Как определить ROPO: влияние онлайна на офлайн-покупки

Интернет-рекламу часто недооценивают, так как многие люди начинают искать товары в Интернете, а затем идут и покупают их в обычном магазине. Особенно это касается определенных товаров, таких как дизайнерская обувь и аксессуары. Онлайн-продажи не могут конкурировать с продажами в обычных магазинах, где клиентам предоставляется полностью персонализированный сервис. Вот почему маркетологи хотят узнать, как онлайн-маркетинг влияет на продажи в обычных магазинах, и выяснить, какие кампании и категории товаров приносят больше покупок в офлайне, а какие — в Интернете.

В данном случае мы описываем решение, предоставленное командой OWOX BI для сети магазинов, торгующих обувью, сумками и аксессуарами по низким, средним и высоким ценам. Компания имеет 90 обычных магазинов и удобный интернет-магазин. Основная задача состояла в том, чтобы определить влияние онлайн на офлайн-покупки.

В отделе продаж заметили, что многие клиенты предпочитают собирать информацию в Интернете, прежде чем совершать покупки в обычном магазине. На сайте покупатели фильтруют товары по цене и проверяют их наличие в розничных магазинах сети. В большинстве случаев, когда покупатели приходят в физический магазин, они довольно хорошо знают, что ищут, и имеют определенные ожидания в отношении обслуживания.

Поэтому маркетологи решили:

• определить влияние онлайн-маркетинга на офлайн-продажи;
• перераспределить бюджеты онлайн-маркетинга;
• переоценить эффективность рекламных каналов и улучшить свою маркетинговую стратегию.

Для достижения этих целей было решено применить ROPO-анализ — на основе данных об онлайн- и офлайн-покупках. С его помощью вы можете определить часть офлайн-дохода, приходящуюся на онлайн-рекламу (эффект ROPO). Узнайте, почему и как интегрировать точки взаимодействия с клиентами онлайн и офлайн, в нашей статье.

Для проведения ROPO-анализа необходимо объединить данные по онлайн-рекламе с данными по офлайн-продажам. Ритейлер имеет множество данных о покупателях, которые покупают товары разными способами:

• Выбор и оплата в магазине.
• Смотрю на сайте, а потом покупаю в магазине.
• Посмотреть на сайте, оплатить на сайте и заказать доставку на дом или доставку в магазин.

Соответственно, эти данные собираются, сохраняются и обрабатываются в разных системах:

• Данные о поведении клиентов на сайте хранятся в Google Analytics.
• Данные об обработке заказов и активности офлайн-посетителей хранятся во внутренней CRM-системе.

Трудно объединить все данные из этих систем вручную. Маркетологи искали программное обеспечение, которое помогло бы им объединить эти данные в Google BigQuery (GBQ), который они уже использовали для хранения данных рекламных кампаний. Google BigQuery — один из самых безопасных RESTful-сервисов с неограниченным потенциалом хранения и обработки данных.

Маркетологи ритейлера выбрали для решения своих задач OWOX BI Pipeline.

OWOX BI Attribution уже использовался для оценки рекламных кампаний, а OWOX BI Pipeline использовался для сбора данных из Google Analytics в Google BigQuery для построения отчетов о рекламных кампаниях. Для обеих этих задач ритейлера устроил OWOX BI, поэтому для анализа ROPO снова был выбран именно он.

Аналитики OWOX BI разработали следующий план:

• Собирайте данные о рекламных кампаниях, поведении клиентов на сайте, офлайн-продажах и обработке заказов в одной системе.
• Соедините офлайн-заказы с онлайн-сеансами.
• Создавайте отчеты и информационные панели на основе полученных данных для переоценки вклада из онлайн-источников.

Поток данных выглядит следующим образом:

Давайте рассмотрим процесс шаг за шагом.

Каждый зарегистрированный посетитель на сайте получает уникальный user_ID . При выполнении цели конверсии — совершении транзакции — посетитель получает дополнительный идентификатор транзакции . Данные о поведении посетителя на сайте передаются в Google BigQuery с этими идентификаторами посредством OWOX BI.

Каждый день данные онлайн- и офлайн-заказов из CRM также передаются в Google BigQuery и объединяются с данными с сайта с помощью ключей user_ID и transaction_ID .

Объединив эти данные, вы получите то, что необходимо для проведения ROPO-анализа.

Объединив все данные, аналитики OWOX BI приступили к работе с собранной базой данных в Google BigQuery.

Данные об онлайн-транзакциях в Google BigQuery были добавлены к данным каждого обрабатываемого заказа (оплаченного и неоплаченного) с использованием идентификатора transaction_ID для идентификации транзакций.

Затем аналитики объединили данные о сессиях посетителей с данными об офлайн-покупках, используя user_ID в качестве связующего ключа. Этот ключ раскрывал историю сессий на сайте для многих клиентов, совершивших офлайн-покупки.

Схема объединения данных выглядит так:

В результате команда ритейлера получила ответы на следующие вопросы по каждому заказу:

• Какой это тип сделки? Онлайн, офлайн или ROPO?
• Что было источником последней сессии перед покупкой? Что привело клиента к покупке?
• Сколько дней прошло между последним сеансом на сайте и покупкой? (Для тех, кто покупает онлайн, это всегда ноль, так как последнее посещение — это сеанс, когда происходит транзакция. Только для офлайн-транзакций это число также всегда равно нулю, поскольку для этого клиента нет онлайн-сеанса. Другие клиенты могут быть назначены на сегмент ROPO.)
• Геолокация последней сессии.

Пример таблицы с этой информацией:

Для визуализации полученных данных была выбрана Google Data Studio. Аналитики OWOX BI создали информативный дашборд с динамическими диаграммами в Google Data Studio для детального анализа и планирования рекламного бюджета.

Например, круговая диаграмма справа показывает, что ROPO-заказы приносят 20 процентов дохода, а круговая диаграмма слева показывает, что почти все клиенты, сделавшие ROPO-заказы, посетили веб-сайт менее чем за неделю до покупки в магазине.

Все данные на панели инструментов можно фильтровать по региону, периоду конверсии, источнику, каналу и кампании для более детальной сегментации. Кроме того, для каждого заказа можно увидеть дни между последним посещением веб-сайта и покупкой.

Диаграмма в нижней части дашборда помогает маркетологам понять, какой дополнительный доход от ROPO-заказов следует учитывать при планировании маркетинговой стратегии, и показывает долю общего дохода по источникам, каналам и кампаниям.

ROPO-анализ подтвердил корреляцию между онлайн-поведением и офлайн-покупками, а информативная панель инструментов, которая автоматически обновляет данные, предоставила следующие факты:

• 20 процентов офлайн-дохода приходилось на онлайн-рекламу, а это означает, что каждый пятый посетитель офлайн-магазина уже взаимодействовал с сайтом.
• После ROPO-атрибуции доходов появились явные доказательства недооценки онлайн-кампаний.
• В ближайшее время ритейлер пересмотрит свою маркетинговую кампанию, по-новому взглянув на эффективность рекламных кампаний и увеличив инвестиции в digital-направление.