7 sposobów oceny i poprawy marketingu cyfrowego

Jak możesz ocenić skuteczność i zwiększyć zwrot z inwestycji (ROI) swojej reklamy internetowej? Skąd możesz wiedzieć, ile przychodów generuje ruch SEO, aplikacje mobilne i reklamy w mediach? Te pytania dotyczą wielu firm internetowych i wielokanałowych. W tym artykule opisujemy rozwiązania OWOX BI, które pomogły naszym klientom znaleźć odpowiedzi na te i inne pytania oraz rozwiązać ich problemy biznesowe.

Poniżej zwięźle opisujemy, w jaki sposób pomogliśmy naszym klientom w tych siedmiu rzeczywistych przypadkach. Jeśli interesują Cię szczegóły techniczne lub chcesz wypróbować niektóre z rzeczy, o których wspominamy we własnym projekcie, wypróbuj OWOX BI za darmo.

OWOX BI zbiera dane z wielu systemów w jednym repozytorium i tworzy raporty, które pomagają klientom ulepszyć ich marketingową inteligencję. Celem jest zrobienie tego szybko, z wysoką jakością i maksymalną automatyzacją, aby firmy mogły zarobić więcej pieniędzy, korzystając z danych, które już posiadają.

Segmentacja użytkowników w celu lepszego ukierunkowania kampanii reklamowych to podstawowe zadanie, którym można i należy się zająć na początkowych etapach wdrażania analityki marketingowej.

Cel klienta : Zwiększenie ROI kampanii reklamowych, których celem jest reaktywacja użytkowników, którzy już odwiedzili witrynę. Teoretycznie ci użytkownicy nie powinni być drodzy na rynku, ponieważ wykazali już zainteresowanie.

Wyzwanie klienta : Popraw targetowanie kampanii reklamowych dla porzuconych koszyków i klientów, którzy przepadli. Są to osoby, które wykonały określony zestaw działań w witrynie, ale niczego nie kupiły. Jednocześnie nasz klient wierzy, że mógłby coś kupić.

Nasza hipoteza : jeśli wybierzemy segment użytkowników witryny, którzy dodali produkt do koszyka w ciągu ostatnich X dni i pokażemy im reklamy, jest bardziej prawdopodobne, że coś kupią niż użytkownicy z innych segmentów. W związku z tym reklamując się w tym segmencie możemy zwiększyć przychody przy zachowaniu tego samego wskaźnika kosztów do przychodów (CRR).

Segmentacja użytkowników jest zawsze wymagana do testowania hipotez. Możemy założyć, że wybrane segmenty użytkowników będą zachowywać się w taki czy inny sposób po obejrzeniu reklamy, ale nie ma 100% gwarancji, że tak się stanie.

Nasz klient określił warunki, według których powstawały segmenty. Po utworzeniu segmentów zgodnie z tymi warunkami, przekształciliśmy naszą hipotezę w zadanie techniczne dla naszego analityka. Zadanie to zostało podzielone na etapy.

Etap 1 . Utwórz dwa segmenty użytkowników. Pierwszy segment składał się z użytkowników, którzy dodali produkt do koszyka w ciągu ostatnich X dni, ale niczego nie kupili. Drugi segment składał się z użytkowników, którzy wykonali pewien zestaw akcji w serwisie (zdefiniowanych przez klienta).

Google Analytics próbkuje dane klientów w odpowiedzi na duży ruch. Dlatego do budowy segmentów wykorzystaliśmy surowe dane ze strony naszego klienta przesłane do Google BigQuery za pomocą OWOX BI Pipeline. BigQuery to usługa przechowywania w chmurze, która pozwala nie tylko zbierać informacje, ale także wygodnie je przetwarzać za pomocą SQL.

Nasz analityk napisał zapytania SQL w celu utworzenia segmentów na podstawie surowych danych strony internetowej. Segmenty te zawierają dane identyfikatora klienta Google i identyfikatora klienta Yandex, które można wykorzystać w usługach reklamowych Google Ads i Yandex.Direct.

Etap 2 . Automatycznie przenieś segmenty do Google Ads i Yandex.Direct, aby specjaliści ds. reklamy mogli wykorzystać je w tworzeniu kampanii reklamowych.

OWOX BI ma automatyczny potok danych, który pobiera segmenty z Google BigQuery, codziennie oblicza dla nich dane i przesyła je do Google Analytics. Segmenty z systemu analityki internetowej można natywnie eksportować do Google Ads. Drugi potok OWOX BI ładuje te segmenty do Yandex.Audience.

Etap 3 . Specjaliści naszego klienta ustalili zasady w usługach reklamowych, które podniosły stawki dla tych segmentów.

To rozwiązanie ma kilka ważnych cech. Na przykład, aby załadować segment do Yandex. Odbiorcy, musi zawierać minimum 1000 wierszy (aby użyć unikalnego identyfikatora klienta Yandex).

OWOX BI domyślnie nie zbiera identyfikatorów klienta Yandex. Yandex. Metryka musi być zainstalowana w witrynie, aby generować identyfikatory klienta, a aby mogli wejść do Google BigQuery, musisz skonfigurować ich transmisję przez OWOX BI.

Jeśli jesteś użytkownikiem OWOX BI i chcesz zbierać identyfikatory klienta Yandex w Google BigQuery, napisz do nas. Przekażemy instrukcje, jak to zrobić za pomocą Menedżera tagów Google. Jeśli nie jesteś użytkownikiem OWOX BI, ale interesuje Cię taka możliwość, wypróbuj OWOX BI za darmo i zobacz, jak może pomóc w osiągnięciu Twoich celów.

Nasz klient przekonfigurował odbiorców w swoich kampaniach, które już pracowały nad retargetowaniem, odseparował użytkowników, którzy nie należeli do odpowiednich segmentów, i skoncentrował budżet na użytkownikach w wybranych przez siebie segmentach.

W efekcie przy tych samych kampaniach i tej samej inwestycji ROI wzrósł o 100% do 150% (kampanii było wiele, więc wskaźnik jest uśredniony). W rzeczywistości koszty tej decyzji były minimalne, a efektywność dość namacalna. Te kampanie działają do dziś. Nie otrzymaliśmy żadnej informacji zwrotnej od naszego klienta, że ​​wzrost ten był tylko tymczasowy.

Kiedy zaczynamy pracę z projektem, pierwszym zadaniem jest obliczenie ROI na realne zarobki.

Domyślnie Google Analytics widzi tylko sprzedaż z witryny, ale tak naprawdę nie odzwierciedla to pieniędzy, które trafiają na konta firmy.

Wiemy, że niektóre zamówienia online nie są realizowane lub są zmieniane podczas potwierdzania zamówienia. Użytkownicy mogą:

1. Po prostu nie dokończ zamówienia
2. Zmień zamówienie przez telefon, zmieniając w ten sposób kwotę zamówienia
3. Zamów dostawę do sklepu stacjonarnego, ale nie odbieraj zakupu

W rezultacie firma nie otrzymuje kwoty wyświetlanej w Google Analytics. Dlatego obliczanie przychodów na podstawie danych w Google Analytics jest nie do końca poprawne. Niezbędna jest ocena skuteczności reklamy internetowej z uwzględnieniem rzeczywistych danych sprzedażowych z Twojego CRM.

Cel klienta : Zwiększenie ROI kampanii reklamowych przy stałym CRR bez zwiększania kosztów.

Wyzwanie Klienta : Redystrybucja budżetu reklamowego w oparciu o rzeczywistą sprzedaż generowaną przez źródła reklamowe. Mówiąc najprościej, musisz przenieść swój budżet z kanałów, które nie generują wystarczającego zwrotu z inwestycji, na bardziej wydajne.

Nasza hipoteza : jeśli obliczysz ROI na podstawie zakupów (a najlepiej nawet marż), możesz dostosować swoją strategię marketingową i zainwestować w te źródła ruchu, które przynoszą większe przychody. W związku z tym wzrośnie ROI kampanii reklamowych.

Nasz klient zebrał już niespróbkowane dane w Google BigQuery za pomocą OWOX BI. Konieczne było jednak uzupełnienie tych danych o dane o sprzedaży z wewnętrznego systemu firmy. Zadanie realizowane było w pięciu etapach.

Etap 1 . Prawidłowo skonfiguruj transfer danych zamówienia z serwisu do systemu CRM klienta. Identyfikator transakcji transferu i identyfikator klienta Google.

Identyfikator transakcji jest tworzony po złożeniu zamówienia w witrynie i jest wysyłany do Google Analytics i BigQuery wraz z odpowiednim identyfikatorem klienta. Ważne jest, aby równolegle przenosić oba identyfikatory do CRM, aby móc powiązać użytkownika z transakcją i płatnością.

Etap 2 . Skonfiguruj generowanie identyfikatora użytkownika po stronie CRM klienta i wyślij identyfikator użytkownika do Google BigQuery podczas realizacji transakcji.

Identyfikator użytkownika jest generowany przez system CRM w momencie zapisania do niego informacji o nowym kliencie. Załóżmy na przykład, że ktoś dokonuje zakupu w sklepie, a kasjer prosi o jego numer telefonu i wpisuje go do CRM. System następnie przypisuje temu użytkownikowi unikalny identyfikator. W przyszłości, gdy użytkownik dokona autoryzacji w serwisie za pomocą telefonu, CRM go rozpozna.

Google Analytics ma funkcję User-ID. Nasi programiści skonfigurowali go tak, że gdy klienci autoryzują lub składają zamówienie w witrynie naszego klienta, identyfikator użytkownika jest wysyłany do witryny w DataLayer. Stamtąd jest przesyłany do Google Analytics i Google Big Query.

Dzięki temu możesz powiązać działania użytkowników autoryzowanych w serwisie ze szczegółowymi informacjami na ich temat. Na przykład Twój CRM może przechowywać imię i nazwisko osoby, numer telefonu i adres e-mail. Za pomocą pośredniego klucza User ID możesz łączyć dane witryny i CRM, a także dane dotyczące płatności dla konkretnego zamówienia.

Etap 3 . Skonfiguruj przesyłanie rzeczywistych danych sprzedaży z CRM do Google BigQuery w strukturze, z którą chcesz pracować. W tym celu utworzyliśmy zadanie techniczne i przekazaliśmy je do realizacji programistom naszego klienta.

Etap 4 . Połącz wszystkie dane w BigQuery w jedną tabelę. Nasi analitycy napisali zapytanie SQL, które łączy informacje o zamówieniach online z danymi CRM o zrealizowanych zamówieniach i ich ilościach. Kluczami do łączenia tych danych były identyfikator transakcji, identyfikator użytkownika i identyfikator klienta.

Etap 5 . Zbuduj raport w Google Data Studio, który pokazuje ROI dla źródeł ruchu z uwzględnieniem towarów zakupionych w zamówieniach. Obliczyliśmy ROI na podstawie kosztów krańcowych.

Ustawienie prawidłowego transferu danych ze strony do CRM oraz pobieranie danych CRM do Google BigQuery wymaga zaangażowania deweloperów po stronie biznesowej, co często znacznie opóźnia proces.

Dostarczyliśmy naszemu klientowi raport wydajności źródeł ruchu na podstawie danych o rzeczywistej sprzedaży.

Ten raport jest używany przez menedżerów najwyższego szczebla do podejmowania strategicznych decyzji, a także przez specjalistów ds. reklamy kontekstowej do zarządzania budżetem na określone kampanie reklamowe.

Oto przykład tego raportu:

Chcesz wiedzieć, jak skuteczne są Twoje reklamy na podstawie rzeczywistych danych sprzedażowych w Twoim CRM? Wypróbuj OWOX BI za darmo i przekonaj się, jak może pomóc w osiągnięciu Twoich celów.

Trzecim rozwiązaniem, na które nasi klienci przychodzą po zbudowaniu podstawowych raportów opisanych powyżej, jest analiza ROPO (poszukiwania online, zakupy offline). Pokazuje wpływ marketingu cyfrowego na sprzedaż w sklepach stacjonarnych. Jest to szczególnie istotne w przypadku omnichannelowych projektów e-commerce.

Ludzie patrzą na towary na stronie i sprawdzają je w sklepie z różnych powodów, od nieufności do zakupów w Internecie po chęć dotknięcia produktu.

Podczas planowania rocznego budżetu dyrektor ds. marketingu chce uzyskać więcej pieniędzy na kanały online, ponieważ rozumie, że część sprzedaży przypisywana reklamom online ma miejsce w trybie offline. Jeżeli CMO może chociaż częściowo zmierzyć ten efekt, będzie to dobry argument za podniesieniem budżetu.

Cel klienta : udowodnić potrzebę zwiększenia budżetu na marketing online i wykazać ukrytą wartość inwestycji w reklamę online.

Wyzwanie Klienta : Przeanalizuj skuteczność reklamy online, biorąc pod uwagę jej późniejszy wpływ na sprzedaż offline.

Nasza hipoteza : niektórzy użytkownicy poznają produkt w witrynie, ale kupują go w sklepie fizycznym. Oznacza to, że kampanie online pozostają niedowartościowane. Jeśli śledzimy wizyty na stronie i dalsze zakupy dokonywane przez tych użytkowników w sklepach fizycznych, możemy zmierzyć prawdziwą wartość reklamy cyfrowej.

Aby powiązać aktywność użytkownika w witrynie z jego kolejnymi zakupami w sklepach stacjonarnych, zrobiliśmy w większości to samo, co zrobiliśmy, aby przeanalizować ROI na podstawie zrealizowanych zamówień (szczegóły w poprzedniej sekcji):

1. Skonfiguruj identyfikator użytkownika po stronie CRM i wyślij go do Google BigQuery.
2. Skonfiguruj identyfikator klienta tak, aby był prawidłowo przekazywany do CRM i BigQuery.
3. Skonfiguruj transfer danych dla pól Telefon użytkownika i Adres e-mail użytkownika z witryny do BigQuery i CRM klienta podczas realizacji transakcji.
4. Skonfiguruj przesyłanie danych z CRM klienta do Google BigQuery. W przeciwieństwie do poprzedniego przypadku ten plik zawiera nie tylko zamówienia online, ale także zamówienia ze sklepów detalicznych.
5. Napisz zapytanie SQL, które łączy dane aktywności w witrynie z informacjami z CRM. Klucze do łączenia danych ze sprzedażą offline to ID użytkownika/Telefon użytkownika/Adres e-mail użytkownika.
6. Zbuduj raport w Google Data Studio, aby przeanalizować efekt ROPO.

Schemat łączenia danych wygląda tak:

Możesz połączyć użytkowników online ze sprzedażą offline tylko wtedy, gdy użytkownik dokona zakupu w witrynie lub jest autoryzowany w witrynie.

Jak pokazuje praktyka, udział autoryzowanych użytkowników wynosi około 5% wszystkich odwiedzających witrynę. Im więcej masz autoryzowanych użytkowników, tym bardziej reprezentatywne będą dane w Twoich raportach. Ale nawet przy 5% do 10% można wyciągnąć pewne wnioski, które mogą prowadzić do poważnych zmian w zarządzaniu budżetem marketingowym.

Kolejną trudnością jest śledzenie jakości danych, gdy masz już skonfigurowane wszystkie integracje. Upewnij się, że dane są przesyłane poprawnie i że identyfikatory są zgodne, aby przyszłe zmiany w systemie CRM nie zepsuły tego, co skonfigurowałeś. To jest kwestia tego, jak dobry jest zespół IT Twojego klienta.

Po zmierzeniu efektu ROPO ROI kampanii reklamowych naszego klienta wzrósł o 50% do 150% . Warto zauważyć, że w takich przypadkach ROI zawsze wykazuje wzrost, ponieważ dodawane są przychody, które zostały wygenerowane przez kampanie online, ale otrzymane offline.

Przykładowy wygląd raportu ROPO:

Raport ten umożliwia klientowi analizę danych w następujących kategoriach:

• Przychody tylko z internetu
• Przychody tylko z trybu offline
• Przychody ROPO
• Źródło/medium/przychody z kampanii tylko online
• Przychody ze źródła/medium/kampanii, w tym późniejsza sprzedaż offline
• Przychody online i ROPO według kategorii produktów i podkategorii
• Przychody online i ROPO według miast
• Czas od wizyty na miejscu do zakupu ROPO w dniach
• Liczba sesji w serwisie przed zakupem ROPO
• I wiele innych

Chcesz wiedzieć, jak Twoje działania online wpływają na sprzedaż offline? Wypróbuj OWOX BI za darmo i zobacz, jak może pomóc osiągnąć Twoje cele.

To dość złożone i nietypowe zadanie, choć ciekawe. Optymalizacja SEO ma efekt opóźniony i często trudno jest ocenić efektywność pracy wykonanej np. w ciągu ostatnich sześciu miesięcy. Zwłaszcza jeśli jest to ogromna strona.

Ogólnie wiemy, ilu użytkowników przechodzi przez wyszukiwarkę Google, a nawet możemy wykluczyć ruch związany z marką. Ale ilu użytkowników przychodzi właśnie dlatego, że kategorie i podkategorie zostały zoptymalizowane lub teksty i tytuły były dobrze napisane?

Załóżmy, że w zeszłym kwartale wydałeś 10 000 USD na SEO. Jakie przychody uzyskałeś w ciągu sześciu miesięcy z tych pieniędzy?

Cel Klienta : Oceń skuteczność inwestycji SEO, biorąc pod uwagę nie tylko zamówienia online, ale faktyczne płatności.

Wyzwanie klienta : Zbuduj raport pokazujący skuteczność SEO według kategorii produktów. Ten raport powinien opierać się na rzeczywistej sprzedaży.

Nasza hipoteza : wiemy, które słowa kluczowe były pompowane i na których stronach. Znamy pozycję w SEO drop-out dla tych kluczy. Znamy sprzedaż z tych stron, których źródłem jest ruch z wyszukiwania. Jeśli połączymy te dane, uzyskamy sprzedaż z tych słów kluczowych, które znajdują się w TOP drop-out SEO. Czyli możemy mierzyć efektywność inwestycji w SEO.

Etap 1 . Prześlij wszystkie niezbędne informacje do Google BigQuery:

• Surowe dane o zachowaniach użytkowników zebrane przez OWOX BI na stronie
• Dane z Google Search Console i Yandex. Dane dotyczące najpopularniejszych słów kluczowych, które doprowadziły ruch do witryny i stron docelowych. Dlaczego skorzystaliśmy z Search Console? Ponieważ w usłudze pomiaru pozycji widzimy tylko hipotetyczny ruch, który może pochodzić z tych słów kluczowych.
• Dane z usługi pomiaru pozycji witryny w przypadku organicznego drop-outu (na przykład Allpositions). Pozwala nam to określić, jakie pozycje miały słowa kluczowe. Jeśli słowa kluczowe są, powiedzmy, poniżej piątego miejsca w rezygnacji, możemy je wykluczyć z analizy.
• Rzeczywiste dane sprzedażowe z systemu CRM

Etap 2 . Na podstawie adresów URL utwórz klastry zapytań słów kluczowych w sekcji stron docelowych. Przeanalizowaliśmy nie jeden adres URL, ale adresy URL dla całych kategorii towarów. Na przykład w przypadku drobnego sprzętu AGD możemy obejrzeć blendery, a potem blendery Braun.

Etap 3 . Znajdź słowa kluczowe, przez które ruch SEO trafił do witryny, mierząc pozycje w drop-out. Przesłaliśmy wyniki do GBQ i posortowaliśmy żądania poniżej określonej pozycji.

Etap 4 . Za pomocą zapytania SQL połącz dane dotyczące aktywności użytkownika w witrynie z rzeczywistymi danymi sprzedaży z CRM.

Etap 5 . Wyróżnij sesje, które doprowadziły do ​​transakcji ze źródłem SEO (przy użyciu modelu atrybucji ostatniego kliknięcia niebezpośredniego).

Etap 6 . Wyróżnij strony docelowe tych transakcji i powiąż je ze słowami kluczowymi SEO, które przyniosły ruch na te strony.

Etap 7 . Zbuduj raport, który pokazuje, jak optymalizacja SEO niektórych stron wpływa na rzeczywisty ruch i zakupy na tych stronach.

Google Search Console umożliwia przesłanie do 5000 wierszy danych. W związku z tym nie możemy analizować wszystkich żądań słów kluczowych, które kierują ruch do witryny.

Na przykład możemy przyjrzeć się skuteczności słów kluczowych w określonej grupie stron. Załóżmy, że było 100 słów kluczowych, z których 50 znajdowało się na górze, a z tych 50 wiemy, że 30 reprezentuje ruch, który dostał się do odciążenia Search Console. Zakładamy, że był ruch również dla innych żądań, tylko usługa nie podała nam tych informacji.

Nie ma możliwości zmierzenia ze 100% dokładnością, które słowa kluczowe przyciągnęły ruch do analizowanych przez nas stron. Dlatego na początku analizy przyjęliśmy jako pewnik, że nasze wyniki będą obarczone pewnym błędem.

Dostarczyliśmy naszemu klientowi raport, który pozwala analizować skuteczność działań SEO przez określony czas. Analiza efektywności opierała się na rzeczywistej sprzedaży, dzięki czemu można było policzyć ROI ruchu SEO.

Chcesz zbudować raport pokazujący efektywność ruchu SEO? Wypróbuj OWOX BI za darmo i przekonaj się, jak może pomóc Ci osiągnąć Twoje cele.

Ostatnio to zadanie stało się bardzo pilne. Prawdopodobnie połowa całego ruchu internetowego i duża część sprzedaży przechodzi przez urządzenia mobilne. Wielu naszych klientów korzysta z aplikacji mobilnych równolegle z aplikacjami online i offline. Kupując ruch z urządzeń mobilnych, chcesz poznać jego skuteczność.

Cel klienta : Oceń skuteczność przyciągania ruchu za pośrednictwem płatnych źródeł (Google Ads) w celu promowania instalacji i sprzedaży aplikacji mobilnej w aplikacji.

Wyzwanie Klienta : Zbuduj raport pokazujący efektywność źródeł ruchu pod kątem kluczowych działań konwersji (instalacje, rejestracje, transakcje, przychody).

Nasza hipoteza : Łącząc surowe dane z AppsFlyer (instalacje, działania użytkowników, źródła ruchu, przychody) z danymi kosztowymi z Google Ads, możemy zbudować raport, który pokazuje ROI kampanii reklamowych pod kątem odpowiednich działań transakcyjnych.

1. Korzystając z OWOX BI, przesyłaj nieprzetworzone dane o zachowaniu użytkowników w aplikacji z AppsFlyer do BigQuery oraz przesyłaj informacje o źródłach instalacji, kolejnych transakcjach i przychodach z aplikacji do GBQ.
2. Sprawdź przesyłanie, aby sprawdzić, czy wszystkie dane wymagane do raportu zgadzają się z danymi z CRM (przychody, liczba konwersji).
3. Skonfiguruj przesyłanie wydatków Google Ads do GBQ przy użyciu metody przenoszenia danych.
4. Napisz zapytanie SQL, które łączy dane z AppsFlyer i Transfer danych i wykona wymagane obliczenia.
5. Zbuduj raport w Google Data Studio.

Aplikacje mobilne mogą mieć opóźniony efekt. Na przykład ktoś może zainstalować aplikację, ale zarejestrować się w niej dopiero miesiąc później. Nasz klient chciał przeanalizować efektywność zakupionego ruchu w czasie. To znaczy, jeśli X jednostek aplikacji zostało zakupionych z kanału Y w marcu, ile z tych jednostek przyniosło działania powodujące konwersję w kwietniu, maju, czerwcu itd.? Aby odpowiedzieć na to pytanie, stworzyliśmy specjalny raport.

Wyzwaniem było również przeprowadzenie analizy w różnych krajach, miastach i grupach kampanii reklamowych, aby nasz klient mógł na przykład zobaczyć skuteczność kampanii nadzorowanych przez określonego menedżera. Zostało to zaimplementowane za pomocą filtrów.

Świadomie nie wykorzystaliśmy w raporcie danych z CRM, ponieważ między rzeczywistą sprzedażą w systemie wewnętrznym a danymi aplikacji był niewielki błąd.

Nasz klient otrzymał automatycznie zaktualizowany raport w Google Data Studio, który odpowiada na następujące pytania:

• Ile ustawień aplikacji przyniosło źródło ruchu X w miesiącu Y?
• Ile konwersji w aplikacji miało miejsce w miesiącu instalacji i w kolejnych miesiącach? (według źródła ruchu)
• Jaka jest skuteczność grup kampanii pod względem powyższych parametrów?
• Jak skuteczne są kampanie reklamowe w różnych krajach?

Nie możemy udostępnić raportu klienta zawierającego dane wrażliwe, ale oto przykład raportu podstawowego (bez miesięcznego przesunięcia), który można utworzyć za pomocą opisanego rozwiązania:

Chcesz dowiedzieć się o wydajności ruchu z aplikacji mobilnych? Wypróbuj OWOX BI za darmo i przekonaj się, jak może spełnić Twoje potrzeby.

Raporty Google Analytics domyślnie korzystają z modelu atrybucji Ostatnie kliknięcie niebezpośrednie. Ten model przypisuje całą wartość z transakcji do ostatniego pośredniego źródła w łańcuchu przed zamówieniem. Z tego powodu inne źródła, które promowały użytkownika przez ścieżkę, są niedoceniane.

Możesz użyć atrybucji opartej na lejku ML z OWOX BI, aby poznać rzeczywistą wartość kanałów i efektywnie rozdzielać budżet. Uwzględnia wszystkie punkty styku i wszystkie działania użytkownika podczas przechodzenia przez lejek od pierwszej wizyty do zakupu.

Cel klienta: Zwiększenie ROI kontrolowanych źródeł ruchu płatnego przy stałym wskaźniku CRR.

Wyzwanie klienta: Zbuduj raport pokazujący niedoceniane źródła ruchu i ich skuteczność w ujęciu pieniężnym z uwzględnieniem kontaktów każdego użytkownika z serwisem.

Nasza hipoteza: ROI można zwiększyć bez zwiększania CRR, jeśli budżet reklamowy jest efektywnie redystrybuowany. Aby to zrobić, kalkulacja ROI musi uwzględniać udział wszystkich kampanii i źródeł, które promowały użytkownika przez ścieżkę, a nie tylko tych, które zawierały transakcje.

1. Zbieraj surowe dane o zachowaniach użytkowników w witrynie i wysyłaj je do Google BigQuery za pomocą OWOX BI.
2. Skonfiguruj import danych o kosztach z usług reklamowych do Google Analytics i Google BigQuery.
3. Skonfiguruj identyfikator klienta, identyfikator użytkownika i identyfikator transakcji, aby były poprawnie wysyłane do BigQuery i CRM.
4. Prześlij rzeczywiste dane sprzedaży z CRM do Google BigQuery w wymaganej strukturze.
5. Połącz dane dotyczące zachowań użytkowników ze strony z zrealizowanymi zamówieniami na podstawie identyfikatora klienta, identyfikatora użytkownika i kluczy identyfikatora transakcji. Zapytania SQL nie są wymagane — wszystko dzieje się w modelu atrybucji OWOX BI. Po prostu ładujemy dane w odpowiednim formacie i dodajemy je do obliczeń modelu.
6. Skonfiguruj model atrybucji i uruchom obliczenia w OWOX BI. Na tym etapie możemy określić jako kroki lejka zdarzenia, które są ważne dla danej firmy, w tym te, które występują w trybie offline (spotkania, rozmowy telefoniczne, webinaria itp.). Ścieżka może się różnić w zależności od tego, co firma chce mierzyć i jak widzi ścieżkę użytkownika do zakupu.
7. Wykonaj wstępną analizę danych za pomocą standardowych raportów OWOX BI Smart Data, aby uniknąć wydawania zasobów na wizualizację danych w systemach BI innych firm. W Smart Data możesz przeglądać gotowe raporty zbudowane na wynikach obliczeń modelu atrybucji bez zapytań SQL. Możesz na przykład zobaczyć ROI kampanii reklamowych i to, jak różni się od ROI wykazanego przez atrybucję ostatniego kliknięcia niebezpośredniego.

Prawidłowe przeniesienie identyfikatora klienta i identyfikatora transakcji wraz z zamówieniem do Twojego CRM wymaga zespołu programistów po stronie klienta. To samo dotyczy konfiguracji i przesyłania identyfikatora użytkownika.

Do prawidłowej interpretacji wyników kalkulacji atrybucji niezbędne jest zaangażowanie specjalistów z zespołu klienta. Dzieje się tak dlatego, że trudno poprawnie ocenić zachowanie niektórych źródeł ruchu bez znajomości kontekstu i logiki, według której zostały utworzone kampanie reklamowe.

Nasz klient otrzymał gotowe raporty, które można wykorzystać do:

• Porównaj ROI źródeł ruchu ze zrealizowanymi zamówieniami dla atrybucji ostatniego kliknięcia niebezpośredniego i atrybucji opartej na ścieżce ML
• Analizuj skuteczność źródeł ruchu na różnych etapach lejka
• Automatycznie przekaż wyniki obliczeń modelu atrybucji do Alytics, Google Ads i K50 w celu zautomatyzowania zarządzania stawkami (OWOX BI integruje się z tymi usługami).

Oto przykład raportu z OWOX BI Smart Data, który pokazuje, jak ROI kampanii reklamowych różni się w różnych modelach atrybucji:

Na przykład na tym zrzucie ekranu widzimy, że Bing/organic źródła ROI jest o 20% wyższy niż w Google Analytics. Oznacza to, że źródło faktycznie zarobiło więcej pieniędzy, ale było niedoceniane w Google Analytics, ponieważ znajdowało się w połowie ścieżki.

Chcesz ocenić wzajemny wpływ swoich kampanii reklamowych i ich wkład w sprzedaż? Wypróbuj OWOX BI i zobacz, jak może pomóc w osiągnięciu Twoich celów.

Kiedy użytkownik widzi gdzieś reklamę, niczego nie klika, ale po pewnym czasie przechodzi do witryny i wykonuje określoną akcję, nazywa się to konwersją po obejrzeniu. Trudno je śledzić, ponieważ nie ma bezpośredniego połączenia i przejścia do reklamy.

Ponadto wielcy gracze, tacy jak Facebook, Google, YouTube i Yandex, nie są zbytnio zainteresowani wpuszczaniem stron trzecich do swoich systemów. Oznacza to, że nie chcą podawać danych wskazujących, że konkretny użytkownik widział konkretną reklamę.

Cel Klienta: Zwiększenie efektywności inwestycji w reklamę medialną (banery i filmy).

Wyzwanie klienta: Śledź wyświetlenia kreacji multimedialnych (bez kliknięcia) i kolejne wizyty w witrynie przez użytkowników, którzy zobaczyli reklamę.

Nasza hipoteza: możemy umieścić kod śledzący (piksel) w witrynach, w których klient publikuje swoje reklamy w mediach. Ten piksel przypisze unikalny plik cookie każdemu użytkownikowi, który zobaczy reklamę. Po chwili ten użytkownik może przejść na stronę klienta. Dzięki temu będziemy mogli odczytać przypisany plik cookie i wykorzystać te dane do tworzenia analiz po wyświetleniu.

Zespół OWOX BI miał za zadanie opracować metodę śledzenia, która zbierałaby dane o wyświetleniach reklam, aby móc je łączyć z danymi o zachowaniach użytkowników ze strony klienta. Zasadniczo stworzyliśmy fragment kodu, który można umieścić w witrynach, w których wyświetla się reklama.

Następnie potrzebowaliśmy Google BigQuery, aby połączyć dane o wyświetleniach reklam z danymi o zachowaniach użytkowników z witryny naszego klienta, aby można było je przetwarzać za pomocą SQL.

Zadanie realizowane było w kilku etapach:

1. Zbierz wymagania biznesowe od klienta.
2. Na podstawie tych wymagań biznesowych przygotuj TA do wprowadzenia piksela w witrynach, na których będą umieszczane reklamy medialne.
3. Przetestuj jakość implementacji TA oraz jakość danych wprowadzanych do Google BigQuery podczas wyświetlania reklam.
4. Uruchamiaj kampanie i monitoruj jakość transmisji danych.
5. Połącz dane zebrane w okresie kampanii z danymi o zachowaniach użytkowników oraz danymi CRM.
6. Zbuduj raport, który odpowiada na pytania biznesowe klienta.

• Nie wszystkie strony były zainteresowane hostingiem naszego piksela.
• Użyliśmy własnego identyfikatora użytkownika OWOX jako klucza do mapowania danych.
• Stale monitorujemy śledzenie i poprawność działania naszego skryptu na platformach należących do reklamodawcy.
• Wzięliśmy pod uwagę nie tylko sprzedaż bezpośrednią w oknie konwersji, ale także wpływ reklamy na pozyskiwanie nowych odbiorców (jeden z KPI klienta).

Nasz klient otrzymał raport, który odpowiadał na następujące pytania:

• Jaki jest ROI kampanii z zamówieniami online?
• Jaki jest ROI kampanii dla zamówień zrealizowanych w ciągu 10 dni od wyświetlenia reklamy?
• Jaki jest zwrot z inwestycji w reklamę, biorąc pod uwagę wpływ ROPO?
• Które witryny okazały się najskuteczniejsze pod względem ROI/CR/nowych użytkowników?
• Jaki procent użytkowników, którzy widzieli reklamy, był już w witrynie?
• Ilu nowych użytkowników zostało przeniesionych do witryny w ciągu X/Y/Z dni od obejrzenia reklamy?
• Ilu nowych użytkowników kupiło po obejrzeniu reklamy?
• Jakie przedmioty kupili użytkownicy, którzy zobaczyli reklamę?
• Ilu nieaktywnych użytkowników (którzy nie weszli na stronę lub nie dokonali zakupu przez X dni) zostało przywróconych przez reklamę?

Przykład raportu konwersji po obejrzeniu:

Chcesz ten sam raport? Wypróbuj OWOX BI i zobacz, jak możesz go wykorzystać do pokonania wyzwań związanych z analityką marketingową.

• Dane to olej XXI wieku.
• Praca z danymi wymaga eksperymentowania i testowania hipotez.
• Musisz być przygotowany na to, że nie wszystkie eksperymenty zakończą się sukcesem.
• Samo pragnienie Twojej CMO nie wystarczy; potrzebujesz procesów w firmie, aby dane zaczęły przynosić pieniądze, a zespół powinien tego potrzebować.
• Czy przekształcanie danych w pieniądze to alchemia XXI wieku? Nie sądzimy:)