7 modi per valutare e migliorare il marketing digitale

Come puoi valutare l'efficacia e aumentare il ritorno sull'investimento (ROI) della tua pubblicità online? Come puoi sapere quante entrate sono generate dal traffico SEO, dalle app mobili e dagli annunci multimediali? Queste domande sono rilevanti per molte attività online e omnicanale. In questo articolo, descriviamo le soluzioni di OWOX BI che hanno aiutato i nostri clienti a trovare risposte a queste e ad altre domande e a risolvere i loro problemi aziendali.

Di seguito descriviamo sinteticamente come abbiamo aiutato i nostri clienti a realizzare questi sette casi del mondo reale. Se sei interessato ai dettagli tecnici o vuoi provare alcune delle cose che menzioniamo nel tuo progetto, prova OWOX BI gratuitamente.

OWOX BI raccoglie dati da più sistemi in un unico repository e crea report che aiutano i clienti a migliorare la propria marketing intelligence. L'obiettivo è farlo rapidamente, con un elevato livello di qualità e con la massima automazione in modo che le aziende possano guadagnare di più utilizzando i dati che già dispongono.

La segmentazione degli utenti per indirizzare meglio le campagne pubblicitarie è un'attività di base che può e deve essere affrontata nelle fasi iniziali dell'implementazione dell'analisi di marketing.

Obiettivo del cliente : Aumentare il ROI delle campagne pubblicitarie che mirano a riattivare gli utenti che hanno già visitato il sito. In teoria, questi utenti non dovrebbero essere costosi da commercializzare perché hanno già mostrato interesse.

La sfida del cliente : migliorare il targeting delle campagne pubblicitarie per i carrelli degli acquisti abbandonati e i clienti scaduti. Si tratta di persone che hanno eseguito una determinata serie di azioni sul sito ma non hanno acquistato nulla. Allo stesso tempo, il nostro cliente crede di poter acquistare qualcosa.

La nostra ipotesi : se selezioniamo un segmento di visitatori del sito web che hanno aggiunto un articolo al carrello negli ultimi X giorni e mostriamo loro la pubblicità, è più probabile che acquistino qualcosa rispetto ai visitatori di altri segmenti. Di conseguenza, facendo pubblicità a questo segmento possiamo aumentare i ricavi mantenendo lo stesso rapporto costi ricavi (CRR).

La segmentazione degli utenti è sempre necessaria per verificare le ipotesi. Possiamo presumere che i segmenti di utenti selezionati si comporteranno in un modo o nell'altro dopo aver visto un annuncio, ma non vi è alcuna garanzia al 100% che accadrà.

Il nostro cliente ha definito le condizioni in base alle quali si sono formati i segmenti. Dopo aver formato dei segmenti secondo quelle condizioni, abbiamo trasformato la nostra ipotesi in un compito tecnico per il nostro analista. Questo compito è stato suddiviso in fasi.

Fase 1 . Forma due segmenti di utenti. Il primo segmento era costituito dagli utenti che hanno aggiunto un articolo al carrello negli ultimi X giorni ma non hanno acquistato nulla. Il secondo segmento era costituito dagli utenti che eseguivano alcune serie di azioni sul sito (definite dal cliente).

Google Analytics campiona i dati dei clienti in risposta al traffico intenso. Pertanto, per costruire i segmenti, abbiamo utilizzato i dati grezzi dal sito del nostro cliente trasmessi a Google BigQuery utilizzando OWOX BI Pipeline. BigQuery è un servizio di cloud storage che consente non solo di raccogliere informazioni ma di elaborarle comodamente utilizzando SQL.

Il nostro analista ha scritto query SQL per formare i segmenti utilizzando i dati grezzi del sito Web. Questi segmenti contengono i dati di Google Client ID e Yandex Client ID, che possono essere utilizzati nei servizi pubblicitari di Google Ads e Yandex.Direct.

Fase 2 . Trasferisci automaticamente i segmenti su Google Ads e Yandex.Direct in modo che gli specialisti pubblicitari possano utilizzarli nella creazione di campagne pubblicitarie.

OWOX BI ha una pipeline di dati automatica che preleva i segmenti da Google BigQuery, calcola i dati per essi quotidianamente e carica tali dati su Google Analytics. I segmenti del sistema di analisi web possono essere esportati in modo nativo in Google Ads. Una seconda pipeline BI OWOX carica questi segmenti in Yandex.Audience.

Fase 3 . Gli specialisti dei nostri clienti hanno stabilito regole nei servizi pubblicitari che hanno aumentato le tariffe per questi segmenti.

Questa soluzione ha diverse caratteristiche importanti. Ad esempio, per caricare un segmento su Yandex. Pubblico, deve contenere un minimo di 1.000 righe (per poter utilizzare un ID client Yandex univoco).

OWOX BI non raccoglie gli ID client Yandex per impostazione predefinita. Yandex. Metric deve essere installato su un sito per generare gli ID client e, affinché accedano a Google BigQuery, è necessario configurarne la trasmissione tramite OWOX BI.

Se sei un utente OWOX BI e desideri raccogliere ID client Yandex in Google BigQuery, scrivici. Condivideremo le istruzioni su come farlo con Google Tag Manager. Se non sei un utente di OWOX BI ma sei interessato a questa possibilità, prova OWOX BI gratuitamente e scopri come può aiutarti a raggiungere i tuoi obiettivi.

Il nostro cliente ha riconfigurato il pubblico nelle sue campagne, che avevano già funzionato per il retargeting, ha setacciato gli utenti che non rientravano nei segmenti giusti e ha concentrato il budget sugli utenti nei segmenti scelti.

Di conseguenza, con le stesse campagne e lo stesso investimento, il ROI è aumentato dal 100% al 150% (c'erano molte campagne, quindi l'indicatore è una media). In effetti, i costi di questa decisione erano minimi e l'efficienza era abbastanza tangibile. Queste campagne funzionano ancora oggi. Non abbiamo ricevuto alcun feedback dal nostro cliente sul fatto che questo aumento fosse solo temporaneo.

Quando iniziamo a lavorare con un progetto, il primo compito è calcolare il ROI sui guadagni reali.

Per impostazione predefinita, Google Analytics può vedere solo le vendite dal sito, ma ciò non riflette realmente il denaro che entra nei conti di un'azienda.

Sappiamo che alcuni ordini online non vengono completati o vengono modificati durante la conferma dell'ordine. Gli utenti potrebbero:

1. Semplicemente non completare l'ordine
2. Cambia il loro ordine per telefono, modificando così l'importo dell'ordine
3. Ordina la consegna in un negozio fisico ma non ritira l'acquisto

Di conseguenza, l'azienda non riceve l'importo visualizzato in Google Analytics. Pertanto, non è del tutto corretto calcolare le entrate in base ai dati in Google Analytics. È necessario valutare l'efficacia della pubblicità online tenendo conto dei dati di vendita reali del tuo CRM.

Obiettivo del cliente : aumentare il ROI delle campagne pubblicitarie a un CRR fisso senza aumentare i costi.

La sfida del cliente : ridistribuire il budget pubblicitario in base alle vendite effettive generate dalle fonti pubblicitarie. In poche parole, devi spostare il budget dai canali che non generano un ROI sufficiente a quelli più efficienti.

La nostra ipotesi : se calcoli il ROI in base agli acquisti (e idealmente anche ai margini), puoi adattare la tua strategia di marketing e investire in quelle fonti di traffico che portano maggiori entrate. Di conseguenza, il ROI delle campagne pubblicitarie aumenterà.

Il nostro cliente aveva già raccolto dati non campionati in Google BigQuery utilizzando OWOX BI. Ma era necessario integrare questi dati con i dati sulle vendite provenienti dal sistema interno dell'azienda. Il compito è stato implementato in cinque fasi.

Fase 1 . Impostare correttamente il trasferimento dei dati dell'ordine dal sito al sistema CRM del cliente. Trasferisci l'ID transazione e l'ID cliente Google.

Un ID transazione viene formato quando viene effettuato un ordine sul sito e viene inviato a Google Analytics e BigQuery insieme al corrispondente ID cliente. È importante trasferire entrambi gli ID al CRM in parallelo in modo da poter collegare l'utente alla transazione e al pagamento.

Fase 2 . Imposta la generazione dell'ID utente sul lato del CRM del cliente e invia l'ID utente a Google BigQuery durante il checkout.

Un ID utente viene generato dal sistema CRM quando vengono scritte informazioni su un nuovo cliente. Ad esempio, supponiamo che qualcuno effettui un acquisto in un negozio e il cassiere chieda il suo numero di telefono e lo inserisca nel CRM. Il sistema assegna quindi a questo utente un identificatore univoco. In futuro, quando l'utente autorizza l'accesso al sito tramite telefono, il CRM lo riconosce.

Google Analytics ha una funzione User ID. I nostri sviluppatori lo hanno configurato in modo tale che quando i clienti autorizzano o effettuano un ordine sul sito del nostro cliente, l'ID utente viene inviato al sito in DataLayer. Da lì, viene trasmesso a Google Analytics e Google Big Query.

Grazie a ciò, puoi associare le azioni degli utenti autorizzati sul sito a informazioni dettagliate su di loro. Ad esempio, il tuo CRM può memorizzare il nome, il numero di telefono e l'e-mail di una persona. Con una chiave ID utente intermedia, puoi combinare i dati del sito e del CRM, nonché i dati di pagamento per un ordine specifico.

Fase 3 . Configura il caricamento dei dati di vendita effettivi dal tuo CRM a Google BigQuery nella struttura con cui vuoi lavorare. A tal fine, abbiamo formato un incarico tecnico e lo abbiamo consegnato agli sviluppatori del nostro cliente per l'implementazione.

Fase 4 . Combina tutti i dati in BigQuery in un'unica tabella. I nostri analisti hanno scritto una query SQL che collega le informazioni sugli ordini online ai dati CRM sugli ordini completati e sui relativi importi. Le chiavi per combinare questi dati erano l'ID transazione, l'ID utente e l'ID cliente.

Fase 5 . Crea un rapporto in Google Data Studio che mostri il ROI per le sorgenti di traffico, tenendo conto dei beni acquistati negli ordini. Abbiamo calcolato il ROI in base ai costi marginali.

L'impostazione del corretto trasferimento dei dati dal sito al CRM e il download dei dati del CRM in Google BigQuery richiedono il coinvolgimento degli sviluppatori lato business, che spesso ritarda notevolmente il processo.

Abbiamo fornito al nostro cliente un rapporto sulle prestazioni della sorgente di traffico basato sui dati per le vendite effettive.

Questo report viene utilizzato dai top manager per prendere decisioni strategiche e da specialisti della pubblicità contestuale per gestire il budget per specifiche campagne pubblicitarie.

Ecco un esempio di questo rapporto:

Vuoi sapere quanto sono efficaci i tuoi annunci sulla base di dati di vendita reali nel tuo CRM? Prova OWOX BI gratuitamente e scopri come può aiutarti a raggiungere i tuoi obiettivi.

La terza soluzione a cui giungono i nostri clienti dopo aver creato i report di base sopra descritti è l'analisi ROPO (ricerca online, acquisto offline). Mostra l'impatto del marketing digitale sulle vendite nei negozi fisici. Ciò è particolarmente rilevante per i progetti di e-commerce omnicanale.

Le persone guardano le merci su un sito e le controllano in negozio per vari motivi, dalla sfiducia negli acquisti su Internet al desiderio di toccare il prodotto.

Durante la pianificazione del budget annuale, un CMO desidera ottenere più denaro per i canali online perché comprende che alcune vendite attribuite alla pubblicità online avvengono offline. Se l'OCM è in grado di misurare questo effetto almeno in parte, sarà un buon argomento per aumentare il budget.

Obiettivo del cliente : dimostrare la necessità di aumentare il budget per il marketing online e dimostrare il valore nascosto degli investimenti nella pubblicità online.

La sfida del cliente : analizzare l'efficacia della pubblicità online, tenendo conto del suo successivo impatto sulle vendite offline.

La nostra ipotesi : alcuni utenti vengono a conoscenza di un prodotto sul sito ma lo acquistano in un negozio fisico. Cioè, le campagne online rimangono sottovalutate. Se monitoriamo le visite al sito e gli ulteriori acquisti di questi utenti nei negozi fisici, possiamo misurare il vero valore della pubblicità digitale.

Per collegare l'attività di un utente sul sito ai suoi successivi acquisti nei negozi offline, abbiamo principalmente fatto la stessa cosa che abbiamo fatto per analizzare il ROI in base agli ordini completati (dettagliato nella sezione precedente):

1. Imposta l'ID utente sul lato CRM e invialo a Google BigQuery.
2. Configura l'ID cliente in modo che venga passato correttamente al CRM e BigQuery.
3. Configura il trasferimento dei dati per i campi Telefono utente ed Email utente dal sito a BigQuery e al CRM del cliente durante il checkout.
4. Configura il caricamento dei dati dal CRM del cliente a Google BigQuery. A differenza del caso precedente, questo caricamento contiene non solo ordini online ma ordini provenienti da negozi al dettaglio.
5. Scrivi una query SQL che colleghi i dati dell'attività sul sito alle informazioni dal CRM. Le chiavi per collegare i dati alle vendite offline sono ID utente/Telefono utente/E-mail utente.
6. Crea un rapporto in Google Data Studio per analizzare l'effetto ROPO.

Lo schema per combinare i dati si presenta così:

Puoi collegare gli utenti online alle vendite offline solo se un utente effettua un acquisto sul sito o è autorizzato sul sito.

Come mostra la pratica, la quota di utenti autorizzati è di circa il 5% di tutti i visitatori del sito web. Più utenti autorizzati hai, più rappresentativi saranno i dati nei tuoi rapporti. Ma anche dal 5% al ​​10%, è possibile trarre alcune conclusioni che possono portare a seri cambiamenti nel modo in cui gestisci il budget di marketing.

Un'altra difficoltà è tenere traccia della qualità dei dati quando hai già impostato tutte le integrazioni. Assicurati che i dati vengano trasmessi correttamente e che gli identificatori corrispondano in modo che le modifiche future nel sistema CRM non interrompano ciò che hai configurato. Questa è una questione di quanto sia bravo il team IT del tuo cliente.

Dopo aver misurato l'effetto ROPO, il ROI delle campagne pubblicitarie dei nostri clienti è aumentato dal 50% al 150% . Vale la pena notare che in questi casi il ROI mostra sempre una crescita perché si aggiungono entrate generate da campagne online ma ricevute offline.

Esempio di come potrebbe essere un rapporto ROPO:

Questo report consente a un cliente di analizzare i dati nelle seguenti categorie:

• Entrate solo online
• Entrate solo offline
• Entrate ROPO
• Entrate da fonte/medio/campagna solo online
• Proventi da fonte/medio/campagna comprese le successive vendite offline
• Entrate online e ROPO per categoria di prodotto e sottocategoria
• Entrate online e ROPO per città
• Tempo dalla visita al sito all'acquisto ROPO in giorni
• Numero di sessioni sul sito prima dell'acquisto di ROPO
• E molti altri

Vuoi sapere in che modo i tuoi sforzi online influiscono sulle vendite offline? Prova OWOX BI gratuitamente e scopri come può aiutarti a raggiungere i tuoi obiettivi.

Questo è un compito piuttosto complesso e atipico, anche se interessante. L'ottimizzazione SEO ha un effetto ritardato ed è spesso difficile valutare l'efficacia del lavoro svolto, ad esempio, negli ultimi sei mesi. Soprattutto se è un sito enorme.

In generale, sappiamo quanti utenti arrivano attraverso la ricerca di Google e possiamo persino escludere il traffico del marchio. Ma quanti utenti arrivano proprio perché categorie e sottocategorie sono state ottimizzate o testi e titoli ben scritti?

Diciamo che hai speso $ 10.000 in SEO lo scorso trimestre. Quante entrate hai ottenuto in sei mesi da quei soldi?

Obiettivo del cliente : valutare l'efficacia degli investimenti SEO, tenendo conto non solo degli ordini online ma anche dei pagamenti effettivi.

La sfida del cliente : creare un report che mostri l'efficacia della SEO per categoria di prodotto. Questo rapporto dovrebbe essere basato sulle vendite effettive.

La nostra ipotesi : sappiamo quali parole chiave sono state pompate e su quali pagine. Conosciamo la posizione in SEO drop-out su queste chiavi. Conosciamo le vendite di queste pagine che hanno il traffico di ricerca come fonte. Se colleghiamo questi dati, otterremo vendite da quelle parole chiave che sono nel TOP di drop-out SEO. Cioè, possiamo misurare l'efficacia degli investimenti in SEO.

Fase 1 . Carica tutte le informazioni necessarie su Google BigQuery:

• Dati grezzi sul comportamento degli utenti raccolti da OWOX BI sul sito
• Dati da Google Search Console e Yandex. Metriche sulle principali parole chiave che hanno indirizzato il traffico al sito e alle pagine di destinazione. Perché abbiamo utilizzato Search Console? Perché nel servizio di misurazione della posizione vediamo solo traffico ipotetico che potrebbe provenire da queste parole chiave.
• Dati dal servizio di misurazione della posizione del sito in un drop-out organico (ad esempio, Allpositions). Questo ci permette di determinare quali posizioni avevano le parole chiave. Se le parole chiave sono, ad esempio, al di sotto del quinto posto nell'abbandono, possiamo escluderle dall'analisi.
• Dati di vendita effettivi dal sistema CRM

Fase 2 . Sulla base degli URL, crea gruppi di query di parole chiave nella sezione delle pagine di destinazione. Non abbiamo analizzato un URL ma URL per intere categorie di prodotti. Ad esempio, per i piccoli elettrodomestici, possiamo guardare i frullatori e poi i frullatori Braun.

Fase 3 . Trova le parole chiave attraverso le quali il traffico SEO è arrivato al sito misurando le posizioni nel drop-out. Abbiamo caricato i risultati su GBQ e ordinato le richieste al di sotto di una determinata posizione.

Fase 4 . Utilizzando una query SQL, collega i dati sull'attività dell'utente sul sito ai dati di vendita effettivi dal CRM.

Fase 5 . Evidenzia le sessioni che hanno portato a transazioni con una fonte SEO (utilizzando il modello di attribuzione dell'ultimo clic non diretto).

Fase 6 . Evidenzia le landing page di queste transazioni e associale alle parole chiave SEO che hanno portato traffico su queste pagine.

Fase 7 . Crea un rapporto che mostri come l'ottimizzazione SEO di determinate pagine influisca sul traffico e sugli acquisti effettivi su queste pagine.

Google Search Console ti consente di caricare fino a 5.000 righe di dati. Di conseguenza, non possiamo analizzare tutte le richieste di parole chiave che portano traffico al sito.

Ad esempio, possiamo esaminare l'efficacia delle parole chiave in un determinato gruppo di pagine. Diciamo che c'erano 100 parole chiave, di cui 50 in cima, e di queste 50 sappiamo che 30 rappresentano il traffico che è entrato nell'offload di Search Console. Supponiamo che ci fosse traffico anche per altre richieste, solo il servizio non ci ha fornito queste informazioni.

Non c'è modo di misurare con una precisione del 100% quali parole chiave hanno indirizzato il traffico alle pagine che abbiamo analizzato. Pertanto, all'inizio dell'analisi, abbiamo accettato come un dato di fatto che i nostri risultati avrebbero avuto un certo grado di errore.

Abbiamo fornito al nostro cliente un report che permette loro di analizzare l'efficacia delle attività SEO per un certo periodo. L'analisi dell'efficienza si è basata sulle vendite effettive, quindi è stato possibile contare il ROI del traffico SEO.

Vuoi costruire un report che mostri l'efficienza del traffico SEO? Prova OWOX BI gratuitamente e scopri come può aiutarti a raggiungere i tuoi obiettivi.

Recentemente, questo compito è diventato molto urgente. Probabilmente la metà di tutto il traffico Internet e gran parte delle vendite passa attraverso i dispositivi mobili. Molti dei nostri clienti utilizzano applicazioni mobili in parallelo con applicazioni online e offline. Quando acquisti traffico da dispositivi mobili, vuoi capirne l'efficacia.

Obiettivo del cliente : valutare l'efficienza nell'attirare traffico tramite fonti a pagamento (Google Ads) per promuovere le installazioni e le vendite di app mobili all'interno dell'app.

La sfida del cliente : creare un report che mostri l'efficienza delle sorgenti di traffico in termini di azioni di conversione chiave (installazioni, registrazioni, transazioni, entrate).

La nostra ipotesi : collegando i dati grezzi di AppsFlyer (installazioni, azioni degli utenti, sorgenti di traffico, entrate) con i dati sui costi di Google Ads, possiamo costruire un rapporto che mostra il ROI delle campagne pubblicitarie in termini di azioni di transazione rilevanti.

1. Utilizzando OWOX BI, carica i dati grezzi sul comportamento degli utenti in-app da AppsFlyer a BigQuery e carica le informazioni sulle origini dell'installazione, le transazioni successive e le entrate dall'app a GBQ.
2. Controlla il caricamento per vedere se tutti i dati richiesti per il rapporto corrispondono ai dati del CRM (ricavi, numero di conversioni).
3. Configura un caricamento delle spese di Google Ads su GBQ utilizzando il metodo di trasferimento dei dati.
4. Scrivi una query SQL che colleghi i dati da AppsFlyer e Trasferimento dati ed esegua i calcoli richiesti.
5. Crea un rapporto in Google Data Studio.

Le applicazioni mobili possono avere un effetto ritardato. Ad esempio, qualcuno può installare un'app ma registrarsi con essa solo un mese dopo. Il nostro cliente voleva analizzare l'efficacia del traffico acquistato nel tempo. Cioè, se X unità dell'applicazione sono state acquistate dal canale Y a marzo, quante di queste unità hanno avviato azioni di conversione in aprile, maggio, giugno, ecc.? Per rispondere a questa domanda, abbiamo creato un rapporto speciale.

È stata anche una sfida eseguire analisi tra paesi, città e gruppi di campagne pubblicitarie in modo che il nostro cliente potesse, ad esempio, vedere l'efficacia delle campagne supervisionate da un determinato manager. Questo è stato implementato utilizzando filtri.

Consapevolmente non abbiamo utilizzato i dati CRM nel report perché c'erano pochi errori tra le vendite effettive nel sistema interno e i dati dell'applicazione.

Il nostro cliente ha ricevuto un rapporto aggiornato automaticamente in Google Data Studio che risponde alle seguenti domande:

• Quante impostazioni dell'app ha portato la sorgente di traffico X nel mese Y?
• Quante conversioni in-app ci sono state nel mese di installazione e nei mesi successivi? (per fonte di traffico)
• Qual è l'efficacia dei gruppi di campagne in termini di parametri di cui sopra?
• Quanto sono efficaci le campagne pubblicitarie in tutti i paesi?

Non possiamo condividere un report cliente che contenga dati sensibili, ma ecco un esempio di report di base (nessuna compensazione mensile) che può essere creato con la soluzione descritta:

Vuoi saperne di più sull'efficienza del traffico dalle applicazioni mobili? Prova OWOX BI gratuitamente e scopri come può soddisfare le tue esigenze.

Per impostazione predefinita, i rapporti di Google Analytics utilizzano il modello di attribuzione Ultimo clic non diretto. Questo modello assegna tutto il valore di una transazione all'ultima fonte indiretta nella catena prima dell'ordine. Per questo motivo, altre fonti che hanno promosso l'utente attraverso la canalizzazione sono sottovalutate.

Puoi utilizzare l'attribuzione basata su imbuto ML di OWOX BI per conoscere il valore reale dei canali e distribuire efficacemente il tuo budget. Tiene conto di tutti i punti di contatto e di tutte le azioni dell'utente durante lo spostamento nella canalizzazione dalla prima visita all'acquisto.

Obiettivo del cliente: aumentare il ROI delle sorgenti di traffico a pagamento controllate a un indice CRR fisso.

La sfida del cliente: creare un rapporto che mostri le sorgenti di traffico sottovalutate e la loro efficacia in termini monetari, tenendo conto dei contatti di ciascun utente con il sito.

La nostra ipotesi: il ROI può essere aumentato senza aumentare il CRR se il budget pubblicitario viene effettivamente ridistribuito. Per fare ciò, il calcolo del ROI deve tenere conto del contributo di tutte le campagne e delle fonti che hanno promosso l'utente attraverso il funnel, non solo di quelle che hanno chiuso le trattative.

1. Raccogli dati grezzi sul comportamento degli utenti sul sito e inviali a Google BigQuery utilizzando OWOX BI.
2. Imposta l'importazione dei dati di costo dai servizi pubblicitari a Google Analytics e Google BigQuery.
3. Configura l'ID cliente, l'ID utente e l'ID transazione da inviare correttamente a BigQuery e al CRM.
4. Carica i dati di vendita effettivi dal CRM a Google BigQuery nella struttura richiesta.
5. Collega i dati sul comportamento degli utenti dal sito agli ordini completati in base alle chiavi ID cliente, ID utente e ID transazione. Le query SQL non sono richieste: tutto avviene all'interno del modello di attribuzione BI OWOX. Carichiamo semplicemente i dati nel formato corretto e li aggiungiamo al calcolo del modello.
6. Imposta un modello di attribuzione ed esegui calcoli in OWOX BI. In questa fase, possiamo specificare come fasi della canalizzazione gli eventi importanti per una determinata attività, compresi quelli che si verificano offline (riunioni, chiamate, webinar, ecc.). La canalizzazione può variare a seconda di ciò che un'azienda vuole misurare e di come vede il percorso dell'utente verso un acquisto.
7. Esegui l'analisi dei dati iniziale utilizzando i report OWOX BI Smart Data standard per evitare di spendere risorse per la visualizzazione dei dati in sistemi BI di terze parti. In Smart Data, puoi visualizzare report completati basati sui risultati dei calcoli del modello di attribuzione senza query SQL. Ad esempio, puoi vedere il ROI delle campagne pubblicitarie e come differisce dal ROI mostrato dall'attribuzione dell'ultimo clic non diretto.

Il corretto trasferimento dell'ID cliente e dell'ID transazione insieme all'ordine al tuo CRM richiede un team di sviluppo lato client. Lo stesso vale per la configurazione e la trasmissione dell'ID utente.

Per interpretare correttamente i risultati del calcolo di attribuzione è necessario coinvolgere gli specialisti del team del cliente. Questo perché è difficile valutare correttamente il comportamento di alcune sorgenti di traffico senza conoscere il contesto e la logica secondo cui sono state impostate le campagne pubblicitarie.

Il nostro cliente ha ricevuto report pronti che possono essere utilizzati per:

• Confronta il ROI delle sorgenti di traffico con gli ordini completati per l'attribuzione dell'ultimo clic non diretto e l'attribuzione basata sulla canalizzazione ML
• Analizza l'efficacia delle sorgenti di traffico nelle diverse fasi della canalizzazione
• Passa automaticamente i risultati del calcolo del modello di attribuzione ad Alytics, Google Ads e K50 per automatizzare la gestione delle tariffe (OWOX BI si integra con questi servizi).

Ecco un esempio di rapporto di OWOX BI Smart Data che mostra come il ROI delle campagne pubblicitarie differisce tra i modelli di attribuzione:

Ad esempio, in questo screenshot, vediamo che la fonte del ROI bing/organic è superiore del 20% rispetto a Google Analytics. Cioè, la fonte ha effettivamente guadagnato più soldi ma è stata sottovalutata in Google Analytics perché era nel mezzo della canalizzazione.

Vuoi valutare l'impatto reciproco delle tue campagne pubblicitarie e il loro contributo alle vendite? Prova OWOX BI e scopri come può aiutarti a raggiungere i tuoi obiettivi.

Quando un utente vede un annuncio da qualche parte, non fa clic su nulla, ma dopo un po' va al sito ed esegue una determinata azione, si parla di conversione post-visualizzazione. Questi sono difficili da tracciare, in quanto non esiste una connessione diretta e la transizione all'annuncio.

Inoltre, i grandi attori come Facebook, Google, YouTube e Yandex non sono molto interessati a consentire a terze parti di accedere ai loro sistemi. Cioè, non vogliono fornire dati che indicano che un particolare utente ha visto un particolare annuncio pubblicitario.

Obiettivo del cliente: aumentare l'efficienza degli investimenti nella pubblicità sui media (banner e video).

La sfida del cliente: tenere traccia delle visualizzazioni delle creatività multimediali (nessun clic) e delle successive visite al sito da parte degli utenti che hanno visualizzato un annuncio.

La nostra ipotesi: possiamo posizionare un codice di tracciamento (pixel) sui siti in cui il cliente pubblica i suoi annunci multimediali. Questo pixel assegnerà un cookie univoco a ciascun utente che vede l'annuncio. Dopo un po', questo utente può accedere al sito Web del cliente. Potremo quindi leggere il cookie che abbiamo assegnato e utilizzare questi dati per creare analisi post-visualizzazione.

Il team di OWOX BI aveva il compito di sviluppare un metodo di tracciamento che raccogliesse i dati sulle visualizzazioni degli annunci in modo che potesse essere combinato con i dati sul comportamento degli utenti dal sito del cliente. In sostanza, abbiamo creato un pezzo di codice che può essere posizionato sui siti in cui viene eseguito l'annuncio.

Abbiamo quindi bisogno di Google BigQuery per combinare i dati sulla visualizzazione degli annunci con i dati sul comportamento degli utenti dal sito del nostro cliente in modo che potesse essere elaborato utilizzando SQL.

Il compito è stato implementato in più fasi:

1. Raccogliere i requisiti aziendali dal cliente.
2. Sulla base di tali requisiti aziendali, preparare TA per l'introduzione di un pixel nei siti in cui verrà inserita la pubblicità sui media.
3. Verifica la qualità dell'implementazione dell'AT e la qualità dei dati che entrano in Google BigQuery durante lo screening degli annunci.
4. Avvia campagne e monitora la qualità della trasmissione dei dati.
5. Collega i dati raccolti durante il periodo della campagna ai dati sul comportamento degli utenti e ai dati CRM.
6. Crea un rapporto che risponda alle domande commerciali del cliente.

• Non tutti i siti erano interessati ad ospitare il nostro pixel.
• Abbiamo utilizzato il nostro ID utente OWOX come chiave per la mappatura dei dati.
• Abbiamo costantemente monitorato il tracciamento e il corretto funzionamento del nostro script su piattaforme di proprietà dell'inserzionista.
• Abbiamo considerato non solo le vendite dirette all'interno della finestra di conversione, ma anche l'impatto della pubblicità sull'attrazione di un nuovo pubblico (uno dei KPI del cliente).

Il nostro cliente ha ricevuto un rapporto che ha risposto alle seguenti domande:

• Qual è il ROI delle campagne con ordini online?
• Qual è il ROI delle campagne per gli ordini completati entro 10 giorni dalla visualizzazione di un annuncio?
• Qual è il ROI della pubblicità dato l'impatto del ROPO?
• Quali siti si sono rivelati più efficaci in termini di ROI/CR/nuovi utenti?
• Quale percentuale di utenti che hanno visto gli annunci è già stata sul sito?
• Quanti nuovi utenti sono stati portati sul sito entro X/Y/Z giorni dalla visualizzazione di un annuncio?
• Quanti nuovi utenti hanno acquistato dopo aver visualizzato un annuncio?
• Quali articoli sono stati acquistati dagli utenti che hanno visto un annuncio?
• Quanti utenti scaduti (che non sono entrati nel sito o non hanno acquistato sul sito per X giorni) sono stati riportati da un annuncio?

Esempio di rapporto di conversione post-visualizzazione:

Vuoi lo stesso rapporto? Prova OWOX BI e scopri come puoi usarlo per superare le tue sfide di analisi di marketing.

• I dati sono il petrolio del 21° secolo.
• Lavorare con i dati richiede sperimentazione e verifica di ipotesi.
• Devi essere preparato che non tutti gli esperimenti avranno successo.
• Il desiderio del tuo CMO da solo non basta; sono necessari processi all'interno dell'azienda affinché i dati inizino a portare denaro e il team dovrebbe averne bisogno.
• Trasformare i dati in denaro è l'alchimia del 21° secolo? Non la pensiamo così :)