7 moduri de a evalua și îmbunătăți marketingul digital

Cum puteți evalua eficacitatea și creșterea rentabilității investiției (ROI) a reclamei dvs. online? Cum poți ști cât de mult venituri sunt generate de traficul SEO, aplicațiile mobile și anunțurile media? Aceste întrebări sunt relevante pentru multe companii online și omnicanal. În acest articol, descriem soluții de la OWOX BI care au ajutat clienții noștri să găsească răspunsuri la aceste și alte întrebări și să-și rezolve problemele de afaceri.

Descriem succint mai jos cum ne-am ajutat clienții să facă aceste șapte cazuri din lumea reală. Dacă sunteți interesat de detalii tehnice sau doriți să încercați unele dintre lucrurile pe care le menționăm în propriul proiect, încercați OWOX BI gratuit.

OWOX BI colectează date din mai multe sisteme într-un singur depozit și creează rapoarte care îi ajută pe clienți să-și îmbunătățească inteligența de marketing. Scopul este să o faci rapid, cu un nivel ridicat de calitate și cu automatizare maximă, astfel încât companiile să poată câștiga mai mulți bani folosind datele pe care le au deja.

Segmentarea utilizatorilor pentru a viza mai bine campaniile de publicitate este o sarcină de bază care poate și ar trebui să fie abordată în etapele inițiale de implementare a analizei de marketing.

Scopul clientului : Creșterea rentabilității investiției campaniilor de publicitate care au ca scop reactivarea utilizatorilor care au vizitat deja site-ul. În teorie, acești utilizatori nu ar trebui să fie costisitoare de comercializare pentru că și-au arătat deja interesul.

Provocarea clientului : Îmbunătățirea direcționării campaniilor de publicitate pentru coșurile de cumpărături abandonate și clienții depășiți. Acestea sunt persoane care au efectuat un anumit set de acțiuni pe site, dar nu au cumpărat nimic. În același timp, clientul nostru crede că ar putea cumpăra ceva.

Ipoteza noastră : dacă selectăm un segment de vizitatori ai site-ului web care au adăugat un articol în coș în ultimele X zile și le arătăm publicitate, este mai probabil să cumpere ceva decât vizitatorii din alte segmente. În consecință, prin publicitate pentru acest segment putem crește veniturile, menținând în același timp același raport de venituri din costuri (CRR).

Segmentarea utilizatorilor este întotdeauna necesară pentru a testa ipotezele. Putem presupune că segmentele de utilizatori selectate se vor comporta într-un fel sau altul după ce au văzut un anunț, dar nu există nicio garanție 100% că acesta va fi cazul.

Clientul nostru a definit condițiile în funcție de care s-au format segmentele. După ce am format segmente în conformitate cu acele condiții, ne-am transformat ipoteza într-o sarcină tehnică pentru analistul nostru. Această sarcină a fost împărțită în etape.

Etapa 1 . Formați două segmente de utilizatori. Primul segment a fost format din utilizatori care au adăugat un articol în coș în ultimele X zile, dar nu au cumpărat nimic. Al doilea segment a fost format din utilizatori care au efectuat un set de acțiuni pe site (care au fost definite de client).

Google Analytics prelevează date despre clienți ca răspuns la traficul intens. Prin urmare, pentru a construi segmentele, am folosit date brute de pe site-ul clientului nostru transmise către Google BigQuery folosind OWOX BI Pipeline. BigQuery este un serviciu de stocare în cloud care vă permite nu numai să colectați informații, ci și să le procesați convenabil utilizând SQL.

Analistul nostru a scris interogări SQL pentru a forma segmentele folosind date brute de site. Aceste segmente conțin date privind ID-ul clientului Google și ID-ul clientului Yandex, care pot fi utilizate în serviciile de publicitate Google Ads și Yandex.Direct.

Etapa 2 . Transferați automat segmentele în Google Ads și Yandex.Direct, astfel încât specialiștii în publicitate să le poată utiliza în configurarea campaniilor publicitare.

OWOX BI are o conductă automată de date care preia segmente din Google BigQuery, calculează datele pentru ele zilnic și încarcă acele date în Google Analytics. Segmentele din sistemul de analiză web pot fi exportate nativ în Google Ads. O a doua conductă OWOX BI încarcă aceste segmente în Yandex.Audience.

Etapa 3 . Specialiștii clienților noștri au stabilit reguli în serviciile de publicitate care au crescut tarifele pentru aceste segmente.

Această soluție are câteva caracteristici importante. De exemplu, pentru a încărca un segment în Yandex. Public, trebuie să conțină minimum 1.000 de rânduri (pentru a utiliza un ID unic de client Yandex).

OWOX BI nu colectează ID-uri client Yandex în mod implicit. Yandex. Metricul trebuie să fie instalat pe un site pentru a genera ID-uri de client, iar pentru ca aceștia să intre în Google BigQuery, trebuie să configurați transmiterea lor prin OWOX BI.

Dacă sunteți utilizator OWOX BI și doriți să colectați ID-uri de client Yandex în Google BigQuery, scrieți-ne. Vom împărtăși instrucțiuni despre cum să faceți acest lucru cu Google Tag Manager. Dacă nu sunteți utilizator OWOX BI, dar sunteți interesat de această posibilitate, încercați gratuit OWOX BI și vedeți cum vă poate ajuta să vă atingeți obiectivele.

Clientul nostru a reconfigurat audiența în campaniile lor, care funcționaseră deja pentru retargeting, a exclus utilizatorii care nu se încadrau în segmentele potrivite și a concentrat bugetul pe utilizatorii din segmentele alese de ei.

Drept urmare, cu aceleași campanii și aceeași investiție, ROI a crescut cu 100% până la 150% (au fost multe campanii, deci indicatorul este mediat). De fapt, costurile acestei decizii au fost minime, iar eficiența a fost destul de tangibilă. Aceste campanii funcționează și astăzi. Nu am primit niciun feedback de la clientul nostru că această creștere a fost doar temporară.

Când începem să lucrăm cu un proiect, prima sarcină este să calculăm rentabilitatea investiției pe câștigurile reale.

În mod implicit, Google Analytics poate vedea doar vânzările de pe site, dar asta nu reflectă cu adevărat banii care vin în conturile unei companii.

Știm că unele comenzi online nu sunt finalizate sau sunt modificate în timpul confirmării comenzii. Utilizatorii ar putea:

1. Pur și simplu nu finalizați comanda
2. Schimbați-le comanda prin telefon, modificând astfel suma comenzii
3. Comandați livrarea la un magazin fizic, dar nu ridicați achiziția

Drept urmare, compania nu primește suma care apare în Google Analytics. Prin urmare, nu este corect să calculați venitul pe baza datelor din Google Analytics. Este necesar să evaluați eficiența publicității online ținând cont de datele reale de vânzări din CRM.

Scopul clientului : Creșterea rentabilității campaniilor de publicitate la un CRR fix fără creșterea costurilor.

Provocarea clientului : Redistribuirea bugetului de publicitate pe baza vânzărilor reale generate de sursele de publicitate. Mai simplu spus, trebuie să vă mutați bugetul de la canalele care nu generează suficient rentabilitate a investiției către altele mai eficiente.

Ipoteza noastră : Dacă calculezi rentabilitatea investiției pe bază de achiziții (și, în mod ideal, chiar și pe marje), poți să-ți ajustezi strategia de marketing și să investești în acele surse de trafic care aduc mai multe venituri. În consecință, ROI-ul campaniilor de publicitate va crește.

Clientul nostru colectase deja date neeșantionate în Google BigQuery folosind OWOX BI. Dar a fost necesară completarea acestor date cu date despre vânzări din sistemul intern al companiei. Sarcina a fost implementată în cinci etape.

Etapa 1 . Configurați corect transferul datelor comenzii de pe site către sistemul CRM al clientului. Transfer ID-ul tranzacției și ID-ul de client Google.

Un ID de tranzacție este format atunci când o comandă este plasată pe site și este trimisă la Google Analytics și BigQuery împreună cu ID-ul de client corespunzător. Este important să transferați ambele ID-uri în CRM în paralel, astfel încât să puteți conecta utilizatorul cu tranzacția și plata.

Etapa 2 . Configurați generarea ID-ului de utilizator pe partea laterală a CRM-ului clientului și trimiteți ID-ul de utilizator la Google BigQuery în timpul plății.

Un ID de utilizator este generat de sistemul CRM atunci când informații despre un client nou sunt scrise în acesta. De exemplu, să presupunem că cineva face o achiziție într-un magazin și casierul îi cere numărul de telefon și îl introduce în CRM. Apoi, sistemul atribuie acestui utilizator un identificator unic. Pe viitor, atunci când utilizatorul autorizează pe site folosind un telefon, CRM-ul le recunoaște.

Google Analytics are o funcție User-ID. Dezvoltatorii noștri l-au configurat astfel încât atunci când clienții autorizează sau plasează o comandă pe site-ul clientului nostru, ID-ul utilizatorului este trimis pe site în DataLayer. De acolo, este transmis către Google Analytics și Google Big Query.

Datorită acestui fapt, puteți asocia acțiunile utilizatorilor autorizați pe site cu informații detaliate despre aceștia. De exemplu, CRM-ul dvs. poate stoca numele, numărul de telefon și e-mailul unei persoane. Cu o cheie intermediară User ID, puteți combina datele site-ului și CRM, precum și datele de plată pentru o anumită comandă.

Etapa 3 . Configurați încărcarea datelor de vânzări reale din CRM în Google BigQuery în structura cu care doriți să lucrați. În acest scop, am format o misiune tehnică și am predat-o dezvoltatorilor clienților noștri pentru implementare.

Etapa 4 . Combinați toate datele din BigQuery într-un singur tabel. Analiștii noștri au scris o interogare SQL care leagă informațiile despre comenzile online cu datele CRM despre comenzile finalizate și sumele acestora. Cheile pentru combinarea acestor date au fost ID tranzacție, ID utilizator și ID client.

Etapa 5 . Creați un raport în Google Data Studio care să arate rentabilitatea investiției pentru sursele de trafic, ținând cont de bunurile achiziționate în comenzi. Am calculat rentabilitatea investiției pe baza costurilor marginale.

Configurarea transferului corect al datelor de pe site în CRM, precum și descărcarea datelor CRM în Google BigQuery necesită implicarea dezvoltatorilor din partea de business, ceea ce adesea întârzie foarte mult procesul.

Am furnizat clientului nostru un raport de performanță a sursei de trafic bazat pe date pentru vânzările reale.

Acest raport este folosit de managerii de top pentru a lua decizii strategice, precum și de specialiștii în publicitate contextuală pentru a gestiona bugetul pentru anumite campanii de publicitate.

Iată un exemplu al acestui raport:

Doriți să aflați cât de eficiente sunt anunțurile dvs. bazate pe datele reale de vânzări din CRM? Încercați OWOX BI gratuit și vedeți cum vă poate ajuta să vă atingeți obiectivele.

A treia soluție la care vin clienții noștri după construirea rapoartelor de bază descrise mai sus este analiza ROPO (cercetare online, cumpărare offline). Acesta arată impactul marketingului digital asupra vânzărilor din magazinele fizice. Acest lucru este relevant în special pentru proiectele de comerț electronic omnicanal.

Oamenii se uită la bunuri de pe un site și le verifică în magazin din diverse motive, de la neîncredere în achizițiile de pe internet până la dorința de a atinge produsul.

În timpul planificării bugetului anual, un CMO dorește să obțină mai mulți bani pentru canalele online, deoarece înțelege că unele vânzări atribuite publicității online au loc offline. Dacă OCM poate măsura cel puțin parțial acest efect, va fi un argument bun pentru creșterea bugetului.

Scopul clientului : Demonstrați necesitatea creșterii bugetului pentru marketing online și demonstrați valoarea ascunsă a investițiilor în publicitate online.

Provocarea clientului : Analizați eficiența publicității online, ținând cont de impactul acesteia ulterior asupra vânzărilor offline.

Ipoteza noastră : Unii utilizatori se familiarizează cu un produs de pe site, dar îl cumpără într-un magazin fizic. Adică, campaniile online rămân subevaluate. Dacă urmărim vizitele pe site și achizițiile ulterioare ale acestor utilizatori în magazine fizice, putem măsura adevărata valoare a publicității digitale.

Pentru a lega activitatea unui utilizator pe site la achizițiile ulterioare ale acestora din magazinele offline, am făcut în mare parte același lucru pe care l-am făcut pentru a analiza rentabilitatea investiției pe baza comenzilor finalizate (detaliat în secțiunea anterioară):

1. Configurați ID-ul de utilizator pe partea CRM și trimiteți-l la Google BigQuery.
2. Configurați ID-ul clientului astfel încât să fie transmis corect către CRM și BigQuery.
3. Configurați transferul de date pentru câmpurile Telefon utilizator și E-mail utilizator de pe site către BigQuery și CRM-ul clientului în timpul plății.
4. Configurați încărcarea datelor din CRM-ul clientului în Google BigQuery. Spre deosebire de cazul precedent, această încărcare conține nu numai comenzi online, ci și comenzi de la magazinele de vânzare cu amănuntul.
5. Scrieți o interogare SQL care leagă datele de activitate de pe site la informațiile din CRM. Cheile pentru conectarea datelor la vânzările offline sunt ID utilizator/Telefon utilizator/E-mail utilizator.
6. Creați un raport în Google Data Studio pentru a analiza efectul ROPO.

Schema de combinare a datelor arată astfel:

Puteți lega utilizatorii online la vânzări offline numai dacă un utilizator face o achiziție pe site sau este autorizat pe site.

După cum arată practica, ponderea utilizatorilor autorizați este de aproximativ 5% din toți vizitatorii site-ului. Cu cât aveți mai mulți utilizatori autorizați, cu atât datele vor fi mai reprezentative în rapoartele dvs. Dar chiar și la 5% până la 10%, este posibil să trageți câteva concluzii care pot duce la schimbări serioase în modul în care vă gestionați bugetul de marketing.

O altă dificultate este urmărirea calității datelor atunci când ați configurat deja toate integrările. Asigurați-vă că datele sunt transmise corect și că identificatorii se potrivesc, astfel încât modificările viitoare în sistemul CRM să nu distrugă ceea ce ați configurat. Aceasta este o întrebare despre cât de bună este echipa IT a clientului dvs.

După măsurarea efectului ROPO, ROI-ul campaniilor publicitare ale clienților noștri a crescut cu 50% până la 150% . Este de remarcat faptul că, în astfel de cazuri, rentabilitatea investiției arată întotdeauna o creștere, deoarece se adaugă venituri care au fost generate de campaniile online, dar primite offline.

Exemplu de cum ar putea arăta un raport ROPO:

Acest raport permite unui client să analizeze datele din următoarele categorii:

• Venituri doar din online
• Venituri numai din offline
• Venituri ROPO
• Venitul sursă/mediu/campanie numai online
• Venitul sursă/mediu/campanie, inclusiv vânzările offline ulterioare
• Venituri online și ROPO pe categorii de produse și subcategorii
• Venituri online și ROPO pe oraș
• Timp de la vizita la fața locului până la achiziția ROPO în zile
• Numărul de sesiuni pe site înainte de achiziționarea ROPO
• Și multe altele

Vrei să știi cum eforturile tale online afectează vânzările offline? Încercați OWOX BI gratuit și vedeți cum vă poate ajuta să vă atingeți obiectivele.

Aceasta este o sarcină destul de complexă și atipică, deși interesantă. Optimizarea SEO are un efect întârziat și este adesea dificil de evaluat eficiența muncii efectuate, de exemplu, în ultimele șase luni. Mai ales dacă este un site uriaș.

În general, știm câți utilizatori vin prin căutarea Google și pot chiar exclude traficul mărcii. Dar câți utilizatori vin tocmai pentru că au fost optimizate categorii și subcategorii sau textele și titlurile au fost bine scrise?

Să presupunem că ai cheltuit 10.000 USD pe SEO trimestrul trecut. Câte venituri ați obținut în șase luni din acești bani?

Scopul clientului : Evaluarea eficacității investițiilor SEO, luând în considerare nu doar comenzile online, ci și plățile reale.

Provocarea clientului : Creați un raport care să arate eficiența SEO pe categorii de produse. Acest raport ar trebui să se bazeze pe vânzările reale.

Ipoteza noastră : Știm ce cuvinte cheie au fost pompate și pe ce pagini. Cunoaștem poziția în abandonul SEO pe aceste taste. Cunoaștem vânzările din aceste pagini care au ca sursă traficul de căutare. Dacă legăm aceste date, vom obține vânzări de la acele cuvinte cheie care se află în topul de abandon SEO. Adică putem măsura eficiența investițiilor în SEO.

Etapa 1 . Încărcați toate informațiile necesare în Google BigQuery:

• Date brute despre comportamentul utilizatorilor colectate de OWOX BI pe site
• Date din Google Search Console și Yandex. Valori pentru cuvintele cheie de top care au condus trafic către site, precum și către paginile de destinație. De ce am folosit Search Console? Pentru că în serviciul de măsurare a poziției vedem doar trafic ipotetic care ar putea proveni din aceste cuvinte cheie.
• Date de la serviciul de măsurare a poziției site-ului într-o renunțare organică (de exemplu, Allpositions). Acest lucru ne permite să stabilim ce poziții au avut cuvintele cheie. Dacă cuvintele cheie sunt, să zicem, sub locul cinci în abandon, le putem exclude din analiză.
• Date reale de vânzări din sistemul CRM

Etapa 2 . Pe baza adreselor URL, creați grupuri de interogări de cuvinte cheie în secțiunea pagini de destinație. Am analizat nu o singură adresă URL, ci adrese URL pentru categorii întregi de bunuri. De exemplu, pentru electrocasnicele mici, putem urmări blendere și apoi blendere Braun.

Etapa 3 . Găsiți cuvintele cheie prin care traficul SEO a ajuns pe site prin măsurarea pozițiilor în abandonul. Am încărcat rezultatele în GBQ și am sortat solicitările sub o anumită poziție.

Etapa 4 . Folosind o interogare SQL, legați datele despre activitatea utilizatorului de pe site la datele reale de vânzări din CRM.

Etapa 5 . Evidențiați sesiunile care au dus la tranzacții cu o sursă SEO (folosind ultimul model de atribuire a clicurilor directe).

Etapa 6 . Evidențiați paginile de destinație ale acestor tranzacții și asociați-le cu cuvintele cheie SEO care au adus trafic către aceste pagini.

Etapa 7 . Creați un raport care să arate modul în care optimizarea SEO a anumitor pagini afectează traficul real și achizițiile din aceste pagini.

Google Search Console vă permite să încărcați până la 5.000 de linii de date. În consecință, nu putem analiza toate solicitările de cuvinte cheie care conduc trafic către site.

De exemplu, ne putem uita la eficacitatea cuvintelor cheie într-un anumit grup de pagini. Să presupunem că au fost 100 de cuvinte cheie, dintre care 50 au fost în top, iar dintre acestea 50 știm că 30 reprezintă traficul care a intrat în descărcarea Search Console. Presupunem că a fost trafic și pentru alte solicitări, doar că serviciul nu ne-a oferit această informație.

Nu există nicio modalitate de a măsura cu acuratețe de 100% ce cuvinte cheie au generat trafic către paginile pe care le-am analizat. Prin urmare, la începutul analizei, am acceptat ca dat că rezultatele noastre ar avea un anumit grad de eroare.

Am furnizat clientului nostru un raport care îi permite să analizeze eficiența activităților SEO pentru o anumită perioadă. Analiza eficienței s-a bazat pe vânzările efective, astfel încât a fost posibilă contorizarea ROI-ului traficului SEO.

Doriți să construiți un raport care să arate eficiența traficului SEO? Încercați OWOX BI gratuit și vedeți cum vă poate ajuta să vă atingeți obiectivele.

Recent, această sarcină a devenit foarte urgentă. Probabil jumătate din tot traficul de internet și o mare parte din vânzări trec prin dispozitive mobile. Mulți dintre clienții noștri folosesc aplicații mobile în paralel cu aplicațiile online și offline. Când cumpărați trafic de pe dispozitive mobile, doriți să înțelegeți eficacitatea acestuia.

Scopul clientului : Evaluarea eficienței atragerii de trafic prin surse plătite (Google Ads) pentru a promova instalările și vânzările de aplicații mobile în cadrul aplicației.

Provocarea clientului : Construiți un raport care arată eficiența surselor de trafic în ceea ce privește acțiunile cheie de conversie (instalări, înregistrări, tranzacții, venituri).

Ipoteza noastră : legând datele brute din AppsFlyer (instalări, acțiuni ale utilizatorilor, surse de trafic, venituri) cu datele de cost din Google Ads, putem construi un raport care arată rentabilitatea investiției campaniilor de publicitate în ceea ce privește acțiunile relevante ale tranzacțiilor.

1. Folosind OWOX BI, încărcați date brute despre comportamentul utilizatorilor în aplicație din AppsFlyer în BigQuery și încărcați informații despre sursele de instalare, tranzacțiile ulterioare și veniturile din aplicație în GBQ.
2. Verificați încărcarea pentru a vedea dacă toate datele necesare pentru raport se potrivesc cu datele din CRM (venituri, număr de conversii).
3. Configurați o încărcare a cheltuielilor Google Ads în GBQ utilizând metoda de transfer de date.
4. Scrieți o interogare SQL care leagă datele din AppsFlyer și Transfer de date și efectuează calculele necesare.
5. Creați un raport în Google Data Studio.

Aplicațiile mobile pot avea un efect întârziat. De exemplu, cineva poate instala o aplicație, dar se poate înregistra cu ea doar o lună mai târziu. Clientul nostru a dorit să analizeze eficiența traficului achiziționat în timp. Adică, dacă X unități ale aplicației au fost achiziționate de pe canalul Y în martie, câte dintre aceste unități au adus acțiuni de conversie în aprilie, mai, iunie etc? Pentru a răspunde la această întrebare, am creat un raport special.

De asemenea, a fost o provocare să facem analize între țări, orașe și grupuri de campanii publicitare, astfel încât clientul nostru să poată, de exemplu, să vadă eficiența campaniilor supravegheate de un anumit manager. Acest lucru a fost implementat folosind filtre.

În mod conștient, nu am folosit datele CRM în raport, deoarece a existat o mică eroare între vânzările reale din sistemul intern și datele aplicației.

Clientul nostru a primit un raport actualizat automat în Google Data Studio, care răspunde la următoarele întrebări:

• Câte setări ale aplicației a adus sursa de trafic X în luna Y?
• Câte conversii în aplicație au existat în luna instalării și în lunile următoare? (după sursa de trafic)
• Care este eficacitatea grupurilor de campanii în ceea ce privește parametrii de mai sus?
• Cât de eficiente sunt campaniile publicitare din țări?

Nu putem partaja un raport de client care conține date sensibile, dar iată un exemplu de raport de bază (fără compensare lunară) care poate fi creat cu soluția descrisă:

Doriți să aflați despre eficiența traficului din aplicațiile mobile? Încercați OWOX BI gratuit și vedeți cum vă poate satisface nevoile.

Rapoartele Google Analytics utilizează în mod prestabilit modelul de atribuire Ultimul clic non-direct. Acest model atribuie toată valoarea unei tranzacții ultimei surse indirecte din lanț înainte de comandă. Din acest motiv, alte surse care au promovat utilizatorul prin canal sunt subevaluate.

Puteți utiliza atribuirea bazată pe pâlnie ML de la OWOX BI pentru a afla valoarea reală a canalelor și pentru a vă distribui eficient bugetul. Ia în considerare toate punctele de contact și toate acțiunile utilizatorului atunci când se deplasează prin canal, de la prima vizită până la achiziție.

Scopul clientului: Creșterea rentabilității investiției surselor de trafic plătit controlat la un indice CRR fix.

Provocarea clientului: Construiește un raport care arată sursele de trafic subevaluate și eficiența acestora în termeni monetari, ținând cont de contactele fiecărui utilizator cu site-ul.

Ipoteza noastră: ROI poate fi crescut fără creșterea CRR dacă bugetul de publicitate este redistribuit efectiv. Pentru a face acest lucru, calculul ROI trebuie să țină cont de contribuția tuturor campaniilor și surselor care au promovat utilizatorul prin canal, nu doar a celor care au încheiat oferte.

1. Colectați date brute despre comportamentul utilizatorilor pe site și trimiteți-le la Google BigQuery folosind OWOX BI.
2. Configurați importul de date de cost din serviciile de publicitate în Google Analytics și Google BigQuery.
3. Configurați ID-ul clientului, ID-ul utilizatorului și ID-ul tranzacției pentru a fi trimise corect către BigQuery și CRM.
4. Încărcați datele de vânzări reale din CRM în Google BigQuery în structura necesară.
5. Conectați datele despre comportamentul utilizatorului de pe site la comenzile finalizate pe baza codurilor ID client, ID utilizator și ID tranzacție. Interogările SQL nu sunt necesare — totul se întâmplă în interiorul modelului de atribuire OWOX BI. Pur și simplu încărcăm datele în formatul corect și le adăugăm la calculul modelului.
6. Configurați un model de atribuire și executați calcule în OWOX BI. În această etapă, putem specifica ca pași de pâlnie evenimentele care sunt importante pentru o anumită afacere, inclusiv cele care au loc offline (întâlniri, apeluri, seminarii web etc.). Canalul poate varia în funcție de ceea ce o companie dorește să măsoare și de modul în care vede calea utilizatorului către o achiziție.
7. Efectuați o analiză inițială a datelor utilizând rapoarte standard OWOX BI Smart Data pentru a evita cheltuirea resurselor pentru vizualizarea datelor în sistemele BI terțe. În Smart Data, puteți vizualiza rapoarte finalizate bazate pe rezultatele calculelor modelului de atribuire fără interogări SQL. De exemplu, puteți vedea rentabilitatea investiției campaniilor publicitare și cum diferă aceasta de rentabilitatea investiției afișată prin atribuirea ultimului clic non-direct.

Transferarea corectă a ID-ului clientului și a ID-ului tranzacției împreună cu comanda către CRM-ul dvs. necesită o echipă de dezvoltare pe partea clientului. Același lucru este valabil și pentru configurarea și transmiterea ID-ului de utilizator.

Pentru a interpreta corect rezultatele calculului de atribuire este necesar să se implice specialiști din echipa clientului. Asta pentru că este dificil să evaluezi corect comportamentul unor surse de trafic fără a cunoaște contextul și logica după care s-au înființat campaniile publicitare.

Clientul nostru a primit rapoarte gata făcute care pot fi folosite pentru:

• Comparați rentabilitatea investiției surselor de trafic cu comenzile finalizate pentru atribuirea ultimului clic nedirect și atribuirea bazată pe canal ML
• Analizați eficiența surselor de trafic în diferite etape ale pâlniei
• Transmiteți automat rezultatele calculului modelului de atribuire către Alytics, Google Ads și K50 pentru a automatiza gestionarea ratelor (OWOX BI se integrează cu aceste servicii.)

Iată un exemplu de raport de la OWOX BI Smart Data care arată cum diferă rentabilitatea investiției campaniilor publicitare în funcție de modelele de atribuire:

De exemplu, în această captură de ecran, vedem că sursa ROI bing/organic este cu 20% mai mare decât în ​​Google Analytics. Adică, sursa a câștigat de fapt mai mulți bani, dar a fost subevaluată în Google Analytics deoarece se afla în mijlocul pâlniei.

Doriți să evaluați impactul reciproc al campaniilor dvs. de publicitate și contribuția acestora la vânzări? Încercați OWOX BI și vedeți cum vă poate ajuta să vă atingeți obiectivele.

Când un utilizator vede undeva un anunț, nu dă clic pe nimic, dar după un timp merge pe site și efectuează o anumită acțiune, se numește conversie post-vizualizare. Acestea sunt greu de urmărit, deoarece nu există o conexiune directă și o tranziție la anunț.

În plus, jucători mari precum Facebook, Google, YouTube și Yandex nu sunt foarte interesați să permită terților să intre în sistemele lor. Adică, nu doresc să ofere date care indică faptul că un anumit utilizator a văzut o anumită reclamă.

Scopul clientului: Creșterea eficienței investițiilor în publicitate media (bannere și videoclipuri).

Provocarea clientului: Urmăriți vizualizările reclamelor media (fără clic) și vizitele ulterioare pe site ale utilizatorilor care au văzut un anunț.

Ipoteza noastră: Putem plasa un cod de urmărire (pixel) pe site-urile pe care clientul își publică reclamele media. Acest pixel va atribui un cookie unic fiecărui utilizator care vede anunțul. După un timp, acest utilizator poate accesa site-ul web al clientului. Apoi vom putea citi cookie-ul pe care l-am atribuit și vom folosi aceste date pentru a construi analize post-vizualizare.

Echipa OWOX BI a avut sarcina de a dezvolta o metodă de urmărire care să colecteze date despre vizualizările anunțurilor, astfel încât să poată fi combinate cu datele despre comportamentul utilizatorilor de pe site-ul clientului. În esență, am creat o bucată de cod care poate fi plasată pe site-urile pe care rulează anunțul.

Apoi, am avut nevoie de Google BigQuery pentru a combina datele privind vizualizarea anunțurilor cu datele despre comportamentul utilizatorilor de pe site-ul clientului nostru, astfel încât acestea să poată fi procesate folosind SQL.

Sarcina a fost implementată în mai multe etape:

1. Colectați cerințele de afaceri de la client.
2. Pe baza acelor cerințe de afaceri, pregătiți TA pentru introducerea unui pixel pe site-urile unde va fi plasată publicitate media.
3. Testați calitatea implementării TA și calitatea datelor care intră în Google BigQuery în timpul examinării anunțurilor.
4. Lansați campanii și monitorizați calitatea transmiterii datelor.
5. Conectați datele colectate în perioada campaniei cu datele despre comportamentul utilizatorilor, precum și cu datele CRM.
6. Creați un raport care să răspundă la întrebările de afaceri ale clientului.

• Nu toate site-urile au fost interesate să găzduiască pixelul nostru.
• Am folosit propriul nostru ID de utilizator OWOX ca cheie pentru maparea datelor.
• Am monitorizat constant urmărirea și funcționarea corectă a scriptului nostru pe platformele deținute de agentul de publicitate.
• Am luat în considerare nu doar vânzările directe în fereastra de conversie, ci și impactul publicității asupra atragerii unui nou public (unul dintre KPI-urile clientului).

Clientul nostru a primit un raport care a răspuns la următoarele întrebări:

• Care este rentabilitatea investiției campaniilor cu comenzi online?
• Care este rentabilitatea investiției campaniilor pentru comenzile finalizate în decurs de 10 zile de la vizualizarea unui anunț?
• Care este rentabilitatea investiției reclamei având în vedere impactul ROPO?
• Care site-uri s-au dovedit cele mai eficiente în ceea ce privește rentabilitatea investiției/CR/utilizatori noi?
• Ce procent de utilizatori care au văzut reclame au fost deja pe site?
• Câți utilizatori noi au fost aduși pe site în decurs de X/Y/Z zile de la vizualizarea unui anunț?
• Câți utilizatori noi au cumpărat după ce au vizualizat un anunț?
• Ce articole au fost cumpărate de utilizatorii care au văzut un anunț?
• Câți utilizatori caduși (care nu au intrat pe site sau nu au cumpărat de pe site timp de X zile) au fost aduși înapoi de un anunț?

Exemplu de raport de conversie după vizionare:

Vrei același raport? Încercați OWOX BI și vedeți cum îl puteți folosi pentru a depăși provocările dvs. de analiză de marketing.

• Datele sunt uleiul secolului XXI.
• Lucrul cu date necesită experimentare și testarea ipotezelor.
• Trebuie să fii pregătit că nu toate experimentele vor avea succes.
• Numai dorința CMO-ului tău nu este suficientă; aveți nevoie de procese în cadrul companiei pentru ca datele să înceapă să aducă bani, iar echipa ar trebui să aibă nevoie de ele.
• Este transformarea datelor în bani alchimia secolului 21? noi nu credem :)