ROPO-анализ: зачем он нужен и как его проводить

Представьте, что вы отлично поработали, но получили за это на 40% меньше, чем ожидали. Просто потому, что ты не смог доказать результат своих усилий. Примерно то же самое происходит с омниканальными интернет-маркетологами, которые не проводят ROPO-анализ. Но недооцененный онлайн-маркетинг в данном случае — это лишь половина проблемы. Компании, которые не отслеживают взаимосвязь между онлайн- и офлайн-поведением клиентов, рискуют снизить свои продажи, например, отключив рекламу, которая, на первый взгляд, не окупается.

В этой статье мы объясним, что такое ROPO-анализ и какие преимущества он может дать вашему бизнесу. Расскажем, как связать поведение пользователей на сайте с покупками в розничных магазинах с помощью OWOX BI, какие данные нужны для ROPO-отчетов и как их строить.

Начнем с теории. ROPO (поиск в Интернете, покупка в автономном режиме) описывает поведение клиентов, которые ищут товары в Интернете и покупают их в обычном магазине. Есть несколько причин, почему клиенты делают это:

В Потребительском барометре вы также можете сортировать данные по типу продукта, например электроники или потребительских товаров, чтобы получить данные, актуальные для вашего бизнеса.

То, как вы должны использовать результаты ROPO-анализа, зависит от целей, которых вы хотите достичь. Хотите узнать реальную эффективность ваших онлайн-каналов, улучшить рекламные кампании и сэкономить деньги, увеличить продажи онлайн или офлайн или увеличить прибыль? Рассмотрим каждую из этих целей более подробно.

Итак, вы добились того, что достаточно большой процент пользователей, изучающих товары на вашем сайте, идут покупать их в розничных магазинах. Из-за этого сложно рассчитать точную конверсию и окупаемость интернет-рекламы, что может привести к неверным решениям.

Если товар плохо продается в сети, не спешите удалять его с сайта или отключать рекламную кампанию. Может оказаться, что продажи этого товара в офлайне в три раза выше, чем в онлайне. Сравните активность посетителей сайта с покупками в обычных магазинах, и вы поймете, тратите ли вы деньги впустую или сидите на золотом прииске.

Когда вы определите долю ROPO-продаж, вы можете перейти к расчету ROAS любого рекламного канала или кампании на основе офлайн-покупок. Это может показать совсем другую картину.

Только изучая путь клиента, вы сможете сделать рекламные кампании максимально эффективными. Предположим, вы настроили автоматическое электронное письмо для брошенных корзин. Некоторые клиенты могут использовать корзину для покупок в качестве списка покупок, а затем отправиться за покупками в обычный магазин. Идентифицируя таких пользователей, вы можете исключить их из этих писем-напоминаний и сэкономить деньги.

Люди, которые просматривают ваш сайт перед покупкой, как правило, тратят больше, чем те, кто этого не делает.
Определив, какие товары на вашем сайте хорошо продаются по принципу ROPO, вы можете сосредоточиться на их продвижении и тем самым увеличить свою прибыль.

Если вы проводите ROPO-анализ и обнаруживаете, что ваши клиенты предпочитают покупать определенные товары в розничных магазинах, вам следует подумать о том, что не так с вашим сайтом. Почему клиенты не покупают — или почему не могут — покупать в Интернете, вместо этого идя в ваш магазин (надеюсь) или даже к вашим конкурентам. Причины такого поведения могут быть разные:

• Цены онлайн и оффлайн разные.
• Некоторый функционал недоступен на сайте, например невозможно оплатить в рассрочку.
• Доставка занимает слишком много времени.
• Там сложный интерфейс или долгий процесс оплаты.

Подробно изучив поведение ваших пользователей, вы сможете понять, что мешает им совершать покупки на сайте, и исправить это:

• предоставление скидок в интернет-магазине
• предлагая дополнительную гарантию или бесплатную или быструю доставку
• предоставление удобных способов оплаты
• добавление раздела с часто задаваемыми вопросами
• предоставление информации о том, как с вами связаться.

Короче говоря, вы можете адаптировать свой веб-сайт к индивидуальному пути клиента.

Концептуально есть два способа оценить влияние онлайн-рекламы на офлайн-продажи. Первый основан на идентификации конкретных пользователей и связывании действий посетителей на сайте с покупками в физическом магазине. Понятно, что для этого пользователи должны быть авторизованы.

Второе решение — это так называемое обезличенное слияние данных. Вы можете использовать слияние обезличенных данных, чтобы оценить влияние телевизионной рекламы на офлайн-продажи или в том случае, если ваш сайт не позволяет пользователям регистрироваться. Аналогичные задачи стоят перед теми, кто рекламирует товары, продаваемые на Amazon или других торговых площадках в Facebook. В таких случаях невозможно связать конверсии по рекламе и просмотрам баннеров с заказами для конкретных пользователей. Эта проблема решается с помощью косвенной корреляции. Это тема для отдельной статьи. Если вам будет интересна статья о косвенной корреляции, сообщите нам об этом в комментариях.

В этой статье мы сосредоточимся на идентификации конкретных пользователей, что является приоритетом для любого бизнеса. Это позволяет оценить эффективность онлайн-рекламы на основе комбинации действий пользователей как в сети, так и в автономном режиме.

Основные этапы идентификации пользователей:

1. Объедините онлайн-данные с данными о транзакциях из вашей CRM.
2. Определите сегмент ROPO-покупок и поймите долю этих покупок по отношению к онлайн- и офлайн-продажам.
3. Создавайте информационные панели для высокоуровневого мониторинга данных и их динамики.
4. Создавайте подробные таблицы для агентств, чтобы они могли использовать данные ROPO в своем медиапланировании и отслеживать результаты.
5. Найдите ответы на следующие вопросы: Заказывают ли покупатели ROPO через веб-сайт? Что им мешает изначально оформить заказ на сайте? Как можно сэкономить на ремаркетинге для этих клиентов?

Мы рекомендуем объединить данные с вашего сайта, данные о расходах на рекламные кампании и данные из вашей CRM в Google BigQuery. Для этого вы можете использовать Power BI, Google Data Studio, Amazon Redshift или какой-либо другой инструмент. Малый бизнес может даже экспортировать данные в Google Sheets. Однако вы должны понимать, что автоматизированная обработка данных может дать сбой по неочевидным и неожиданным причинам. Поэтому вам нужно использовать механизм, который работает надежно и не отвлекает вас от поиска инсайтов и применения данных.

Google BigQuery хорош тем, что, как и любой SaaS, не требует вложений в оборудование и позволяет легко объединять данные независимо от их количества. Это означает, что по мере роста вашего объема данных вам не нужно будет менять все свои запросы и настройки. А если у вас не так много данных, то и платить за их обработку вы не будете.
Кроме того, BigQuery поддерживает повторную обработку данных. Если клиент делает заказ в автономном режиме, а затем переходит на сайт и авторизуется, вы можете задним числом объединить все его действия. Это невозможно с Google Analytics.

Вы можете экспортировать данные о поведении пользователей из Google Analytics в Google BigQuery, используя стандартный экспорт. Для тех, кто использует бесплатную версию Google Analytics, мы рекомендуем OWOX BI Pipeline для сбора необработанных несемплированных данных с вашего сайта в BigQuery. Ознакомиться со структурой этих данных вы можете в нашем справочном центре.

Необходимо проверить исходные данные. У вас должен быть настроен и передан с сайта идентификатор пользователя Google Analytics (или другой общий идентификатор пользователя). Поскольку данные будут связаны именно по этому ID, важно, чтобы он присутствовал в обеих таблицах и был корректным. То есть для каждого авторизованного пользователя User ID должен отправляться как в Custom Dimension, так и в параметр &uid.

Убедитесь, что один и тот же идентификатор не используется несколькими пользователями. Проверьте процент пользователей с идентификатором пользователя и сами значения с течением времени, чтобы увидеть, есть ли какие-либо аномалии. Для этого можно построить сегмент пользователей с идентификаторами в Google Analytics и посмотреть, как этот сегмент соотносится с общим количеством пользователей.

Также проверьте наличие аномалий в данных о количестве сессий, пользователей, транзакций и доходах по дням и по источникам трафика. Проще всего это сделать в интерфейсе GA. Вы можете взять временной интервал в несколько месяцев и просмотреть стандартные отчеты «Обзор аудитории», «Весь трафик», «Источник/канал», «Обзор электронной торговли» и другие. Проверьте, нет ли в этих отчетах необоснованных пиков или сбоев.

Вы можете один раз импортировать заказы из CRM в Google BigQuery или настроить автоматическую выгрузку данных для регулярного подсчета доли ROPO-покупок.

Таблица, загружаемая из вашей CRM, должна включать как минимум:

• Дата сделки
• ID транзакции
• Стоимость заказа
• Логин пользователя

Дополнительные поля, которые позволят получать отчеты в дополнительных разделах:

• Город
• Идентификатор элемента
• Количество товаров в заказе
• Цена каждого предмета
• Способ оплаты
• Тип доставки
• Статус заказа

Имея данные CRM, обратите внимание на:

• Наличие всех обязательных полей
• Доступность данных за все дни
• Сопоставимый формат для даты, дохода и города
• Наличие параметра User ID во всех транзакциях
• Дублирование транзакций

Если вы хотите не только узнать долю ROPO-покупок, но и рассчитать их ROAS, вам понадобятся данные о затратах из ваших рекламных источников. Вы можете импортировать свои расходы из разных сервисов в Google Analytics, а затем выгружать их в Google BigQuery единым потоком с помощью OWOX BI Pipeline.
Все ваши данные можно объединить по такой схеме:

OWOX BI предлагает бесплатный пробный период. За это время вы можете настроить сбор данных в своем проекте Google BigQuery для создания отчетов по ROPO и другим маркетинговым показателям.

После того, как вы соберете все данные в Google BigQuery, вам нужно их связать. В качестве ключа можно использовать User ID. Это уникальный идентификатор, который вы назначаете каждому пользователю в своей базе данных и связываете с адресом электронной почты пользователя или картой лояльности. Когда пользователи заходят на ваш сайт и авторизуются — например, входят в личный кабинет — их User ID передается в Google Analytics (при условии, что у вас настроена эта функция в GA).

Таким образом, пользователи связаны с их действиями на сайте.

Чтобы узнать как можно больше ваших пользователей, вы можете предлагать бонусы за вход: скидки за вход, полезные материалы для скачивания, акции и т. д. Больше способов мотивировать своих пользователей вы можете найти в нашей статье «Зачем и как Интеграция онлайн и оффлайн точек взаимодействия с клиентами»

Вы также можете использовать специальный параметр huid в ссылках, которые вы отправляете своим клиентам по электронной почте. В этом параметре вы можете написать значение User ID из вашей CRM-системы. Это поможет вам идентифицировать пользователя, даже если он не авторизовался на сайте. Например, предположим, что у вас уже есть клиент в вашей CRM с адресом электронной почты и уникальным идентификатором пользователя. Вы отправляете электронное письмо этому клиенту со ссылкой, которая включает идентификатор. Клиент переходит по ссылке и переходит на ваш сайт и совершает какие-то действия на сайте без регистрации. Через Google Tag Manager вы можете передать этот идентификатор в Google Analytics в поле User ID или Custom Dimensions.

Если пользователь оставляет заявку на вашем сайте, а затем приходит в магазин и совершает покупку, вы можете связать его действия с помощью идентификатора транзакции.

На диаграмме выше вы можете увидеть данные о поведении пользователей на сайте (слева) и данные о покупке из CRM (справа).

Если вас интересуют технические детали интеграции данных и анализа ROPO, прочтите несколько историй успеха наших клиентов:

• История успеха «М.видео»: оценка влияния интернет-рекламы на офлайн-продажи
• История успеха Darjeeling: анализ ROPO доказывает, что 40% клиентов посещают веб-сайт компании перед покупкой в ​​автономном режиме​

Наши клиенты часто интересуются ROPO-анализом. Поэтому мы добавили в OWOX BI Smart Data отдельный блок ROPO-отчетов. С помощью этого сервиса вы можете задавать вопросы о своих данных на русском или английском языках, используя естественный язык. Сервис обработает запрос и даст вам четкий ответ вместе с визуальными эффектами.

Для получения ROPO-отчетов вам необходимо загрузить данные о поведении пользователей из Google Analytics и данные офлайн-заказов из вашей CRM в ваш проект Google BigQuery. Затем подключите свой проект к OWOX BI Smart Data. Вы можете бесплатно попробовать OWOX BI прямо сейчас, чтобы увидеть, как это работает.

Чтобы получать ROPO-отчеты в Smart Data, вам нужны данные о поведении пользователей из Google Analytics и данные об офлайн-заказах из вашей CRM.

В Smart Data вы можете изменить все выделенные поля для вопроса, выбрав варианты из выпадающего списка: доля дохода, транзакции пользователей, сумма дохода, средний размер чека и т.д. Подробнее о доступных метриках можно узнать в раздел помощи.

Всю информацию из отчета можно загрузить в Google Data Studio или загрузить в виде CSV-файла. Вы также можете скопировать SQL-запрос и уточнить его в Google BigQuery по мере необходимости.

Рассмотрим несколько примеров отчетов.

30-дневное окно конверсии означает, что между последним посещением сайта пользователем и совершением офлайн-покупки прошло не более 30 дней. Окно конверсии можно изменить в соответствии с вашим бизнесом.

Этот отчет показывает, как доход распределяется между онлайн-, офлайн- и ROPO-продажами. Это помогает отделить ROPO-заказы от обычных офлайн-покупок и понять реальную роль ROPO-эффекта в ваших многоканальных продажах.

Это аналог отчета «Время до конверсии» (Time Lag) в Google Analytics, только здесь связаны онлайн-действия и офлайн-покупки. Этот отчет показывает, какой процент или количество транзакций, клиентов и доходов приходится на каждый день в пределах окна конверсии.

Это поможет вам понять реальное окно конверсии для ROPO-покупок, а также отследить взаимосвязь между стоимостью транзакции и количеством дней, необходимых пользователям для принятия решения о покупке.

С помощью этого отчета вы можете определить, какие онлайн-каналы, источники и рекламные кампании приводят к офлайн-покупкам.

Вы спросите: насколько точны результаты ROPO-анализа, если учитывать только пользователей, зарегистрированных на сайте?» Это хороший вопрос, и чтобы на него ответить, нужно понимать, сколько пользователей. точный ответ для конкретного сайта. Если пользователь не авторизовался, мы не знаем наверняка, был ли он на сайте. Если только нельзя использовать панельное исследование.

По нашему опыту, доля авторизованных пользователей, которых можно ассоциировать с покупками в оффлайне, даже для среднего омниканального ритейлера бытовой электроники достигает 40%. Этот результат суммируется в течение года. Во время сезонных распродаж она увеличивается. Главное, что даже без 100-процентного пула аудитории можно получить репрезентативную выборку для перераспределения бюджета. Это означает, что вам не нужно объединять действия каждого пользователя; вам нужно только объединить данные достаточного количества пользователей для построения отчетов.

Мы подготовили контрольный список из 20 шагов для маркетинговых аналитиков, которые помогут вам объединить данные из онлайн-и офлайн-источников для принятия правильных решений. Заполните форму, и мы вышлем этот чек-лист на вашу электронную почту.