ROPO-Analyse: Wie nützlich ist sie für Omnichannel-Marketinganalysen?

Bis zu 40 % der Kunden gehen online, um mehr über die Produkte und deren Verfügbarkeit zu erfahren, bevor sie den Offline-Shop besuchen und etwas kaufen. Der Prozentsatz solcher Kunden hängt sicherlich vom Unternehmen ab. Viele Benutzer sehen jedoch zuerst Online-Anzeigen oder Sonderangebote, lesen Bewertungen und Erfahrungsberichte von der Website und entscheiden sich erst dann für den Offline-Kauf. Dies bedeutet, dass Ihre Online-Werbeinitiativen einen ernsthaften Einfluss auf die Anzahl der Offline-Verkäufe haben können

In diesem Fall beschreiben wir die vom OWOX BI-Team bereitgestellte Lösung für eine Ladenkette, die Teil des Unternehmens Sephora (im Besitz der LVMH-Gruppe) ist und eine führende Position auf dem globalen Markt für Parfüms und Kosmetikprodukte einnimmt. Es hatte Probleme mit der Anwendung der ROPO-Analyse.

Kunden können die vom Händler angebotenen Waren grundsätzlich sowohl online als auch offline kaufen. Beim Kauf eines neuen Parfüms möchte ein Kunde möglicherweise zuerst die Aromen erkunden und erst dann online oder in einem physischen Geschäft kaufen.

Das Marketingteam wollte das Verhalten seiner Benutzer in Bezug auf ihre Interaktion zwischen Online- und Offline-Shops genau verstehen. Sie wollten in Zahlen zeigen, dass Online-Marketing-Bemühungen nicht auf die Generierung von Einnahmen aus Online-Bestellungen beschränkt sind, sondern auch Offline-Verkäufe (den sogenannten Research Online-, Purchase Offline- oder ROPO-Effekt) beeinflussen.

Wir schlugen vor, ein System für Omnichannel-Marketinganalysen und -berichte aufzubauen.

Die Priorität für das Unternehmen, wie für viele große Omnichannel-Händler, bestand darin, ein effektives Marketinganalysesystem über alle Vertriebskanäle hinweg aufzubauen.

Das erste Problem, mit dem das Marketingteam bei der Lösung dieses Problems konfrontiert war, war die Datenfragmentierung. Im Laufe des Bestehens des Unternehmens sind viele Daten angesammelt worden, die in verschiedenen Quellen und Formaten gespeichert wurden, jedes mit seiner eigenen spezifischen Verarbeitungsmethode. Zur Bestimmung des ROPO-Effekts wurde ein einziges Repository benötigt, in dem alle für die Analyse notwendigen Daten kombiniert werden können.

Aus diesem Problem folgte ein weiteres: Welchen Speicher verwenden? Es gab zwei Möglichkeiten:

1. ​Speichern Sie alle Daten auf den unternehmenseigenen Servern.
2. Laden Sie alle Daten in den Cloud-Speicher hoch.

Jede Datenspeicherungsoption hat ihre Vor- und Nachteile. Im Falle der Verwendung von unternehmenseigenen Servern müssen der Zeitaufwand für die Organisation einer solchen Speicherung, das für den Kauf der erforderlichen Hardware erforderliche Geld, Wartungskosten, Probleme bei der Skalierung und die Notwendigkeit, ein automatisiertes System zum Sammeln und Aufbauen aufzubauen, berücksichtigt werden Daten verarbeiten.

Die nächste Herausforderung war die Auswahl eines Tools zur automatisierten Bereitstellung von Daten aus verschiedenen Quellen an ein einziges Repository zur weiteren Analyse. Dafür gibt es eine ganze Reihe von Tools, aber es musste das Beste in Bezug auf Preis, Qualität, Funktionalität, Flexibilität und Skalierbarkeit ausgewählt werden.

Um Probleme mit der ROPO-Analyse zu lösen, mussten die Marketingexperten und Analysten die folgenden Schritte unternehmen:

• Wählen Sie ein einzelnes Repository zum Zusammenführen von Daten aus
• Automatisieren Sie den Datenfluss
• Erstellen Sie auf der Grundlage der erhaltenen Daten die Berichte und dynamischen Indikatoren, die für das Management des Unternehmens erforderlich sind

Um diesen Plan umzusetzen, wandte sich das Marketingteam an OWOX BI, da wir Experten für Online-Analyse und Datenfusion sind und seit 2016 Partner des Unternehmens sind.

Als Unified Storage mit Anbindung an Google BigQuery wählten die Experten Google Cloud Storage. Die Hauptgründe für die Wahl von Google Cloud Storage waren:

• Geschwindigkeit. Google Cloud Storage kann Terabytes an Informationen in Sekunden und Petabytes in Minuten verarbeiten.
• Effizienz und Kostentransparenz. Im Vergleich zu anderen Tools ist der Dienst von Google kostengünstig und bequem zu verwenden.
• Einfache Skalierbarkeit. Bei einer deutlichen Steigerung des Datenvolumens müssen Sie keine zusätzlichen Kapazitäten, virtuellen Server etc. reservieren.
• Bequeme Integration mit externen Diensten. Für die Arbeit mit Daten beliebter Dienste steht eine Vielzahl von Integrationen zur Verfügung.
• Zuverlässigkeit und Datensicherheit. Die Sicherheits-, Regulierungs- und Zertifizierungsstandards von BigQuery ermöglichen es Ihnen, vertrauliche Daten in Ihrem Projekt zu speichern.
• Google Analytics 360-Export. Es ist möglich, Rohdaten aus Google Analytics direkt in BigQuery hochzuladen (einschließlich historischer Daten der letzten 13 Monate).
• Compute Engine, Data Prep usw. Google Cloud verfügt über viele integrierte Dienste, die die Implementierung von Lösungen vereinfachen.

Das Analystenteam hat gemäß den Empfehlungen von OWOX BI die folgenden Maßnahmen ergriffen, um den Datenfluss zu automatisieren:

• Richten Sie den automatischen Datenexport von Google Analytics nach Google BigQuery ein. Das Unternehmen nutzt Google Analytics 360, wodurch es die Integration mit BigQuery mit wenigen Klicks vollständig anpassen kann.
• Richten Sie die automatische Integration von Google Ads und Google Analytics ein. Es ist erwähnenswert, dass ein Teil der Kostendaten mithilfe der OWOX BI-Pipeline automatisch in Google Analytics importiert werden. Die Gesamtkosten werden in einem anderen, für die Zwecke des Unternehmens besser geeigneten System analysiert (neben Werbekosten werden auch Fixkosten für die Produktion von Werbemitteln, Agenturprovisionen und andere Ausgaben erhoben, ohne die eine Nettoberechnung nicht möglich ist Rendite).
• Richten Sie das automatische Hochladen von Ausgaben in Google Analytics für Criteo, Facebook und andere Werbequellen über die OWOX BI-Pipeline ein. Methoden zum Laden von Werbekosten in Google Analytics und den Vorteil des automatischen Imports in Google Analytics und BigQuery finden Sie in unserem Artikel.
• Heruntergeladene Daten aus dem CRM in Google BigQuery. Während das Marketingteam die Vorteile von BigQuery und anderen Google Cloud Platform-Produkten untersuchte, beschloss es, ROPO-Berichte basierend auf einmaligen Uploads zu erstellen. Dazu luden sie einmal im Monat Daten in Google Cloud Storage hoch, von wo aus sie an BigQuery gesendet wurden.
• Nachdem sich das Marketingteam mit allen Vorteilen der Arbeit mit Daten in BigQuery vertraut gemacht hatte, entschied es sich, BigQuery weiterhin als CRM-Datenspeicher zu verwenden. Mithilfe der BigQuery-Integration von OWOX BI richteten sie das automatische Hochladen von Daten aus ihrem CRM in BigQuery ein. Diese Integration ermöglichte die unabhängige Verwaltung (Hinzufügen, Löschen und Aktualisieren) von Daten in der Cloud, was einer der Vorteile der kontinuierlichen Verwendung dieses Ansatzes war.

Mithilfe von SQL-Abfragen führte das Marketingteam alle in BigQuery gesammelten Daten in einer einzigen Tabelle zusammen. Jetzt können sie diese Daten verwenden, um mit dem Data Studio-Datenvisualisierungstool Berichte in einem unternehmensfreundlichen Format zu erstellen.

Es lohnt sich zu bedenken, dass Daten zum Erstellen von Berichten nicht nur in Visualisierungsdiensten wie Data Studio, Tableau und Google Charts zusammengeführt werden können. Mithilfe der vom OWOX-Team entwickelten Anweisungen können Sie mit wenigen Klicks eine in BigQuery erstellte Tabelle direkt mit den Tools OWOX BI Attribution und OWOX BI Smart Data verbinden, um automatisch ROPO-Berichte im OWOX BI-Büro zu generieren.

Als Ergebnis des Aufbaus eines Systems für Marketing-Omnichannel-Analysen beantwortete das Marketingteam eine Reihe von Fragen, die für die Geschäftsentwicklung wichtig sind.

Nachdem die gesamte Kette von Benutzer-Touchpoints aufgebaut wurde, von der Interaktion mit Online-Werbung bis zum Kauf in einem Offline-Geschäft über einen ausgewählten Zeitraum, war es möglich, 3 Prozent aller Benutzer, die die Website betraten, anhand der Benutzer-ID zu identifizieren – also nur diejenigen Besucher, die dies taten sind auf der Website registriert. Es war möglich, nicht nur Sitzungen von zu einem bestimmten Zeitpunkt autorisierten Benutzern zu identifizieren, sondern auch Sitzungen von nicht autorisierten Benutzern, die eine bekannte Kundenkarte haben. Unter identifizierten Benutzern:

• 31 % kauften im Online-Shop ein.
• 17 % besuchten den Online-Shop vor einem Offline-Kauf (ROPO-Benutzer).
• 53 % kauften sowohl in Online- als auch in Offline-Shops ein.

Nach der Analyse aller erforderlichen Daten konnte das Digitalteam den Einfluss der Werbung in digitalen Medien auf die Verkäufe in Offline-Geschäften in Zahlen darstellen. Die folgende Grafik zeigt den Einfluss eines E-Mail-Newsletters, der vom 23.

Der Bericht ermöglicht es dem Team auch, Änderungen beim Anteil der ROPO-Benutzer zu bewerten, um zu verstehen, inwieweit die Erwartungen für diese Metrik den tatsächlichen Daten entsprechen

Diese Grafik zeigt, welcher Prozentsatz des ROPO-Umsatzes durch eine bestimmte Werbekampagne generiert wurde

Beim Erstellen der nachstehenden Diagramme war es möglich, den Anteil der ROPO-Benutzer, die sowohl online als auch offline Einkäufe getätigt haben, visuell darzustellen und die Dynamik der Änderungen in dieser Kategorie von Benutzern zu verfolgen

Neben der Hauptanalyse wollten die Vermarkter herausfinden, wie sich das Verhalten der ROPO-Benutzer je nach Produktkategorie unterscheidet, was die Kunden auf der Website ansehen und was sie offline kaufen.

Zum Beispiel gab es eine Hypothese, dass Parfüm die meisten ROPO-Einnahmen bringt. Der Bericht zeigte jedoch, dass die Kategorie Gesichtspflege in der Anti-Aging-Produktreihe tatsächlich einen großen ROPO-Anteil hat. Diese Produkte können bei der Entwicklung der nächsten Online-Werbekampagne berücksichtigt werden.

All diese Daten und die korrekte Analyse des ROPO-Effekts haben dazu beigetragen, die Wirksamkeit von Online-Werbung unter Berücksichtigung aller Aktionen der Nutzer sowohl online als auch offline klar zu definieren und darzustellen. Dank der ROPO-Analyse und der Möglichkeit, Offline-Transaktionen in eine separate Google Analytics-Ansicht herunterzuladen, können Vermarkter das Verhalten verschiedener Segmente ihrer Zielgruppe besser verstehen und Marketingaktivitäten detaillierter planen.

Der nächste Schritt besteht darin, den Prozentsatz der identifizierten Benutzer zu erhöhen, um das Verhalten jedes Segments genauer zu bestimmen. Ein Teil dieser Aufgabe wurde dadurch gelöst, dass Benutzer nicht nur identifiziert wurden, die zu einem bestimmten Zeitpunkt in einer bestimmten Sitzung autorisiert sind, sondern die nicht autorisiert sind, aber eine Treuekarte haben, die rückwirkend abgeglichen werden kann.