Bagaimana mengatasi tantangan pelaporan e-niaga terbesar

Selama setahun terakhir, pandemi telah mengubah belanja online dari kenyamanan tambahan menjadi kebutuhan mendesak. Lingkup berkembang pesat, dan dengan itu, persaingan untuk pembeli tumbuh. Di antara masalah utama untuk bisnis e-commerce saat ini adalah:

• Beradaptasi dengan perdagangan digital
• Retensi pelanggan
• Biaya lalu lintas yang lebih tinggi
• Pembatasan cookie pihak ketiga
• Mengikuti pesaing

Ada semakin banyak data online, dan untuk tumbuh lebih cepat daripada pesaing, Anda perlu menggunakan data ini secara penuh — tidak hanya dalam laporan KPI standar tetapi juga untuk mengurangi biaya dan mendapatkan ROI yang lebih tinggi. Dalam artikel ini, kami mempertimbangkan masalah utama yang dihadapi sebagian besar pemasar saat bekerja dengan laporan.

Pengguna sudah terbiasa dengan data mereka yang digunakan oleh perusahaan, tetapi sebagai gantinya, mereka berharap mendapatkan informasi yang relevan tentang produk kapan saja dan di mana saja. Selain itu, informasi yang disajikan harus bervariasi tergantung pada perilaku pengguna sebelumnya. Semuanya menjadi lebih rumit karena perilaku audiens target berbeda pada titik kontak yang berbeda dan oleh karena itu memerlukan pendekatan yang berbeda pada masing-masing. Untuk alasan ini, pemasar saat ini menggunakan sejumlah besar dan berbagai saluran.

Konsumen menggunakan mesin pencari (52%), media sosial (43%), dan ulasan pelanggan (37%) untuk meneliti produk. Perjalanan pembelian menjadi lebih terfragmentasi karena konsumen menggunakan lebih banyak perangkat yang berbeda, dengan setiap audiens menggunakan banyak saluran/sumber untuk menemukan jawaban.

Menggunakan semua data audiens ini dengan benar membawa nilai bagi seluruh bisnis. Ingatlah bahwa jika Anda ingin membuat keputusan berdasarkan data, Anda harus memiliki banyak data berkualitas dan menggunakannya dengan benar!

Namun, di situlah masalahnya. Banyaknya data yang masuk dan terbatasnya waktu serta sumber daya untuk bekerja dengan data tersebut mengurangi efektivitas kerja pemasar.

Kami baru saja menyebutkan bahwa semakin banyak data, semakin baik. Tapi Anda mungkin tahu sisi lain dari koin: semakin banyak data dari berbagai sumber, semakin banyak masalah. Mari kita lihat tantangan apa yang akan Anda hadapi saat bekerja dengan laporan.

Pengumpulan data adalah proses mengumpulkan semua data pemasaran terfragmentasi yang Anda butuhkan untuk membuat laporan dan menyiapkan analitik tingkat lanjut.

Mengapa Anda membutuhkannya? Sama seperti teater dimulai dengan gantungan, pelaporan dimulai dengan pengumpulan data. Ini adalah langkah pertama dan paling penting . Jika Anda tidak mengumpulkan semua data atau Anda mengumpulkan data yang salah, Anda akan mengambil tindakan berdasarkan informasi yang salah. Dan ini tidak akan berakhir dengan baik.

Anda harus mengumpulkan data dari semua titik kontak pelanggan untuk memastikan bahwa Anda mempertimbangkan segala hal:

• Data biaya dari layanan periklanan
• Data tentang perilaku pengguna di situs web
• Pelacakan panggilan, chatbot, dan data email
• Data penjualan aktual dari sistem CRM/ERP Anda
• Data yang lain

Pada akhirnya, tidak ada yang ingin melampaui anggaran. Ingatlah bahwa mencegah kesalahan dalam pengumpulan data lebih mudah daripada memperbaiki konsekuensinya — pemasar membuang 21% anggaran pemasaran mereka karena data yang buruk.

Tantangan untuk diatasi. Data dari platform periklanan yang berbeda tinggal di tempat yang berbeda dan memiliki struktur yang berbeda, sehingga sulit dan memakan waktu untuk mengumpulkan setiap bitnya. Anda harus yakin dengan data yang Anda kumpulkan (dengan memperbaruinya secara retrospektif) dan keamanan konektor atau layanan yang Anda gunakan untuk tujuan ini. Selain itu, semua layanan periklanan memiliki API yang diperbarui secara berkala, dan oleh karena itu konektor Anda juga harus diperbarui. Jika tidak, Anda berisiko membuat keputusan yang salah karena kesalahan pengumpulan data. Tantangan dalam mengumpulkan data pemasaran adalah sebagai berikut:

• Sepenuhnya mengontrol akses ke data Anda (ini semua tentang keamanan data)
• Mendapatkan data mentah tanpa sampel (untuk menghindari pelaporan yang terdistorsi) dengan biaya sumber daya yang minimal
• Mengumpulkan data yang benar (tidak ada duplikasi atau kehilangan data)
• Memastikan relevansi dan granularitas data yang tinggi
• Mempersiapkan terlebih dahulu untuk pembuatan penyimpanan data atau danau data Anda
• Memadukan data dari sumber yang berbeda tanpa harus menulis kueri SQL, dll.

Larutan. Alih-alih mengumpulkan data secara manual, solusi terbaik adalah mengumpulkan data secara otomatis ke dalam gudang data dari layanan periklanan dan situs web Anda menggunakan konektor data seperti OWOX BI Pipeline. Kemudian Anda dapat memperkaya data yang dikumpulkan dengan data dari sistem CRM Anda dan sumber lainnya.

Sebaiknya gunakan Google BigQuery untuk penyimpanan data. Ini adalah pilihan terbaik di pasar yang mempertimbangkan kebutuhan pemasar. Anda dapat mengirim data mentah dari situs Anda ke BigQuery dan menambahkan data dari sistem CRM dan layanan periklanan Anda.

Ada berbagai alat untuk membantu Anda mengumpulkan semua data ini:

• Konektor bawaan dari BigQuery
• Konektor individual (misalnya add-on Google BigQuery ke Google Spreadsheet)
• Platform yang menyediakan solusi ujung ke ujung untuk pengumpulan, pemrosesan, dan visualisasi data

Normalisasi data adalah proses pengorganisasian atau penataan database sehingga semua catatan seragam, artinya semua data dalam bidang tertentu dalam format yang sama.

Mengapa Anda perlu menormalkan data? Anda telah melakukan pekerjaan yang sangat baik dan menyiapkan pengumpulan data di semua titik kontak pelanggan. Namun, tantangan Anda belum berakhir. Sekarang Anda perlu mendapatkan data Anda dalam satu format dan memastikannya diperbarui dan lengkap.

Bayangkan Anda ingin jus segar. Anda mengambil apel (data biaya dari Iklan Twitter dalam dolar), pir (pengeluaran dari layanan periklanan dalam euro dan dolar), dan jeruk (data dari sistem CRM Anda dalam pound). Anda telah memasukkannya ke dalam satu keranjang — yaitu, mengumpulkan data Anda di satu tempat. Bagaimana dengan langkah Anda selanjutnya? Kamu harus:

• Mencuci buah: Pastikan data telah dikumpulkan dengan benar dan tidak ada apel busuk (tidak ada pengambilan sampel atau duplikasi).
• Kupas buah dan potong-potong: Bawa data Anda ke dalam satu format, satu mata uang, dll.

Sekarang buah Anda siap dikirim ke mixer! Dan data lengkap Anda siap menyenangkan Anda dengan aliran informasi segar yang konsisten.

Tantangan untuk diatasi. Banyak kesalahan dan kesulitan dapat muncul selama normalisasi data. Jika dilakukan secara manual, monster itu berasal dari tumpukan kueri dan skrip, dan jika ada yang rusak atau berubah, semuanya akan rusak.

Sebagai hasil dari semua manipulasi data, Anda harus mendapatkan informasi yang akurat dan terstruktur pada output: format tag yang seragam, mata uang tunggal, data ganda yang dihilangkan, dll. Data yang dinormalisasi adalah data yang bagus! Tantangan utamanya adalah:

• Meminimalkan atau menghindari masalah modifikasi data: Pembaruan atau penyisipan anomali dapat sangat memengaruhi keakuratan data
• Meminimalkan atau menghindari ketergantungan penyisipan, pembaruan, dan penghapusan yang tidak diinginkan

Secara umum, Anda harus memberikan data terstruktur berkualitas tinggi sehingga Anda dapat fokus dalam memberikan wawasan yang bermanfaat.

Larutan. Tentu saja, saat membersihkan data dan membawanya ke dalam satu format, analis dapat melakukannya secara manual menggunakan skrip dan SQL. Namun, jauh lebih nyaman menggunakan layanan ETL untuk menerapkan solusi otomatis. Idealnya, konektor data yang Anda pilih harus menormalkan data di semua saluran Anda:

• Bersihkan dan stabilkan data serta pantau kualitasnya
• Konversikan mata uang di berbagai pasar atau toko
• Gabungkan data biaya menjadi satu kolom (setiap platform pasar memiliki nama yang berbeda untuk bidang yang sama)

Pencampuran data mencakup penggabungan data dari beberapa sumber data menjadi satu kumpulan data (biasanya dengan bantuan kueri SQL).

Meskipun pendekatan ini biasa, perusahaan progresif telah mulai menerapkan pemodelan data agar tidak menyiapkan data untuk setiap laporan. Tim OWOX BI menggunakan alat pembuatan data (DBT) untuk memodelkan data pelanggan. Dengan pendekatan ini, data dimodelkan sekali, setelah itu mudah untuk mengelola kueri, membuat laporan, dan membuat perubahan apa pun. Layanan DBT sangat nyaman dan jelas merupakan alat nomor satu untuk tugas seperti itu.

Mengapa Anda perlu memadukan data? Memadukan data sangat penting agar Anda bisa mendapatkan gambaran yang jelas tentang ROI untuk mengidentifikasi platform yang berkinerja buruk dan mengalokasikan kembali anggaran.

Sayangnya, memblender buah itu sederhana — kirimkan saja potongan-potongan itu ke blender dan voila! jus sudah siap — tidak ada solusi sederhana dengan data. Data berasal dari sumber yang berbeda (platform periklanan, sistem CRM, dll.) dan karenanya memiliki struktur yang berbeda. Ini berarti bahwa untuk membuat semuanya berfungsi, Anda harus mengambil hasil kueri terpisah untuk sumber data yang berbeda dan menggabungkannya dalam satu kumpulan data.

Kami telah menyebutkan normalisasi data pada langkah sebelumnya, tetapi ini dapat dilakukan pada tingkat yang berbeda, dan kami tertarik untuk menggabungkan data dari sistem yang berbeda ke dalam satu tabel dan mendapatkan tingkat perincian dan detail yang berbeda.

Tantangan untuk diatasi. Semuanya cukup mudah ketika Anda menganalisis hanya satu sumber data. Namun, tantangan terbesar datang saat Anda perlu membuat, misalnya, laporan kinerja dengan banyak data. Proses ini, yang melibatkan kumpulan data besar dari berbagai sumber, membutuhkan banyak waktu dan seringkali tidak mungkin tanpa partisipasi analis.

Selain itu, kemungkinan batasan dalam proses pencampuran data sangat bergantung pada alat yang Anda pilih untuk digunakan. Untuk menentukan layanan mana yang paling sesuai untuk tugas Anda dan menghindari pembayaran berlebih, kami sarankan untuk memanfaatkan periode uji coba gratis dan rapat demo.

Larutan. Seperti halnya normalisasi data, alat ETL khusus akan membantu Anda memadukan data. Opsi mana yang harus Anda pilih untuk pencampuran data? Itu semua tergantung pada ukuran perusahaan Anda dan, karenanya, pada jumlah data yang Anda gunakan.

• Jika Anda memiliki satu atau dua sumber data — misalnya, situs web dan iklan Facebook — Anda cukup menggunakan alat gratis dan populer seperti Google Data Studio.
• Jika Anda memiliki proyek e-niaga besar, banyak kampanye iklan di berbagai platform, dan ingin mempertimbangkan tindakan pengguna online dan offline, maka Anda tidak dapat melakukannya tanpa layanan lanjutan (seperti OWOX BI + Data Studio/Tableau/Power BI, dll. ) dan bantuan analis. Pilih layanan yang juga menawarkan pengimporan universal, memberikan perincian data yang tinggi, dan memantau kualitas data.

Catatan! Data Studio atau alat BI lainnya dirancang untuk bekerja dengan set data siap laporan yang datanya sudah dicampur. Jika alat BI menggabungkan data itu sendiri, itu akan bekerja dengan lambat dan tidak nyaman saat menggunakan lebih dari dua sumber data.

Pembuatan dasbor adalah presentasi visual dari indikator kinerja utama yang membantu Anda berhenti menebak-nebak berapa banyak yang telah Anda belanjakan di semua saluran dan melaporkan kinerja pemasaran dengan percaya diri.

Mengapa Anda membutuhkan dasbor? Untuk memahami apakah kampanye dan situs web Anda mendatangkan pelanggan baru dan untuk mendapatkan informasi tentang saluran mana yang berfungsi, di zona pertumbuhan mana yang layak diinvestasikan, dan di mana harus berhenti membuang-buang anggaran. Singkatnya, laporan diperlukan karena dua alasan utama:

1. Untuk memantau situasi saat ini dan kemajuan pekerjaan
2. Untuk menganalisis dan mencari tahu mengapa sesuatu yang spesifik terjadi

Catatan! Jangan lupa tentang visualisasi data, yang membantu Anda memahami informasi lebih cepat dan lebih mudah.

Untuk kemudahan penggunaan, luncurkan kampanye iklan berbayar dengan dasbor siap pakai yang akan menunjukkan keefektifan investasi Anda yang sebenarnya. Jika Anda tidak menyiapkan laporan terlebih dahulu, Anda akan menghabiskan uang Anda tanpa tujuan, dan kemudian Anda masih perlu menyiapkan laporan.

Tantangan untuk diatasi. Memvisualisasikan data adalah tugas rutin dan melelahkan yang membutuhkan banyak perhatian. Juga, jika Anda terus-menerus harus menunggu bantuan dari analis, Anda harus mempertimbangkan untuk menggunakan layanan yang akan membantu Anda menghindari membuang waktu dan memberikan bantuan kepada pemasar dalam membuat laporan. Di antara tantangan utama pembuatan dasbor adalah:

• Memvisualisasikan arti laporan dengan benar
• Menggunakan data yang lengkap dan berkualitas untuk membuat laporan dengan parameter dan metrik apa pun tanpa batasan
• Memperbarui data secara otomatis dan mengubah periode pelaporan dengan mudah
• Memperjelas sekilas informasi apa yang disajikan dalam grafik dan tabel
• Untuk dasbor kompleks dengan sejumlah besar data dan sumber data, Anda mungkin sering memerlukan bantuan dari analis Anda, padahal mereka biasanya memiliki tugas lain yang menjadi prioritas

Juga, jangan lupa bahwa untuk mendapatkan pelaporan kinerja holistik, Anda perlu memberi perhatian khusus pada pilihan model atribusi Anda — model itu harus memperhitungkan corong dan kekhasan bisnis Anda.

Larutan. Pasar menawarkan banyak peluang kepada pemasar untuk membuat laporan untuk setiap selera, dari Google Spreadsheet favorit semua orang hingga alat intelijen bisnis yang kompleks. Perhatikan bahwa jika Anda membuat laporan iklan secara manual, seperti di Excel atau Google Spreadsheet, Anda mempertaruhkan waktu dan kualitas data Anda. Dan data berkualitas buruk, seperti yang telah kami katakan, adalah alasan pertama untuk keputusan yang salah.

Sekarang setelah Anda menyelesaikan semuanya (data Anda dikumpulkan, dibersihkan, dan dimodelkan), Anda harus melewati garis akhir dengan menghubungkan data ini ke layanan dasbor dan mendapatkan laporan.

Alat yang digunakan biasanya tergantung pada ukuran dan persyaratan bisnis. Apa yang dapat dilakukan oleh pemasar untuk mencapai hasil yang luar biasa?

1. Kumpulkan data menggunakan alat ETL
2. Menggunakan layanan seperti Data Cerdas yang berfungsi dengan data yang dimodelkan dan memungkinkan pemasar membuat laporan apa pun tanpa bantuan berkelanjutan dari analis dan berdasarkan data di Google BigQuery
3. Impor laporan ke layanan visualisasi atau Google Spreadsheet

Mengelola dunia perdagangan digital yang berubah tanpa pemantauan terus-menerus sangatlah sulit. Beri diri Anda hadiah dan berhenti menghabiskan waktu untuk pelaporan manual! Kedengarannya bagus, bukan?

Anda bisa mendapatkan semuanya dengan OWOX BI. Layanan ini membebaskan waktu Anda yang berharga dan menangani:

• Pengumpulan data
• Membersihkan, menghapus duplikasi, memantau kualitas, dan memperbarui data
• Pemodelan dan pelaporan data

Dengan OWOX BI, Anda dapat mengumpulkan data pemasaran untuk laporan kompleksitas apa pun di penyimpanan cloud BigQuery Google yang aman tanpa bantuan analis dan developer.

Anda tidak perlu lagi menunggu laporan dari seorang analis. Manjakan diri Anda dengan template dasbor pemasaran yang siap pakai atau dapatkan laporan yang disesuaikan berdasarkan data model dan cocok hanya untuk bisnis Anda.

Dengan pendekatan OWOX BI yang unik, Anda dapat mengubah sumber data dan struktur data tanpa menulis ulang kueri SQL dan menyusun ulang laporan. Ini sangat relevan di dunia Google Analytics baru.

Untuk menghindari tantangan pelaporan, Anda harus memilih alat analisis yang memungkinkan Anda untuk:

• Pastikan data yang Anda gunakan akurat dan dapatkan pengawasan yang lebih baik tentang cara Anda menangani data
• Hindari membuang waktu pada beberapa kumpulan data dan menempatkan pasak persegi di lubang bundar
• Pastikan semua tim Anda selaras, menggunakan proses yang sama, dan berkomunikasi secara efektif