メールによる収益を237%増やし、広告費を最適化する方法

公開: 2022-05-25

十分に最適化された電子メールプロセスは、この販売チャネルで可能な限り最高のROIを企業に提供できます。 ただし、それを達成するには、Eメールマーケティングキャンペーンを調整する必要があります。コンテンツは、オーディエンス向けにパーソナライズする必要があります。 そうでなければ、あなたの電子メールの努力がお金を浪費している可能性が高いです。

このケースでは、200を超える都市に600を超える店舗を持つ、家電製品、電子機器、家庭用品の大規模小売チェーン向けに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。 トリガーされた電子メールを適用することにより、コンバージョン率を改善し、広告コストを最適化する方法を見つけることに、ビジネスは課題を抱えていました。

目次

  • 目標
  • 解決
    • データキューブ
    • トリガーされた新しいメールの実装
    • アトリビューションモデルの作成
  • 結果

目標

競争の激しいビジネス環境では、主な目的は、新規顧客の獲得、LTVの増加、および広告予算の最適化です。 ビジネスアナリストは、各広告キャンペーンから得られる利益を考慮して、顧客獲得チャネルの効率を分析したいと考えていました。 標準のアトリビューションモデルは、次の要素を無視するため、このタスクには適していませんでした。

  1. 価格比較ウェブサイトへの訪問者は、最低価格で製品を購入しようとします。 つまり、顧客は次の購入を検討しているときに、もう一度価格で選択したいと思うかもしれず、会社のオンラインストアにアクセスするのではなく、価格比較Webサイトに再度アクセスする可能性があります。 このトラフィックソースを評価する際には、180日間にわたる顧客のLTVと、取得と保持の総コストを考慮する必要があります。これは、価格比較Webサイトを介して顧客を呼び戻すたびに会社がお金を使う可能性があるためです。
  2. マージンの低い安価な製品を購入した顧客は、後でWebサイトに戻って、より高価な製品を購入することができます。 したがって、より安価な製品のマージンは取得コストをカバーできないかもしれませんが、最終的に(180日以上)そのような広告キャンペーンはより良い成果を上げます。

上記を考慮して、アナリストチームは、180日間にわたる購入からの広告費用とマージンを考慮した、独自のLTVベースのアトリビューションモデルを開発しました。 さらに、特定の製品または製品カテゴリに関心を持っていた潜在的な購入者を忠実な顧客に変える方法がテストされていました。 何人かの訪問者はウェブサイトを閲覧しましたが、製品を購入していません。 一部の訪問者はチェックアウトを開始しましたが、プロセスを終了しませんでした(カートが放棄されました)。 そのような訪問者をWebサイトに戻し、購入するように動機付けるために、トリガーされた電子メールを設定することが決定されました。

  1. チェックアウトを開始したが終了していないユーザーへの、放棄されたカートのリマインダー。
  2. 推奨事項は、特定のタイプのページ(カタログページまたは製品ページ)を閲覧したユーザーに対して、表示された製品に基づいています。

トリガーされた電子メールの内容は、各顧客の現在のニーズを満たすようにパーソナライズする必要があります。 これを確実にするために、ウェブサイト訪問者の行動に関するデータの収集に遅れはないはずです。

これらの目標を達成するために必要なデータは、さまざまなシステム(Google Analyticsと多数の広告サービス)に保存されていました。 データをマージするだけでなく、データへの迅速なアクセスとほぼリアルタイムのデータ処理を確保するためにも必要でした。

解決

会社は、目標を達成するために次のタスクを解決する必要がありました。

  • 単一のシステムと最適な構造で複数のソースからデータを収集します。
  • アトリビューションモデルに必要なすべてのデータを取得し、データが履歴的に更新できることを確認します。

180日以内に仮説を確認することが決定されました。

データは次のシステムから取得されました。

  1. Google Analytics:Webサイトのデータは、GoogleTagManagerコンテナを介してGoogleAnalyticsで利用できます。
  2. 広告ソース:Google AdWords、Criteo。

単一のデータストレージとして、GoogleBigQueryを使用することが決定されました。

  1. このクラウドストレージは、大量のデータの収集と迅速な処理を可能にします。
  2. CRMおよびERPシステムと統合するための既製のソリューションとツールの大規模なセットを提供します。
  3. データは安全に保護されています。

Google BigQueryのすべてのデータを収集するために、次のツールと機能が使用されました。

  1. Google Analytics360用のGoogleBigQueryエクスポート—13か月の履歴データを含むGoogleAnalyticsからのデータをGoogleBigQueryで受信します。
  2. OWOX BI Pipeline —この会社は、Google BigQueryのウェブサイトからほぼリアルタイムのヒットデータと、広告ソースからのコスト、クリック、インプレッションに関するデータを受け取ります。これらのデータは、Googleアナリティクス、次にGoogleBigQueryで利用できます。

その結果、必要なすべてのデータがGoogle BigQueryに収集され、会社の内部分析システムに送信されます。

データキューブ

Google Analytics360の標準エクスポートおよびOWOXBIパイプラインを介してGoogleBigQueryで取得されたデータは、データキューブに編成されました。 最適な構造で作成されたこのようなキューブは、データ処理コストの大幅な削減を可能にします。

以下のフローチャートは、必要なデータがどのように収集およびマージされるかを示しています。

トリガーされた新しいメールの実装

OWOX BIアナリストは、SQLクエリを使用してトリガーされた電子メールを設定する2つのビューを開発しました。 クエリは、OWOX BI Pipelineを介して取得されたウェブサイト上のユーザーアクションに関するデータと、GoogleBigQueryExportを介して取得されたデータをタスクに最適な構造に集約します。

電子メールの効率は、A/Bテストで測定されました。 最初のユーザーグループへのトリガーされた電子メールは、Webサイトにアクセスした翌日に送信されました。 もう1つのグループは、Google BigQueryのテーブルとデータキューブのデータを使用してメールが送信されたため、トリガーされたメールを1時間足らずで受信しました。 どちらの場合も、メールは同じサービスを介して送信されました。

Google Analyticsとは異なり、Google BigQueryのピボットテーブルのuserIDフィールド値は、テーブルを上書きすることでさかのぼって更新できます。 ユーザーが任意のデバイスのWebサイトで認証されると(userID値がわかったら)、この値が以前に指定または定義されていなかった場合、同じユーザーの以前のセッションもuserID値を取得します。 userIDフィールドの遡及更新により、より正確なユーザーデータが取得され、パーソナライズされたトリガーされた電子メールがより多くの訪問者に送信されました。

アトリビューションモデルの作成

チームは、次の機能を備えた独自のアトリビューションモデルを開発しました。

  • 有料のトラフィックソースからの訪問のみに訪問者獲得コストを分配します。
  • 30、60、90、および180日間のユーザーあたりの合計マージンの評価。
  • 計算では、初めての購入者からのデータのみを考慮します。 繰り返し購入すると、注文の価値は、ユーザーを初めてWebサイトに誘導したチャネルに割り当てられます。

このアトリビューションモデルは、UserIDフィールドや訪問者の取得コストに関するデータの更新など、GoogleBigQueryの遡及的なデータ更新によって可能になりました。

結果

単一のデータストレージにデータを収集し、トリガーされた新しい電子メールと履歴データの更新を設定した結果、次の目標が達成されました。

  1. トリガーされた電子メールKPIを改善します。

放棄された商品に関する電子メール通知は、ショッピングカートに商品を追加したが、購入を完了していないほとんどのユーザーに1時間以内に送信されます。 トリガーされた電子メールのデータは、1時間に2回自動的に収集されます。

新しい郵送方法の効率は、A/Bテストによって確認されました。

  • 配信された電子メールを介したWebサイトへのアクセス数は76%増加しました。
  • 配信された電子メールを介してWebサイトにアクセスしたユーザーからの購入のコンバージョン率は、12%増加しました。
  • 放棄されたカートの電子メールの最適化後の購入数は85%増加しました。
  • ターゲットグループの売上高のシェアは237%増加しました。

  1. 広告予算を最適化し、広告費用のシェアを減らします

以下のグラフは、有料のトラフィックチャネルを介してさまざまな製品グループにアクセスした顧客の生涯価値を考慮した企業独自のアトリビューションモデルに従った、セッションごとの顧客のLTV(FM —マージン、COST —コスト)に関するデータを示しています。 この値は時間の経過とともに増加します。これは、ラストクリックアトリビューションモデルでは無視されます。 各キャンペーンの最大賭け金は、顧客維持費を除いて、会社が180日間取得したマージンに制限されます。

180日間にわたるCLTVベースのアトリビューションモデルで見られるように、最初にユーザーはCPCチャネルを介してアクセスし、次に戻って、無料チャネルを介して繰り返し購入しました。 このようなCPCチャネルの値は、ラストクリックアトリビューションモデルの場合よりも数倍高いことが判明しました。 繰り返し購入の量と頻度、および会社の収益は、製品カテゴリ、広告キャンペーン、およびソースごとに異なりました。