ROPO 분석: 옴니채널 마케팅 분석에 얼마나 유용한지

최대 40%의 고객이 오프라인 매장을 방문하여 제품을 구매하기 전에 제품과 가용성에 대해 자세히 알아보기 위해 온라인으로 이동합니다. 그러한 고객의 비율은 확실히 회사에 따라 다릅니다. 그러나 수많은 사용자가 먼저 온라인 광고 또는 특별 제안을 보고 웹사이트에서 리뷰와 사용후기를 읽은 다음 오프라인에서 구매하기로 결정합니다. 즉, 온라인 광고 이니셔티브가 오프라인 판매 수에 심각한 영향을 미칠 수 있습니다.​

이 경우 OWOX BI 팀이 제공하는 솔루션이 Sephora 회사(LVMH 그룹 소유)의 일부이며 세계 향수 및 화장품 시장에서 선도적인 위치를 차지하고 있는 체인 매장에 대해 설명합니다. ROPO 분석을 적용하는 데 어려움이 있었습니다.

고객은 일반적으로 온라인과 오프라인 모두에서 소매업체가 제공하는 상품을 구입할 수 있습니다. 새 향수를 구입할 때 고객은 먼저 향기를 탐색한 다음 온라인이나 오프라인 매장에서 구매합니다.

마케팅 팀은 온라인 상점과 오프라인 상점 간의 상호 작용 측면에서 사용자의 행동을 깊이 이해하기를 원했습니다. 그들은 온라인 마케팅 노력이 온라인 주문으로 인한 수익 창출에만 국한되지 않고 오프라인 판매에도 영향을 미친다는 것을 숫자로 보여주고 싶었습니다(소위 온라인 리서치, 오프라인 구매 또는 ROPO 효과).

옴니채널 마케팅 분석 및 보고서 시스템 구축을 제안했습니다.

많은 대형 옴니채널 소매업체와 마찬가지로 회사의 우선 순위는 모든 판매 채널에 걸쳐 효과적인 마케팅 분석 시스템을 구축하는 것이었습니다.

이 문제를 해결하기 위해 마케팅 팀이 직면한 첫 번째 문제는 데이터 단편화였습니다. 회사가 존재하는 동안 많은 데이터가 축적되었으며 각각 고유 한 처리 방법을 사용하여 다양한 소스와 형식으로 저장되었습니다. ROPO 효과를 결정하기 위해 분석에 필요한 모든 데이터를 결합할 수 있는 단일 저장소가 필요했습니다.

이 문제에서 또 다른 문제가 발생했습니다. 사용할 스토리지는 무엇입니까? 두 가지 옵션이 있었습니다.

1. ​모든 데이터를 회사 자체 서버에 저장합니다.
2. 모든 데이터를 클라우드 스토리지에 업로드합니다.

각 데이터 저장 옵션에는 장점과 단점이 있습니다. 회사 자체 서버를 사용하는 경우 이러한 스토리지를 구성하는 데 소요되는 시간, 필요한 하드웨어를 구입하는 데 필요한 비용, 유지 관리 비용, 스케일링 문제, 수집 및 수집을 위한 자동화 시스템 구축 필요성 등을 고려해야 합니다. 데이터 처리.

다음 과제는 추가 분석을 위해 다양한 소스에서 단일 리포지토리로 데이터 전달을 자동화하는 도구를 선택하는 것이었습니다. 이를 위한 도구는 꽤 많지만 가격, 품질, 기능, 유연성 및 확장성 면에서 가장 좋은 것을 선택해야 했습니다.

ROPO 분석의 문제를 해결하기 위해 마케팅 전문가와 분석가는 다음 단계를 수행해야 했습니다.

• 데이터 병합을 위한 단일 저장소 선택
• 데이터 흐름 자동화
• 획득한 데이터를 바탕으로 회사 경영에 필요한 보고서 및 동적 지표를 구축합니다.

이 계획을 실행하기 위해 마케팅 팀은 OWOX BI로 눈을 돌렸습니다. 우리는 온라인 분석 및 데이터 융합의 전문가이고 2016년부터 회사의 파트너였기 때문입니다.

전문가들은 Google BigQuery에 연결된 통합 스토리지로 Google Cloud Storage를 선택했습니다. Google Cloud Storage를 선택한 주요 이유는 다음과 같습니다.

• 속도. Google Cloud Storage는 테라바이트 단위의 정보를 몇 초 만에 처리하고 페타바이트 단위의 정보를 몇 분 만에 처리할 수 있습니다.
• 효율성 및 비용 투명성. Google의 서비스는 다른 도구에 비해 저렴하고 사용하기 편리합니다.
• 간단한 확장성. 데이터 볼륨이 크게 증가하면 추가 용량, 가상 서버 등을 예약할 필요가 없습니다.
• 외부 서비스와의 편리한 통합. 인기 있는 서비스의 데이터 작업에 많은 통합을 사용할 수 있습니다.
• 신뢰성 및 데이터 보안. BigQuery의 보안, 규제, 인증 표준을 통해 민감한 데이터를 프로젝트에 저장할 수 있습니다.
• Google 애널리틱스 360 내보내기. Google 애널리틱스의 원시 데이터를 BigQuery로 직접 업로드할 수 있습니다(지난 13개월 동안의 기록 데이터 포함).
• Compute Engine, Data Prep 등 Google Cloud에는 솔루션 구현을 단순화하는 많은 통합 서비스가 있습니다.

OWOX BI의 권장 사항에 따라 분석가 팀은 데이터 흐름을 자동화하기 위해 다음 작업을 수행했습니다.

• Google 애널리틱스에서 Google BigQuery로 자동 데이터 내보내기를 설정합니다. 이 회사는 몇 번의 클릭으로 BigQuery와의 통합을 완전히 맞춤설정할 수 있는 Google Analytics 360 사용자입니다.
• Google Ads와 Google 애널리틱스의 자동 통합을 설정합니다. 비용 데이터의 일부는 OWOX BI 파이프라인을 사용하여 Google Analytics로 자동으로 가져옵니다. 총 비용은 회사의 목적에 더 적합한 다른 시스템에서 분석됩니다(광고비 외에 판촉물 제작을 위한 고정비, 대행사 수수료 및 기타 비용도 징수합니다. ROI).
• OWOX BI 파이프라인을 통해 Criteo, Facebook 및 기타 광고 소스용 Google Analytics에 비용 자동 업로드를 설정합니다. Google 애널리틱스에서 광고 비용을 로드하는 방법과 Google 애널리틱스 및 BigQuery로 자동 가져오기의 이점을 우리 기사에서 찾을 수 있습니다.
• CRM에서 Google BigQuery로 데이터를 다운로드했습니다. BigQuery 및 기타 Google Cloud Platform 제품의 장점을 탐색하는 동안 마케팅 팀은 일회성 업로드를 기반으로 ROPO 보고서를 작성하기로 결정했습니다. 이를 위해 한 달에 한 번 데이터를 Google Cloud Storage에 업로드하고 BigQuery로 전송했습니다.
• 마케팅 팀은 BigQuery에서 데이터 작업의 모든 이점을 알게 된 후 BigQuery를 CRM 데이터 저장소로 계속 사용하기로 결정했습니다. OWOX BI의 BigQuery 통합을 사용하여 CRM에서 BigQuery로 데이터 자동 업로드를 설정했습니다. 이 통합을 통해 클라우드에서 데이터를 독립적으로 관리(추가, 삭제 및 업데이트)할 수 있었고, 이는 이 접근 방식을 지속적으로 사용할 때의 장점 중 하나였습니다.

마케팅 팀은 SQL 쿼리를 사용하여 BigQuery에서 수집된 모든 데이터를 단일 테이블로 병합했습니다. 이제 그들은 이 데이터를 사용하여 데이터 스튜디오 데이터 시각화 도구를 사용하여 회사 친화적인 형식으로 보고서를 작성할 수 있습니다.

보고서 작성을 위한 데이터는 Data Studio, Tableau 및 Google Charts와 같은 시각화 서비스에서 뿐만 아니라 병합될 수 있다는 점을 고려해 볼 가치가 있습니다. OWOX 팀에서 개발한 지침을 사용하여 몇 번의 클릭으로 BigQuery에서 생성된 테이블을 OWOX BI Attribution 및 OWOX BI 스마트 데이터 도구에 직접 연결하여 OWOX BI 사무실에서 ROPO 보고서를 자동으로 생성할 수 있습니다.

마케팅 옴니채널 분석을 위한 시스템을 구축한 결과, 마케팅 팀은 비즈니스 개발에 중요한 여러 질문에 답했습니다.

특정 기간 동안 온라인 광고와의 상호작용부터 오프라인 매장에서의 구매에 이르기까지 사용자 접점의 전체 체인을 구축하여 사용자 ID로 웹사이트에 들어온 전체 사용자의 3%, 즉 웹사이트에 등록되어 있습니다. 특정 시점에 승인된 사용자의 세션뿐만 아니라 알려진 로열티 카드를 보유한 비인가 사용자의 세션도 식별할 수 있었습니다. 식별된 사용자 중:

• 31%는 온라인 상점에서 구매했습니다.
• 17%는 오프라인 구매 전에 온라인 매장을 방문했습니다(ROPO 사용자).
• 53%는 온라인 및 오프라인 매장에서 구매했습니다.

필요한 모든 데이터를 분석한 후 디지털 팀은 디지털 미디어 광고가 오프라인 매장의 판매에 미치는 영향을 수치로 나타낼 수 있습니다.​아래 그래프는 8월 23-25일에 발송된 이메일 뉴스레터의 오프라인 판매에 미치는 영향을 보여줍니다.

또한 이 보고서를 통해 팀은 ROPO 사용자 비율의 변화를 평가하여 이 지표에 대한 기대치가 실제 데이터와 얼마나 일치하는지 이해할 수 있습니다.​

이 그래프는 특정 광고 캠페인에 의해 생성된 ROPO 수익의 비율을 보여줍니다.​

아래 그래프를 작성할 때 온라인과 오프라인 모두에서 구매한 ROPO 사용자의 점유율을 시각적으로 표시하고 이 범주의 사용자에서 변화의 역학을 추적할 수 있었습니다.​

주요 분석 외에도 마케터는 고객이 웹사이트에서 보는 것과 오프라인에서 구매하는 것과 관련하여 제품 범주별로 ROPO 사용자의 행동이 어떻게 다른지 알아내고자 했습니다.

예를 들어 향수가 가장 많은 ROPO 수익을 가져온다는 가설이 있었습니다. 그러나 보고서에 따르면 실제로 노화 방지 제품 시리즈의 페이셜 케어 카테고리는 ROPO 점유율이 높습니다. 다음 온라인 광고 캠페인을 개발할 때 이러한 제품을 고려할 수 있습니다.

이 모든 데이터와 ROPO 효과에 대한 정확한 분석은 온라인과 오프라인 모두에서 사용자의 모든 행동을 고려하여 온라인 광고의 효과를 명확하게 정의하고 제시하는 데 도움이 되었습니다. 또한 ROPO 분석과 오프라인 거래를 별도의 Google Analytics 보기로 다운로드할 수 있는 기능 덕분에 마케터는 대상 고객의 다양한 세그먼트의 행동을 더 잘 이해할 수 있으므로 마케팅 활동을 더 자세히 계획할 수 있습니다.

다음 단계는 각 세그먼트의 행동을 보다 정확하게 파악하기 위해 식별된 사용자의 비율을 높이는 것입니다. 이 작업의 일부는 특정 세션에서 주어진 시간에 승인된 사용자뿐만 아니라 승인되지 않았지만 소급하여 일치시킬 수 있는 로열티 카드를 가진 사용자를 식별함으로써 해결되었습니다.