“Siapa yang duduk di kursiku? Siapa yang tidur di ranjangku?” Fabelio mengetahui apa yang dilakukan pelanggan online di toko ritel mereka

Toko multi-channel furnitur dari Indonesia bernama Fabelio.com memutuskan untuk mencari tahu siapa ikan terbesar di kolam dan menghasilkan keuntungan paling banyak — offline atau online. Dengan OWOX BI, mereka mendapatkan laporan ROPO terperinci dan meningkatkan analitik mereka.

Fabelio.com adalah toko online furniture dan dekorasi rumah. Perusahaan ini didirikan di Jakarta, Indonesia, pada tahun 2015, dan berencana untuk memperluas ke pasar Asia Tenggara. Situs web Fabelio.com memiliki lebih dari satu juta pengunjung unik setiap bulannya.

Fabelio.com memiliki sepuluh ruang pamer di mana pelanggan dapat melihat bagaimana produk terlihat, menyentuh bahan, menguji furnitur, dan membayar pembelian mereka. Pemasar Fabelio ingin mengetahui bagaimana upaya pemasaran online mereka berkontribusi pada penjualan di toko offline dan mendapatkan jawaban atas pertanyaan seperti:

• Berapa lama waktu yang dibutuhkan pelanggan untuk membuat keputusan pembelian?
• Bagaimana perbedaan waktu ini menurut kategori produk?
• Saluran online mana yang memiliki pengaruh terbesar pada saluran penjualan pada tahap terakhir sebelum pembelian offline?
• Kategori furnitur mana yang paling populer untuk pelanggan online yang kemudian melakukan pembelian offline?
• Berapa banyak titik kontak situs web yang biasanya ditemui pelanggan sebelum melakukan pembelian?
• Bagaimana semua parameter ini berbeda untuk pelanggan baru vs pelanggan yang kembali?

Tenaga penjual Fabelio.com menuliskan nama, email, dan nomor telepon untuk setiap pengunjung showroom mereka. Itu sebabnya perusahaan tahu pasti kapan pelanggan mengunjungi toko offline, bahkan jika mereka tidak membeli apa pun. Ini adalah sumber data tambahan. Ini juga menimbulkan tantangan baru: bagaimana mencerminkan data ini di saluran penjualan dan menentukan sumber online mana yang harus dikreditkan untuk kunjungan offline ini.

Untuk membangun smart analytics yang mengukur pengaruh promosi online terhadap penjualan offline, tim Fabelio.com harus mengaitkan data aktivitas pengunjung website dengan data aktivitas pelanggan di showroom. Untuk membangun analitik cerdas, Anda harus memilih penyimpanan cloud yang andal di mana semua data yang Anda kumpulkan akan diselaraskan. Untuk penyimpanan data cloud, Fabelio.com memilih Google BigQuery. BigQuery adalah pilihan sempurna untuk perusahaan dengan sumber daya terbatas:

• Ini memiliki harga yang fleksibel dan relatif murah dibandingkan dengan sistem serupa.
• Tidak perlu menginstal perangkat lunak apa pun di server Anda atau melatih karyawan Anda; keterampilan SQL dasar sudah cukup.
• Ini memiliki banyak perpustakaan siap pakai untuk bekerja dan berintegrasi dengan layanan lain.

Pakar pemasaran Fabelio membuat skema berikut untuk mengumpulkan data di Google BigQuery:

Untuk melacak peristiwa di situs web, Fabelio menggunakan Google Analytics (GA) — salah satu sistem analitik digital paling populer di seluruh dunia dan juga di pasar Indonesia. Perusahaan memiliki corong E-niaga yang Disempurnakan di GA:

Selain interaksi utama dengan situs web, tim Fabelio melacak berbagai konversi mikro:

Data ini membantu mereka mengelompokkan pelanggan, menjelajahi corong transaksi secara mendalam, dan memperkirakan sumber lalu lintas secara akurat.

Untuk memperkirakan dampak saluran iklan pada penjualan, kita perlu membandingkan pendapatan dan pengeluaran untuk setiap saluran. Untuk mengumpulkan data untuk perkiraan ini, tim Fabelio membuat pengimporan otomatis pengeluaran ke Google Analytics dengan bantuan OWOX BI Pipeline. Dengan data pengeluaran ini, pemasar Fabelio dapat menganalisis KPI untuk kampanye di Google Ads (yang memiliki integrasi GA) dan layanan lainnya:

Untuk mengimpor data tentang tindakan situs web pelanggan dan pengeluaran iklan ke Google BigQuery, tim Fabelio menggunakan OWOX BI Pipeline. Layanan ini memberikan klik yang sama ke Google Analytics dan Google BigQuery secara bersamaan. Akibatnya, data tidak diambil sampelnya dan tersedia untuk dianalisis di Google BigQuery hanya 2 hingga 5 menit setelah dikirim.

Fabelio menyimpan data pelanggan, pesanan, dan kunjungan ke showroom di Magento CRM. Untuk mengaitkan data offline dan online, pakar Fabelio membuat unggahan harian data CRM ke Google BigQuery dengan bantuan Plugin Lancar.

Ada berbagai solusi siap pakai yang tersedia untuk umum untuk mengintegrasikan Google BigQuery dengan sistem lain. Misalnya, OWOX BI memiliki beberapa skrip gratis untuk mengintegrasikan CRM Anda dengan penyimpanan cloud.

Setelah semua data dikumpulkan di Google BigQuery, Anda perlu menyelaraskannya dalam satu tabel. Analis OWOX BI membantu pemasar Fabelio menyiapkan kumpulan data untuk pesanan online dan offline dengan struktur yang benar.

Pada tahap akhir, tim Fabelio menerapkan model atribusi berbasis corong ML termasuk pesanan offline. Agar berfungsi dengan benar, model khusus ini memerlukan data tentang kunjungan toko offline. Untuk menyediakan data ini, analis Fabelio menyiapkan sumber data tambahan untuk atribusi peristiwa khusus.

Untuk menyelesaikannya, tim Fabelio tinggal meluncurkan perhitungan. Akibatnya, perusahaan mendapat saluran yang memperhitungkan pesanan dan kunjungan offline:

Fabelio.com mendapat laporan otomatis yang memungkinkan pemasar menemukan wawasan dan membuat keputusan yang tepat.

Pemasar Fabelio sekarang memiliki akses ke wawasan berikut di OWOX BI Smart Data:

1. Perbandingan nilai kampanye iklan menurut model atribusi yang berbeda: GA Klik Non-Langsung Terakhir dan Atribusi Berbasis Corong ML oleh OWOX BI

2. Distribusi nilai di seluruh sumber dan saluran pada tahap saluran yang berbeda

Selain itu, analis OWOX BI menyiapkan dasbor yang diperbarui secara otomatis di Data Studio untuk Fabelio. Di dashboard ini, pemasar Fabelio dapat memfilter data berdasarkan sumber, kategori produk, jenis pelanggan, tempat pembelian, metode pembayaran, nama showroom, jumlah hari dari kunjungan pertama dan sesi pertama, dll.

Dasbor membantu pemasar Fabelio menemukan jawaban atas pertanyaan berikut:

1. Berapa banyak titik kontak situs web yang biasanya ditemui pelanggan sebelum melakukan pembelian, dan seberapa menguntungkan titik kontak tersebut?

2. Kapan sesi pertama klien yang melakukan pembelian?
   

3. Berapa banyak titik kontak situs web yang ditemukan pelanggan, rata-rata, untuk kategori tertentu dari barang yang dibeli?
   

4. Berapa lama waktu yang dibutuhkan dari kunjungan situs web pertama hingga pembelian dalam kategori produk tertentu?

PS Rekan kami di Fabelio.com didorong untuk menerapkan solusi ini setelah membaca artikel kami Ritel Multisaluran: Mengapa dan Bagaimana Mengintegrasikan Titik Kontak Pelanggan Online dan Offline. Jika studi kasus ini mendorong Anda untuk mengintegrasikan titik kontak online dan offline, Anda harus mencoba membuat laporan ROPO dengan bantuan OWOX BI. Anda dapat mengalami semua kemungkinan OWOX BI selama uji coba gratis.