Studiu de caz: Cum să configurați analize avansate pentru un serviciu de streaming de filme online

Sunt scrise un număr mare de studii de caz despre cum să configurați analize avansate într-un proiect obișnuit de comerț electronic cu o pâlnie AIDA. Multe companii știu cum să facă acest lucru și nu au probleme la configurarea pâlniei. Dar dificultățile apar atunci când aveți o pâlnie de vânzări complexă și neevidentă, multe tipuri de conversie și acțiuni direcționate. Să vedem cum putem aduce toate datele noastre într-un singur tablou de bord pentru cinema online?

La serviciul de mutare online, avem două tipuri de tranzacții și nu sunt echivalente, deoarece tranzacțiile sunt de obicei în comerțul electronic. Există tranzacții tranzacționale video la cerere (TVOD) (închirierea sau cumpărarea unui film) pentru care primim bani imediat, în timp ce tranzacțiile cu abonament video la cerere (SVOD) (abonamente și încercări) implică plăți periodice periodice.

În fiecare lună, un utilizator își poate reînnoi sau nu abonamentul. Este logic pentru noi să ne concentrăm pe creșterea valorii de viață a clientului (LTV) și nu pe tranzacțiile unice, iar mecanica de lucru cu LTV este diferită de mecanica de lucru cu alte valori.

Pentru a controla conversiile, plasăm studiile într-un grup separat. De fapt, probele sunt la fel ca abonamentele, doar că sunt oferite gratuit sau pentru 1 rublă. O perioadă de încercare poate fi convertită într-un abonament plătit la sfârșitul perioadei promoționale (7 sau 14 zile). Este foarte important pentru noi să monitorizăm astfel de conversii.

În plus, există și achiziții și închirieri — utilizatorii pot cumpăra conținut care nu este disponibil ca parte a abonamentului principal, cum ar fi filme noi, sau pot obține acces temporar la conținut timp de 48 de ore.

Departamentul de marketing își propune să tripleze numărul de utilizatori plătitori cu un CAC maxim fix. Cu toate acestea, o pâlnie de vânzări atipică și un număr mare de acțiuni vizate complică foarte mult atât managementul, cât și evaluarea campaniilor publicitare. Pentru a atinge acest obiectiv, aveau nevoie de un instrument care să ne permită să evaluăm obiectiv canalele de publicitate, ținând cont de toate tipurile de tranzacții. Analizele construite pe baza stocării interne și a propriilor soluții nu au fost suficiente.

Au existat și întrebări legate de calitatea datelor analizate. Nu toate trimiterile de formulare de abonare au fost urmărite pe site, iar datele descărcate din CRM conțineau chei pentru potrivirea datelor într-un format diferit de site-ul web. Pentru a crește proporția datelor de potrivire și, în consecință, calitatea datelor, a fost nevoie de un instrument de monitorizare care să arate amploarea și dinamica abaterilor și să permită identificarea problemelor pe site.

Pentru a obține un raport privind toate tipurile de tranzacții și un instrument de monitorizare automată a calității datelor, decizia a fost de a configura analize avansate bazate pe Google BigQuery.

Pentru a colecta date de pe site-ul web și serviciile de publicitate în Google BigQuery, echipa a folosit Google Analytics 360 și OWOX BI. Analiștii OWOX au ajutat la dezvoltarea și implementarea unui sistem de metrici care ia în considerare caracteristicile modelului de afaceri al serviciului de streaming de filme online, verifică calitatea datelor online și le combină cu datele din sistemul CRM, deoarece trebuie să vadă utilizatorii plătitori în rapoarte și acest lucru. informațiile sunt doar în CRM.

Cum să combinați datele pentru tabloul de bord:

1. Importați automat datele de cost din serviciile de publicitate în Google Analytics și Google BigQuery folosind OWOX BI Pipeline.
2. Colectați date despre comportamentul utilizatorilor pe site și transmiteți-le către Google BigQuery folosind Google Analytics 360.
3. Încărcați date de vânzări din CRM în BigQuery folosind o soluție personalizată.
4. Configurați un model de atribuire bazat pe canal, bazat pe date, folosind OWOX BI Atribution.
5. În Google BigQuery, combinați datele site-ului web, datele serviciilor de publicitate și rezultatele calculelor de atribuire într-o singură vizualizare.
6. Transferați date din vizualizarea BigQuery în tabloul de bord Google Data Studio.

1. Drept urmare, am primit o pâlnie de vânzări. Acum vedem conversii la fiecare țintă pentru fiecare canal și putem trage concluzii despre eficiența diferitelor scenarii.

De exemplu, raportul de performanță cu valori generale vă ajută să vedeți contribuția obiectivă a surselor, canalelor și campaniilor la diferite tipuri de conversii (încercări, încercări activate, abonamente, achiziții, închirieri):

Tabloul de bord are multe opțiuni pentru a ușura munca marketerilor. De exemplu, există filtre pentru a analiza datele despre un anumit film sau produs și pentru a urmări starea unui utilizator. De exemplu, un utilizator poate fi în probă și se poate abona după o campanie. Există multe stări similare: ele ajută la evaluarea modului în care campaniile destinate anumitor utilizatori și rezultate funcționează în anumite segmente.

De exemplu, graficul de mai jos arată cum achizițiile filmului Soul se transformă în închirieri după premieră, când popularitatea începe să scadă de la apogeu:

Există o pagină care arată rata de conversie a sesiunilor în încercări și a încercărilor în abonamente. Înainte de a crea analize avansate, echipa a fost dificil să urmărească aceste informații.

Există, de asemenea, pagini separate pentru cheltuieli și toate tipurile de tranzacții pe care agenții de marketing pot consulta informații mai detaliate.

2. Nu este suficient să calculezi valori și scenarii atunci când vrei să găsești puncte de creștere în campanii. Prin urmare, a fost configurată atribuirea pe bază de pâlnie de la OWOX pe baza datelor colectate în BigQuery:

Și pe baza datelor de atribuire, echipa a creat acest raport:

În raport, puteți vizualiza valoarea canalelor (numărul de conversii) pentru toate tipurile de tranzacții (Trials, Activated Trials, Subscriptions, Data for Own, Rentals etc.). Toate valorile din raportul de performanță sunt contorizate în funcție de două modele de atribuire: Ultimul clic non-direct și Atribuire bazată pe pâlnie ML de la OWOX BI.

În captură de ecran, puteți vedea abaterea procentuală dintre aceste modele de atribuire pentru toate tipurile de conversie. Raportul îi ajută pe marketeri să urmărească canalele supraestimate sau subestimate conform modelului Ultimul clic non-direct și să aloce bugetul de publicitate.

3. O întrebare corectă este Cum putem controla calitatea datelor din atât de multe surse și pentru atât de multe valori? Echipa a construit un tablou de bord separat care arată calitatea potrivirii datelor pentru a lua decizii:

Potrivirea este procesul de colectare a datelor privind tranzacțiile de pe un site web și compararea acestora cu datele din CRM. De obicei, datele CRM sunt legate de datele online prin ID-ul tranzacției. Înainte ca serviciul să înceapă să lucreze cu OWOX, nu au transferat aproximativ 60% din ID-urile tranzacțiilor. Adică, ponderea potrivirii a fost de aproximativ 40%.

Încrederea în date este importantă. Dacă intrarea pentru analiză utilizează date de proastă calitate care nu sunt de acord cu imaginea reală, atunci rezultatele de la ieșire nu pot fi de încredere.

Anterior, echipa a petrecut mult timp verificând procentele meciurilor. Acum au un instrument care arată clar ce procent din tranzacții au fost evaluate. Ei pot vedea în orice moment cât de mult potrivesc datele din CRM cu datele online și să nu piardă timp suplimentar cu ele. Dacă brusc ceva cade în datele online, este imediat vizibil.

Prin aplicarea logicii suplimentare de conectare a datelor (la care colegii OWOX au ajutat-o), echipa a crescut rata de potrivire de la 40% la un acceptabil 85%. Și, deoarece acest raport oferă feedback cu privire la acțiunile de pe front end, la un moment dat au reușit să remedieze principalele erori de pe site și să obțină un raport de potrivire de 90%.

4. În timp ce lucra la acest proiect, echipa de service s-a confruntat cu o altă sarcină: controlul costurilor Google BigQuery .

Calitatea datelor nu este singurul obiect important al controlului zilnic. Serviciul de streaming online de filme oferă zeci de angajați cu date. Iar gestionarea defectuoasă a cererilor poate crește în mod neașteptat cheltuielile companiei pentru suportul de analiză.

Pentru a ne menține mâna pe puls, ei folosesc două soluții:

1. Tabloul de bord pentru monitorizarea cantității de date (în GB) procesate de Google BigQuery, împreună cu costul asociat:

Aici puteți vedea în ce cont au fost procesate cele mai multe date și puteți avertiza un anumit manager care a depășit limita.

2. Chatbot cu mesaje dacă raportul nu este actualizat sau depășește cheltuielile planificate pe Google BigQuery. Acest lucru ajută la planificarea costurilor lunare de procesare a datelor. Același bot alertează imediat după actualizarea datelor din toate sursele din raport, astfel încât echipa să nu piardă timpul cu comparații și să poată începe imediat să analizeze campaniile.

Echipa folosește tabloul de bord rezultat în toate procesele obișnuite pentru a gestiona campaniile de performanță. În viitor, aceștia plănuiesc să creeze o aplicație mobilă și să rezolve problema atribuirii între dispozitive, precum și să evalueze impactul campaniilor media în analiză.