“ใครนั่งบนเก้าอี้ของฉัน? ใครมานอนบนเตียงของฉัน” ฟาเบลิโอค้นพบว่าลูกค้าออนไลน์กำลังทำอะไรในร้านค้าปลีกของพวกเขา

ร้านค้าเฟอร์นิเจอร์หลายช่องทางจากอินโดนีเซียชื่อ Fabelio.com ตัดสินใจค้นหาว่าใครคือปลาที่ใหญ่ที่สุดในบ่อและทำกำไรได้มากที่สุด ทั้งแบบออฟไลน์และออนไลน์ ด้วย OWOX BI พวกเขาได้รับรายงาน ROPO โดยละเอียดและปรับปรุงการวิเคราะห์

Fabelio.com เป็นร้านค้าออนไลน์สำหรับเฟอร์นิเจอร์และของตกแต่งบ้าน บริษัทก่อตั้งขึ้นในกรุงจาการ์ตา ประเทศอินโดนีเซีย ในปี 2558 และกำลังวางแผนที่จะขยายไปยังตลาดเอเชียตะวันออกเฉียงใต้ เว็บไซต์ Fabelio.com มีผู้เข้าชมรายเดือนที่ไม่ซ้ำกันมากกว่าหนึ่งล้านราย

Fabelio.com มีโชว์รูม 10 แห่งที่ลูกค้าสามารถเห็นรูปลักษณ์ของผลิตภัณฑ์ สัมผัสวัสดุ ทดสอบเฟอร์นิเจอร์ และชำระเงินสำหรับการซื้อ นักการตลาดของ Fabelio กระตือรือร้นที่จะทราบว่าความพยายามทางการตลาดออนไลน์ของพวกเขามีส่วนช่วยในการขายในร้านค้าออฟไลน์อย่างไร และรับคำตอบสำหรับคำถามต่างๆ เช่น:

• ลูกค้าต้องใช้เวลานานเท่าใดในการตัดสินใจซื้อ?
• เวลานี้แตกต่างกันอย่างไรตามหมวดหมู่สินค้า?
• ช่องทางออนไลน์ใดมีอิทธิพลมากที่สุดต่อกระบวนการขายในขั้นตอนสุดท้ายก่อนการซื้อแบบออฟไลน์
• เฟอร์นิเจอร์ประเภทใดที่ได้รับความนิยมมากที่สุดสำหรับลูกค้าออนไลน์ที่ซื้อแบบออฟไลน์ภายหลัง
• ลูกค้ามักพบช่องทางติดต่อลูกค้าในเว็บไซต์กี่จุดก่อนตัดสินใจซื้อ
• พารามิเตอร์ทั้งหมดเหล่านี้แตกต่างกันอย่างไรสำหรับลูกค้าใหม่เทียบกับลูกค้าที่กลับมาซื้อซ้ำ?

พนักงานขายของ Fabelio.com จดชื่อ อีเมล และหมายเลขโทรศัพท์สำหรับผู้มาเยี่ยมชมโชว์รูมแต่ละคน นั่นเป็นเหตุผลที่บริษัทรู้อย่างแน่นอนเมื่อลูกค้าเยี่ยมชมร้านค้าออฟไลน์ แม้ว่าพวกเขาจะไม่ได้ซื้ออะไรก็ตาม นี่เป็นแหล่งข้อมูลเพิ่มเติม นอกจากนี้ยังก่อให้เกิดความท้าทายใหม่: วิธีสะท้อนข้อมูลนี้ในช่องทางการขาย และกำหนดว่าแหล่งที่มาออนไลน์ใดควรให้เครดิตสำหรับการเข้าชมออฟไลน์เหล่านี้

ในการสร้างการวิเคราะห์อัจฉริยะที่วัดอิทธิพลของการส่งเสริมการขายออนไลน์ต่อการขายออฟไลน์ ทีมงาน Fabelio.com ต้องเชื่อมโยงข้อมูลเกี่ยวกับกิจกรรมของผู้เยี่ยมชมเว็บไซต์กับข้อมูลเกี่ยวกับกิจกรรมของลูกค้าในโชว์รูม ในการสร้างการวิเคราะห์ที่ชาญฉลาด คุณต้องเลือกที่เก็บข้อมูลบนคลาวด์ที่เชื่อถือได้ซึ่งข้อมูลทั้งหมดที่คุณรวบรวมจะถูกจัดแนว สำหรับการจัดเก็บข้อมูลบนคลาวด์ Fabelio.com เลือก Google BigQuery BigQuery เป็นตัวเลือกที่สมบูรณ์แบบสำหรับบริษัทที่มีทรัพยากรจำกัด:

• มีราคาที่ยืดหยุ่นและค่อนข้างถูกเมื่อเทียบกับระบบที่คล้ายคลึงกัน
• ไม่จำเป็นต้องติดตั้งซอฟต์แวร์ใดๆ บนเซิร์ฟเวอร์ของคุณหรือฝึกอบรมพนักงานของคุณ ทักษะพื้นฐานของ SQL ก็เพียงพอแล้ว
• มีไลบรารี่ที่พร้อมใช้งานมากมายสำหรับการทำงานและการผสานรวมกับบริการอื่นๆ

ผู้เชี่ยวชาญด้านการตลาดของฟาเบลิโอได้กำหนดรูปแบบการรวบรวมข้อมูลใน Google BigQuery ดังต่อไปนี้:

ในการติดตามเหตุการณ์บนเว็บไซต์ Fabelio ใช้ Google Analytics (GA) ซึ่งเป็นหนึ่งในระบบวิเคราะห์ดิจิทัลที่ได้รับความนิยมสูงสุดทั่วโลกและในตลาดชาวอินโดนีเซีย บริษัทมีช่องทางอีคอมเมิร์ซที่เพิ่มประสิทธิภาพใน GA:

นอกเหนือจากการโต้ตอบหลักกับเว็บไซต์แล้ว ทีม Fabelio ยังติดตาม Conversion ย่อยต่างๆ:

ข้อมูลนี้ช่วยให้พวกเขาแบ่งกลุ่มลูกค้า สำรวจช่องทางการทำธุรกรรมอย่างลึกซึ้ง และประมาณการแหล่งที่มาของการเข้าชมได้อย่างแม่นยำ

ในการประเมินผลกระทบของช่องทางโฆษณาที่มีต่อการขาย เราจำเป็นต้องเปรียบเทียบรายได้และค่าใช้จ่ายสำหรับแต่ละช่องทาง ในการรวบรวมข้อมูลสำหรับการประมาณนี้ ทีมงาน Fabelio ได้สร้างการนำเข้าค่าใช้จ่ายอัตโนมัติไปยัง Google Analytics ด้วยความช่วยเหลือของ OWOX BI Pipeline ด้วยข้อมูลค่าใช้จ่ายนี้ นักการตลาดของ Fabelio สามารถวิเคราะห์ KPI สำหรับแคมเปญใน Google Ads (ซึ่งมีการผสานรวม GA) และบริการอื่นๆ:

ในการนำเข้าข้อมูลเกี่ยวกับการดำเนินการบนเว็บไซต์ของลูกค้าและค่าใช้จ่ายโฆษณาไปยัง Google BigQuery ทีม Fabelio ได้ใช้ OWOX BI Pipeline บริการนี้ส่ง Hit เดียวกันไปยัง Google Analytics และ Google BigQuery พร้อมกัน ด้วยเหตุนี้ ข้อมูลจะไม่ถูกสุ่มตัวอย่างและพร้อมสำหรับการวิเคราะห์ใน Google BigQuery เพียง 2 ถึง 5 นาทีหลังจากที่ส่งข้อมูล

Fabelio จัดเก็บข้อมูลลูกค้า คำสั่งซื้อ และการเยี่ยมชมโชว์รูมใน Magento CRM ในการเชื่อมโยงข้อมูลออฟไลน์และออนไลน์ ผู้เชี่ยวชาญของ Fabelio ได้อัปโหลดข้อมูล CRM รายวันไปยัง Google BigQuery ด้วยความช่วยเหลือของ Fluent Plugin

มีโซลูชันสำเร็จรูปพร้อมใช้งานแบบสาธารณะมากมายสำหรับการผสานรวม Google BigQuery กับระบบอื่นๆ ตัวอย่างเช่น OWOX BI มีสคริปต์ฟรีสองสามตัวเพื่อรวม CRM ของคุณกับที่เก็บข้อมูลบนคลาวด์

หลังจากที่รวบรวมข้อมูลทั้งหมดใน Google BigQuery แล้ว จำเป็นต้องจัดแนวข้อมูลในตารางเดียว นักวิเคราะห์ OWOX BI ช่วยนักการตลาดของฟาเบลิโอในการเตรียมชุดข้อมูลสำหรับคำสั่งซื้อออนไลน์และออฟไลน์ด้วยโครงสร้างที่ถูกต้อง

ในขั้นตอนสุดท้าย ทีม Fabelio ได้ใช้รูปแบบการระบุแหล่งที่มาตามช่องทาง ML รวมถึงคำสั่งซื้อออฟไลน์ เพื่อให้ทำงานได้อย่างถูกต้อง โมเดลพิเศษนี้จำเป็นต้องมีข้อมูลเกี่ยวกับการเข้าชมร้านค้าออฟไลน์ เพื่อให้ข้อมูลนี้ นักวิเคราะห์ของฟาเบลิโอได้เตรียมแหล่งข้อมูลเพิ่มเติมสำหรับการระบุแหล่งที่มาของเหตุการณ์ที่กำหนดเอง

ในการทำให้เสร็จสิ้น ทีมงานฟาเบลิโอต้องเริ่มการคำนวณ ด้วยเหตุนี้ บริษัทจึงมีช่องทางสำหรับการสั่งซื้อและการเข้าชมแบบออฟไลน์:

Fabelio.com มีรายงานอัตโนมัติที่ช่วยให้นักการตลาดค้นหาข้อมูลเชิงลึกและตัดสินใจได้อย่างถูกต้อง

นักการตลาดของ Fabelio สามารถเข้าถึงข้อมูลเชิงลึกต่อไปนี้ใน OWOX BI Smart Data:

1. การเปรียบเทียบมูลค่าแคมเปญโฆษณาตามรูปแบบการระบุแหล่งที่มาต่างๆ: GA Last Non-Direct Click และ ML Funnel-Based Attribution โดย OWOX BI

2. การกระจายมูลค่าข้ามแหล่งที่มาและช่องทางต่างๆ ในขั้นตอนช่องทางต่างๆ

นอกจากนี้ นักวิเคราะห์ OWOX BI ยังได้เตรียมแดชบอร์ดที่อัปเดตอัตโนมัติใน Data Studio สำหรับ Fabelio ในแดชบอร์ดนี้ นักการตลาดของ Fabelio สามารถกรองข้อมูลตามแหล่งที่มา หมวดหมู่ผลิตภัณฑ์ ประเภทลูกค้า สถานที่ซื้อ วิธีการชำระเงิน ชื่อโชว์รูม จำนวนวันตั้งแต่การเข้าชมครั้งแรกและเซสชันแรก เป็นต้น

แดชบอร์ดช่วยให้นักการตลาดของ Fabelio พบคำตอบสำหรับคำถามเหล่านี้:

1. ลูกค้ามักพบช่องทางติดต่อลูกค้าบนเว็บไซต์กี่จุดก่อนตัดสินใจซื้อ และจุดติดต่อเหล่านั้นทำกำไรได้มากน้อยเพียงใด

2. เซสชั่นแรกของลูกค้าที่ได้ทำการซื้อคือเมื่อใด
   

3. ลูกค้าพบช่องทางติดต่อลูกค้าโดยเฉลี่ยกี่จุดสำหรับสินค้าที่ซื้อบางหมวดหมู่?
   

4. ใช้เวลานานเท่าใดตั้งแต่การเข้าชมเว็บไซต์ครั้งแรกไปจนถึงการซื้อภายในหมวดหมู่ผลิตภัณฑ์ที่กำหนด

PS เพื่อนร่วมงานของเราที่ Fabelio.com ได้รับการสนับสนุนให้ใช้โซลูชันนี้หลังจากอ่านบทความ Omnichannel Retailing: เหตุใดและอย่างไรในการผสานรวมจุดสัมผัสลูกค้าออนไลน์และออฟไลน์ หากกรณีศึกษานี้สนับสนุนให้คุณพิจารณาการผสานรวมจุดติดต่อทางออนไลน์และออฟไลน์ คุณควรลองสร้างรายงาน ROPO ด้วยความช่วยเหลือของ OWOX BI คุณสามารถสัมผัสประสบการณ์ที่เป็นไปได้ทั้งหมดของ OWOX BI ในระหว่างการทดลองใช้ฟรี