전환에 도움이 되는 2.4배 더 많은 키워드를 발견하고 PPC 광고 ROI를 17% 높이는 방법

오늘날 마케팅 경쟁에서 승리하는 것은 비즈니스 성과를 개선하기 위한 데이터 분석을 적용하지 않고는 불가능합니다. 새로운 기술을 통해 기업은 워크플로를 변환하고 의사 결정을 위해 데이터를 효과적으로 활용하며 마케팅 목표에 더 빨리 도달할 수 있습니다.

이 경우 고객이 웹사이트, 오프라인 매장 및/또는 콜센터를 통한 전화로 구매하는 가구 및 가정용품의 옴니채널 소매업체를 위해 OWOX BI 팀이 제공한 솔루션에 대해 설명합니다. 온라인 광고 ROI를 개선하는 데 어려움이 있었습니다.

회사가 온라인 광고 ROI를 개선하기 위해 모색 중이었던 이 전략에는 다음 단계가 포함되었습니다.

1. 여러 기기에서 각 고객의 오프라인 및 온라인 활동에 대한 완전한 데이터를 수집합니다.
2. 마지막 키워드에 모든 크레딧을 할당하는 대신 각 키워드에 의해 창출된 수익을 평가하십시오.
3. PPC 광고에 대한 입찰 관리 및 조정을 자동화합니다.

관련된 프로세스: 전체 데이터(사용자 작업, 온라인, 오프라인 및 전화로 이루어진 주문, 광고 실적 데이터) 수집, 맞춤 기여 모델 구현, Alytics에서 입찰 관리 자동화.

회사는 입찰을 자동화하기 위해 각 키워드의 실적을 알아야 했습니다. 기기 전반의 온라인 세션, 전화 통화, 실제 매장에서의 구매를 포함한 모든 고객 접점을 연결하여 키워드 값을 결정해야 합니다. Google Analytics에는 그러한 옵션이 없습니다.

Google 애널리틱스의 기여 모델은 다음과 같은 단점으로 인해 광고 채널을 정확하게 평가할 수 없습니다.

• 취소된 주문을 무시합니다.
• 오프라인 구매는 생략합니다.
• 구매의 총 마진을 무시합니다.
• 전화주문 생략.
• 여러 장치에서 방문하는 사용자를 여러 고유 사용자로 잘못 추적합니다.
• 보고서의 샘플링 데이터.

키워드 실적에 대한 잘못된 평가는 입찰가를 올바르게 설정하기 어렵게 만듭니다. 결과적으로, 높은 입찰가는 예산 낭비가 될 것이고 낮은 입찰가는 더 적은 고객을 유도할 것입니다.

전화 주문 및 오프라인 주문에 대한 데이터와 Google 이외의 유료 광고 캠페인에 대한 비용 데이터는 Google Analytics에서 사용할 수 없습니다. 따라서 데이터 수집 및 속성 모델링은 Google BigQuery에서 설정됩니다.

이 서비스는 다음과 같은 이유로 선택되었습니다.

• 데이터 양에 상관없이 고속 쿼리 처리(최대 20초).
• API를 사용하면 다른 시스템과 쉽게 통합할 수 있습니다.
• 파일 또는 Google 스프레드시트에서 데이터를 쉽게 업로드할 수 있습니다.
• 사용을 위해서만 충전합니다.
• 데이터베이스를 유지할 필요가 없습니다.

채널 및 키워드의 가치는 Google BigQuery에서 계산되어 입찰가를 관리한 다음 RESTful API를 사용하여 결과를 Alytics로 가져왔습니다.

이제 각 단계를 자세히 살펴보겠습니다.

Google AdWords 비용 및 실적 데이터는 기본 통합 및 계정 연결 덕분에 자동으로 Google Analytics로 가져옵니다.

OWOX BI 파이프라인은 다음 용도로 사용됩니다.

• 광고 서비스에서 Google Analytics로 세션, 비용 및 수익 실적 데이터를 수집합니다. 이 데이터는 Google AdWords의 데이터와 함께 비용 분석 보고서에 나타납니다.
• 통합 세션, 비용 및 수익 실적 데이터를 Google Analytics에서 Google BigQuery로 가져옵니다.
• 웹사이트에서 Google BigQuery로 사용자 행동 데이터를 거의 실시간으로 가져옵니다.

다음 데이터는 API를 사용하여 Google BigQuery로 전송됩니다.

• CRM 및 ERP에서 제품의 총 마진 및 주문 완료율.
• CallTouch 통화 추적 시스템에서 전화를 건 사용자의 ClientID입니다. CallTouch에서 제공하는 여러 전화번호가 사용됩니다. 방문 횟수가 많을수록 평균 세션 시간이 길어질수록 CallTouch에서 제공하는 전화번호가 늘어납니다. 시스템은 웹사이트의 각 세션에서 번호 중 하나를 표시하고 해당 번호를 사용자의 ClientID와 연결합니다. 다음으로 호출자의 ClientID를 CallTouch에서 Google BigQuery로 가져옵니다.

데이터 수집 순서도는 다음과 같습니다.

이제 실제 매장, 콜센터, 웹사이트의 모든 사용자 행동 데이터가 Google BigQuery에 수집됩니다. 세션 데이터(적중 시퀀스, 세션 ID 및 사용자의 암호화된 개인 데이터)는 OWOX BI Pipeline을 사용하여 Google BigQuery로 전송됩니다. 세션은 다음 매개변수에 의해 사용자와 연결됩니다.

• 브라우저-장치 쌍의 고유 식별자인 ClientID입니다.
• 사용자의 이메일 주소에 바인딩된 각 사용자의 고유 식별자인 UserID입니다.
• 로열티 카드 번호입니다.

Hoff는 SQL 쿼리를 사용하여 세션을 그룹화합니다. 데이터가 결합되는 방법에 대한 3가지 예를 살펴보겠습니다.

Anna는 스마트폰의 브라우저 앱을 사용하여 웹사이트에서 소파를 탐색합니다. 얼마 후, 그녀는 같은 기기에서 웹사이트를 다시 방문하여 원하는 것을 선택하고 이메일을 통해 로그인하고 소파를 장바구니에 추가합니다. 장치와 브라우저가 동일하기 때문에 이 두 세션은 ClientID별로 그룹화됩니다. Anna는 집에 돌아와 노트북을 열고 계정에 로그인하여 선택한 소파를 구입합니다. 이제 그녀의 전화기와 노트북의 세션을 UserID로 결합할 수 있습니다.

Nick은 업무용 컴퓨터에서 새 식탁을 찾다가 웹사이트를 방문합니다. 점심시간에는 스마트폰으로 웹사이트 계정을 만들고 주문을 한다.

Nick은 두 개의 다른 기기를 사용했고 스마트폰에서만 인증했습니다. 이 두 세션은 ClientID 또는 UserID로 연결할 수 없습니다. 결과적으로 Google Analytics는 두 사용자의 세션으로 계산합니다.

직장으로 돌아온 Nick은 그의 아내가 항상 호두 테이블이 아닌 웬지 테이블을 원했고 그에게도 로열티 카드가 있다는 사실을 기억합니다. 그는 업무용 컴퓨터로 웹사이트에 접속하여 로그인하고 주문을 변경하고 로열티 카드를 사용하여 구매합니다.

이제 컴퓨터에서 구매를 다음과 연결하여 Nick의 모든 세션을 함께 연결할 수 있습니다.

• 두 세션이 동일한 컴퓨터의 동일한 브라우저에서 시작되었으므로 ClientID로 테이블(세션 1)을 찾습니다.
• 전화에서 계정 만들기(세션 2) — 두 세션에서 Nick이 자신의 계정에 로그인한 것처럼 UserID로.

그 결과 Nick의 첫 방문부터 구매까지의 여정과 관련된 데이터가 Google BigQuery에 수집됩니다.

Nick은 업무용 컴퓨터에서 웹사이트를 검색하여 새 테이블과 어울리는 의자를 찾습니다. 그는 웹사이트에 표시된 전화번호로 전화를 걸어 주문을 한다. 그런 다음 그는 상점으로 차를 몰고 충성 카드를 사용하여 의자를 구입합니다.

웹사이트에서 Nick의 이전 작업은 상점 및 전화에서의 작업과 병합되었습니다.

• 전화 주문 및 온라인 활동 — Nick이 이전에 테이블을 구입하고 CallTouch가 동일한 장치의 동일한 브라우저에 전화번호를 표시한 것처럼 ClientID 기준.
• 오프라인 구매 및 온라인 활동 - Nick의 로열티 카드 번호 기준.

이제 모든 Nick의 상호 작용을 연결하기에 충분한 데이터입니다. 이것이 그들이 하는 방법입니다:

결과적으로 모든 사용자의 ClientID, 이메일 주소, 포인트 카드 및 주문이 통합되어 어떤 검색어가 수익을 창출하고 어떤 검색어가 구매를 지원하지 않고 입찰가를 소비 하는지 확인했습니다.

기여 모델의 논리는 다음과 같습니다. 고객의 전환 경로에서 첫 번째 세션과 마지막 세션의 총 가치는 그 사이에 있는 세션의 가치와 같습니다. 첫 번째 세션은 사용자가 웹사이트를 처음 방문하여 브랜드를 접하는 시간입니다. 마지막 세션은 사용자가 구매할 때입니다. 여러 장치에서 데이터를 결합하면 세션과 시간 순서 사이의 연결을 찾는 데 도움이 됩니다.

각 채널의 값은 2단계로 결정됩니다.

1. 첫 번째 세션을 시작한 채널을 식별합니다. 사용자가 이전에 웹사이트를 방문한 적이 있는 경우 획득 채널은 이전 세션의 채널과 연결됩니다. 예를 들어 사용자가 Google 디스플레이 광고를 클릭하여 웹사이트를 방문하고 Bing의 자연 검색을 통해 이전에 웹사이트를 방문한 경우 모델은 Bing을 사용자에게 브랜드를 소개한 채널로 취급합니다.
2. 세션에 가치 할당. 구매 수익은 다음 규칙에 따라 사용자 세션에 분배됩니다.

• 첫 번째 세션은 판매 크레딧의 20%를 받습니다.
• 마지막 세션은 크레딧의 30%를 받습니다.
• 그 사이의 세션은 나머지 50%를 받습니다. 세션은 구매 전 시간으로 평가됩니다. 세션 내에서 더 많은 페이지를 조회하고 구매 전 시간이 적을수록 세션이 받는 가치가 높아집니다.

키워드 및 채널의 가치는 매일 자동으로 재계산됩니다. 결과는 Google BigQuery 및 Google Cloud Storage의 테이블에 저장됩니다. 기여 분석 결과는 RESTful API를 사용하여 Google Cloud Storage에서 Alytics로 내보내집니다.

Alytics가 입찰 규모를 결정하도록 규칙이 설정되었습니다. 제품을 언급하는 검색어의 ROI가 클수록 입찰가가 높아집니다. 예를 들어 테이블에 대한 ROI가 15% 미만인 경우 테이블 구매 키워드에 대한 입찰가는 $1입니다. ROI가 75%보다 크면 입찰가는 $4입니다. 모든 숫자는 실험적으로 결정되었습니다.

온라인 및 오프라인 고객 행동에 대한 데이터 병합, 키워드 값 결정, 입찰가 조정 자동화 덕분에 회사는 이제 다음과 같은 질문에 답할 수 있습니다.

• 주문 이행을 고려한 온라인 광고 ROI는 어떻게 변합니까?
• 온라인 광고는 콜센터 주문에 어떤 영향을 미칩니까?
• 가장 수익성 높은 주문을 유도하는 키워드는 무엇입니까?
• 어떤 제품이 최고의 ROI를 제공합니까?
• 오프라인 판매에서 온라인 광고의 영향은 어느 정도였습니까?

그 결과 다음이 가능했습니다.

• 입찰가를 최적화하고 PPC 광고 ROI를 17% 높입니다.
• 키워드의 수익 영향을 보다 정확하게 측정하고 전환을 지원하는 키워드가 2.4배 더 많이 표시됩니다. 표준 기여 모델은 단순히 이를 무시했습니다.
• 일부 핵심 문구는 온라인 판매보다 오프라인 구매에 더 큰 영향을 미칩니다.