Analisis ROPO: Seberapa berguna untuk analisis pemasaran omnichannel?

Hingga 40% pelanggan online untuk mempelajari lebih lanjut tentang produk dan ketersediaannya sebelum mereka mengunjungi toko offline dan membeli sesuatu. Persentase pelanggan seperti itu pasti tergantung pada perusahaan. Namun, banyak pengguna pertama kali melihat iklan online atau penawaran khusus, membaca ulasan dan testimoni dari situs web, dan baru kemudian mereka memutuskan untuk membeli secara offline. Ini berarti inisiatif iklan online Anda dapat memiliki pengaruh serius pada jumlah penjualan offline.​

Dalam hal ini, kami menjelaskan solusi yang diberikan oleh tim OWOX BI untuk rantai toko yang merupakan bagian dari perusahaan Sephora (dimiliki oleh grup LVMH) dan menempati posisi terdepan di pasar global untuk parfum dan produk kosmetik. Itu memiliki tantangan dengan menerapkan analisis ROPO.

Pelanggan pada umumnya dapat membeli barang yang ditawarkan oleh pengecer baik secara online maupun offline. Saat membeli parfum baru, pelanggan mungkin ingin menjelajahi aromanya terlebih dahulu dan baru kemudian melakukan pembelian secara online atau di toko fisik.

Tim pemasaran ingin memahami secara mendalam perilaku penggunanya dalam hal interaksi mereka antara toko online dan offline. Mereka ingin menunjukkan dalam jumlah yang besar bahwa upaya pemasaran online tidak terbatas pada menghasilkan pendapatan dari pesanan online tetapi juga mempengaruhi penjualan offline (yang disebut penelitian online, pembelian offline, atau efek ROPO).

Kami menyarankan untuk membangun sistem analitik dan laporan pemasaran omnichannel.

Prioritas bagi perusahaan, seperti halnya bagi banyak pengecer omnichannel besar, adalah membangun sistem analitik pemasaran yang efektif di semua saluran penjualan.

Masalah pertama yang dihadapi tim pemasaran dalam menyelesaikan masalah ini adalah fragmentasi data. Sepanjang keberadaan perusahaan, banyak data telah dikumpulkan, dan disimpan dalam berbagai sumber dan format, masing-masing dengan metode pemrosesan spesifiknya sendiri. Untuk menentukan efek ROPO, diperlukan satu tempat penyimpanan di mana semua data yang diperlukan untuk analisis dapat digabungkan.

Dari masalah ini diikuti yang lain: Penyimpanan apa yang digunakan? Ada dua pilihan:

1. Simpan semua data di server perusahaan sendiri.
2. Unggah semua data ke penyimpanan cloud.

Setiap pilihan penyimpanan data memiliki kelebihan dan kekurangannya masing-masing. Dalam hal menggunakan server perusahaan sendiri, perlu memperhitungkan waktu yang dihabiskan untuk mengatur penyimpanan tersebut, uang yang dibutuhkan untuk membeli perangkat keras yang diperlukan, biaya pemeliharaan, masalah dengan penskalaan, dan kebutuhan untuk membangun sistem otomatis untuk mengumpulkan dan memproses data.

Tantangan berikutnya adalah memilih alat untuk mengotomatisasi pengiriman data dari berbagai sumber ke satu repositori untuk analisis lebih lanjut. Ada beberapa alat untuk ini, tetapi diperlukan untuk memilih yang terbaik dalam hal harga, kualitas, fungsionalitas, fleksibilitas, dan skalabilitas.

Untuk mengatasi masalah dengan analisis ROPO, pakar pemasaran dan analis harus mengambil langkah-langkah berikut:

• Pilih satu repositori untuk menggabungkan data
• Mengotomatiskan aliran data
• Berdasarkan data yang diperoleh, buat laporan dan indikator dinamis yang diperlukan untuk manajemen perusahaan

Untuk mengimplementasikan rencana ini, tim pemasaran beralih ke OWOX BI, karena kami ahli dalam analisis online dan penggabungan data dan telah menjadi mitra perusahaan sejak 2016.

Para ahli memilih Google Cloud Storage sebagai penyimpanan terpadu dengan koneksi ke Google BigQuery. Alasan utama memilih Google Cloud Storage adalah:

• Kecepatan. Google Cloud Storage dapat memproses terabyte informasi dalam hitungan detik dan petabyte dalam hitungan menit.
• Efisiensi dan transparansi biaya. Dibandingkan dengan alat lain, layanan Google tidak mahal dan nyaman digunakan.
• Skalabilitas sederhana. Dengan peningkatan volume data yang signifikan, Anda tidak perlu mencadangkan kapasitas tambahan, server virtual, dll.
• Integrasi yang nyaman dengan layanan eksternal. Sejumlah besar integrasi tersedia untuk bekerja dengan data dari layanan populer.
• Keandalan dan keamanan data. Standar keamanan, peraturan, dan sertifikasi BigQuery memungkinkan Anda menyimpan data sensitif di proyek Anda.
• Ekspor Google Analytics 360. Anda dapat mengupload data mentah dari Google Analytics langsung ke BigQuery (termasuk data historis selama 13 bulan terakhir).
• Compute Engine, Data Prep, dll. Google Cloud memiliki banyak layanan terintegrasi yang menyederhanakan implementasi solusi.

Tim analis, mengikuti rekomendasi dari OWOX BI, melakukan tindakan berikut untuk mengotomatisasi aliran data:

• Siapkan ekspor data otomatis dari Google Analytics ke Google BigQuery. Perusahaan ini adalah pengguna Google Analytics 360, yang memungkinkannya untuk sepenuhnya menyesuaikan integrasi dengan BigQuery dalam beberapa klik.
• Siapkan integrasi otomatis Google Ads dan Google Analytics. Perlu diperhatikan bahwa sebagian data biaya diimpor secara otomatis ke Google Analytics menggunakan OWOX BI Pipeline. Total biaya dianalisis dalam sistem lain yang lebih sesuai untuk keperluan perusahaan (selain biaya iklan, juga mengumpulkan biaya tetap untuk produksi materi promosi, komisi agensi, dan biaya lainnya, yang tanpanya tidak mungkin menghitung bersih ROI).
• Siapkan pengunggahan otomatis pengeluaran ke Google Analytics untuk Criteo, Facebook, dan sumber iklan lainnya melalui OWOX BI Pipeline. Anda dapat menemukan metode pemuatan biaya iklan di Google Analytics dan keuntungan impor otomatis ke Google Analytics dan BigQuery di artikel kami.
• Data yang diunduh dari CRM ke Google BigQuery. Saat menjelajahi keunggulan BigQuery dan produk Google Cloud Platform lainnya, tim pemasaran memutuskan untuk mencoba membuat laporan ROPO berdasarkan unggahan satu kali. Untuk melakukannya, mereka mengupload data sebulan sekali ke Google Cloud Storage, yang darinya data tersebut dikirim ke BigQuery.
• Setelah tim pemasaran mengetahui semua keuntungan bekerja dengan data di BigQuery, mereka memutuskan untuk terus menggunakan BigQuery sebagai penyimpanan data CRM. Menggunakan integrasi BigQuery dari OWOX BI, mereka menyiapkan pengunggahan otomatis data dari CRM mereka ke BigQuery. Integrasi ini memungkinkan untuk mengelola (menambah, menghapus, dan memperbarui) data secara mandiri di cloud, yang merupakan salah satu keuntungan menggunakan pendekatan ini secara berkelanjutan.

Menggunakan kueri SQL, tim pemasaran menggabungkan semua data yang dikumpulkan di BigQuery ke dalam satu tabel. Sekarang mereka dapat menggunakan data ini untuk membuat laporan dalam format yang sesuai untuk perusahaan menggunakan alat visualisasi data Data Studio.

Perlu dipertimbangkan bahwa data untuk membuat laporan dapat digabungkan tidak hanya dalam layanan visualisasi seperti Data Studio, Tableau, dan Google Charts. Dengan menggunakan petunjuk yang dikembangkan oleh tim OWOX, dalam beberapa klik, Anda dapat menghubungkan tabel yang dibuat di BigQuery langsung ke Atribusi OWOX BI dan alat Data Cerdas OWOX BI untuk membuat laporan ROPO secara otomatis di kantor OWOX BI.

Sebagai hasil dari membangun sistem untuk pemasaran omnichannel analytics, tim pemasaran menjawab sejumlah pertanyaan penting untuk pengembangan bisnis.

Setelah membangun seluruh rantai titik kontak pengguna, mulai dari berinteraksi dengan iklan online hingga membeli di toko offline selama periode tertentu, dimungkinkan untuk mengidentifikasi 3 persen dari semua pengguna yang memasuki situs web dengan ID Pengguna — yaitu, hanya pengunjung yang terdaftar di situs web. Itu mungkin untuk mengidentifikasi tidak hanya sesi pengguna yang diotorisasi pada waktu tertentu tetapi juga sesi pengguna tidak sah yang memiliki kartu loyalitas yang diketahui. Di antara pengguna yang teridentifikasi:

• 31% melakukan pembelian di toko online.
• 17% mengunjungi toko online sebelum melakukan pembelian offline (pengguna ROPO).
• 53% melakukan pembelian di toko online dan offline.

Setelah menganalisis semua data yang diperlukan, tim digital dapat menunjukkan pengaruh iklan media digital terhadap penjualan di toko offline.​Grafik di bawah ini menunjukkan pengaruhnya terhadap penjualan offline dari buletin email yang dikirim pada tanggal 23–25 Agustus.

Laporan tersebut juga memungkinkan tim untuk menilai perubahan dalam pangsa pengguna ROPO untuk memahami seberapa jauh ekspektasi untuk metrik ini sesuai dengan data aktual.​

Grafik ini menunjukkan persentase pendapatan ROPO yang dihasilkan oleh kampanye iklan tertentu.​

Saat membuat grafik di bawah ini, dimungkinkan untuk menunjukkan secara visual pangsa pengguna ROPO yang melakukan pembelian baik online maupun offline dan untuk melacak dinamika perubahan dalam kategori pengguna ini.​

Selain analisis utama, pemasar ingin mengetahui bagaimana perilaku pengguna ROPO berbeda menurut kategori produk dalam hal apa yang dilihat pelanggan di situs web dan apa yang mereka beli secara offline.

Misalnya, ada hipotesis bahwa parfum menghasilkan pendapatan ROPO paling banyak. Namun, laporan tersebut menunjukkan bahwa pada kenyataannya, kategori perawatan wajah dalam rangkaian produk anti-penuaan memiliki pangsa ROPO yang besar. Produk-produk ini dapat dipertimbangkan ketika mengembangkan kampanye iklan online berikutnya.

Semua data ini dan analisis yang benar dari efek ROPO membantu mendefinisikan dan menyajikan dengan jelas keefektifan iklan online, dengan mempertimbangkan semua tindakan pengguna baik online maupun offline. Selain itu, berkat analisis ROPO dan kemampuan untuk mengunduh transaksi offline ke tampilan Google Analytics yang terpisah, pemasar dapat lebih memahami perilaku segmen berbeda dari audiens target mereka, memungkinkan mereka untuk merencanakan aktivitas pemasaran secara lebih rinci.

Langkah selanjutnya adalah meningkatkan persentase pengguna yang teridentifikasi agar lebih akurat dalam menentukan perilaku setiap segmen. Bagian dari tugas ini diselesaikan dengan mengidentifikasi pengguna tidak hanya yang diotorisasi pada waktu tertentu dalam sesi tertentu tetapi juga yang tidak diotorisasi tetapi memiliki kartu loyalitas yang dapat dicocokkan secara retroaktif.