ROPOを特定する方法：オフライン購入に対するオンラインの影響

多くの人がインターネットで商品を探し始めてから、実店舗で商品を購入するため、オンライン広告は過小評価されることがよくあります。 特に、それはデザイナーの靴やアクセサリーのような特定の製品のためのものになっています。 オンライン販売は、顧客が完全にパーソナライズされたサービスを提供している実店舗での販売と競合することはできません。 そのため、マーケターは、オンラインマーケティングが実店舗での売り上げにどのように影響するかを知り、どのキャンペーンと商品カテゴリがより多くの購入をオフラインにし、どれがより多くのオンラインをもたらすかを知りたいと考えています。

ここでは、靴、バッグ、アクセサリーを低価格、中価格、高価格で販売するチェーン店向けにOWOXBIチームが提供するソリューションについて説明します。 同社には90の実店舗と便利なオンラインショップがあります。 主な課題は、オフラインでの購入に対するオンラインの影響を特定することでした。

営業部門は、多くの顧客が実店舗で購入する前にオンラインで情報を収集することを好むことに気づきました。 ウェブサイトでは、顧客は商品を価格でフィルタリングし、チェーンの小売店での在庫を確認します。 ほとんどの場合、顧客が実店舗に来るとき、彼らは彼らが探しているものをかなりよく知っており、サービスについて一定の期待を持っています。

そのため、マーケターは次のことを決定しました。

• オフライン販売に対するオンラインマーケティングの取り組みの影響を定義します。
• オンラインマーケティング予算を再割り当てします。
• 広告チャネルの効率を再評価し、マーケティング戦略を改善します。

これらの目標を達成するために、オンラインおよびオフラインでの購入に関するデータに基づいて、ROPO分析を適用することが決定されました。 これを使用すると、オンライン広告に起因するオフライン収益の部分を定義できます（ROPO効果）。 オンラインとオフラインの顧客タッチポイントを統合する理由と方法については、記事をご覧ください。

ROPO分析を実行するには、オンライン広告のデータをオフライン販売のデータとマージする必要があります。 小売業者は、さまざまな方法で商品を購入する顧客に関する多くのデータを持っています。

• 店での選択と支払い。
• ウェブサイトを見て、店で購入します。
• ウェブサイトを見て、ウェブサイトで支払い、宅配または店舗への配達を注文します。

したがって、このデータはさまざまなシステムで収集、保存、および処理されます。

• ウェブサイトでのクライアントの行動に関するデータは、GoogleAnalyticsに保存されます。
• 注文処理とオフライン訪問者の活動に関するデータは、内部CRMシステムに保存されます。

これらのシステムのすべてのデータを手動でマージすることは困難です。 マーケターは、このデータをGoogle BigQuery（GBQ）にマージするのに役立つソフトウェアを探していました。これは、広告キャンペーンデータの保存にすでに使用されています。 Google BigQueryは、無制限のデータストレージと処理の可能性を備えた最も安全なRESTfulサービスの1つです。

小売業者のマーケターは、タスクを解決するためにOWOXBIPipelineを選択しました。

OWOX BI Attributionはすでに広告キャンペーンの評価に使用されており、OWOXBIPipelineはGoogleAnalyticsからGoogleBigQueryにデータを収集して広告キャンペーンに関するレポートを作成するために使用されていました。 これらのタスクの両方で、小売業者はOWOX BIに満足していたため、ROPO分析のために再度選択されました。

OWOX BIアナリストは、次の計画を設計しました。

• 広告キャンペーン、Webサイトでの顧客の行動、オフライン販売、注文処理に関するデータを1つのシステムで収集します。
• オフライン注文をオンラインセッションに接続します。
• 受信したデータに基づいてレポートとダッシュボードを作成し、オンラインソースからの貢献を再評価します。

データフローは次のようになります。

プロセスを段階的に見ていきましょう。

Webサイトに登録されているすべての訪問者は、一意のuser_IDを受け取ります。 コンバージョン目標の実行中（トランザクションの完了）、訪問者は追加のtransaction_IDを取得します。 ウェブサイトでの訪問者の行動のデータは、OWOX BIを使用して、これらのIDを使用してGoogleBigQueryに転送されます。

毎日、CRMからのオンラインおよびオフライン注文のデータもGoogle BigQueryに転送され、 user_IDキーとtransaction_IDキーを使用してWebサイトのデータとマージされます。

このデータをマージすることにより、ROPO分析を実行するために必要なものを取得します。

すべてのデータを組み合わせた後、OWOXBIアナリストはGoogleBigQueryで収集されたデータベースの操作を開始しました。

Google BigQueryのオンライントランザクションに関するデータは、transaction_IDを使用してトランザクションを識別することにより、処理中の各注文（有料および未払い）のデータに追加されました。

次に、アナリストは、接続キーとしてuser_IDを使用して、訪問者のセッションに関するデータとオフライン購入に関するデータを統合しました。 このキーは、オフラインで購入した多くの顧客のWebサイトでのセッションの履歴を明らかにしました。

データをマージするためのスキームは次のようになります。

その結果、小売業者のチームは、注文ごとに次の質問に対する回答を得ました。

• どんな種類の取引ですか？ オンライン、オフライン、またはROPO？
• 購入前の最後のセッションのソースは何でしたか？ クライアントが購入した理由は何ですか？
• ウェブサイトでの最後のセッションから購入までに何日が経過しましたか？ （オンラインで購入する場合、最後の訪問はトランザクションが発生したときのセッションであるため、これは常にゼロです。オフライントランザクションの場合のみ、この顧客のオンラインセッションがないため、この数も常にゼロになります。他の顧客はに割り当てることができます。 ROPOセグメント。）
• 最後のセッションのジオロケーション。

この情報を含むテーブルの例：

受信したデータを視覚化するために、GoogleDataStudioが選択されました。 OWOX BIアナリストは、詳細な分析と広告予算計画をサポートするために、GoogleDataStudioで動的なグラフを使用して有益なダッシュボードを作成しました。

たとえば、右側の円グラフは、ROPO注文が収益の20％を占めることを示し、左側の円グラフは、ROPO注文を行ったほとんどすべての顧客が店舗で購入する前に1週間以内にWebサイトにアクセスしたことを示しています。

ダッシュボード上のすべてのデータは、地域、コンバージョンウィンドウ、ソース、チャネル、キャンペーンでフィルタリングして、より詳細なセグメンテーションを行うことができます。 さらに、最後のWebサイトへのアクセスから購入までの日数は、注文ごとに表示されます。

ダッシュボードの下部にあるグラフは、マーケティング戦略を計画する際にROPO注文からの追加収益をカウントする必要があることをマーケターが理解するのに役立ち、ソース、チャネル、およびキャンペーンごとの総収益のシェアを示します。

ROPO分析により、オンラインでの行動とオフラインでの購入の相関関係と、次の事実を提供するデータを自動的に更新する有益なダッシュボードが確認されました。

• オフライン収益の20％はオンライン広告に起因していました。つまり、オフラインショップへの5人に1人の訪問者がすでにWebサイトを操作しています。
• ROPOによる収益の帰属後、オンラインキャンペーンが過小評価されているという明確な証拠が現れました。
• 近い将来、小売業者はマーケティングキャンペーンを見直し、広告キャンペーンの効率性について新しい見方をし、デジタル方向への投資を増やします。