Como usar a análise de coorte de clientes para medir o desempenho do anúncio

Hoje em dia, as empresas atuam em um mundo digital, com enormes quantidades de dados de clientes para coletar, salvar e prosseguir com o escrutínio ao detalhe. Não é uma opção fácil mesmo para empresas de pequeno porte, sem falar nas grandes empresas. À medida que os negócios evoluem, eles também entendem que é possível anunciar de forma mais eficaz e otimizar o orçamento de anúncios.

Neste caso, descrevemos a solução fornecida pela equipe OWOX BI para uma grande empresa que fornece um conjunto integrado de produtos para negócios. A suíte inclui ferramentas para gerenciamento de projetos, documentação, CRM, telefonia, calendários e muito mais. Esse cliente teve desafios em gastar o orçamento de publicidade de forma mais eficiente, além de realizar uma análise de coorte de clientes.

Como o principal desafio dos especialistas em marketing era alcançar mais clientes, tudo foi feito para obter o maior número possível de cadastros de serviços. Depois de ganhar muitos clientes ativos no banco de dados, surgiu a necessidade de melhorar o ciclo de vida do cliente. Os especialistas em marketing queriam gastar seus recursos publicitários apenas no público-alvo pronto para comprar seu produto, já que os custos de aquisição de clientes aumentaram junto com a concorrência empresarial. Assim, a maioria dos esforços de publicidade começa a valer dois meses ou mais após a compra, já que a maioria dos clientes paga pela assinatura mensalmente.

Por isso, para gastar o orçamento de publicidade de forma mais eficiente, decidiu-se realizar uma análise de coorte de clientes. Uma coorte é um grupo de usuários que compartilham algumas características comuns. Ao agrupar os usuários em coortes com base na hora de seu primeiro registro, os profissionais de marketing buscavam obter informações mais detalhadas sobre o que seus clientes fazem depois de se registrarem no site. A análise de coorte também ajuda a calcular a receita de cada coorte, avaliar a eficácia das campanhas de aquisição de clientes e otimizar os custos de publicidade. Além disso, a comparação de dados comportamentais das coortes em diferentes fontes, canais e campanhas ajuda a entender quais campanhas funcionam melhor para a aquisição de clientes e quais melhoram a taxa de retenção e motivam os usuários a registrar vários portais.

Como havia a necessidade de fornecer uma análise de coorte eficaz, todos os dados deveriam ser mesclados em um sistema. Outro desafio foi enfrentar constantemente a amostragem de dados ao trabalhar com a versão gratuita do Google Analytics. Os analistas queriam evitar ou pelo menos minimizar a amostragem de dados sem precisar exportar dados por dia.

Além disso, foi necessário incluir várias métricas específicas no relatório de análise de coorte:

• Número de registros — o número de portais registrados.
• MAU — o número de usuários ativos mensais.
• CR para MAU — o número de usuários ativos mensais em comparação com o número de usuários registrados.
• Retenção 2º dia — o número de clientes que retornaram no segundo dia após o registro de um novo portal.
• Parcela de retenção 2º dia — a porcentagem de clientes que visitam o site novamente no segundo dia após o registro.
• Usuários Pagantes — o número de clientes pagantes.
• CR para Pagando — o número de usuários pagantes em comparação com o número de usuários registrados.
• Revenue SUM — a receita total gerada por uma coorte.
• Taxa de Churn — a porcentagem de perda de clientes.
• ROMI — o retorno do investimento em marketing, calculado como receita/custos × 100%.

O objetivo foi alcançado usando o banco de dados em nuvem do Google BigQuery da seguinte maneira:

1. Configurando a importação dos dados de comportamento do cliente e dados de custos de marketing para o Google BigQuery usando o OWOX BI Pipeline.
2. Envio de dados de usuários e transações para o Google BigQuery por meio do Protocolo de avaliação.
3. Agrupar usuários por coortes no Google BigQuery e escolher todas as métricas necessárias.
4. Envio dos dados do Google BigQuery para o Planilhas Google e criação de relatórios de análise de coorte.

O esquema abaixo mostra o fluxo de dados:

Agora vamos dar uma olhada em cada passo em detalhes.

Tendo considerado todas as plataformas alternativas, a empresa escolheu o Google BigQuery para combinar os dados. Os dados de comportamento do usuário da web foram importados para o Google BigQuery usando o OWOX BI Pipeline. Aqui estão as vantagens desta solução:

• Sem amostragem de dados e limitações no número de dimensões e métricas nos relatórios do Google Analytics. Mais informações sobre as limitações podem ser encontradas aqui.
• Os dados do site aparecem no Google BigQuery em apenas 5 minutos.
• As receitas e os custos de publicidade podem ser comparados por sessões e usuários, fornecendo melhores insights sobre a lucratividade da coorte. OWOX BI Pipeline permite ver quanto dinheiro foi gasto para adquirir cada usuário, distribuindo os custos de publicidade pelas sessões do usuário.

Também com a ajuda do OWOX BI Pipeline, os dados dos serviços de publicidade são importados primeiro para o Google Analytics e depois para o Google BigQuery. A exceção é para o AdWords, pois o Google Analytics possui integração nativa com ele.

Os dados sobre os clientes são coletados no sistema CRM. Assim, os dados sobre os usuários que revisitam o site no segundo dia após o cadastro no portal são exportados para o Google BigQuery. Os dados sobre usuários e transações ativos também são exportados para o Google BigQuery por meio do Protocolo de avaliação.

Com todos os dados necessários coletados no Google BigQuery, foram criadas as coortes e calculadas as métricas escolhidas para cada uma das coortes.

Como os clientes pagam pelos produtos mensalmente, o prazo para análise foi definido para um mês. As coortes foram criadas com base no horário do primeiro registro. Isso significa que todos os usuários que se registraram, digamos em julho, pertencem à mesma coorte. Com as métricas calculadas no Google BigQuery, a tabela tem a seguinte estrutura:

Como os dados foram exportados do Google BigQuery (por meio do complemento OWOX BI BigQuery Reports), eles foram visualizados no Planilhas Google. Esses dados são atualizados automaticamente todos os dias e podem ser filtrados por canal, origem, campanha e conteúdo do anúncio.

O relatório demonstra que as iniciativas de publicidade não apenas ajudam a adquirir novos clientes, mas também aumentam o valor da vida útil do cliente, trazendo de volta clientes já adquiridos que desejam adicionar outro portal.

Na maioria dos casos, os investimentos em publicidade começam a ser pagos em três meses.

Embora a criação do relatório tenha sido uma tarefa difícil com muitos fatores variáveis, o resultado definitivamente valeu a pena. Foi criado um conjunto de relatórios automatizados regulares para o departamento de marketing. Antes disso, os especialistas em marketing precisavam criar esses relatórios manualmente, verificar tudo e gastar muito tempo e esforço.

Devido a novos relatos, também aconteceram algumas descobertas interessantes. Por exemplo, descobriu-se que a publicidade não só funciona para a aquisição de clientes, mas também contribui para a retenção de clientes e ajuda a obter mais registros do mesmo cliente.

• A empresa agora tem um conjunto de relatórios totalmente automatizados que ajudam a medir o desempenho de canais de publicidade, fontes e campanhas em grupos de clientes mensalmente.
• Sabendo o desempenho de sua publicidade, os especialistas em marketing agora podem otimizar custos para aumentar a receita total de cada uma das coortes e reduzir a taxa de churn.
• Com a ajuda da análise de coorte, agora é possível determinar as fontes que trazem os clientes mais fiéis. Esses dados também podem ser usados ​​para remarketing.