Come migliorare l'analisi interna utilizzando il modello di attribuzione basato su imbuto ML

Applicando quanti più canali pubblicitari possibili per raggiungere i clienti, le aziende affrontano un grosso problema con la corretta valutazione delle prestazioni, del successo e, ovviamente, della crescita dei ricavi. Le domande a cui devono rispondere sono Quale canale funziona meglio? Quale dovrebbe essere eliminato e quale fornisce lead qualificati? Ora è il momento che i modelli di attribuzione entrino in gioco.

In questo caso, descriviamo la soluzione fornita dal team OWOX BI per un grande rivenditore online che ha avuto difficoltà a migliorare le proprie prestazioni e utilizzare il modello di attribuzione corretto.

Prima della collaborazione con OWOX BI, l'azienda utilizzava il modello di attribuzione Last Click che dava tutto il valore all'ultima fonte, ignorando il contributo di tutti i passaggi precedenti prima dell'ordine. Per valutare correttamente il rendimento delle campagne pubblicitarie, si è deciso di impostare il modello di attribuzione basato su imbuto ML.

L'azienda ha una varietà di punti di contatto con gli utenti: annunci sui social media, sito Web di confronto dei prezzi, PPC, sito Web, telefonate, marketing diretto, centri di evasione ordini e avamposti. Simile alla maggior parte dei rivenditori con marketing multicanale, ha dovuto affrontare il problema della dispersione dei dati, poiché l'azienda raccoglie e archivia i dati in sistemi diversi.

Per valutare il contributo di ciascun canale al percorso dei clienti lungo la canalizzazione, il rivenditore doveva unire i dati sul comportamento degli utenti, i costi pubblicitari, gli ordini offline e le entrate effettive dell'azienda, con l'account degli ordini completati. Ciò significa che l'azienda doveva impostare l'analisi di marketing, seguendo questi passaggi:

1. Sviluppa un set individuale di metriche per raccogliere i dati sul comportamento degli utenti dal sito Web a Google Analytics 360. Utilizzando l'esportazione standard, i dati non campionati possono essere inviati a Google BigQuery.
2. Configura la OWOX BI Pipeline per raccogliere dati dai servizi pubblicitari su Google BigQuery.
3. Configura l'esportazione dei dati delle transazioni dal sistema CRM a Google BigQuery.
4. Crea un modello di attribuzione basato sulla canalizzazione ML basato sui dati uniti in Google BigQuery.
5. Esegui il collegamento dei record per i raggruppamenti di canali insieme agli analisti di OWOX BI, poiché i nomi dei rivenditori per i raggruppamenti di canali sono diversi da GA 360.
6. Ottieni rapporti in Fogli Google per la pianificazione del budget mensile.

Di seguito il grafico di consolidamento dei dati:

Ora, diamo un'occhiata più da vicino a come è stato costruito il modello di attribuzione basato sulla canalizzazione ML insieme ai rapporti.

Gli analisti di OWOX BI hanno aiutato a sviluppare, impostare e implementare la serie individuale di metriche per il rivenditore. Inoltre, i nostri specialisti testano e aggiornano regolarmente il sistema di metriche per i nuovi domini insieme alle nuove funzionalità.

I dati sul comportamento degli utenti sul sito web sono stati raccolti in Google Analytics 360 e inviati quotidianamente a Google BigQuery, per essere collegati ai dati sui costi degli annunci e sulle transazioni. L'azienda ha scelto la versione a pagamento di Google Analytics in quanto il suo sito web ha un alto livello di traffico. La versione standard applica il campionamento quando il numero di sessioni utente supera le 500.000, mentre Google Analytics 360 consente di ottenere dati accurati fino a un colpo.

I dati sui costi di AdWords passano a Google Analytics 360, grazie all'integrazione nativa. Mentre OWOX BI Pipeline viene utilizzato per inviare i dati da Facebook a Google Analytics 360 e per unire i dati di costo su tutti i servizi pubblicitari in Google BigQuery. La tabella seguente mostra la struttura dei dati inviati:

Per tenere conto dei dati sui resi e sugli ordini completati, gli analisti esportano i dati sulle transazioni dal sistema CRM a Google BigQuery. La struttura dei dati è mostrata di seguito:

Questa struttura consente di unire i dati sugli ordini completati con i dati sul comportamento degli utenti del sito Web, utilizzando le chiavi user_id e time .

L'imbuto di vendita del rivenditore è composto da 5 passaggi: Visita, Pagina del prodotto, Aggiungi al carrello, Acquista, Acquista. Il team di OWOX BI ha calcolato il periodo di tempo medio dalla visita al sito Web all'acquisto e ha consigliato la finestra di conversione e la finestra di transazione ottimali.

Utilizzando questi dati, è stato creato un modello di attribuzione basato sulla canalizzazione ML:

Il modello di attribuzione basato sulla canalizzazione ML valuta la probabilità che un utente si sposti da una fase della canalizzazione di vendita a un'altra. La colonna grigia mostra il valore di probabilità. Minore è la probabilità di passare da un passaggio all'altro, maggiore sarà il valore della sessione in cui un utente ha superato questo passaggio. Solo le sessioni che hanno portato all'ordine riceveranno il valore. Puoi saperne di più sulla logica di calcolo dell'attribuzione BI OWOX nel nostro post sul blog.

I risultati dell'attribuzione vengono utilizzati per creare rapporti che descriveremo nel passaggio 6.

Tutte le sorgenti di traffico nei rapporti di Google Analytics 360 sono formate per impostazione predefinita nei seguenti raggruppamenti di canali: Diretto, Organico, Email, Referral, Social, Display, CPC e Altro.

Tuttavia, gli esperti di marketing utilizzano i propri nomi di raggruppamento dei canali per i rapporti interni. Per creare il modello di attribuzione, il team dell'azienda ha utilizzato i dati già raccolti per i periodi passati con i propri nomi per i raggruppamenti dei canali. Ecco perché era troppo tardi per cambiare i nomi nelle impostazioni di Google Analytics 360. Per questo motivo, gli analisti di OWOX BI hanno condotto il collegamento dei record e creato un elenco aggiornabile di nomi abbinati per i raggruppamenti di canali in Fogli Google. La tabella seguente mostra la struttura dell'elenco:

Il team di OWOX BI ha creato uno script per combinare il collegamento dei record in Google BigQuery con i risultati dell'attribuzione su base mensile, utilizzando le chiavi sorgente e media .

Con l'aiuto degli analisti di OWOX BI, sono stati creati due report. Il primo rapporto ha aiutato a capire quali affiliati attribuiscono a se stessi il valore di altri canali. Questo rapporto è disponibile in OWOX BI Smart Data. Gli analisti hanno esportato i dati dal rapporto ottenuto in Fogli Google, utilizzando il componente aggiuntivo gratuito OWOX BI BigQuery Reports.

Ecco i passaggi che gli analisti di OWOX BI hanno adottato per esportare i dati su Fogli Google:

1. Passa a Smart Data e chiedi come è distribuito il valore delle fonti e dei mezzi tra i passaggi della canalizzazione e apri il rapporto.
2. Passa all'angolo in alto a destra e scegli Copia la query SQL negli Appunti .

1. Crea un nuovo rapporto in Fogli Google. Per farlo, apri il menu Componenti aggiuntivi , quindi scegli OWOX BI BigQuery Reports e Aggiungi un nuovo report . Quindi seleziona i progetti Google Cloud Platform esistenti, scegli Aggiungi un nuovo rapporto e fai clic su Incolla :

Tieni presente che ogni nuovo rapporto viene creato in un nuovo foglio:

Fornisci la configurazione del rapporto in una barra laterale: seleziona un progetto Google Cloud Platform esistente e una query Google BigQuery, che fornirà i dati da caricare.

Nota! Puoi trovare maggiori dettagli sulla configurazione del rapporto qui.

1. Ora il rapporto è disponibile in Fogli Google. È possibile pianificare l'aggiornamento automatico del rapporto per maggiore comodità. Per farlo, vai a Pianifica rapporti nelle impostazioni di OWOX BI BigQuery Reports:

Impostare il periodo di tempo necessario per l'aggiornamento:

Nota! Per ulteriori informazioni su come pianificare l'aggiornamento regolare del rapporto, seguire questo collegamento.

Gli specialisti di OWOX BI hanno modificato la query e aggiunto parametri dinamici: la fonte e il periodo di analisi.

Nota! Segui questo link per saperne di più sui parametri dinamici nelle query.

Di conseguenza, è stato ottenuto il rapporto sull'analisi del traffico che dimostra quale fase della canalizzazione sta ricevendo maggiore influenza da una determinata fonte:

Dopo aver filtrato solo i partner affiliati, l'azienda può identificare quelli con il maggior valore nella fase finale del funnel:

Il secondo rapporto mostra i costi effettivi, le entrate e il ritorno sulla spesa pubblicitaria delle campagne pubblicitarie. Usando questo rapporto, gli specialisti di marketing possono scoprire quali fonti generano maggiori entrate e quali non pagano:

• Il sistema corretto e flessibile di raccolta dei dati è stato messo a punto dal team di OWOX BI.
• Utilizzando i prodotti OWOX BI e Google, il processo di raccolta dei dati è stato automatizzato. Tutti i dati sono ora disponibili in un'unica interfaccia, in tempo reale.
• Il modello di attribuzione basato sulla canalizzazione ML ha aiutato l'azienda a valutare meglio il rendimento delle campagne e dei canali pubblicitari.