So berechnen Sie die Versandkosten und ROMI unter Berücksichtigung gekaufter Bestellungen

Die häufigste Herausforderung für Einzelhändler sind die Lieferkosten, da diese manchmal unrentabel sein können. Einige der Bestellungen, die das Unternehmen auf eigene Kosten liefert, werden zum Zeitpunkt der Lieferung nicht tatsächlich von den Kunden gekauft. Daher hat sich unser Kunde entschieden, zu berechnen, wie viel er tatsächlich für Lieferung und Werbung in jeder Region ausgibt.

In diesem Fall beschreiben wir die Lösung des OWOX BI-Teams für einen großen Modehändler im mittleren Segment, der Probleme mit der Berechnung der Lieferkosten und ROMI unter Berücksichtigung der gekauften Bestellungen hatte.

Das Marketingteam wollte zwei Hauptprobleme lösen:

1. Lernen Sie den tatsächlichen ROMI von Werbekampagnen unter Berücksichtigung gekaufter Bestellungen kennen, um das Budget effektiver auf alle Kanäle zu verteilen.
2. Berechnen Sie die Versandkosten nach Region, um Regionen zu finden, in denen es für die Kette nicht rentabel ist, Waren auf eigene Kosten zu liefern, und konzentrieren Sie die Marketingbemühungen auf andere vielversprechendere Regionen.

Um Traffic anzuziehen und Conversions zu steigern, werden viele Kanäle verwendet, wie z. B. kontextbezogene Werbung, CPA (TrackAd), E-Mail und andere. Die Werbekosten werden mit unterschiedlichen Methoden berechnet und in verschiedenen Diensten gespeichert. Darüber hinaus bietet der Händler mehrere Versandoptionen an und liefert in einigen Fällen auf eigene Kosten. Die Versandkosten hängen von der Region und dem Gewicht des Kaufs ab. Außerdem wird in verschiedenen Regionen Geld für Werbung ausgegeben, was die Implementierungskosten erhöht. Um alle Kosten des Warenverkaufs in verschiedenen Regionen regelmäßig zu analysieren, sollten Dashboards auf Ist-Daten unter Berücksichtigung gekaufter Bestellungen aufgebaut werden.

Bei einer Online-Bestellung stehen den Kunden mehrere Zahlungsmöglichkeiten zur Verfügung: Zahlung auf der Website, Ratenzahlung, Zahlung bei Lieferung per Kurier oder Zahlung bei Abholung der Bestellung an einem Abholort. In den beiden letztgenannten Fällen können Kunden Waren anprobieren und sich dafür entscheiden, nur einen Teil einer Bestellung zu kaufen. Daher ist der Umsatz, der aus auf der Website erstellten Bestellungen ersichtlich ist, deutlich höher als der tatsächliche Umsatz, der aus gekauften Bestellungen erzielt wird.

Daten zu gelieferten, ausgeführten und gekauften Bestellungen werden ebenfalls in verschiedenen Systemen gespeichert. Um zu verstehen, welche Produkte am häufigsten gekauft werden, ob sich Werbekampagnen auszahlen und ob die Lieferung in bestimmte Regionen rentabel ist, musste das Marketingteam alle unsere Daten in einem Bericht zusammenfassen.

Um Advanced Analytics einzurichten, haben wir uns an unseren Partner CROC gewandt, einen B2B-Integrator, der seit etwa 30 Jahren mit Kunden in 42 Ländern zusammenarbeitet. Mit Hilfe von OWOX BI gelang es dem CROC-Team, Daten von verschiedenen Berührungspunkten zu sammeln und Dashboards zu erstellen, die uns die fehlenden Informationen lieferten.

Von der Kasse bis zum Kauf kann es bis zu drei Wochen dauern, daher verwenden wir einen Bericht auf der Grundlage von Online-Daten, um operative Entscheidungen über die Budgetzuweisung zu treffen:

Es werden jedoch nicht alle auf der Website aufgegebenen Bestellungen gekauft. Tatsächlich ist dies ein Problem für die meisten Modehändler. Grob gesagt kann ein Kunde Artikel mit einem Gesamtpreis von 500 Euro auswählen, aber nur Waren im Wert von 150 Euro kaufen. Ein auf vollständigen Daten basierender Bericht zeigt das wahre Bild: Wie viel Prozent der Waren werden gekauft und wie viel Geld wird uns über bestimmte Kanäle zugeführt.

Wenn Sie sich beispielsweise den ROMI von Bing/CPC ansehen, sehen wir im ersten Bericht einen Wert von 419,46 % und im zweiten 115,97 %. Der Unterschied beträgt fast das 3,5-fache.

Daher sieht sich das Marketingteam am Ende des Monats den vollständigen Datenbericht an und passt die Kurse für den nächsten Monat an, um die Einlösbarkeit zu berücksichtigen. Der Bericht zu den Lieferparametern hilft zu ermitteln, in welchen Regionen mehr Bestellungen vorliegen und unrentable Regionen abzuschneiden:

Anhand eines Website- und Kategorieberichts analysieren Marketer, welche Produkte sich auf bestimmten Websites am besten verkaufen, welche Websites mehr investieren sollten und welche Websites Zeit brauchen und keinen Gewinn bringen:

Da der Einzelhändler viele Aktivitäten im Zusammenhang mit E-Mails durchführt, musste auch verstanden werden, welche Kampagne am besten funktioniert und den Benutzer zum Abschluss des Kaufs anregt. Dank des Berichts über MindBox-Daten sehen die Vermarkter alle Teile des Trichters vom Versand einer E-Mail bis zum Kauf.

Aus diesem Bericht gewonnene Erkenntnisse:

1. Die Konversionsrate von E-Mails, die vor dem eigentlichen Kauf versendet werden, beträgt durchschnittlich 0,2 %.
2. Der größte Prozentsatz der Conversions wird von Kunden erzielt, die Trigger-Mailings für Produktansichten und abgebrochene Warenkörbe erhalten.
3. Einige Benutzer können eine E-Mail öffnen und sechs Monate nach Erhalt der E-Mail einen Kauf tätigen.

Schritt 1 . Richten Sie Rohdaten-Streaming mit OWOX BI ein, um gleichzeitig Daten von der Website an Google BigQuery zu übertragen, Datenstichproben zu vermeiden und Berichte mit allen verfügbaren Parametern zu erstellen.

Schritt 2 . Ebenfalls mit Hilfe von OWOX BI richten Vermarkter den automatischen Import von Kostendaten aus Werbediensten ein, sodass die Daten nicht jedes Mal manuell zusammengeführt werden müssen. Auf diese Weise werden Kostendaten an einem Ort und in einem einzigen Format gesammelt und regelmäßig automatisch aktualisiert.

Daten von Facebook und Criteo werden direkt an Google BigQuery übermittelt. Mithilfe des Streamings Google Analytics → BigQuery (Kostendaten) war es auch möglich, CPA-Kostendaten zu erhalten, die von einem Drittanbieterdienst in Google Analytics hochgeladen wurden. Die Google Ads-Kostendaten werden mithilfe einer nativen Integration in BigQuery importiert.

Schritt 3 . Richten Sie den Upload von E-Mail-Kampagnendaten mithilfe einer benutzerdefinierten Integration von OWOX BI ein.

Schritt 4 . Konfigurieren Sie mit der eigenen Lösung den Upload von Transaktions- und Lieferdaten aus den internen Systemen zu Google BigQuery.

Hier ist ein Schema der Datenerfassung und -bewegung:

Schritt 5 . Richten Sie die OWOX BI-Zuordnung basierend auf einem Trichter mit zwei verschiedenen Konvertierungsschritten ein: eine Bestellung auf der Website aufgeben und die Bestellung kaufen. Das Ergebnis sind zwei Berichte zur Wirksamkeit von Werbekampagnen: ein Bericht nur zu Online-Daten und einer zu vollständigen Daten.

Schritt 6 . Es wurden mehrere Dashboards erstellt, die wichtige Fragen beantworteten.

Als Ergebnis eines gemeinsamen Projekts zur Konfiguration erweiterter Analysen konnte das Marketingteam Berichte erstellen, die ihnen halfen, zuvor unbeantwortete Fragen zu beantworten. Die Berechnung des realen ROMI unter Berücksichtigung gekaufter Bestellungen ermöglichte es ihnen, ihr Budget effizient auf die Kanäle zu verteilen. Und zu verstehen, wie viel es kostet, in jede Region zu liefern, half ihnen bei der Entscheidung, in welche Regionen es unrentabel war, auf eigene Kosten zu liefern.

Der nächste Schritt für das Marketingteam besteht darin, das Hochladen von Verkaufsdaten in Offline-Geschäfte abzuschließen, um eine ROPO-Analyse zu erstellen. Dies hilft dabei, klar nachzuvollziehen, wie sich Online-Aktivitäten auf Offline-Verkäufe auswirken. Häufig führt eine Kampagne, die online unwirksam erscheint, Kunden zu Offline-Geschäften.