การวิเคราะห์ ROPO: ทำไมคุณถึงต้องการและดำเนินการอย่างไร

ลองนึกภาพว่าคุณทำได้ดีมาก แต่ทำได้น้อยกว่าที่คาดไว้ถึง 40 เปอร์เซ็นต์ เพียงเพราะคุณไม่สามารถพิสูจน์ผลลัพธ์ของความพยายามของคุณได้ สิ่งเดียวกันนี้จะเกิดขึ้นกับนักการตลาดอินเทอร์เน็ตแบบ Omnichannel ที่ไม่ได้ทำการวิเคราะห์ ROPO แต่การตลาดออนไลน์ที่ประเมินค่าต่ำเกินไปในกรณีนี้เป็นปัญหาเพียงครึ่งเดียว บริษัทที่ไม่ติดตามความสัมพันธ์ระหว่างพฤติกรรมของลูกค้าทางออนไลน์และออฟไลน์จะเสี่ยงต่อการลดยอดขาย ตัวอย่างเช่น การปิดโฆษณาที่ไม่เห็นผลในแวบแรก

ในบทความนี้ เราจะอธิบายว่าการวิเคราะห์ ROPO คืออะไรและมีประโยชน์อย่างไรต่อธุรกิจของคุณ เราจะบอกวิธีเชื่อมโยงพฤติกรรมของผู้ใช้บนไซต์กับการซื้อที่ร้านค้าปลีกโดยใช้ OWOX BI ข้อมูลที่จำเป็นสำหรับรายงาน ROPO และวิธีการสร้าง

เริ่มจากทฤษฎีกันก่อน ROPO (การวิจัยออนไลน์ ซื้อออฟไลน์) อธิบายพฤติกรรมของลูกค้าที่ค้นหาผลิตภัณฑ์บนอินเทอร์เน็ตและซื้อจากหน้าร้านจริง มีสาเหตุหลายประการที่ลูกค้าทำเช่นนี้:

ใน Consumer Barometer คุณยังสามารถจัดเรียงข้อมูลตามประเภทผลิตภัณฑ์ เช่น อุปกรณ์อิเล็กทรอนิกส์หรือสินค้าอุปโภคบริโภค เพื่อรับข้อมูลที่เกี่ยวข้องกับธุรกิจของคุณ

วิธีที่คุณควรใช้ผลการวิเคราะห์ ROPO ขึ้นอยู่กับเป้าหมายที่คุณต้องการบรรลุ คุณต้องการค้นหาประสิทธิภาพที่แท้จริงของช่องทางออนไลน์ของคุณ ปรับปรุงแคมเปญโฆษณาและประหยัดเงิน เพิ่มยอดขายออนไลน์หรือออฟไลน์ หรือเพิ่มผลกำไรหรือไม่? ลองพิจารณาแต่ละเป้าหมายเหล่านี้โดยละเอียด

ดังนั้น คุณจึงมั่นใจได้ว่าผู้ใช้ที่ศึกษาสินค้าในไซต์ของคุณเป็นจำนวนมากเพียงพอจะซื้อพวกเขาในร้านค้าปลีก ด้วยเหตุนี้ จึงเป็นเรื่องยากที่จะคำนวณ Conversion ที่แน่นอนและการคืนทุนของการโฆษณาออนไลน์ ซึ่งอาจนำไปสู่การตัดสินใจที่ไม่ดี

หากผลิตภัณฑ์ขายได้ไม่ดีทางออนไลน์ อย่ารีบลบออกจากไซต์หรือปิดแคมเปญโฆษณา อาจกลายเป็นว่ายอดขายของผลิตภัณฑ์นี้ออฟไลน์สูงกว่าออนไลน์สามเท่า เปรียบเทียบกิจกรรมของผู้เยี่ยมชมเว็บไซต์กับการซื้อสินค้าในร้านค้าจริง และคุณจะพบว่าคุณกำลังเสียเงินหรือนั่งอยู่บนเหมืองทองคำ

เมื่อคุณกำหนดส่วนแบ่งของการขาย ROPO คุณสามารถดำเนินการคำนวณ ROAS ของช่องทางการโฆษณาหรือแคมเปญตามการซื้อออฟไลน์ได้ นี่อาจแสดงภาพที่แตกต่างไปจากเดิมอย่างสิ้นเชิง

โดยการศึกษาเส้นทางของลูกค้าเท่านั้นที่จะทำให้แคมเปญโฆษณามีประสิทธิภาพมากที่สุด สมมติว่าคุณได้กำหนดค่าอีเมลอัตโนมัติสำหรับตะกร้าสินค้าที่ถูกละทิ้ง ลูกค้าบางรายอาจใช้ตะกร้าสินค้าเป็นรายการซื้อของแล้วไปเลือกซื้อของที่หน้าร้านจริง คุณสามารถแยกพวกเขาออกจากอีเมลเตือนความจำเหล่านี้และประหยัดเงินได้ด้วยการระบุผู้ใช้ดังกล่าว

ผู้ที่ดูไซต์ของคุณก่อนที่จะซื้อมักจะใช้จ่ายมากกว่าผู้ที่ไม่ทำ
เมื่อพิจารณาแล้วว่าผลิตภัณฑ์ใดบนไซต์ของคุณขายดีตามหลักการ ROPO คุณสามารถมุ่งเน้นที่การส่งเสริมผลิตภัณฑ์เหล่านั้น และเพิ่มผลกำไรของคุณ

หากคุณทำการวิเคราะห์ ROPO และพบว่าลูกค้าของคุณต้องการซื้อผลิตภัณฑ์บางอย่างในร้านค้าปลีก คุณควรคิดว่ามีอะไรผิดปกติกับเว็บไซต์ของคุณ ทำไมลูกค้าไม่ — หรือทำไมลูกค้าถึงซื้อไม่ได้ — แทนที่จะไปที่ร้านของคุณ (หวังว่า) หรือแม้แต่กับคู่แข่งของคุณ อาจมีสาเหตุหลายประการสำหรับพฤติกรรมนี้:

• ราคาออนไลน์และออฟไลน์แตกต่างกัน
• ไม่มีฟังก์ชันบางอย่างบนเว็บไซต์ เช่น ไม่สามารถผ่อนชำระได้
• การจัดส่งใช้เวลานานเกินไป
• มีอินเทอร์เฟซที่ซับซ้อนหรือกระบวนการชำระเงินที่ยาวนาน

หลังจากตรวจสอบพฤติกรรมของผู้ใช้อย่างละเอียดแล้ว คุณจะสามารถเข้าใจสิ่งที่ขัดขวางไม่ให้พวกเขาทำการซื้อบนไซต์และแก้ไขได้โดย:

• มอบส่วนลดในร้านค้าออนไลน์
• เสนอการรับประกันเพิ่มเติมหรือจัดส่งฟรีหรือรวดเร็ว
• ให้ช่องทางการชำระเงินที่สะดวก
• เพิ่มส่วนที่มีคำถามที่พบบ่อย
• ให้ข้อมูลเกี่ยวกับวิธีการติดต่อคุณ

กล่าวโดยย่อ คุณสามารถปรับเว็บไซต์ของคุณให้เข้ากับเส้นทางที่กำหนดเองของลูกค้าได้

มีสองวิธีในการประเมินผลกระทบของการโฆษณาออนไลน์ต่อการขายออฟไลน์ อันดับแรกขึ้นอยู่กับการระบุผู้ใช้เฉพาะและเชื่อมโยงการกระทำของผู้เยี่ยมชมไซต์กับการซื้อในหน้าร้านจริง เห็นได้ชัดว่าสิ่งนี้จะเกิดขึ้น ผู้ใช้ต้องได้รับอนุญาต

วิธีที่สองเรียกว่าฟิวชั่นข้อมูลที่ไม่มีตัวตน คุณสามารถใช้การผสมผสานข้อมูลที่ไม่ใช่ข้อมูลส่วนบุคคลเพื่อประเมินผลกระทบของการโฆษณาทางโทรทัศน์ต่อการขายออฟไลน์ หรือในกรณีที่ไซต์ของคุณไม่อนุญาตให้ผู้ใช้ลงทะเบียน งานที่คล้ายกันมีไว้สำหรับผู้ที่โฆษณาผลิตภัณฑ์ที่ขายใน Amazon หรือตลาดอื่นๆ บน Facebook ในกรณีเช่นนี้ เป็นไปไม่ได้ที่จะเชื่อมโยงการแปลงจากโฆษณาและการดูแบนเนอร์กับคำสั่งซื้อสำหรับผู้ใช้เฉพาะ ปัญหานี้แก้ไขได้โดยใช้ความสัมพันธ์ทางอ้อม นี่เป็นหัวข้อสำหรับบทความแยกต่างหาก หากคุณสนใจบทความเกี่ยวกับความสัมพันธ์ทางอ้อม โปรดแจ้งให้เราทราบในความคิดเห็น

ในบทความนี้ เราจะเน้นที่การระบุผู้ใช้เฉพาะ ซึ่งเป็นสิ่งสำคัญสำหรับธุรกิจใดๆ การทำเช่นนี้เป็นการประมาณประสิทธิภาพของการโฆษณาออนไลน์โดยพิจารณาจากการกระทำของผู้ใช้ทั้งทางออนไลน์และออฟไลน์

ขั้นตอนหลักของการระบุผู้ใช้:

1. รวมข้อมูลออนไลน์กับข้อมูลธุรกรรมจาก CRM ของคุณ
2. ระบุส่วนของการซื้อ ROPO และทำความเข้าใจส่วนแบ่งของการซื้อเหล่านี้ที่เกี่ยวข้องกับการขายออนไลน์และออฟไลน์
3. สร้างแดชบอร์ดสำหรับการตรวจสอบข้อมูลระดับสูงและการเปลี่ยนแปลง
4. สร้างตารางโดยละเอียดสำหรับหน่วยงานเพื่อให้สามารถใช้ข้อมูล ROPO ในการวางแผนสื่อและติดตามผลลัพธ์ได้
5. ค้นหาคำตอบสำหรับคำถามเหล่านี้: ผู้ซื้อ ROPO สั่งซื้อผ่านเว็บไซต์หรือไม่ อะไรทำให้พวกเขาไม่สามารถสั่งซื้อบนเว็บไซต์ได้ในตอนแรก คุณจะประหยัดรีมาร์เก็ตติ้งให้กับลูกค้าเหล่านี้ได้อย่างไร

เราขอแนะนำให้รวมข้อมูลจากเว็บไซต์ของคุณ ข้อมูลเกี่ยวกับต้นทุนแคมเปญโฆษณา และข้อมูลจาก CRM ของคุณใน Google BigQuery ในการดำเนินการนี้ คุณสามารถใช้ Power BI, Google Data Studio, Amazon Redshift หรือเครื่องมืออื่นๆ ธุรกิจขนาดเล็กสามารถส่งออกข้อมูลไปยัง Google ชีตได้ อย่างไรก็ตาม คุณควรเข้าใจว่าการประมวลผลข้อมูลอัตโนมัติอาจล้มเหลวด้วยเหตุผลที่ไม่ชัดเจนและไม่คาดคิด ดังนั้น คุณจำเป็นต้องใช้กลไกที่ทำงานได้อย่างน่าเชื่อถือและไม่ทำให้คุณเสียสมาธิจากการมองหาข้อมูลเชิงลึกและการนำข้อมูลไปใช้

Google BigQuery นั้นดีเพราะไม่ต้องลงทุนในฮาร์ดแวร์ เช่นเดียวกับ SaaS อื่นๆ ทำให้ง่ายต่อการรวมข้อมูลโดยไม่คำนึงถึงปริมาณ ซึ่งหมายความว่าเมื่อปริมาณข้อมูลของคุณเพิ่มขึ้น คุณไม่จำเป็นต้องเปลี่ยนคำขอและการตั้งค่าทั้งหมดของคุณ และถ้าคุณมีข้อมูลไม่มาก คุณก็จะไม่ต้องจ่ายเงินมากในการประมวลผล
นอกจากนี้ BigQuery ยังรองรับการประมวลผลข้อมูลใหม่อีกด้วย หากลูกค้าทำการสั่งซื้อแบบออฟไลน์แล้วไปที่ไซต์และเข้าสู่ระบบ คุณสามารถรวมการดำเนินการทั้งหมดของพวกเขาย้อนหลังได้ ไม่สามารถทำได้ด้วย Google Analytics

คุณส่งออกข้อมูลพฤติกรรมผู้ใช้จาก Google Analytics ไปยัง Google BigQuery ได้โดยใช้การส่งออกมาตรฐาน สำหรับผู้ที่ใช้ Google Analytics เวอร์ชันฟรี เราขอแนะนำ OWOX BI Pipeline เพื่อรวบรวมข้อมูลดิบที่ไม่ได้เก็บตัวอย่างจากไซต์ของคุณใน BigQuery คุณสามารถทำความคุ้นเคยกับโครงสร้างของข้อมูลนี้ได้ในศูนย์ช่วยเหลือของเรา

จำเป็นต้องตรวจสอบข้อมูลต้นทาง คุณต้องกำหนดค่าและโอนจากเว็บไซต์ไปยัง ID ผู้ใช้ Google Analytics (หรือ ID ผู้ใช้ทั่วไปอื่น) เนื่องจากข้อมูลจะเชื่อมต่ออย่างแม่นยำด้วย ID นี้ สิ่งสำคัญคือต้องมีข้อมูลดังกล่าวในตารางทั้งสองและถูกต้อง นั่นคือ สำหรับผู้ใช้ที่ได้รับอนุญาตแต่ละราย ควรส่ง User ID ไปยังทั้งมิติข้อมูลที่กำหนดเองและพารามิเตอร์ & uid

ตรวจสอบให้แน่ใจว่าไม่มีผู้ใช้หลายคนใช้ ID เดียวกัน ตรวจสอบเปอร์เซ็นต์ของผู้ใช้ที่มี User ID และค่าต่างๆ ในช่วงเวลาหนึ่งเพื่อดูว่ามีสิ่งผิดปกติหรือไม่ ด้วยเหตุนี้ จึงเป็นไปได้ที่จะสร้างกลุ่มผู้ใช้ที่มีรหัสใน Google Analytics และดูว่ากลุ่มนี้มีความสัมพันธ์กับจำนวนผู้ใช้ทั้งหมดอย่างไร

ตรวจสอบความผิดปกติในข้อมูลเกี่ยวกับจำนวนเซสชัน ผู้ใช้ ธุรกรรม และรายได้ตามวันและตามแหล่งที่มาของการเข้าชม วิธีที่ง่ายที่สุดในการทำเช่นนี้คือในอินเทอร์เฟซ GA คุณสามารถใช้ช่วงเวลาหลายเดือนและดูภาพรวมผู้ชมมาตรฐาน การเข้าชมทั้งหมด แหล่งที่มา/สื่อ ภาพรวมอีคอมเมิร์ซ และรายงานอื่นๆ ตรวจสอบว่ารายงานเหล่านี้มีจุดสูงสุดหรือความล้มเหลวที่ไม่สมเหตุสมผลหรือไม่

คุณสามารถนำเข้าคำสั่งซื้อจาก CRM ไปยัง Google BigQuery ได้ครั้งเดียวหรือตั้งค่าการอัปโหลดข้อมูลอัตโนมัติเพื่อคำนวณส่วนแบ่งของการซื้อ ROPO เป็นประจำ

ตารางที่อัปโหลดจาก CRM ของคุณควรมีอย่างน้อย:

• วันที่ทำรายการ
• รหัสธุรกรรม
• ราคาสั่งซื้อ
• ID ผู้ใช้

ฟิลด์เพิ่มเติมที่จะช่วยให้คุณได้รับรายงานในส่วนเพิ่มเติม:

• เมือง
• รหัสสินค้า
• จำนวนรายการในการสั่งซื้อ
• ราคาของแต่ละรายการ
• ประเภทการชำระเงิน
• ประเภทการจัดส่ง
• สถานะการสั่งซื้อ

ด้วยข้อมูล CRM โปรดใส่ใจกับ:

• ความพร้อมใช้งานของฟิลด์ที่จำเป็นทั้งหมด
• มีข้อมูลตลอดทั้งวัน
• รูปแบบที่เปรียบเทียบได้สำหรับวันที่ รายได้ และเมือง
• การแสดงตนของพารามิเตอร์ ID ผู้ใช้ในธุรกรรมทั้งหมด
• ธุรกรรมที่ซ้ำกัน

หากคุณต้องการไม่เพียงแต่ค้นหาส่วนแบ่งของการซื้อ ROPO เท่านั้น แต่ยังต้องคำนวณ ROAS ด้วย คุณจะต้องใช้ข้อมูลต้นทุนจากแหล่งโฆษณาของคุณ คุณสามารถนำเข้าค่าใช้จ่ายจากบริการต่างๆ ไปยัง Google Analytics จากนั้นอัปโหลดไปยัง Google BigQuery เป็นสตรีมเดียวโดยใช้ OWOX BI Pipeline
ข้อมูลทั้งหมดของคุณสามารถรวมกันได้ตามรูปแบบนี้:

OWOX BI เสนอช่วงทดลองใช้งานฟรี ในช่วงเวลานี้ คุณสามารถตั้งค่าการรวบรวมข้อมูลในโครงการ Google BigQuery ของคุณเพื่อสร้างรายงานเกี่ยวกับ ROPO และตัวชี้วัดทางการตลาดอื่นๆ

หลังจากที่คุณรวบรวมข้อมูลทั้งหมดใน Google BigQuery แล้ว คุณต้องลิงก์ข้อมูลนั้น คุณสามารถใช้รหัสผู้ใช้ได้ นี่คือตัวระบุเฉพาะที่คุณกำหนดให้กับผู้ใช้แต่ละรายในฐานข้อมูลของคุณและเชื่อมโยงกับที่อยู่อีเมลของผู้ใช้หรือบัตรสะสมคะแนน เมื่อผู้ใช้เข้าสู่เว็บไซต์ของคุณและเข้าสู่ระบบ — ตัวอย่างเช่น ป้อนบัญชีส่วนตัว — ID ผู้ใช้ของพวกเขาจะถูกโอนไปยัง Google Analytics (หากคุณมีการกำหนดค่าฟังก์ชันนี้ใน GA)

ด้วยวิธีนี้ ผู้ใช้จะเชื่อมโยงกับการกระทำของตนบนไซต์

เพื่อให้รู้จักผู้ใช้ของคุณมากที่สุดเท่าที่จะเป็นไปได้ คุณสามารถเสนอโบนัสสำหรับการเข้าสู่ระบบ: ส่วนลดสำหรับการเข้าสู่ระบบ สื่อดาวน์โหลดที่เป็นประโยชน์ โปรโมชัน ฯลฯ คุณสามารถหาวิธีการเพิ่มเติมในการจูงใจผู้ใช้ของคุณในบทความ «ทำไมและอย่างไร ผสานรวมจุดสัมผัสลูกค้าออนไลน์และออฟไลน์»

คุณยังสามารถใช้พารามิเตอร์ huid พิเศษในลิงก์ที่คุณส่งถึงลูกค้าทางอีเมล ในพารามิเตอร์นี้ คุณสามารถเขียนค่า User ID จากระบบ CRM ของคุณได้ วิธีนี้จะช่วยให้คุณระบุผู้ใช้ได้แม้ว่าพวกเขาจะไม่ได้ลงชื่อเข้าใช้ในไซต์ก็ตาม ตัวอย่างเช่น สมมติว่าคุณมีลูกค้าใน CRM อยู่แล้วพร้อมอีเมลและ ID ผู้ใช้ที่ไม่ซ้ำกัน คุณส่งอีเมลถึงลูกค้ารายนี้พร้อมลิงก์ที่มีรหัส ลูกค้าคลิกที่ลิงค์และไปที่เว็บไซต์ของคุณและดำเนินการบางอย่างบนเว็บไซต์โดยไม่ต้องลงทะเบียน ผ่าน Google Tag Manager คุณสามารถโอนตัวระบุนี้ไปยัง Google Analytics ในช่อง User ID หรือมิติข้อมูลที่กำหนดเอง

หากผู้ใช้ออกจากคำขอในเว็บไซต์ของคุณแล้วมาที่ร้านค้าและทำการซื้อ คุณสามารถเชื่อมโยงการกระทำของพวกเขาโดยใช้รหัสธุรกรรม

ในแผนภาพด้านบน คุณสามารถดูข้อมูลเกี่ยวกับพฤติกรรมของผู้ใช้บนไซต์ (ซ้าย) และข้อมูลเกี่ยวกับการซื้อจาก CRM (ขวา)

หากคุณสนใจรายละเอียดทางเทคนิคของการผสานรวมข้อมูลและการวิเคราะห์ ROPO โปรดอ่านเรื่องราวความสำเร็จของลูกค้าของเรา:

• เรื่องราวความสำเร็จของ M.video: การประเมินผลกระทบของการโฆษณาออนไลน์ต่อยอดขายออฟไลน์
• เรื่องราวความสำเร็จของดาร์จีลิ่ง: การวิเคราะห์ ROPO พิสูจน์ว่าลูกค้า 40% เยี่ยมชมเว็บไซต์ของบริษัทก่อนซื้อแบบออฟไลน์

ลูกค้าของเรามักสนใจการวิเคราะห์ ROPO ดังนั้นเราจึงได้เพิ่มกลุ่มรายงาน ROPO แยกต่างหากไปยัง OWOX BI Smart Data ด้วยบริการนี้ คุณสามารถถามคำถามเกี่ยวกับข้อมูลของคุณเป็นภาษารัสเซียหรือภาษาอังกฤษโดยใช้ภาษาที่เป็นธรรมชาติ บริการจะดำเนินการตามคำขอและให้คำตอบที่ชัดเจนพร้อมกับภาพ

หากต้องการรับรายงาน ROPO คุณต้องอัปโหลดข้อมูลเกี่ยวกับพฤติกรรมของผู้ใช้จาก Google Analytics และข้อมูลคำสั่งซื้อออฟไลน์จาก CRM ไปยังโครงการ Google BigQuery จากนั้นเชื่อมต่อโครงการของคุณกับ OWOX BI Smart Data คุณสามารถทดลองใช้ OWOX BI ได้ฟรีทันทีเพื่อดูว่ามันทำงานอย่างไร

ในการรับรายงาน ROPO ใน Smart Data คุณต้องมีข้อมูลเกี่ยวกับพฤติกรรมของผู้ใช้จาก Google Analytics และข้อมูลเกี่ยวกับคำสั่งซื้อออฟไลน์จาก CRM ของคุณ

ใน Smart Data คุณสามารถเปลี่ยนฟิลด์ที่ไฮไลต์ทั้งหมดสำหรับคำถามโดยเลือกตัวเลือกจากรายการแบบเลื่อนลง: ส่วนแบ่งของรายได้ ธุรกรรมของผู้ใช้ จำนวนรายได้ ขนาดเช็คเฉลี่ย ฯลฯ คุณสามารถเรียนรู้เพิ่มเติมเกี่ยวกับตัวชี้วัดที่มีใน ส่วนช่วยเหลือ

ข้อมูลทั้งหมดจากรายงานสามารถอัปโหลดไปยัง Google Data Studio หรือดาวน์โหลดเป็นไฟล์ CSV คุณยังคัดลอกข้อความค้นหา SQL และปรับแต่งใน Google BigQuery ได้ตามต้องการ

ขอ​พิจารณา​บาง​ตัว​อย่าง​ของ​รายงาน.

กรอบเวลา Conversion 30 วันหมายความว่าผู้ใช้ที่เข้าชมไซต์ครั้งล่าสุดและการซื้อแบบออฟไลน์ผ่านไปสูงสุด 30 วัน สามารถเปลี่ยนกรอบเวลา Conversion เพื่อให้เหมาะกับธุรกิจของคุณ

รายงานนี้แสดงวิธีกระจายรายได้ระหว่างการขายออนไลน์ ออฟไลน์ และ ROPO ช่วยแยกคำสั่งซื้อ ROPO ออกจากการซื้อออฟไลน์ปกติ และทำความเข้าใจบทบาทที่แท้จริงของเอฟเฟกต์ ROPO ในการขายหลายช่องทางของคุณ

นี่เป็นแอนะล็อกของรายงาน Time to Conversion (Time Lag) ใน Google Analytics เฉพาะการกระทำออนไลน์และการซื้อออฟไลน์เท่านั้นที่เกี่ยวข้อง รายงานนี้แสดงเปอร์เซ็นต์หรือจำนวนของธุรกรรม ลูกค้า และรายได้ที่ตกลงในแต่ละวันภายในกรอบเวลา Conversion

ซึ่งจะช่วยให้คุณเข้าใจกรอบเวลา Conversion จริงสำหรับการซื้อ ROPO ตลอดจนติดตามความสัมพันธ์ระหว่างมูลค่าธุรกรรมและจำนวนวันที่ผู้ใช้ต้องตัดสินใจซื้อ

ด้วยรายงานนี้ คุณสามารถระบุช่องทางออนไลน์ แหล่งที่มา และแคมเปญโฆษณาที่นำไปสู่การซื้อแบบออฟไลน์

คุณอาจถามว่าผลการวิเคราะห์ ROPO แม่นยำแค่ไหนหากพิจารณาเฉพาะผู้ใช้ที่ลงทะเบียนบนเว็บไซต์เท่านั้น” นี่เป็นคำถามที่ดีและเพื่อที่จะตอบคำถามคุณต้องเข้าใจว่ามีผู้ใช้กี่คน ยากที่จะได้รับ คำตอบที่แน่นอนสำหรับไซต์ใดไซต์หนึ่ง หากผู้ใช้ไม่ได้ลงชื่อเข้าใช้ เราไม่รู้แน่ชัดว่าเขาอยู่ในเว็บไซต์หรือไม่ เว้นแต่จะสามารถใช้การสำรวจความคิดเห็นได้

จากประสบการณ์ของเรา ส่วนแบ่งของผู้ใช้ที่ได้รับอนุญาตซึ่งสามารถเชื่อมโยงกับการซื้อแบบออฟไลน์ได้ แม้กระทั่งสำหรับผู้ค้าปลีกอุปกรณ์อิเล็กทรอนิกส์สำหรับผู้บริโภคแบบ Omnichannel โดยเฉลี่ยก็สูงถึง 40 เปอร์เซ็นต์ ผลลัพธ์นี้จะสะสมตลอดทั้งปี ในช่วงการขายตามฤดูกาลจะเพิ่มขึ้น สิ่งสำคัญคือแม้จะไม่มีกลุ่มผู้ชม 100 เปอร์เซ็นต์ คุณก็จะได้ตัวอย่างที่เป็นตัวแทนสำหรับการจัดสรรงบประมาณใหม่ ซึ่งหมายความว่าคุณไม่จำเป็นต้องรวมการกระทำของผู้ใช้แต่ละราย คุณจะต้องรวมข้อมูลของผู้ใช้จำนวนเพียงพอเพื่อสร้างรายงาน

เราได้เตรียมรายการตรวจสอบ 20 ขั้นตอนสำหรับนักวิเคราะห์การตลาดเพื่อช่วยคุณรวมข้อมูลจากแหล่งข้อมูลออนไลน์และออฟไลน์เพื่อการตัดสินใจที่ถูกต้อง กรอกแบบฟอร์มแล้วเราจะส่งรายการตรวจสอบนี้ไปยังอีเมลของคุณ