ROPO 분석: 필요한 이유와 수행 방법

훌륭한 일을 했지만 예상보다 40퍼센트 적은 금액을 받았다고 상상해 보십시오. 노력의 결과를 증명하지 못했기 때문입니다. ROPO 분석을 수행하지 않는 옴니채널 인터넷 마케터에게도 거의 같은 일이 발생합니다. 그러나 이 경우 저평가된 온라인 마케팅은 문제의 절반에 불과합니다. 온라인과 오프라인 고객 행동 간의 관계를 추적하지 않는 회사는 예를 들어 언뜻 보기에는 효과가 없는 광고를 비활성화함으로써 매출을 감소시킬 위험이 있습니다.

이 기사에서는 ROPO 분석이 무엇이며 비즈니스에 어떤 이점을 줄 수 있는지 설명합니다. OWOX BI를 사용하여 사이트에서의 사용자 행동을 소매점에서의 구매와 연결하는 방법과 ROPO 보고서에 필요한 데이터 및 작성 방법을 알려 드리겠습니다.

이론부터 시작하겠습니다. ROPO(리서치 온라인, 오프라인 구매)는 인터넷에서 제품을 찾고 실제 매장에서 구매하는 고객의 행동을 설명합니다. 고객이 이렇게 하는 몇 가지 이유가 있습니다.

소비자 행동 지표에서 전자 제품 또는 소비재와 같은 제품 유형별로 데이터를 정렬하여 비즈니스와 관련된 데이터를 얻을 수도 있습니다.

ROPO 분석 결과를 사용하는 방법은 달성하려는 목표에 따라 다릅니다. 온라인 채널의 실제 효과를 확인하고, 광고 캠페인을 개선하고 비용을 절감하고, 온라인 또는 오프라인 판매를 늘리거나, 수익을 늘리고 싶으십니까? 이러한 각 목표를 더 자세히 살펴보겠습니다.

따라서 사이트에서 상품을 연구하는 사용자 중 충분히 많은 비율이 소매점에서 구매하도록 했습니다. 이 때문에 온라인 광고의 정확한 전환 및 투자 회수를 계산하기 어렵고 잘못된 결정으로 이어질 수 있습니다.

제품이 온라인에서 잘 팔리지 않는다면 서둘러 사이트에서 제품을 제거하거나 광고 캠페인을 끄지 마십시오. 이 제품의 오프라인 판매가 온라인보다 3배 더 높다는 것이 밝혀질 수도 있습니다. 웹사이트 방문자의 활동을 실제 상점에서의 구매와 비교하면 돈을 낭비하고 있는지 아니면 금광에 앉아 있는지 알 수 있습니다.

ROPO 판매 점유율을 결정할 때 오프라인 구매를 기반으로 하는 모든 광고 채널 또는 캠페인의 ROAS를 계산할 수 있습니다. 이것은 완전히 다른 그림을 보여줄 수 있습니다.

고객 여정을 연구해야만 광고 캠페인을 최대한 효과적으로 만들 수 있습니다. 버려진 장바구니에 대해 자동화된 이메일을 구성했다고 가정해 보겠습니다. 일부 고객은 장바구니를 쇼핑 목록으로 사용한 다음 실제 상점에 가서 쇼핑할 수 있습니다. 이러한 사용자를 식별하여 알림 이메일에서 제외하고 비용을 절약할 수 있습니다.

구매하기 전에 귀하의 사이트를 보는 사람들은 그렇지 않은 사람들보다 더 많이 지출하는 경향이 있습니다.
ROPO 원칙에 따라 사이트에서 잘 팔리는 제품을 결정한 후에는 해당 제품을 홍보하는 데 집중하여 수익을 높일 수 있습니다.

ROPO 분석을 수행하고 고객이 소매점에서 특정 제품을 구매하는 것을 선호한다는 사실을 알게 되면 웹사이트에 문제가 있는지 생각해야 합니다. 고객이 온라인으로 구매하지 않는 이유(또는 고객이 구매하지 못하는 이유) 대신 귀하의 매장(바라건대) 또는 경쟁업체에 가십시오. 이 동작에는 여러 가지 이유가 있습니다.

• 온라인과 오프라인 가격이 다릅니다.
• 일부 기능은 사이트에서 사용할 수 없습니다. 예를 들어 할부 결제가 불가능합니다.
• 배송이 너무 오래 걸립니다.
• 복잡한 인터페이스나 긴 지불 프로세스가 있습니다.

사용자의 행동을 자세히 조사한 후 사이트에서 구매를 방해하는 요인을 이해하고 다음과 같이 수정할 수 있습니다.

• 온라인 상점에서 할인 제공
• 추가 보증 또는 무료 또는 빠른 배송 제공
• 편리한 결제 수단 제공
• 자주 묻는 질문이 있는 섹션 추가
• 연락 방법에 대한 정보를 제공합니다.

요컨대 고객의 맞춤 경로에 맞게 웹사이트를 조정할 수 있습니다.

개념적으로 온라인 광고가 오프라인 판매에 미치는 영향을 평가하는 두 가지 방법이 있습니다. 첫 번째는 특정 사용자를 식별하고 사이트 방문자의 행동을 실제 매장에서의 구매와 연결하는 것을 기반으로 합니다. 이를 위해서는 사용자에게 권한이 부여되어야 합니다.

두 번째 솔루션은 소위 비개인적 데이터 융합입니다. 비개인적인 데이터 융합을 사용하여 오프라인 판매에 대한 텔레비전 광고의 영향을 평가하거나 사이트에서 사용자 등록을 허용하지 않는 경우에 평가할 수 있습니다. Amazon 또는 Facebook의 다른 마켓플레이스에서 판매되는 제품을 광고하는 사람들을 위한 유사한 작업입니다. 이러한 경우 광고 및 배너 보기에서 발생한 전환을 특정 사용자에 대한 주문과 연관시키는 것은 불가능합니다. 이 문제는 간접 상관을 사용하여 해결됩니다. 이것은 별도의 기사에 대한 주제입니다. 간접 상관 관계에 대한 기사에 관심이 있으시면 의견에 알려주십시오.

이 기사에서는 모든 비즈니스의 우선 순위인 특정 사용자를 식별하는 데 중점을 둘 것입니다. 이렇게 하면 온라인과 오프라인 모두에서 사용자 행동의 조합을 기반으로 온라인 광고의 효과를 추정할 수 있습니다.

사용자 식별의 주요 단계:

1. 온라인 데이터를 CRM의 거래 데이터와 결합합니다.
2. ROPO 구매 세그먼트를 식별하고 온라인 및 오프라인 판매와 관련하여 이러한 구매 점유율을 이해합니다.
3. 데이터 및 해당 역학에 대한 높은 수준의 모니터링을 위한 대시보드를 구축합니다.
4. 에이전시에 대한 자세한 테이블을 작성하여 미디어 계획에 ROPO 데이터를 사용하고 결과를 추적할 수 있습니다.
5. 다음 질문에 대한 답을 찾으십시오. ROPO 구매자는 웹사이트를 통해 주문합니까? 그들이 처음에 사이트에서 주문을 하지 못하도록 막는 것은 무엇입니까? 이러한 고객에 대한 리마케팅 ​​비용을 어떻게 절약할 수 있습니까?

웹사이트 데이터, 광고 캠페인 비용 데이터, CRM 데이터를 Google BigQuery에 결합하는 것이 좋습니다. 이를 위해 Power BI, Google Data Studio, Amazon Redshift 또는 기타 도구를 사용할 수 있습니다. 소규모 기업은 데이터를 Google 스프레드시트로 내보낼 수도 있습니다. 그러나 자동화된 데이터 처리는 불분명하고 예상치 못한 이유로 실패할 수 있음을 이해해야 합니다. 따라서 안정적으로 작동하고 통찰력을 찾고 데이터를 적용하는 데 방해가 되지 않는 메커니즘을 사용해야 합니다.

Google BigQuery는 여느 SaaS와 마찬가지로 하드웨어에 대한 투자가 필요하지 않고 수량에 관계없이 데이터를 쉽게 결합할 수 있기 때문에 좋습니다. 즉, 데이터 볼륨이 증가함에 따라 모든 요청과 설정을 변경할 필요가 없습니다. 데이터가 많지 않은 경우 처리하는 데 많은 비용을 지불하지 않습니다.
또한 BigQuery는 데이터 재처리를 지원합니다. 고객이 오프라인으로 주문한 다음 사이트에 방문하여 로그인하면 모든 작업을 소급하여 결합할 수 있습니다. 구글 애널리틱스에서는 불가능합니다.

표준 내보내기를 사용하여 Google 애널리틱스에서 Google BigQuery로 사용자 행동 데이터를 내보낼 수 있습니다. Google Analytics 무료 버전을 사용하는 경우 BigQuery의 사이트에서 샘플링되지 않은 원시 데이터를 수집하기 위해 OWOX BI Pipeline을 사용하는 것이 좋습니다. 도움말 센터에서 이 데이터의 구조에 대해 알아볼 수 있습니다.

소스 데이터를 확인하는 데 필요합니다. 사이트에서 Google Analytics 사용자 ID(또는 다른 일반 사용자 ID)로 구성 및 전송해야 합니다. 데이터는 이 ID로 정확하게 연결되므로 두 테이블에 모두 존재하고 정확해야 합니다. 즉, 권한이 부여된 각 사용자에 대해 사용자 ID가 Custom Dimension과 & uid 매개변수 모두에 전송되어야 합니다.

여러 사용자가 동일한 ID를 사용하지 않는지 확인하세요. 사용자 ID가 있는 사용자의 비율과 시간 경과에 따른 값 자체를 확인하여 이상이 있는지 확인합니다. 이를 위해 Google 애널리틱스에서 ID가 있는 사용자 세그먼트를 만들고 이 세그먼트가 총 사용자 수와 어떻게 관련되는지 확인할 수 있습니다.

또한 일별, 트래픽 소스별 세션수, 사용자수, 거래수, 수입 데이터에 이상이 없는지 확인합니다. 이를 수행하는 가장 쉬운 방법은 GA 인터페이스를 사용하는 것입니다. 몇 개월의 시간 간격을 두고 표준 잠재고객 개요, 모든 트래픽, 소스/매체, 전자상거래 개요 및 기타 보고서를 볼 수 있습니다. 이러한 보고서에 불합리한 피크 또는 실패가 있는지 확인하십시오.

CRM에서 Google BigQuery로 주문을 한 번 가져오거나 자동 데이터 업로드를 설정하여 정기적으로 ROPO 구매 점유율을 계산할 수 있습니다.

CRM에서 업로드되는 테이블에는 최소한 다음이 포함되어야 합니다.

• 거래일
• 거래 ID
• 주문 가격
• 사용자 ID

추가 섹션에서 보고서를 받을 수 있는 추가 필드:

• 도시
• 항목 ID
• 주문 항목 수
• 각 항목의 가격
• 지불 유형
• 배송 유형
• 주문 상태

CRM 데이터를 사용하여 다음 사항에 주의하십시오.

• 모든 필수 필드의 가용성
• 하루 종일 데이터 가용성
• 날짜, 소득 및 도시에 대한 비교 가능한 형식
• 모든 트랜잭션에서 사용자 ID 매개변수의 존재
• 중복 거래

ROPO 구매 점유율을 확인하고 ROAS도 계산하려면 광고 소스의 비용 데이터가 필요합니다. 다른 서비스의 비용을 Google Analytics로 가져온 다음 OWOX BI Pipeline을 사용하여 단일 스트림으로 Google BigQuery에 업로드할 수 있습니다.
다음 구성표에 따라 모든 데이터를 결합할 수 있습니다.

OWOX BI는 무료 평가판 기간을 제공합니다. 이 시간 동안 Google BigQuery 프로젝트에서 데이터 수집을 설정하여 ROPO 및 기타 마케팅 지표에 대한 보고서를 생성할 수 있습니다.

Google BigQuery에서 모든 데이터를 수집한 후 연결해야 합니다. 키로 사용자 ID를 사용할 수 있습니다. 이것은 데이터베이스의 각 사용자에게 할당하고 사용자의 이메일 주소 또는 포인트 카드와 연결하는 고유 식별자입니다. 사용자가 웹사이트에 들어가 로그인하면(예: 개인 계정 입력) 사용자 ID가 Google Analytics로 전송됩니다(GA에서 이 기능을 구성한 경우).

이러한 방식으로 사용자는 사이트에서 자신의 작업에 연결됩니다.

가능한 한 많은 사용자를 인식하기 위해 로그인 보너스를 제공할 수 있습니다: 로그인 할인, 유용한 다운로드 자료, 프로모션 등. 사용자에게 동기를 부여하는 더 많은 방법은 «이유 및 방법 온라인 및 오프라인 고객 접점 통합»

이메일로 고객에게 보내는 링크에 특수 huid 매개변수를 사용할 수도 있습니다. 이 매개변수에서 CRM 시스템의 사용자 ID 값을 작성할 수 있습니다. 이렇게 하면 사용자가 사이트에 로그인하지 않은 경우에도 사용자를 식별하는 데 도움이 됩니다. 예를 들어 CRM에 이메일과 고유한 사용자 ID를 가진 고객이 이미 있다고 가정해 보겠습니다. ID가 포함된 링크가 포함된 이메일을 이 고객에게 보냅니다. 고객은 링크를 클릭하고 귀하의 웹사이트로 이동하여 등록 없이 사이트에서 일부 작업을 수행합니다. Google 태그 관리자를 통해 사용자 ID 또는 맞춤 측정기준 필드에서 이 식별자를 Google 애널리틱스로 전송할 수 있습니다.

사용자가 사이트에 요청을 남긴 후 매장을 방문하여 구매하면 트랜잭션 ID를 사용하여 해당 작업을 연결할 수 있습니다.

위의 다이어그램에서 사이트의 사용자 행동 데이터(왼쪽)와 CRM에서 구매한 데이터(오른쪽)를 볼 수 있습니다.

데이터 통합 ​​및 ROPO 분석의 기술적 세부 사항에 관심이 있는 경우 고객의 성공 사례를 읽어보십시오.

• M.video의 성공 사례: 온라인 광고가 오프라인 판매에 미치는 영향 평가
• Darjeeling의 성공 사례: ROPO 분석에 따르면 고객의 40%가 오프라인에서 구매하기 전에 회사 웹사이트를 방문한다는 사실이 입증되었습니다​

우리 고객들은 종종 ROPO 분석에 관심이 있습니다. 따라서 OWOX BI 스마트 데이터에 별도의 ROPO 보고서 블록을 추가했습니다. 이 서비스를 사용하면 자연어를 사용하여 러시아어 또는 영어로 데이터에 대해 질문할 수 있습니다. 서비스는 요청을 처리하고 비주얼과 함께 명확한 답변을 제공합니다.

ROPO 보고서를 받으려면 Google Analytics의 사용자 행동 데이터와 CRM의 오프라인 주문 데이터를 Google BigQuery 프로젝트에 업로드해야 합니다. 그런 다음 프로젝트를 OWOX BI Smart Data에 연결합니다. 지금 OWOX BI를 무료로 사용해 보고 어떻게 작동하는지 확인할 수 있습니다.

Smart Data에서 ROPO 보고서를 받으려면 Google Analytics의 사용자 행동 데이터와 CRM의 오프라인 주문 데이터가 필요합니다.

스마트 데이터에서 드롭다운 목록에서 옵션을 선택하여 질문에 대해 강조 표시된 모든 필드를 변경할 수 있습니다: 소득 점유율, 사용자 거래, 소득 금액, 평균 수표 크기 등. 사용 가능한 메트릭에 대한 자세한 내용은 도움말 섹션.

보고서의 모든 정보는 Google 데이터 스튜디오에 업로드하거나 CSV 파일로 다운로드할 수 있습니다. SQL 쿼리를 복사하여 필요에 따라 Google BigQuery에서 구체화할 수도 있습니다.

보고서의 몇 가지 예를 고려하십시오.

30일 전환 기간은 사용자가 사이트를 마지막으로 방문한 후 오프라인 구매까지 최대 30일이 경과했음을 의미합니다. 전환 기간은 비즈니스에 맞게 변경할 수 있습니다.

이 보고서는 온라인, 오프라인 및 ROPO 판매 간에 수익이 어떻게 분배되는지 보여줍니다. ROPO 주문을 일반 오프라인 구매와 분리하고 다중 채널 판매에서 ROPO 효과의 실제 역할을 이해하는 데 도움이 됩니다.

이것은 Google Analytics의 전환 시간 보고서(시간 지연)와 유사하며 여기에서만 온라인 작업과 오프라인 구매가 관련됩니다. 이 보고서는 전환 창 내에서 매일 거래, 고객 및 수익의 비율 또는 수를 보여줍니다.

이를 통해 ROPO 구매의 실제 전환 기간을 이해하고 거래 가치와 사용자가 구매 결정을 내리는 데 필요한 일수 간의 관계를 추적할 수 있습니다.

이 보고서를 통해 오프라인 구매로 이어지는 온라인 채널, 소스 및 광고 캠페인을 확인할 수 있습니다.

사이트에 등록된 사용자만 고려하면 ROPO 분석 결과가 얼마나 정확한지 묻는 질문이 있을 수 있습니다. 좋은 질문이며 이에 대한 답을 얻으려면 사용자가 몇 명인지 파악해야 합니다. 파악하기 어렵습니다. 특정 사이트에 대한 정확한 답변입니다. 사용자가 로그인하지 않은 경우 해당 웹사이트에 있었는지 여부를 알 수 없습니다. 패널 조사를 사용할 수 없다면.

경험상 오프라인 구매와 연결할 수 있는 승인된 사용자의 비율은 평균적인 옴니채널 소비자 전자 제품 소매업체의 경우에도 40%에 이릅니다. 이 결과는 연중 누적됩니다. 시즌 세일 기간에는 증가합니다. 가장 중요한 것은 100% 관객 풀이 없어도 예산 재분배를 위한 대표 샘플을 얻을 수 있다는 것입니다. 즉, 각 사용자의 작업을 결합할 필요가 없습니다. 보고서를 작성하려면 충분한 수의 사용자 데이터만 결합하면 됩니다.

마케팅 분석가가 온라인 및 오프라인 소스의 데이터를 결합하여 올바른 결정을 내리는 데 도움이 되도록 20단계 체크리스트를 준비했습니다. 양식을 작성하시면 이 체크리스트를 귀하의 이메일로 보내드립니다.