Cómo identificar ROPO: influencia online en compras offline

La publicidad en línea a menudo se subestima, ya que muchas personas comienzan a buscar productos en Internet y luego los compran en una tienda física. Especialmente, eso se ha convertido en una cosa para ciertos productos como zapatos y accesorios de diseñador. La venta online no puede competir con la venta en tiendas físicas, donde los clientes tienen un servicio totalmente personalizado. Es por eso que los especialistas en marketing quieren saber cómo el marketing en línea afecta las ventas en las tiendas físicas y descubrir qué campañas y categorías de productos generan más compras fuera de línea y cuáles generan más en línea.

En este caso, describimos la solución brindada por el equipo de BI de OWOX para una cadena de tiendas que venden calzado, bolsos y accesorios a precios bajos, medios y altos. La empresa cuenta con 90 tiendas físicas y una conveniente tienda en línea. El principal desafío fue identificar la influencia en línea en las compras fuera de línea.

El departamento de ventas notó que muchos clientes prefieren recopilar información en línea antes de realizar compras en una tienda física. En el sitio web, los clientes filtran los artículos por precio y consultan su disponibilidad en las tiendas minoristas de la cadena. En la mayoría de los casos, cuando los clientes acuden a una tienda física, saben bastante bien lo que buscan y tienen ciertas expectativas sobre el servicio.

Es por eso que los especialistas en marketing decidieron:

• definir la influencia de los esfuerzos de marketing en línea en las ventas fuera de línea;
• reasignar los presupuestos de marketing en línea;
• reevaluar la eficiencia de los canales publicitarios y mejorar su estrategia de marketing.

Para alcanzar estos objetivos, se decidió aplicar el análisis ROPO, basado en datos sobre compras en línea y fuera de línea. Con él, puede definir la parte de los ingresos fuera de línea atribuidos a los anuncios en línea (el efecto ROPO). Vea por qué y cómo integrar puntos de contacto de clientes en línea y fuera de línea en nuestro artículo.

Para realizar un análisis de ROPO, debe fusionar los datos de los anuncios en línea con los datos de las ventas fuera de línea. El minorista tiene muchos datos sobre los clientes, que compran productos de diferentes maneras:

• Elegir y pagar en una tienda.
• Mirando en el sitio web y luego comprando en una tienda.
• Buscar en el sitio web, pagar en el sitio web y pedir la entrega a domicilio o la entrega en una tienda.

En consecuencia, estos datos se recopilan, guardan y procesan en diferentes sistemas:

• Los datos sobre el comportamiento del cliente en el sitio web se almacenan en Google Analytics.
• Los datos sobre el procesamiento de pedidos y las actividades de los visitantes fuera de línea se almacenan en el sistema CRM interno.

Es difícil fusionar todos los datos de estos sistemas manualmente. Los especialistas en marketing buscaban un software que los ayudara a fusionar estos datos en Google BigQuery (GBQ), que ya usaban para almacenar datos de campañas publicitarias. Google BigQuery es uno de los servicios RESTful más seguros, con un potencial ilimitado de almacenamiento y procesamiento de datos.

Los comercializadores del minorista eligieron OWOX BI Pipeline para resolver sus tareas.

OWOX BI Attribution ya se había utilizado para evaluar campañas publicitarias y OWOX BI Pipeline se había utilizado para recopilar datos de Google Analytics en Google BigQuery para crear informes sobre campañas publicitarias. Para ambas tareas, el minorista quedó satisfecho con OWOX BI, por lo que fue elegido nuevamente para el análisis de ROPO.

Los analistas de BI de OWOX diseñaron el siguiente plan:

• Recopile datos sobre campañas publicitarias, el comportamiento de los clientes en el sitio web, las ventas fuera de línea y el procesamiento de pedidos en un solo sistema.
• Conecte pedidos fuera de línea con sesiones en línea.
• Cree informes y paneles basados ​​en los datos recibidos para revalorizar la contribución de las fuentes en línea.

El flujo de datos se ve así:

Repasemos el proceso paso a paso.

Cada visitante registrado en el sitio web recibe un ID de usuario único. Mientras realiza el objetivo de conversión (completar una transacción), un visitante obtiene una transacción_ID adicional. Los datos del comportamiento de un visitante en el sitio web se transfieren a Google BigQuery con estas ID por medio de OWOX BI.

Cada día, los datos de los pedidos en línea y fuera de línea del CRM también se transfieren a Google BigQuery y se fusionan con los datos del sitio web con la ayuda de las claves ID_usuario y ID_transacción .

Al fusionar estos datos, obtiene lo que necesita para realizar el análisis de ROPO.

Después de combinar todos los datos, los analistas de BI de OWOX comenzaron a trabajar con la base de datos recopilada en Google BigQuery.

Los datos sobre las transacciones en línea en Google BigQuery se agregaron a los datos de cada pedido que se procesa (pagado y no pagado) utilizando el ID_transacción para identificar las transacciones.

Luego, los analistas integraron datos sobre sesiones de visitantes con datos sobre compras fuera de línea utilizando user_ID como clave de conexión. Esta clave reveló un historial de sesiones en el sitio web para muchos clientes que realizaron compras fuera de línea.

El esquema para fusionar datos se ve así:

Como resultado, el equipo del minorista obtuvo respuestas a las siguientes preguntas para cada pedido:

• ¿Qué tipo de transacción es? ¿En línea, fuera de línea o ROPO?
• ¿Cuál fue la fuente de la última sesión antes de la compra? ¿Qué llevó al cliente a realizar una compra?
• ¿Cuántos días pasaron entre la última sesión en el sitio web y la compra? (Para aquellos que compran en línea, este número siempre es cero, ya que la última visita es la sesión en la que ocurre la transacción. Solo para transacciones fuera de línea, este número también es siempre cero porque no hay sesión en línea para este cliente. Se pueden asignar otros clientes a el segmento ROPO).
• Geolocalización de la última sesión.

Un ejemplo de una tabla con esta información:

Para visualizar los datos recibidos se optó por Google Data Studio. Los analistas de BI de OWOX crearon un panel informativo con gráficos dinámicos en Google Data Studio para respaldar el análisis detallado y la planificación del presupuesto publicitario.

Por ejemplo, el gráfico circular de la derecha muestra que los pedidos ROPO representan el 20 por ciento de los ingresos, y el gráfico circular de la izquierda muestra que casi todos los clientes que realizaron pedidos ROPO visitaron el sitio web menos de una semana antes de comprar en una tienda.

Todos los datos en el tablero se pueden filtrar por región, ventana de conversión, fuente, canal y campaña para una segmentación más detallada. Además, para cada pedido se pueden ver los días entre la última visita al sitio web y la compra.

El gráfico en la parte inferior del tablero ayuda a los especialistas en marketing a comprender qué ingresos adicionales de los pedidos de ROPO se deben contar al planificar la estrategia de marketing y muestra la participación de los ingresos totales por fuente, canal y campaña.

El análisis ROPO confirmó la correlación entre el comportamiento en línea y las compras fuera de línea y un tablero informativo que actualiza automáticamente los datos proporcionó estos hechos:

• El 20 por ciento de los ingresos fuera de línea se atribuyó a la publicidad en línea, lo que significa que uno de cada cinco visitantes de una tienda fuera de línea ya ha interactuado con el sitio web.
• Después de la atribución de ingresos de ROPO, aparecieron pruebas claras de que las campañas en línea estaban subestimadas.
• En un futuro próximo, el minorista revisará su campaña de marketing, adoptando una nueva perspectiva sobre la eficiencia de las campañas publicitarias y aumentando su inversión en la dirección digital.