데이터를 통합하여 광고 성공을 측정하고 ROAS를 높이는 방법

점점 더 많은 기업이 온라인 운영으로 전환하고 새로운 디지털 세계로 뛰어들면서 더 많은 데이터 마케터가 처리해야 합니다. 비즈니스 사용자는 성공적인 성능을 위해 고품질 데이터 통찰력을 지속적으로 필요로 하며 새로운 분석 형식과 구조를 수용하는 것이 주요 과제 중 하나가 됩니다.

이 경우 광고가 구매에 미치는 영향을 평가하는 데 어려움을 겪은 선도적인 직접 보험 제공업체를 위해 OWOX BI 팀이 제공한 솔루션에 대해 설명합니다.

회사가 인터넷, 전화, 오프라인을 통해 보험을 판매하기 때문에 고객은 한 채널을 통해 상품을 검색하고 다른 채널을 통해 구매할 수 있습니다. 예를 들어 고객은 회사 웹사이트를 방문하여 보장 범위를 계산하고 온라인 신청서를 작성한 다음 실제 사무실을 방문하여 구매할 수 있습니다. 이러한 경우 광고가 구매에 미치는 영향을 평가하기 어렵습니다.

주요 과제는 기능적 광고 성과 평가 시스템을 도입하여 광고 지출을 최적화하고 광고 수익을 높이는 것이었습니다. 이 회사는 온라인과 오프라인 모두에서 비용, 수익 및 사용자 상호 작용에 대한 데이터를 통합할 방법이 필요했습니다.

웹사이트, 광고 비용 및 오프라인 주문과의 사용자 상호 작용에 대한 데이터는 다양한 시스템에서 수집됩니다.

• 웹사이트의 데이터는 Google Analytics에서 수집됩니다.
• 오프라인에서 구매한 보험 상품에 대한 데이터는 회사의 CRM 시스템에 저장됩니다.
• AdWords 이외의 비용 데이터는 일반적으로 Google Analytics에서 수집되지 않습니다. 이에 따라 각 광고 서비스에 대한 ROAS, ROI 및 광고비 분담금이 별도로 계산됩니다.

보험 구매에 대한 광고의 기여도를 정확하게 평가하려면 이 모든 데이터를 병합해야 합니다.

필요한 모든 데이터는 OWOX BI Pipeline을 사용하여 Google BigQuery에 수집되었으며, 깔때기 기반, Last Non-Direct Click 및 First Click 기여 모델을 구현했습니다. 다음으로, 각 기여 모델을 통해 얻은 캠페인 성과 데이터를 비교하기 위해 보고서를 작성했습니다.

데이터 수집 및 통합 순서도는 다음과 같습니다.

회사가 광고 캠페인을 평가하기 위해 취한 각 단계, 즉 어떤 데이터를 결합했는지, 어떤 방식으로, 어떤 결과를 얻었는지 자세히 살펴보겠습니다.

이 회사는 고객의 현장 활동에 대한 데이터를 오프라인 보험 구매에 대한 데이터와 병합하기 위해 Google BigQuery 클라우드 스토리지를 선택했습니다. 이 서비스는 데이터 처리 기능을 위해 선택되었습니다. 테라바이트의 데이터는 몇 초, 페타바이트의 데이터는 몇 분 안에 처리할 수 있습니다. 따라서 Google BigQuery는 복잡한 분석 및 보고 작업을 수행하는 데 완벽한 서비스입니다. Google BigQuery 사용의 또 다른 이점은 데이터가 자동으로 암호화되기 때문에 높은 보안입니다. Google BigQuery 사용의 이점에 대한 자세한 내용은 서비스 웹사이트에서 확인할 수 있습니다.

OWOX BI Pipeline은 다음과 같은 이유로 데이터 수집을 위해 선택되었습니다.

• 데이터는 거의 실시간으로 수집되며 5분 이내에 사용할 수 있게 됩니다.
• 보고의 측정기준 및 측정항목 수에는 제한이 없습니다. OWOX BI 파이프라인을 사용하면 원시 데이터를 쿼리하기 위해 SQL과 유사한 구문을 사용하여 모든 세분성의 보고서를 생성할 수 있습니다. Google 웹로그 분석에는 하나의 보고서에 결합할 수 없는 특정 측정기준과 측정항목이 있습니다. 보고서의 측정기준 및 측정항목 수에는 표준 보고서의 측정기준 2개, 맞춤 보고서의 측정기준 5개, Core v3 요청의 측정기준 7개로 제한됩니다. 또한, 개별 사용자의 광고 비용을 분석하는 것은 불가능합니다. 한도 및 할당량에 대한 자세한 내용은 Google 개발자 가이드를 참조하세요.
• Google BigQuery로 가져온 데이터는 볼륨에 관계없이 샘플링되지 않습니다.

Google Analytics 360용 Google BigQuery 내보내기와 OWOX BI 파이프라인의 차이점에 대한 자세한 내용은 블로그 게시물에서 확인할 수 있습니다.

보험 구매에 대한 데이터는 POST 요청을 사용하여 CRM 시스템에서 Google BigQuery로 업로드됩니다.

• AdWords 캠페인의 비용 데이터는 Google Analytics와 Google AdWords 간의 기본 통합으로 인해 Google Analytics에서 자동으로 수집됩니다.
• 다른 마케팅 채널의 비용 데이터는 OWOX BI Pipeline을 통해 Google Analytics로 가져옵니다.
• 모든 채널의 데이터는 Google Analytics에서 Google BigQuery로 가져옵니다. 이를 통해 온라인 응용 프로그램뿐만 아니라 구매와 관련하여 ROAS, ROI 및 광고 비용 공유를 계산할 수 있습니다.

Google BigQuery의 데이터를 통합한 후 마케팅 팀은 광고가 신규 고객 유치(첫 번째 클릭 기여 모델)와 구매 유도(마지막 간접 클릭 기여 모델)에 얼마나 효과적인지 측정하기 위해 몇 가지 기여 모델을 구축했습니다.

세 번째로 가장 객관적인 귀인 모델로 OWOX BI의 깔때기 기반 귀인을 선택했습니다. 이 모델에서 각 채널은 구매 유입경로를 통한 고객 진행에 대한 기여도에 따라 크레딧을 받습니다. 세션은 고객이 퍼널 내에서 각 다음 단계로 진행할 확률을 기반으로 평가됩니다. 확률이 높을수록 사용자가 단계를 진행하는 데 도움이 된 세션에 더 적은 크레딧이 제공됩니다. 확률이 낮을수록 세션이 더 많은 크레딧을 받습니다. 깔때기 기반 기여 모델 내 계산 결과는 Google BigQuery 및 OWOX BI 인터페이스에서 사용할 수 있습니다. 보고서는 전환율(절대 전환율), 확률 및 사용자가 구매까지 가는 각 단계의 가치를 보여줍니다. 아래 예를 살펴보십시오.

• 단계 전환율 은 해당 단계가 조회된 세션의 비율입니다. 예를 들어 2단계에서 34%의 전환율은 이 단계로 이동한 총 웹사이트 방문자 수의 34%를 의미합니다.
• 확률 은 방문자가 이전 단계에서 특정 단계로 이동한 세션의 비율입니다. 이 예에서 4단계의 확률은 10%이며 이는 방문자의 10%가 3단계에서 4단계로 이동했음을 의미합니다.
• 값 은 다음과 같이 계산됩니다. 첫째, 각 단계는 확률에 반비례하는 점수를 얻습니다. 그런 다음 단계의 점수를 깔때기 내 점수의 총합으로 나눕니다. 사용자가 유입경로의 특정 단계로 이동하는 것이 어려울수록 더 높은 가치를 얻습니다.

OWOX BI Smart Data는 획득한 모든 데이터로 작업을 간소화하는 데 사용되었습니다. 이 도구를 사용하면 자연스러운 영어로 데이터에 질문할 수 있으므로 SQL 쿼리가 필요하지 않습니다. 질문 템플릿을 사용하면 몇 초 만에 답변을 얻을 수 있습니다.

위의 단계를 완료하여 회사는 각 채널의 실제 가치와 이 가치가 다양한 기기 유형의 퍼널 단계에 걸쳐 분산되는 방식을 모두 보여주는 대시보드를 얻었습니다.

아래 그래프는 동일한 유입경로 단계가 기기마다 다른 값을 가질 수 있음을 보여줍니다. 태블릿에서 가장 가치 있는 단계는 웹사이트를 처음 방문하는 것입니다. 2단계와 3단계를 탐색하는 것은 모바일 장치의 핵심입니다. 데스크톱 컴퓨터의 세션 및 장치 간 세션의 경우 값이 더 고르게 분포됩니다.

이것은 무엇으로 번역됩니까? 예를 들어, 태블릿 사용자는 웹사이트를 방문하는 첫 번째 단계를 수행할 가능성이 적습니다. 즉, 태블릿 장치를 대상으로 하는 광고는 새로운 웹사이트 방문자를 유치하는 데 중점을 두어야 합니다.

First Click 및 Last Non-Direct Click 모델의 채널 값은 저평가 및 과대 평가된 채널을 식별하고 광고 예산을 보다 효율적으로 재분배하고 퍼널 기반 기여 모델에서 얻은 결과와 비교하기 위해 계산되었습니다.

Google Analytics에는 오프라인에서 구매한 보험 증권에 대한 데이터가 포함되어 있지 않기 때문에 첫 번째 클릭과 마지막 간접 클릭 기여 모델 모두 캠페인 실적에 대한 정확한 보기를 제공할 수 없습니다. 사용자는 온라인 유입경로의 절반만 이동한 다음 오프라인에서 제품에 액세스하고 구매할 수 있습니다. 그래서 Google BigQuery와 Google Data Studio를 사용하여 모델을 구현하고 시각화했습니다.

Google 데이터 스튜디오에서 대시보드를 만들어 회사에서 가장 인기 있는 두 가지 기여 모델인 첫 번째 클릭(획득에 집중하는 First Click)과 노력이 지시되는 Last Non-Direct Click(마지막 간접 클릭)에 대한 캠페인 성과를 쉽게 모니터링하고 비교할 수 있습니다. 구매에. 월간 KPI는 읽기 쉬운 형식으로 보고됩니다.

예를 들어 아래에 표시된 보고서 페이지는 여러 채널의 수익 분포와 ROAS를 비교합니다. 두 가지 다른 기여 모델의 채널 실적을 비교하면 ROAS 수치와 채널 수익 점유율이 두 모델에서 거의 동일하다는 것을 알 수 있습니다. 이는 이러한 채널이 사용자를 유치하고 거래를 성사시키도록 유도하는 데 거의 동등하게 적합하다는 것을 의미합니다.

• 데이터 수집 및 처리를 완전히 자동화한 후 OWOX BI 및 Google 제품을 사용하기 때문에 회사 팀에서 수동으로 데이터를 가져올 필요가 없습니다. 모든 데이터는 하나의 인터페이스에서 사용할 수 있으며 마케팅 전문가는 필요한 모든 데이터에 빠르게 액세스할 수 있습니다.
• 깔때기 기반 기여 모델은 마케팅 채널에 대한 보다 객관적이고 신뢰할 수 있는 평가를 가능하게 했습니다.
• 팀은 첫 번째 클릭/마지막 클릭 기여 모델에서 광고 채널이 받을 크레딧을 계산했습니다. 결과를 깔때기 기반 기여 모델과 비교하여 저평가된 채널과 과대평가된 채널을 식별하고 광고 예산을 보다 효율적으로 재할당했습니다.

위의 그래프는 다양한 기여 모델에서 얻은 채널 값을 비교합니다. 마지막 간접 기여 모델에서 5번째 채널의 기여도는 상당히 저평가되었습니다. 깔때기 기반 기여 모델에 따르면 ROAS가 100% 더 높고 최종 전환에 상당한 영향을 미칩니다. 다른 채널은 주로 과대 평가되었습니다. 이러한 결과를 바탕으로 회사는 과대평가된 광고 캠페인에서 과소평가된 광고 캠페인에 광고 예산을 재할당하여 추가 비용 없이 광고를 보다 효율적으로 만들 수 있습니다.