Comment mesurer l'effet ROPO pour un retailer omnicanal

Toutes les entreprises veulent connaître la valeur réelle de leurs canaux publicitaires et il est tout à fait impossible d'y parvenir sans suivre la relation entre le comportement des clients en ligne et hors ligne. Par exemple, en désactivant les publicités qui, à première vue, ne rapportent pas, l'entreprise risque de réduire ses ventes.

Dans ce cas, nous décrivons la solution fournie par l'équipe OWOX BI pour une grande chaîne de distribution d'électronique grand public et d'électroménager qui avait des difficultés à mesurer l'effet ROPO.

Les clients des détaillants omnicanaux achètent généralement des produits de trois manières uniques :

• Commande uniquement en ligne sur des sites Web. Les revenus du site Web représentent environ 20 % du chiffre d'affaires total de l'entreprise.
• Achat hors ligne dans les chaînes de magasins de l'entreprise.
• Trouver des produits sur le site Web et les acheter dans des magasins hors ligne. Ce comportement est connu sous le nom d'effet ROPO - recherche en ligne et achat hors ligne.

Les spécialistes du marketing cherchaient à évaluer l'impact des canaux en ligne sur les ventes hors ligne. Cela leur permettrait de calculer plus précisément le retour sur investissement publicitaire et de construire une meilleure stratégie marketing basée sur des données complètes. Une autre tâche consistait à améliorer l'expérience en ligne des clients, en découvrant les raisons pour lesquelles ils choisissent d'acheter dans des magasins hors ligne après avoir visité le site Web. Pour atteindre ces deux objectifs, il a été décidé d'intégrer les données sur les points de contact en ligne et hors ligne des utilisateurs connectés (environ 12 % du nombre total de visiteurs du site Web).

La société collecte, stocke et traite toutes les données dans différents systèmes :

• Les données sur les interactions des utilisateurs avec le site Web sont collectées dans Google Analytics 360.
• Les données sur les achats hors ligne et les retours de commande sont collectées dans le système CRM de l'entreprise (SAP). La structure et l'algorithme de collecte de ces données sont complètement différents de Google Analytics.

Pour analyser l'impact des canaux en ligne sur le chiffre d'affaires total de l'entreprise, les spécialistes du marketing devaient fusionner toutes les données dans un seul système. Google Analytics ne convient pas à la tâche, car il ne prend pas en charge le retraitement des données : une fois traitées, les données ne peuvent pas être modifiées si une commande est annulée ou retournée pour une raison quelconque. De plus, l'importation de toutes les données sur les transactions hors ligne des utilisateurs qui n'ont jamais visité le site Web fausserait considérablement l'exactitude des statistiques de Google Analytics. Google Analytics peut également ne pas suivre certaines des données d'achat sur les pages du site Web car le JavaScript n'a pas été chargé dans le navigateur.

Afin d'atteindre leurs objectifs, les spécialistes du marketing ont décidé de suivre les étapes suivantes :

1. Rassemblez les données sur les interactions des utilisateurs avec le site Web, les achats hors ligne et les taux d'exécution des commandes.
2. Fusionnez les données sur les achats hors ligne avec les données sur les sessions en ligne.
3. Visualisez les données pour une analyse approfondie.

L'organigramme de tout ce processus est donné ci-dessous :

Les données sur toutes les actions des utilisateurs et les commandes passées sur le site Web sont envoyées à l'entrepôt de données cloud de Google BigQuery, à l'aide de l'intégration native disponible pour les comptes Google Analytics 360. Par conséquent, les spécialistes de l'entreprise ont décidé d'utiliser Google BigQuery pour collecter toutes les autres données.

Pour transférer les données sur les achats hors ligne et les commandes passées du CRM vers Google BigQuery, les spécialistes ont mis en place des téléchargements de données quotidiens automatiques via FTP.

Les analystes OWOX BI ont fusionné et traité les données collectées. Dans un premier temps, les données sur les commandes en ligne ont été complétées par les statuts de chaque commande, à l'aide d'une requête SQL. La requête fusionne les données en fonction des valeurs correspondantes de deux tables, avec l'ID de la transaction (Order ID) utilisé comme clé.

Ensuite, les analystes ont fusionné les données sur les achats hors ligne et le comportement sur le site Web des mêmes clients. À cette fin, ils ont utilisé l'ID utilisateur dans Google Analytics. Un ID utilisateur est un identifiant unique attribué à chaque utilisateur qui s'est connecté sur le site Web de l'entreprise. Ensuite, les ID utilisateur sont associés aux cartes de fidélité client dans le système CRM et envoyés en tant que valeurs de dimension personnalisées à Google Analytics. La période d'intégration des données a été fixée à 180 jours en tenant compte de la période allant de la visite du site Web à l'achat. De cette façon, une segmentation d'audience plus granulaire était possible.

En conséquence, les données suivantes sur chacune des commandes (en ligne et hors ligne) ont été reçues :

L'équipe OWOX BI a visualisé les données dans Google Data Studio en créant un tableau de bord informatif. L'entreprise peut exporter les données du tableau de bord pour une analyse plus détaillée et une planification budgétaire.

Par exemple, le graphique à barres interactif, dont la capture d'écran est donnée ci-dessous, montre le nombre d'achats en ligne, hors ligne et ROPO ainsi que les revenus qui en découlent. Ces données peuvent être filtrées par ville, période et type de produit. Les achats ROPO représentent environ 10 % du chiffre d'affaires total, selon les villes. Le graphique montre également que le pourcentage de commandes de chaque canal ne coïncide pas avec le pourcentage de revenus généré par le canal — cela dépend de la valeur moyenne des commandes. Dans ce cas, les achats en ligne ont une valeur de commande moyenne plus élevée que les achats hors ligne.

Le tableau ci-dessous montre les revenus supplémentaires provenant des achats ROPO dans différentes régions, canaux et catégories de produits. Les données peuvent être exportées sous forme de tableau et sont utilisées par l'entreprise pour répartir le budget publicitaire.

• Le tableau de bord informatif et automatisé a été obtenu, permettant de prendre en compte l'effet ROPO dans la planification opérationnelle des campagnes publicitaires.
• La société a découvert que les canaux en ligne contribuaient à environ 10 % des revenus hors ligne.
• En analysant le comportement des utilisateurs qui recherchent des produits sur le site Web avant de les acheter dans les chaînes de magasins de l'entreprise, il est désormais possible de découvrir les raisons pour lesquelles ces clients choisissent d'acheter hors ligne. L'entreprise peut désormais réorganiser le site Web pour une meilleure expérience utilisateur et des taux de conversion plus élevés. À titre d'exemple, l'entreprise a découvert que la plupart des clients hors ligne qui avaient visité le site Web utilisaient des coupons de réduction lors d'achats hors ligne. Forts de ces informations, les spécialistes du marketing ont déjà amélioré l'expérience client avec des coupons de réduction sur le site Web. De plus, l'entreprise a simplifié le formulaire de demande de crédit en ligne afin que les clients n'aient pas à se rendre dans un magasin physique pour acheter à crédit.