Comment optimiser les campagnes publicitaires avec les conversions assistées dans Google BigQuery

Plus les entreprises développent de canaux publicitaires, plus les clients peuvent être acquis par différentes campagnes. En conséquence, les revenus générés augmenteront considérablement si les utilisateurs professionnels obtiennent des informations précieuses sur les données pour améliorer les performances marketing.

Dans ce cas, nous décrivons la solution fournie par l'équipe OWOX BI pour une grande chaîne de magasins d'électronique grand public et d'appareils électroménagers qui avait des difficultés à optimiser les campagnes publicitaires pour différents segments d'utilisateurs sur différentes plateformes.

L'entreprise cherchait à optimiser les dépenses publicitaires tout en tenant compte d'un certain nombre de facteurs : la contribution de plusieurs canaux publicitaires au parcours d'achat du client, un groupe de catégories d'activités (BGC) et les différences de comportement des utilisateurs entre les différentes régions.

Un groupe d'activités de catégories (BGC) est un groupe de catégories de produits similaires. Par exemple, Audio Equipment est un nom commun pour les lecteurs MP3, les écouteurs, etc. La segmentation par BGC est déterminée par la structure interne du détaillant : chaque département est responsable d'un BGC.

Le comportement des clients de différentes villes ou régions diffère en raison de facteurs économiques. C'est pourquoi le département Media&CRM segmente les commandes par géographie.

Selon l'expérience du détaillant, 80 % des clients en ligne et hors ligne interagissent avec plusieurs canaux publicitaires avant d'effectuer un achat. Le rapport sur les conversions assistées de Google Analytics permet d'analyser l'effet des canaux en ligne sur les chemins de conversion. Cependant, le rapport ne permet pas de segmentation par région et BGC. Il est donc impossible d'évaluer pleinement la contribution de chaque canal.

En outre, l'entreprise cherchait à prendre de meilleures décisions, en s'appuyant sur des données complètes sur le comportement des utilisateurs. Google Analytics applique un échantillonnage si le volume de données dépasse 500 000 sessions (100 000 sessions dans Google Analytics 360) pour la période de rapport. De plus, il n'était pas possible d'avoir une image complète des chemins de conversion dans les rapports sur les entonnoirs multicanaux, car le nombre de conversions par mois dépassait 1 million. Compte tenu de l'ampleur des opérations, de telles erreurs de mesure ont considérablement affecté la qualité des décisions du détaillant.

Pour comparer les performances des canaux publicitaires dans les différentes régions (segments BGC ), il a été décidé de collecter des données sur le comportement des utilisateurs dans un entrepôt de données volumineux. OWOX a suggéré d'utiliser Google BigQuery, car ce service garantit la sécurité, la flexibilité et le traitement rapide des données.

Les données de comportement des visiteurs du site Web sont automatiquement importées dans Google BigQuery depuis Google Analytics, grâce à la fonctionnalité Google BigQuery Export. Cette fonctionnalité n'est disponible que pour les clients Google Analytics 360.

Les données de performances des campagnes AdWords sont automatiquement importées dans Google Analytics. OWOX BI Pipeline aide à importer les données de coût des campagnes publicitaires vers Google Analytics et collecte également des données sur tous les coûts publicitaires dans Google BigQuery.

Le système interne (ERP) stocke des données sur les relations entre les catégories de produits et BGC. Par exemple, les fours à micro-ondes appartiennent au groupe des petits appareils ménagers (SDA) et les ordinateurs portables appartiennent au groupe des ordinateurs . Les analystes copient les données du système interne vers Google Sheets, puis les importent dans Google BigQuery à l'aide du module complémentaire OWOX BI BigQuery Reports.

L'organigramme de collecte des données est présenté ci-dessous :

Les données requises pour le modèle d'attribution sont stockées dans deux tables dans Google BigQuery. Le premier tableau stocke des données sur les achats, le comportement des utilisateurs et les dépenses publicitaires de Google Analytics. L'autre stocke des données sur les relations entre les catégories de produits et BGC à partir de Google Sheets.

Les experts OWOX ont fusionné les données de ces deux tables par l'ID de catégorie de produit, en utilisant l'opération JOIN. Les données ont été combinées comme suit :

L'entreprise voulait voir avec quels canaux les utilisateurs interagissent le plus souvent et dans quel ordre. Les canaux qui amènent le plus souvent les deux premières sessions dans le chemin de conversion seraient les plus performants aux étapes supérieures de l'entonnoir, car ils aident à attirer les utilisateurs sur le site Web. Les canaux qui apportent le plus souvent les deux dernières sessions avant l'achat seraient plus performants au bas de l'entonnoir : ils aident les acheteurs à prendre des décisions.

Les analystes d'OWOX ont suggéré de segmenter les commandes en fonction du nombre de sessions de la transaction (1, 2, 3, 4 et 5+ sessions). Les longs chemins de conversion (plus de 5 sessions) sont traités de la même manière que les courts : l'accent est mis sur les deux premières et les deux dernières sessions. Ce sont les sessions au cours desquelles un utilisateur découvre un produit et prend une décision d'achat. Les séances intermédiaires contribuent beaucoup moins, elles sont donc analysées toutes ensemble.

L'équipe OWOX a configuré l'importation automatique des résultats de segmentation dans Google Sheets à l'aide du module complémentaire OWOX BI BigQuery Reports et a créé un rapport. Le rapport montre les performances des canaux publicitaires pour différents emplacements et différents BGC. Par exemple, il est désormais possible de voir à quelle fréquence les utilisateurs visitent le site Web en cliquant sur les annonces Google à différentes étapes de l'entonnoir dans les longs chemins de conversion (plus de 5 sessions). Les spécialistes de l'entreprise peuvent comparer les performances des publicités dans Google et Criteo et voir lequel des canaux serait le plus performant dans l'entonnoir supérieur, moyen et inférieur, pour chaque segment région-BGC.

Pour faciliter le travail des managers et des spécialistes marketing, les experts OWOX ont visualisé les données sous forme de tableaux de bord interactifs. Google Data Studio a été choisi comme solution de tableau de bord, pour les raisons suivantes :

• Les tableaux de bord sont pratiques à utiliser : les données peuvent être facilement filtrées par date ou par dimensions sélectionnées.
• Les sources de données pour le reporting peuvent être connectées en quelques clics.
• Des rapports et des tableaux de bord personnalisés illimités peuvent être créés sans frais.

En conséquence, le tableau de bord a été reçu, affichant la façon dont les achats sont segmentés par source d'annonce, région, un groupe d'activités de catégories (BGC) et la longueur du chemin avant l'achat.

Grâce à la collecte et au traitement des données dans Google BigQuery à l'aide de Google Analytics 360 et OWOX BI, l'entreprise a pu évaluer les performances des canaux publicitaires pour différentes régions et BGC, et également visualiser les résultats dans Google Data Studio. Cela a permis de répondre à des questions telles que :

• Quels canaux fonctionnent le mieux au niveau de l'entonnoir supérieur, de l'entonnoir central et de l'entonnoir inférieur ?
• Quels sont les canaux les plus performants dans un segment « région – BGC » particulier ?
• Quel segment « région-BGC » obtient le plus d'achats ?

Il est désormais prévu de revoir et de réaffecter le budget de marketing de performance au second semestre 2017 en fonction des résultats des tests.