellen Bericht erstellt.

Es war auch eine Herausforderung, Analysen über Länder, Städte und Werbekampagnengruppen hinweg durchzuführen, damit unser Kunde beispielsweise die Effektivität von Kampagnen sehen konnte, die von einem bestimmten Manager beaufsichtigt wurden. Dies wurde mithilfe von Filtern implementiert.

Wir haben im Bericht bewusst keine CRM-Daten verwendet, da es kaum Fehler zwischen den tatsächlichen Verkäufen im internen System und den Anwendungsdaten gab.

Unser Kunde hat einen automatisch aktualisierten Bericht in Google Data Studio erhalten, der die folgenden Fragen beantwortet:

• Wie viele App-Einstellungen hat die Traffic-Quelle X im Monat Y gebracht?
• Wie viele In-App-Conversions gab es im Monat der Installation und in den folgenden Monaten? (nach Verkehrsquelle)
• Wie effektiv sind Kampagnengruppen in Bezug auf die oben genannten Parameter?
• Wie effektiv sind Werbekampagnen in verschiedenen Ländern?

Wir können keinen Kundenbericht teilen, der vertrauliche Daten enthält, aber hier ist ein Beispiel für einen Basisbericht (kein monatlicher Ausgleich), der mit der beschriebenen Lösung erstellt werden kann:

Möchten Sie mehr über die Verkehrseffizienz von mobilen Anwendungen erfahren? Testen Sie OWOX BI kostenlos und sehen Sie, wie es Ihre Anforderungen erfüllen kann.

Google Analytics-Berichte verwenden standardmäßig das Attributionsmodell "Letzter indirekter Klick". Dieses Modell weist den gesamten Wert einer Transaktion der letzten indirekten Quelle in der Kette vor der Bestellung zu. Aus diesem Grund werden andere Quellen, die den Benutzer durch den Trichter befördert haben, unterbewertet.

Sie können die ML-trichterbasierte Zuordnung von OWOX BI verwenden, um den wahren Wert von Kanälen zu erfahren und Ihr Budget effektiv zu verteilen. Es berücksichtigt alle Touchpoints und alle Benutzeraktionen beim Durchlaufen des Trichters vom ersten Besuch bis zum Kauf.

Kundenziel: Steigerung des ROI kontrollierter Paid-Traffic-Quellen bei festem CRR-Index.

Herausforderung des Kunden: Erstellen Sie einen Bericht, der unterbewertete Verkehrsquellen und ihre monetäre Effektivität aufzeigt und dabei die Kontakte jedes Benutzers mit der Website berücksichtigt.

Unsere Hypothese: Der ROI lässt sich steigern, ohne die CRR zu erhöhen, wenn das Werbebudget effektiv umverteilt wird. Dazu muss die ROI-Berechnung den Beitrag aller Kampagnen und Quellen berücksichtigen, die den Benutzer durch den Trichter geworben haben, nicht nur die, die Geschäfte abgeschlossen haben.

1. Sammeln Sie Rohdaten zum Benutzerverhalten auf der Website und senden Sie sie mit OWOX BI an Google BigQuery.
2. Richten Sie den Import von Kostendaten aus Werbediensten in Google Analytics und Google BigQuery ein.
3. Konfigurieren Sie die Client-ID, Benutzer-ID und Transaktions-ID so, dass sie korrekt an BigQuery und das CRM gesendet werden.
4. Laden Sie tatsächliche Verkaufsdaten aus dem CRM in der erforderlichen Struktur in Google BigQuery hoch.
5. Verknüpfen Sie Benutzerverhaltensdaten von der Website mit abgeschlossenen Bestellungen basierend auf Client-ID-, Benutzer-ID- und Transaktions-ID-Schlüsseln. SQL-Abfragen sind nicht erforderlich – alles geschieht innerhalb des OWOX BI-Attributionsmodells. Wir laden einfach Daten im richtigen Format und fügen sie der Modellrechnung hinzu.
6. Richten Sie ein Attributionsmodell ein und führen Sie Berechnungen in OWOX BI durch. In dieser Phase können wir Ereignisse als Trichterschritte angeben, die für ein bestimmtes Unternehmen wichtig sind, einschließlich solcher, die offline stattfinden (Meetings, Anrufe, Webinare usw.). Der Trichter kann variieren, je nachdem, was ein Unternehmen messen möchte und wie es den Weg des Benutzers zu einem Kauf sieht.
7. Führen Sie eine anfängliche Datenanalyse mit standardmäßigen OWOX BI Smart Data-Berichten durch, um zu vermeiden, dass Ressourcen für die Datenvisualisierung in BI-Systemen von Drittanbietern aufgewendet werden. In Smart Data können Sie fertige Berichte anzeigen, die auf den Ergebnissen von Attributionsmodellberechnungen ohne SQL-Abfragen basieren. Sie können beispielsweise den ROI von Werbekampagnen sehen und wie er sich vom ROI unterscheidet, der durch die Zuordnung des letzten nicht direkten Klicks angezeigt wird.

Die korrekte Übertragung der Kunden-ID und der Transaktions-ID zusammen mit der Bestellung in Ihr CRM erfordert ein Entwicklungsteam auf Kundenseite. Gleiches gilt für die Konfiguration und Übermittlung der User-ID.

Um die Ergebnisse der Attributionsrechnung richtig interpretieren zu können, ist es notwendig, Spezialisten aus dem Team des Auftraggebers einzubeziehen. Denn es ist schwierig, das Verhalten mancher Traffic-Quellen richtig einzuschätzen, ohne den Kontext und die Logik zu kennen, nach denen Werbekampagnen aufgebaut wurden.

Unser Kunde hat vorgefertigte Berichte erhalten, die für Folgendes verwendet werden können:

• Vergleichen Sie den ROI von Traffic-Quellen mit abgeschlossenen Bestellungen für die Attribution des letzten indirekten Klicks und die ML-Funnel-basierte Attribution
• Analysieren Sie die Effektivität von Traffic-Quellen in verschiedenen Phasen des Trichters
• Übergeben Sie die Ergebnisse der Attributionsmodellberechnung automatisch an Alytics, Google Ads und K50, um die Ratenverwaltung zu automatisieren (OWOX BI lässt sich in diese Dienste integrieren).

Hier ist ein Beispiel für einen Bericht von OWOX BI Smart Data, der zeigt, wie sich der ROI von Werbekampagnen zwischen Attributionsmodellen unterscheidet:

In diesem Screenshot sehen wir beispielsweise, dass die ROI-Quelle Bing/Organic 20 % höher ist als in Google Analytics. Das heißt, die Quelle verdiente tatsächlich mehr Geld, wurde aber in Google Analytics unterbewertet, weil sie sich in der Mitte des Trichters befand.

Sie möchten die Wechselwirkung Ihrer Werbekampagnen und deren Umsatzbeitrag bewerten? Probieren Sie OWOX BI aus und sehen Sie, wie es Ihnen helfen kann, Ihre Ziele zu erreichen.

Wenn ein Nutzer irgendwo eine Anzeige sieht, auf nichts klickt, aber nach einer Weile auf die Website geht und eine bestimmte Aktion ausführt, spricht man von einer Post-View-Conversion. Diese sind schwer nachzuverfolgen, da es keine direkte Verbindung und keinen direkten Übergang zur Anzeige gibt.

Darüber hinaus sind große Player wie Facebook, Google, YouTube und Yandex nicht sehr daran interessiert, Dritte in ihre Systeme zu lassen. Das heißt, sie wollen keine Daten herausgeben, die angeben, dass ein bestimmter Benutzer eine bestimmte Werbung gesehen hat.

Kundenziel: Steigerung der Effizienz von Investitionen in Medienwerbung (Banner und Videos).

Herausforderung des Kunden: Verfolgen Sie Aufrufe von Medienkreationen (kein Klick) und anschließende Website-Besuche von Benutzern, die eine Anzeige gesehen haben.

Unsere Hypothese: Wir können einen Tracking-Code (Pixel) auf Seiten platzieren, auf denen der Kunde seine Medienanzeigen veröffentlicht. Dieses Pixel weist jedem Benutzer, der die Anzeige sieht, ein eindeutiges Cookie zu. Nach einer Weile kann dieser Benutzer auf die Website des Kunden gehen. Wir können dann das von uns zugewiesene Cookie lesen und diese Daten verwenden, um Post-View-Analysen zu erstellen.

Das OWOX BI-Team hatte die Aufgabe, eine Tracking-Methode zu entwickeln, die Daten über Anzeigenaufrufe sammelt, um sie mit Daten zum Benutzerverhalten von der Website des Kunden zu kombinieren. Wir haben im Wesentlichen ein Stück Code erstellt, das auf den Websites platziert werden kann, auf denen die Anzeige läuft.

Dann brauchten wir Google BigQuery, um Anzeigenansichtsdaten mit Daten zum Nutzerverhalten von der Website unseres Kunden zu kombinieren, damit sie mit SQL verarbeitet werden konnten.

Die Aufgabe wurde in mehreren Stufen umgesetzt:

1. Sammeln Sie Geschäftsanforderungen vom Kunden.
2. Bereiten Sie auf der Grundlage dieser Geschäftsanforderungen TA für die Einführung eines Pixels auf Websites vor, auf denen Medienwerbung platziert wird.
3. Testen Sie die Qualität der TA-Implementierung und die Qualität der Daten, die bei Anzeigenscreenings in Google BigQuery eingehen.
4. Starten Sie Kampagnen und überwachen Sie die Qualität der Datenübertragung.
5. Verknüpfen Sie während des Kampagnenzeitraums gesammelte Daten mit Benutzerverhaltensdaten sowie CRM-Daten.
6. Erstellen Sie einen Bericht, der die geschäftlichen Fragen des Kunden beantwortet.

• Nicht alle Websites waren daran interessiert, unser Pixel zu hosten.
• Wir haben unsere eigene OWOX-Benutzer-ID als Schlüssel für die Datenzuordnung verwendet.
• Wir haben das Tracking und die korrekte Funktion unseres Skripts auf den Plattformen des Werbetreibenden ständig überwacht.
• Wir haben nicht nur den Direktverkauf innerhalb des Konversionsfensters berücksichtigt, sondern auch die Wirkung der Werbung auf die Gewinnung eines neuen Publikums (einer der KPIs des Kunden).

Unser Kunde erhielt einen Bericht, der die folgenden Fragen beantwortete:

• Wie hoch ist der ROI von Kampagnen mit Online-Bestellungen?
• Wie hoch ist der ROI von Kampagnen für Bestellungen, die innerhalb von 10 Tagen nach Anzeige einer Anzeige abgeschlossen werden?
• Wie hoch ist der ROI von Werbung angesichts der Wirkung von ROPO?
• Welche Websites haben sich in Bezug auf ROI/CR/neue Benutzer als am effektivsten erwiesen?
• Wie viel Prozent der Nutzer, die Anzeigen gesehen haben, waren bereits auf der Website?
• Wie viele neue Nutzer wurden innerhalb von X/Y/Z Tagen nach Anzeige einer Anzeige auf die Website gebracht?
• Wie viele neue Nutzer haben gekauft, nachdem sie eine Anzeige gesehen haben?
• Welche Artikel wurden von Nutzern gekauft, die eine Anzeige gesehen haben?
• Wie viele abgelaufene Benutzer (die die Website X Tage lang nicht betreten oder auf der Website gekauft haben) wurden durch eine Anzeige zurückgebracht?

Beispiel für einen Post-View-Conversion-Bericht:

Möchten Sie denselben Bericht? Probieren Sie OWOX BI aus und erfahren Sie, wie Sie damit Ihre Marketinganalyse-Herausforderungen meistern können.

• Daten sind das Öl des 21. Jahrhunderts.
• Die Arbeit mit Daten erfordert Experimente und das Testen von Hypothesen.
• Sie müssen darauf vorbereitet sein, dass nicht alle Experimente erfolgreich sein werden.
• Der Wunsch Ihres CMO allein reicht nicht aus; Sie brauchen Prozesse innerhalb des Unternehmens, damit Daten Geld einbringen, und das Team sollte sie brauchen.
• Ist die Umwandlung von Daten in Geld die Alchemie des 21. Jahrhunderts? Wir glauben nicht :)