Jak mierzyć sukces reklamy i zwiększać ROAS poprzez konsolidację danych

Ponieważ coraz więcej firm przechodzi na operacje online i zanurza się w nowym, cyfrowym świecie, tym więcej danych marketerzy muszą przetworzyć. Użytkownicy biznesowi nieustannie potrzebują wysokiej jakości wglądu w dane, aby zapewnić pomyślną wydajność, a przyjęcie nowych formatów i struktur analitycznych staje się jednym z głównych wyzwań.

W tym przypadku opisujemy rozwiązanie dostarczone przez zespół OWOX BI dla wiodącego dostawcy ubezpieczeń bezpośrednich, który miał problemy z oceną wpływu reklamy na zakupy.

Ponieważ firma sprzedaje ubezpieczenia przez Internet, telefon i offline, klienci mogą wyszukiwać produkty za pośrednictwem jednego kanału i kupować je za pośrednictwem innego. Na przykład klient może odwiedzić witrynę internetową firmy, obliczyć zasięg, wypełnić wniosek online, a następnie odwiedzić fizyczne biuro, aby dokonać zakupu. W takich przypadkach trudno jest ocenić wpływ reklamy na zakupy.

Głównym wyzwaniem była optymalizacja wydatków na reklamę i uzyskanie lepszego zwrotu z reklamy poprzez zastosowanie funkcjonalnego systemu oceny skuteczności reklam. Firma potrzebowała sposobu na konsolidację danych o kosztach, przychodach i interakcjach użytkowników zarówno online, jak i offline.

Dane o interakcjach użytkownika ze stroną, kosztach reklamy i zamówieniach offline gromadzone są w różnych systemach:

• Dane ze strony zbierane są w Google Analytics;
• Dane o polisach ubezpieczeniowych zakupionych offline są przechowywane w firmowym systemie CRM;
• Dane o kosztach inne niż AdWords zwykle nie są gromadzone w Google Analytics. W rezultacie ROAS, ROI i udział kosztów reklamy dla każdej usługi reklamowej są obliczane osobno.

Wszystkie te dane należy połączyć, aby dokładnie ocenić wkład reklamy w zakup ubezpieczeń.

Wszystkie niezbędne dane zostały zebrane w Google BigQuery za pomocą OWOX BI Pipeline i zaimplementowane modele atrybucji oparte na lejkach, Ostatnie kliknięcie niebezpośrednie i Pierwsze kliknięcie. Następnie utworzono raporty porównujące dane o skuteczności kampanii uzyskane za pomocą każdego modelu atrybucji.

Schemat blokowy gromadzenia i konsolidacji danych przedstawiono poniżej:

Przyjrzyjmy się bliżej każdemu krokowi, jaki firma podjęła w celu oceny kampanii reklamowych: jakie dane połączyły, w jaki sposób i jakie wyniki osiągnęły.

Firma wybrała pamięć masową w chmurze Google BigQuery do łączenia danych o aktywności klientów na miejscu z danymi o zakupach ubezpieczeń offline. Usługa została wybrana ze względu na jej możliwości przetwarzania danych: terabajty danych można przetworzyć w kilka sekund, petabajty danych — w kilka minut. Dzięki temu Google BigQuery jest doskonałą usługą do wykonywania złożonych zadań analitycznych i raportowania. Kolejną zaletą korzystania z Google BigQuery jest wysoki poziom bezpieczeństwa, ponieważ dane są automatycznie szyfrowane. Więcej informacji o korzyściach płynących z korzystania z Google BigQuery można znaleźć na stronie serwisu.

OWOX BI Pipeline został wybrany do zbierania danych z następujących powodów:

• Dane są zbierane w czasie zbliżonym do rzeczywistego i stają się dostępne w ciągu 5 minut.
• Nie ma ograniczeń co do liczby wymiarów i danych w raportowaniu. OWOX BI Pipeline pozwala na tworzenie raportów o dowolnej szczegółowości, używając składni podobnej do SQL do zapytań o surowe dane. Tylko w Google Analytics istnieją pewne wymiary i dane, których nie można połączyć w jednym raporcie. Istnieje ograniczenie liczby wymiarów i danych w raporcie: 2 wymiary w raporcie standardowym, 5 wymiarów w raporcie niestandardowym i 7 wymiarów w żądaniu Core v3. Ponadto niemożliwe jest przeanalizowanie kosztów reklamy dla każdego indywidualnego użytkownika. Więcej informacji o limitach i limitach znajdziesz w Przewodniku dla programistów Google.
• Dane importowane do Google BigQuery są niespróbkowane niezależnie od ich objętości.

Więcej informacji o różnicach między Google BigQuery Export dla Google Analytics 360 a OWOX BI Pipeline można znaleźć w naszym poście na blogu.

Dane o zakupach ubezpieczeń są przesyłane z systemu CRM do Google BigQuery za pomocą żądań POST.

• Dane o kosztach kampanii AdWords są automatycznie gromadzone w Google Analytics dzięki natywnej integracji między Google Analytics i Google AdWords.
• Dane o kosztach dla innych kanałów marketingowych są importowane do Google Analytics przez OWOX BI Pipeline.
• Dane dla wszystkich kanałów są importowane do Google BigQuery z Google Analytics. Pozwala to na obliczenie ROAS, ROI i udziału kosztów reklamy w odniesieniu do zakupów, a nie tylko do aplikacji internetowych.

Po skonsolidowaniu danych w Google BigQuery zespół marketingowy zbudował kilka modeli atrybucji, aby mierzyć skuteczność reklam w przyciąganiu nowych klientów (model atrybucji Pierwsze kliknięcie) i generowaniu zakupów (model atrybucji Ostatnie kliknięcie niebezpośrednie).

Atrybucja oparta na lejku została wybrana przez OWOX BI jako trzeci, najbardziej obiektywny model atrybucji. W tym modelu każdy kanał otrzymuje kredyt w zależności od jego wkładu w progresję klienta przez lejek zakupowy. Sesje są oceniane na podstawie prawdopodobieństwa przejścia klienta do każdego kolejnego etapu ścieżki. Im wyższe prawdopodobieństwo, tym mniejszy udział ma sesja, która pomogła użytkownikowi przejść przez ten krok. Im mniejsze prawdopodobieństwo, tym większy kredyt uzyska sesja. Wyniki obliczeń w ramach modelu atrybucji opartego na lejku są dostępne w Google BigQuery i interfejsie OWOX BI. Raport pokazuje współczynnik konwersji (bezwzględna konwersja), prawdopodobieństwo i wartość każdego kroku, który użytkownicy wykonują w drodze do zakupu. Spójrz na poniższy przykład:

• Współczynnik konwersji kroków to procent sesji, w których obejrzano dany krok. Na przykład 34% współczynnik konwersji w kroku 2 oznacza, że ​​34% całkowitej liczby odwiedzających witrynę przeszło do tego kroku.
• Prawdopodobieństwo to procent sesji, w których odwiedzający przeszli do danego kroku z poprzedniego. W tym przykładzie krok 4 ma prawdopodobieństwo 10%, co oznacza, że ​​10% odwiedzających przeszło do kroku 4 z kroku 3.
• Wartość oblicza się w następujący sposób. Po pierwsze, każdy krok otrzymuje wynik w odwrotnej proporcji do prawdopodobieństwa. Następnie wynik kroku jest dzielony przez łączną sumę wyników w ścieżce. Im trudniej jest użytkownikom przejść przez określony etap ścieżki, tym wyższą wartość uzyskuje.

Do usprawnienia pracy ze wszystkimi uzyskanymi danymi wykorzystano OWOX BI Smart Data. Narzędzie pozwala zadawać pytania do danych w naturalnym języku angielskim, nie ma potrzeby wykonywania zapytań SQL. Szablony pytań umożliwiają uzyskanie odpowiedzi w ciągu kilku sekund.

Wykonując powyższe kroki, firma uzyskała pulpit nawigacyjny, który pokazuje zarówno rzeczywistą wartość każdego kanału, jak i sposób, w jaki ta wartość jest rozłożona na kroki ścieżki na różnych typach urządzeń.

Poniższy wykres pokazuje, że ten sam krok ścieżki może mieć różne wartości na różnych urządzeniach. Najcenniejszym krokiem na tabletach jest pierwsze wejście na stronę. Poruszanie się po Kroku 2 i Kroku 3 jest kluczowe dla urządzeń mobilnych. Jeśli chodzi o sesje na komputerach stacjonarnych i sesje na różnych urządzeniach, wartość rozkłada się bardziej równomiernie.

Na co to się przekłada? Na przykład użytkownicy tabletów rzadziej robią pierwszy krok, czyli odwiedzają witrynę internetową. Oznacza to, że reklamy kierowane na tablety powinny koncentrować się na przyciąganiu nowych odwiedzających witrynę.

Wartości kanałów w modelach Pierwsze kliknięcie i Ostatnie kliknięcie niebezpośrednie zostały obliczone w celu zidentyfikowania niedowartościowanych i przeszacowanych kanałów, bardziej efektywnej redystrybucji budżetu reklamowego i porównania ich z wynikami uzyskanymi w modelu atrybucji opartym na lejku.

Ani modele atrybucji Pierwsze kliknięcie, ani Ostatnie kliknięcie niebezpośrednie nie zapewniają dokładnego wglądu w skuteczność kampanii, ponieważ Google Analytics nie zawiera danych o polisach ubezpieczeniowych zakupionych offline. Użytkownik może przejść tylko w połowie ścieżki online, a następnie uzyskać dostęp do produktu i kupić go w trybie offline. Dlatego modele zostały zaimplementowane i zwizualizowane za pomocą odpowiednio Google BigQuery i Google Data Studio.

Tworząc dashboard w Google Data Studio, firma może w łatwy sposób monitorować i porównywać skuteczność kampanii dla dwóch najpopularniejszych modeli atrybucji: First Click, w którym wysiłki koncentrują się na akwizycji, oraz Last Non-Direct Click, w którym są kierowane wysiłki kupić. Miesięczne KPI są raportowane w czytelnym formacie.

Na przykład strona raportu pokazana poniżej porównuje rozkład przychodów i ROAS w różnych kanałach. Porównując skuteczność kanału w dwóch różnych modelach atrybucji, można zauważyć, że dane dotyczące ROAS i udziału w przychodach kanału są prawie identyczne w obu modelach. Oznacza to, że kanały te są prawie w równym stopniu odpowiednie zarówno do przyciągania użytkowników, jak i zachęcania ich do zawarcia transakcji.

• Po pełnej automatyzacji zbierania i przetwarzania danych, dzięki wykorzystaniu produktów OWOX BI i Google, zespół firmy nie musi ręcznie importować danych. Wszystkie dane są dostępne w jednym interfejsie, a specjaliści ds. marketingu mogą szybko uzyskać dostęp do wszelkich potrzebnych im danych.
• Model atrybucji oparty na lejku pozwolił na bardziej obiektywną i wiarygodną ocenę kanałów marketingowych.
• Zespół obliczył udział, jaki kanały reklamowe otrzymałyby w modelach atrybucji Pierwsze/Ostatnie kliknięcie. Porównując wyniki z modelem atrybucji opartym na lejku, zidentyfikowano niedoceniane i przeszacowane kanały oraz efektywniej realokowano budżet reklamowy.

Powyższy wykres porównuje wartości kanałów uzyskane w różnych modelach atrybucji. Wkład piątego kanału jest znacznie zaniżony w modelu atrybucji Last Non-Direct. Według modelu atrybucji opartego na lejku ma o 100% wyższy ROAS i znacząco wpływa na końcową konwersję. Pozostałe kanały są głównie przewartościowane. Na podstawie tych ustaleń firma może realokować budżet reklamowy z przewartościowanych kampanii reklamowych na niedowartościowane, dzięki czemu reklama będzie bardziej efektywna bez dodatkowych kosztów.