Analisi ROPO: quanto è utile per l'analisi di marketing omnicanale

Fino al 40% dei clienti va online per saperne di più sui prodotti e sulla loro disponibilità prima di visitare il negozio offline e acquistare qualcosa. La percentuale di tali clienti dipende sicuramente dall'azienda. Tuttavia, tonnellate di utenti prima vedono annunci online o offerte speciali, leggono recensioni e testimonianze dal sito Web e solo allora decidono di acquistare offline. Ciò significa che le tue iniziative pubblicitarie online possono avere una grave influenza sul numero di vendite offline.​

In questo caso, descriviamo la soluzione fornita dal team OWOX BI per una catena di negozi che fa parte della società Sephora (di proprietà del gruppo LVMH) e occupa una posizione di leadership nel mercato globale di profumi e prodotti cosmetici. Ha avuto difficoltà con l'applicazione dell'analisi ROPO.

I clienti possono generalmente acquistare la merce offerta dal rivenditore sia online che offline. Quando acquista un nuovo profumo, un cliente potrebbe voler prima esplorare gli aromi e solo dopo effettuare un acquisto online o in un negozio fisico.

Il team di marketing voleva comprendere a fondo il comportamento dei propri utenti in termini di interazione tra negozi online e offline. Volevano dimostrare in cifre che gli sforzi di marketing online non si limitano a generare entrate dagli ordini online, ma influiscono anche sulle vendite offline (la cosiddetta ricerca online, acquisto offline o effetto ROPO).

Abbiamo suggerito di creare un sistema di analisi e report di marketing omnicanale.

La priorità per l'azienda, come per molti grandi rivenditori omnicanale, era costruire un sistema di analisi di marketing efficace su tutti i canali di vendita.

Il primo problema affrontato dal team di marketing per risolvere questo problema è stata la frammentazione dei dati. Nel corso dell'esistenza dell'azienda, molti dati sono stati accumulati e sono stati archiviati in varie fonti e formati, ognuno con il proprio metodo di elaborazione specifico. Per determinare l'effetto ROPO era necessario un unico repository in cui tutti i dati necessari per l'analisi potessero essere combinati.

Da questo problema ne è seguito un altro: quale spazio di archiviazione utilizzare? C'erano due opzioni:

1. Archivia tutti i dati sui server dell'azienda.
2. Carica tutti i dati sul cloud storage.

Ogni opzione di archiviazione dei dati ha i suoi vantaggi e svantaggi. Nel caso di utilizzo di server di proprietà dell'azienda, è necessario tenere conto del tempo dedicato all'organizzazione di tale storage, del denaro necessario per l'acquisto dell'hardware necessario, dei costi di manutenzione, dei problemi di scalabilità e della necessità di realizzare un sistema automatizzato di raccolta e elaborazione dei dati.

La sfida successiva è stata la scelta di uno strumento per automatizzare la consegna dei dati da varie fonti a un unico repository per ulteriori analisi. Esistono diversi strumenti per questo, ma era necessario scegliere il meglio in termini di prezzo, qualità, funzionalità, flessibilità e scalabilità.

Per risolvere i problemi con l'analisi ROPO, gli esperti di marketing e gli analisti hanno dovuto adottare i seguenti passaggi:

• Seleziona un unico repository per unire i dati
• Automatizza il flusso di dati
• Sulla base dei dati ottenuti, costruire i report e gli indicatori dinamici necessari alla gestione dell'azienda

Per implementare questo piano, il team di marketing si è rivolto a OWOX BI, poiché siamo esperti in analisi online e fusione di dati e siamo partner dell'azienda dal 2016.

Gli esperti hanno scelto Google Cloud Storage come storage unificato con connessione a Google BigQuery. I motivi principali per la scelta di Google Cloud Storage sono stati:

• Velocità. Google Cloud Storage può elaborare terabyte di informazioni in secondi e petabyte in pochi minuti.
• Efficienza e trasparenza dei costi. Rispetto ad altri strumenti, il servizio di Google è economico e comodo da usare.
• Scalabilità semplice. Con un aumento significativo del volume di dati, non è necessario riservare capacità aggiuntiva, server virtuali, ecc.
• Comoda integrazione con servizi esterni. È disponibile un gran numero di integrazioni per lavorare con i dati dei servizi più diffusi.
• Affidabilità e sicurezza dei dati. Gli standard di sicurezza, regolamentazione e certificazione di BigQuery ti consentono di archiviare dati sensibili nel tuo progetto.
• Esportazione di Google Analytics 360. È possibile caricare dati grezzi da Google Analytics direttamente su BigQuery (compresi i dati storici degli ultimi 13 mesi).
• Compute Engine, Data Prep, ecc. Google Cloud ha molti servizi integrati che semplificano l'implementazione delle soluzioni.

Il team di analisti, seguendo le raccomandazioni di OWOX BI, ha svolto le seguenti azioni per automatizzare il flusso di dati:

• Imposta l'esportazione automatica dei dati da Google Analytics a Google BigQuery. L'azienda è un utente di Google Analytics 360, che le consente di personalizzare completamente l'integrazione con BigQuery in pochi clic.
• Imposta l'integrazione automatica di Google Ads e Google Analytics. Vale la pena notare che parte dei dati sui costi viene importata automaticamente in Google Analytics utilizzando OWOX BI Pipeline. Le spese totali vengono analizzate in un altro sistema più adatto alle finalità dell'azienda (oltre alle spese pubblicitarie, vengono raccolte anche le spese fisse per la produzione di materiale promozionale, le commissioni di agenzia e altre spese, senza le quali è impossibile calcolare il ROI).
• Imposta il caricamento automatico delle spese su Google Analytics per Criteo, Facebook e altre fonti pubblicitarie tramite OWOX BI Pipeline. Puoi trovare i metodi per caricare i costi pubblicitari in Google Analytics e il vantaggio dell'importazione automatica in Google Analytics e BigQuery nel nostro articolo.
• Dati scaricati dal CRM in Google BigQuery. Durante l'esplorazione dei vantaggi di BigQuery e di altri prodotti Google Cloud Platform, il team di marketing ha deciso di provare a creare rapporti ROPO basati su caricamenti una tantum. Per fare ciò, hanno caricato i dati una volta al mese su Google Cloud Storage, da cui sono stati inviati a BigQuery.
• Dopo che il team di marketing ha conosciuto tutti i vantaggi dell'utilizzo dei dati in BigQuery, ha deciso di continuare a utilizzare BigQuery come datastore CRM. Utilizzando l'integrazione di BigQuery da OWOX BI, hanno impostato il caricamento automatico dei dati dal proprio CRM a BigQuery. Questa integrazione ha consentito di gestire (aggiungere, eliminare e aggiornare) i dati in modo indipendente nel cloud, uno dei vantaggi dell'utilizzo di questo approccio su base continuativa.

Utilizzando le query SQL, il team di marketing ha unito tutti i dati raccolti in BigQuery in un'unica tabella. Ora possono utilizzare questi dati per creare report in un formato adatto alle aziende utilizzando lo strumento di visualizzazione dei dati di Data Studio.

Vale la pena considerare che i dati per la creazione di report possono essere uniti non solo nei servizi di visualizzazione come Data Studio, Tableau e Google Charts. Utilizzando le istruzioni sviluppate dal team OWOX, in pochi clic, puoi collegare una tabella creata in BigQuery direttamente agli strumenti OWOX BI Attribution e OWOX BI Smart Data per generare automaticamente report ROPO nell'ufficio OWOX BI.

Come risultato della creazione di un sistema per l'analisi omnicanale di marketing, il team di marketing ha risposto a una serie di domande importanti per lo sviluppo del business.

Avendo costruito l'intera catena di punti di contatto degli utenti, dall'interazione con la pubblicità online all'acquisto in un negozio offline in un determinato periodo, è stato possibile identificare il 3% di tutti gli utenti che sono entrati nel sito Web tramite User ID, ovvero solo quei visitatori che sono registrati sul sito. È stato possibile identificare non solo le sessioni di utenti autorizzati in un determinato momento, ma anche le sessioni di utenti non autorizzati che dispongono di una carta fedeltà nota. Tra gli utenti identificati:

• Il 31% ha effettuato acquisti nel negozio online.
• Il 17% ha visitato il negozio online prima di un acquisto offline (utenti ROPO).
• Il 53% ha effettuato acquisti sia nei negozi online che offline.

Dopo aver analizzato tutti i dati necessari, il team digitale ha potuto mostrare in cifre l'influenza della pubblicità sui media digitali sulle vendite nei negozi offline.​Il grafico seguente mostra l'influenza sulle vendite offline di una newsletter inviata il 23 e il 25 agosto.

Il report consente inoltre al team di valutare i cambiamenti nella quota di utenti ROPO per capire fino a che punto le aspettative per questa metrica corrispondono ai dati effettivi.​

Questo grafico mostra quale percentuale delle entrate ROPO è stata generata da una specifica campagna pubblicitaria.​

Durante la costruzione dei grafici sottostanti, è stato possibile mostrare visivamente la quota di utenti ROPO che hanno effettuato acquisti sia online che offline e tracciare la dinamica dei cambiamenti in questa categoria di utenti.​

Oltre all'analisi principale, i marketer hanno voluto scoprire come il comportamento degli utenti ROPO differisca per categoria di prodotto in termini di ciò che i clienti guardano sul sito Web e di ciò che acquistano offline.

Ad esempio, c'era un'ipotesi che il profumo portasse la maggior parte delle entrate ROPO. Tuttavia, il rapporto ha mostrato che, in effetti, la categoria per la cura del viso nella serie di prodotti antietà ha un'ampia quota di ROPO. Questi prodotti possono essere presi in considerazione durante lo sviluppo della prossima campagna pubblicitaria online.

Tutti questi dati e la corretta analisi dell'effetto ROPO hanno contribuito a definire e presentare chiaramente l'efficacia della pubblicità online, tenendo conto di tutte le azioni degli utenti sia online che offline. Inoltre, grazie all'analisi ROPO e alla possibilità di scaricare le transazioni offline in una visualizzazione separata di Google Analytics, gli esperti di marketing possono comprendere meglio il comportamento di diversi segmenti del loro pubblico di destinazione, consentendo loro di pianificare le attività di marketing in modo più dettagliato.

Il passaggio successivo consiste nell'aumentare la percentuale di utenti identificati al fine di determinare con maggiore precisione il comportamento di ciascun segmento. Parte di questo compito è stato risolto identificando gli utenti non solo che sono autorizzati in un determinato momento in una determinata sessione ma che non sono autorizzati, ma hanno una carta fedeltà che può essere abbinata retroattivamente.