Wie man interne Analysen mit dem ML-trichterbasierten Attributionsmodell verbessert

Mit dem Einsatz möglichst vieler Werbekanäle, um Kunden zu erreichen, stehen Unternehmen vor einem großen Problem bei der richtigen Bewertung von Leistung, Erfolg und natürlich Umsatzwachstum. Die Fragen, die sie beantworten müssen, lauten : Welcher Kanal funktioniert besser? Welche sollte eliminiert werden und welche liefert qualifizierte Leads? Jetzt ist es an der Zeit, dass Attributionsmodelle ins Spiel kommen.

In diesem Fall beschreiben wir die Lösung, die das OWOX BI-Team für einen großen Online-Händler bereitgestellt hat, der Schwierigkeiten hatte, seine Leistung zu verbessern und das richtige Attributionsmodell zu verwenden.

Vor der Zusammenarbeit mit OWOX BI verwendete das Unternehmen das Attributionsmodell „Letzter Klick“, das den gesamten Wert der letzten Quelle zuwies und den Beitrag aller vorherigen Schritte vor der Bestellung ignorierte. Um die Leistung von Werbekampagnen richtig zu bewerten, wurde entschieden, das ML-trichterbasierte Attributionsmodell einzurichten.

Das Unternehmen verfügt über eine Vielzahl von Benutzerkontaktpunkten: Social-Media-Anzeigen, Preisvergleichswebsite, PPC, Website, Telefonanrufe, Direktmarketing, Fulfillment-Zentren und Außenposten. Ähnlich wie bei den meisten Einzelhändlern mit Multichannel-Marketing stand es vor dem Problem, die Daten zu verstreuen, da das Unternehmen die Daten in verschiedenen Systemen sammelt und speichert.

Um den Beitrag jedes Kanals zur Reise des Kunden entlang des Trichters zu bewerten, musste der Einzelhändler die Daten über das Nutzerverhalten, die Anzeigenkosten, Offline-Bestellungen und den tatsächlichen Umsatz des Unternehmens mit dem Konto der abgeschlossenen Bestellungen zusammenführen. Das bedeutet, dass das Unternehmen Marketinganalysen einrichten musste, indem es die folgenden Schritte unternahm:

1. Entwickeln Sie einen individuellen Satz von Metriken, um Daten zum Nutzerverhalten von der Website an Google Analytics 360 zu sammeln. Mithilfe des Standardexports können die ungesampelten Daten an Google BigQuery gesendet werden.
2. Richten Sie die OWOX BI-Pipeline ein, um Daten von Werbediensten für Google BigQuery zu sammeln.
3. Konfigurieren Sie den Export der Transaktionsdaten aus dem CRM-System nach Google BigQuery.
4. Erstellen Sie ein ML-trichterbasiertes Attributionsmodell basierend auf den zusammengeführten Daten in Google BigQuery.
5. Führen Sie die Datensatzverknüpfung für Kanalgruppierungen gemeinsam mit den OWOX BI-Analysten durch, da sich die eigenen Namen der Einzelhändler für Kanalgruppierungen von GA 360 unterscheiden.
6. Erhalten Sie Berichte in Google Sheets für die monatliche Budgetplanung.

Nachfolgend finden Sie das Datenkonsolidierungsdiagramm:

Sehen wir uns nun genauer an, wie das trichterbasierte ML-Zuordnungsmodell zusammen mit Berichten erstellt wurde.

Die OWOX BI-Analysten halfen bei der Entwicklung, Einrichtung und Implementierung des individuellen Metriksatzes für den Einzelhändler. Darüber hinaus testen und aktualisieren unsere Spezialisten das metrische System regelmäßig für neue Domänen und neue Funktionen.

Die Daten über das Nutzerverhalten auf der Website wurden in Google Analytics 360 gesammelt und täglich an Google BigQuery gesendet, um mit den Daten über Werbekosten und Transaktionen verknüpft zu werden. Das Unternehmen hat sich für die kostenpflichtige Version von Google Analytics entschieden, da seine Website ein hohes Verkehrsaufkommen aufweist. Die Standardversion wendet Stichproben an, wenn die Anzahl der Benutzersitzungen 500.000 übersteigt, während Google Analytics 360 es ermöglicht, genaue Daten bis auf einen Treffer zu erhalten.

Die Daten zu den AdWords-Kosten gehen dank der nativen Integration an Google Analytics 360. Während OWOX BI Pipeline verwendet wird, um die Daten von Facebook an Google Analytics 360 zu senden und die Kostendaten über alle Anzeigendienste in Google BigQuery zusammenzuführen. Die folgende Tabelle zeigt den Aufbau der gesendeten Daten:

Um die Daten zu Retouren und abgeschlossenen Bestellungen zu berücksichtigen, exportieren die Analysten die Daten zu Transaktionen aus dem CRM-System nach Google BigQuery. Die Struktur der Daten ist unten dargestellt:

Diese Struktur hilft dabei, Daten über abgeschlossene Bestellungen mit den Daten über das Website-Benutzerverhalten zusammenzuführen, indem die Schlüssel user_id und time verwendet werden.

Der Verkaufstrichter des Einzelhändlers besteht aus 5 Schritten: Besuchen, Produktseite, In den Warenkorb, Zur Kasse, Kaufen. Das OWOX BI-Team berechnete den durchschnittlichen Zeitraum vom Website-Besuch bis zum Kauf und empfahl das optimale Conversion-Fenster und Transaktionsfenster.

Anhand dieser Daten wurde ein ML-trichterbasiertes Attributionsmodell erstellt:

Das ML-trichterbasierte Attributionsmodell bewertet die Wahrscheinlichkeit, dass ein Benutzer von einer Stufe des Verkaufstrichters zu einer anderen wechselt. Die graue Spalte zeigt den Wahrscheinlichkeitswert. Je geringer die Wahrscheinlichkeit ist, von einem Schritt zum nächsten zu wechseln, desto wertvoller wird die Sitzung, in der ein Benutzer diesen Schritt bestanden hat. Nur die Sitzungen, die zur Bestellung geführt haben, erhalten den Wert. Mehr über die Berechnungslogik von OWOX BI Attribution erfahren Sie in unserem Blogpost.

Die Attributionsergebnisse werden verwendet, um Berichte zu erstellen, die wir in Schritt 6 beschreiben.

Alle Zugriffsquellen in Google Analytics 360-Berichten werden standardmäßig in die folgenden Kanalgruppierungen eingeteilt: Direkt, Organisch, E-Mail, Verweis, Sozial, Anzeige, CPC und Sonstige.

Die Marketingspezialisten verwenden jedoch ihre eigenen Kanalgruppierungsnamen für interne Berichte. Um das Attributionsmodell zu erstellen, verwendete das Team des Unternehmens die bereits gesammelten Daten für die vergangenen Zeiträume mit eigenen Namen für Kanalgruppierungen. Aus diesem Grund war es zu spät, die Namen in den Google Analytics 360-Einstellungen zu ändern. Aufgrund dieser Tatsache führten die OWOX BI-Analysten die Datensatzverknüpfung durch und erstellten eine aktualisierbare Liste übereinstimmender Namen für Kanalgruppierungen in Google Sheets. Die folgende Tabelle zeigt die Listenstruktur:

Das OWOX BI-Team hat ein Skript erstellt, um die Datensatzverknüpfung in Google BigQuery monatlich mit den Attributionsergebnissen zu kombinieren, wobei die Schlüssel für Quelle und Medium verwendet werden .

Mit Hilfe der OWOX BI-Analysten wurden zwei Reports erstellt. Der erste Bericht half zu verstehen, welche Affiliates sich selbst den Wert anderer Kanäle zuschreiben. Dieser Bericht ist in OWOX BI Smart Data verfügbar. Die Analysten exportierten die Daten aus dem erhaltenen Bericht mithilfe des kostenlosen Add-ons OWOX BI BigQuery Reports in Google Sheets.

Hier sind die Schritte, die die OWOX BI-Analysten unternommen haben, um die Daten in Google Sheets zu exportieren:

1. Navigieren Sie zu Smart Data und fragen Sie, wie der Wert von Quellen und Medien auf die Trichterschritte verteilt ist, und öffnen Sie den Bericht.
2. Navigieren Sie in die obere rechte Ecke und wählen Sie Copy the SQL query to Clipboard .

1. Erstellen Sie einen neuen Bericht in Google Sheets. Öffnen Sie dazu das Menü Add-ons , wählen Sie dann OWOX BI BigQuery Reports und Add a new report . Wählen Sie dann vorhandene Google Cloud Platform-Projekte aus, wählen Sie Neuen Bericht hinzufügen und klicken Sie auf Einfügen :

Bitte beachten Sie, dass jeder neue Bericht in einem neuen Blatt erstellt wird:

Geben Sie die Berichtskonfiguration in einer Seitenleiste an: Wählen Sie ein vorhandenes Google Cloud Platform-Projekt und eine Google BigQuery-Abfrage aus, die hochzuladende Daten bereitstellen.

Notiz! Weitere Details zur Berichtskonfiguration finden Sie hier.

1. Jetzt ist der Bericht in Google Sheets verfügbar. Sie können die automatische Berichtsaktualisierung für mehr Komfort planen. Navigieren Sie dazu in den Einstellungen von OWOX BI BigQuery Reports zu Reports planen:

Stellen Sie den notwendigen Zeitraum für das Update ein:

Notiz! Um mehr darüber zu erfahren, wie Sie die regelmäßige Berichtaktualisierung planen, folgen Sie diesem Link.

Die OWOX BI-Spezialisten modifizierten die Abfrage und fügten dynamische Parameter hinzu: die Quelle und den Analysezeitraum.

Notiz! Folgen Sie diesem Link, um mehr über dynamische Parameter in Abfragen zu erfahren.

Als Ergebnis wurde der Verkehrsanalysebericht erstellt, der zeigt, welcher Trichterschritt von einer bestimmten Quelle mehr Einfluss erhält:

Nachdem das Unternehmen nur die Affiliate-Partner gefiltert hat, kann es diejenigen mit dem größten Wert im letzten Trichterschritt identifizieren:

Der zweite Bericht zeigt die tatsächlichen Kosten, Einnahmen und ROAS von Werbekampagnen. Anhand dieses Berichts können die Marketingspezialisten herausfinden, welche Quellen mehr Umsatz bringen und welche sich nicht auszahlen:

• Das richtige und flexible Datenerfassungssystem wurde vom OWOX BI-Team eingerichtet.
• Mithilfe der Produkte OWOX BI und Google wurde der Datenerfassungsprozess automatisiert. Alle Daten sind jetzt in Echtzeit in einer einzigen Schnittstelle verfügbar.
• Das ML-trichterbasierte Attributionsmodell half dem Unternehmen, die Leistung von Werbekampagnen und -kanälen besser zu bewerten.