Comment calculer le coût de livraison et le ROMI compte tenu des commandes achetées

Le défi commun pour les détaillants est le coût de la livraison, car il peut parfois être non rentable. Certaines des commandes que l'entreprise livre à ses propres frais ne sont pas réellement achetées par les clients au point de livraison. Par conséquent, notre client a décidé de calculer combien il dépensait réellement pour la livraison et la publicité dans chaque région.

Dans ce cas, nous décrivons la solution fournie par l'équipe OWOX BI pour un grand détaillant de mode du segment intermédiaire qui avait des difficultés à calculer le coût de livraison et le ROMI compte tenu des commandes achetées.

L'équipe marketing souhaitait résoudre deux problèmes principaux :

1. Découvrez le ROMI réel des campagnes publicitaires en tenant compte des commandes achetées pour répartir plus efficacement le budget entre les canaux.
2. Calculez les frais d'expédition par région pour trouver les régions où il n'est pas rentable pour la chaîne de livrer des marchandises à nos frais et concentrez les efforts de marketing sur d'autres régions plus prometteuses.

Pour attirer du trafic et augmenter les conversions, de nombreux canaux sont utilisés tels que la publicité contextuelle, le CPA (TrackAd), le courrier électronique et autres. Les frais publicitaires sont calculés selon différentes méthodologies et stockés dans divers services. De plus, le détaillant propose plusieurs options d'expédition et, dans certains cas, livre les commandes à ses propres frais. Les frais de port dépendent de la région et du poids de l'achat. De l'argent est également dépensé en publicité dans diverses régions, ce qui augmente le coût de mise en œuvre. Afin d'analyser régulièrement tous les coûts de vente des biens dans différentes régions, les tableaux de bord doivent être construits sur des données réelles, en tenant compte des commandes achetées.

Lors de la passation d'une commande en ligne, les clients disposent de plusieurs options de paiement : paiement sur le site Web, paiement en plusieurs fois, paiement à la livraison par coursier ou paiement lors du retrait de la commande dans un point de retrait. Dans ces deux derniers cas, les clients peuvent essayer des marchandises et peuvent choisir de n'acheter qu'une partie d'une commande. Par conséquent, les revenus générés par les commandes créées sur le site Web sont nettement supérieurs aux revenus réels générés par les commandes achetées.

Les données sur les commandes livrées, exécutées et achetées sont également stockées dans différents systèmes. Pour comprendre quels produits sont achetés le plus souvent, si les campagnes publicitaires sont payantes et si la livraison dans certaines régions est rentable, l'équipe marketing devait compiler toutes nos données dans un seul rapport.

Pour mettre en place des analyses avancées, nous nous sommes tournés vers notre partenaire CROC, un intégrateur B2B qui travaille avec des clients dans 42 pays depuis environ 30 ans. Avec l'aide d'OWOX BI, l'équipe CROC a réussi à collecter des données à partir de différents points de contact et à créer des tableaux de bord qui nous ont fourni les informations manquantes.

De la caisse à l'achat peut prendre jusqu'à trois semaines, nous utilisons donc un rapport basé sur des données en ligne pour prendre des décisions opérationnelles sur l'allocation budgétaire :

Cependant, toutes les commandes passées sur le site Web ne sont pas achetées. En fait, c'est un problème pour la plupart des détaillants de mode. En gros, un client peut choisir des articles d'un coût total de 500 euros mais n'acheter que 150 euros de marchandise. Un rapport basé sur des données complètes montre l'image réelle : quel pourcentage de biens est acheté et combien d'argent nous est apporté par des canaux spécifiques.

Par exemple, si vous regardez le ROMI de bing/cpc, alors dans le premier rapport, nous voyons un chiffre de 419,46 %, et dans le second nous voyons 115,97 %. La différence est de près de 3,5 fois.

Par conséquent, à la fin du mois, l'équipe marketing examine le rapport de données complet et ajuste les tarifs du mois suivant pour tenir compte de la possibilité de remboursement. Le rapport sur les paramètres de livraison permet de déterminer dans quelles régions il y a plus de commandes et de couper les régions non rentables :

À l'aide d'un rapport de site Web et de catégorie, les spécialistes du marketing analysent quels produits sont les mieux vendus sur certains sites Web, quels sites Web devraient investir davantage et quels sites Web prennent du temps et ne rapportent pas de profit :

Étant donné que le détaillant a de nombreuses activités liées aux e-mails, il était également nécessaire de comprendre quelle campagne fonctionne le mieux et encourage l'utilisateur à finaliser l'achat. Grâce au rapport sur les données de MindBox, les spécialistes du marketing voient toutes les parties de l'entonnoir depuis l'envoi d'un e-mail jusqu'au moment de l'achat.

Informations tirées de ce rapport :

1. Le taux de conversion des e-mails envoyés avant l'achat effectif est en moyenne de 0,2 %.
2. Le plus grand pourcentage de conversions est effectué par les clients qui reçoivent des mailings déclencheurs pour les vues de produits et les paniers abandonnés.
3. Certains utilisateurs peuvent ouvrir un e-mail et effectuer un achat six mois après avoir reçu l'e-mail.

Étape 1 . Configurez le streaming de données brutes à l'aide d'OWOX BI pour transférer simultanément les données du site Web vers Google BigQuery, éviter l'échantillonnage des données et créer des rapports avec tous les paramètres disponibles.

Étape 2 . Toujours avec l'aide d'OWOX BI, les spécialistes du marketing ont configuré l'importation automatique des données de coût des services publicitaires afin que les données ne soient pas fusionnées manuellement à chaque fois. De cette façon, les données de coût sont collectées en un seul endroit et dans un seul format et sont automatiquement mises à jour régulièrement.

Les données de Facebook et Criteo sont transmises directement à Google BigQuery. À l'aide du streaming Google Analytics → BigQuery (Cost Data), il était également possible d'obtenir des données de coût CPA téléchargées sur Google Analytics par un service tiers. Les données de coût Google Ads sont importées dans BigQuery à l'aide d'une intégration native.

Étape 3 . Configurez le téléchargement des données de campagne par e-mail à l'aide d'une intégration personnalisée par OWOX BI.

Étape 4 . Avec la propre solution, configurez le téléchargement des données de transaction et de livraison des systèmes internes vers Google BigQuery.

Voici un schéma de la collecte et du mouvement des données :

Étape 5 . Configurez l'attribution OWOX BI basée sur un entonnoir avec deux étapes de conversion différentes : passer une commande sur le site Web et acheter la commande. Il en résulte deux rapports sur l'efficacité des campagnes publicitaires : un rapport uniquement sur les données en ligne et un sur les données complètes.

Étape 6 . Plusieurs tableaux de bord ont été construits qui ont répondu à des questions importantes.

À la suite d'un projet commun visant à configurer des analyses avancées, l'équipe marketing a pu créer des rapports qui les ont aidés à répondre à des questions jusque-là sans réponse. Le calcul du ROMI réel, compte tenu des commandes achetées, leur a permis de répartir efficacement leur budget entre les canaux. Et comprendre combien il en coûte pour livrer dans chaque région les a aidés à décider quelles régions n'étaient pas rentables pour livrer à leurs propres frais.

La prochaine étape pour l'équipe marketing consistera à finaliser le téléchargement des données de vente dans les magasins hors ligne pour créer une analyse ROPO. Cela aidera à suivre clairement l'impact des activités en ligne sur les ventes hors ligne. Souvent, une campagne qui semble inefficace en ligne conduit les clients vers des magasins hors ligne.