Como identificar o ROPO: influência online nas compras offline

A publicidade online é muitas vezes subestimada, pois muitas pessoas começam a procurar produtos na internet e depois vão comprá-los em uma loja física. Especialmente, isso se tornou uma coisa para certos produtos, como sapatos e acessórios de grife. As vendas online não podem competir com as vendas em lojas físicas, onde os clientes têm um atendimento totalmente personalizado. É por isso que os profissionais de marketing querem aprender como o marketing online afeta as vendas em lojas físicas e descobrir quais campanhas e categorias de produtos trazem mais compras offline e quais trazem mais compras online.

Neste caso, descrevemos a solução fornecida pela equipe OWOX BI para uma rede de lojas que vende calçados, bolsas e acessórios a preços baixos, médios e altos. A empresa tem 90 lojas físicas e uma conveniente loja online. O principal desafio foi identificar a influência online nas compras offline.

O departamento de vendas percebeu que muitos clientes preferem coletar informações online antes de fazer compras em uma loja física. No site, os clientes filtram os itens por preço e verificam a disponibilidade nas lojas da rede. Na maioria dos casos, quando os clientes chegam a uma loja física, eles sabem muito bem o que estão procurando e têm certas expectativas sobre o serviço.

É por isso que os profissionais de marketing decidiram:

• definir a influência dos esforços de marketing online nas vendas offline;
• realocar orçamentos de marketing online;
• reavaliar a eficiência dos canais de anúncios e melhorar sua estratégia de marketing.

Para atingir esses objetivos, optou-se por aplicar a análise ROPO — baseada em dados sobre compras online e offline. Com ele, você pode definir a parte da receita offline atribuída aos anúncios online (o efeito ROPO). Veja por que e como integrar os pontos de contato online e offline do cliente em nosso artigo.

Para realizar a análise de ROPO, você deve mesclar dados de anúncios online com dados de vendas offline. O varejista tem muitos dados sobre os clientes, que compram mercadorias de diferentes maneiras:

• Escolhendo e pagando em uma loja.
• Olhando no site e depois comprando em uma loja.
• Procurar no site, pagar no site e solicitar entrega em domicílio ou entrega em uma loja.

Assim, esses dados são coletados, salvos e processados ​​em diferentes sistemas:

• Os dados sobre o comportamento do cliente no site são armazenados no Google Analytics.
• Os dados sobre o processamento de pedidos e atividades de visitantes offline são armazenados no sistema interno de CRM.

É difícil mesclar todos os dados desses sistemas manualmente. Os profissionais de marketing estavam procurando um software que os ajudasse a mesclar esses dados no Google BigQuery (GBQ), que eles já usavam para armazenar dados de campanhas publicitárias. O Google BigQuery é um dos serviços RESTful mais seguros, com potencial ilimitado de armazenamento e processamento de dados.

Os profissionais de marketing do varejista escolheram o OWOX BI Pipeline para resolver suas tarefas.

O OWOX BI Attribution já havia sido usado para avaliar campanhas publicitárias e o OWOX BI Pipeline havia sido usado para coletar dados do Google Analytics no Google BigQuery para criar relatórios sobre campanhas publicitárias. Para ambas as tarefas, o varejista ficou satisfeito com o OWOX BI, por isso foi escolhido novamente para análise de ROPO.

Os analistas de BI da OWOX projetaram o seguinte plano:

• Colete dados sobre campanhas publicitárias, comportamento dos clientes no site, vendas offline e processamento de pedidos em um único sistema.
• Conecte pedidos offline com sessões online.
• Crie relatórios e painéis com base nos dados recebidos para reavaliar a contribuição de fontes online.

O fluxo de dados fica assim:

Vamos percorrer o processo passo a passo.

Cada visitante registrado no site recebe um user_ID exclusivo. Ao realizar a meta de conversão — concluir uma transação — um visitante obtém um transaction_ID adicional . Os dados do comportamento de um visitante no site são transferidos para o Google BigQuery com esses IDs por meio do OWOX BI.

Todos os dias, os dados de pedidos online e offline do CRM também são transferidos para o Google BigQuery e mesclados com os dados do site com a ajuda das chaves user_ID e transaction_ID .

Ao mesclar esses dados, você obtém o que é necessário para realizar a análise ROPO.

Tendo combinado todos os dados, os analistas de BI da OWOX começaram a trabalhar com o banco de dados coletado no Google BigQuery.

Os dados das transações on-line no Google BigQuery foram adicionados aos dados de cada pedido que está sendo processado (pago e não pago) usando o transaction_ID para identificar as transações.

Em seguida, os analistas integraram dados sobre sessões de visitantes com dados sobre compras offline usando user_ID como chave de conexão. Essa chave revelou um histórico de sessões no site para muitos clientes que fizeram compras offline.

O esquema para mesclar dados é assim:

Como resultado, a equipe do varejista obteve respostas para as seguintes perguntas para cada pedido:

• Que tipo de transação é? Online, offline ou ROPO?
• Qual foi a fonte da última sessão antes da compra? O que levou o cliente a fazer uma compra?
• Quantos dias se passaram entre a última sessão no site e a compra? (Para quem compra online, sempre é zero, pois a última visita é a sessão em que a transação acontece. Somente para transações offline, esse número também é sempre zero porque não há sessão online para este cliente. Outros clientes podem ser atribuídos a o segmento ROPO.)
• Geolocalização da última sessão.

Um exemplo de tabela com essas informações:

Para visualizar os dados recebidos, foi escolhido o Google Data Studio. Os analistas de BI da OWOX criaram um painel informativo com gráficos dinâmicos no Google Data Studio para oferecer suporte a análises detalhadas e planejamento de orçamento de anúncios.

Por exemplo, o gráfico de pizza à direita mostra que os pedidos de ROPO representam 20% da receita, e o gráfico de pizza à esquerda mostra que quase todos os clientes que fizeram pedidos de ROPO visitaram o site menos de uma semana antes de comprar em uma loja.

Todos os dados no painel podem ser filtrados por região, janela de conversão, origem, canal e campanha para uma segmentação mais detalhada. Além disso, os dias entre a última visita ao site e a compra podem ser vistos para cada pedido.

O gráfico na parte inferior do painel ajuda os profissionais de marketing a entender qual receita adicional de pedidos de ROPO deve ser contabilizada ao planejar a estratégia de marketing e mostra a participação da receita total por origem, canal e campanha.

A análise do ROPO confirmou a correlação entre o comportamento online e as compras offline e um painel informativo que atualiza os dados automaticamente forneceu os seguintes fatos:

• 20% da receita offline foi atribuída à publicidade online, o que significa que cada quinto visitante de uma loja offline já interagiu com o site.
• Após a atribuição de receita do ROPO, surgiram evidências claras de que as campanhas on-line estavam sendo subestimadas.
• Em um futuro próximo, o varejista revisará sua campanha de marketing, tendo uma nova visão sobre a eficiência das campanhas publicitárias e aumentando seu investimento na direção digital.