Jak rozpoznać ROPO: wpływ online na zakupy offline

Reklama internetowa jest często niedoceniana, ponieważ wiele osób zaczyna szukać towarów w Internecie, a następnie kupuje je w fizycznym sklepie. Szczególnie dotyczy to niektórych produktów, takich jak designerskie buty i akcesoria. Sprzedaż internetowa nie może konkurować ze sprzedażą w sklepach fizycznych, gdzie klienci mają w pełni spersonalizowaną obsługę. Dlatego marketerzy chcą dowiedzieć się, jak marketing online wpływa na sprzedaż w sklepach stacjonarnych oraz dowiedzieć się, które kampanie i kategorie towarów przynoszą więcej zakupów offline, a które online.

W tym przypadku opisujemy rozwiązanie dostarczone przez zespół OWOX BI dla sieci sklepów sprzedających obuwie, torebki i akcesoria w niskich, średnich i wysokich cenach. Firma posiada 90 sklepów stacjonarnych oraz wygodny sklep internetowy. Głównym wyzwaniem było określenie wpływu online na zakupy offline.

Dział sprzedaży zauważył, że wielu klientów woli zbierać informacje online przed dokonaniem zakupów w fizycznym sklepie. Na stronie klienci filtrują artykuły według ceny i sprawdzają ich dostępność w sklepach sieci. W większości przypadków, gdy klienci przychodzą do sklepu stacjonarnego, dość dobrze wiedzą, czego szukają i mają określone oczekiwania dotyczące usługi.

Dlatego marketerzy postanowili:

• określić wpływ działań marketingowych online na sprzedaż offline;
• realokacji budżetów marketingowych online;
• przewartościować skuteczność kanałów reklamowych i poprawić ich strategię marketingową.

Aby osiągnąć te cele, zdecydowano się zastosować analizę ROPO — opartą na danych o zakupach online i offline. Dzięki niemu możesz zdefiniować część przychodów offline przypisywaną reklamom online (efekt ROPO). Zobacz, dlaczego i jak zintegrować punkty kontaktu z klientem online i offline w naszym artykule.

Aby przeprowadzić analizę ROPO, należy połączyć dane dla reklam online z danymi o sprzedaży offline. Sprzedawca posiada wiele danych o klientach, którzy kupują towary na różne sposoby:

• Wybieranie i płacenie w sklepie.
• Przeglądanie strony internetowej, a następnie kupowanie w sklepie.
• Przeglądanie strony, płacenie na stronie i zamawianie dostawy do domu lub do sklepu.

W związku z tym dane te są gromadzone, zapisywane i przetwarzane w różnych systemach:

• Dane o zachowaniu klientów w serwisie są przechowywane w Google Analytics.
• Dane dotyczące realizacji zamówień i aktywności odwiedzających offline są przechowywane w wewnętrznym systemie CRM.

Trudno ręcznie scalić wszystkie dane z tych systemów. Marketerzy szukali oprogramowania, które pomogłoby im połączyć te dane z Google BigQuery (GBQ), którego używali już do przechowywania danych kampanii reklamowych. Google BigQuery to jedna z najbezpieczniejszych usług RESTful z nieograniczonym potencjałem przechowywania i przetwarzania danych.

Sprzedawcy detalisty wybrali OWOX BI Pipeline do rozwiązania swoich zadań.

OWOX BI Attribution był już używany do oceny kampanii reklamowych, a OWOX BI Pipeline był używany do zbierania danych z Google Analytics do Google BigQuery w celu tworzenia raportów o kampaniach reklamowych. W przypadku obu tych zadań detalista był zadowolony z OWOX BI, więc został ponownie wybrany do analizy ROPO.

Analitycy OWOX BI opracowali następujący plan:

• Zbieraj dane o kampaniach reklamowych, zachowaniu klientów na stronie, sprzedaży offline i realizacji zamówień w jednym systemie.
• Połącz zamówienia offline z sesjami online.
• Twórz raporty i pulpity nawigacyjne na podstawie otrzymanych danych, aby przeszacować wkład ze źródeł internetowych.

Przepływ danych wygląda tak:

Przejdźmy przez ten proces krok po kroku.

Każdy zarejestrowany gość na stronie otrzymuje unikalny identyfikator użytkownika . Realizując cel konwersji — sfinalizowanie transakcji — odwiedzający otrzymuje dodatkowy identyfikator transakcji . Dane o zachowaniu odwiedzającego na stronie są przekazywane do Google BigQuery z tymi identyfikatorami za pomocą OWOX BI.

Każdego dnia dane o zamówieniach online i offline z CRM są również przekazywane do Google BigQuery i łączone z danymi ze strony za pomocą kluczy user_ID i transaction_ID .

Łącząc te dane, otrzymujesz to, co jest potrzebne do przeprowadzenia analizy ROPO.

Po połączeniu wszystkich danych analitycy OWOX BI rozpoczęli pracę z zebraną bazą danych w Google BigQuery.

Dane o transakcjach online w Google BigQuery zostały dodane do danych każdego przetwarzanego zamówienia (opłaconego i nieopłaconego) przy użyciu identyfikatora transaction_ID do identyfikacji transakcji.

Następnie analitycy zintegrowali dane o sesjach odwiedzających z danymi o zakupach offline, używając identyfikatora użytkownika jako klucza łączącego. Klucz ten ujawnił historię sesji na stronie wielu klientów, którzy dokonali zakupów offline.

Schemat łączenia danych wygląda tak:

W rezultacie zespół sprzedawcy otrzymywał odpowiedzi na następujące pytania dla każdego zamówienia:

• Jaki to rodzaj transakcji? Online, offline czy ROPO?
• Jakie było źródło ostatniej sesji przed zakupem? Co skłoniło klienta do dokonania zakupu?
• Ile dni minęło od ostatniej sesji na stronie do zakupu? (Dla tych, którzy kupują online, jest to zawsze zero, ponieważ ostatnia wizyta to sesja, w której dochodzi do transakcji. Tylko w przypadku transakcji offline ta liczba również zawsze wynosi zero, ponieważ nie ma sesji online dla tego klienta. Inni klienci mogą być przypisani do segment ROPO.)
• Geolokalizacja ostatniej sesji.

Przykładowa tabela z tymi informacjami:

Do wizualizacji otrzymanych danych wybrano Google Data Studio. Analitycy OWOX BI stworzyli informacyjny dashboard z dynamicznymi wykresami w Google Data Studio w celu wsparcia szczegółowej analizy i planowania budżetu reklamowego.

Na przykład wykres kołowy po prawej stronie pokazuje, że zamówienia ROPO stanowią 20 procent przychodów, a wykres kołowy po lewej pokazuje, że prawie wszyscy klienci, którzy złożyli zamówienia ROPO, odwiedzili stronę internetową mniej niż tydzień przed zakupem w sklepie.

Wszystkie dane na pulpicie można filtrować według regionu, okna konwersji, źródła, kanału i kampanii, aby uzyskać bardziej szczegółową segmentację. Dodatkowo dla każdego zamówienia widoczne są dni między ostatnią wizytą na stronie a zakupem.

Wykres na dole dashboardu pomaga marketerom zrozumieć, jakie dodatkowe przychody z zamówień ROPO należy liczyć podczas planowania strategii marketingowej i pokazuje udział w całkowitych przychodach według źródła, kanału i kampanii.

Analiza ROPO potwierdziła korelację między zachowaniem online a zakupami offline, a informacyjny pulpit nawigacyjny, który automatycznie aktualizuje dane, podał następujące fakty:

• 20% przychodów offline przypisywano reklamom online, co oznacza, że ​​co piąty odwiedzający sklep offline wszedł już w interakcję ze stroną internetową.
• Po atrybucji przychodów przez ROPO pojawiły się wyraźne dowody na niedocenianie kampanii internetowych.
• W najbliższej przyszłości sprzedawca dokona przeglądu swojej kampanii marketingowej, przyjmując nowe spojrzenie na skuteczność kampanii reklamowych i zwiększając swoje inwestycje w kierunku cyfrowym.