Studium przypadku: Jak zautomatyzować raportowanie marketingowe w biznesie restauracyjnym

Z pomocą agencji marketingowej i produktów OWOX BI marketerzy sieci restauracji całkowicie zaktualizowali swój system analityczny.

Istnieje 57 restauracji i punktów dostawczych, serwujących zarówno dania kuchni japońskiej, jak i włoskiej. W związku ze skalowaniem i dywersyfikacją biznesu, dział marketingu stanął przed nowymi zadaniami:

• Dowiedz się, jakie działania reklamowe przyciągają nowych użytkowników do serwisu i aplikacji mobilnej oraz ile kosztuje pozyskanie klienta. Musieli połączyć dane ze strony internetowej, aplikacji mobilnej i systemu CRM, aby to rozgryźć.
• Otrzymuj szybkie raporty wydajności i porównuj rzeczywistą wydajność z prognozą. W tym celu musieli zautomatyzować raportowanie marketingowe.
• Oceń przyrostowy wpływ wyświetleń w mediach na kanały wydajności i docelowe działania w witrynach internetowych i aplikacjach mobilnych. W tym celu połączyli nieprzetworzone dane na poziomie identyfikatora klienta z wyświetleniami z Campaign Managera.

Zobaczmy, jak wykonali każde z tych zadań i udzielmy rad osobom dopiero rozpoczynającym ścieżkę automatyzacji marketingu.

Uwaga: Wszystkie raporty przedstawione w artykule oparte są na testowym zestawie danych.

Zespół zbudował zaawansowaną analitykę w oparciu o OWOX BI, Google BigQuery i Power BI. Schematycznie układ wygląda tak:

OWOX BI importuje dane o kosztach ze wszystkich systemów reklamowych, jak również surowe dane strony internetowej z Google Analytics oraz dane aplikacji z AppsFlyer. Następnie przesyła wszystkie te dane do Google BigQuery.

Google BigQuery otrzymuje również dane prognozy, które eksperci agencji obliczają w interfejsie przy użyciu języka R.

W Google BigQuery dane są przetwarzane i scalane przy użyciu widoków i zaplanowanych zapytań.

Na koniec dane są wizualizowane w Power BI.

Zespół skupił się na trzech raportach, dzięki którym może śledzić niezbędne metryki:

• Podstawowy raport zarządczy dla systemu zrównoważonej karty wyników
• Raport o przyciągnięciu użytkowników do serwisu
• Raport o przyciągnięciu użytkowników do aplikacji

Opracowali macierz wpływu — hierarchię wskaźników — w celu określenia, na których wskaźnikach należy się skoncentrować iw jakich przypadkach. Wykorzystali również metodologię zrównoważonej karty wyników do monitorowania danych prognostycznych. W efekcie otrzymali raport, który pozwala:

• zrozumieć, które wskaźniki są przed nami, a które za planem
• śledzić główne KPI, które mają różne wagi dla firmy (CPO, CR, Revenue, CTR)
• przewidywać KPI

W architekturze raportów można wyróżnić trzy poziomy: poziom biznesowy, poziom KPI i poziom szczegółowy.

Poziom biznesowy

Na tym poziomie możesz zobaczyć plan kontra fakty dla kluczowych wskaźników biznesowych.

Z powyższych danych zespół może wywnioskować, że CR KPI został przekroczony o 43%. Jednocześnie natężenie ruchu i konwersje nie osiągnęły planowanych wartości. Wysoki CR może wskazywać na dobry UX strony i aplikacji — jest kilka spadków, a użytkownicy dobrze konwertują. Jednak aby zapewnić wymaganą wielkość sprzedaży, konieczne jest zwiększenie natężenia ruchu.

Poziom KPI

Na podstawie raportu na poziomie KPI marketerzy analizują efektywne i nieefektywne lokaty z punktu widzenia CR i wskaźników kosztowych — pozwala to szybko podzielić budżet między kanały, aby zrealizować ogólny plan.

Raport ilustruje zależność wyższego poziomu planowanych i rzeczywistych wskaźników KPI (CR, Wizyty, Przychody, Transakcje) z wartościami prognozowanymi. Na przykład możesz zauważyć, że plan dotyczący ogólnego natężenia ruchu w witrynie nie został zrealizowany, ale jest to równoważone wyższym CR w ruchu organicznym i bezpośrednim. W związku z tym konieczne jest zwiększenie CR płatnego ruchu (typu CPC) przy bardziej dynamicznej optymalizacji lub wyższej cenie zakupu. Zespół może również potrzebować zasadniczo zwiększenia zakupu płatnego ruchu, aby zrealizować ogólny plan ruchu.

Poziom szczegółowy

Na tym poziomie marketerzy przyglądają się dynamice wskaźników według regionu i typu urządzenia — pomaga to również przekierować budżet na to, co działa lepiej.

Z powyższych danych można wywnioskować, że zespół przeoczył plan pod względem łącznej liczby transakcji i CR za dany okres analizy o 5,5%. Jednocześnie ruch na komputerach i urządzeniach mobilnych wykazuje w przybliżeniu taką samą tendencję do pozostawania w tyle za wolumenem konwersji (na komputerach spadła o 5,7%, mobilna o 5,6%). W związku z tym oba typy urządzeń generują taką samą liczbę konwersji. Aby jednak zoptymalizować, należy przeanalizować ruch na odcinku CR.

Widać tutaj, że ruch mobilny (1,8%) i ruch z tabletów (2,8%) wykazywały najniższe wartości CR w grudniu. Ponieważ ruch mobilny generuje taką samą liczbę konwersji jak ruch na komputerach stacjonarnych i jest prawdopodobnie tańszy, marketerzy mogą próbować zoptymalizować ruch mobilny, kupując ruch lepszej jakości, aby zwiększyć jego CR.

Ten wykres ilustruje plan skuteczności dotyczący ruchu w miastach. Dzięki informacjom o zakupionych ilościach można stwierdzić, gdzie słaba wydajność ma kluczowe znaczenie i wpływa na skuteczność wszystkich kampanii.

Dzięki tym raportom zespół mógł podzielić wszystkie zakupy na nowych i powracających klientów. Umożliwiło to wykluczenie powracających klientów z kampanii reklamowych dla nowych klientów, zmniejszając tym samym CPO we wszystkich kanałach. Widząc jednocześnie statystyki w sekcji kanałów dla powracających i nowych użytkowników, marketerzy byli w stanie zrozumieć, które źródła generują więcej nowych zamówień i przechylić budżet na swoją korzyść. W źródłach, w których przeważają powtarzające się zakupy, zmniejszali budżet, tym samym zmniejszając całkowity planowany CPO.

Nawiasem mówiąc, główne KPI w tych raportach są obliczane na podstawie danych CRM.

Powyższy raport pokazuje, że największą liczbę nowych zakupów dla całego ruchu z serwisu prowadzą inst_kz (81,82%), Facebook Ads (43,45%), mobrain_int (31,25%) i gomobile_int (30,38%). Ponieważ, ogólnie rzecz biorąc, firma ma aktywną i lojalną publiczność oraz wysoki procent pokrycia rynku, jasne jest, dlaczego niektóre strony internetowe prowadzą klientów, którzy już przynajmniej raz złożyli zamówienie w aplikacji. W celu zwiększenia wydajności i realizacji KPI pozyskiwania klientów zespół może spróbować wykluczyć aktywnych odbiorców CRM w ustawieniach kampanii reklamowej i uruchomić promocje dla nowych klientów.

Widać tutaj, że ponad połowa ruchu na komputerach we wszystkich grupach kanałów to powracający klienci. Wskazuje to na znaczenie pracy z lojalną bazą i zwiększania retencji.

Dzięki analityce post-view możesz ocenić wpływ aktywności mediów na liczbę zamówień.

Statystyki wyświetleń są przesyłane do BigQuery z Google Campaign Manager i są szczegółowo opisane z dokładnością do pojedynczego użytkownika (identyfikator klienta). Raport porównuje segmenty tych, którzy widzieli i tych, którzy nie widzieli reklam w mediach. W rezultacie możemy ocenić przyrostowy wpływ wyświetleń mediów na kanały wydajności i ukierunkowane działania na stronie internetowej i w aplikacji mobilnej.

Na przykład zespół dowiedział się, że konwersje na zamówienia od osób, które widziały filmy i banery, były o 42% wyższe niż w przypadku osób, które ich nie widziały. Dzięki analityce post-view ustalili również, że publiczność tych, którzy widzieli reklamy w mediach, przyniosła dwa razy większe dochody.

W przyszłości zespół planuje opracować raportowanie międzyplatformowe. Pierwszym krokiem jest ocena wpływu ruchu w sieci na konwersje aplikacji poprzez powiązanie danych aplikacji mobilnej i witryny. Takie raportowanie pozwoli na pełne zrozumienie wartości kanałów reklamowych i ocenę ich wzajemnego wpływu. Pomoże również podejmować decyzje zarządcze dotyczące rozwoju kanałów interakcji z klientem oraz dostosowywać strategię komunikacji marketingowej.