Cum să descoperiți de 2,4 ori mai multe cuvinte cheie care ajută la conversii și să creșteți rentabilitatea investiției în publicitate PPC cu 17%

Câștigarea competiției de marketing astăzi este imposibil fără aplicarea analizei datelor pentru a îmbunătăți performanța afacerii. Noile tehnologii permit companiilor să-și transforme fluxul de lucru, să folosească în mod eficient datele pentru luarea deciziilor și să atingă mai rapid obiectivele de marketing.

În acest caz, descriem soluția oferită de echipa OWOX BI pentru un retailer omnicanal de mobilă și articole de uz casnic pe care clienții le fac achiziții de pe site, în magazine fizice și/sau telefonic printr-un call center. A avut provocări în îmbunătățirea rentabilității investiției în publicitate online.

Întrucât compania căuta să-și îmbunătățească rentabilitatea investiției în publicitate online, strategia sa a implicat următorii pași:

1. Colectați date complete despre activitățile offline și online ale fiecărui client, pe toate dispozitivele.
2. Evaluați venitul generat de fiecare cuvânt cheie, în loc să atribuiți tot creditul ultimului cuvânt cheie.
3. Automatizați gestionarea sumelor licitate și ajustările pentru publicitatea PPC.

Procesul a implicat: colectarea datelor complete (acțiuni ale utilizatorilor; comenzi efectuate online, offline și prin telefon; date privind performanța publicității), implementarea unui model de atribuire personalizat și automatizarea gestionării sumelor licitate în Alytics.

Compania trebuia să știe cât de bine funcționează fiecare cuvânt cheie pentru a automatiza sumele licitate. Toate punctele de contact ale clienților, inclusiv sesiunile online pe dispozitive, apelurile telefonice și achizițiile din magazinele fizice trebuie să fie îmbinate împreună pentru a determina valorile cuvintelor cheie. În Google Analytics, nu există o astfel de opțiune.

Modelele de atribuire din Google Analytics nu pot evalua cu acuratețe canalele de publicitate din cauza următoarelor deficiențe:

• Ignorarea comenzilor anulate.
• Omiterea achizițiilor offline.
• Ignorarea marjelor brute de achiziții.
• Omiterea comenzilor telefonice.
• Mistracking utilizatorii care vizitează pe mai multe dispozitive, ca mai mulți utilizatori unici.
• Eșantionarea datelor în rapoarte.

Evaluarea incorectă a performanței cuvintelor cheie face dificilă setarea corectă a sumelor licitate. În consecință, o ofertă mare ar fi o risipă de buget, iar una mică ar genera mai puțini clienți.

Datele despre comenzile telefonice și comenzile offline, precum și datele privind costurile pentru campaniile de publicitate plătite non-Google, nu sunt disponibile în Google Analytics. Deci, colectarea datelor și modelarea atribuirii sunt configurate în Google BigQuery.

Acest serviciu a fost ales din următoarele motive:

• Procesare de mare viteză a interogărilor – până la 20 de secunde – pentru orice cantitate de date.
• API-urile permit integrări ușoare cu alte sisteme.
• Posibilitatea de a încărca cu ușurință date din fișiere sau Foi de calcul Google.
• Încărcare numai pentru utilizare.
• Nu este nevoie să mențineți baze de date.

Valoarea canalelor și a cuvintelor cheie a fost calculată în Google BigQuery pentru a gestiona sumele licitate, iar apoi rezultatele au fost importate în Alytics folosind API-ul RESTful.

Acum, să aruncăm o privire mai atentă la fiecare pas.

Datele de cost și performanță Google AdWords sunt importate automat în Google Analytics datorită integrării native și conectării contului.

Conducta OWOX BI este utilizată pentru:

• Colectarea datelor de performanță privind sesiunile, costurile și veniturile de la serviciile de publicitate către Google Analytics. Aceste date apar în raportul Analiza costurilor, împreună cu datele de la Google AdWords.
• Importarea datelor consolidate de performanță privind sesiunile, costurile și veniturile din Google Analytics în Google BigQuery.
• Importarea datelor despre comportamentul utilizatorilor de pe site în Google BigQuery, aproape în timp real.

Următoarele date sunt trimise către Google BigQuery folosind API-uri:

• Marjele brute ale produselor și ratele de finalizare a comenzilor din CRM și ERP.
• ClientID-urile utilizatorilor care au efectuat apeluri telefonice, din sistemul de urmărire a apelurilor CallTouch. Sunt utilizate mai multe numere de telefon furnizate de CallTouch: cu cât sunt mai multe vizite și cu cât durata medie a sesiunii este mai lungă, cu atât mai multe numere de telefon oferă CallTouch. Sistemul afișează unul dintre numerele din fiecare sesiune pe site și asociază numărul cu ClientID-ul utilizatorului. Apoi, ID-urile de client ale apelanților sunt importate din CallTouch în Google BigQuery.

Diagrama de colectare a datelor este prezentată mai jos:

Acum, toate datele despre comportamentul utilizatorilor din magazinele fizice, centrele de apeluri și site-ul web sunt colectate în Google BigQuery. Datele sesiunii (secvențele de accesări, ID-urile de sesiune și datele personale criptate ale utilizatorilor) sunt transferate către Google BigQuery folosind OWOX BI Pipeline. Sesiunile sunt asociate utilizatorilor prin următorii parametri:

• ClientID, identificatorul unic pentru perechea browser-dispozitiv.
• UserID, identificatorul unic al fiecărui utilizator, care este legat de adresa de e-mail a utilizatorului.
• Numărul cardului de fidelitate.

Hoff grupează sesiunile folosind interogări SQL. Să aruncăm o privire la 3 exemple despre cum sunt combinate datele.

Anna navighează pe canapele pe site folosind o aplicație de browser pe smartphone-ul ei. După ceva timp, ea vizitează din nou site-ul web pe același dispozitiv, își face alegerea, se conectează prin e-mail și adaugă canapeaua în coșul ei. Deoarece dispozitivul și browserul sunt aceleași, aceste două sesiuni sunt grupate după ClientID. Anna vine acasă, își deschide laptopul, se conectează la contul ei și cumpără canapeaua pe care a ales-o. Acum, sesiunile de pe telefonul și laptopul ei pot fi combinate prin UserID:

Nick vizitează site-ul web în timp ce caută o nouă masă de bucătărie pe computerul său de lucru. În pauza de masă, își creează un cont pe site folosind smartphone-ul său și plasează o comandă.

Nick a folosit două dispozitive diferite și a autorizat doar de pe smartphone-ul său. Aceste două sesiuni nu pot fi legate de ClientID sau UserID. Drept urmare, Google Analytics le numără ca sesiuni de la doi utilizatori diferiți.

Întors la serviciu, Nick își amintește că soția sa și-a dorit întotdeauna o masă de wenge , nu una de nuc și, de asemenea, că are un card de fidelitate. El intră pe site-ul web pe computerul său de serviciu, se conectează, își schimbă comanda și efectuează o achiziție folosind cardul său de fidelitate.

Acum, toate sesiunile lui Nick pot fi combinate prin asocierea achiziției de pe un computer cu:

• Se caută un tabel (Sesiunea 1), de către ClientID, deoarece ambele sesiuni au fost inițiate în același browser pe același computer.
• Crearea unui cont pe telefon (Sesiunea 2) - prin UserID, deoarece Nick sa conectat la contul său în ambele sesiuni.

Ca urmare, datele legate de călătoria lui Nick de la prima vizită până la cumpărare sunt colectate în Google BigQuery.

Nick răsfoiește site-ul pe computerul său de la serviciu, căutând scaune care să se potrivească cu noua masă. Sună la numărul de telefon afișat pe site și plasează o comandă. Apoi merge cu mașina la magazin și cumpără scaunele folosind cardul său de fidelitate.

Acțiunile anterioare ale lui Nick pe site-ul web au fost îmbinate cu acțiunile din magazin și de pe telefon:

• Comanda telefonică și activități online — prin ClientID, deoarece Nick a cumpărat masa înainte, iar CallTouch a afișat numărul de telefon în același browser, pe același dispozitiv.
• Achiziții offline și activități online — după numărul cardului de fidelitate al lui Nick.

Acum sunt suficiente date pentru a lega toate interacțiunile lui Nick. Iată cum procedează ei:

Ca urmare, toate ID-urile de client, adresele de e-mail, cardurile de fidelitate și comenzile ale utilizatorului au fost consolidate pentru a vedea care dintre interogările de căutare aduc venituri și care dintre ele consumă oferte fără a ajuta la o achiziție.

Logica modelului de atribuire este următoarea: valoarea totală a primei și ultimei sesiuni din calea de conversie a unui client este egală cu valoarea sesiunilor dintre acestea. Prima sesiune este atunci când un utilizator vizitează site-ul pentru prima dată și se familiarizează cu marca. Ultima sesiune este atunci când utilizatorul face o achiziție. Combinarea datelor de pe diferite dispozitive ajută la găsirea unei conexiuni între sesiuni și ordinea lor cronologică.

Valoarea pentru fiecare canal este determinată în 2 etape:

1. Identificarea canalului care a inițiat prima sesiune. Dacă un utilizator a mai fost pe site-ul web, canalul de achiziție este asociat cu canalul sesiunii precedente. De exemplu, dacă un utilizator vizitează site-ul făcând clic pe un anunț grafic Google și a mai vizitat site-ul web printr-o căutare organică în Bing, modelul va trata Bing ca pe canalul care a introdus utilizatorul în brand.
2. Atribuirea de valoare sesiunilor. Venitul dintr-o achiziție este distribuit sesiunilor de utilizatori conform următoarelor reguli:

• Prima sesiune primeste 20% din creditul pentru vanzare.
• Ultima sesiune primește 30% din credit.
• Sesiunile dintre ele primesc restul de 50%. Sesiunile sunt evaluate după numărul de ore înainte de cumpărare. Cu cât au fost vizualizate mai multe pagini în cadrul sesiunii și cu cât au trecut mai puține ore înainte de cumpărare, cu atât sesiunea primește mai multă valoare.

Valoarea cuvintelor cheie și a canalelor este recalculată automat în fiecare zi. Rezultatul este stocat într-un tabel în Google BigQuery și Google Cloud Storage. Rezultatele atribuirii sunt exportate din Google Cloud Storage în Alytics folosind API-ul RESTful.

Au fost stabilite reguli pentru Alytics pentru a determina mărimea sumei licitate. Cu cât rentabilitatea investiției este mai mare a expresiei de căutare care menționează produsul, cu atât oferta este mai mare. De exemplu, dacă rentabilitatea investiției pentru tabele este mai mică de 15%, suma licitată pentru un cuvânt cheie cumpără tabele va fi egală cu 1 USD. Dacă rentabilitatea investiției este mai mare de 75%, suma licitată va fi egală cu 4 USD. Toate numerele au fost determinate experimental.

Datorită îmbinării datelor despre comportamentul clienților online și offline, stabilirii valorilor cuvintelor cheie și automatizării ajustărilor sumelor licitate, compania este acum capabilă să răspundă la întrebări precum:

• Cum s-ar schimba rentabilitatea investiției în publicitate online în funcție de onorarea comenzii?
• Cum afectează publicitatea online comenzile plasate într-un call center?
• Ce cuvinte cheie generează cele mai profitabile comenzi?
• Ce produse oferă cel mai mare ROI?
• Ce cotă din vânzările offline a fost influențată de publicitatea online?

Ca urmare, a fost posibil să:

• Optimizați sumele licitate și creșteți rentabilitatea investiției în publicitate PPC cu 17%.
• Măsurați impactul asupra veniturilor cuvintelor cheie mai precis și vedeți de 2,4 ori mai multe cuvinte cheie care ajută la conversii. Modelele standard de atribuire le-au ignorat pur și simplu.
• Descoperiți că unele dintre expresiile cheie au un impact mai mare asupra achizițiilor offline decât asupra vânzărilor online.