Análise de ROPO: quão útil é para análise de marketing omnicanal

Até 40% dos clientes ficam online para saber mais sobre os produtos e sua disponibilidade antes de visitar a loja offline e comprar algo. A porcentagem desses clientes certamente depende da empresa. No entanto, muitos usuários primeiro veem anúncios on-line ou ofertas especiais, leem resenhas e depoimentos do site e só então decidem comprar off-line. Isso significa que suas iniciativas de anúncios on-line podem ter uma grande influência no número de vendas off-line.​

Neste caso, descrevemos a solução fornecida pela equipe OWOX BI para uma rede de lojas que faz parte da empresa Sephora (pertencente ao grupo LVMH) e ocupa uma posição de liderança no mercado global de perfumes e produtos cosméticos. Teve desafios com a aplicação da análise ROPO.

Os clientes geralmente podem comprar os produtos oferecidos pelo varejista on-line e off-line. Ao comprar um novo perfume, o cliente pode querer primeiro explorar os aromas e só depois fazer uma compra online ou numa loja física.

A equipe de marketing queria entender profundamente o comportamento de seus usuários em termos de interação entre as lojas online e offline. Eles queriam mostrar em números que os esforços de marketing on-line não se limitam a gerar receita de pedidos on-line, mas também afetam as vendas off-line (o chamado efeito de pesquisa on-line, compra off-line ou ROPO).

Sugerimos a construção de um sistema de análises e relatórios de marketing omnicanal.

A prioridade para a empresa, como para muitos grandes varejistas omnichannel, era construir um sistema de análise de marketing eficaz em todos os canais de vendas.

O primeiro problema enfrentado pela equipe de marketing para resolver esse problema foi a fragmentação de dados. Ao longo da existência da empresa, muitos dados foram acumulados, armazenados em diversas fontes e formatos, cada um com seu método de processamento específico. Para determinar o efeito ROPO, foi necessário um único repositório no qual todos os dados necessários para análise pudessem ser combinados.

Deste problema seguiu-se outro: Qual armazenamento usar? Havia duas opções:

1. Armazene todos os dados nos próprios servidores da empresa.
2. Carregue todos os dados para o armazenamento em nuvem.

Cada opção de armazenamento de dados tem suas vantagens e desvantagens. No caso de utilizar servidores próprios da empresa, é preciso levar em conta o tempo gasto na organização desse armazenamento, o dinheiro necessário para comprar o hardware necessário, os custos de manutenção, problemas de dimensionamento e a necessidade de construir um sistema automatizado de coleta e processando dados.

O próximo desafio foi escolher uma ferramenta para automatizar a entrega de dados de várias fontes para um único repositório para análise posterior. Existem várias ferramentas para isso, mas foi preciso escolher a melhor em termos de preço, qualidade, funcionalidade, flexibilidade e escalabilidade.

Para resolver problemas com a análise de ROPO, os especialistas e analistas de marketing tiveram que seguir os seguintes passos:

• Selecione um único repositório para mesclar dados
• Automatize o fluxo de dados
• Com base nos dados obtidos, construa os relatórios e indicadores dinâmicos necessários para a gestão da empresa

Para implementar este plano, a equipe de marketing recorreu à OWOX BI, pois somos especialistas em análise online e fusão de dados e somos parceiros da empresa desde 2016.

Os especialistas escolheram o Google Cloud Storage como armazenamento unificado com conexão ao Google BigQuery. Os principais motivos para escolher o Google Cloud Storage foram:

• Velocidade. O Google Cloud Storage pode processar terabytes de informações em segundos e petabytes em minutos.
• Eficiência e transparência de custos. Comparado com outras ferramentas, o serviço do Google é barato e conveniente de usar.
• Escalabilidade simples. Com um aumento significativo no volume de dados, você não precisa reservar capacidade adicional, servidores virtuais etc.
• Integração conveniente com serviços externos. Um grande número de integrações está disponível para trabalhar com dados de serviços populares.
• Confiabilidade e segurança de dados. Os padrões de segurança, regulamentação e certificação do BigQuery permitem que você armazene dados confidenciais em seu projeto.
• Exportação do Google Analytics 360. É possível fazer upload de dados brutos do Google Analytics diretamente para o BigQuery (incluindo dados históricos dos últimos 13 meses).
• Compute Engine, Data Prep etc. O Google Cloud tem muitos serviços integrados que simplificam a implementação de soluções.

A equipe de analistas, seguindo as recomendações do OWOX BI, fez as seguintes ações para automatizar o fluxo de dados:

• Configure a exportação automática de dados do Google Analytics para o Google BigQuery. A empresa é usuária do Google Analytics 360, o que permite personalizar totalmente a integração com o BigQuery em poucos cliques.
• Configure a integração automática do Google Ads e do Google Analytics. Vale a pena notar que parte dos dados de custo é importada automaticamente para o Google Analytics usando o OWOX BI Pipeline. As despesas totais são analisadas em outro sistema mais adequado aos propósitos da empresa (além dos custos de publicidade, também cobra custos fixos para a produção de materiais promocionais, comissões de agência e outras despesas, sem as quais é impossível calcular o valor líquido ROI).
• Configure o upload automático de despesas para o Google Analytics para Criteo, Facebook e outras fontes de publicidade por meio do OWOX BI Pipeline. Você pode encontrar métodos de carregamento de custos de publicidade no Google Analytics e a vantagem da importação automática para o Google Analytics e o BigQuery em nosso artigo.
• Dados baixados do CRM para o Google BigQuery. Ao explorar as vantagens do BigQuery e de outros produtos do Google Cloud Platform, a equipe de marketing decidiu tentar criar relatórios de ROPO com base em uploads únicos. Para fazer isso, eles faziam upload de dados uma vez por mês para o Google Cloud Storage, de onde eram enviados para o BigQuery.
• Depois que a equipe de marketing conheceu todas as vantagens de trabalhar com dados no BigQuery, eles decidiram continuar usando o BigQuery como um armazenamento de dados de CRM. Usando a integração do BigQuery do OWOX BI, eles configuraram o upload automático de dados do CRM para o BigQuery. Essa integração permitiu gerenciar (adicionar, excluir e atualizar) dados de forma independente na nuvem, o que foi uma das vantagens de usar essa abordagem de forma contínua.

Usando consultas SQL, a equipe de marketing combinou todos os dados coletados no BigQuery em uma única tabela. Agora eles podem usar esses dados para criar relatórios em um formato amigável para a empresa usando a ferramenta de visualização de dados Data Studio.

Vale a pena considerar que os dados para a criação de relatórios podem ser mesclados não apenas em serviços de visualização como Data Studio, Tableau e Google Charts. Usando as instruções desenvolvidas pela equipe OWOX, em poucos cliques, você pode conectar uma tabela criada no BigQuery diretamente às ferramentas OWOX BI Attribution e OWOX BI Smart Data para gerar automaticamente relatórios ROPO no escritório OWOX BI.

Como resultado da construção de um sistema de análise omnicanal de marketing, a equipe de marketing respondeu a uma série de perguntas importantes para o desenvolvimento de negócios.

Tendo construído toda a cadeia de pontos de contato do usuário, desde a interação com a publicidade on-line até a compra em uma loja off-line em um período selecionado, foi possível identificar 3% de todos os usuários que entraram no site pelo User ID — ou seja, apenas os visitantes que estão cadastrados no site. Foi possível identificar não apenas as sessões de usuários autorizados em um horário específico, mas também as sessões de usuários não autorizados que possuem um cartão de fidelidade conhecido. Entre os usuários identificados:

• 31% fizeram compras na loja online.
• 17% visitaram a loja online antes de uma compra offline (usuários ROPO).
• 53% fizeram compras em lojas online e offline.

Depois de analisar todos os dados necessários, a equipe digital conseguiu mostrar em números a influência da publicidade em mídia digital nas vendas em lojas offline.

O relatório também permite que a equipe avalie as mudanças no compartilhamento de usuários de ROPO para entender até que ponto as expectativas para essa métrica correspondem aos dados reais.​

Este gráfico mostra qual porcentagem da receita de ROPO foi gerada por uma campanha publicitária específica.

Ao construir os gráficos abaixo, foi possível mostrar visualmente a participação de usuários de ROPO que fizeram compras online e offline e acompanhar a dinâmica das mudanças nessa categoria de usuários.​

Além da análise principal, os profissionais de marketing queriam descobrir como o comportamento dos usuários de ROPO difere por categoria de produto em termos do que os clientes visualizam no site e o que compram offline.

Por exemplo, havia uma hipótese de que o perfume traz a maior receita de ROPO. No entanto, o relatório mostrou que, de fato, a categoria de cuidados faciais na série de produtos antienvelhecimento tem uma grande participação no ROPO. Esses produtos podem ser considerados no desenvolvimento da próxima campanha de publicidade online.

Todos estes dados e a correta análise do efeito ROPO ajudaram a definir e apresentar claramente a eficácia da publicidade online, tendo em conta todas as ações dos utilizadores tanto online como offline. Além disso, graças à análise de ROPO e à capacidade de baixar transações off-line em uma visualização separada do Google Analytics, os profissionais de marketing podem entender melhor o comportamento de diferentes segmentos de seu público-alvo, permitindo planejar as atividades de marketing com mais detalhes.

O próximo passo é aumentar o percentual de usuários identificados para determinar com mais precisão o comportamento de cada segmento. Parte dessa tarefa foi resolvida identificando usuários não apenas autorizados em um determinado momento em uma determinada sessão, mas que não estão autorizados, mas possuem um cartão de fidelidade que pode ser correspondido retroativamente.