Análisis ROPO: ¿Qué tan útil es para el análisis de marketing omnicanal?

Hasta el 40% de los clientes se conectan en línea para obtener más información sobre los productos y su disponibilidad antes de visitar la tienda fuera de línea y comprar algo. El porcentaje de tales clientes seguramente depende de la empresa. Sin embargo, toneladas de usuarios primero ven anuncios en línea u ofertas especiales, leen reseñas y testimonios del sitio web, y solo entonces deciden comprar fuera de línea. Esto significa que sus iniciativas publicitarias en línea pueden tener una gran influencia en la cantidad de ventas fuera de línea.

En este caso, describimos la solución aportada por el equipo de BI de OWOX para una cadena de tiendas que forma parte de la empresa Sephora (propiedad del grupo LVMH) y ocupa una posición de liderazgo en el mercado mundial de perfumes y productos cosméticos. Tenía desafíos con la aplicación del análisis ROPO.

Los clientes generalmente pueden comprar los productos ofrecidos por el minorista tanto en línea como fuera de línea. Al comprar un nuevo perfume, es posible que un cliente primero desee explorar los aromas y luego realizar una compra en línea o en una tienda física.

El equipo de marketing quería comprender en profundidad el comportamiento de sus usuarios en cuanto a su interacción entre las tiendas online y offline. Querían mostrar en números que los esfuerzos de marketing en línea no se limitan a generar ingresos de los pedidos en línea, sino que también afectan las ventas fuera de línea (el llamado efecto de investigación en línea, compra fuera de línea o ROPO).

Sugerimos construir un sistema de análisis e informes de marketing omnicanal.

La prioridad para la empresa, como para muchos grandes minoristas omnicanal, era crear un sistema de análisis de marketing eficaz en todos los canales de venta.

El primer problema al que se enfrentó el equipo de marketing para resolver este problema fue la fragmentación de datos. A lo largo de la existencia de la empresa, se acumularon muchos datos y se almacenaron en varias fuentes y formatos, cada uno con su propio método de procesamiento específico. Para determinar el efecto ROPO, se necesitaba un único repositorio en el que se pudieran combinar todos los datos necesarios para el análisis.

De este problema siguió otro: ¿Qué almacenamiento usar? Había dos opciones:

1. ​Almacenar todos los datos en los propios servidores de la empresa.
2. Cargue todos los datos en el almacenamiento en la nube.

Cada opción de almacenamiento de datos tiene sus ventajas y desventajas. En el caso de utilizar servidores propios de la empresa, hay que tener en cuenta el tiempo dedicado a organizar dicho almacenamiento, el dinero necesario para comprar el hardware necesario, los costes de mantenimiento, los problemas de escalado y la necesidad de montar un sistema automatizado de recogida y Procesando datos.

El siguiente desafío fue elegir una herramienta para automatizar la entrega de datos de varias fuentes a un solo repositorio para su posterior análisis. Hay bastantes herramientas para esto, pero era necesario elegir la mejor en términos de precio, calidad, funcionalidad, flexibilidad y escalabilidad.

Para resolver problemas con el análisis de ROPO, los expertos y analistas de marketing tuvieron que seguir los siguientes pasos:

• Seleccione un solo repositorio para fusionar datos
• Automatice el flujo de datos
• A partir de los datos obtenidos, construir los informes e indicadores dinámicos necesarios para la gestión de la empresa

Para implementar este plan, el equipo de marketing recurrió a OWOX BI, ya que somos expertos en análisis en línea y fusión de datos y somos socios de la compañía desde 2016.

Los expertos eligieron Google Cloud Storage como almacenamiento unificado con conexión a Google BigQuery. Las principales razones para elegir Google Cloud Storage fueron:

• Velocidad. Google Cloud Storage puede procesar terabytes de información en segundos y petabytes en minutos.
• Eficiencia y transparencia de costes. En comparación con otras herramientas, el servicio de Google es económico y cómodo de usar.
• Escalabilidad sencilla. Con un aumento significativo en el volumen de datos, no necesita reservar capacidad adicional, servidores virtuales, etc.
• Cómoda integración con servicios externos. Hay disponible una gran cantidad de integraciones para trabajar con datos de servicios populares.
• Fiabilidad y seguridad de los datos. Los estándares de seguridad, normativos y de certificación de BigQuery te permiten almacenar datos confidenciales en tu proyecto.
• Exportación de Google Analytics 360. Es posible cargar datos sin procesar de Google Analytics directamente a BigQuery (incluidos los datos históricos de los últimos 13 meses).
• Compute Engine, Data Prep, etc. Google Cloud tiene muchos servicios integrados que simplifican la implementación de soluciones.

El equipo de analistas, siguiendo las recomendaciones de OWOX BI, realizó las siguientes acciones para automatizar el flujo de datos:

• Configure la exportación automática de datos de Google Analytics a Google BigQuery. La empresa es usuaria de Google Analytics 360, lo que le permite personalizar completamente la integración con BigQuery en unos pocos clics.
• Configure la integración automática de Google Ads y Google Analytics. Vale la pena señalar que parte de los datos de costos se importan automáticamente a Google Analytics utilizando OWOX BI Pipeline. Los gastos totales se analizan en otro sistema más adecuado a los fines de la empresa (además de los gastos de publicidad, también recoge los gastos fijos de producción de materiales promocionales, comisiones de agencia y otros gastos, sin los cuales es imposible calcular el neto retorno de la inversión).
• Configure la carga automática de gastos a Google Analytics para Criteo, Facebook y otras fuentes de publicidad a través de OWOX BI Pipeline. Puede encontrar métodos para cargar costos publicitarios en Google Analytics y la ventaja de la importación automática a Google Analytics y BigQuery en nuestro artículo.
• Datos descargados del CRM a Google BigQuery. Mientras exploraba las ventajas de BigQuery y otros productos de Google Cloud Platform, el equipo de marketing decidió intentar crear informes de ROPO basados ​​en cargas únicas. Para ello, subían datos una vez al mes a Google Cloud Storage, desde donde se enviaban a BigQuery.
• Después de que el equipo de marketing se familiarizara con todas las ventajas de trabajar con datos en BigQuery, decidió seguir usando BigQuery como almacén de datos de CRM. Con la integración de BigQuery de OWOX BI, configuraron la carga automática de datos desde su CRM a BigQuery. Esta integración permitió administrar de forma independiente (agregar, eliminar y actualizar) datos en la nube, lo cual fue una de las ventajas de usar este enfoque de manera continua.

Mediante consultas SQL, el equipo de marketing fusionó todos los datos recopilados en BigQuery en una sola tabla. Ahora pueden usar estos datos para crear informes en un formato amigable para la empresa usando la herramienta de visualización de datos Data Studio.

Vale la pena considerar que los datos para crear informes se pueden fusionar no solo en servicios de visualización como Data Studio, Tableau y Google Charts. Con las instrucciones desarrolladas por el equipo de OWOX, con unos pocos clics, puede conectar una tabla creada en BigQuery directamente a las herramientas de OWOX BI Attribution y OWOX BI Smart Data para generar automáticamente informes de ROPO en la oficina de OWOX BI.

Como resultado de la creación de un sistema de análisis omnicanal de marketing, el equipo de marketing respondió una serie de preguntas importantes para el desarrollo empresarial.

Habiendo construido toda la cadena de puntos de contacto de los usuarios, desde la interacción con la publicidad en línea hasta la compra en una tienda fuera de línea durante un período seleccionado, fue posible identificar el 3 por ciento de todos los usuarios que ingresaron al sitio web por ID de usuario, es decir, solo aquellos visitantes que están registrados en el sitio web. Fue posible identificar no solo sesiones de usuarios autorizados en un momento específico, sino también sesiones de usuarios no autorizados que tienen una tarjeta de fidelización conocida. ​Entre los usuarios identificados:

• El 31% realizó compras en la tienda online.
• El 17% visitó la tienda en línea antes de una compra fuera de línea (usuarios de ROPO).
• El 53% realizó compras tanto en tiendas online como offline.

Después de analizar todos los datos necesarios, el equipo digital pudo mostrar en cifras la influencia de la publicidad en medios digitales en las ventas en las tiendas físicas. El siguiente gráfico muestra la influencia en las ventas físicas de un boletín electrónico enviado del 23 al 25 de agosto.

El informe también permite que el equipo evalúe los cambios en la proporción de usuarios de ROPO para comprender en qué medida las expectativas de esta métrica se corresponden con los datos reales.

Este gráfico muestra qué porcentaje de los ingresos de ROPO generó una campaña publicitaria específica.

Al crear los gráficos a continuación, fue posible mostrar visualmente la proporción de usuarios de ROPO que realizaron compras tanto en línea como fuera de línea y rastrear la dinámica de los cambios en esta categoría de usuarios.

Además del análisis principal, los especialistas en marketing querían averiguar cómo difiere el comportamiento de los usuarios de ROPO por categoría de producto en términos de lo que los clientes ven en el sitio web y lo que compran fuera de línea.

Por ejemplo, existía la hipótesis de que el perfume genera la mayor cantidad de ingresos por ROPO. Sin embargo, el informe mostró que, de hecho, la categoría de cuidado facial en la serie de productos antienvejecimiento tiene una gran participación de ROPO. Estos productos pueden tenerse en cuenta a la hora de desarrollar la próxima campaña de publicidad online.

Todos estos datos y el correcto análisis del efecto ROPO ayudaron a definir y presentar claramente la efectividad de la publicidad online, teniendo en cuenta todas las acciones de los usuarios tanto online como offline. Además, gracias al análisis ROPO y la capacidad de descargar transacciones fuera de línea en una vista separada de Google Analytics, los especialistas en marketing pueden comprender mejor el comportamiento de los diferentes segmentos de su público objetivo, lo que les permite planificar actividades de marketing con más detalle.

El siguiente paso es aumentar el porcentaje de usuarios identificados para poder determinar con mayor precisión el comportamiento de cada segmento. Parte de esta tarea se resolvió identificando a los usuarios no solo que están autorizados en un momento dado en una sesión en particular, sino que no están autorizados pero tienen una tarjeta de fidelización que se puede emparejar de forma retroactiva.