วิธีคำนวณต้นทุนการจัดส่งและ ROMI โดยพิจารณาจากคำสั่งซื้อ

ความท้าทายทั่วไปสำหรับผู้ค้าปลีกคือต้นทุนในการจัดส่ง เนื่องจากบางครั้งอาจไม่ได้ผลกำไร คำสั่งซื้อบางรายการที่บริษัทจัดส่งโดยออกค่าใช้จ่ายเองไม่ได้ถูกซื้อโดยลูกค้า ณ จุดส่งมอบ ดังนั้น ลูกค้าของเราจึงตัดสินใจคำนวณว่าจริงๆ แล้วพวกเขาใช้จ่ายในการจัดส่งและโฆษณาในแต่ละภูมิภาคเป็นจำนวนเท่าใด

ในกรณีนี้ เราอธิบายโซลูชันที่จัดทำโดยทีม OWOX BI สำหรับร้านค้าปลีกแฟชั่นรายใหญ่ในช่วงกลางที่มีความท้าทายในการคำนวณต้นทุนการจัดส่งและ ROMI เมื่อพิจารณาคำสั่งซื้อ

ทีมการตลาดต้องการแก้ปัญหาหลักสองประการ:

1. เรียนรู้ ROMI ที่แท้จริงของแคมเปญโฆษณาโดยพิจารณาคำสั่งซื้อเพื่อจัดสรรงบประมาณข้ามช่องทางต่างๆ ได้อย่างมีประสิทธิภาพมากขึ้น
2. คำนวณค่าขนส่งตามภูมิภาคเพื่อค้นหาภูมิภาคที่ห่วงโซ่การส่งมอบสินค้าด้วยค่าใช้จ่ายของเราเองไม่ได้ผลกำไร และมุ่งเน้นการทำการตลาดในภูมิภาคอื่นๆ ที่มีแนวโน้มมากขึ้น

เพื่อดึงดูดการเข้าชมและเพิ่มการแปลง มีการใช้ช่องทางมากมาย เช่น การโฆษณาตามบริบท CPA (TrackAd) อีเมล และอื่นๆ ค่าโฆษณาคำนวณโดยใช้วิธีการต่างๆ และจัดเก็บไว้ในบริการต่างๆ นอกจากนี้ ผู้ค้าปลีกยังเสนอทางเลือกในการจัดส่งหลายแบบ และในบางกรณี จัดส่งคำสั่งซื้อด้วยค่าใช้จ่ายของตนเอง ค่าจัดส่งขึ้นอยู่กับภูมิภาคและน้ำหนักของการซื้อ นอกจากนี้ยังใช้เงินไปกับการโฆษณาในภูมิภาคต่างๆ ซึ่งจะทำให้ต้นทุนในการดำเนินการเพิ่มขึ้น ในการวิเคราะห์ต้นทุนการขายสินค้าในภูมิภาคต่างๆ เป็นประจำ แดชบอร์ดควรสร้างขึ้นจากข้อมูลจริง โดยคำนึงถึงคำสั่งซื้อ

เมื่อทำการสั่งซื้อออนไลน์ ลูกค้ามีตัวเลือกการชำระเงินหลายทาง: ชำระเงินบนเว็บไซต์ ผ่อนชำระ จ่ายเมื่อจัดส่งโดยผู้จัดส่ง หรือชำระเงินเมื่อไปรับสินค้าที่จุดรับสินค้า ในสองกรณีหลัง ลูกค้าสามารถทดลองสินค้าและเลือกซื้อเพียงส่วนหนึ่งของคำสั่งซื้อได้ ดังนั้น รายได้ที่สามารถเห็นได้จากใบสั่งซื้อที่สร้างบนเว็บไซต์จึงสูงกว่ารายได้จริงที่ได้รับจากใบสั่งซื้ออย่างมาก

ข้อมูลเกี่ยวกับใบสั่งซื้อที่จัดส่ง บรรจุ และซื้อจะถูกจัดเก็บไว้ในระบบต่างๆ เพื่อให้เข้าใจว่าผลิตภัณฑ์ใดถูกซื้อบ่อยที่สุด ไม่ว่าแคมเปญโฆษณาจะได้รับผลตอบแทนหรือไม่ และการส่งมอบไปยังภูมิภาคใดภูมิภาคหนึ่งสามารถสร้างผลกำไรได้หรือไม่ ทีมการตลาดจำเป็นต้องรวบรวมข้อมูลทั้งหมดของเราไว้ในรายงานฉบับเดียว

ในการตั้งค่าการวิเคราะห์ขั้นสูง เราหันไปหาพันธมิตรของเรา CROC ซึ่งเป็นผู้ผสานรวม B2B ที่ทำงานร่วมกับลูกค้าใน 42 ประเทศเป็นเวลาประมาณ 30 ปี ด้วยความช่วยเหลือของ OWOX BI ทีม CROC สามารถรวบรวมข้อมูลจากจุดสัมผัสต่างๆ และสร้างแดชบอร์ดที่ให้ข้อมูลที่ขาดหายไปแก่เรา

ตั้งแต่การชำระเงินจนถึงการซื้ออาจใช้เวลานานถึงสามสัปดาห์ ดังนั้นเราจึงใช้รายงานตามข้อมูลออนไลน์เพื่อทำการตัดสินใจด้านการปฏิบัติงานเกี่ยวกับการจัดสรรงบประมาณ:

อย่างไรก็ตาม การสั่งซื้อบนเว็บไซต์ไม่ได้ถูกซื้อทั้งหมด นี่เป็นปัญหาสำหรับผู้ค้าปลีกแฟชั่นส่วนใหญ่ โดยสรุปแล้ว ลูกค้าสามารถเลือกสินค้าที่มีมูลค่ารวม 500 ยูโร แต่ซื้อสินค้ามูลค่า 150 ยูโรเท่านั้น รายงานโดยอิงจากข้อมูลทั้งหมดจะแสดงภาพจริง: เปอร์เซ็นต์ของสินค้าที่ซื้อและจำนวนเงินที่ส่งถึงเราตามช่องทางเฉพาะ

ตัวอย่างเช่น หากคุณดู ROMI ของ bing/cpc ในรายงานแรก เราจะเห็นตัวเลข 419.46% และในวินาทีที่เราเห็น 115.97% ต่างกันเกือบ 3.5 เท่า

ดังนั้น ณ สิ้นเดือน ทีมการตลาดจะดูรายงานข้อมูลฉบับเต็มและปรับอัตราสำหรับเดือนถัดไปเพื่อพิจารณาความสามารถในการแลกใช้ รายงานเกี่ยวกับพารามิเตอร์การจัดส่งช่วยในการระบุว่าภูมิภาคใดมีคำสั่งซื้อมากกว่าและตัดภูมิภาคที่ไม่ทำกำไรออก:

การใช้รายงานเว็บไซต์และหมวดหมู่ นักการตลาดจะวิเคราะห์ว่าผลิตภัณฑ์ใดขายดีที่สุดในบางเว็บไซต์ เว็บไซต์ใดควรลงทุนมากกว่า และเว็บไซต์ใดใช้เวลาและไม่ก่อให้เกิดผลกำไร:

เนื่องจากผู้ค้าปลีกมีกิจกรรมมากมายเกี่ยวกับอีเมล จึงจำเป็นต้องทำความเข้าใจว่าแคมเปญใดทำงานได้ดีที่สุด และกระตุ้นให้ผู้ใช้ทำการซื้อจนเสร็จ ด้วยรายงานเกี่ยวกับข้อมูลของ MindBox นักการตลาดจึงสามารถเห็นทุกส่วนของช่องทางได้ตั้งแต่ส่งอีเมลถึงช่วงเวลาที่ซื้อ

ข้อมูลเชิงลึกที่ได้รับจากรายงานนี้:

1. อัตราการแปลงของอีเมลที่ส่งก่อนการซื้อจริงเฉลี่ย 0.2%
2. เปอร์เซ็นต์ที่ใหญ่ที่สุดของ Conversion มาจากลูกค้าที่ได้รับจดหมายเรียกสำหรับการดูผลิตภัณฑ์และรถเข็นที่ถูกละทิ้ง
3. ผู้ใช้บางคนสามารถเปิดอีเมลและทำการซื้อได้ภายในหกเดือนหลังจากได้รับอีเมล

ขั้นตอนที่ 1 . ตั้งค่าการสตรีมข้อมูลดิบโดยใช้ OWOX BI เพื่อถ่ายโอนข้อมูลจากเว็บไซต์ไปยัง Google BigQuery พร้อมกัน หลีกเลี่ยงการสุ่มตัวอย่างข้อมูล และสร้างรายงานด้วยพารามิเตอร์ที่มีอยู่ทั้งหมด

ขั้นตอนที่ 2 . ด้วยความช่วยเหลือของ OWOX BI นักการตลาดจึงตั้งค่าการนำเข้าข้อมูลต้นทุนโดยอัตโนมัติจากบริการโฆษณา เพื่อไม่ให้ข้อมูลถูกรวมเข้าด้วยกันในแต่ละครั้งด้วยตนเอง ด้วยวิธีนี้ ข้อมูลค่าใช้จ่ายจะถูกรวบรวมในที่เดียวและอยู่ในรูปแบบเดียว และอัปเดตเป็นประจำโดยอัตโนมัติ

ข้อมูลจาก Facebook และ Criteo จะถูกส่งไปยัง Google BigQuery โดยตรง การใช้การสตรีม Google Analytics → BigQuery (ข้อมูลต้นทุน) ทำให้สามารถรับข้อมูลค่าใช้จ่าย CPA ที่อัปโหลดไปยัง Google Analytics โดยบริการของบุคคลที่สามได้ ข้อมูลค่าใช้จ่าย Google Ads นำเข้ามาที่ BigQuery โดยใช้การผสานรวมแบบเนทีฟ

ขั้นตอนที่ 3 ตั้งค่าการอัปโหลดข้อมูลแคมเปญอีเมลโดยใช้การผสานรวมแบบกำหนดเองโดย OWOX BI

ขั้นตอนที่ 4 ด้วยโซลูชันของตัวเอง ให้กำหนดค่าการอัปโหลดข้อมูลธุรกรรมและการนำส่งจากระบบภายในไปยัง Google BigQuery

นี่คือโครงร่างของการรวบรวมและเคลื่อนย้ายข้อมูล:

ขั้นตอนที่ 5 ตั้งค่าการระบุแหล่งที่มา OWOX BI ตามช่องทางที่มีขั้นตอนการแปลงสองขั้นตอนที่แตกต่างกัน: การสั่งซื้อบนเว็บไซต์และการสั่งซื้อ ผลลัพธ์ที่ได้คือรายงานประสิทธิภาพของแคมเปญโฆษณาสองฉบับ: รายงานหนึ่งฉบับเกี่ยวกับข้อมูลออนไลน์และรายงานฉบับสมบูรณ์

ขั้นตอนที่ 6 แดชบอร์ดจำนวนมากถูกสร้างขึ้นเพื่อตอบคำถามที่สำคัญ

เป็นผลมาจากโครงการร่วมเพื่อกำหนดค่าการวิเคราะห์ขั้นสูง ทีมการตลาดสามารถสร้างรายงานที่ช่วยให้พวกเขาตอบคำถามที่ยังไม่ได้ตอบก่อนหน้านี้ได้ การคำนวณ ROMI จริงเมื่อพิจารณาคำสั่งซื้อ ช่วยให้พวกเขาสามารถกระจายงบประมาณระหว่างช่องทางต่างๆ ได้อย่างมีประสิทธิภาพ และการเข้าใจว่าการจัดส่งไปยังแต่ละภูมิภาคมีค่าใช้จ่ายเท่าใดจึงช่วยให้พวกเขาตัดสินใจว่าจะส่งไปยังภูมิภาคใดที่ไม่ทำกำไรด้วยค่าใช้จ่ายของตนเอง

ขั้นตอนต่อไปสำหรับทีมการตลาดคือการอัปโหลดข้อมูลการขายในร้านค้าออฟไลน์ให้เสร็จสิ้นเพื่อสร้างการวิเคราะห์ ROPO ซึ่งจะช่วยติดตามอย่างชัดเจนว่ากิจกรรมออนไลน์ส่งผลต่อการขายออฟไลน์อย่างไร บ่อยครั้ง แคมเปญที่ดูเหมือนไม่มีประสิทธิภาพทางออนไลน์จะนำลูกค้าไปยังร้านค้าออฟไลน์