วิธีวัดความสำเร็จของโฆษณาและเพิ่ม ROAS โดยการรวมข้อมูล

เนื่องจากธุรกิจเปลี่ยนไปใช้การดำเนินการออนไลน์และเข้าสู่โลกดิจิทัลใหม่มากขึ้นเรื่อยๆ นักการตลาดข้อมูลจึงต้องดำเนินการมากขึ้น ผู้ใช้ทางธุรกิจต้องการข้อมูลเชิงลึกคุณภาพสูงอย่างต่อเนื่องเพื่อประสิทธิภาพที่ประสบความสำเร็จ และกลายเป็นหนึ่งในความท้าทายหลักในการเปิดรับรูปแบบและโครงสร้างการวิเคราะห์ใหม่

ในกรณีนี้ เราอธิบายวิธีแก้ปัญหาโดยทีมงาน OWOX BI สำหรับผู้ให้บริการประกันภัยโดยตรงชั้นนำที่มีความท้าทายในการประเมินผลกระทบที่การโฆษณามีต่อการซื้อ

เนื่องจากบริษัทขายประกันผ่านทางอินเทอร์เน็ต ทางโทรศัพท์ และออฟไลน์ ลูกค้าสามารถค้นคว้าข้อมูลผลิตภัณฑ์ผ่านช่องทางหนึ่งและซื้อผ่านช่องทางอื่นได้ ตัวอย่างเช่น ลูกค้าสามารถเยี่ยมชมเว็บไซต์ของบริษัท คำนวณความครอบคลุม กรอกใบสมัครออนไลน์ จากนั้นไปที่สำนักงานจริงเพื่อทำการซื้อ ในกรณีเช่นนี้ เป็นการยากที่จะประเมินผลกระทบที่โฆษณามีต่อการซื้อ

ความท้าทายหลักคือการเพิ่มประสิทธิภาพการใช้จ่ายโฆษณาและรับผลตอบแทนจากการโฆษณาที่ดีขึ้นโดยใช้ระบบการประเมินประสิทธิภาพการโฆษณาที่ใช้งานได้ บริษัทต้องการวิธีในการรวมข้อมูลเกี่ยวกับต้นทุน รายได้ และการโต้ตอบกับผู้ใช้ทั้งทางออนไลน์และออฟไลน์

ข้อมูลเกี่ยวกับการโต้ตอบของผู้ใช้กับเว็บไซต์ ค่าโฆษณา และคำสั่งซื้อออฟไลน์ถูกรวบรวมไว้ในระบบต่างๆ:

• ข้อมูลจากเว็บไซต์ถูกรวบรวมใน Google Analytics;
• ข้อมูลเกี่ยวกับกรมธรรม์ที่ซื้อแบบออฟไลน์จะถูกเก็บไว้ในระบบ CRM ของบริษัท
• โดยทั่วไป ข้อมูลค่าใช้จ่ายที่ไม่ใช่ของ AdWords จะไม่ถูกเก็บรวบรวมใน Google Analytics ด้วยเหตุนี้ ROAS, ROI และส่วนแบ่งของค่าโฆษณาสำหรับแต่ละบริการโฆษณาจะถูกคำนวณแยกกัน

ข้อมูลทั้งหมดนี้ควรถูกรวมเข้าด้วยกันเพื่อประเมินการมีส่วนร่วมของการโฆษณาในการซื้อประกันอย่างถูกต้อง

ข้อมูลที่จำเป็นทั้งหมดถูกรวบรวมใน Google BigQuery โดยใช้ OWOX BI Pipeline และนำรูปแบบการระบุแหล่งที่มาตามช่องทาง การคลิกที่ไม่ใช่โดยตรงครั้งสุดท้าย และคลิกแรกมาใช้ ถัดไป สร้างรายงานเพื่อเปรียบเทียบข้อมูลประสิทธิภาพแคมเปญที่ได้รับผ่านรูปแบบการระบุแหล่งที่มาแต่ละรูปแบบ

ผังงานการรวบรวมและการรวมข้อมูลแสดงไว้ด้านล่าง:

มาดูแต่ละขั้นตอนที่บริษัทใช้ในการประเมินแคมเปญโฆษณาอย่างละเอียดยิ่งขึ้นกันดีกว่า: ข้อมูลที่พวกเขารวมเข้าด้วยกัน ในลักษณะใด และผลลัพธ์ที่ได้เป็นอย่างไร

บริษัทเลือกที่เก็บข้อมูลบนคลาวด์ของ Google BigQuery เพื่อรวมข้อมูลเกี่ยวกับกิจกรรมในสถานที่ของลูกค้ากับข้อมูลเกี่ยวกับการซื้อประกันออฟไลน์ บริการได้รับเลือกสำหรับความสามารถในการประมวลผลข้อมูล: สามารถประมวลผลข้อมูลเทราไบต์ในไม่กี่วินาที ข้อมูลระดับเพตะไบต์ - ภายในไม่กี่นาที สิ่งนี้ทำให้ Google BigQuery เป็นบริการที่สมบูรณ์แบบสำหรับการวิเคราะห์ที่ซับซ้อนและงานการรายงาน ประโยชน์อีกประการของการใช้ Google BigQuery คือความปลอดภัยสูง เนื่องจากข้อมูลจะได้รับการเข้ารหัสโดยอัตโนมัติ ดูข้อมูลเพิ่มเติมเกี่ยวกับประโยชน์ของการใช้ Google BigQuery ได้จากเว็บไซต์ของบริการ

OWOX BI Pipeline ได้รับเลือกสำหรับการรวบรวมข้อมูลด้วยเหตุผลดังต่อไปนี้:

• ข้อมูลจะถูกรวบรวมแบบเกือบเรียลไทม์และพร้อมใช้งานภายใน 5 นาที
• ไม่มีการจำกัดจำนวนมิติข้อมูลและเมตริกในการรายงาน OWOX BI Pipeline อนุญาตให้สร้างรายงานของรายละเอียดใดๆ โดยใช้ไวยากรณ์ที่เหมือน SQL เพื่อสืบค้นข้อมูลดิบ ใน Google Analytics เพียงอย่างเดียว มีมิติข้อมูลและเมตริกบางอย่างที่ไม่สามารถรวมเป็นรายงานเดียวได้ มีการจำกัดจำนวนมิติข้อมูลและเมตริกในรายงาน: 2 มิติข้อมูลในรายงานมาตรฐาน 5 มิติข้อมูลในรายงานที่กำหนดเอง และ 7 มิติในคำขอ Core v3 ยิ่งกว่านั้น เป็นไปไม่ได้ที่จะวิเคราะห์ค่าโฆษณาสำหรับผู้ใช้แต่ละราย สำหรับข้อมูลเพิ่มเติมเกี่ยวกับขีดจำกัดและโควต้า โปรดดูคู่มือนักพัฒนา Google
• ข้อมูลที่นำเข้าไปยัง Google BigQuery จะไม่มีการสุ่มตัวอย่างโดยไม่คำนึงถึงปริมาณ

ข้อมูลเพิ่มเติมเกี่ยวกับความแตกต่างระหว่าง Google BigQuery Export สำหรับ Google Analytics 360 และ OWOX BI Pipeline สามารถพบได้ในบล็อกโพสต์ของเรา

ข้อมูลเกี่ยวกับการซื้อประกันจะถูกอัปโหลดจากระบบ CRM ไปยัง Google BigQuery โดยใช้คำขอ POST

• ข้อมูลค่าใช้จ่ายสำหรับแคมเปญ AdWords จะถูกเก็บรวบรวมโดยอัตโนมัติใน Google Analytics เนื่องจากการผสานรวมแบบเนทีฟระหว่าง Google Analytics และ Google AdWords
• ข้อมูลค่าใช้จ่ายสำหรับช่องทางการตลาดอื่นๆ จะถูกนำเข้าไปยัง Google Analytics โดย OWOX BI Pipeline
• ข้อมูลสำหรับแชแนลทั้งหมดจะถูกนำเข้าไปยัง Google BigQuery จาก Google Analytics ซึ่งช่วยให้สามารถคำนวณ ROAS, ROI และส่วนแบ่งค่าโฆษณาที่เกี่ยวข้องกับการซื้อได้ ไม่ใช่แค่กับแอปพลิเคชันออนไลน์เท่านั้น

หลังจากรวบรวมข้อมูลใน Google BigQuery แล้ว ทีมการตลาดได้สร้างรูปแบบการระบุแหล่งที่มาหลายแบบเพื่อวัดว่าโฆษณาดึงดูดลูกค้าใหม่ๆ ได้ดีเพียงใด (รูปแบบการระบุแหล่งที่มาของคลิกแรก) และกระตุ้นการซื้อ (รูปแบบการระบุแหล่งที่มาของคลิกที่ไม่ใช่โดยตรงครั้งสุดท้าย)

การระบุแหล่งที่มาตามช่องทางโดย OWOX BI ได้รับเลือกให้เป็นแบบที่สาม ซึ่งเป็นรูปแบบการระบุแหล่งที่มาที่มีวัตถุประสงค์มากที่สุด ในรูปแบบนี้ แต่ละช่องทางจะได้รับเครดิตโดยขึ้นอยู่กับการมีส่วนร่วมในความคืบหน้าของลูกค้าผ่านช่องทางการซื้อ เซสชันจะได้รับการประเมินโดยพิจารณาจากความน่าจะเป็นที่ลูกค้าจะก้าวไปสู่ขั้นตอนต่อไปภายในช่องทาง ยิ่งมีความน่าจะเป็นสูง เซสชันก็ยิ่งให้เครดิตน้อยลงเท่านั้น ซึ่งช่วยให้ผู้ใช้ดำเนินการตามขั้นตอนต่างๆ ได้ ยิ่งความน่าจะเป็นต่ำลงเท่าใด เซสชันก็ยิ่งได้รับเครดิตมากขึ้นเท่านั้น ผลการคำนวณภายในรูปแบบการระบุแหล่งที่มาตามช่องทางมีอยู่ใน Google BigQuery และอินเทอร์เฟซ OWOX BI รายงานจะแสดงอัตราการแปลง (การแปลงสัมบูรณ์) ความน่าจะเป็น และมูลค่าของแต่ละขั้นตอนที่ผู้ใช้ใช้ในการซื้อ ดูตัวอย่างด้านล่าง:

• อัตรา Conversion ของขั้นตอน คือเปอร์เซ็นต์ของเซสชันที่มีการดูขั้นตอนที่กำหนด ตัวอย่างเช่น อัตราการแปลง 34% ในขั้นตอนที่ 2 หมายความว่า 34% ของจำนวนผู้เข้าชมเว็บไซต์ทั้งหมดที่เข้ามายังขั้นตอนนี้
• ความน่าจะ เป็นคือเปอร์เซ็นต์ของเซสชันที่ผู้เข้าชมไปยังขั้นตอนที่กำหนดจากขั้นตอนก่อนหน้า ในตัวอย่างนี้ ขั้นตอนที่ 4 มีความน่าจะเป็น 10% ซึ่งหมายความว่า 10% ของผู้เข้าชมไปยังขั้นตอนที่ 4 จากขั้นตอนที่ 3
• มูลค่า คำนวณดังนี้ ขั้นแรก แต่ละขั้นตอนจะได้คะแนนตามสัดส่วนผกผันกับความน่าจะเป็น จากนั้น คะแนนของขั้นตอนจะถูกหารด้วยผลรวมของคะแนนภายในช่องทาง ยิ่งผู้ใช้ดำเนินการตามขั้นตอนของช่องทางยากขึ้นเท่าใด มูลค่าก็จะยิ่งสูงขึ้นเท่านั้น

OWOX BI Smart Data ถูกใช้เพื่อปรับปรุงการทำงานกับข้อมูลที่ได้รับทั้งหมด เครื่องมือนี้ช่วยให้สามารถถามคำถามกับข้อมูลเป็นภาษาอังกฤษได้ ไม่จำเป็นต้องมีคำสั่ง SQL เทมเพลตคำถามทำให้สามารถรับคำตอบได้ในเวลาไม่กี่วินาที

เมื่อทำตามขั้นตอนข้างต้นเสร็จสิ้น บริษัทได้รับแดชบอร์ดที่แสดงทั้งมูลค่าที่แท้จริงของแต่ละช่องทางและวิธีกระจายค่านี้ตามขั้นตอนของช่องทางบนอุปกรณ์ประเภทต่างๆ

กราฟด้านล่างแสดงให้เห็นว่าขั้นตอนช่องทางเดียวกันสามารถมีค่าต่างกันในอุปกรณ์ต่างๆ ขั้นตอนที่มีค่าที่สุดบนแท็บเล็ตคือการเยี่ยมชมเว็บไซต์เป็นครั้งแรก การนำทางผ่านขั้นตอนที่ 2 และขั้นตอนที่ 3 เป็นกุญแจสำคัญสำหรับอุปกรณ์มือถือ สำหรับเซสชันบนคอมพิวเตอร์เดสก์ท็อปและเซสชันข้ามอุปกรณ์ ค่าจะถูกกระจายอย่างเท่าเทียมกันมากขึ้น

นี่แปลว่าอะไร? ตัวอย่างเช่น ผู้ใช้แท็บเล็ตมีโอกาสน้อยที่จะดำเนินการขั้นตอนแรก กล่าวคือ เยี่ยมชมเว็บไซต์ ซึ่งหมายความว่าโฆษณาที่กำหนดเป้าหมายไปที่อุปกรณ์แท็บเล็ตควรเน้นที่การดึงดูดผู้เข้าชมเว็บไซต์ใหม่

ค่าของช่องในรูปแบบคลิกแรกและคลิกที่ไม่ใช่โดยตรงครั้งสุดท้ายได้รับการคำนวณเพื่อระบุแชแนลที่ประเมินค่าต่ำเกินไปและประเมินค่าสูงเกินไป จัดสรรงบประมาณการโฆษณาใหม่อย่างมีประสิทธิภาพมากขึ้น และเปรียบเทียบกับผลลัพธ์ที่ได้รับในรูปแบบการระบุแหล่งที่มาตามช่องทาง

รูปแบบการระบุแหล่งที่มาของคลิกที่ไม่ใช่โดยตรงครั้งสุดท้ายและคลิกสุดท้ายไม่สามารถให้มุมมองที่ถูกต้องของประสิทธิภาพของแคมเปญได้ เนื่องจาก Google Analytics ไม่มีข้อมูลเกี่ยวกับกรมธรรม์ที่ซื้อแบบออฟไลน์ ผู้ใช้สามารถเข้าสู่ช่องทางออนไลน์ได้เพียงครึ่งทางเท่านั้น จากนั้นจึงเข้าถึงและซื้อผลิตภัณฑ์แบบออฟไลน์ นั่นเป็นสาเหตุที่โมเดลถูกนำไปใช้และแสดงภาพโดยใช้ Google BigQuery และ Google Data Studio ตามลำดับ

การสร้างแดชบอร์ดใน Google Data Studio ทำให้บริษัทสามารถตรวจสอบและเปรียบเทียบประสิทธิภาพของแคมเปญสำหรับรูปแบบการระบุแหล่งที่มาที่ได้รับความนิยมสูงสุด 2 รูปแบบ ได้แก่ First Click ซึ่งมุ่งเน้นที่ความพยายามในการได้มา และ Last Non-Direct Click ที่มุ่งไปที่ความพยายาม ซื้อ. มีการรายงาน KPI รายเดือนในรูปแบบที่อ่านง่าย

ตัวอย่างเช่น หน้ารายงานที่แสดงด้านล่างจะเปรียบเทียบการกระจายรายได้และ ROAS ในช่องทางต่างๆ เมื่อเปรียบเทียบประสิทธิภาพของช่องในรูปแบบการระบุแหล่งที่มา 2 รูปแบบที่แตกต่างกัน จะเห็นได้ว่าตัวเลขสำหรับ ROAS และส่วนแบ่งรายได้สำหรับช่องนั้นเกือบจะเหมือนกันในทั้งสองรูปแบบ ซึ่งหมายความว่าช่องทางเหล่านี้เกือบจะเหมาะสมพอๆ กันสำหรับทั้งการดึงดูดผู้ใช้และผลักดันให้ปิดดีล

• หลังจากที่รวบรวมและประมวลผลข้อมูลโดยอัตโนมัติทั้งหมด เนื่องจากการใช้ OWOX BI และผลิตภัณฑ์ Google ทีมงานของบริษัทจึงไม่จำเป็นต้องนำเข้าข้อมูลด้วยตนเอง ข้อมูลทั้งหมดมีอยู่ในอินเทอร์เฟซเดียว และผู้เชี่ยวชาญด้านการตลาดสามารถเข้าถึงข้อมูลที่ต้องการได้อย่างรวดเร็ว
• รูปแบบการระบุแหล่งที่มาแบบอิงช่องทางช่วยให้ประเมินช่องทางการตลาดตามวัตถุประสงค์และเชื่อถือได้มากขึ้น
• ทีมงานคำนวณว่าช่องทางการโฆษณาเครดิตจะได้รับในรูปแบบการระบุแหล่งที่มาคลิกแรก/คลิกสุดท้าย เมื่อเปรียบเทียบผลลัพธ์กับรูปแบบการระบุแหล่งที่มาตามช่องทาง ระบบจะระบุแชแนลที่ประเมินค่าต่ำเกินไปและประเมินค่าสูงเกินไป และจัดสรรงบประมาณการโฆษณาใหม่ได้อย่างมีประสิทธิภาพมากขึ้น

กราฟด้านบนเปรียบเทียบค่าของช่องที่ได้รับในรูปแบบการระบุแหล่งที่มาต่างๆ การมีส่วนร่วมของช่องที่ 5 นั้นประเมินค่าต่ำไปอย่างมากในรูปแบบการระบุแหล่งที่มาแบบไม่ใช่โดยตรงครั้งสุดท้าย ตามรูปแบบการระบุแหล่งที่มาตามช่องทาง มี ROAS สูงขึ้น 100% และส่งผลอย่างมากต่อ Conversion สุดท้าย ช่องทางอื่น ๆ ส่วนใหญ่มีมูลค่าสูงเกินไป จากการค้นพบนี้ บริษัทสามารถจัดสรรงบประมาณโฆษณาใหม่จากแคมเปญโฆษณาที่มีมูลค่าสูงเกินไปไปยังแคมเปญที่ประเมินราคาต่ำเกินไป ทำให้การโฆษณามีประสิทธิภาพมากขึ้นโดยไม่มีค่าใช้จ่ายเพิ่มเติม