データを統合して広告の成功を測定し、ROASを向上させる方法

ますます多くの企業がオンライン運用に移行し、新しいデジタルの世界に飛び込むため、より多くのデータマーケターが処理する必要があります。 ビジネスユーザーは、パフォーマンスを成功させるために高品質のデータインサイトを常に必要としており、新しい分析フォーマットと構造を採用することが主要な課題の1つになっています。

この場合、広告が購入に与える影響の評価に課題を抱えた大手直接保険プロバイダー向けにOWOXBIチームが提供するソリューションについて説明します。

同社はインターネット、電話、オフラインで保険を販売しているため、顧客はあるチャネルで商品を調べたり、別のチャネルで商品を購入したりできます。 たとえば、顧客は会社のWebサイトにアクセスし、補償範囲を計算し、オンラインアプリケーションに記入してから、実際のオフィスにアクセスして購入することができます。 このような場合、広告が購入に与える影響を評価することは困難です。

主な課題は、機能的な広告パフォーマンス評価システムを採用することにより、広告費を最適化し、広告収益率を高めることでした。 同社は、オンラインとオフラインの両方で、コスト、収益、ユーザーインタラクションに関するデータを統合する方法を必要としていました。

ウェブサイトとのユーザーインタラクション、広告費用、オフライン注文に関するデータは、さまざまなシステムで収集されます。

• ウェブサイトからのデータはGoogleAnalyticsで収集されます。
• オフラインで購入した保険契約に関するデータは、会社のCRMシステムに保存されます。
• AdWords以外の費用データは、通常、Googleアナリティクスでは収集されません。 その結果、ROAS、ROI、および各広告サービスの広告費用のシェアは個別に計算されます。

保険購入への広告の貢献を正確に評価するには、このすべてのデータをマージする必要があります。

必要なデータはすべて、OWOX BIパイプラインを使用してGoogleBigQueryで収集され、目標到達プロセスベース、ラストノンダイレクトクリック、ファーストクリックのアトリビューションモデルが実装されました。 次に、各アトリビューションモデルで取得したキャンペーンのパフォーマンスデータを比較するためのレポートを作成しました。

データ収集と統合のフローチャートを以下に示します。

会社が広告キャンペーンを評価するために取った各ステップ、つまり、どのデータをどのように組み合わせ、どのような結果が得られたかを詳しく見てみましょう。

同社は、顧客のオンサイト活動に関するデータとオフラインの保険購入に関するデータをマージするために、GoogleBigQueryクラウドストレージを選択しました。 このサービスは、データ処理機能のために選択されました。テラバイトのデータを数秒で、ペタバイトのデータを数分で処理できます。 これにより、GoogleBigQueryは複雑な分析およびレポートタスクを実行するための完璧なサービスになります。 Google BigQueryを使用するもう1つの利点は、データが自動的に暗号化されるため、セキュリティが高いことです。 Google BigQueryを使用するメリットの詳細については、サービスのウェブサイトをご覧ください。

OWOX BI Pipelineは、次の理由でデータ収集に選択されました。

• データはほぼリアルタイムで収集され、5分以内に利用可能になります。
• レポートのディメンションと指標の数に制限はありません。 OWOX BI Pipelineでは、SQLのような構文を使用して生データをクエリし、任意の粒度のレポートを作成できます。 Google Analyticsだけでも、1つのレポートにまとめることができない特定のディメンションと指標があります。 レポートのディメンションと指標の数には制限があります。標準レポートでは2ディメンション、カスタムレポートでは5ディメンション、Corev3リクエストでは7ディメンションです。 さらに、個々のユーザーの広告費用を分析することは不可能です。 制限と割り当ての詳細については、GoogleDevelopersGuideを参照してください。
• Google BigQueryにインポートされたデータは、ボリュームに関係なくサンプリングされません。

GoogleAnalytics360用のGoogleBigQueryExportとOWOXBIPipelineの違いの詳細については、ブログ投稿をご覧ください。

保険の購入に関するデータは、POSTリクエストを使用してCRMシステムからGoogleBigQueryにアップロードされます。

• AdWordsキャンペーンの費用データは、GoogleAnalyticsとGoogleAdWordsがネイティブに統合されているため、GoogleAnalyticsで自動的に収集されます。
• 他のマーケティングチャネルのコストデータは、OWOXBIPipelineによってGoogleAnalyticsにインポートされます。
• すべてのチャネルのデータは、GoogleAnalyticsからGoogleBigQueryにインポートされます。 これにより、オンラインアプリケーションだけでなく、購入に関連して、ROAS、ROI、および広告費用のシェアを計算できます。

Google BigQueryでデータを統合した後、マーケティングチームはいくつかのアトリビューションモデルを構築して、新規顧客の獲得（ファーストクリックアトリビューションモデル）と購入促進（ラストノンダイレクトクリックアトリビューションモデル）での広告の効果を測定しました。

OWOX BIによる目標到達プロセスベースのアトリビューションは、3番目の最も客観的なアトリビューションモデルとして選択されました。 このモデルでは、各チャネルは、購入ファネルを介した顧客の進行への貢献度に応じてクレジットを受け取ります。 セッションは、目標到達プロセス内の次の各ステップへの顧客の進行の確率に基づいて評価されます。 確率が高いほど、セッションに与えられるクレジットが少なくなり、ユーザーがステップを進めるのに役立ちました。 確率が低いほど、セッションが取得するクレジットが多くなります。 目標到達プロセスベースのアトリビューションモデル内の計算結果は、GoogleBigQueryとOWOXBIインターフェースで利用できます。 レポートには、ユーザーが購入に至るまでの各ステップのコンバージョン率（絶対コンバージョン）、確率、および価値が表示されます。 以下の例を見てください。

• ステップコンバージョン率は、特定のステップが表示されたセッションの割合です。 たとえば、ステップ2の34％のコンバージョン率は、Webサイト訪問者の総数の34％がこのステップに移動したことを意味します。
• 確率は、訪​​問者が前のステップから特定のステップに移動したセッションの割合です。 この例では、ステップ4の確率は10％です。つまり、訪問者の10％がステップ3からステップ4に移動しました。
• 値は次のように計算されます。 まず、各ステップは確率に反比例してスコアを取得します。 次に、ステップのスコアを目標到達プロセス内のスコアの合計で割ります。 ユーザーが目標到達プロセスの特定のステップを進むのが難しいほど、目標到達プロセスの価値は高くなります。

OWOX BI Smart Dataを使用して、取得したすべてのデータの作業を合理化しました。 このツールを使用すると、自然な英語でデータに質問することができます。SQLクエリは必要ありません。 質問テンプレートを使用すると、数秒で回答を得ることができます。

上記の手順を完了することで、同社は各チャネルの実際の値と、この値がさまざまなデバイスタイプの目標到達プロセスのステップに分散される方法の両方を示すダッシュボードを取得しました。

下のグラフは、同じ目標到達プロセスのステップがデバイスごとに異なる値を持つ可能性があることを示しています。 タブレットで最も価値のあるステップは、初めてWebサイトにアクセスすることです。 ステップ2とステップ3をナビゲートすることは、モバイルデバイスにとって重要です。 デスクトップコンピューターでのセッションとクロスデバイスセッションの場合、値はより均等に分散されます。

これは何に変換されますか？ たとえば、タブレットユーザーは、最初の一歩を踏み出す可能性が低くなります。つまり、Webサイトにアクセスします。 つまり、タブレットデバイスをターゲットにした広告は、新しいWebサイト訪問者を引き付けることに焦点を当てる必要があります。

ファーストクリックモデルとラストノンダイレクトクリックモデルのチャネル値は、過小評価および過大評価されたチャネルを特定し、広告予算をより効率的に再配分し、目標到達プロセスベースのアトリビューションモデルで得られた結果と比較するために計算されました。

Google Analyticsにはオフラインで購入した保険契約に関するデータが含まれていないため、ファーストクリックとラストノンダイレクトクリックのどちらのアトリビューションモデルでも、キャンペーンのパフォーマンスを正確に表示することはできません。 ユーザーは、オンラインファネルの途中までしか移動できず、オフラインで製品にアクセスして購入できます。 そのため、モデルはそれぞれGoogleBigQueryとGoogleDataStudioを使用して実装および視覚化されました。

Google Data Studioでダッシュボードを作成することにより、同社は2つの最も人気のあるアトリビューションモデルのキャンペーンパフォーマンスを簡単に監視および比較できます。購入する。 月次KPIは、読みやすい形式で報告されます。

たとえば、以下に示すレポートページでは、さまざまなチャネル間での収益とROASの分布を比較しています。 2つの異なるアトリビューションモデルのチャネルパフォーマンスを比較すると、ROASの数値とチャネルの収益のシェアは、2つのモデルでほぼ同じであることがわかります。 これは、これらのチャネルが、ユーザーを引き付けることと、ユーザーに取引を成立させることの両方にほぼ等しく適していることを意味します。

• OWOX BIおよびGoogle製品を使用しているため、データの収集と処理を完全に自動化した後、会社のチームは手動でデータをインポートする必要がありません。 すべてのデータは1つのインターフェースで利用でき、マーケティングスペシャリストは必要なデータにすばやくアクセスできます。
• 目標到達プロセスベースのアトリビューションモデルにより、マーケティングチャネルのより客観的で信頼性の高い評価が可能になりました。
• チームは、ファーストクリック/ラストクリックアトリビューションモデルで受け取るクレジット広告チャネルを計算しました。 結果を目標到達プロセスベースのアトリビューションモデルと比較することで、過小評価および過大評価されたチャネルが特定され、広告予算が​​より効率的に再割り当てされました。

上のグラフは、さまざまなアトリビューションモデルで取得されたチャネル値を比較しています。 5番目のチャネルの貢献は、LastNon-Directアトリビューションモデルでは大幅に過小評価されています。 目標到達プロセスベースのアトリビューションモデルによると、ROASが100％高く、最終的なコンバージョンに大きく影響します。 他のチャネルは主に過大評価されています。 これらの調査結果に基づいて、会社は過大評価された広告キャンペーンから過小評価されたキャンペーンに広告予算を再配分することができ、したがって追加費用なしで広告をより効率的にすることができます。