Análisis ROPO: por qué lo necesita y cómo realizarlo

Imagina que hiciste un gran trabajo pero obtuviste un 40 por ciento menos de lo que esperabas. Solo porque no pudiste probar el resultado de tus esfuerzos. Aproximadamente lo mismo les sucede a los comerciantes de Internet omnicanal que no realizan análisis de ROPO. Pero el marketing online infravalorado en este caso es solo la mitad del problema. Las empresas que no rastrean la relación entre el comportamiento de los clientes en línea y fuera de línea corren el riesgo de reducir sus ventas, por ejemplo, al deshabilitar la publicidad que, a primera vista, no vale la pena.

En este artículo te explicamos qué es el análisis ROPO y qué ventajas puede aportar a tu negocio. Le diremos cómo conectar el comportamiento de los usuarios en el sitio con las compras en las tiendas minoristas utilizando OWOX BI, qué datos se necesitan para los informes de ROPO y cómo crearlos.

Comencemos con la teoría. ROPO (investigación en línea, compra fuera de línea) describe el comportamiento de los clientes que buscan productos en Internet y los compran en una tienda física. Hay varias razones por las que los clientes hacen esto:

En el Consumer Barometer, también puede clasificar los datos por tipo de producto, como productos electrónicos o bienes de consumo, para obtener datos relevantes para su empresa.

La forma en que debe utilizar los resultados del análisis de ROPO depende de los objetivos que desee lograr. ¿Quieres conocer la eficacia real de tus canales online, mejorar las campañas publicitarias y ahorrar dinero, aumentar las ventas online u offline, o aumentar los beneficios? Consideremos cada uno de estos objetivos con más detalle.

Por lo tanto, se ha asegurado de que un porcentaje suficientemente grande de usuarios que estudian productos en su sitio los compre en tiendas minoristas. Debido a esto, es difícil calcular la conversión y el reembolso exactos de la publicidad en línea, lo que podría conducir a malas decisiones.

Si un producto se vende mal en línea, no se apresure a eliminarlo del sitio o desactivar la campaña publicitaria. Puede resultar que las ventas de este producto fuera de línea sean tres veces más altas que en línea. Compare la actividad de los visitantes del sitio web con las compras en las tiendas físicas y descubrirá si está desperdiciando su dinero o sentado en una mina de oro.

Cuando determina la participación de las ventas de ROPO, puede continuar y calcular el ROAS de cualquier canal publicitario o campaña en función de las compras fuera de línea. Esto puede mostrar una imagen completamente diferente.

Solo estudiando el viaje del cliente puede hacer que las campañas publicitarias sean lo más efectivas posible. Supongamos que ha configurado un correo electrónico automatizado para carritos de compras abandonados. Algunos clientes pueden usar el carrito de compras como una lista de compras y luego ir a comprar en una tienda física. Al identificar a dichos usuarios, puede excluirlos de estos correos electrónicos de recordatorio y ahorrar dinero.

Las personas que miran su sitio antes de comprar tienden a gastar más que las que no lo hacen.
Una vez que haya determinado qué productos en su sitio se venden bien de acuerdo con el principio ROPO, puede concentrarse en promocionarlos y, por lo tanto, aumentar sus ganancias.

Si realiza un análisis de ROPO y descubre que sus clientes prefieren comprar ciertos productos en tiendas minoristas, debe pensar en lo que está mal en su sitio web. ¿Por qué los clientes no compran en línea, o por qué los clientes no pueden comprar, sino que van a su tienda (con suerte) o incluso a sus competidores? Puede haber varias razones para este comportamiento:

• Los precios online y offline son diferentes.
• Algunas funcionalidades no están disponibles en el sitio, por ejemplo, es imposible pagar a plazos.
• La entrega tarda demasiado.
• Hay una interfaz compleja o un proceso de pago largo.

Después de examinar el comportamiento de sus usuarios en detalle, podrá comprender qué les impide realizar compras en el sitio y solucionarlo:

• ofreciendo descuentos en la tienda online
• ofreciendo una garantía adicional o entrega rápida o gratuita
• proporcionar métodos de pago convenientes
• agregar una sección con preguntas frecuentes
• proporcionando información sobre cómo contactarlo.

En resumen, puede adaptar su sitio web a la ruta personalizada del cliente.

Conceptualmente, hay dos formas de evaluar el impacto de la publicidad online en las ventas offline. El primero se basa en identificar usuarios específicos y vincular las acciones de los visitantes en el sitio con las compras en una tienda física. Está claro que para que esto suceda, los usuarios deben estar autorizados.

La segunda solución es la llamada fusión de datos impersonales. Puede utilizar la fusión de datos impersonales para evaluar el impacto de la publicidad televisiva en las ventas fuera de línea o en el caso de que su sitio no permita que los usuarios se registren. Tareas similares son para aquellos que anuncian productos vendidos en Amazon u otros mercados en Facebook. En tales casos, es imposible asociar conversiones de anuncios y visualizaciones de banners con pedidos de usuarios particulares. Este problema se resuelve mediante correlación indirecta. Este es un tema para un artículo aparte. Si está interesado en un artículo sobre correlación indirecta, háganoslo saber en los comentarios.

En este artículo, nos centraremos en la identificación de usuarios específicos, que es una prioridad para cualquier empresa. Hacerlo proporciona una estimación de la efectividad de la publicidad en línea basada en una combinación de acciones del usuario tanto en línea como fuera de línea.

Las principales etapas de identificación de los usuarios:

1. Combine datos en línea con datos de transacciones de su CRM.
2. Identifique un segmento de compras de ROPO y comprenda la participación de estas compras en relación con las ventas en línea y fuera de línea.
3. Cree tableros para el monitoreo de alto nivel de los datos y su dinámica.
4. Cree tablas detalladas para las agencias para que puedan usar los datos de ROPO en su planificación de medios y realizar un seguimiento de los resultados.
5. Encuentre respuestas a estas preguntas: ¿Los compradores de ROPO realizan pedidos a través del sitio web? ¿Qué les impide realizar inicialmente un pedido en el sitio? ¿Cómo puede ahorrar en el remarketing a estos clientes?

Recomendamos combinar datos de su sitio web, datos sobre costos de campañas publicitarias y datos de su CRM en Google BigQuery. Para ello, puede utilizar Power BI, Google Data Studio, Amazon Redshift o alguna otra herramienta. Una pequeña empresa puede incluso exportar datos a Hojas de cálculo de Google. Sin embargo, debe comprender que el procesamiento automatizado de datos puede fallar por razones no obvias e inesperadas. Por lo tanto, debe usar un mecanismo que funcione de manera confiable y que no lo distraiga de buscar información y aplicar datos.

Google BigQuery es bueno porque, como cualquier SaaS, no requiere inversión en hardware y facilita la combinación de datos, independientemente de la cantidad. Esto significa que a medida que crezca su volumen de datos, no necesitará cambiar todas sus solicitudes y configuraciones. Y si no tiene muchos datos, no pagará mucho para procesarlos.
Además, BigQuery admite el reprocesamiento de datos. Si un cliente hace un pedido fuera de línea y luego va al sitio e inicia sesión, puede combinar retroactivamente todas sus acciones. Eso no es posible con Google Analytics.

Puede exportar datos de comportamiento del usuario de Google Analytics a Google BigQuery mediante la exportación estándar. Para aquellos que usan la versión gratuita de Google Analytics, recomendamos OWOX BI Pipeline para recopilar datos sin procesar sin muestrear de su sitio en BigQuery. Puede familiarizarse con la estructura de estos datos en nuestro centro de ayuda.

Es necesario verificar los datos de origen. Debe haber configurado y transferido desde el sitio a la identificación de usuario de Google Analytics (u otra identificación de usuario común). Dado que los datos se conectarán precisamente por este ID, es importante que esté presente en ambas tablas y que sea correcto. Es decir, para cada usuario autorizado, la ID de usuario debe enviarse tanto a la Dimensión personalizada como al parámetro & uid.

Asegúrese de que varios usuarios no utilicen el mismo ID. Verifique el porcentaje de usuarios con ID de usuario y los valores mismos a lo largo del tiempo para ver si hay alguna anomalía. Para este propósito, es posible crear un segmento de usuarios con ID en Google Analytics y ver cómo este segmento se correlaciona con el número total de usuarios.

También verifique si hay anomalías en los datos sobre el número de sesiones, usuarios, transacciones e ingresos por día y por fuente de tráfico. La forma más sencilla de hacerlo es en la interfaz de GA. Puede tomar un intervalo de tiempo de varios meses y ver la descripción general de la audiencia estándar, todo el tráfico, fuente/medio, descripción general del comercio electrónico y otros informes. Compruebe si estos informes tienen picos o fallas irrazonables.

Puede importar pedidos desde su CRM a Google BigQuery una vez o configurar la carga automática de datos para calcular regularmente la proporción de compras de ROPO.

La tabla que se carga desde su CRM debe incluir al menos:

• Fecha de la transacción
• ID de transacción
• Precio del pedido
• ID de usuario

Campos adicionales que le permitirán obtener informes en secciones adicionales:

• Ciudad
• Identificación del producto
• Número de artículos en el pedido
• Precio de cada articulo
• Tipo de pago
• Tipo de entrega
• Estado del pedido

Con los datos de CRM, preste atención a:

• Disponibilidad de todos los campos obligatorios
• Disponibilidad de datos para todos los días.
• Formato comparable para fecha, ingreso y ciudad
• Presencia del parámetro User ID en todas las transacciones
• Transacciones duplicadas

Si no solo desea conocer la proporción de compras de ROPO, sino también calcular su ROAS, necesitará datos de costos de sus fuentes de publicidad. Puede importar sus gastos de diferentes servicios a Google Analytics y luego subirlos a Google BigQuery como un solo flujo usando OWOX BI Pipeline.
Todos sus datos se pueden combinar de acuerdo con este esquema:

OWOX BI ofrece un período de prueba gratuito. Durante este tiempo, puede configurar la recopilación de datos en su proyecto Google BigQuery para crear informes sobre ROPO y otros indicadores de marketing.

Después de recopilar todos los datos en Google BigQuery, debe vincularlos. Como clave, puede utilizar el ID de usuario. Este es un identificador único que asigna a cada usuario en su base de datos y lo asocia con la dirección de correo electrónico o la tarjeta de fidelización del usuario. Cuando los usuarios ingresan a su sitio web e inician sesión, por ejemplo, ingresan una cuenta personal, su ID de usuario se transfiere a Google Analytics (siempre que tenga esta función configurada en GA).

De esta manera, los usuarios están vinculados a sus acciones en el sitio.

Para reconocer al mayor número posible de tus usuarios, puedes ofrecer bonificaciones por iniciar sesión: descuentos por iniciar sesión, material descargable útil, promociones, etc. Puedes encontrar más formas de motivar a tus usuarios en nuestro artículo «Por qué y cómo hacerlo». Integre puntos de contacto de clientes en línea y fuera de línea»

También puede usar el parámetro huid especial en los enlaces que envía a sus clientes por correo electrónico. En este parámetro, puede escribir el valor de ID de usuario de su sistema CRM. Esto lo ayudará a identificar a un usuario incluso si no ha iniciado sesión en el sitio. Por ejemplo, suponga que ya tiene un cliente en su CRM con un correo electrónico y una identificación de usuario única. Envías un correo electrónico a este cliente con un enlace que incluye el ID. El cliente hace clic en el enlace y va a su sitio web y realiza algunas acciones en el sitio sin registrarse. A través de Google Tag Manager, puede transferir este identificador a Google Analytics en el campo ID de usuario o Dimensiones personalizadas.

Si el usuario deja una solicitud en su sitio y luego va a la tienda y realiza una compra, puede vincular sus acciones utilizando la ID de transacción.

En el diagrama anterior, puede ver datos sobre el comportamiento del usuario en el sitio (izquierda) y datos sobre la compra del CRM (derecha).

Si está interesado en los detalles técnicos de la integración de datos y el análisis ROPO, lea algunas de las historias de éxito de nuestros clientes:

• Historia de éxito de M.video: evaluación del impacto de la publicidad en línea en las ventas fuera de línea
• Historia de éxito de Darjeeling: el análisis de ROPO demuestra que el 40 % de los clientes visitan el sitio web de la empresa antes de comprar fuera de línea

Nuestros clientes suelen estar interesados ​​en el análisis de ROPO. Por lo tanto, hemos agregado un bloque separado de informes ROPO a OWOX BI Smart Data. Con este servicio, puede hacer preguntas sobre sus datos en ruso o inglés utilizando un lenguaje natural. El servicio procesará la solicitud y le dará una respuesta clara junto con imágenes.

Para recibir informes de ROPO, debe cargar datos sobre el comportamiento del usuario de Google Analytics y datos de pedidos fuera de línea de su CRM a su proyecto de Google BigQuery. Luego conecte su proyecto a OWOX BI Smart Data. Puede probar OWOX BI gratis ahora mismo para ver cómo funciona.

Para recibir informes de ROPO en Smart Data, necesita datos sobre el comportamiento del usuario de Google Analytics y datos sobre pedidos fuera de línea de su CRM.

En Smart Data, puede cambiar todos los campos resaltados para una pregunta seleccionando opciones de la lista desplegable: participación de los ingresos, transacciones de los usuarios, monto de los ingresos, tamaño promedio del cheque, etc. Puede obtener más información sobre las métricas disponibles en la sección de ayuda.

Toda la información del informe puede cargarse en Google Data Studio o descargarse como un archivo CSV. También puede copiar la consulta SQL y refinarla en Google BigQuery según sea necesario.

Considere algunos ejemplos de informes.

La ventana de conversión de 30 días significa que han pasado un máximo de 30 días entre la última vez que el usuario visitó el sitio y realizó una compra fuera de línea. La ventana de conversión se puede cambiar para adaptarse a su negocio.

Este informe muestra cómo se distribuyen los ingresos entre las ventas en línea, fuera de línea y ROPO. Ayuda a separar los pedidos ROPO de las compras regulares fuera de línea y a comprender el papel real del efecto ROPO en sus ventas multicanal.

Este es un análogo del informe de tiempo de conversión (Time Lag) en Google Analytics, solo que aquí se relacionan las acciones en línea y las compras fuera de línea. Este informe muestra qué porcentaje o número de transacciones, clientes e ingresos corresponden cada día dentro de la ventana de conversión.

Esto lo ayudará a comprender la ventana de conversión real para las compras de ROPO, así como a rastrear la relación entre el valor de la transacción y la cantidad de días que los usuarios necesitan para tomar una decisión de compra.

Con este informe, puede determinar qué canales, fuentes y campañas publicitarias en línea generan compras fuera de línea.

Puede preguntar: ¿Qué tan precisos son los resultados del análisis de ROPO si solo se consideran los usuarios registrados en el sitio? Esta es una buena pregunta y, para responderla, debe comprender cuántos usuarios hay. Es difícil obtener una respuesta exacta para un sitio específico. Si un usuario no ha iniciado sesión, no sabemos con certeza si estuvo en el sitio web. A menos que sea posible utilizar la investigación del panel.

Según nuestra experiencia, la proporción de usuarios autorizados que pueden asociarse con compras fuera de línea, incluso para el minorista de electrónica de consumo omnicanal promedio, alcanza el 40 por ciento. Este resultado es acumulativo a lo largo del año. Durante las ventas de temporada, aumenta. Lo principal es que incluso sin un grupo de audiencia del 100 por ciento, puede obtener una muestra representativa para la redistribución del presupuesto. Esto significa que no necesita combinar las acciones de cada usuario; solo necesita combinar los datos de un número suficiente de usuarios para crear informes.

Hemos preparado una lista de verificación de 20 pasos para que los analistas de marketing lo ayuden a combinar datos de fuentes en línea y fuera de línea para tomar las decisiones correctas. Complete el formulario y le enviaremos esta lista de verificación a su correo electrónico.