Bagaimana menghitung biaya pengiriman dan ROMI dengan mempertimbangkan pesanan yang dibeli

Tantangan umum bagi pengecer adalah biaya pengiriman yang terkadang tidak menguntungkan. Beberapa pesanan yang dikirimkan oleh perusahaan dengan biaya sendiri sebenarnya tidak dibeli oleh pelanggan pada titik pengiriman. Oleh karena itu, klien kami memutuskan untuk menghitung berapa sebenarnya pengeluaran mereka untuk pengiriman dan periklanan di setiap wilayah.

Dalam hal ini, kami menjelaskan solusi yang diberikan oleh tim OWOX BI untuk pengecer mode besar di segmen menengah yang memiliki tantangan dalam menghitung biaya pengiriman dan ROMI dalam mempertimbangkan pesanan yang dibeli.

Tim pemasaran ingin memecahkan dua masalah utama:

1. Pelajari ROMI sebenarnya dari kampanye iklan yang mempertimbangkan pesanan yang dibeli untuk mengalokasikan anggaran secara lebih efektif di seluruh saluran.
2. Hitung biaya pengiriman berdasarkan wilayah untuk menemukan wilayah yang tidak menguntungkan bagi rantai untuk mengirimkan barang dengan biaya sendiri dan memfokuskan upaya pemasaran di wilayah lain yang lebih menjanjikan.

Untuk menarik lalu lintas dan meningkatkan konversi, banyak saluran yang digunakan seperti iklan kontekstual, CPA (TrackAd), email, dan lain-lain. Biaya iklan dihitung menggunakan metodologi yang berbeda dan disimpan di berbagai layanan. Selain itu, pengecer menawarkan beberapa opsi pengiriman, dan dalam beberapa kasus, mengirimkan pesanan dengan biaya sendiri. Ongkos kirim tergantung wilayah dan berat pembelian. Uang juga dihabiskan untuk iklan di berbagai daerah, yang meningkatkan biaya implementasi. Untuk menganalisis secara teratur semua biaya penjualan barang di berbagai wilayah, dasbor harus dibuat berdasarkan data aktual, dengan mempertimbangkan pesanan yang dibeli.

Saat melakukan pemesanan online, pelanggan memiliki beberapa pilihan pembayaran: bayar di website, bayar dicicil, bayar saat diantar kurir, atau bayar saat diambil di lokasi penjemputan. Dalam dua kasus terakhir, pelanggan dapat mencoba barang dagangan dan dapat memilih untuk membeli hanya sebagian dari pesanan. Oleh karena itu, pendapatan yang dapat dilihat dari pesanan yang dibuat di situs web secara signifikan lebih tinggi daripada pendapatan sebenarnya yang diterima dari pesanan yang dibeli.

Data pesanan yang dikirim, diisi, dan dibeli juga disimpan dalam sistem yang berbeda. Untuk memahami produk mana yang paling sering dibeli, apakah kampanye iklan membuahkan hasil, dan apakah pengiriman ke wilayah tertentu menguntungkan, tim pemasaran perlu mengumpulkan semua data kami menjadi satu laporan.

Untuk menyiapkan analitik lanjutan, kami beralih ke mitra kami CROC, integrator B2B yang telah bekerja dengan klien di 42 negara selama sekitar 30 tahun. Dengan bantuan OWOX BI, tim CROC berhasil mengumpulkan data dari berbagai titik kontak dan membuat dasbor yang memberi kami informasi yang hilang.

Dari checkout hingga pembelian dapat memakan waktu hingga tiga minggu, jadi kami menggunakan laporan berdasarkan data online untuk membuat keputusan operasional tentang alokasi anggaran:

Namun, tidak semua pesanan yang ditempatkan di situs web dibeli. Sebenarnya, ini adalah masalah bagi sebagian besar pengecer mode. Secara kasar, pelanggan dapat memilih barang dengan total biaya 500 euro tetapi hanya membeli barang dagangan senilai 150 euro. Laporan berdasarkan data lengkap menunjukkan gambaran nyata: berapa persentase barang yang dibeli dan berapa banyak uang yang dibawa kepada kami melalui saluran tertentu.

Misalnya, jika Anda melihat ROMI dari bing/cpc, maka pada laporan pertama, kita melihat angka 419,46%, dan pada laporan kedua kita melihat 115,97%. Perbedaannya hampir 3,5 kali lipat.

Oleh karena itu, pada akhir bulan, tim pemasaran melihat laporan data lengkap dan menyesuaikan tarif untuk bulan berikutnya untuk mempertimbangkan penukaran. Laporan tentang parameter pengiriman membantu menentukan di wilayah mana ada lebih banyak pesanan dan memotong wilayah yang tidak menguntungkan:

Dengan menggunakan situs web dan laporan kategori, pemasar menganalisis produk mana yang paling baik dijual di situs web tertentu, situs web mana yang harus berinvestasi lebih banyak, dan situs web mana yang membutuhkan waktu dan tidak mendatangkan keuntungan:

Karena pengecer memiliki banyak aktivitas yang terkait dengan email, pengecer juga perlu memahami kampanye mana yang paling berhasil dan mendorong pengguna untuk menyelesaikan pembelian. Berkat laporan data MindBox, pemasar melihat semua bagian corong dari saat email dikirim hingga saat pembelian.

Wawasan yang diperoleh dari laporan ini:

1. Tingkat konversi email yang dikirim sebelum pembelian sebenarnya rata-rata 0,2%.
2. Persentase konversi terbesar dibuat oleh pelanggan yang menerima surat pemicu untuk tampilan produk dan troli yang ditinggalkan.
3. Beberapa pengguna dapat membuka email dan melakukan pembelian enam bulan setelah menerima email.

Langkah 1 . Siapkan streaming data mentah menggunakan OWOX BI untuk mentransfer data secara bersamaan dari situs ke Google BigQuery, menghindari pengambilan sampel data, dan membuat laporan dengan semua parameter yang tersedia.

Langkah 2 . Juga dengan bantuan OWOX BI, pemasar mengatur impor otomatis data biaya dari layanan periklanan sehingga data tidak akan digabungkan setiap kali secara manual. Dengan cara ini, data biaya dikumpulkan di satu tempat dan dalam satu format dan diperbarui secara otomatis secara berkala.

Data dari Facebook dan Criteo ditransmisikan langsung ke Google BigQuery. Dengan menggunakan streaming Google Analytics → BigQuery (Data Biaya), data biaya BPA juga dapat diunggah ke Google Analytics oleh layanan pihak ketiga. Data biaya Google Ads diimpor ke BigQuery menggunakan integrasi bawaan.

Langkah 3 . Siapkan unggahan data kampanye email menggunakan integrasi khusus oleh OWOX BI.

Langkah 4 . Dengan solusi sendiri, konfigurasikan unggahan data transaksi dan pengiriman dari sistem internal ke Google BigQuery.

Berikut skema pengumpulan dan pergerakan datanya:

Langkah 5 . Siapkan atribusi OWOX BI berdasarkan corong dengan dua langkah konversi yang berbeda: melakukan pemesanan di situs web dan membeli pesanan. Hasilnya adalah dua laporan tentang efektivitas kampanye iklan: satu laporan hanya tentang data online dan satu laporan tentang data lengkap.

Langkah 6 . Beberapa dasbor dibangun yang menjawab pertanyaan penting.

Sebagai hasil dari proyek bersama untuk mengonfigurasi analitik tingkat lanjut, tim pemasaran dapat membuat laporan yang membantu mereka menjawab pertanyaan yang sebelumnya tidak terjawab. Perhitungan ROMI nyata, dengan mempertimbangkan pesanan yang dibeli, memungkinkan mereka mendistribusikan anggaran secara efisien di antara saluran. Dan memahami berapa biaya pengiriman ke setiap wilayah membantu mereka memutuskan wilayah mana yang tidak menguntungkan untuk pengiriman dengan biaya sendiri.

Langkah selanjutnya bagi tim marketing adalah menyelesaikan upload data penjualan di toko offline untuk membangun analisis ROPO. Ini akan membantu melacak dengan jelas bagaimana aktivitas online memengaruhi penjualan offline. Seringkali, kampanye online yang tampaknya tidak efektif mengarahkan pelanggan ke toko offline.