구매 주문을 고려한 배송 비용 및 ROMI 계산 방법

소매업체의 일반적인 문제는 때때로 수익성이 없을 수 있기 때문에 배송 비용입니다. 회사가 자체 비용으로 배송하는 일부 주문은 배송 시점에서 고객이 실제로 구매하지 않습니다. 따라서 우리 고객은 실제로 각 지역에서 배송 및 광고에 지출하는 비용을 계산하기로 결정했습니다.

이 경우 배송 비용 및 구매 주문을 고려한 ROMI를 계산하는 데 어려움이 있었던 미드세그먼트의 대형 패션 소매업체를 위해 OWOX BI 팀이 제공한 솔루션에 대해 설명합니다.

마케팅 팀은 두 가지 주요 문제를 해결하고자 했습니다.

1. 구매 주문을 고려한 광고 캠페인의 실제 ROMI를 학습하여 채널 전체에 보다 효과적으로 예산을 할당합니다.
2. 지역별 운송 비용을 계산하여 체인이 자체 비용으로 상품을 배송하고 더 유망한 다른 지역에 마케팅 노력을 집중하는 것이 수익성이 없는 지역을 찾습니다.

트래픽을 유도하고 전환율을 높이기 위해 문맥 광고, CPA(TrackAd), 이메일 등 많은 채널이 사용됩니다. 광고 비용은 다양한 방법으로 계산되어 다양한 서비스에 저장됩니다. 또한 소매업체는 여러 배송 옵션을 제공하며 경우에 따라 자체 비용으로 주문을 배송합니다. 배송비는 지역 및 구매 무게에 따라 다릅니다. 돈은 또한 다양한 지역에서 광고에 사용되어 구현 비용이 증가합니다. 다른 지역의 모든 상품 판매 비용을 정기적으로 분석하려면 구매 주문을 고려한 실제 데이터를 기반으로 대시보드를 구축해야 합니다.

온라인 주문 시 고객은 웹사이트에서 결제, 분할 결제, 택배로 배송할 때 결제 또는 픽업 장소에서 주문할 때 결제 등 여러 가지 결제 옵션을 사용할 수 있습니다. 후자의 두 경우 고객은 상품을 입어보고 주문의 일부만 구매하도록 선택할 수 있습니다. 따라서 웹사이트에서 생성된 주문에서 볼 수 있는 수익은 구매 주문에서 받는 실제 수익보다 훨씬 높습니다.

배송, 완료 및 구매 주문에 대한 데이터도 다른 시스템에 저장됩니다. 어떤 제품이 가장 자주 구매되는지, 광고 캠페인이 효과가 있는지, 특정 지역으로 배송하는 것이 수익성이 있는지 여부를 이해하기 위해 마케팅 팀은 모든 데이터를 하나의 보고서로 컴파일해야 했습니다.

고급 분석을 설정하기 위해 약 30년 동안 42개국의 고객과 협력해 온 B2B 통합업체인 파트너 CROC에게 문의했습니다. OWOX BI의 도움으로 CROC 팀은 다양한 접점에서 데이터를 수집하고 누락된 정보를 제공하는 대시보드를 구축할 수 있었습니다.

결제에서 구매까지 최대 3주가 소요될 수 있으므로 온라인 데이터를 기반으로 한 보고서를 사용하여 예산 할당에 대한 운영 결정을 내립니다.

그러나 웹사이트에서 이루어진 모든 주문이 구매되는 것은 아닙니다. 사실 이것은 대부분의 패션 소매업체의 문제입니다. 대략적으로 말하면 고객은 총 비용이 500유로인 품목을 선택할 수 있지만 150유로 상당의 상품만 구입할 수 있습니다. 완전한 데이터를 기반으로 한 보고서는 실제 그림을 보여줍니다. 구매한 상품의 비율과 특정 채널에서 우리에게 가져오는 돈의 비율입니다.

예를 들어 bing/cpc의 ROMI를 보면 첫 번째 보고서에서는 419.46%, 두 번째 보고서에서는 115.97%를 볼 수 있습니다. 거의 3.5배 차이가 난다.

따라서 월말에 마케팅 팀은 전체 데이터 보고서를 보고 상환 가능성을 고려하기 위해 다음 달 요금을 조정합니다. 배송 매개변수에 대한 보고서는 주문이 더 많은 지역을 결정하고 수익성이 없는 지역을 차단하는 데 도움이 됩니다.

마케터는 웹사이트 및 카테고리 보고서를 사용하여 특정 웹사이트에서 가장 잘 팔리는 제품, 더 많이 투자해야 하는 웹사이트, 시간이 걸리고 수익을 내지 못하는 웹사이트를 분석합니다.

소매업체는 이메일과 관련된 많은 활동을 하기 때문에 어떤 캠페인이 가장 효과적인지 이해하고 사용자가 구매를 완료하도록 권장해야 했습니다. MindBox 데이터에 대한 보고서 덕분에 마케터는 이메일이 전송된 순간부터 구매 순간까지 유입경로의 모든 부분을 볼 수 있습니다.

이 보고서에서 얻은 통찰력:

1. 실제 구매 전 발송된 이메일의 전환율은 평균 0.2%입니다.
2. 전환의 가장 큰 비율은 제품 조회 및 버려진 장바구니에 대한 트리거 메일을 수신한 고객에 의해 이루어집니다.
3. 일부 사용자는 이메일을 받은 후 6개월 후에 이메일을 열어 구매할 수 있습니다.

1단계 . OWOX BI를 사용하여 원시 데이터 스트리밍을 설정하여 웹사이트에서 Google BigQuery로 데이터를 동시에 전송하고, 데이터 샘플링을 피하고, 사용 가능한 모든 매개변수로 보고서를 작성합니다.

2단계 . 또한 OWOX BI의 도움으로 마케터는 광고 서비스에서 자동으로 비용 데이터 가져오기를 설정하여 데이터가 매번 수동으로 병합되지 않도록 합니다. 이렇게 하면 비용 데이터가 한 곳에서 단일 형식으로 수집되고 정기적으로 자동 업데이트됩니다.

Facebook 및 Criteo의 데이터는 Google BigQuery로 직접 전송됩니다. Google Analytics → BigQuery(Cost Data) 스트리밍을 사용하여 타사 서비스를 통해 Google Analytics에 업로드된 CPA 비용 데이터도 얻을 수 있었습니다. Google Ads 비용 데이터는 기본 통합을 사용하여 BigQuery로 가져옵니다.

3단계 . OWOX BI의 맞춤형 통합을 사용하여 이메일 캠페인 데이터 업로드를 설정합니다.

4단계 . 자체 솔루션으로 내부 시스템에서 Google BigQuery로의 트랜잭션 및 전달 데이터 업로드를 구성합니다.

데이터 수집 및 이동 방식은 다음과 같습니다.

5단계 . 웹사이트에서 주문하기와 주문 구매하기라는 두 가지 전환 단계가 있는 깔때기를 기반으로 OWOX BI 속성을 설정합니다. 그 결과 광고 캠페인의 효과에 대한 두 개의 보고서가 생성됩니다. 하나는 온라인 데이터에 대한 보고서이고 다른 하나는 완전한 데이터에 대한 보고서입니다.

6단계 . 중요한 질문에 답하는 여러 대시보드가 ​​구축되었습니다.

고급 분석을 구성하기 위한 공동 프로젝트의 결과로 마케팅 팀은 이전에 풀리지 않은 질문에 답하는 데 도움이 되는 보고서를 작성할 수 있었습니다. 구매 주문을 고려한 실제 ROMI를 계산하여 채널 간에 예산을 효율적으로 분배할 수 있었습니다. 그리고 각 지역에 배송하는 데 드는 비용을 이해하면 어느 지역이 자체 비용으로 배송하기에 수익성이 없는지 결정하는 데 도움이 되었습니다.

마케팅 팀의 다음 단계는 ROPO 분석을 구축하기 위해 오프라인 매장의 판매 데이터 업로드를 완료하는 것입니다. 이렇게 하면 온라인 활동이 오프라인 판매에 미치는 영향을 명확하게 추적하는 데 도움이 됩니다. 온라인에서는 효과가 없어 보이는 캠페인이 고객을 오프라인 매장으로 이끄는 경우가 많습니다.