Jak zoptymalizować kampanie reklamowe za pomocą konwersji wspomaganych w Google BigQuery

Im więcej kanałów reklamowych rozwija firma, tym więcej klientów można pozyskać dzięki różnym kampaniom. W związku z tym generowane przychody znacznie wzrosną, jeśli użytkownicy biznesowi uzyskają cenne informacje na temat danych w celu poprawy wyników marketingowych.

W tym przypadku opisujemy rozwiązanie dostarczone przez zespół OWOX BI dla dużej sieci sprzedaży detalicznej sprzętu RTV i AGD, która miała problemy z optymalizacją kampanii reklamowych dla różnych segmentów użytkowników na różnych platformach.

Firma dążyła do optymalizacji wydatków reklamowych, biorąc pod uwagę szereg czynników: udział wielu kanałów reklamowych w ścieżce zakupowej klienta, grupę biznesową kategorii (BGC) oraz różnice w zachowaniu użytkowników w różnych regionach.

Biznesowa grupa kategorii (BGC) to grupa podobnych kategorii produktów. Na przykład sprzęt audio to powszechna nazwa dla odtwarzaczy MP3, słuchawek itp. Segmentacja według BGC wynika z wewnętrznej struktury sprzedawcy: każdy dział jest odpowiedzialny za jeden BGC.

Zachowanie klientów z różnych miast czy regionów różni się ze względu na czynniki ekonomiczne. Dlatego dział Media&CRM dzieli zamówienia na segmenty geograficzne.

Z doświadczenia sprzedawcy wynika, że ​​80% klientów online i offline wchodzi w interakcję z wieloma kanałami reklamowymi przed dokonaniem zakupu. Raport Konwersje wspomagane w Google Analytics pozwala analizować wpływ kanałów online na ścieżki konwersji. Jednak raport nie pozwala na segmentację według regionu i BGC. Uniemożliwia to pełną ocenę wkładu każdego kanału.

Ponadto firma starała się podejmować lepsze decyzje, poparte pełnymi danymi o zachowaniach użytkowników. Google Analytics stosuje próbkowanie, jeśli ilość danych przekracza 500 tys. sesji (100 mln sesji w Google Analytics 360) w okresie raportowania. Ponadto nie można było zobaczyć pełnego obrazu ścieżek konwersji w raportach ścieżek wielokanałowych, ponieważ liczba konwersji każdego miesiąca przekraczała 1 milion. Biorąc pod uwagę skalę działalności, takie błędy pomiaru drastycznie wpłynęły na jakość decyzji detalisty.

Aby porównać wyniki kanałów reklamowych w różnych regionach – segmentach BGC , postanowiono zbierać dane o zachowaniach użytkowników w hurtowni danych big data. OWOX zasugerował skorzystanie z Google BigQuery, ponieważ usługa ta zapewnia bezpieczeństwo, elastyczność i szybkie przetwarzanie danych.

Dane o zachowaniu odwiedzających witrynę są automatycznie importowane do Google BigQuery z Google Analytics dzięki funkcji Google BigQuery Export. Ta funkcja jest dostępna tylko dla klientów Google Analytics 360.

Dane o skuteczności kampanii AdWords są automatycznie importowane do Google Analytics. OWOX BI Pipeline pomaga importować dane o kosztach kampanii reklamowych do Google Analytics, a także gromadzi dane o wszystkich kosztach reklamowych w Google BigQuery.

System wewnętrzny (ERP) przechowuje dane o relacjach pomiędzy kategoriami produktów a BGC. Na przykład kuchenki mikrofalowe należą do grupy małych urządzeń domowych (SDA) , a laptopy należą do grupy komputerów . Analitycy kopiują dane z wewnętrznego systemu do Arkuszy Google, a następnie importują je do Google BigQuery za pomocą dodatku OWOX BI BigQuery Reports.

Schemat zbierania danych przedstawiono poniżej:

Dane wymagane w modelu atrybucji są przechowywane w dwóch tabelach w Google BigQuery. Pierwsza tabela przechowuje dane o zakupach, zachowaniu użytkowników i wydatkach reklamowych z Google Analytics. Drugi przechowuje dane o relacjach między kategoriami produktów a BGC z Arkuszy Google.

Eksperci OWOX połączyli dane z tych dwóch tabel według identyfikatora kategorii produktu, korzystając z operacji JOIN. Dane zostały połączone w następujący sposób:

Firma chciała zobaczyć, z jakimi kanałami użytkownicy wchodzą w interakcję najczęściej iw jakiej kolejności. Kanały, które najczęściej przynoszą pierwsze dwie sesje na ścieżce konwersji, najlepiej sprawdzałyby się na wyższych etapach ścieżki, ponieważ pomagają przyciągnąć użytkowników do witryny. Kanały, które najczęściej prowadzą ostatnie dwie sesje przed zakupem, będą lepiej działać na dolnym lejku: pomagają kupującym w podejmowaniu decyzji.

Analitycy OWOX zaproponowali segmentację zleceń według liczby sesji do transakcji (1, 2, 3, 4 i 5+ sesje). Długie ścieżki konwersji (ponad 5 sesji) są traktowane podobnie jak krótkie: główny nacisk kładzie się na dwie pierwsze i dwie ostatnie sesje. Są to sesje, podczas których użytkownik dowiaduje się o produkcie i podejmuje decyzję o zakupie. Sesje pomiędzy nimi wnoszą znacznie mniej, dlatego są analizowane razem.

Zespół OWOX skonfigurował automatyczny import wyników segmentacji do Arkuszy Google za pomocą dodatku OWOX BI BigQuery Reports i utworzył raport. Raport pokazuje, jak działają kanały reklamowe w różnych lokalizacjach i różnych BGC. Na przykład teraz można zobaczyć, jak często użytkownicy odwiedzają witrynę, klikając reklamy Google na różnych etapach ścieżki na długich (5+ sesjach) ścieżkach konwersji. Specjaliści firmy mogą porównać skuteczność reklam w Google i Criteo i zobaczyć, który z kanałów miałby lepsze wyniki na górnym, środkowym i dolnym ścieżce dla każdego segmentu regionu BGC.

Aby ułatwić pracę menedżerom i specjalistom ds. marketingu, eksperci OWOX zwizualizowali dane w postaci interaktywnych dashboardów. Google Data Studio zostało wybrane jako rozwiązanie do dashboardów z następujących powodów:

• Kokpity są wygodne w pracy: dane można łatwo filtrować według daty lub wybranych wymiarów.
• Źródła danych do raportowania można połączyć zaledwie kilkoma kliknięciami.
• Nieograniczone niestandardowe raporty i pulpity nawigacyjne można tworzyć bezpłatnie.

W rezultacie otrzymano pulpit nawigacyjny pokazujący, w jaki sposób zakupy są podzielone na segmenty według źródła reklam, regionu, grupy biznesowej kategorii (BGC) i długości ścieżki przed zakupem.

Dzięki gromadzeniu i przetwarzaniu danych w Google BigQuery za pomocą Google Analytics 360 i OWOX BI, firma mogła ocenić wydajność kanałów reklamowych dla różnych regionów i BGC, a także zwizualizować wyniki w Google Data Studio. Pomogło to odpowiedzieć na takie pytania jak:

• Które kanały mają lepsze wyniki na górnej, środkowej i dolnej ścieżce?
• Które kanały radzą sobie lepiej w określonym segmencie «region—BGC»?
• Który segment «region-BGC» otrzymuje najwięcej zakupów?

Teraz w planach jest przegląd i realokacja budżetu performance marketingowego w drugiej połowie 2017 roku w oparciu o wyniki testów.