Jak poprawić wewnętrzną analitykę za pomocą modelu atrybucji opartego na ścieżce ML?

Dzięki zastosowaniu jak największej liczby kanałów reklamowych w celu dotarcia do klientów, firmy stają przed dużym problemem z prawidłową oceną wyników, sukcesu i oczywiście wzrostu przychodów. Pytania, na które muszą odpowiedzieć, to: Jaki kanał działa lepiej? Który z nich należy wyeliminować, a który zapewnia kwalifikowane leady? Teraz nadszedł czas, aby do gry weszły modele atrybucji.

W tym przypadku opisujemy rozwiązanie dostarczone przez zespół OWOX BI dla dużego sprzedawcy internetowego, który miał problemy z poprawą swojej wydajności i zastosowaniem prawidłowego modelu atrybucji.

Przed podjęciem współpracy z OWOX BI firma stosowała model atrybucji Last Click, który oddawał całą wartość ostatniemu źródłu, ignorując wkład wszystkich poprzednich kroków przed złożeniem zamówienia. Aby prawidłowo ocenić skuteczność kampanii reklamowych, postanowiono skonfigurować model atrybucji oparty na ścieżce ML.

Firma ma wiele punktów kontaktu z użytkownikami: reklamy w mediach społecznościowych, porównywarkę cen, PPC, stronę internetową, rozmowy telefoniczne, marketing bezpośredni, centra realizacji i placówki. Podobnie jak większość sprzedawców detalicznych z marketingiem wielokanałowym, napotkała problem rozproszenia danych, ponieważ firma gromadzi i przechowuje dane w różnych systemach.

Aby ocenić wkład każdego kanału w podróż klientów po ścieżce, sprzedawca musiał połączyć dane o zachowaniu użytkowników, kosztach reklam, zamówieniach offline i rzeczywistych przychodach firmy z kontem zrealizowanych zamówień. Oznacza to, że firma musiała skonfigurować analitykę marketingową, wykonując następujące kroki:

1. Opracuj indywidualny zestaw metryk do zbierania danych o zachowaniach użytkowników ze strony internetowej do Google Analytics 360. Za pomocą standardowego eksportu niespróbkowane dane można przesłać do Google BigQuery.
2. Skonfiguruj potok OWOX BI, aby zbierać dane z usług reklamowych do Google BigQuery.
3. Skonfiguruj eksport danych transakcji z systemu CRM do Google BigQuery.
4. Utwórz model atrybucji oparty na ścieżce ML na podstawie scalonych danych w Google BigQuery.
5. Wykonaj powiązanie rekordów dla grupowań kanałów razem z analitykami OWOX BI, ponieważ nazwy sprzedawców detalicznych dla grupowań kanałów różnią się od nazw GA 360.
6. Uzyskaj raporty w Arkuszach Google do planowania miesięcznego budżetu.

Poniżej wykres konsolidacji danych:

Przyjrzyjmy się teraz, jak wraz z raportami zbudowano model atrybucji oparty na ścieżce ML.

Analitycy OWOX BI pomogli w opracowaniu, skonfigurowaniu i wdrożeniu indywidualnego zestawu wskaźników dla detalisty. Ponadto nasi specjaliści regularnie testują i aktualizują system metryk dla nowych domen wraz z nowymi funkcjami.

Dane o zachowaniach użytkowników na stronie były zbierane w Google Analytics 360 i codziennie przesyłane do Google BigQuery w celu połączenia z danymi o kosztach reklamy i transakcjach. Firma wybrała płatną wersję Google Analytics, ponieważ jej strona internetowa ma wysoki poziom ruchu. Wersja standardowa stosuje próbkowanie, gdy liczba sesji użytkownika przekracza 500 000, podczas gdy Google Analytics 360 pozwala uzyskać dokładne dane co do trafienia.

Dane o kosztach AdWords trafiają do Google Analytics 360 dzięki natywnej integracji. Natomiast OWOX BI Pipeline służy do wysyłania danych z Facebooka do Google Analytics 360 i łączenia danych o kosztach wszystkich usług reklamowych w Google BigQuery. Poniższa tabela przedstawia strukturę przesyłanych danych:

Aby uwzględnić dane o zwrotach i zrealizowanych zamówieniach, analitycy eksportują dane o transakcjach z systemu CRM do Google BigQuery. Strukturę danych przedstawiono poniżej:

Struktura ta umożliwia łączenie danych o zrealizowanych zamówieniach z danymi o zachowaniach użytkowników serwisu, z wykorzystaniem user_id i kluczy czasowych .

Lejek sprzedażowy sprzedawcy składa się z 5 kroków: Odwiedź, Strona produktu, Dodaj do koszyka, Kasa, Zakup. Zespół OWOX BI obliczył średni czas od wizyty na stronie do zakupu i zalecił optymalne okno konwersji i okno transakcji.

Na podstawie tych danych utworzono model atrybucji oparty na ścieżce ML:

Model atrybucji oparty na ścieżce ML ocenia prawdopodobieństwo przejścia użytkownika z jednego etapu lejka sprzedaży do drugiego. Szara kolumna przedstawia wartość prawdopodobieństwa. Im mniejsze prawdopodobieństwo przejścia z jednego kroku do drugiego, tym większą wartość uzyskuje sesja, w której użytkownik przeszedł ten krok. Tylko sesje, które doprowadziły do ​​zamówienia, otrzymają wartość. Możesz dowiedzieć się więcej o logice obliczeń OWOX BI Attribution z naszego wpisu na blogu.

Wyniki atrybucji służą do tworzenia raportów, które opiszemy w kroku 6.

Wszystkie źródła ruchu w raportach Google Analytics 360 są domyślnie utworzone w następujących grupach kanałów: Bezpośrednie, Bezpłatne, E-mail, Odesłanie, Społeczności, Sieć reklamowa, CPC i Inne.

Jednak specjaliści ds. marketingu używają własnych nazw grupowania kanałów w raportach wewnętrznych. Do stworzenia modelu atrybucji zespół firmy wykorzystał już zebrane dane za minione okresy z własnymi nazwami do grupowania kanałów. Dlatego było za późno na zmianę nazw w ustawieniach Google Analytics 360. W związku z tym analitycy OWOX BI przeprowadzili powiązanie rekordów i stworzyli aktualizowaną listę dopasowanych nazw dla grupowań kanałów w Arkuszach Google. Poniższa tabela przedstawia strukturę listy:

Zespół OWOX BI stworzył skrypt, który co miesiąc łączy powiązanie rekordów w Google BigQuery z wynikami atrybucji, korzystając z kluczy źródłowych i średnich .

Z pomocą analityków OWOX BI powstały dwa raporty. Pierwszy raport pomógł zrozumieć, które podmioty stowarzyszone przypisują sobie wartość innych kanałów. Ten raport jest dostępny w OWOX BI Smart Data. Analitycy wyeksportowali dane z uzyskanego raportu do Arkuszy Google, korzystając z darmowego dodatku OWOX BI BigQuery Reports.

Oto kroki, które podjęli analitycy OWOX BI, aby wyeksportować dane do Arkuszy Google:

1. Przejdź do Smart Data i zapytaj Jaka jest wartość źródeł i mediów rozłożonych na kroki ścieżki i otwórz raport.
2. Przejdź do prawego górnego rogu i wybierz opcję Kopiuj zapytanie SQL do schowka .

1. Utwórz nowy raport w Arkuszach Google. Aby to zrobić, otwórz menu Dodatki , a następnie wybierz Raporty OWOX BI BigQuery i Dodaj nowy raport . Następnie wybierz istniejące projekty Google Cloud Platform, wybierz Dodaj nowy raport i kliknij Wklej :

Należy pamiętać, że każdy nowy raport jest tworzony w nowym arkuszu:

Podaj konfigurację raportu na pasku bocznym: wybierz istniejący projekt Google Cloud Platform i zapytanie Google BigQuery, które zapewni dane do przesłania.

Notatka! Więcej szczegółów na temat konfiguracji raportu znajdziesz tutaj.

1. Teraz raport jest dostępny w Arkuszach Google. Dla większej wygody możesz zaplanować automatyczną aktualizację raportu. W tym celu przejdź do opcji Zaplanuj raporty w ustawieniach Raportów OWOX BI BigQuery:

Ustaw wymagany okres czasu na aktualizację:

Notatka! Aby dowiedzieć się więcej o planowaniu regularnej aktualizacji raportu, kliknij ten link.

Specjaliści OWOX BI zmodyfikowali zapytanie i dodali parametry dynamiczne: źródło i okres analizy.

Notatka! Kliknij ten link, aby dowiedzieć się więcej o parametrach dynamicznych w zapytaniach.

W rezultacie uzyskano raport analizy ruchu, który pokazuje, który krok lejka ma większy wpływ z określonego źródła:

Po przefiltrowaniu tylko partnerów stowarzyszonych firma może zidentyfikować tych o największej wartości na ostatnim etapie ścieżki:

Drugi raport przedstawia rzeczywiste koszty, przychody i ROAS w kampaniach reklamowych. Korzystając z tego raportu, specjaliści ds. marketingu mogą dowiedzieć się, które źródła przynoszą większe przychody, a które się nie opłacają:

• Prawidłowy i elastyczny system zbierania danych został stworzony przez zespół OWOX BI.
• Korzystając z produktów OWOX BI i Google proces zbierania danych został zautomatyzowany. Wszystkie dane są teraz dostępne w jednym interfejsie w czasie rzeczywistym.
• Model atrybucji oparty na lejku ML pomógł firmie lepiej ocenić skuteczność kampanii reklamowych i kanałów.