Cómo medir el efecto ROPO para un minorista omnicanal

Todas las empresas quieren descubrir el valor real de sus canales publicitarios y es bastante imposible lograrlo sin rastrear la relación entre el comportamiento del cliente en línea y fuera de línea. Por ejemplo, al deshabilitar la publicidad que, a primera vista, no da resultado, la empresa corre el riesgo de reducir sus ventas.

En este caso, describimos la solución proporcionada por el equipo de BI de OWOX para una gran cadena minorista de electrodomésticos y productos electrónicos de consumo que tenía problemas para medir el efecto ROPO.

Los clientes de los minoristas omnicanal suelen comprar productos de tres formas únicas:

• Pedidos únicamente en línea en sitios web. Los ingresos del sitio web representan alrededor del 20% de la facturación total de la empresa.
• Compras offline en las cadenas de tiendas de la empresa.
• Encontrar productos en el sitio web y comprarlos en tiendas fuera de línea. Este comportamiento se conoce como efecto ROPO: investiga en línea y compra fuera de línea.

Los especialistas en marketing buscaban evaluar el impacto que tienen los canales en línea en las ventas fuera de línea. Esto les permitiría calcular con mayor precisión el retorno de las inversiones publicitarias y construir una mejor estrategia de marketing basada en los datos completos. Otra tarea fue mejorar la experiencia online de los clientes, descubriendo las razones por las que eligen comprar en tiendas offline después de visitar el sitio web. Para lograr estos dos objetivos, se decidió integrar los datos sobre los puntos de contacto en línea y fuera de línea de los usuarios registrados (alrededor del 12% del número total de visitantes del sitio web).

La empresa recoge, almacena y trata todos los datos en diferentes sistemas:

• Los datos sobre las interacciones del usuario con el sitio web se recopilan en Google Analytics 360.
• Los datos sobre compras fuera de línea y devoluciones de pedidos se recopilan en el sistema CRM de la empresa (SAP). La estructura y el algoritmo de recopilación de estos datos es completamente diferente de Google Analytics.

Para analizar el impacto de los canales en línea en los ingresos totales de la empresa, los especialistas en marketing necesitaban fusionar todos los datos en un solo sistema. Google Analytics no se adapta a la tarea, ya que no admite el reprocesamiento de datos: una vez procesados, los datos no se pueden modificar si se cancela o devuelve un pedido por cualquier motivo. Además, importar todos los datos sobre transacciones fuera de línea de usuarios que nunca han visitado el sitio web distorsionaría significativamente la precisión de las estadísticas de Google Analytics. Google Analytics también puede fallar al rastrear algunos de los datos de compra en las páginas del sitio web porque el JavaScript no se cargó en el navegador.

Para lograr sus objetivos, los especialistas en marketing decidieron seguir los siguientes pasos:

1. Reúna los datos sobre las interacciones de los usuarios con el sitio web, las compras fuera de línea y las tasas de finalización de pedidos.
2. Combine los datos sobre compras fuera de línea con los datos sobre sesiones en línea.
3. Visualice los datos para un análisis en profundidad.

El diagrama de flujo de todo este proceso se muestra a continuación:

Los datos sobre todas las acciones de los usuarios y los pedidos realizados en el sitio web se envían al almacén de datos en la nube de Google BigQuery, utilizando la integración nativa disponible para las cuentas de Google Analytics 360. Por lo tanto, los especialistas de la empresa decidieron utilizar Google BigQuery para recopilar todos los demás datos.

Para transferir los datos sobre compras fuera de línea y finalización de pedidos del CRM a Google BigQuery, los especialistas configuraron cargas diarias automáticas de datos a través de FTP.

Los analistas de BI de OWOX fusionaron y procesaron los datos recopilados. En primer lugar, se complementó la información sobre los pedidos en línea con los estados de cada pedido, mediante una consulta SQL. La consulta combina los datos en función de los valores coincidentes de dos tablas, con el ID de la transacción (ID del pedido) utilizado como clave.

A continuación, los analistas fusionaron los datos sobre las compras fuera de línea y el comportamiento en el sitio web de los mismos clientes. Para este propósito, utilizaron la identificación de usuario en Google Analytics. Una identificación de usuario es un identificador único asignado a cada usuario que se ha registrado en el sitio web de la empresa. Luego, los ID de usuario se asocian con las tarjetas de fidelización de clientes en el sistema de CRM y se envían como valores de dimensión personalizados a Google Analytics. El período de tiempo para la integración de datos se fijó en 180 días considerando el período de tiempo desde la visita al sitio web hasta la compra. De esta manera, fue posible una segmentación de audiencia más granular.

Como resultado, se recibieron los siguientes datos sobre cada uno de los pedidos (tanto online como offline):

El equipo de BI de OWOX visualizó los datos en Google Data Studio creando un tablero informativo. La empresa puede exportar los datos desde el tablero para un análisis más detallado y una planificación presupuestaria.

Por ejemplo, el gráfico de barras interactivo, cuya captura de pantalla se muestra a continuación, muestra la cantidad de compras en línea, fuera de línea y ROPO junto con los ingresos obtenidos de ellas. Estos datos se pueden filtrar por ciudad, período de tiempo y tipo de producto. Las compras de ROPO constituyen alrededor del 10% de los ingresos totales, según la ciudad. El gráfico también demuestra que el porcentaje de pedidos de cada canal no coincide con el porcentaje de ingresos obtenidos del canal, depende del valor promedio de los pedidos. En este caso, las compras en línea tienen un valor de pedido promedio más alto que las compras fuera de línea.

La siguiente tabla muestra los ingresos adicionales de las compras de ROPO en diferentes regiones, canales y categorías de productos. Los datos se pueden exportar en formato tabular y la empresa los utiliza para distribuir el presupuesto de publicidad.

• Se obtuvo el tablero informativo y automatizado, que permite tener en cuenta el efecto ROPO en la planificación operativa de las campañas publicitarias.
• La empresa descubrió que los canales en línea contribuían con alrededor del 10 % de los ingresos fuera de línea.
• Al analizar el comportamiento de los usuarios que buscan productos en el sitio web antes de comprarlos en las cadenas de tiendas de la empresa, ahora es posible descubrir las razones por las que estos clientes eligen comprar fuera de línea. La empresa ahora puede renovar el sitio web para una mejor experiencia de usuario y tasas de conversión más altas. Como ejemplo, la empresa descubrió que la mayoría de los clientes sin conexión que habían visitado el sitio web usaban cupones de descuento cuando compraban sin conexión. Armados con esta información, los especialistas en marketing ya han mejorado la experiencia del cliente con cupones de descuento en el sitio web. Además, la empresa simplificó el formulario de solicitud de crédito en línea para que los clientes no tengan que ir a una tienda física para comprar a crédito.