กรณีศึกษา: วิธีทำรายงานการตลาดอัตโนมัติในธุรกิจร้านอาหาร

ด้วยความช่วยเหลือของเอเจนซี่การตลาดและผลิตภัณฑ์ OWOX BI นักการตลาดในเครือร้านอาหารได้อัปเดตระบบการวิเคราะห์ของตนทั้งหมด

มีร้านอาหารและจุดบริการจัดส่ง 57 แห่ง ซึ่งให้บริการทั้งอาหารญี่ปุ่นและอิตาลี ในส่วนที่เกี่ยวข้องกับการขยายธุรกิจและการกระจายความเสี่ยง ฝ่ายการตลาดต้องเผชิญกับงานใหม่:

• ทำความเข้าใจว่ากิจกรรมการโฆษณาใดที่นำผู้ใช้ใหม่มาสู่เว็บไซต์และแอปพลิเคชันมือถือ และมีค่าใช้จ่ายเท่าใดในการดึงดูดลูกค้า พวกเขาต้องรวมข้อมูลจากเว็บไซต์ แอปพลิเคชันมือถือ และระบบ CRM เพื่อค้นหาสิ่งนี้
• รับรายงานประสิทธิภาพที่รวดเร็วและเปรียบเทียบประสิทธิภาพจริงกับการคาดการณ์ สำหรับสิ่งนี้ พวกเขาจำเป็นต้องทำให้การรายงานทางการตลาดเป็นแบบอัตโนมัติ
• ประเมินผลกระทบที่เพิ่มขึ้นของการแสดงผลสื่อต่อช่องทางประสิทธิภาพและกิจกรรมเว็บไซต์และแอปพลิเคชันบนมือถือที่กำหนดเป้าหมาย ในการทำเช่นนี้ พวกเขาได้รวมข้อมูลดิบที่ระดับรหัสลูกค้าเข้ากับการแสดงผลจากตัวจัดการแคมเปญ

มาดูกันว่าพวกเขาทำงานแต่ละอย่างให้สำเร็จได้อย่างไร และให้คำแนะนำสำหรับผู้ที่เพิ่งเริ่มต้นเส้นทางการตลาดอัตโนมัติ

หมายเหตุ: รายงานทั้งหมดที่นำเสนอในบทความนี้อ้างอิงจากชุดข้อมูลการทดสอบ

ทีมงานสร้างการวิเคราะห์ขั้นสูงโดยใช้ OWOX BI, Google BigQuery และ Power BI แผนผังระบบมีลักษณะดังนี้:

OWOX BI นำเข้าข้อมูลต้นทุนจากระบบโฆษณาทั้งหมด รวมถึงข้อมูลเว็บไซต์ดิบจาก Google Analytics และข้อมูลแอปพลิเคชันจาก AppsFlyer จากนั้นจะส่งข้อมูลทั้งหมดนี้ไปยัง Google BigQuery

Google BigQuery ยังได้รับเมตริกการคาดการณ์ที่ผู้เชี่ยวชาญด้านเอเจนซีคำนวณในอินเทอร์เฟซโดยใช้ภาษา R

ภายใน Google BigQuery ข้อมูลจะได้รับการประมวลผลและผสานโดยใช้มุมมองและการสืบค้นตามกำหนดเวลา

สุดท้าย ข้อมูลจะแสดงเป็นภาพใน Power BI

ทีมงานมุ่งเน้นไปที่รายงานสามฉบับซึ่งพวกเขาสามารถติดตามเมตริกที่จำเป็นได้:

• รายงานการจัดการขั้นพื้นฐานสำหรับระบบ Scorecard ที่สมดุล
• รายงานการดึงดูดผู้ใช้เข้าสู่เว็บไซต์
• รายงานการดึงดูดผู้ใช้เข้าสู่แอปพลิเคชัน

พวกเขาพัฒนา Impact Matrix — ลำดับชั้นของตัวชี้วัด — เพื่อกำหนดตัวชี้วัดที่จะมุ่งเน้นและในกรณีใด พวกเขายังใช้วิธีการบาลานซ์สกอร์การ์ดเพื่อตรวจสอบข้อมูลการทำนาย เป็นผลให้พวกเขาได้รับรายงานที่อนุญาตให้:

• ทำความเข้าใจว่าตัวชี้วัดใดอยู่ข้างหน้าและสิ่งใดอยู่เบื้องหลังแผน
• ติดตาม KPI หลักที่มีน้ำหนักต่างกันสำหรับธุรกิจ (CPO, CR, รายได้, CTR)
• ทำนาย KPI

ในสถาปัตยกรรมรายงาน สามารถแยกแยะได้สามระดับ: ระดับธุรกิจ ระดับ KPI และระดับรายละเอียด

ระดับธุรกิจ

ในระดับนี้ คุณสามารถดูแผนเทียบกับข้อเท็จจริงสำหรับตัวชี้วัดทางธุรกิจที่สำคัญ

จากข้อมูลข้างต้น ทีมงานสามารถสรุปได้ว่า CR KPI เกิน 43% ในขณะเดียวกัน ปริมาณการเข้าชมและ Conversion ไม่ถึงมูลค่าที่วางแผนไว้ CR ที่สูงสามารถบ่งบอกถึง UX ของเว็บไซต์และแอปพลิเคชันที่ดี — มีการลดลงเล็กน้อย และผู้ใช้แปลงได้ดี อย่างไรก็ตาม จำเป็นต้องเพิ่มปริมาณการเข้าชมเพื่อให้แน่ใจว่ามีปริมาณการขายที่ต้องการ

ระดับ KPI

ตามรายงานระดับ KPI นักการตลาดจะวิเคราะห์ตำแหน่งที่มีประสิทธิภาพและไม่มีประสิทธิภาพจากมุมมองของ CR และตัวบ่งชี้ต้นทุน ซึ่งช่วยให้แบ่งงบประมาณระหว่างช่องทางต่างๆ ได้อย่างรวดเร็วเพื่อให้เป็นไปตามแผนทั่วไป

รายงานนี้แสดงให้เห็นถึงความสอดคล้องระดับบนของ KPI ที่วางแผนไว้และตามจริง (CR, การเข้าชม, รายได้, ธุรกรรม) กับค่าที่คาดการณ์ ตัวอย่างเช่น คุณจะเห็นว่าแผนสำหรับปริมาณการเข้าชมเว็บไซต์โดยรวมไม่เป็นไปตามแผน แต่สิ่งนี้ถูกชดเชยด้วย CR ที่สูงขึ้นในการเข้าชมทั่วไปและการเข้าชมโดยตรง ดังนั้น จึงจำเป็นต้องเพิ่ม CR ของการเข้าชมที่เสียค่าใช้จ่าย (ประเภท CPC) ด้วยการเพิ่มประสิทธิภาพแบบไดนามิกมากขึ้นหรือราคาซื้อที่เพิ่มขึ้น ทีมงานอาจจำเป็นต้องเพิ่มการซื้อการเข้าชมแบบชำระเงินตามหลักการเพื่อให้เป็นไปตามแผนการจราจรทั่วไป

ระดับรายละเอียด

ในระดับนี้ นักการตลาดจะพิจารณาพลวัตของเมตริกตามภูมิภาคและประเภทอุปกรณ์ ซึ่งจะช่วยเปลี่ยนเส้นทางงบประมาณไปยังสิ่งที่ทำงานได้ดีกว่า

จากข้อมูลข้างต้นสามารถสรุปได้ว่าทีมงานพลาดแผนในแง่ของจำนวนธุรกรรมทั้งหมดและ CR สำหรับช่วงเวลาการวิเคราะห์ที่กำหนด 5.5% ในเวลาเดียวกัน การเข้าชมทั้งบนเดสก์ท็อปและอุปกรณ์เคลื่อนที่มีแนวโน้มใกล้เคียงกันที่จะลดลงหลังปริมาณ Conversion (เดสก์ท็อปลดลง 5.7% อุปกรณ์เคลื่อนที่ลดลง 5.6%) ดังนั้น อุปกรณ์ทั้งสองประเภทจึงทำให้เกิด Conversion เท่ากัน แต่การจะเพิ่มประสิทธิภาพ ต้องวิเคราะห์ปริมาณการใช้ข้อมูลในส่วน CR

จะเห็นได้ว่าการเข้าชมบนอุปกรณ์เคลื่อนที่ (1.8%) และการเข้าชมแท็บเล็ต (2.8%) มี CR ต่ำที่สุดในเดือนธันวาคม เนื่องจากการเข้าชมบนอุปกรณ์เคลื่อนที่ทำให้เกิด Conversion จำนวนเท่ากันกับการเข้าชมเดสก์ท็อปและอาจถูกกว่า นักการตลาดสามารถพยายามเพิ่มประสิทธิภาพการเข้าชมบนอุปกรณ์เคลื่อนที่ด้วยการซื้อการเข้าชมที่มีคุณภาพดีขึ้นเพื่อเพิ่ม CR

กราฟนี้แสดงแผนประสิทธิภาพการจราจรในเมืองต่างๆ ด้วยข้อมูลเกี่ยวกับปริมาณที่ซื้อ คุณสามารถสรุปได้ว่าจุดใดที่ประสิทธิภาพต่ำกว่าเกณฑ์เป็นสิ่งสำคัญและส่งผลต่อประสิทธิภาพของแคมเปญทั้งหมด

ด้วยรายงานเหล่านี้ ทีมงานจึงสามารถแบ่งการซื้อทั้งหมดออกเป็นลูกค้าใหม่และลูกค้าที่กลับมาซื้อซ้ำได้ ทำให้สามารถยกเว้นลูกค้าที่กลับมาจากแคมเปญโฆษณาสำหรับลูกค้าใหม่ ซึ่งจะทำให้ CPO ลดลงในทุกช่องทาง เมื่อดูสถิติในส่วนช่องทางสำหรับการกลับมาและผู้ใช้ใหม่พร้อมกัน นักการตลาดสามารถเข้าใจได้ว่าแหล่งที่มาใดที่ขับเคลื่อนคำสั่งซื้อใหม่ๆ มากขึ้นและเอียงงบประมาณไปในทางที่พวกเขาต้องการ ในแหล่งที่มีการซื้อซ้ำ พวกเขาลดงบประมาณ ซึ่งจะเป็นการลด CPO ที่วางแผนไว้ทั้งหมด

อย่างไรก็ตาม KPI หลักในรายงานเหล่านี้คำนวณจากข้อมูล CRM

รายงานข้างต้นแสดงให้เห็นว่าการซื้อใหม่จำนวนมากที่สุดสำหรับการเข้าชมทั้งหมดจากเว็บไซต์นำโดย inst_kz (81.82%) โฆษณาบน Facebook (43.45%), mobrain_int (31.25%) และ gomobile_int (30.38%) เนื่องจากโดยทั่วไปแล้ว บริษัทมีผู้ชมที่กระตือรือร้นและภักดีและมีความครอบคลุมตลาดในสัดส่วนสูง จึงเป็นที่ชัดเจนว่าเหตุใดบางเว็บไซต์จึงนำลูกค้าที่สั่งซื้อแล้วอย่างน้อยหนึ่งครั้งในแอปพลิเคชัน เพื่อประสิทธิภาพและการดำเนินการที่ดียิ่งขึ้นของ KPI การได้มาซึ่งลูกค้า ทีมงานสามารถพยายามแยกผู้ชม CRM ที่ใช้งานอยู่ในการตั้งค่าแคมเปญโฆษณาและเปิดตัวโปรโมชันสำหรับลูกค้าใหม่

ที่นี่ คุณจะเห็นว่าการเข้าชมบนเดสก์ท็อปมากกว่าครึ่งในกลุ่มช่องทางทั้งหมดเป็นลูกค้าที่กลับมา สิ่งนี้บ่งบอกถึงความสำคัญของการทำงานกับฐานที่ภักดีและการรักษาที่เพิ่มขึ้น

ด้วยการวิเคราะห์หลังการดู คุณสามารถประเมินอิทธิพลของกิจกรรมสื่อที่มีต่อจำนวนคำสั่งซื้อได้

สถิติการแสดงผลถูกอัปโหลดไปยัง BigQuery จาก Google Campaign Manager และให้รายละเอียดแก่ผู้ใช้แต่ละราย (รหัสลูกค้า) รายงานเปรียบเทียบกลุ่มผู้ที่เห็นและผู้ที่ไม่เห็นโฆษณาสื่อ ด้วยเหตุนี้ เราจึงสามารถประเมินผลกระทบที่เพิ่มขึ้นของการแสดงผลสื่อต่อช่องทางประสิทธิภาพและการดำเนินการที่ตรงเป้าหมายบนเว็บไซต์และในแอปพลิเคชันมือถือ

ตัวอย่างเช่น ทีมงานได้เรียนรู้ว่า Conversion เป็นคำสั่งซื้อจากผู้ที่ดูวิดีโอและแบนเนอร์นั้นสูงกว่าผู้ที่ไม่เห็น 42% เนื่องจากการวิเคราะห์หลังการดู พวกเขายังระบุด้วยว่าผู้ชมของผู้ที่เห็นโฆษณาทางสื่อนั้นมีรายได้เพิ่มขึ้นสองเท่า

ในอนาคต ทีมงานมีแผนที่จะพัฒนาการรายงานข้ามแพลตฟอร์ม ขั้นตอนแรกคือการประเมินผลกระทบของการเข้าชมเว็บต่อการแปลงแอปพลิเคชันโดยเชื่อมโยงแอปพลิเคชันมือถือและข้อมูลเว็บไซต์ การรายงานดังกล่าวจะสร้างความเข้าใจอย่างถ่องแท้ถึงคุณค่าของช่องทางการโฆษณาและประเมินผลกระทบซึ่งกันและกัน นอกจากนี้ยังช่วยในการตัดสินใจในการจัดการเกี่ยวกับการพัฒนาช่องทางปฏิสัมพันธ์กับลูกค้าและปรับกลยุทธ์การสื่อสารการตลาด