ROPO-Analyse: Warum Sie sie brauchen und wie Sie sie durchführen

Stellen Sie sich vor, Sie haben einen tollen Job gemacht, aber dafür 40 Prozent weniger bekommen, als Sie erwartet haben. Nur weil Sie das Ergebnis Ihrer Bemühungen nicht beweisen konnten. Ungefähr dasselbe passiert Omnichannel-Internet-Vermarktern, die keine ROPO-Analyse durchführen. Aber das unterbewertete Online-Marketing ist in diesem Fall nur die Hälfte des Problems. Unternehmen, die den Zusammenhang zwischen Online- und Offline-Kundenverhalten nicht nachverfolgen, laufen Gefahr, ihre Umsätze zu reduzieren, indem sie zum Beispiel Werbung deaktivieren, die sich auf den ersten Blick nicht rechnet.

In diesem Artikel erklären wir, was die ROPO-Analyse ist und welche Vorteile sie Ihrem Unternehmen bringen kann. Wir erklären Ihnen, wie Sie mithilfe von OWOX BI das Benutzerverhalten auf der Website mit Einkäufen in Einzelhandelsgeschäften verknüpfen, welche Daten für ROPO-Berichte benötigt werden und wie Sie diese erstellen.

Beginnen wir mit der Theorie. ROPO (Research Online, Purchase Offline) beschreibt das Verhalten von Kunden, die im Internet nach Produkten suchen und diese in einem Ladengeschäft kaufen. Es gibt mehrere Gründe, warum Kunden dies tun:

Im Verbraucherbarometer können Sie die Daten auch nach Produkttyp – wie Elektronik oder Konsumgüter – sortieren, um für Ihr Unternehmen relevante Daten zu erhalten.

Wie Sie die Ergebnisse der ROPO-Analyse nutzen sollten, hängt von den Zielen ab, die Sie erreichen möchten. Möchten Sie die tatsächliche Effektivität Ihrer Online-Kanäle herausfinden, Werbekampagnen verbessern und Geld sparen, den Umsatz online oder offline steigern oder den Gewinn steigern? Lassen Sie uns jedes dieser Ziele genauer betrachten.

Sie haben also dafür gesorgt, dass ein ausreichend großer Prozentsatz der Nutzer, die Waren auf Ihrer Website studieren, diese in Einzelhandelsgeschäften kaufen. Aus diesem Grund ist es schwierig, die genaue Konversion und Amortisation von Online-Werbung zu berechnen, was zu schlechten Entscheidungen führen kann.

Wenn sich ein Produkt online schlecht verkauft, beeilen Sie sich nicht, es von der Website zu entfernen oder die Werbekampagne zu deaktivieren. Es kann sich herausstellen, dass der Verkauf dieses Produkts offline dreimal höher ist als online. Vergleichen Sie die Aktivität der Website-Besucher mit Einkäufen in physischen Geschäften und finden Sie heraus, ob Sie Ihr Geld verschwenden oder auf einer Goldmine sitzen.

Wenn Sie den Anteil der ROPO-Verkäufe bestimmen, können Sie den ROAS jedes Werbekanals oder jeder Kampagne basierend auf Offline-Käufen berechnen. Dies kann ein völlig anderes Bild zeigen.

Nur durch das Studium der Customer Journey können Sie Werbekampagnen so effektiv wie möglich gestalten. Angenommen, Sie haben eine automatische E-Mail für aufgegebene Warenkörbe konfiguriert. Einige Kunden können den Einkaufswagen als Einkaufsliste verwenden und dann in einem Ladengeschäft einkaufen gehen. Indem Sie solche Benutzer identifizieren, können Sie sie von diesen Erinnerungs-E-Mails ausschließen und Geld sparen.

Nutzer, die sich Ihre Website vor dem Kauf ansehen, geben in der Regel mehr aus als diejenigen, die dies nicht tun.
Nachdem Sie festgestellt haben, welche Produkte auf Ihrer Website sich nach dem ROPO-Prinzip gut verkaufen, können Sie sich darauf konzentrieren, diese zu bewerben und dadurch Ihren Gewinn zu steigern.

Wenn Sie eine ROPO-Analyse durchführen und feststellen, dass Ihre Kunden bestimmte Produkte lieber in Einzelhandelsgeschäften kaufen, sollten Sie darüber nachdenken, was mit Ihrer Website nicht stimmt. Warum kaufen Kunden nicht – oder warum können Kunden nicht – online ein, sondern gehen (hoffentlich) in Ihr Geschäft oder sogar zu Ihren Mitbewerbern? Dieses Verhalten kann verschiedene Ursachen haben:

• Die Preise online und offline sind unterschiedlich.
• Einige Funktionen sind auf der Website nicht verfügbar, z. B. ist es nicht möglich, in Raten zu zahlen.
• Lieferung dauert zu lange.
• Es gibt eine komplexe Schnittstelle oder einen langen Zahlungsprozess.

Nachdem Sie das Verhalten Ihrer Benutzer im Detail untersucht haben, können Sie verstehen, was sie daran hindert, auf der Website einzukaufen, und es beheben, indem Sie:

• Rabatte im Online-Shop anbieten
• eine zusätzliche Garantie oder kostenlose oder schnelle Lieferung anbieten
• Bereitstellung bequemer Zahlungsmethoden
• Hinzufügen eines Abschnitts mit häufig gestellten Fragen
• Bereitstellung von Informationen, wie Sie kontaktiert werden können.

Kurz gesagt, Sie können Ihre Website an den individuellen Pfad des Kunden anpassen.

Konzeptionell gibt es zwei Möglichkeiten, die Auswirkungen von Online-Werbung auf Offline-Verkäufe zu bewerten. Die erste basiert auf der Identifizierung bestimmter Benutzer und der Verknüpfung der Aktionen von Besuchern auf der Website mit Einkäufen in einem physischen Geschäft. Es ist klar, dass die Benutzer dazu autorisiert sein müssen.

Die zweite Lösung ist die sogenannte unpersönliche Datenfusion. Sie können die unpersönliche Datenfusion verwenden, um die Auswirkungen von Fernsehwerbung auf Offline-Verkäufe zu bewerten oder für den Fall, dass Ihre Website keine Benutzerregistrierung zulässt. Ähnliche Aufgaben gelten für diejenigen, die auf Facebook für Produkte werben, die bei Amazon oder anderen Marktplätzen verkauft werden. In solchen Fällen ist es unmöglich, Conversions aus Anzeigen und Banneraufrufen Bestellungen für bestimmte Benutzer zuzuordnen. Dieses Problem wird durch indirekte Korrelation gelöst. Dies ist ein Thema für einen separaten Artikel. Wenn Sie an einem Artikel über indirekte Korrelation interessiert sind, teilen Sie uns dies in den Kommentaren mit.

In diesem Artikel konzentrieren wir uns auf die Identifizierung bestimmter Benutzer, was für jedes Unternehmen Priorität hat. Auf diese Weise erhalten Sie eine Schätzung der Effektivität von Online-Werbung basierend auf einer Kombination von Benutzeraktionen sowohl online als auch offline.

Die Hauptphasen der Identifizierung von Benutzern:

1. Kombinieren Sie Online-Daten mit Transaktionsdaten aus Ihrem CRM.
2. Identifizieren Sie ein Segment der ROPO-Käufe und verstehen Sie den Anteil dieser Käufe im Verhältnis zu Online- und Offline-Verkäufen.
3. Erstellen Sie Dashboards für die allgemeine Überwachung von Daten und ihrer Dynamik.
4. Erstellen Sie detaillierte Tabellen für Agenturen, damit sie ROPO-Daten in ihrer Medienplanung verwenden und Ergebnisse nachverfolgen können.
5. Finden Sie Antworten auf diese Fragen: Bestellen ROPO-Käufer über die Website? Was hindert sie daran, zunächst eine Bestellung auf der Website aufzugeben? Wie können Sie beim Remarketing für diese Kunden sparen?

Wir empfehlen, Daten von Ihrer Website, Daten zu Werbekampagnenkosten und Daten aus Ihrem CRM in Google BigQuery zu kombinieren. Dazu können Sie Power BI, Google Data Studio, Amazon Redshift oder ein anderes Tool verwenden. Ein kleines Unternehmen kann sogar Daten in Google Sheets exportieren. Sie sollten jedoch verstehen, dass die automatisierte Datenverarbeitung aus nicht offensichtlichen und unerwarteten Gründen fehlschlagen kann. Daher müssen Sie einen Mechanismus verwenden, der zuverlässig funktioniert und Sie nicht davon ablenkt, nach Erkenntnissen zu suchen und Daten anzuwenden.

Google BigQuery ist gut, weil es wie jedes SaaS keine Investitionen in Hardware erfordert und es einfach macht, Daten unabhängig von der Menge zu kombinieren. Das bedeutet, dass Sie bei wachsendem Datenvolumen nicht alle Ihre Anfragen und Einstellungen ändern müssen. Und wenn Sie nicht viele Daten haben, zahlen Sie nicht viel für die Verarbeitung.
Darüber hinaus unterstützt BigQuery die erneute Verarbeitung von Daten. Wenn ein Kunde offline eine Bestellung aufgibt und sich dann auf der Website anmeldet, können Sie alle seine Aktionen rückwirkend kombinieren. Das ist mit Google Analytics nicht möglich.

Sie können Benutzerverhaltensdaten aus Google Analytics mithilfe des Standardexports nach Google BigQuery exportieren. Für diejenigen, die die kostenlose Version von Google Analytics verwenden, empfehlen wir OWOX BI Pipeline, um ungesampelte Rohdaten von Ihrer Website in BigQuery zu sammeln. Sie können sich in unserem Hilfecenter mit der Struktur dieser Daten vertraut machen.

Es ist notwendig, die Quelldaten zu überprüfen. Sie müssen die Google Analytics-Benutzer-ID (oder eine andere gängige Benutzer-ID) konfiguriert und von der Website übertragen haben. Da die Daten genau über diese ID verbunden werden, ist es wichtig, dass sie in beiden Tabellen vorhanden und korrekt ist. Das heißt, für jeden autorisierten Benutzer sollte die Benutzer-ID sowohl an die benutzerdefinierte Dimension als auch an den &uid-Parameter gesendet werden.

Stellen Sie sicher, dass dieselbe ID nicht von mehreren Benutzern verwendet wird. Überprüfen Sie den Prozentsatz der Benutzer mit einer Benutzer-ID und die Werte selbst im Laufe der Zeit, um festzustellen, ob es Anomalien gibt. Zu diesem Zweck ist es möglich, ein Segment von Benutzern mit IDs in Google Analytics zu erstellen und zu sehen, wie dieses Segment mit der Gesamtzahl der Benutzer korreliert.

Überprüfen Sie auch die Daten zur Anzahl der Sitzungen, Benutzer, Transaktionen und Einnahmen nach Tag und nach Verkehrsquelle auf Anomalien. Am einfachsten geht das über die GA-Oberfläche. Sie können ein Zeitintervall von mehreren Monaten nehmen und die standardmäßige Zielgruppenübersicht, alle Zugriffe, Quelle/Medium, E-Commerce-Übersicht und andere Berichte anzeigen. Überprüfen Sie, ob diese Berichte unangemessene Spitzen oder Ausfälle aufweisen.

Sie können Bestellungen aus Ihrem CRM einmalig in Google BigQuery importieren oder den automatischen Daten-Upload einrichten, um regelmäßig den Anteil der ROPO-Käufe zu berechnen.

Die Tabelle, die aus Ihrem CRM hochgeladen wird, sollte mindestens Folgendes enthalten:

• Datum der Transaktion
• Transaktions-ID
• Bestellpreis
• Benutzeridentifikation

Zusätzliche Felder, mit denen Sie Berichte in zusätzlichen Abschnitten abrufen können:

• Stadt
• Artikel-ID
• Anzahl der Artikel in der Bestellung
• Preis pro Artikel
• Zahlungsart
• Lieferart
• Bestellstatus

Achten Sie bei CRM-Daten auf:

• Verfügbarkeit aller erforderlichen Felder
• Datenverfügbarkeit für alle Tage
• Vergleichbares Format für Datum, Einkommen und Stadt
• Vorhandensein des Benutzer-ID-Parameters in allen Transaktionen
• Doppelte Transaktionen

Wenn Sie nicht nur den Anteil der ROPO-Käufe ermitteln, sondern auch deren ROAS berechnen möchten, benötigen Sie Kostendaten aus Ihren Werbequellen. Sie können Ihre Ausgaben aus verschiedenen Diensten in Google Analytics importieren und sie dann mit OWOX BI Pipeline als einen einzigen Stream in Google BigQuery hochladen.
Alle Ihre Daten können nach diesem Schema kombiniert werden:

OWOX BI bietet eine kostenlose Testphase an. Während dieser Zeit können Sie die Datenerfassung in Ihrem Google BigQuery-Projekt einrichten, um Berichte zu ROPO und anderen Marketingindikatoren zu erstellen.

Nachdem Sie alle Daten in Google BigQuery gesammelt haben, müssen Sie sie verknüpfen. Als Schlüssel können Sie die Benutzer-ID verwenden. Dies ist eine eindeutige Kennung, die Sie jedem Benutzer in Ihrer Datenbank zuweisen und mit der E-Mail-Adresse oder Kundenkarte des Benutzers verknüpfen. Wenn Benutzer Ihre Website betreten und sich anmelden – beispielsweise ein persönliches Konto eingeben – wird ihre Benutzer-ID an Google Analytics übertragen (sofern Sie diese Funktion in GA konfiguriert haben).

Auf diese Weise werden Benutzer mit ihren Aktionen auf der Website verknüpft.

Um möglichst viele Ihrer Benutzer wiederzuerkennen, können Sie Bonusse für die Anmeldung anbieten: Rabatte für die Anmeldung, nützliche herunterladbare Materialien, Werbeaktionen usw. Weitere Möglichkeiten, Ihre Benutzer zu motivieren, finden Sie in unserem Artikel «Warum und wie Integrieren Sie Online- und Offline-Kundenkontaktpunkte»

Sie können den speziellen huid-Parameter auch in Links verwenden, die Sie per E-Mail an Ihre Kunden senden. In diesen Parameter können Sie den Benutzer-ID-Wert aus Ihrem CRM-System schreiben. Dies hilft Ihnen, einen Benutzer zu identifizieren, selbst wenn er sich nicht auf der Website angemeldet hat. Angenommen, Sie haben bereits einen Kunden in Ihrem CRM mit einer E-Mail-Adresse und einer eindeutigen Benutzer-ID. Sie senden diesem Kunden eine E-Mail mit einem Link, der die ID enthält. Der Kunde klickt auf den Link und geht auf Ihre Website und führt einige Aktionen auf der Website aus, ohne sich zu registrieren. Über den Google Tag Manager können Sie diese Kennung im Feld Benutzer-ID oder benutzerdefinierte Dimensionen an Google Analytics übertragen.

Wenn der Benutzer eine Anfrage auf Ihrer Website hinterlässt und dann in den Laden kommt und einen Kauf tätigt, können Sie seine Aktionen mithilfe der Transaktions-ID verknüpfen.

Im obigen Diagramm sehen Sie Daten zum Nutzerverhalten auf der Seite (links) und Daten zum Kauf aus dem CRM (rechts).

Wenn Sie an den technischen Details der Datenintegration und ROPO-Analyse interessiert sind, lesen Sie einige Erfolgsgeschichten unserer Kunden:

• Erfolgsgeschichte von M.video: Bewertung der Auswirkungen von Online-Werbung auf Offline-Verkäufe
• Erfolgsgeschichte von Darjeeling: ROPO-Analyse beweist, dass 40 % der Kunden die Website des Unternehmens besuchen, bevor sie offline kaufen​

Unsere Kunden interessieren sich oft für die ROPO-Analyse. Daher haben wir OWOX BI Smart Data einen separaten Block von ROPO-Berichten hinzugefügt. Mit diesem Service können Sie Fragen zu Ihren Daten auf Russisch oder Englisch in natürlicher Sprache stellen. Der Dienst wird die Anfrage bearbeiten und Ihnen eine klare Antwort zusammen mit Bildmaterial geben.

Um ROPO-Berichte zu erhalten, müssen Sie Daten zum Nutzerverhalten aus Google Analytics und Offline-Bestelldaten aus Ihrem CRM in Ihr Google BigQuery-Projekt hochladen. Dann verbinden Sie Ihr Projekt mit OWOX BI Smart Data. Sie können OWOX BI jetzt kostenlos testen, um zu sehen, wie es funktioniert.

Um ROPO-Berichte in Smart Data zu erhalten, benötigen Sie Daten zum Nutzerverhalten aus Google Analytics und Daten zu Offline-Bestellungen aus Ihrem CRM.

In Smart Data können Sie alle hervorgehobenen Felder für eine Frage ändern, indem Sie Optionen aus der Dropdown-Liste auswählen: Einkommensanteil, Transaktionen von Benutzern, Einkommenshöhe, durchschnittliche Scheckgröße usw. Mehr über die verfügbaren Metriken erfahren Sie in der Hilfebereich.

Alle Informationen aus dem Bericht können in Google Data Studio hochgeladen oder als CSV-Datei heruntergeladen werden. Sie können die SQL-Abfrage auch kopieren und bei Bedarf in Google BigQuery verfeinern.

Betrachten Sie einige Beispiele für Berichte.

Das 30-Tage-Konversionsfenster bedeutet, dass zwischen dem letzten Besuch des Benutzers auf der Website und dem Offline-Kauf maximal 30 Tage vergangen sind. Der Conversion-Zeitraum kann an Ihr Unternehmen angepasst werden.

Dieser Bericht zeigt, wie der Umsatz zwischen Online-, Offline- und ROPO-Verkäufen verteilt wird. Es hilft, ROPO-Bestellungen von regulären Offline-Käufen zu trennen und die wahre Rolle des ROPO-Effekts in Ihren Multi-Channel-Verkäufen zu verstehen.

Dies ist ein Analogon zum Time-to-Conversion-Bericht (Time Lag) in Google Analytics, nur dass hier Online-Aktionen und Offline-Käufe miteinander in Beziehung stehen. Dieser Bericht zeigt, welcher Prozentsatz oder wie viele Transaktionen, Kunden und Einnahmen an jedem Tag innerhalb des Conversion-Fensters liegen.

Dies hilft Ihnen, das tatsächliche Conversion-Fenster für ROPO-Käufe zu verstehen und die Beziehung zwischen dem Transaktionswert und der Anzahl der Tage zu verfolgen, die Benutzer benötigen, um eine Kaufentscheidung zu treffen.

Mit diesem Bericht können Sie feststellen, welche Online-Kanäle, Quellen und Werbekampagnen zu Offline-Käufen führen.

Sie fragen sich vielleicht: Wie genau sind die Ergebnisse der ROPO-Analyse, wenn nur auf der Website registrierte Benutzer berücksichtigt werden?“ Das ist eine gute Frage, und um sie zu beantworten, müssen Sie verstehen, wie viele Benutzer es gibt. Sie ist schwer zu bekommen eine genaue Antwort für eine bestimmte Seite. Wenn ein Benutzer nicht eingeloggt ist, wissen wir nicht sicher, ob er auf der Website war. Es sei denn, es ist möglich, eine Panel-Recherche zu verwenden.

Unserer Erfahrung nach erreicht der Anteil autorisierter Benutzer, die Offline-Käufe zugeordnet werden können, selbst beim durchschnittlichen Omnichannel-Händler für Unterhaltungselektronik 40 Prozent. Dieses Ergebnis ist das ganze Jahr über kumulativ. Während des Saisonschlussverkaufs erhöht es sich. Hauptsache, man bekommt auch ohne 100-prozentigen Publikumspool eine repräsentative Stichprobe für die Budgetumverteilung. Das bedeutet, dass Sie die Aktionen der einzelnen Benutzer nicht kombinieren müssen; Sie müssen nur die Daten einer ausreichenden Anzahl von Benutzern kombinieren, um Berichte zu erstellen.

Wir haben eine Checkliste mit 20 Schritten für Marketinganalysten zusammengestellt, die Ihnen helfen sollen, Daten aus Online- und Offline-Quellen zu kombinieren, um die richtigen Entscheidungen zu treffen. Füllen Sie das Formular aus und wir senden Ihnen diese Checkliste per E-Mail zu.