Analisis ROPO: Mengapa Anda membutuhkannya dan bagaimana melakukannya

Bayangkan Anda melakukan pekerjaan dengan baik tetapi Anda mendapat 40 persen lebih sedikit daripada yang Anda harapkan. Hanya karena Anda tidak bisa membuktikan hasil dari usaha Anda. Hal yang hampir sama terjadi pada internet marketer omnichannel yang tidak melakukan analisis ROPO. Tetapi pemasaran online yang diremehkan dalam kasus ini hanyalah setengah dari masalah. Perusahaan yang tidak melacak hubungan antara perilaku pelanggan online dan offline berisiko mengurangi penjualan mereka, misalnya dengan menonaktifkan iklan yang sekilas tidak membuahkan hasil.

Pada artikel ini, kami akan menjelaskan apa itu analisis ROPO dan keuntungan apa yang dapat diberikannya untuk bisnis Anda. Kami akan memberi tahu Anda cara menghubungkan perilaku pengguna di situs dengan pembelian di toko ritel menggunakan OWOX BI data apa yang diperlukan untuk laporan ROPO, dan cara membuatnya.

Mari kita mulai dengan teorinya. ROPO (riset online, pembelian offline) menggambarkan perilaku pelanggan yang mencari produk di internet dan membelinya di toko fisik. Ada beberapa alasan mengapa pelanggan melakukan ini:

Di Barometer Konsumen, Anda juga dapat mengurutkan data menurut jenis produk — seperti barang elektronik atau barang konsumsi — untuk mendapatkan data yang relevan untuk bisnis Anda.

Bagaimana Anda harus menggunakan hasil analisis ROPO tergantung pada tujuan yang ingin Anda capai. Apakah Anda ingin mengetahui efektivitas nyata saluran online Anda, meningkatkan kampanye iklan dan menghemat uang, meningkatkan penjualan online atau offline, atau meningkatkan keuntungan? Mari kita pertimbangkan masing-masing tujuan ini secara lebih rinci.

Jadi, Anda telah memastikan bahwa persentase yang cukup besar dari pengguna yang mempelajari barang di situs Anda pergi membelinya di toko ritel. Karena itu, sulit untuk menghitung konversi dan pengembalian yang tepat dari iklan online, yang dapat menyebabkan keputusan yang buruk.

Jika produk kurang laku secara online, jangan buru-buru menghapusnya dari situs atau mematikan kampanye iklan. Ternyata penjualan produk ini secara offline tiga kali lebih tinggi dari online. Bandingkan aktivitas pengunjung situs web dengan pembelian di toko fisik dan Anda akan mengetahui apakah Anda membuang-buang uang atau duduk di tambang emas.

Saat Anda menentukan pangsa penjualan ROPO, Anda dapat melanjutkan dan menghitung ROAS saluran iklan atau kampanye apa pun berdasarkan pembelian offline. Ini mungkin menunjukkan gambaran yang sama sekali berbeda.

Hanya dengan mempelajari perjalanan pelanggan Anda dapat membuat kampanye iklan seefektif mungkin. Misalkan Anda telah mengonfigurasi email otomatis untuk keranjang belanja yang ditinggalkan. Beberapa pelanggan mungkin menggunakan keranjang belanja sebagai daftar belanja dan kemudian pergi dan berbelanja di toko fisik. Dengan mengidentifikasi pengguna tersebut, Anda dapat mengecualikan mereka dari email pengingat ini dan menghemat uang.

Orang yang melihat situs Anda sebelum membeli cenderung membelanjakan lebih banyak daripada mereka yang tidak.
Setelah menentukan produk mana di situs Anda yang terjual dengan baik sesuai dengan prinsip ROPO, Anda dapat fokus untuk mempromosikannya dan dengan demikian meningkatkan keuntungan Anda.

Jika Anda melakukan analisis ROPO dan menemukan bahwa pelanggan Anda lebih suka membeli produk tertentu di toko ritel, Anda harus memikirkan apa yang salah dengan situs web Anda. Mengapa pelanggan — atau mengapa pelanggan tidak — membeli secara online, alih-alih pergi ke toko Anda (semoga) atau bahkan ke pesaing Anda. Mungkin ada berbagai alasan untuk perilaku ini:

• Harga online dan offline berbeda.
• Beberapa fungsi tidak tersedia di situs, misalnya tidak mungkin membayar dengan mencicil.
• Pengiriman terlalu lama.
• Ada antarmuka yang rumit atau proses pembayaran yang lama.

Setelah memeriksa perilaku pengguna Anda secara mendetail, Anda akan dapat memahami apa yang mencegah mereka melakukan pembelian di situs dan memperbaikinya dengan:

• menawarkan diskon di toko online
• menawarkan garansi tambahan atau pengiriman gratis atau cepat
• menyediakan metode pembayaran yang nyaman
• menambahkan bagian dengan pertanyaan umum
• memberikan informasi tentang cara menghubungi Anda.

Singkatnya, Anda dapat menyesuaikan situs web Anda dengan jalur kustom pelanggan.

Secara konseptual, ada dua cara untuk menilai dampak iklan online terhadap penjualan offline. Yang pertama didasarkan pada identifikasi pengguna tertentu dan menghubungkan tindakan pengunjung di situs dengan pembelian di toko fisik. Jelas bahwa agar ini terjadi, pengguna harus diberi otorisasi.

Solusi kedua disebut fusi data impersonal. Anda dapat menggunakan penggabungan data impersonal untuk menilai dampak iklan televisi pada penjualan offline atau jika situs Anda tidak mengizinkan pengguna mendaftar. Tugas serupa adalah untuk mereka yang mengiklankan produk yang dijual di Amazon atau pasar lain di Facebook. Dalam kasus seperti itu, tidak mungkin untuk mengaitkan konversi dari iklan dan tampilan spanduk dengan pesanan untuk pengguna tertentu. Masalah ini diselesaikan dengan menggunakan korelasi tidak langsung. Ini adalah topik untuk artikel terpisah. Jika Anda tertarik dengan artikel tentang korelasi tidak langsung, beri tahu kami di komentar.

Dalam artikel ini, kami akan fokus untuk mengidentifikasi pengguna tertentu, yang merupakan prioritas untuk bisnis apa pun. Melakukannya memberikan perkiraan efektivitas iklan online berdasarkan kombinasi tindakan pengguna baik online maupun offline.

Tahapan utama mengidentifikasi pengguna:

1. Gabungkan data online dengan data transaksi dari CRM Anda.
2. Identifikasi segmen pembelian ROPO dan pahami pangsa pembelian ini dalam kaitannya dengan penjualan online dan offline.
3. Bangun dasbor untuk pemantauan data tingkat tinggi dan dinamikanya.
4. Buat tabel terperinci untuk agensi sehingga mereka dapat menggunakan data ROPO dalam perencanaan media dan melacak hasilnya.
5. Temukan jawaban atas pertanyaan berikut: Apakah pembeli ROPO memesan melalui situs web? Apa yang mencegah mereka untuk awalnya melakukan pemesanan di situs? Bagaimana Anda dapat menghemat pemasaran ulang ke pelanggan ini?

Sebaiknya gabungkan data dari situs web Anda, data biaya kampanye iklan, dan data dari CRM Anda di Google BigQuery. Untuk melakukan ini, Anda dapat menggunakan Power BI, Google Data Studio, Amazon Redshift, atau alat lainnya. Sebuah bisnis kecil bahkan dapat mengekspor data ke Google Spreadsheet. Namun, Anda harus memahami bahwa pemrosesan data otomatis dapat gagal karena alasan yang tidak jelas dan tidak terduga. Oleh karena itu, Anda perlu menggunakan mekanisme yang bekerja dengan andal dan tidak mengalihkan perhatian Anda dari mencari wawasan dan menerapkan data.

Google BigQuery bagus karena, seperti SaaS lainnya, tidak memerlukan investasi perangkat keras dan memudahkan penggabungan data, berapa pun jumlahnya. Artinya, seiring bertambahnya volume data, Anda tidak perlu mengubah semua permintaan dan setelan. Dan jika Anda tidak memiliki banyak data, maka Anda tidak akan membayar banyak untuk memprosesnya.
Selain itu, BigQuery mendukung pemrosesan ulang data. Jika pelanggan membuat pesanan offline dan kemudian masuk ke situs dan masuk, Anda dapat menggabungkan semua tindakan mereka secara surut. Itu tidak mungkin dengan Google Analytics.

Anda dapat mengekspor data perilaku pengguna dari Google Analytics ke Google BigQuery menggunakan ekspor standar. Bagi mereka yang menggunakan versi gratis Google Analytics, kami merekomendasikan OWOX BI Pipeline untuk mengumpulkan data mentah tanpa sampel dari situs Anda di BigQuery. Anda dapat mengetahui struktur data ini di pusat bantuan kami.

Ini perlu untuk memverifikasi data sumber. Anda harus telah mengonfigurasi dan mentransfer dari situs ke ID Pengguna Google Analytics (atau ID pengguna umum lainnya). Karena data akan dihubungkan dengan tepat oleh ID ini, penting bahwa itu ada di kedua tabel dan benar. Artinya, untuk setiap pengguna yang diotorisasi, ID Pengguna harus dikirim ke Dimensi Kustom dan parameter & uid.

Pastikan ID yang sama tidak digunakan oleh banyak pengguna. Periksa persentase pengguna dengan ID Pengguna dan nilainya sendiri dari waktu ke waktu untuk melihat apakah ada anomali. Untuk tujuan ini, Anda dapat membuat segmen pengguna dengan ID di Google Analytics dan melihat bagaimana segmen ini berkorelasi dengan jumlah total pengguna.

Periksa juga anomali pada data jumlah sesi, pengguna, transaksi, dan pendapatan menurut hari dan menurut sumber lalu lintas. Cara termudah untuk melakukannya adalah di antarmuka GA. Anda dapat mengambil interval waktu beberapa bulan dan melihat Ikhtisar Pemirsa standar, Semua Lalu Lintas, Sumber/Media, Ikhtisar E-niaga, dan laporan lainnya. Periksa apakah laporan ini memiliki puncak atau kegagalan yang tidak masuk akal.

Anda dapat mengimpor pesanan dari CRM ke Google BigQuery satu kali atau menyiapkan pengunggahan data otomatis untuk menghitung pangsa pembelian ROPO secara teratur.

Tabel yang diunggah dari CRM Anda harus mencakup setidaknya:

• Tanggal transaksi
• ID transaksi
• Harga pesanan
• identitas pengguna

Bidang tambahan yang memungkinkan Anda mendapatkan laporan di bagian tambahan:

• Kota
• ID barang
• Jumlah item dalam pesanan
• Harga setiap barang
• Tipe pembayaran
• Jenis pengiriman
• Status pemesanan

Dengan data CRM, perhatikan:

• Ketersediaan semua bidang yang diperlukan
• Ketersediaan data untuk semua hari
• Format yang sebanding untuk tanggal, pendapatan, dan kota
• Kehadiran parameter ID Pengguna di semua transaksi
• Transaksi duplikat

Jika Anda tidak hanya ingin mengetahui pangsa pembelian ROPO tetapi juga menghitung ROAS mereka, Anda memerlukan data biaya dari sumber iklan Anda. Anda dapat mengimpor pengeluaran Anda dari berbagai layanan ke Google Analytics, lalu mengunggahnya ke Google BigQuery sebagai aliran tunggal menggunakan OWOX BI Pipeline.
Semua data Anda dapat digabungkan sesuai dengan skema ini:

OWOX BI menawarkan masa percobaan gratis. Selama waktu ini, Anda dapat menyiapkan pengumpulan data di proyek Google BigQuery untuk membuat laporan tentang ROPO dan indikator pemasaran lainnya.

Setelah mengumpulkan semua data di Google BigQuery, Anda perlu menautkannya. Sebagai kunci, Anda dapat menggunakan ID Pengguna. Ini adalah pengidentifikasi unik yang Anda tetapkan untuk setiap pengguna di database Anda dan dikaitkan dengan alamat email atau kartu loyalitas pengguna. Saat pengguna memasuki situs web Anda dan masuk — misalnya, memasukkan akun pribadi — ID Pengguna mereka ditransfer ke Google Analytics (asalkan Anda memiliki fungsi ini yang dikonfigurasi di GA).

Dengan cara ini, pengguna ditautkan ke tindakan mereka di situs.

Untuk mengenali sebanyak mungkin pengguna Anda, Anda dapat menawarkan bonus untuk masuk: diskon untuk masuk, materi yang dapat diunduh yang berguna, promosi, dll. Anda dapat menemukan lebih banyak cara untuk memotivasi pengguna Anda di artikel kami «Mengapa dan Bagaimana Cara Integrasikan Titik Kontak Pelanggan Online dan Offline»

Anda juga dapat menggunakan parameter huid khusus di tautan yang Anda kirim ke pelanggan Anda melalui email. Dalam parameter ini, Anda dapat menulis nilai ID Pengguna dari sistem CRM Anda. Ini akan membantu Anda mengidentifikasi pengguna meskipun mereka belum masuk ke situs. Misalnya, Anda sudah memiliki pelanggan di CRM Anda dengan email dan ID Pengguna yang unik. Anda mengirim email ke pelanggan ini dengan tautan yang menyertakan ID. Pelanggan mengklik tautan dan pergi ke situs web Anda dan melakukan beberapa tindakan di situs tanpa mendaftar. Melalui Google Pengelola Tag, Anda dapat mentransfer pengenal ini ke Google Analytics di bidang ID Pengguna atau Dimensi Khusus.

Jika pengguna meninggalkan permintaan di situs Anda dan kemudian datang ke toko dan melakukan pembelian, Anda dapat menautkan tindakan mereka menggunakan ID transaksi.

Pada diagram di atas, Anda dapat melihat data perilaku pengguna di situs (kiri) dan data pembelian dari CRM (kanan).

Jika Anda tertarik dengan detail teknis integrasi data dan analisis ROPO, baca beberapa kisah sukses pelanggan kami:

• Kisah Sukses M.video: Mengevaluasi Dampak Iklan Online pada Penjualan Offline
• Kisah Sukses Darjeeling: Analisis ROPO Membuktikan bahwa 40% Pelanggan Mengunjungi Website Perusahaan Sebelum Membeli Secara Offline​

Klien kami sering tertarik dengan analisis ROPO. Oleh karena itu, kami telah menambahkan blok terpisah dari laporan ROPO ke OWOX BI Smart Data. Dengan layanan ini, Anda dapat mengajukan pertanyaan tentang data Anda dalam bahasa Rusia atau Inggris menggunakan bahasa alami. Layanan akan memproses permintaan dan memberi Anda jawaban yang jelas beserta visualnya.

Untuk menerima laporan ROPO, Anda perlu mengunggah data tentang perilaku pengguna dari Google Analytics dan data pesanan offline dari CRM Anda ke proyek Google BigQuery Anda. Kemudian hubungkan proyek Anda ke OWOX BI Smart Data. Anda dapat mencoba OWOX BI secara gratis sekarang untuk melihat cara kerjanya.

Untuk menerima laporan ROPO di Data Cerdas, Anda memerlukan data tentang perilaku pengguna dari Google Analytics dan data tentang pesanan offline dari CRM Anda.

Di Data Cerdas, Anda dapat mengubah semua bidang yang disorot untuk pertanyaan dengan memilih opsi dari daftar drop-down: bagian pendapatan, transaksi pengguna, jumlah pendapatan, ukuran cek rata-rata, dll. Anda dapat mempelajari lebih lanjut tentang metrik yang tersedia di bagian bantuan.

Semua informasi dari laporan dapat diunggah ke Google Data Studio atau diunduh sebagai file CSV. Anda juga dapat menyalin kueri SQL dan menyaringnya di Google BigQuery sesuai kebutuhan.

Perhatikan beberapa contoh laporan.

Jendela konversi 30 hari berarti bahwa maksimal 30 hari telah berlalu antara pengguna terakhir mengunjungi situs dan melakukan pembelian offline. Jendela konversi dapat diubah sesuai dengan bisnis Anda.

Laporan ini menunjukkan bagaimana pendapatan didistribusikan antara penjualan online, offline, dan ROPO. Ini membantu untuk memisahkan pesanan ROPO dari pembelian offline reguler dan untuk memahami peran nyata dari efek ROPO dalam penjualan multi-saluran Anda.

Ini adalah analog dari laporan Waktu ke Konversi (Selang Waktu) di Google Analytics, hanya di sini tindakan online dan pembelian offline terkait. Laporan ini menunjukkan persentase atau jumlah transaksi, pelanggan, dan pendapatan yang turun setiap hari dalam jendela konversi.

Ini akan membantu Anda memahami jendela konversi nyata untuk pembelian ROPO serta melacak hubungan antara nilai transaksi dan jumlah hari yang dibutuhkan pengguna untuk membuat keputusan pembelian.

Dengan laporan ini, Anda dapat menentukan saluran online, sumber, dan kampanye iklan mana yang menghasilkan pembelian offline.

Anda mungkin bertanya, Seberapa akurat hasil analisis ROPO jika hanya pengguna yang terdaftar di situs yang dipertimbangkan?" Ini adalah pertanyaan yang bagus, dan untuk menjawabnya, Anda perlu memahami berapa banyak pengguna yang ada. Sulit untuk mendapatkannya jawaban yang tepat untuk situs tertentu. Jika pengguna tidak masuk, kami tidak tahu pasti apakah dia ada di situs web. Kecuali jika mungkin menggunakan riset panel.

Berdasarkan pengalaman kami, pangsa pengguna resmi yang dapat dikaitkan dengan pembelian offline, bahkan untuk pengecer elektronik konsumen omnichannel rata-rata, mencapai 40 persen. Hasil ini bersifat kumulatif sepanjang tahun. Selama penjualan musiman, itu meningkat. Hal utama adalah bahwa bahkan tanpa kumpulan audiens 100 persen, Anda bisa mendapatkan sampel yang representatif untuk redistribusi anggaran. Ini berarti Anda tidak perlu menggabungkan tindakan setiap pengguna; Anda hanya perlu menggabungkan data jumlah pengguna yang cukup untuk membuat laporan.

Kami telah menyiapkan daftar periksa 20 langkah bagi analis pemasaran untuk membantu Anda menggabungkan data dari sumber online dan offline untuk membuat keputusan yang tepat. Isi formulir dan kami akan mengirimkan daftar periksa ini ke email Anda.