7 formas de evaluar y mejorar el marketing digital

¿Cómo puede evaluar la efectividad y aumentar el retorno de la inversión (ROI) de su publicidad en línea? ¿Cómo puede saber cuántos ingresos genera el tráfico de SEO, las aplicaciones móviles y los anuncios de medios? Estas preguntas son relevantes para muchos negocios en línea y omnicanal. En este artículo, describimos las soluciones de OWOX BI que han ayudado a nuestros clientes a encontrar respuestas a estas y otras preguntas y resolver sus problemas comerciales.

Describimos sucintamente cómo hemos ayudado a nuestros clientes a resolver estos siete casos del mundo real a continuación. Si está interesado en los detalles técnicos o quiere probar algunas de las cosas que mencionamos en su propio proyecto, pruebe OWOX BI gratis.

OWOX BI recopila datos de múltiples sistemas en un solo repositorio y crea informes que ayudan a los clientes a mejorar su inteligencia de marketing. El objetivo es hacerlo rápidamente, con un alto nivel de calidad y con la máxima automatización para que las empresas puedan ganar más dinero utilizando los datos que ya tienen.

Segmentar a los usuarios para orientar mejor las campañas publicitarias es una tarea básica que puede y debe abordarse en las etapas iniciales de implementación de análisis de marketing.

Objetivo del cliente : aumentar el ROI de las campañas publicitarias que tienen como objetivo reactivar a los usuarios que ya han visitado el sitio. En teoría, estos usuarios no deberían ser costosos de comercializar porque ya han mostrado interés.

El desafío del cliente : mejorar la orientación de las campañas publicitarias para carritos de compras abandonados y clientes inactivos. Estas son personas que han realizado un determinado conjunto de acciones en el sitio pero no han comprado nada. Al mismo tiempo, nuestro cliente cree que podría comprar algo.

Nuestra hipótesis : si seleccionamos un segmento de visitantes del sitio web que han agregado un artículo al carrito en los últimos X días y les mostramos publicidad, es más probable que compren algo que los visitantes de otros segmentos. En consecuencia, mediante la publicidad a este segmento podemos aumentar los ingresos manteniendo la misma relación costo-ingreso (CRR).

La segmentación de usuarios siempre es necesaria para probar hipótesis. Podemos suponer que los segmentos de usuarios seleccionados se comportarán de una forma u otra después de ver un anuncio, pero no hay garantía del 100% de que así sea.

Nuestro cliente definió las condiciones según las cuales se formaban los segmentos. Después de formar segmentos de acuerdo con esas condiciones, transformamos nuestra hipótesis en una tarea técnica para nuestro analista. Esta tarea se dividió en etapas.

Etapa 1 . Formar dos segmentos de usuarios. El primer segmento estaba formado por usuarios que agregaron un artículo al carrito en los últimos X días pero no compraron nada. El segundo segmento estaba formado por usuarios que realizaban algún conjunto de acciones en el sitio (que eran definidas por el cliente).

Google Analytics toma muestras de los datos de los clientes en respuesta al tráfico intenso. Por lo tanto, para construir los segmentos, usamos datos sin procesar del sitio de nuestro cliente transmitidos a Google BigQuery usando OWOX BI Pipeline. BigQuery es un servicio de almacenamiento en la nube que le permite no solo recopilar información, sino también procesarla convenientemente mediante SQL.

Nuestro analista escribió consultas SQL para formar los segmentos utilizando datos sin procesar del sitio web. Estos segmentos contienen datos de ID de cliente de Google y de ID de cliente de Yandex, que se pueden utilizar en los servicios de publicidad de Google Ads y Yandex.Direct.

Etapa 2 . Transfiera automáticamente los segmentos a Google Ads y Yandex.Direct para que los especialistas en publicidad puedan usarlos para configurar campañas publicitarias.

OWOX BI tiene una canalización de datos automática que toma segmentos de Google BigQuery, calcula datos para ellos diariamente y carga esos datos en Google Analytics. Los segmentos del sistema de análisis web se pueden exportar de forma nativa a Google Ads. Una segunda canalización de BI de OWOX carga estos segmentos en Yandex.Audience.

Etapa 3 . Los especialistas de nuestro cliente establecieron reglas en los servicios de publicidad que elevaban las tarifas para estos segmentos.

Esta solución tiene varias características importantes. Por ejemplo, para cargar un segmento en Yandex. Audiencia, debe contener un mínimo de 1,000 líneas (para usar una ID de cliente de Yandex única).

OWOX BI no recopila ID de cliente de Yandex de forma predeterminada. Yandex. Metric debe estar instalado en un sitio para generar Client ID, y para que ingresen a Google BigQuery, es necesario configurar su transmisión a través de OWOX BI.

Si es usuario de OWOX BI y desea recopilar ID de cliente de Yandex en Google BigQuery, escríbanos. Compartiremos instrucciones sobre cómo hacerlo con Google Tag Manager. Si no es usuario de OWOX BI pero está interesado en esta posibilidad, pruebe OWOX BI gratis y vea cómo puede ayudarlo a lograr sus objetivos.

Nuestro cliente reconfiguró la audiencia en sus campañas, que ya había funcionado para el retargeting, tamizó a los usuarios que no encajaban en los segmentos correctos y centró el presupuesto en los usuarios de los segmentos elegidos.

Como resultado, con las mismas campañas y la misma inversión, el ROI aumentó entre un 100 % y un 150 % (fueron muchas campañas, por lo que el indicador está promediado). De hecho, los costos de esta decisión fueron mínimos y la eficiencia fue bastante tangible. Estas campañas siguen funcionando hoy en día. No hemos recibido ningún comentario de nuestro cliente de que este aumento fue solo temporal.

Cuando comenzamos a trabajar con un proyecto, la primera tarea es calcular el ROI sobre las ganancias reales.

De forma predeterminada, Google Analytics solo puede ver las ventas del sitio, pero eso no refleja realmente el dinero que entra en las cuentas de una empresa.

Sabemos que algunos pedidos en línea no se completan o se modifican durante la confirmación del pedido. Los usuarios pueden:

1. Simplemente no completar el pedido
2. Cambiar su pedido por teléfono, cambiando así el monto del pedido
3. Envío del pedido a tienda física pero no recogida de la compra

Como resultado, la empresa no recibe la cantidad que aparece en Google Analytics. Por lo tanto, no es del todo correcto calcular los ingresos en función de los datos de Google Analytics. Es necesario evaluar la eficacia de la publicidad online teniendo en cuenta los datos de ventas reales de tu CRM.

Objetivo del cliente : aumentar el ROI de las campañas publicitarias a un CRR fijo sin aumentar los costes.

Reto del cliente : Redistribuir el presupuesto publicitario en función de las ventas reales generadas por las fuentes publicitarias. En pocas palabras, debe cambiar su presupuesto de los canales que no generan suficiente ROI a otros más eficientes.

Nuestra hipótesis : si calculas el ROI en función de las compras (e idealmente, incluso de los márgenes), puedes ajustar tu estrategia de marketing e invertir en aquellas fuentes de tráfico que generan más ingresos. En consecuencia, aumentará el ROI de las campañas publicitarias.

Nuestro cliente ya había recopilado datos sin muestrear en Google BigQuery utilizando OWOX BI. Pero era necesario complementar estos datos con datos de ventas del sistema interno de la empresa. La tarea se implementó en cinco etapas.

Etapa 1 . Configure correctamente la transferencia de datos de pedidos desde el sitio al sistema CRM del cliente. ID de transacción de transferencia e ID de cliente de Google.

Se forma un ID de transacción cuando se realiza un pedido en el sitio y se envía a Google Analytics y BigQuery junto con el ID de cliente correspondiente. Es importante transferir ambos ID al CRM en paralelo para poder vincular al usuario con la transacción y el pago.

Etapa 2 . Configure la generación de ID de usuario en el lado del CRM del cliente y envíe la ID de usuario a Google BigQuery durante el pago.

El sistema CRM genera una identificación de usuario cuando se escribe en él información sobre un nuevo cliente. Por ejemplo, supongamos que alguien hace una compra en una tienda y el cajero le pide su número de teléfono y lo ingresa en el CRM. El sistema luego asigna a este usuario un identificador único. En el futuro, cuando el usuario se autorice en el sitio a través de un teléfono, el CRM lo reconocerá.

Google Analytics tiene una función de ID de usuario. Nuestros desarrolladores lo configuraron para que cuando los clientes autoricen o realicen un pedido en el sitio de nuestro cliente, la ID de usuario se envíe al sitio en DataLayer. Desde allí, se transmite a Google Analytics y Google Big Query.

Gracias a esto, puede asociar las acciones de los usuarios autorizados en el sitio con información detallada sobre ellos. Por ejemplo, su CRM puede almacenar el nombre, el número de teléfono y el correo electrónico de una persona. Con una clave de identificación de usuario intermedia, puede combinar datos de sitio y CRM, así como datos de pago para un pedido específico.

Etapa 3 . Configure la carga de datos de ventas reales desde su CRM a Google BigQuery en la estructura con la que desea trabajar. Para este propósito, formamos una tarea técnica y se la entregamos a los desarrolladores de nuestro cliente para que la implementaran.

Etapa 4 . Combine todos los datos en BigQuery en una sola tabla. Nuestros analistas escribieron una consulta SQL que vincula la información de los pedidos en línea con los datos de CRM sobre los pedidos completados y sus montos. Las claves para combinar estos datos fueron ID de transacción, ID de usuario e ID de cliente.

Etapa 5 . Cree un informe en Google Data Studio que muestre el ROI de las fuentes de tráfico, teniendo en cuenta los bienes comprados en los pedidos. Calculamos el ROI con base en los costos marginales.

La configuración de la transferencia correcta de datos desde el sitio al CRM, así como la descarga de datos de CRM a Google BigQuery, requiere la participación de desarrolladores en el lado comercial, lo que a menudo retrasa mucho el proceso.

Proporcionamos a nuestro cliente un informe de rendimiento de la fuente de tráfico basado en datos de ventas reales.

Este informe lo utilizan los altos directivos para tomar decisiones estratégicas, así como los especialistas en publicidad contextual para gestionar el presupuesto de campañas publicitarias específicas.

He aquí un ejemplo de este informe:

¿Quiere saber qué tan efectivos son sus anuncios basados ​​en datos de ventas reales en su CRM? Pruebe OWOX BI gratis y vea cómo puede ayudarlo a lograr sus objetivos.

La tercera solución a la que acuden nuestros clientes después de crear los informes básicos descritos anteriormente es el análisis ROPO (investigación en línea, compra fuera de línea). Muestra el impacto del marketing digital en las ventas en las tiendas físicas. Esto es especialmente relevante para los proyectos de comercio electrónico omnicanal.

Las personas miran los productos en un sitio y los revisan en la tienda por varias razones, desde la desconfianza hacia las compras en Internet hasta el deseo de tocar el producto.

Durante la planificación del presupuesto anual, un CMO quiere obtener más dinero para los canales en línea porque entiende que algunas ventas atribuidas a la publicidad en línea ocurren fuera de línea. Si el CMO puede medir este efecto al menos parcialmente, será un buen argumento para aumentar el presupuesto.

Objetivo del cliente : Demostrar la necesidad de aumentar el presupuesto para marketing online y demostrar el valor oculto de las inversiones en publicidad online.

Reto del cliente : Analizar la efectividad de la publicidad online, teniendo en cuenta su posterior impacto en las ventas offline.

Nuestra hipótesis : Algunos usuarios se familiarizan con un producto en el sitio pero lo compran en una tienda física. Es decir, las campañas online siguen infravaloradas. Si rastreamos las visitas al sitio y las compras posteriores de estos usuarios en las tiendas físicas, podemos medir el verdadero valor de la publicidad digital.

Para vincular la actividad de un usuario en el sitio con sus compras posteriores en tiendas fuera de línea, principalmente hicimos lo mismo que hicimos para analizar el ROI en función de los pedidos completados (detallado en la sección anterior):

1. Configure el ID de usuario en el lado de CRM y envíelo a Google BigQuery.
2. Configure el ID de cliente para que se transmita correctamente a CRM y BigQuery.
3. Configure la transferencia de datos para los campos Teléfono del usuario y Correo electrónico del usuario desde el sitio a BigQuery y al CRM del cliente durante el pago.
4. Configure la carga de datos desde el CRM del cliente a Google BigQuery. A diferencia del caso anterior, esta carga no solo contiene pedidos en línea, sino también pedidos de tiendas minoristas.
5. Escriba una consulta SQL que vincule los datos de actividad en el sitio con la información del CRM. Las claves para vincular datos a ventas fuera de línea son ID de usuario/Teléfono de usuario/Correo electrónico de usuario.
6. Cree un informe en Google Data Studio para analizar el efecto ROPO.

El esquema para combinar datos se ve así:

Puede vincular usuarios en línea a ventas fuera de línea solo si un usuario realiza una compra en el sitio o está autorizado en el sitio.

Como muestra la práctica, la proporción de usuarios autorizados es aproximadamente el 5% de todos los visitantes del sitio web. Cuantos más usuarios autorizados tenga, más representativos serán los datos en sus informes. Pero incluso entre el 5 % y el 10 %, es posible sacar algunas conclusiones que pueden conducir a cambios importantes en la forma en que administra su presupuesto de marketing.

Otra dificultad es realizar un seguimiento de la calidad de los datos cuando ya ha configurado todas las integraciones. Asegúrese de que los datos se transmitan correctamente y que los identificadores coincidan para que los cambios futuros en el sistema CRM no rompan lo que ha configurado. Esta es una cuestión de qué tan bueno es el equipo de TI de su cliente.

Tras medir el efecto ROPO, el ROI de las campañas publicitarias de nuestro cliente aumentó entre un 50% y un 150% . Vale la pena señalar que, en tales casos, el ROI siempre muestra un crecimiento porque se agregan ingresos generados por campañas en línea pero recibidos fuera de línea.

Ejemplo de cómo se vería un informe de ROPO:

Este informe permite a un cliente analizar datos en las siguientes categorías:

• Ingresos solo en línea
• Ingresos solo sin conexión
• ingresos de ROPO
• Fuente/medio/ingresos de campaña solo en línea
• Fuente/medio/ingresos de la campaña, incluidas las ventas posteriores fuera de línea
• Ingresos en línea y ROPO por categoría y subcategoría de producto
• Ingresos online y ROPO por ciudad
• Tiempo desde la visita al sitio hasta la compra de ROPO en días
• Número de sesiones en el sitio antes de la compra de ROPO
• Y muchos otros

¿Quiere saber cómo sus esfuerzos en línea afectan las ventas fuera de línea? Pruebe OWOX BI gratis y vea cómo puede ayudarlo a lograr sus objetivos.

Esta es una tarea bastante compleja y atípica, aunque interesante. La optimización SEO tiene un efecto retardado y, a menudo, es difícil evaluar la efectividad del trabajo realizado, por ejemplo, durante los últimos seis meses. Especialmente si es un sitio enorme.

En general, sabemos cuántos usuarios llegan a través de la búsqueda de Google e incluso podemos excluir el tráfico de la marca. Pero, ¿cuántos usuarios vienen precisamente porque se optimizaron las categorías y subcategorías o se escribieron bien los textos y los títulos?

Digamos que gastó $ 10,000 en SEO el último trimestre. ¿Cuántos ingresos obtuvo dentro de los seis meses de ese dinero?

Objetivo del cliente : Evaluar la efectividad de las inversiones en SEO, teniendo en cuenta no solo los pedidos en línea, sino también los pagos reales.

El desafío del cliente : Cree un informe que muestre la efectividad del SEO por categoría de producto. Este informe debe basarse en las ventas reales.

Nuestra hipótesis : sabemos qué palabras clave se bombearon y en qué páginas. Conocemos la posición en el abandono de SEO en estas claves. Conocemos las ventas de estas páginas que tienen tráfico de búsqueda como fuente. Si vinculamos estos datos, obtendremos ventas de aquellas palabras clave que se encuentran en el TOP de abandono de SEO. Es decir, podemos medir la efectividad de las inversiones en SEO.

Etapa 1 . Sube toda la información necesaria a Google BigQuery:

• Datos sin procesar del comportamiento del usuario recopilados por OWOX BI en el sitio
• Datos de Google Search Console y Yandex. Métricas sobre las principales palabras clave que dirigieron el tráfico al sitio, así como a las páginas de destino. ¿Por qué usamos Search Console? Porque en el servicio de medición de posición, vemos solo tráfico hipotético que podría provenir de estas palabras clave.
• Datos del servicio de medición de posición del sitio en un abandono orgánico (por ejemplo, Allpositions). Esto nos permite determinar qué posiciones tenían las palabras clave. Si las palabras clave están, por ejemplo, por debajo del quinto lugar en el abandono, podemos excluirlas del análisis.
• Datos de ventas reales del sistema CRM

Etapa 2 . En función de las URL, cree grupos de consultas de palabras clave en la sección de páginas de destino. No analizamos una URL, sino las URL de categorías completas de productos. Por ejemplo, para los electrodomésticos pequeños, podemos ver licuadoras y luego licuadoras Braun.

Etapa 3 . Encuentre las palabras clave a través de las cuales el tráfico de SEO llegó al sitio midiendo las posiciones en el abandono. Subimos los resultados a GBQ y clasificamos las solicitudes por debajo de una determinada posición.

Etapa 4 . Con una consulta SQL, vincule los datos de actividad del usuario en el sitio con los datos de ventas reales del CRM.

Etapa 5 . Resalte las sesiones que dieron lugar a transacciones con una fuente de SEO (usando el modelo de atribución del último clic no directo).

Etapa 6 . Resalte las páginas de destino de estas transacciones y asócielas con las palabras clave de SEO que trajeron tráfico a estas páginas.

Etapa 7 . Cree un informe que muestre cómo la optimización SEO de ciertas páginas afecta el tráfico real y las compras en estas páginas.

Google Search Console le permite cargar hasta 5000 líneas de datos. En consecuencia, no podemos analizar todas las solicitudes de palabras clave que llevan tráfico al sitio.

Por ejemplo, podemos observar la efectividad de las palabras clave en un determinado grupo de páginas. Digamos que había 100 palabras clave, de las cuales 50 estaban en la parte superior, y de estas 50 sabemos que 30 representan el tráfico que ingresó a la descarga de Search Console. Suponemos que también hubo tráfico para otras solicitudes, solo que el servicio no nos proporcionó esta información.

No hay forma de medir con un 100 % de precisión qué palabras clave dirigieron el tráfico a las páginas que analizamos. Por lo tanto, al inicio del análisis, asumimos como un hecho que nuestros resultados tendrían cierto grado de error.

Proporcionamos a nuestro cliente un informe que le permite analizar la efectividad de las actividades de SEO durante un período determinado. El análisis de eficiencia se basó en las ventas reales, por lo que fue posible contar el ROI del tráfico SEO.

¿Quiere crear un informe que muestre la eficiencia del tráfico SEO? Pruebe OWOX BI gratis y vea cómo puede ayudarlo a lograr sus objetivos.

Recientemente, esta tarea se ha vuelto muy urgente. Probablemente la mitad de todo el tráfico de Internet y una gran parte de las ventas se realizan a través de dispositivos móviles. Muchos de nuestros clientes usan aplicaciones móviles en paralelo con aplicaciones en línea y fuera de línea. Cuando compra tráfico desde dispositivos móviles, desea comprender su eficacia.

Objetivo del cliente : Evaluar la eficiencia de atraer tráfico a través de fuentes pagas (Google Ads) para promover las instalaciones y ventas de aplicaciones móviles dentro de la aplicación.

El desafío del cliente : Cree un informe que muestre la eficiencia de las fuentes de tráfico en términos de acciones de conversión clave (instalaciones, registros, transacciones, ingresos).

Nuestra hipótesis : al vincular los datos sin procesar de AppsFlyer (instalaciones, acciones de los usuarios, fuentes de tráfico, ingresos) con los datos de costos de Google Ads, podemos crear un informe que muestre el ROI de las campañas publicitarias en términos de acciones de transacciones relevantes.

1. Con OWOX BI, cargue datos sin procesar sobre el comportamiento de los usuarios en la aplicación de AppsFlyer a BigQuery y cargue información sobre las fuentes de instalación, las transacciones posteriores y los ingresos de la aplicación a GBQ.
2. Verifique la carga para ver si todos los datos requeridos para el informe coinciden con los datos del CRM (ingresos, número de conversiones).
3. Configure una carga de gastos de Google Ads a GBQ mediante el método de transferencia de datos.
4. Escriba una consulta SQL que vincule los datos de AppsFlyer y la transferencia de datos y realice los cálculos necesarios.
5. Cree un informe en Google Data Studio.

Las aplicaciones móviles pueden tener un efecto retardado. Por ejemplo, alguien puede instalar una aplicación pero solo registrarse en ella un mes después. Nuestro cliente quería analizar la efectividad del tráfico comprado a lo largo del tiempo. Es decir, si se compraron X unidades de la aplicación al canal Y en marzo, ¿cuántas de estas unidades generaron acciones de conversión en abril, mayo, junio, etc.? Para responder a esta pregunta, creamos un informe especial.

También fue un desafío hacer un análisis entre países, ciudades y grupos de campañas publicitarias para que nuestro cliente pudiera, por ejemplo, ver la efectividad de las campañas supervisadas por un gerente determinado. Esto se implementó usando filtros.

Conscientemente, no usamos los datos de CRM en el informe porque hubo pocos errores entre las ventas reales en el sistema interno y los datos de la aplicación.

Nuestro cliente recibió un informe actualizado automáticamente en Google Data Studio que responde las siguientes preguntas:

• ¿Cuántas configuraciones de aplicaciones trajo la fuente de tráfico X en el mes Y?
• ¿Cuántas conversiones en la aplicación hubo en el mes de la instalación y en los meses siguientes? (por fuente de tráfico)
• ¿Cuál es la efectividad de los grupos de campaña en términos de los parámetros anteriores?
• ¿Qué tan efectivas son las campañas publicitarias en todos los países?

No podemos compartir un informe de cliente que contenga datos confidenciales, pero aquí hay un ejemplo de un informe base (sin compensación mensual) que se puede crear con la solución descrita:

¿Quiere aprender sobre la eficiencia del tráfico desde las aplicaciones móviles? Pruebe OWOX BI gratis y vea cómo puede satisfacer sus necesidades.

Los informes de Google Analytics utilizan el modelo de atribución Último clic no directo de forma predeterminada. Este modelo asigna todo el valor de una transacción a la última fuente indirecta de la cadena antes del pedido. Debido a esto, otras fuentes que promovieron al usuario a través del embudo están infravaloradas.

Puede usar la atribución basada en embudos de ML de OWOX BI para conocer el valor real de los canales y distribuir su presupuesto de manera efectiva. Tiene en cuenta todos los puntos de contacto y todas las acciones del usuario al moverse por el embudo desde la primera visita hasta la compra.

Objetivo del cliente: aumentar el ROI de las fuentes de tráfico pagas controladas en un índice CRR fijo.

El desafío del cliente: crear un informe que muestre las fuentes de tráfico infravaloradas y su eficacia en términos monetarios teniendo en cuenta los contactos de cada usuario con el sitio.

Nuestra hipótesis: Se puede aumentar el ROI sin aumentar la CRR si se redistribuye efectivamente el presupuesto publicitario. Para ello, el cálculo del ROI debe tener en cuenta la contribución de todas las campañas y fuentes que promovieron al usuario a través del embudo, no solo aquellas que cerraron tratos.

1. Recopile datos de comportamiento de usuario sin procesar en el sitio y envíelos a Google BigQuery utilizando OWOX BI.
2. Configure la importación de datos de costos de los servicios de publicidad a Google Analytics y Google BigQuery.
3. Configure el ID de cliente, el ID de usuario y el ID de transacción para que se envíen correctamente a BigQuery y CRM.
4. Cargue datos de ventas reales del CRM a Google BigQuery en la estructura requerida.
5. Vincule los datos de comportamiento del usuario del sitio a los pedidos completados en función de las claves de ID de cliente, ID de usuario e ID de transacción. No se requieren consultas SQL: todo sucede dentro del modelo de atribución de BI de OWOX. Simplemente cargamos los datos en el formato correcto y los agregamos al cálculo del modelo.
6. Configure un modelo de atribución y ejecute cálculos en OWOX BI. En esta etapa, podemos especificar como pasos del embudo eventos que son importantes para un negocio en particular, incluidos los que ocurren fuera de línea (reuniones, llamadas, seminarios web, etc.). El embudo puede variar según lo que una empresa quiera medir y cómo ven el camino del usuario hacia una compra.
7. Realice análisis de datos iniciales utilizando informes estándar de OWOX BI Smart Data para evitar gastar recursos en la visualización de datos en sistemas de BI de terceros. En Smart Data, puede ver informes completos creados a partir de los resultados de los cálculos del modelo de atribución sin consultas SQL. Por ejemplo, puede ver el ROI de las campañas publicitarias y cómo difiere del ROI mostrado por la atribución del último clic no directo.

Transferir correctamente el ID de cliente y el ID de transacción junto con el pedido a su CRM requiere un equipo de desarrollo del lado del cliente. Lo mismo se aplica a la configuración y transmisión de la identificación de usuario.

Para interpretar correctamente los resultados del cálculo de atribución, es necesario involucrar a especialistas del equipo del cliente. Eso es porque es difícil evaluar correctamente el comportamiento de algunas fuentes de tráfico sin conocer el contexto y la lógica según la cual se configuraron las campañas publicitarias.

Nuestro cliente recibió informes preparados que se pueden utilizar para:

• Compare el ROI de las fuentes de tráfico con los pedidos completados para la atribución del último clic no directo y la atribución basada en el embudo de aprendizaje automático
• Analizar la eficacia de las fuentes de tráfico en las diferentes etapas del embudo
• Pase automáticamente los resultados del cálculo del modelo de atribución a Alytics, Google Ads y K50 para automatizar la gestión de tarifas (OWOX BI se integra con estos servicios).

Aquí hay un ejemplo de un informe de OWOX BI Smart Data que muestra cómo el ROI de las campañas publicitarias difiere entre los modelos de atribución:

Por ejemplo, en esta captura de pantalla, vemos que la fuente de ROI bing/orgánico es un 20% más alta que en Google Analytics. Es decir, la fuente en realidad ganó más dinero pero fue infravalorada en Google Analytics porque estaba en el medio del embudo.

¿Quiere evaluar el impacto mutuo de sus campañas publicitarias y su contribución a las ventas? Pruebe OWOX BI y vea cómo puede ayudarlo a lograr sus objetivos.

Cuando un usuario ve un anuncio en algún lugar, no hace clic en nada, pero después de un tiempo va al sitio y realiza una determinada acción, se denomina conversión posterior a la vista. Estos son difíciles de rastrear, ya que no hay conexión directa ni transición al anuncio.

Además, los grandes jugadores como Facebook, Google, YouTube y Yandex no están muy interesados ​​en permitir que terceros entren en sus sistemas. Es decir, no quieren dar datos que indiquen que un usuario en particular vio un anuncio en particular.

Objetivo del cliente: Incrementar la eficiencia de las inversiones en publicidad en medios (banners y videos).

El desafío del cliente: realizar un seguimiento de las vistas de las creatividades de los medios (sin clic) y las visitas posteriores al sitio por parte de los usuarios que vieron un anuncio.

Nuestra hipótesis: podemos colocar un código de seguimiento (píxel) en los sitios donde el cliente publica sus anuncios de medios. Este píxel asignará una cookie única a cada usuario que vea el anuncio. Después de un tiempo, este usuario puede ir al sitio web del cliente. Entonces podremos leer la cookie que hemos asignado y usar estos datos para crear análisis posteriores a la vista.

El equipo de BI de OWOX tenía la tarea de desarrollar un método de seguimiento que recopilara datos sobre las vistas de anuncios para que pudieran combinarse con los datos de comportamiento del usuario del sitio del cliente. Básicamente, creamos un fragmento de código que se puede colocar en los sitios donde se ejecuta el anuncio.

Luego, necesitábamos Google BigQuery para combinar los datos de visualización de anuncios con los datos de comportamiento del usuario del sitio de nuestro cliente para poder procesarlos con SQL.

La tarea se implementó en varias etapas:

1. Recopilar los requisitos comerciales del cliente.
2. Sobre la base de esos requisitos comerciales, prepare a TA para introducir un píxel en los sitios donde se colocará la publicidad en los medios.
3. Pruebe la calidad de la implementación de TA y la calidad de los datos que ingresan a Google BigQuery durante las proyecciones de anuncios.
4. Lanzar campañas y monitorear la calidad de la transmisión de datos.
5. Vincule los datos recopilados durante el período de la campaña con los datos de comportamiento del usuario, así como con los datos de CRM.
6. Cree un informe que responda a las preguntas comerciales del cliente.

• No todos los sitios estaban interesados ​​en alojar nuestro píxel.
• Utilizamos nuestra propia identificación de usuario de OWOX como clave para el mapeo de datos.
• Supervisamos constantemente el seguimiento y el correcto funcionamiento de nuestro script en las plataformas propiedad del anunciante.
• Consideramos no solo las ventas directas dentro de la ventana de conversión, sino también el impacto de la publicidad en la atracción de una nueva audiencia (uno de los KPI del cliente).

Nuestro cliente recibió un informe que respondía a las siguientes preguntas:

• ¿Cuál es el ROI de las campañas con pedidos online?
• ¿Cuál es el ROI de las campañas para pedidos completados dentro de los 10 días posteriores a la visualización de un anuncio?
• ¿Cuál es el ROI de la publicidad dado el impacto de ROPO?
• ¿Qué sitios demostraron ser más efectivos en términos de ROI/CR/nuevos usuarios?
• ¿Qué porcentaje de usuarios que han visto anuncios ya han estado en el sitio?
• ¿Cuántos usuarios nuevos han llegado al sitio dentro de X/Y/Z días después de ver un anuncio?
• ¿Cuántos nuevos usuarios compraron después de ver un anuncio?
• ¿Qué artículos compraron los usuarios que vieron un anuncio?
• ¿Cuántos usuarios inactivos (que no ingresaron al sitio ni compraron en el sitio durante X días) fueron atraídos nuevamente por un anuncio?

Ejemplo de un informe de conversión posterior a la vista:

¿Quieres el mismo informe? Pruebe OWOX BI y vea cómo puede usarlo para superar sus desafíos de análisis de marketing.

• Los datos son el petróleo del siglo XXI.
• Trabajar con datos requiere experimentación y prueba de hipótesis.
• Debe estar preparado para que no todos los experimentos sean exitosos.
• El deseo de su CMO por sí solo no es suficiente; necesita procesos dentro de la empresa para que los datos comiencen a generar dinero, y el equipo debería necesitarlos.
• ¿Transformar datos en dinero es la alquimia del siglo XXI? No lo creemos :)