디지털 마케팅을 평가하고 개선하는 7가지 방법

온라인 광고의 효과를 어떻게 평가하고 투자 수익(ROI)을 높일 수 있습니까? SEO 트래픽, 모바일 앱 및 미디어 광고로 인해 얼마나 많은 수익이 발생하는지 어떻게 알 수 있습니까? 이러한 질문은 많은 온라인 및 옴니채널 비즈니스와 관련이 있습니다. 이 기사에서는 고객이 이러한 질문과 기타 질문에 대한 답변을 찾고 비즈니스 문제를 해결하는 데 도움이 된 OWOX BI의 솔루션에 대해 설명합니다.

아래에서 고객이 이러한 7가지 실제 사례를 수행하도록 도운 방법을 간략하게 설명합니다. 기술적인 세부 사항에 관심이 있거나 자신의 프로젝트에서 언급한 몇 가지를 시도하고 싶다면 OWOX BI를 무료로 사용해 보세요.

OWOX BI는 단일 저장소의 여러 시스템에서 데이터를 수집하고 고객이 마케팅 인텔리전스를 향상시키는 데 도움이 되는 보고서를 작성합니다. 목표는 높은 수준의 품질과 최대 자동화로 신속하게 수행하여 기업이 이미 보유하고 있는 데이터를 사용하여 더 많은 돈을 벌 수 있도록 하는 것입니다.

광고 캠페인을 더 잘 타겟팅하기 위해 사용자를 세분화하는 것은 마케팅 분석 구현의 초기 단계에서 해결할 수 있고 해결해야 하는 기본 작업입니다.

클라이언트의 목표 : 이미 사이트를 방문한 사용자를 재활성화하는 것을 목표로 하는 광고 캠페인의 ROI를 높입니다. 이론적으로 이러한 사용자는 이미 관심을 보였기 때문에 마케팅 비용이 많이 들지 않아야 합니다.

클라이언트의 과제 : 포기한 장바구니 및 이탈한 고객에 대한 광고 캠페인의 타겟팅을 개선합니다. 이들은 사이트에서 특정 작업을 수행했지만 아무것도 구매하지 않은 사람들입니다. 동시에 우리 고객은 무언가를 살 수 있다고 믿습니다.

우리의 가설 : 지난 X일 동안 장바구니에 항목을 추가한 웹사이트 방문자의 세그먼트를 선택하고 광고를 표시하면 다른 세그먼트의 방문자보다 무언가를 구매할 가능성이 더 큽니다. 따라서 이 부문에 광고함으로써 동일한 비용 수익 비율(CRR)을 유지하면서 수익을 늘릴 수 있습니다.

가설을 테스트하려면 항상 사용자 세분화가 필요합니다. 선택한 사용자 세그먼트가 광고를 본 후 어떤 식으로든 행동할 것이라고 가정할 수 있지만 100% 그렇게 된다는 보장은 없습니다.

우리 클라이언트는 세그먼트가 형성되는 조건을 정의했습니다. 이러한 조건에 따라 세그먼트를 구성한 후 가설을 분석가의 기술적 작업으로 전환했습니다. 이 작업은 단계로 나뉩니다.

1단계 . 두 개의 사용자 세그먼트를 형성합니다. 첫 번째 세그먼트는 지난 X일 동안 장바구니에 항목을 추가했지만 아무것도 구매하지 않은 사용자로 구성되었습니다. 두 번째 세그먼트는 사이트(클라이언트가 정의한)에서 일부 작업을 수행한 사용자로 구성됩니다.

Google Analytics는 트래픽이 많을 때 고객 데이터를 샘플링합니다. 따라서 세그먼트를 구축하기 위해 OWOX BI Pipeline을 사용하여 Google BigQuery로 전송된 클라이언트 사이트의 원시 데이터를 사용했습니다. BigQuery는 정보 수집은 물론 SQL을 이용하여 편리하게 처리할 수 있는 클라우드 스토리지 서비스입니다.

분석가는 원시 웹 사이트 데이터를 사용하여 세그먼트를 형성하기 위해 SQL 쿼리를 작성했습니다. 이러한 세그먼트에는 Google Ads 및 Yandex.Direct 광고 서비스에서 사용할 수 있는 Google 클라이언트 ID 및 Yandex 클라이언트 ID 데이터가 포함됩니다.

2단계 . 세그먼트를 자동으로 Google Ads 및 Yandex.Direct로 전송하여 광고 전문가가 광고 캠페인 설정에 사용할 수 있도록 합니다.

OWOX BI에는 Google BigQuery에서 세그먼트를 가져와 매일 데이터를 계산하고 해당 데이터를 Google Analytics에 업로드하는 자동 데이터 파이프라인 이 있습니다. 웹 분석 시스템의 세그먼트는 기본적으로 Google Ads로 내보낼 수 있습니다. 두 번째 OWOX BI 파이프라인은 이러한 세그먼트를 Yandex.Audience에 로드합니다.

3단계 . 우리 고객의 전문가는 이러한 세그먼트에 대한 요금을 인상하는 광고 서비스의 규칙을 설정합니다.

이 솔루션에는 몇 가지 중요한 특성이 있습니다. 예를 들어 Yandex에 세그먼트를 로드합니다. 청중은 최소 1,000줄을 포함해야 합니다(고유한 Yandex 클라이언트 ID를 사용하려면).

OWOX BI는 기본적으로 Yandex 클라이언트 ID를 수집하지 않습니다. 얀덱스. Client ID를 생성하기 위해서는 Metric이 사이트에 설치되어 있어야 하며 Google BigQuery에 진입하기 위해서는 OWOX BI를 통한 전송을 설정해야 합니다.

OWOX BI 사용자이고 Google BigQuery에서 Yandex 클라이언트 ID를 수집하려면 저희에게 편지를 보내주세요. Google 태그 관리자를 사용하여 수행하는 방법에 대한 지침을 공유하겠습니다. OWOX BI 사용자는 아니지만 이 가능성에 관심이 있다면 OWOX BI를 무료로 사용해 보고 목표 달성에 어떻게 도움이 되는지 확인하십시오.

우리 고객은 이미 리타게팅에 효과가 있었던 캠페인의 잠재고객을 재구성하고 올바른 세그먼트에 속하지 않는 사용자를 선별하고 선택한 세그먼트의 사용자에게 예산을 집중했습니다.

그 결과 동일한 캠페인과 동일한 투자로 ROI가 100%에서 150%로 증가했습니다 (캠페인이 많았으므로 지표의 평균). 사실, 이 결정의 비용은 최소화되었고 효율성은 꽤 가시적이었습니다. 이러한 캠페인은 오늘날에도 여전히 유효합니다. 이 증가가 일시적일 뿐이라는 피드백을 고객으로부터 받지 못했습니다.

프로젝트 작업을 시작할 때 첫 번째 작업은 실제 수입에 대한 ROI를 계산하는 것입니다.

기본적으로 Google Analytics는 사이트의 매출만 볼 수 있지만 실제로 비즈니스 계정으로 들어오는 돈은 반영하지 않습니다.

일부 온라인 주문이 완료되지 않았거나 주문 확인 중에 변경되었음을 알고 있습니다. 사용자는 다음을 수행할 수 있습니다.

1. 단순히 주문을 완료하지
2. 전화로 주문을 변경하여 주문 금액을 변경합니다.
3. 실제 매장으로 배송을 주문하고 구매를 픽업하지 않음

결과적으로 비즈니스는 Google Analytics에 표시된 금액을 받지 못합니다. 따라서 Google Analytics의 데이터를 기반으로 수익을 계산하는 것은 정확하지 않습니다. CRM의 실제 판매 데이터를 고려하여 온라인 광고의 효과를 평가해야 합니다.

고객의 목표 : 비용 증가 없이 고정된 CRR로 광고 캠페인의 ROI를 높입니다.

클라이언트의 과제 : 광고 소스에서 발생한 실제 매출을 기반으로 광고 예산을 재분배합니다. 간단히 말해 ROI가 충분하지 않은 채널에서 보다 효율적인 채널로 예산을 전환해야 합니다.

우리의 가설 : 구매(이상적으로는 마진)를 기반으로 ROI를 계산하면 마케팅 전략을 조정하고 더 많은 수익을 가져오는 트래픽 소스에 투자할 수 있습니다. 따라서 광고 캠페인의 ROI가 증가합니다.

우리 클라이언트는 이미 OWOX BI를 사용하여 Google BigQuery에서 샘플링되지 않은 데이터를 수집했습니다. 그러나 이 데이터를 회사 내부 시스템의 판매 데이터로 보완해야 했습니다. 작업은 5단계로 구현되었습니다.

1단계 . 사이트에서 클라이언트의 CRM 시스템으로의 주문 데이터 전송을 올바르게 설정하십시오. 트랜잭션 ID 및 Google 클라이언트 ID를 전송합니다.

거래 ID는 사이트에서 주문할 때 생성되며 해당 클라이언트 ID와 함께 Google 애널리틱스 및 BigQuery로 전송됩니다. 사용자를 거래 및 지불과 연결할 수 있도록 두 ID를 CRM에 병렬로 전송하는 것이 중요합니다.

2단계 . 클라이언트의 CRM 측에서 사용자 ID 생성을 설정하고 결제 중에 사용자 ID를 Google BigQuery로 보냅니다.

사용자 ID는 새 클라이언트에 대한 정보가 기록될 때 CRM 시스템에 의해 생성됩니다. 예를 들어 누군가 매장에서 물건을 구매하고 계산원이 전화번호를 물어 CRM에 입력한다고 가정해 보겠습니다. 그런 다음 시스템은 이 사용자에게 고유한 식별자를 할당합니다. 앞으로는 사용자가 전화로 사이트에서 인증하면 CRM에서 이를 인식하게 됩니다.

Google Analytics에는 사용자 ID 기능이 있습니다. 개발자는 고객이 클라이언트 사이트에서 승인하거나 주문할 때 사용자 ID가 DataLayer의 사이트로 전송되도록 구성했습니다. 거기에서 Google Analytics 및 Google Big Query로 전송됩니다.

덕분에 사이트에서 승인된 사용자의 작업을 사용자에 대한 자세한 정보와 연결할 수 있습니다. 예를 들어 CRM은 사람의 이름, 전화번호 및 이메일을 저장할 수 있습니다. 중간 사용자 ID 키를 사용하여 특정 주문에 대한 결제 데이터는 물론 사이트 및 CRM 데이터를 결합할 수 있습니다.

3단계 . 작업하려는 구조로 CRM에서 Google BigQuery로 실제 판매 데이터 업로드를 구성합니다. 이를 위해 우리는 기술 과제를 구성하고 이를 구현하도록 고객의 개발자에게 전달했습니다.

4단계 . BigQuery의 모든 데이터를 단일 테이블로 결합합니다. 우리의 분석가는 온라인 주문 정보를 완료된 주문 및 해당 금액에 대한 CRM 데이터에 연결하는 SQL 쿼리를 작성했습니다. 이 데이터를 결합하기 위한 키는 트랜잭션 ID, 사용자 ID 및 클라이언트 ID였습니다.

5단계 . Google 데이터 스튜디오에서 주문으로 구매한 상품을 고려하여 트래픽 소스에 대한 ROI를 보여주는 보고서를 작성합니다. 한계 비용을 기반으로 ROI를 계산했습니다.

사이트에서 CRM으로의 올바른 데이터 전송을 설정하고 CRM 데이터를 Google BigQuery로 다운로드하려면 비즈니스 측면에서 개발자의 참여가 필요하며, 이는 종종 프로세스를 크게 지연시킵니다.

실제 판매 데이터를 기반으로 한 트래픽 소스 성능 보고서를 고객에게 제공했습니다.

이 보고서는 최고 관리자가 전략적 결정을 내리는 데 사용하고 문맥 광고 전문가가 특정 광고 캠페인의 예산을 관리하는 데 사용합니다.

다음은 이 보고서의 예입니다.

CRM의 실제 판매 데이터를 기반으로 광고가 얼마나 효과적인지 알고 싶으십니까? OWOX BI를 무료로 사용해 보고 목표 달성에 어떻게 도움이 되는지 확인하십시오.

고객이 위에서 설명한 기본 보고서를 작성한 후 세 번째 솔루션은 ROPO 분석(온라인 조사, 오프라인 구매)입니다. 디지털 마케팅이 실제 매장의 판매에 미치는 영향을 보여줍니다. 이것은 특히 옴니채널 전자상거래 프로젝트와 관련이 있습니다.

사람들은 인터넷 구매에 대한 불신부터 제품을 만지고 싶은 욕구까지 다양한 이유로 사이트에서 상품을 보고 매장에서 확인합니다.

연간 예산 계획 중에 CMO는 온라인 광고로 인한 일부 판매가 오프라인에서 발생한다는 것을 이해하기 때문에 온라인 채널에 더 많은 돈을 벌고자 합니다. CMO가 이 효과를 적어도 부분적으로 측정할 수 있다면 예산을 늘리는 데 좋은 논거가 될 것입니다.

클라이언트의 목표 : 온라인 마케팅을 위한 예산 증액의 필요성을 증명하고 온라인 광고에 대한 투자의 숨겨진 가치를 보여줍니다.

클라이언트의 과제 : 오프라인 판매에 대한 후속 영향을 고려하여 온라인 광고의 효과를 분석합니다.

우리의 가설 : 일부 사용자는 사이트에서 제품을 알게 되지만 실제 상점에서 구매합니다. 즉, 온라인 캠페인은 여전히 ​​저평가되어 있습니다. 사이트 방문과 실제 매장에서 이러한 사용자의 추가 구매를 추적하면 디지털 광고의 진정한 가치를 측정할 수 있습니다.

사이트에서의 사용자 활동을 오프라인 매장에서의 후속 구매와 연결하기 위해 완료된 주문을 기반으로 ROI를 분석하는 것과 동일한 작업을 대부분 수행했습니다(이전 섹션에서 자세히 설명).

1. CRM 측에서 사용자 ID를 설정하고 Google BigQuery로 보냅니다.
2. CRM 및 BigQuery에 올바르게 전달되도록 클라이언트 ID를 구성합니다.
3. 사용자 전화 및 사용자 이메일 필드에 대한 데이터 전송을 사이트에서 BigQuery 및 체크아웃 시 고객의 CRM으로 설정합니다.
4. 클라이언트의 CRM에서 Google BigQuery로 데이터 업로드를 설정합니다. 이전의 경우와 달리 이 업로드에는 온라인 주문뿐만 아니라 소매점의 주문도 포함됩니다.
5. 사이트의 활동 데이터를 CRM의 정보에 연결하는 SQL 쿼리를 작성합니다. 데이터를 오프라인 판매에 연결하기 위한 키는 사용자 ID/사용자 전화/사용자 이메일입니다.
6. Google 데이터 스튜디오에서 보고서를 작성하여 ROPO 효과를 분석합니다.

데이터 결합 체계는 다음과 같습니다.

사용자가 사이트에서 구매하거나 사이트에서 승인된 경우에만 온라인 사용자를 오프라인 판매에 연결할 수 있습니다.

실습에서 알 수 있듯이 승인된 사용자의 비율은 전체 웹사이트 방문자의 약 5%입니다. 승인된 사용자가 많을수록 보고서에 데이터가 더 많이 표시됩니다. 그러나 5~10%에서도 마케팅 예산을 관리하는 방법에 심각한 변화를 초래할 수 있는 몇 가지 결론을 도출할 수 있습니다.

또 다른 어려움은 이미 모든 통합을 설정한 경우 데이터 품질을 추적하는 것입니다. 데이터가 올바르게 전송되고 식별자가 일치하는지 확인하여 CRM 시스템의 향후 변경으로 인해 구성한 내용이 손상되지 않도록 하십시오. 이것은 고객의 IT 팀이 얼마나 좋은지에 대한 질문입니다.

ROPO 효과를 측정한 후 클라이언트 광고 캠페인의 ROI는 50%에서 150%로 증가했습니다 . 이러한 경우 온라인 캠페인에서 생성되었지만 오프라인에서 받은 수익이 추가되기 때문에 ROI는 항상 성장을 보여줍니다.

ROPO 보고서의 예:

이 보고서를 통해 고객은 다음 범주의 데이터를 분석할 수 있습니다.

• 온라인에서만 발생하는 수익
• 오프라인에서만 발생하는 수익
• ROPO 수익
• 소스/매체/캠페인 수익 온라인 전용
• 후속 오프라인 판매를 포함한 소스/매체/캠페인 수익
• 제품 카테고리 및 하위 카테고리별 온라인 및 ROPO 수익
• 도시별 온라인 및 ROPO 수익
• 현장 방문에서 ROPO 구매까지의 시간(일)
• ROPO 구매 전 사이트의 세션 수
• 그리고 많은 다른 사람들

온라인 활동이 오프라인 판매에 어떤 영향을 미치는지 알고 싶으십니까? OWOX BI를 무료로 사용해 보고 목표 달성에 어떻게 도움이 되는지 확인하십시오.

이것은 흥미롭긴 하지만 다소 복잡하고 비정형적인 작업입니다. SEO 최적화는 효과가 지연되며, 예를 들어 지난 6개월 동안 수행한 작업의 효율성을 평가하기 어려운 경우가 많습니다. 특히 규모가 큰 사이트라면 더욱 그렇습니다.

일반적으로 Google 검색을 통해 오는 사용자 수를 알고 있으며 브랜드 트래픽을 제외할 수도 있습니다. 그러나 카테고리와 하위 카테고리가 최적화되었거나 텍스트와 제목이 잘 쓰여서 정확히 몇 명의 사용자가 방문합니까?

지난 분기에 SEO에 $10,000를 지출했다고 가정해 보겠습니다. 그 돈으로 6개월 동안 얼마나 많은 수익을 얻었습니까?

고객의 목표 : 온라인 주문뿐만 아니라 실제 결제까지 고려하여 SEO 투자의 효율성을 평가합니다.

클라이언트의 과제 : 제품 카테고리별로 SEO의 효과를 보여주는 보고서를 작성하십시오. 이 보고서는 실제 판매를 기반으로 해야 합니다.

우리의 가설 : 우리는 어떤 키워드가 어떤 페이지에서 펌핑되었는지 알고 있습니다. 우리는 이러한 키에 대한 SEO 드롭아웃의 위치를 ​​알고 있습니다. 검색 트래픽을 소스로 하는 이러한 페이지의 매출을 알고 있습니다. 이 데이터를 연결하면 SEO 드롭아웃 TOP에 있는 키워드에서 매출을 얻을 수 있습니다. 즉, SEO에 대한 투자의 효율성을 측정할 수 있습니다.

1단계 . 필요한 모든 정보를 Google BigQuery에 업로드합니다.

• OWOX BI가 사이트에서 수집한 원시 사용자 행동 데이터
• Google Search Console 및 Yandex의 데이터. 사이트 및 방문 페이지로 트래픽을 유도한 상위 키워드에 대한 측정항목입니다. Search Console을 사용하는 이유는 무엇인가요? 위치 측정 서비스에서는 이러한 키워드에서 발생할 수 있는 가상 트래픽만 볼 수 있기 때문입니다.
• 유기적 드롭아웃의 사이트 위치 측정 서비스 데이터(예: Allpositions). 이를 통해 키워드의 위치를 ​​파악할 수 있습니다. 예를 들어 키워드가 드롭아웃에서 5위 미만인 경우 분석에서 제외할 수 있습니다.
• CRM 시스템의 실제 판매 데이터

2단계 . URL을 기반으로 방문 페이지 섹션에서 키워드 쿼리 클러스터를 만듭니다. 하나의 URL이 아닌 전체 상품 카테고리의 URL을 분석했습니다. 예를 들어, 소형 가전제품의 경우 블렌더와 브라운 블렌더를 차례로 볼 수 있습니다.

3단계 . 드롭아웃 위치를 측정하여 SEO 트래픽이 사이트로 유입된 키워드를 찾으십시오. 결과를 GBQ에 업로드하고 요청을 특정 위치 아래로 정렬했습니다.

4단계 . SQL 쿼리를 사용하여 사이트의 사용자 활동 데이터를 CRM의 실제 판매 데이터에 연결합니다.

5단계 . SEO 소스와의 거래로 이어진 세션을 강조표시합니다(마지막 간접 클릭 기여 모델 사용).

6단계 . 이러한 거래의 방문 페이지를 강조 표시하고 이 페이지로 트래픽을 가져온 SEO 키워드와 연결합니다.

7단계 . 특정 페이지의 SEO 최적화가 해당 페이지의 실제 트래픽 및 구매에 미치는 영향을 보여주는 보고서를 작성하십시오.

Google Search Console을 사용하면 최대 5,000줄의 데이터를 업로드할 수 있습니다. 따라서 사이트로 트래픽을 유도하는 모든 키워드 요청을 분석할 수는 없습니다.

예를 들어 특정 페이지 클러스터에서 키워드의 효과를 볼 수 있습니다. 100개의 키워드가 있고 그 중 50개가 맨 위에 있고 이 50개 중 30개가 Search Console 오프로드로 유입된 트래픽을 나타낸다는 것을 알고 있다고 가정해 보겠습니다. 다른 요청에 대한 트래픽도 있다고 가정하지만 서비스에서만 이 정보를 제공하지 않았습니다.

어떤 키워드가 우리가 분석한 페이지로 트래픽을 유도했는지 100% 정확하게 측정할 수 있는 방법은 없습니다. 따라서 분석 초기에는 결과에 어느 정도 오차가 있을 수 있음을 당연하게 받아들였습니다.

우리는 고객에게 특정 기간 동안 SEO 활동의 효과를 분석할 수 있는 보고서를 제공했습니다. 효율성 분석은 실제 매출을 기준으로 하였기 때문에 SEO 트래픽의 ROI를 계산할 수 있었습니다.

SEO 트래픽의 효율성을 보여주는 보고서를 작성하시겠습니까? OWOX BI를 무료로 사용해 보고 목표 달성에 어떻게 도움이 되는지 확인하십시오.

최근 이 작업이 매우 시급해졌습니다. 아마도 전체 인터넷 트래픽의 절반과 판매의 상당 부분이 모바일 장치를 통해 이루어집니다. 많은 고객이 온라인 및 오프라인 응용 프로그램과 함께 모바일 응용 프로그램을 사용합니다. 모바일 장치에서 트래픽을 구매할 때 그 효과를 이해하려고 합니다.

클라이언트의 목표 : 유료 소스(Google Ads)를 통한 트래픽 유치의 효율성을 평가하여 앱 내에서 모바일 앱 설치 및 판매를 촉진합니다.

클라이언트의 과제 : 주요 전환 액션(설치, 등록, 거래, 수익) 측면에서 트래픽 소스의 효율성을 보여주는 보고서를 작성합니다.

우리의 가설 : AppsFlyer의 원시 데이터(설치, 사용자 행동, 트래픽 소스, 수익)를 Google Ads의 비용 데이터와 연결하여 관련 거래 행동 측면에서 광고 캠페인의 ROI를 보여주는 보고서를 작성할 수 있습니다.

1. OWOX BI를 사용하여 AppsFlyer에서 BigQuery로 인앱 사용자 행동에 대한 원시 데이터를 업로드하고 앱에서 GBQ로 설치 소스, 후속 트랜잭션 및 수익에 대한 정보를 업로드합니다.
2. 보고서에 필요한 모든 데이터가 CRM의 데이터(수익, 전환 수)와 일치하는지 업로드를 확인하세요.
3. 데이터 전송 방법을 사용하여 GBQ에 Google Ads 비용 업로드를 설정합니다.
4. AppsFlyer와 데이터 전송의 데이터를 연결하고 필요한 계산을 수행하는 SQL 쿼리를 작성하세요.
5. Google 데이터 스튜디오에서 보고서를 작성합니다.

모바일 애플리케이션은 지연 효과가 있을 수 있습니다. 예를 들어, 누군가 앱을 설치했지만 한 달 후에야 등록할 수 있습니다. 우리 고객은 시간이 지남에 따라 구매한 트래픽의 효과를 분석하기를 원했습니다. 즉, 3월에 채널 Y에서 애플리케이션의 X개 단위를 구매했다면 4월, 5월, 6월 등에 전환 액션을 가져온 단위는 몇 개입니까? 이 질문에 답하기 위해 특별 보고서를 만들었습니다.

예를 들어 특정 관리자가 감독하는 캠페인의 효과를 고객이 확인할 수 있도록 국가, 도시 및 광고 캠페인 그룹 전반에 걸쳐 분석을 수행하는 것도 어려운 일이었습니다. 이것은 필터를 사용하여 구현되었습니다.

내부 시스템의 실제 매출과 애플리케이션 데이터 사이에 오차가 거의 없었기 때문에 보고서에 CRM 데이터를 의식적으로 사용하지 않았습니다.

우리 고객은 다음 질문에 답하는 Google 데이터 스튜디오에서 자동으로 업데이트된 보고서를 받았습니다.

• X 트래픽 소스가 Y 달에 가져온 앱 설정은 몇 개입니까?
• 설치한 달과 그 다음 달에 몇 번의 인앱 전환이 있었습니까? (트래픽 소스별)
• 위의 매개변수 측면에서 캠페인 그룹의 효율성은 무엇입니까?
• 국가 전반에 걸쳐 광고 캠페인이 얼마나 효과적입니까?

민감한 데이터가 포함된 고객 보고서는 공유할 수 없지만 다음은 설명된 솔루션으로 생성할 수 있는 기본 보고서(월별 오프셋 없음)의 예입니다.

모바일 애플리케이션의 트래픽 효율성에 대해 배우고 싶으십니까? OWOX BI를 무료로 사용해 보고 요구 사항을 충족하는 방법을 확인하십시오.

Google 애널리틱스 보고서는 기본적으로 마지막 간접 클릭 기여 모델을 사용합니다. 이 모델은 주문 전에 체인의 마지막 간접 소스에 트랜잭션의 모든 값을 할당합니다. 이 때문에 유입경로를 통해 사용자를 홍보한 다른 소스는 저평가됩니다.

OWOX BI의 ML 깔때기 기반 어트리뷰션을 사용하여 채널의 진정한 가치를 배우고 예산을 효과적으로 분배할 수 있습니다. 첫 번째 방문에서 구매까지 유입경로를 이동할 때 모든 터치포인트와 모든 사용자 행동을 고려합니다.

고객의 목표: 고정된 CRR 지수에서 통제된 유료 트래픽 소스의 ROI를 높입니다.

클라이언트의 과제: 사이트에 대한 각 사용자의 연락처를 고려하면서 저평가된 트래픽 소스와 그 효과를 금전적으로 보여주는 보고서를 작성하십시오.

우리의 가설: 광고 예산이 효과적으로 재분배된다면 CRR을 높이지 않고도 ROI를 높일 수 있습니다. 이를 위해 ROI 계산은 거래를 성사시킨 캠페인뿐만 아니라 유입경로를 통해 사용자를 홍보한 모든 캠페인 및 소스의 기여도를 고려해야 합니다.

1. 사이트에서 원시 사용자 행동 데이터를 수집하고 OWOX BI를 사용하여 Google BigQuery로 보냅니다.
2. 광고 서비스에서 Google Analytics 및 Google BigQuery로 비용 데이터 가져오기를 설정합니다.
3. BigQuery 및 CRM에 올바르게 전송되도록 클라이언트 ID, 사용자 ID 및 트랜잭션 ID를 구성합니다.
4. CRM에서 실제 판매 데이터를 필요한 구조로 Google BigQuery에 업로드합니다.
5. 클라이언트 ID, 사용자 ID 및 트랜잭션 ID 키를 기반으로 사이트의 사용자 행동 데이터를 완료된 주문에 연결합니다. SQL 쿼리는 필요하지 않습니다. 모든 것이 OWOX BI 속성 모델 내에서 발생합니다. 데이터를 올바른 형식으로 로드하고 모델 계산에 추가하기만 하면 됩니다.
6. OWOX BI에서 기여 모델을 설정하고 계산을 실행하세요. 이 단계에서는 오프라인에서 발생하는 이벤트(회의, 통화, 웹 세미나 등)를 포함하여 특정 비즈니스에 중요한 이벤트를 깔때기 단계로 지정할 수 있습니다. 퍼널은 기업이 측정하고자 하는 것과 사용자의 구매 경로를 보는 방식에 따라 달라질 수 있습니다.
7. 표준 OWOX BI 스마트 데이터 보고서를 사용하여 초기 데이터 분석을 수행하여 타사 BI 시스템에서 데이터 시각화에 리소스를 지출하지 않도록 합니다. 스마트 데이터에서는 SQL 쿼리 없이 기여 모델 계산 결과를 기반으로 작성된 완료된 보고서를 볼 수 있습니다. 예를 들어 광고 캠페인의 ROI와 마지막 간접 클릭 기여로 표시되는 ROI와 어떻게 다른지 확인할 수 있습니다.

주문과 함께 클라이언트 ID 및 트랜잭션 ID를 CRM으로 올바르게 전송하려면 클라이언트 측 개발 팀이 필요합니다. 사용자 ID를 구성하고 전송할 때도 마찬가지입니다.

귀인 계산 결과를 올바르게 해석하려면 고객 팀의 전문가를 참여시켜야 합니다. 어떤 광고 캠페인이 설정되었는지에 대한 맥락과 논리를 모르면 일부 트래픽 소스의 행동을 정확하게 평가하기 어렵기 때문입니다.

고객은 다음 작업에 사용할 수 있는 기성 보고서를 받았습니다.

• 마지막 간접 클릭 기여 및 ML 유입경로 기반 기여에 대한 완료된 주문과 트래픽 소스의 ROI 비교
• 유입경로의 여러 단계에서 트래픽 소스의 효율성 분석
• 속성 모델 계산 결과를 Alytics, Google Ads 및 K50에 자동으로 전달하여 요금 관리를 자동화합니다(OWOX BI는 이러한 서비스와 통합됨).

다음은 기여 모델에 따라 광고 캠페인의 ROI가 어떻게 다른지 보여주는 OWOX BI Smart Data 보고서의 예입니다.

예를 들어 이 스크린샷에서 ROI 소스 bing/organic이 Google Analytics보다 20% 더 높음을 알 수 있습니다. 즉, 소스는 실제로 더 많은 돈을 벌었지만 깔때기의 중간에 있었기 때문에 Google Analytics에서 저평가되었습니다.

광고 캠페인의 상호 영향과 판매 기여도를 평가하고 싶으십니까? OWOX BI를 사용해 보고 목표 달성에 어떻게 도움이 되는지 확인하십시오.

사용자가 어디선가 광고를 보고 아무 것도 클릭하지 않고 잠시 후 사이트를 방문하여 특정 작업을 수행하는 것을 조회 후 전환이라고 합니다. 광고로의 직접적인 연결 및 전환이 없기 때문에 추적하기 어렵습니다.

또한 Facebook, Google, YouTube 및 Yandex와 같은 대기업은 제3자가 시스템 내부에 들어가도록 하는 데 그다지 관심이 없습니다. 즉, 특정 사용자가 특정 광고를 봤다는 데이터를 제공하고 싶지 않습니다.

클라이언트의 목표: 미디어 광고(배너 및 비디오)에 대한 투자의 효율성을 높입니다.

클라이언트의 과제: 미디어 광고 보기(클릭 없음) 및 광고를 본 사용자의 후속 사이트 방문을 추적합니다.

우리의 가설: 고객이 미디어 광고를 게시하는 사이트에 추적 코드(픽셀)를 배치할 수 있습니다. 이 픽셀은 광고를 보는 각 사용자에게 고유한 쿠키를 할당합니다. 잠시 후 이 사용자는 클라이언트의 웹사이트로 이동할 수 있습니다. 그러면 할당한 쿠키를 읽고 이 데이터를 사용하여 조회 후 분석을 구축할 수 있습니다.

OWOX BI 팀은 광고 보기에 대한 데이터를 수집하여 클라이언트 사이트의 사용자 행동 데이터와 결합할 수 있는 추적 방법을 개발하는 작업을 맡았습니다. 우리는 본질적으로 광고가 실행되는 사이트에 배치할 수 있는 코드를 만들었습니다.

그런 다음 SQL을 사용하여 처리할 수 있도록 광고 보기 데이터를 클라이언트 사이트의 사용자 행동 데이터와 결합하는 Google BigQuery가 필요했습니다.

작업은 여러 단계로 구현되었습니다.

1. 고객으로부터 비즈니스 요구 사항을 수집합니다.
2. 이러한 비즈니스 요구 사항을 기반으로 미디어 광고가 배치될 사이트에 픽셀을 도입하기 위해 TA를 준비합니다.
3. TA 구현 품질 및 광고 심사 중 Google BigQuery에 입력되는 데이터 품질을 테스트합니다.
4. 캠페인을 시작하고 데이터 전송 품질을 모니터링합니다.
5. 캠페인 기간 동안 수집된 데이터를 CRM 데이터는 물론 사용자 행동 데이터와 연결합니다.
6. 클라이언트의 비즈니스 질문에 답하는 보고서를 작성하십시오.

• 모든 사이트가 픽셀 호스팅에 관심이 있는 것은 아닙니다.
• 데이터 매핑을 위한 키로 자체 OWOX 사용자 ID를 사용했습니다.
• 우리는 광고주가 소유한 플랫폼에서 스크립트의 추적과 올바른 작동을 지속적으로 모니터링했습니다.
• 전환 창 내의 직접 판매뿐 아니라 광고가 새로운 잠재고객(고객의 KPI 중 하나)을 유치하는 데 미치는 영향도 고려했습니다.

우리 고객은 다음 질문에 답한 보고서를 받았습니다.

• 온라인 주문이 있는 캠페인의 ROI는 얼마입니까?
• 광고를 본 후 10일 이내에 완료된 주문에 대한 캠페인의 ROI는 얼마입니까?
• ROPO의 영향을 고려할 때 광고의 ROI는 얼마입니까?
• ROI/CR/신규 사용자 측면에서 가장 효과적인 사이트는 무엇입니까?
• 광고를 본 사용자 중 이미 사이트를 방문한 적이 있는 사용자의 비율은 얼마입니까?
• 광고를 본 후 X/Y/Z일 이내에 사이트에 유입된 신규 사용자는 몇 명입니까?
• 광고를 본 후 구매한 신규 사용자는 몇 명입니까?
• 광고를 본 사용자가 구매한 항목은 무엇입니까?
• 광고로 인해 이탈한 사용자(X일 동안 사이트에 들어가지 않거나 사이트에서 구매하지 않은 사용자)는 몇 명입니까?

조회 후 전환 보고서의 예:

동일한 보고서를 원하십니까? OWOX BI를 사용해 보고 이를 사용하여 마케팅 분석 문제를 극복하는 방법을 확인하십시오.

• 데이터는 21세기의 석유입니다.
• 데이터로 작업하려면 실험과 테스트 가설이 필요합니다.
• 모든 실험이 성공적이지는 않을 것임을 대비해야 합니다.
• CMO의 욕구만으로는 충분하지 않습니다. 데이터가 돈을 벌기 시작하려면 회사 내 프로세스가 필요하고 팀도 이를 필요로 합니다.
• 데이터를 돈으로 바꾸는 것이 21세기의 연금술인가? 우리는 그렇게 생각하지 않습니다 :)