옴니채널 소매업체의 ROPO 효과 측정 방법

모든 비즈니스는 광고 채널의 진정한 가치를 알고 싶어하며 온라인과 오프라인 고객 행동 간의 관계를 추적하지 않고는 달성하기가 거의 불가능합니다. 예를 들어, 언뜻 보기에 효과가 없는 광고를 비활성화함으로써 회사는 매출을 감소시킬 위험이 있습니다.

이 경우 ROPO 효과를 측정하는 데 어려움이 있었던 대규모 소비자 전자 제품 및 가전 제품 소매 체인을 위해 OWOX BI 팀이 제공한 솔루션에 대해 설명합니다.

옴니채널 소매업체의 고객은 일반적으로 다음 세 가지 고유한 방법으로 제품을 구매합니다.

• 웹사이트에서 온라인으로만 주문합니다. 웹사이트 수익은 회사 전체 매출의 약 20%를 차지합니다.
• 회사의 체인점에서 오프라인으로 구매합니다.
• 웹사이트에서 제품을 찾고 오프라인 매장에서 구매합니다. 이 동작을 ROPO 효과라고 합니다. 온라인에서 조사하고 오프라인에서 구매합니다.

마케팅 담당자는 온라인 채널이 오프라인 판매에 미치는 영향을 평가하려고 했습니다. 이를 통해 광고 투자 수익을 보다 정확하게 계산하고 완전한 데이터를 기반으로 더 나은 마케팅 전략을 구축할 수 있습니다. 또 다른 과제는 고객이 웹사이트를 방문한 후 오프라인 매장에서 구매하는 이유를 발견하여 고객의 온라인 경험을 개선하는 것이었습니다. 이 두 가지 목표를 달성하기 위해 로그인한 사용자(전체 웹사이트 방문자 수의 약 12%)의 온/오프라인 접점 데이터를 통합하기로 결정했습니다.

회사는 다른 시스템에서 모든 데이터를 수집, 저장 및 처리합니다.

• 웹사이트와의 사용자 상호작용에 대한 데이터는 Google 애널리틱스 360에서 수집됩니다.
• 오프라인 구매 및 주문 반품에 대한 데이터는 회사의 CRM 시스템(SAP)에서 수집됩니다. 이 데이터의 구조와 수집 알고리즘은 Google Analytics와 완전히 다릅니다.

회사의 총 수익에 대한 온라인 채널의 영향을 분석하기 위해 마케팅 담당자는 모든 데이터를 단일 시스템으로 병합해야 했습니다. Google Analytics는 데이터 재처리를 지원하지 않기 때문에 작업에 적합하지 않습니다. 일단 처리되면 어떤 이유로 주문이 취소되거나 반품되는 경우 데이터를 수정할 수 없습니다. 또한 웹 사이트를 방문한 적이 없는 사용자의 오프라인 거래에 대한 모든 데이터를 가져오면 Google Analytics 통계의 정확성이 크게 왜곡됩니다. JavaScript가 브라우저에 로드되지 않았기 때문에 Google Analytics가 웹사이트 페이지의 일부 구매 데이터를 추적하지 못할 수도 있습니다.

목표를 달성하기 위해 마케터는 다음 단계를 수행하기로 결정했습니다.

1. 웹 사이트, 오프라인 구매 및 주문 완료율과의 사용자 상호 작용에 대한 데이터를 수집합니다.
2. 오프라인 구매에 대한 데이터를 온라인 세션에 대한 데이터와 병합합니다.
3. 심층 분석을 위해 데이터를 시각화합니다.

이 전체 프로세스의 흐름도는 다음과 같습니다.

웹사이트에서 이루어진 모든 사용자 작업 및 주문에 대한 데이터는 Google Analytics 360 계정에서 사용할 수 있는 기본 통합을 사용하여 Google BigQuery 클라우드 데이터 웨어하우스로 전송됩니다. 따라서 회사의 전문가는 Google BigQuery를 사용하여 다른 모든 데이터를 수집하기로 결정했습니다.

오프라인 구매 및 주문 완료에 대한 데이터를 CRM에서 Google BigQuery로 전송하기 위해 전문가는 FTP를 통해 자동 일일 데이터 업로드를 설정합니다.

OWOX BI 분석가는 수집된 데이터를 병합하고 처리했습니다. 먼저 온라인 주문에 대한 데이터를 SQL 쿼리를 사용하여 각 주문의 상태로 보완했습니다. 쿼리는 키로 사용된 트랜잭션 ID(주문 ID)를 사용하여 두 테이블의 일치하는 값을 기반으로 데이터를 병합합니다.

다음으로 분석가는 오프라인 구매 및 동일한 고객의 웹사이트 행동에 대한 데이터를 병합했습니다. 이를 위해 Google Analytics의 사용자 ID를 사용했습니다. 사용자 ID는 회사 웹 사이트에 로그인한 각 사용자에게 할당된 고유한 식별자입니다. 그런 다음 사용자 ID는 CRM 시스템의 고객 충성도 카드와 연결되고 맞춤 측정기준 값으로 Google 애널리틱스로 전송됩니다. 데이터 통합 ​​기간은 웹사이트 방문부터 구매까지의 기간을 고려하여 180일로 설정하였다. 이러한 방식으로 보다 세분화된 잠재고객 세분화가 가능했습니다.

그 결과 각 주문(온라인 및 오프라인 모두)에 대해 다음 데이터가 수신되었습니다.

OWOX BI 팀은 유익한 대시보드를 만들어 Google 데이터 스튜디오에서 데이터를 시각화했습니다. 회사는 더 자세한 분석 및 예산 계획을 위해 대시보드에서 데이터를 내보낼 수 있습니다.

예를 들어, 스크린샷이 아래에 나와 있는 대화형 막대 차트는 온라인, 오프라인 및 ROPO 구매 수와 이를 통해 얻은 수익을 보여줍니다. 이 데이터는 도시, 기간 및 제품 유형별로 필터링할 수 있습니다. ROPO 구매는 도시에 따라 총 수익의 약 10%를 차지합니다. 차트는 또한 각 채널의 주문 비율이 채널에서 얻은 수익의 비율과 일치하지 않는다는 것을 보여줍니다. 이는 평균 주문 값에 따라 다릅니다. 이 경우 온라인 구매가 오프라인 구매보다 평균 주문 금액이 더 높습니다.

아래 표는 다양한 지역, 채널 및 제품 카테고리에서 ROPO 구매로 인한 추가 수익을 보여줍니다. 데이터는 표 형식으로 내보낼 수 있으며 회사에서 광고 예산을 분배하는 데 사용합니다.

• 유익하고 자동화된 대시보드를 얻었으므로 광고 캠페인의 운영 계획에서 ROPO 효과를 고려할 수 있습니다.
• 회사는 온라인 채널이 오프라인 수익의 약 10%를 기여한다는 것을 알아냈습니다.
• 회사의 체인점에서 제품을 구매하기 전에 웹사이트에서 제품을 조사하는 사용자의 행동을 분석함으로써 이제 이러한 고객이 오프라인 쇼핑을 선택하는 이유를 발견할 수 있습니다. 회사는 이제 더 나은 사용자 경험과 더 높은 전환율을 위해 웹사이트를 개편할 수 있습니다. 예를 들어, 회사는 웹 사이트를 방문한 대부분의 오프라인 고객이 오프라인에서 구매할 때 할인 쿠폰을 사용한다는 것을 발견했습니다. 이 정보로 무장한 마케터는 이미 웹사이트의 할인 쿠폰으로 고객 경험을 개선했습니다. 또한 이 회사는 온라인 신용 신청 양식을 단순화하여 고객이 신용으로 구매하기 위해 오프라인 상점에 갈 필요가 없도록 했습니다.