기업 소매업체의 문맥 광고 ROI를 2.2배 높이는 방법

모든 비즈니스에 익숙한 질문은 매출을 유지하면서 문맥 광고에 대한 지출을 줄이는 방법입니다. Google Ads 또는 Facebook과 같은 광고 시스템에서 웹사이트 트래픽을 구매하는 경우 지출의 상당 부분이 장바구니에 품목을 담지 않는 사용자의 클릭에 사용됩니다. 구매를 완료하더라도 항상 구매를 완료하는 것은 아닙니다. 그렇다면 광고 캠페인을 최적화하려면 어떻게 해야 할까요?

이 경우 OWOX BI를 테스트하여 전환 확률을 계산한 전자 및 가전 소매업체를 위해 OWOX BI 팀에서 제공한 솔루션에 대해 설명합니다.

기업 소매업체의 주요 성과 마케팅 작업 중에는 효율성 메트릭을 늘리고 현재 구매에 관심이 없는 사용자와의 접촉을 줄이는 것이 있습니다. 데이터 기반 솔루션은 광고 캠페인 최적화를 위한 가장 유망한 도구입니다. OWOX BI 기여 모델은 머신 러닝 기술을 사용하여 첫 방문부터 각 웹사이트 사용자의 구매 확률을 계산합니다. 이러한 구매 확률을 사용하여 기업은 사용자에게 광고하는 데 지출할 가치가 있는지 결정할 수 있습니다. 또한 OWOX BI 모델은 사용자가 어떤 행동을 수행할 확률을 계산할 수 있습니다.

또한 문맥 광고 SEM 전문가의 필수 작업 중 하나는 웹 사이트 방문자가 웹 사이트에서 수행하는 작업과 마지막 트리거 이후 경과된 시간에 따라 다양한 그룹으로 분류하는 것입니다. 예를 들어 구매하지 않고 장바구니에 항목을 추가한 이후의 일 수입니다. 이러한 청중을 수동으로 분석하고 입찰가 계산을 조정하는 작업은 작업 프로세스의 큰 부분을 차지합니다.

요약하자면, 목표는 완료된 주문의 수익을 절약하면서 문맥 광고 캠페인의 ROI를 높이는 것이었습니다.

OWOX BI 머신 러닝 솔루션은 광고 캠페인을 최적화하기 위해 적용되었으며 다음과 같은 교육을 받았습니다.

• 웹사이트 사용자의 행동에 대한 과거 데이터
• 상환된 주문에 대한 CRM 데이터
• OWOX 클라이언트의 수만 프로젝트에서 집계되고 익명화된 데이터

OWOX BI가 제공한 것:

• 각 웹사이트 사용자에 대해 구매 확률은 상환된 주문을 고려하여 계산됩니다.
• 확률 계산은 각 사용자 작업 또는 비활성 기간 후에 업데이트됩니다. 예를 들어 사용자가 웹사이트를 방문하여 다양한 행동을 하면 X%의 구매 확률을 받습니다. 그 후 4일 동안 웹사이트를 방문하지 않으면 이 확률이 감소합니다.
• 10개 사용자 세그먼트를 10점 척도에 따라 구매 확률에 따라 나눕니다.

예측 정확도와 각 세그먼트의 성능을 평가하기 위해 팀은 각 세그먼트가 완료한 주문 수를 분석했습니다.

표의 상단은 전환 확률이 가장 높은 세그먼트이고 하단은 가장 낮은 세그먼트입니다.

1. OWOX BI를 사용하여 Google BigQuery에서 웹사이트에서 사용자의 행동에 대한 데이터를 수집했습니다. (Google 애널리틱스 360을 사용하는 것도 가능합니다.)

2. OWOX 분석가는 기여 모델을 훈련하고 웹사이트 방문자에 대한 정기적인 전환 확률 계산을 시작했습니다. 각 방문자에게 전환 확률이 할당되었습니다. 알고리즘은 다음을 포함하여 60개 이상의 매개변수를 설명합니다.

• 전환 추적 기간 내 조회수 세션 수
• 세션 내 웹사이트에서의 작업
• 세션 사이에 일시 중지
• 전체 작업 수
• 세션 장치 및 운영 체제
• 사용자가 전환 추적 기간 내에 보유한 트래픽 소스
• 세션 내 각 페이지의 작업 수
• 전환 추적 기간 내 특정 세션의 시간 및 총 세션 시간

3. OWOX BI 팀은 이 모든 데이터를 Google BigQuery의 하나의 테이블에 수집하여 각 사용자의 구매 확률을 평가했습니다.

4. 잠재고객 데이터는 OWOX BI 파이프라인을 사용하여 광고 서비스로 전송되었습니다.

5. 광고 서비스에 청중이 추가되었습니다.

1차 A/B 테스트는 광고 캠페인을 위해 조사된 그룹 간에 동일한 트래픽 분할로 수행되었습니다.

• 수동으로 생성되었습니다.
• 자동화 서비스의 도움으로 제품 데이터 피드를 기반으로 합니다.

성공적인 실험 후 다이내믹 광고 캠페인에 대한 두 번째 테스트가 시작되었습니다. 광고 캠페인 간의 효율성에 따라 데이터를 수집하여 잠재 고객에 대한 입찰가를 계산하고 조정했습니다.

• 구매 확률이 낮은 잠재고객에 대해 입찰가를 낮춥니다(때로는 최대 90%).
• 구매 가능성이 높은 잠재고객에 대한 입찰가를 높입니다.

입찰가 조정의 크기는 각 잠재고객의 전환 계수 및 목표 ROI에 대해 수집된 데이터를 기반으로 계산되었습니다. 각 캠페인 및 잠재고객의 현재 ROI도 고려되었습니다. 각 잠재고객에 대해 OWOX BI는 적절한 클릭당 가격을 계산했습니다. 이러한 계산을 기반으로 목표 KPI에 도달하도록 현재 가격을 조정했습니다. 조정은 결과에 따라 일관되게 변경되었습니다.

두 달 동안 OWOX 분석가는 클라이언트 팀과 함께 두 가지 테스트를 수행했습니다. 첫 번째는 한 달 반 동안 지속되었으며 트래픽이 적은 5개의 광고 캠페인이 포함되었습니다. 이러한 각 캠페인은 A/B 테스트를 위해 OWOX BI 잠재고객을 사용하는 캠페인과 사용하지 않는 캠페인의 두 가지 캠페인으로 세분화되었습니다.

OWOX 잠재고객을 사용하는 캠페인은 완료된 주문에 대한 ROI 및 수익 측면에서 모두 1.7배 더 나은 결과를 보여주었습니다. 소매업체의 경우 이는 광고 투자의 효율성을 높이는 방향으로 나아가는 단계였습니다.

첫 번째 실험 후 OWOX BI 팀은 OWOX BI 잠재고객을 사용하고 OWOX BI 잠재고객을 사용하지 않는 동일한 수의 캠페인이라는 동일한 원칙에 따라 트래픽이 많은 캠페인을 기반으로 3주 테스트를 실행했습니다.

두 번째 테스트의 결과는 OWOX BI 잠재고객이 있는 캠페인에서 완료된 주문에 대해 2.2배 더 높은 ROI와 2.7배 더 높은 수익을 보였습니다.

두 경우 모두 테스트 그룹은 통제 그룹과 동일한 예산으로 더 많은 수익을 올렸거나 더 적은 예산으로 동일한 수익을 얻었습니다. OWOX BI를 사용하여 전환을 예측함으로써 고객은 잠재고객 세그먼트를 생성하는 시간을 절약했고 웹사이트 사용자의 모든 데이터는 자동으로 처리되었으며 결과 데이터는 광고 캠페인에서 입찰가를 조정하고 실행하는 데 사용할 수 있는 광고 서비스에 업로드하기 위해 준비되었습니다. 리타겟팅.

이러한 테스트 결과는 다른 성능 및 브랜드포포먼스 채널의 추가 확장을 위한 성공적인 시작으로 간주되었습니다. 전환 확률 계산을 통한 실험이 효율성을 입증함에 따라 다음 단계는 솔루션을 확장하는 것이었습니다. 모든 검색 캠페인에서 사용하고, 세그먼트의 전환에 따라 다른 입찰가를 설정하여 리타게팅을 실행하고, Facebook과 같은 다른 광고 서비스에 적용합니다. , MyTarget 및 Google Ads.