コンバージョンに役立つ2.4倍のキーワードを見つけて、PPC広告のROIを17%向上させる方法
公開: 2022-05-25今日のマーケティング競争に勝つことは、データ分析を適用して業績を改善することなしには不可能です。 新しいテクノロジーにより、企業はワークフローを変革し、データを効果的に活用して意思決定を行い、マーケティング目標をより迅速に達成できます。
この場合、OWOX BIチームが提供する、顧客がWebサイト、実店舗、またはコールセンターを通じて電話で購入する家具や家庭用品のオムニチャネル小売業者向けのソリューションについて説明します。 オンライン広告のROIを改善するという課題がありました。
目次
- 目標
- チャレンジ
- 解決
- ステップ1.GoogleBigQueryでデータを収集する
- ステップ2.データを処理する
- ステップ3.アトリビューションモデルを実装する
- ステップ4.データをAlyticsに送信して使用する
- 結果
目標
同社はオンライン広告のROIを改善しようとしていたため、その戦略には次のステップが含まれていました。
- デバイス間で、各顧客のオフラインおよびオンラインアクティビティに関する完全なデータを収集します。
- 最後のキーワードにすべてのクレジットを割り当てるのではなく、各キーワードによってもたらされる収益を評価します。
- PPC広告の入札管理と調整を自動化します。
プロセスには、完全なデータ(ユーザーアクション、オンライン、オフライン、電話での注文、広告パフォーマンスデータ)の収集、カスタムアトリビューションモデルの実装、Alyticsでの入札管理の自動化が含まれます。
チャレンジ
同社は、入札を自動化するために各キーワードのパフォーマンスを知る必要がありました。 デバイス間のオンラインセッション、電話、実店舗での購入など、すべての顧客のタッチポイントをつなぎ合わせて、キーワードの値を決定する必要があります。 Google Analyticsには、そのようなオプションはありません。
Google Analyticsのアトリビューションモデルは、次の欠点があるため、広告チャネルを正確に評価できません。
- キャンセルされた注文を無視します。
- オフライン購入を省略します。
- 購入の粗利益を無視します。
- 電話注文を省略します。
- 複数のユニークユーザーとして、複数のデバイスにアクセスしているユーザーを誤って追跡します。
- レポートのサンプリングデータ。
キーワードのパフォーマンスを誤って評価すると、入札単価を正しく設定することが困難になります。 その結果、高い入札は予算の無駄になり、低い入札は顧客を減らすことになります。
解決
電話注文とオフライン注文に関するデータ、およびGoogle以外の有料広告キャンペーンの費用データは、Googleアナリティクスでは利用できません。 そのため、データ収集とアトリビューションモデリングはGoogleBigQueryで設定されます。
このサービスが選択された理由は次のとおりです。
- 任意の量のデータでの高速クエリ処理(最大20秒)。
- APIを使用すると、他のシステムと簡単に統合できます。
- ファイルやGoogleスプレッドシートから簡単にデータをアップロードできる可能性。
- 使用のみの充電。
- データベースを維持する必要はありません。
チャネルとキーワードの値は、入札を管理するためにGoogle BigQueryで計算され、結果はRESTfulAPIを使用してAlyticsにインポートされました。
それでは、各ステップを詳しく見ていきましょう。
ステップ1.GoogleBigQueryでデータを収集する
Google AdWordsの費用とパフォーマンスのデータは、ネイティブ統合とアカウントリンクのおかげで、GoogleAnalyticsに自動的にインポートされます。
OWOX BIパイプラインは、次の目的で使用されます。
- 広告サービスからGoogleAnalyticsへのセッション、コスト、および収益のパフォーマンスデータを収集します。 このデータは、GoogleAdWordsのデータとともに費用分析レポートに表示されます。
- 統合されたセッション、コスト、収益のパフォーマンスデータをGoogleAnalyticsからGoogleBigQueryにインポートします。
- ほぼリアルタイムで、ウェブサイトからGoogleBigQueryにユーザーの行動データをインポートします。
次のデータは、APIを使用してGoogleBigQueryに送信されます。
- CRMおよびERPからの製品の粗利益および注文完了率。
- CallTouch通話追跡システムから電話をかけたユーザーのClientID。 CallTouchが提供する複数の電話番号が使用されます。訪問数が多く、平均セッション時間が長いほど、CallTouchが提供する電話番号が多くなります。 システムは、Webサイトの各セッションで番号の1つを表示し、その番号をユーザーのClientIDに関連付けます。 次に、発信者のClientIDがCallTouchからGoogleBigQueryにインポートされます。
データ収集のフローチャートを以下に示します。

ステップ2.データを処理する
現在、実店舗、コールセンター、ウェブサイトからのすべてのユーザー行動データがGoogleBigQueryに収集されています。 セッションデータ(ヒットシーケンス、セッションID、ユーザーの暗号化された個人データ)は、OWOXBIPipelineを使用してGoogleBigQueryに転送されます。 セッションは、次のパラメーターによってユーザーに関連付けられます。
- ClientID、ブラウザとデバイスのペアの一意の識別子。
- UserID、ユーザーの電子メールアドレスにバインドされている各ユーザーの一意の識別子。
- ポイントカード番号。
Hoffは、SQLクエリを使用してセッションをグループ化します。 データがどのように結合されるかの3つの例を見てみましょう。
例1
アンナは、スマートフォンのブラウザアプリを使用して、ウェブサイトでソファを閲覧します。 しばらくすると、彼女は同じデバイスで再びWebサイトにアクセスし、選択を行い、電子メールでサインインして、ソファをカートに追加します。 デバイスとブラウザは同じであるため、これら2つのセッションはClientIDによってグループ化されます。 アンナは家に帰り、ラップトップを開いてアカウントにログインし、選択したソファを購入します。 これで、彼女の電話とラップトップのセッションをUserIDで組み合わせることができます。


例2
ニックは、仕事用のコンピューターで新しいキッチンテーブルを探しているときに、Webサイトにアクセスします。 昼休みにスマートフォンを使ってウェブサイトにアカウントを作成し、注文します。
ニックは2つの異なるデバイスを使用し、スマートフォンからのみ許可されました。 これらの2つのセッションは、ClientIDまたはUserIDでリンクすることはできません。 その結果、GoogleAnalyticsはそれらを2人の異なるユーザーからのセッションとしてカウントします。
仕事に戻ったニックは、妻がクルミではなくウェンジテーブルを常に望んでいたこと、そしてポイントカードを持っていることを覚えています。 彼は仕事用のコンピューターでWebサイトにアクセスし、ログインして注文を変更し、ポイントカードを使用して購入します。
これで、コンピューターでの購入を次のように関連付けることで、ニックのすべてのセッションをつなぎ合わせることができます。
- 両方のセッションが同じコンピューター上の同じブラウザーで開始されたため、ClientIDによってテーブル(セッション1)を探します。
- 電話でのアカウントの作成(セッション2)— Nickが両方のセッションで自分のアカウントにログインしたときに、UserIDによって。

その結果、最初の訪問から購入までのニックの旅に関連するデータがGoogleBigQueryに収集されます。
例3
ニックは仕事用のコンピューターでウェブサイトを閲覧し、新しいテーブルに合う椅子を探します。 ウェブサイトに表示されている電話番号に電話して注文します。 次に、彼は店に車で行き、ポイントカードを使用して椅子を購入します。
ウェブサイトでのニックの以前のアクションは、ストアおよび電話でのアクションとマージされました。
- 電話の注文とオンラインアクティビティ— Nickが以前にテーブルを購入し、CallTouchが同じブラウザの同じデバイスに電話番号を表示したため、ClientIDによる。
- オフライン購入とオンライン活動—ニックのポイントカードの数による。
これで、ニックのすべての相互作用をリンクするのに十分なデータになりました。 これは彼らがそれを行う方法です:

その結果、すべてのユーザーのClientID、電子メールアドレス、ポイントカード、および注文が統合され、どの検索クエリが収益をもたらし、どの検索クエリが購入を支援せずに入札を消費するかが確認されました。
ステップ3.アトリビューションモデルを実装する
アトリビューションモデルのロジックは次のとおりです。顧客のコンバージョンパスの最初と最後のセッションの合計値は、その間のセッションの値と等しくなります。 最初のセッションは、ユーザーが初めてWebサイトにアクセスし、ブランドに精通したときです。 最後のセッションは、ユーザーが購入したときです。 異なるデバイス間でデータを組み合わせると、セッションとその時系列の関係を見つけるのに役立ちます。
各チャネルの値は、次の2段階で決定されます。
- 最初のセッションを開始したチャネルを特定します。 ユーザーが以前にWebサイトにアクセスしたことがある場合、取得チャネルは前のセッションのチャネルに関連付けられています。 たとえば、ユーザーがGoogleディスプレイ広告をクリックしてウェブサイトにアクセスし、以前にBingでオーガニック検索を使用してウェブサイトにアクセスしたことがある場合、モデルはBingをユーザーにブランドを紹介したチャネルとして扱います。
- セッションに値を割り当てる。 購入による収益は、次のルールに従ってユーザーセッションに分配されます。
- 最初のセッションは、販売のクレジットの20%を受け取ります。
- 最後のセッションはクレジットの30%を受け取ります。
- それらの間のセッションは残りの50%を受け取ります。 セッションは、購入前の時間数によって評価されます。 セッション内で表示されたページが多く、購入までに経過した時間が短いほど、セッションが受け取る価値は高くなります。
ステップ4.データをAlyticsに送信して使用する
キーワードとチャネルの値は、毎日自動的に再計算されます。 結果は、GoogleBigQueryとGoogleCloudStorageのテーブルに保存されます。 アトリビューションの結果は、RESTfulAPIを使用してGoogleCloudStorageからAlyticsにエクスポートされます。
入札サイズを決定するために、Alyticsのルールが設定されました。 製品に言及している検索フレーズのROIが高いほど、入札単価は高くなります。 たとえば、テーブルのROIが15%未満の場合、テーブルの購入キーワードの入札単価は1ドルになります。 ROIが75%を超える場合、入札単価は4ドルになります。 すべての数値は実験的に決定されました。
結果
オンラインとオフラインの顧客行動に関するデータをマージし、キーワード値を決定し、入札単価調整を自動化したおかげで、同社は次のような質問に答えることができるようになりました。
- オーダーフルフィルメントを考慮して、オンライン広告のROIはどのように変化しますか?
- オンライン広告は、コールセンターでの注文にどのように影響しますか?
- どのキーワードが最も収益性の高い注文を促進しますか?
- どの製品が最大のROIを実現しますか?
- オフライン販売のどの部分がオンライン広告の影響を受けましたか?
その結果、次のことが可能になりました。
- 入札単価を最適化し、PPC広告のROIを17%向上させます。
- キーワードの収益への影響をより正確に測定し、コンバージョンに役立つキーワードが2.4倍多いことを確認してください。 標準のアトリビューションモデルは単にそれらを無視しました。
- キーフレーズのいくつかは、オンライン販売よりもオフライン購入に大きな影響を与えることを発見してください。