ML 깔때기 기반 기여 모델을 사용하여 내부 분석을 개선하는 방법

고객에게 도달하기 위해 가능한 한 많은 광고 채널을 적용함으로써 기업은 실적, 성공 및 분명히 매출 성장에 대한 올바른 평가에 큰 문제에 직면하게 됩니다. 그들이 대답해야 하는 질문은 어떤 채널이 더 잘 작동합니까? 어느 것이 제거되어야 하고 어떤 것이 적격한 리드를 제공합니까? 이제 기여 모델이 게임에 등장할 때입니다.

이 경우 실적을 개선하고 올바른 기여 모델을 사용하는 데 어려움을 겪고 있는 대규모 온라인 소매업체를 위해 OWOX BI 팀이 제공한 솔루션에 대해 설명합니다.

OWOX BI와 협력하기 전에 회사는 주문 전 모든 이전 단계의 기여도를 무시하고 마지막 소스에 모든 가치를 부여한 Last Click 기여 모델을 사용했습니다. 광고 캠페인의 성과를 올바르게 평가하기 위해 ML 깔때기 기반 기여 모델을 설정하기로 결정했습니다.

이 회사는 소셜 미디어 광고, 가격 비교 웹 사이트, PPC, 웹 사이트, 전화 통화, 직접 마케팅, 주문 처리 센터 및 전초 기지와 같은 다양한 사용자 접점을 보유하고 있습니다. 다채널 마케팅을 하는 대부분의 소매업체와 마찬가지로 회사에서 데이터를 수집하고 다른 시스템에 저장하기 때문에 데이터를 분산시키는 문제에 직면했습니다.

유입경로에 따른 고객 여정에 대한 각 채널의 기여도를 평가하기 위해 소매업체는 사용자 행동, 광고 비용, 오프라인 주문, 실제 회사 수익에 대한 데이터를 완료된 주문 계정과 병합해야 했습니다. 즉, 회사는 다음 단계를 수행하여 마케팅 분석을 설정해야 했습니다.

1. 웹사이트에서 Google Analytics 360으로 사용자 행동 데이터를 수집하는 개별 측정항목 세트를 개발합니다. 표준 내보내기를 사용하여 샘플링되지 않은 데이터를 Google BigQuery로 보낼 수 있습니다.
2. OWOX BI 파이프라인을 설정하여 광고 서비스에서 Google BigQuery로 데이터를 수집합니다.
3. CRM 시스템에서 Google BigQuery로 거래 데이터 내보내기를 구성합니다.
4. Google BigQuery의 병합된 데이터를 기반으로 ML 깔때기 기반 기여 모델을 만듭니다.
5. 채널 그룹에 대한 소매업체의 자체 이름이 GA 360과 다르기 때문에 OWOX BI 분석가와 함께 채널 그룹에 대한 레코드 연결을 수행합니다.
6. 월별 예산 계획을 위해 Google 스프레드시트에서 보고서를 가져옵니다.

다음은 데이터 통합 ​​차트입니다.

이제 보고서와 함께 ML 깔때기 기반 기여 모델이 어떻게 구축되었는지 자세히 살펴보겠습니다.

OWOX BI 분석가는 소매업체에 대한 개별 메트릭 세트의 개발, 설정 및 구현을 도왔습니다. 또한 당사 전문가는 새로운 기능과 함께 새로운 도메인에 대한 측정 시스템을 정기적으로 테스트하고 업데이트합니다.

웹사이트에서의 사용자 행동에 대한 데이터는 Google 애널리틱스 360에서 수집되어 매일 Google BigQuery로 전송되어 광고 비용 및 거래에 대한 데이터와 연결됩니다. 회사는 웹 사이트의 트래픽 수준이 높기 때문에 유료 버전의 Google Analytics를 선택했습니다. 표준 버전은 사용자 세션 수가 500,000회 이상일 때 샘플링을 적용하는 반면 Google 애널리틱스 360은 조회수까지 정확한 데이터를 얻을 수 있습니다.

기본 통합 덕분에 AdWords 비용에 대한 데이터는 Google Analytics 360으로 이동합니다. OWOX BI Pipeline은 Facebook에서 Google Analytics 360으로 데이터를 보내고 Google BigQuery의 모든 광고 서비스에 대한 비용 데이터를 병합하는 데 사용됩니다. 아래 표는 전송된 데이터의 구조를 보여줍니다.

반품 및 완료된 주문에 대한 데이터를 고려하기 위해 분석가는 거래에 대한 데이터를 CRM 시스템에서 Google BigQuery로 내보냅니다. 데이터 구조는 아래와 같습니다.

이 구조는 user_id 및 시간 키를 사용하여 완료된 주문에 대한 데이터를 웹사이트 사용자 행동에 대한 데이터와 병합하는 데 도움이 됩니다.

소매업체의 판매 깔때기는 방문, 제품 페이지, 장바구니에 추가, 체크아웃, 구매의 5단계로 구성됩니다. OWOX BI 팀은 웹사이트 방문부터 구매까지의 평균 시간을 계산하고 최적의 전환 윈도우와 거래 윈도우를 추천했다.

이 데이터를 사용하여 ML 깔때기 기반 기여 모델을 만들었습니다.

ML 깔때기 기반 기여 모델은 사용자가 판매 깔때기의 한 단계에서 다른 단계로 이동할 확률을 평가합니다. 회색 열은 확률 값을 보여줍니다. 한 단계에서 다른 단계로 이동할 확률이 낮을수록 사용자가 이 단계를 통과한 세션에서 더 많은 가치를 얻습니다. 주문으로 이어진 세션만 값을 얻습니다. 블로그 게시물에서 OWOX BI Attribution의 계산 로직에 대해 자세히 알아볼 수 있습니다.

기여 분석 결과는 6단계에서 설명할 보고서를 작성하는 데 사용됩니다.

Google 애널리틱스 360 보고서의 모든 트래픽 소스는 기본적으로 직접, 자연, 이메일, 추천, 소셜, 디스플레이, CPC 및 기타 채널 그룹으로 구성됩니다.

그러나 마케팅 전문가는 내부 보고서에 자체 채널 그룹 이름을 사용합니다. 기여 모델을 생성하기 위해 회사 팀은 채널 그룹에 대한 자체 이름과 함께 과거 기간 동안 이미 수집된 데이터를 사용했습니다. 그렇기 때문에 Google 애널리틱스 360 설정에서 이름을 변경하는 것이 너무 늦었습니다. 이 사실 때문에 OWOX BI 분석가는 레코드 연결을 수행하고 Google 스프레드시트에서 채널 그룹에 대해 일치하는 이름의 업데이트 가능한 목록을 만들었습니다. 아래 표는 목록 구조를 보여줍니다.

OWOX BI 팀은 소스 및 매체 키를 사용하여 Google BigQuery의 레코드 연결을 월별 속성 결과와 결합하는 스크립트를 만들었습니다.

OWOX BI 분석가의 도움으로 두 개의 보고서가 생성되었습니다. 첫 번째 보고서는 어떤 계열사가 다른 채널의 가치를 자신에게 귀속시키는지 이해하는 데 도움이 되었습니다. 이 보고서는 OWOX BI 스마트 데이터에서 사용할 수 있습니다. 분석가는 무료 OWOX BI BigQuery 보고서 추가 기능을 사용하여 얻은 보고서의 데이터를 Google 스프레드시트로 내보냈습니다.

OWOX BI 분석가가 Google 스프레드시트로 데이터를 내보내기 위해 취한 단계는 다음과 같습니다.

1. 스마트 데이터로 이동 하여 유입경로 단계에 소스 및 매체의 가치가 어떻게 분포되어 있는지 묻고 보고서를 엽니다.
2. 오른쪽 상단으로 이동 하여 SQL 쿼리를 클립보드에 복사 를 선택합니다.

1. Google 스프레드시트에서 새 보고서를 만듭니다. 그렇게 하려면 추가 기능 메뉴를 연 다음 OWOX BI BigQuery 보고서 및 새 보고서 추가 를 선택합니다. 그런 다음 기존 Google Cloud Platform 프로젝트를 선택 하고 새 보고서 추가 를 선택한 다음 붙여넣기 를 클릭합니다.

각각의 새 보고서는 새 시트에 생성된다는 점에 유의하십시오.

사이드바에 보고서 구성 제공: 업로드할 데이터를 제공할 기존 Google Cloud Platform 프로젝트 및 Google BigQuery 쿼리를 선택합니다.

메모! 보고서 구성에 대한 자세한 내용은 여기에서 확인할 수 있습니다.

1. 이제 보고서를 Google 스프레드시트에서 사용할 수 있습니다. 보다 편리하게 보고서 자동 업데이트를 예약할 수 있습니다. 그렇게 하려면 OWOX BI BigQuery 보고서 설정에서 보고서 예약 으로 이동합니다.

업데이트에 필요한 기간을 설정합니다.

메모! 정기 보고서 업데이트를 예약하는 방법에 대해 자세히 알아보려면 이 링크를 클릭하세요.

OWOX BI 전문가는 쿼리를 수정하고 동적 매개변수(소스 및 분석 기간)를 추가했습니다.

메모! 이 링크를 따라 쿼리의 동적 매개변수에 대해 자세히 알아보세요.

결과적으로 트래픽 분석 보고서를 얻었고 어떤 퍼널 단계가 특정 소스에서 더 많은 영향을 받고 있는지 보여줍니다.

제휴 파트너만 필터링하면 회사는 최종 퍼널 단계에서 가장 가치 있는 파트너를 식별할 수 있습니다.

두 번째 보고서는 광고 캠페인의 실제 비용, 수익 및 ROAS를 보여줍니다. 이 보고서를 사용하여 마케팅 전문가는 더 많은 수익을 창출하는 소스와 수익을 내지 못하는 소스를 찾을 수 있습니다.

• 정확하고 유연한 데이터 수집 시스템은 OWOX BI 팀에 의해 설정되었습니다.
• OWOX BI 및 Google 제품을 사용하여 데이터 수집 프로세스를 자동화했습니다. 이제 모든 데이터를 단일 인터페이스에서 실시간으로 사용할 수 있습니다.
• ML 깔때기 기반 기여 모델은 회사가 광고 캠페인 및 채널의 성과를 더 잘 평가하는 데 도움이 되었습니다.