Dijital pazarlamayı değerlendirmenin ve iyileştirmenin 7 yolu

Çevrimiçi reklamcılığınızın etkinliğini nasıl değerlendirebilir ve yatırım getirisini (YG) artırabilirsiniz? SEO trafiği, mobil uygulamalar ve medya reklamları tarafından ne kadar gelir elde edildiğini nasıl bilebilirsiniz? Bu sorular birçok çevrimiçi ve çok kanallı işletmeyle ilgilidir. Bu makalede, müşterilerimizin bu ve diğer soruların yanıtlarını bulmalarına ve iş sorunlarını çözmelerine yardımcı olan OWOX BI çözümlerini açıklıyoruz.

Aşağıda, müşterilerimizin bu yedi gerçek dünya vakasını gerçekleştirmelerine nasıl yardımcı olduğumuzu kısaca açıklıyoruz. Teknik detaylarla ilgileniyorsanız veya bahsettiğimiz şeylerden bazılarını kendi projenizde denemek istiyorsanız, OWOX BI'yi ücretsiz deneyin.

OWOX BI, birden fazla sistemden verileri tek bir havuzda toplar ve müşterilerin pazarlama zekasını geliştirmelerine yardımcı olan raporlar oluşturur. Amaç, bunu hızlı, yüksek kalitede ve maksimum otomasyonla yapmaktır, böylece işletmeler zaten sahip oldukları verileri kullanarak daha fazla para kazanabilirler.

Kullanıcıları reklam kampanyalarını daha iyi hedeflemek için bölümlere ayırmak, pazarlama analitiğinin uygulanmasının ilk aşamalarında ele alınabilecek ve ele alınması gereken temel bir görevdir.

Müşterinin hedefi : Siteyi daha önce ziyaret etmiş olan kullanıcıları yeniden etkinleştirmeyi amaçlayan reklam kampanyalarının yatırım getirisini artırmak. Teoride, bu kullanıcılar zaten ilgi gösterdikleri için pazarlamak için pahalı olmamalıdır.

Müşterinin karşılaştığı zorluk : Terk edilmiş alışveriş sepetleri ve süresi geçmiş müşteriler için reklam kampanyalarının hedeflemesini iyileştirin. Bunlar, sitede belirli bir dizi işlem gerçekleştirmiş ancak hiçbir şey satın almamış kişilerdir. Aynı zamanda, müşterimiz bir şeyler satın alabileceklerine inanıyor.

Hipotezimiz : Son X gün içinde sepete bir ürün ekleyen ve onlara reklam gösteren web sitesi ziyaretçilerinden oluşan bir segment seçersek, diğer segmentlerden gelen ziyaretçilerden daha fazla bir şey satın alma olasılıkları daha yüksektir. Buna göre, bu segmente reklam vererek, aynı maliyet gelir oranını (CRR) korurken geliri artırabiliriz.

Hipotezleri test etmek için her zaman kullanıcı segmentasyonu gereklidir. Seçilen kullanıcı segmentlerinin bir reklamı gördükten sonra şu veya bu şekilde davranacağını varsayabiliriz, ancak bunun %100 garantisi yoktur.

Müşterimiz, segmentlerin oluşturulduğu koşulları tanımladı. Bu koşullara göre segmentler oluşturduktan sonra hipotezimizi analistimiz için teknik bir göreve dönüştürdük. Bu görev aşamalara ayrıldı.

1. Aşama . İki kullanıcı segmenti oluşturun. İlk segment, son X gün içinde sepete ürün ekleyen ancak hiçbir şey satın almayan kullanıcılardan oluşuyordu. İkinci segment, sitede (müşteri tarafından tanımlanan) bazı eylemler gerçekleştiren kullanıcılardan oluşuyordu.

Google Analytics, yoğun trafiğe yanıt olarak müşteri verilerini örnekler. Bu nedenle, segmentleri oluşturmak için, müşterimizin sitesinden OWOX BI Pipeline kullanılarak Google BigQuery'ye iletilen ham verileri kullandık. BigQuery, yalnızca bilgi toplamanıza değil, aynı zamanda SQL kullanarak bunları rahatça işlemenize olanak tanıyan bir bulut depolama hizmetidir.

Analistimiz, ham web sitesi verilerini kullanarak segmentleri oluşturmak için SQL sorguları yazdı. Bu segmentler, Google Ads ve Yandex.Direct reklam hizmetlerinde kullanılabilen Google Müşteri Kimliği ve Yandex Müşteri Kimliği verilerini içerir.

2. Aşama . Segmentleri otomatik olarak Google Ads ve Yandex.Direct'e aktarın, böylece reklam uzmanları bunları reklam kampanyaları oluştururken kullanabilir.

OWOX BI, Google BigQuery'den segmentler alan, onlar için günlük olarak veri hesaplayan ve bu verileri Google Analytics'e yükleyen otomatik bir veri hattına sahiptir. Web analiz sisteminden segmentler yerel olarak Google Ads'e aktarılabilir. İkinci bir OWOX BI ardışık düzeni bu segmentleri Yandex.Audience'a yükler.

3. Aşama . Müşterimizin uzmanları, bu segmentler için oranları yükselten reklam hizmetlerinde kurallar belirledi.

Bu çözümün birkaç önemli özelliği vardır. Örneğin, Yandex'e bir segment yüklemek için. Hedef Kitle, en az 1.000 satır içermelidir (benzersiz bir Yandex Müşteri Kimliği kullanmak için).

OWOX BI, varsayılan olarak Yandex İstemci Kimliklerini toplamaz. yandex. Müşteri Kimlikleri oluşturmak için bir siteye metrik yüklenmelidir ve Google BigQuery'ye girmeleri için iletimlerini OWOX BI aracılığıyla yapılandırmanız gerekir.

Bir OWOX BI kullanıcısıysanız ve Google BigQuery'de Yandex İstemci Kimliklerini toplamak istiyorsanız bize yazın. Google Etiket Yöneticisi ile nasıl yapılacağına ilişkin talimatları paylaşacağız. OWOX BI kullanıcısı değilseniz ancak bu olasılıkla ilgileniyorsanız, OWOX BI'yi ücretsiz deneyin ve hedeflerinize ulaşmanıza nasıl yardımcı olabileceğini görün.

Müşterimiz, daha önce yeniden hedefleme için çalışmış olan kampanyalarındaki kitleyi yeniden yapılandırdı, doğru segmentlere girmeyen kullanıcıları eleyerek, bütçeyi seçtikleri segmentlerdeki kullanıcılara odakladı.

Sonuç olarak, aynı kampanyalar ve aynı yatırımla YG %100 artarak %150'ye yükseldi (birçok kampanya vardı, bu nedenle göstergenin ortalaması alındı). Aslında, bu kararın maliyeti minimumdu ve verimlilik oldukça somuttu. Bu kampanyalar günümüzde de devam etmektedir. Müşterimizden bu artışın geçici olduğuna dair herhangi bir geri bildirim almadık.

Bir proje ile çalışmaya başladığımızda ilk iş, gerçek kazanç üzerinden yatırım getirisini hesaplamaktır.

Varsayılan olarak, Google Analytics yalnızca siteden yapılan satışları görebilir, ancak bu, bir işletmenin hesaplarına gelen parayı gerçekten yansıtmaz.

Bazı çevrimiçi siparişlerin tamamlanmadığını veya sipariş onayı sırasında değiştirildiğini biliyoruz. Kullanıcılar şunları yapabilir:

1. Sadece siparişi tamamlamamak
2. Telefonla siparişlerini değiştir, böylece sipariş miktarını değiştir
3. Fiziksel bir mağazaya teslimat siparişi verin ancak satın aldığınız ürünü teslim almayın

Sonuç olarak işletme, Google Analytics'te görünen tutarı almaz. Bu nedenle, Google Analytics'teki verilere göre gelir hesaplamak pek doğru değildir. CRM'nizden gelen gerçek satış verilerini dikkate alarak çevrimiçi reklamcılığın etkinliğini değerlendirmek gerekir.

Müşterinin hedefi : Maliyetleri artırmadan sabit bir CRR'de reklam kampanyalarının yatırım getirisini artırmak.

Müşterinin zorluğu : Reklam kaynakları tarafından oluşturulan gerçek satışlara dayalı olarak reklam bütçesini yeniden dağıtın. Basitçe söylemek gerekirse, bütçenizi yeterli yatırım getirisi sağlamayan kanallardan daha verimli olanlara kaydırmanız gerekir.

Hipotezimiz : Yatırım getirisini (ve ideal olarak marjları bile) satın almalara göre hesaplarsanız, pazarlama stratejinizi ayarlayabilir ve daha fazla gelir getiren bu trafik kaynaklarına yatırım yapabilirsiniz. Buna göre, reklam kampanyalarının yatırım getirisi artacaktır.

Müşterimiz, OWOX BI kullanarak Google BigQuery'de örneklenmemiş verileri zaten toplamıştı. Ancak bu verileri şirketin dahili sisteminden gelen satış verileriyle desteklemek gerekiyordu. Görev beş aşamada uygulandı.

1. Aşama . Siteden müşterinin CRM sistemine sipariş verilerinin transferini doğru şekilde ayarlayın. İşlem Kimliğini ve Google Müşteri Kimliğini aktarın.

Siteye bir sipariş verildiğinde bir İşlem Kimliği oluşturulur ve ilgili Müşteri Kimliği ile birlikte Google Analytics ve BigQuery'ye gönderilir. Kullanıcıyı işlem ve ödeme ile ilişkilendirebilmeniz için her iki kimliği de paralel olarak CRM'ye aktarmak önemlidir.

2. Aşama . Müşterinin CRM'sinin yanında Kullanıcı Kimliği oluşturmayı ayarlayın ve ödeme sırasında Kullanıcı Kimliğini Google BigQuery'ye gönderin.

Yeni bir müşteri hakkında bilgi yazıldığında, CRM sistemi tarafından bir Kullanıcı Kimliği oluşturulur. Örneğin, birisinin bir mağazada alışveriş yaptığını ve kasiyerin telefon numarasını istediğini ve CRM'ye girdiğini varsayalım. Sistem daha sonra bu kullanıcıya benzersiz bir tanımlayıcı atar. Gelecekte, kullanıcı bir telefon kullanarak sitede yetkilendirdiğinde, CRM onları tanır.

Google Analytics'in bir User-ID özelliği vardır. Geliştiricilerimiz, müşteriler müşterimizin sitesine yetki verdiğinde veya sipariş verdiğinde, Kullanıcı Kimliği siteye DataLayer'da gönderilecek şekilde yapılandırdı. Oradan Google Analytics'e ve Google Big Query'ye iletilir.

Bu sayede sitede yetkilendirilen kullanıcıların eylemlerini onlar hakkında detaylı bilgilerle ilişkilendirebilirsiniz. Örneğin, CRM'niz bir kişinin adını, telefon numarasını ve e-postasını saklayabilir. Ara Kullanıcı Kimliği anahtarıyla site ve CRM verilerini ve ayrıca belirli bir sipariş için ödeme verilerini birleştirebilirsiniz.

3. Aşama . Çalışmak istediğiniz yapıda CRM'nizden Google BigQuery'ye gerçek satış verilerinin yüklenmesini yapılandırın. Bu amaçla teknik bir görev oluşturduk ve uygulamak için müşterimizin geliştiricilerine teslim ettik.

4. Aşama . BigQuery'deki tüm verileri tek bir tabloda birleştirin. Analistlerimiz, çevrimiçi sipariş bilgilerini, tamamlanan siparişler ve bunların miktarları hakkındaki CRM verilerine bağlayan bir SQL sorgusu yazdı. Bu verileri birleştirmek için kullanılan anahtarlar İşlem Kimliği, Kullanıcı Kimliği ve Müşteri Kimliği idi.

Aşama 5 . Google Data Studio'da, siparişlerde satın alınan malları dikkate alarak trafik kaynakları için YG'yi gösteren bir rapor oluşturun. ROI'yi marjinal maliyetlere göre hesapladık.

Siteden CRM'ye doğru veri aktarımının yanı sıra CRM verilerinin Google BigQuery'ye indirilmesinin ayarlanması, geliştiricilerin iş tarafında yer almasını gerektirir ve bu da genellikle süreci büyük ölçüde geciktirir.

Müşterimize fiili satış verilerine dayalı bir trafik kaynağı performans raporu sağladık.

Bu rapor, üst düzey yöneticiler tarafından stratejik kararlar almak için ve bağlamsal reklamcılık uzmanları tarafından belirli reklam kampanyalarının bütçesini yönetmek için kullanılır.

İşte bu raporun bir örneği:

CRM'nizdeki gerçek satış verilerine dayalı olarak reklamlarınızın ne kadar etkili olduğunu bilmek ister misiniz? OWOX BI'yi ücretsiz deneyin ve hedeflerinize ulaşmanıza nasıl yardımcı olabileceğini görün.

Müşterilerimizin yukarıda açıklanan temel raporları oluşturduktan sonra geldikleri üçüncü çözüm ROPO analizidir (çevrimiçi araştırma, çevrimdışı satın alma). Dijital pazarlamanın fiziksel mağazalardaki satışlar üzerindeki etkisini gösterir. Bu özellikle çok kanallı e-ticaret projeleri için geçerlidir.

İnsanlar bir sitedeki mallara bakar ve internetten yapılan alışverişlere güvensizlikten ürüne dokunma arzusuna kadar çeşitli nedenlerle mağazada kontrol eder.

Yıllık bütçe planlaması sırasında, bir CMO, çevrimiçi reklamlara atfedilen bazı satışların çevrimdışı gerçekleştiğini anladıkları için çevrimiçi kanallar için daha fazla para elde etmek ister. CMO bu etkiyi en azından kısmen ölçebilirse, bütçenin artırılması için iyi bir argüman olacaktır.

Müşterinin hedefi : Çevrimiçi pazarlama bütçesini artırma ihtiyacını kanıtlamak ve çevrimiçi reklamcılığa yapılan yatırımların gizli değerini göstermek.

Müşterinin karşılaştığı zorluk : Çevrimdışı satışlar üzerindeki müteakip etkisini hesaba katarak çevrimiçi reklamcılığın etkinliğini analiz edin.

Hipotezimiz : Bazı kullanıcılar bir ürünle sitede tanışır, ancak fiziksel bir mağazadan satın alır. Diğer bir deyişle, çevrimiçi kampanyalar düşük değerde kalır. Siteye yapılan ziyaretleri ve bu kullanıcıların fiziksel mağazalarda daha fazla satın alma işlemlerini takip edersek, dijital reklamcılığın gerçek değerini ölçebiliriz.

Bir kullanıcının sitedeki etkinliğini çevrimdışı mağazalardaki sonraki satın alma işlemleriyle ilişkilendirmek için, tamamlanan siparişlere dayalı olarak yatırım getirisini analiz etmek için yaptığımızın aynısını çoğunlukla yaptık (önceki bölümde ayrıntılı olarak açıklanmıştır):

1. Kullanıcı Kimliğini CRM tarafında ayarlayın ve Google BigQuery'ye gönderin.
2. İstemci Kimliğini CRM ve BigQuery'ye doğru şekilde geçirilecek şekilde yapılandırın.
3. Kullanıcı Telefonu ve Kullanıcı E-postası alanları için siteden BigQuery'ye ve ödeme sırasında müşterinin CRM'sine veri aktarımını ayarlayın.
4. Müşterinin CRM'sinden Google BigQuery'ye veri yüklemeyi ayarlayın. Önceki durumdan farklı olarak, bu yükleme yalnızca çevrimiçi siparişleri değil, perakende mağazalarından gelen siparişleri de içerir.
5. Sitedeki aktivite verilerini CRM'den gelen bilgilere bağlayan bir SQL sorgusu yazın. Verileri çevrimdışı satışlara bağlamanın anahtarları Kullanıcı Kimliği/Kullanıcı Telefonu/Kullanıcı E-postasıdır.
6. ROPO etkisini analiz etmek için Google Data Studio'da bir rapor oluşturun.

Verileri birleştirme şeması şöyle görünür:

Çevrimiçi kullanıcıları, yalnızca bir kullanıcının sitede satın alma yapması veya sitede yetkilendirilmesi durumunda çevrimdışı satışlara bağlayabilirsiniz.

Uygulamanın gösterdiği gibi, yetkili kullanıcıların payı tüm web sitesi ziyaretçilerinin yaklaşık %5'idir. Ne kadar yetkili kullanıcıya sahip olursanız, veriler raporlarınızda o kadar temsil edici olur. Ancak %5 ila %10 arasında bile, pazarlama bütçenizi yönetme şeklinizde ciddi değişikliklere yol açabilecek bazı sonuçlar çıkarmak mümkündür.

Diğer bir zorluk, tüm entegrasyonları zaten kurduğunuzda veri kalitesini takip etmektir. Verilerin doğru bir şekilde iletildiğinden ve tanımlayıcıların eşleştiğinden emin olun, böylece CRM sisteminde gelecekte yapılacak değişiklikler yapılandırdığınız şeyi bozmaz. Bu, müşterinizin BT ekibinin ne kadar iyi olduğuyla ilgili bir sorudur.

ROPO etkisini ölçtükten sonra, müşterimizin reklam kampanyalarının ROI'si %50'den %150'ye yükseldi. Bu gibi durumlarda, çevrimiçi kampanyalar tarafından oluşturulan ancak çevrimdışı alınan gelir eklendiğinden YG'nin her zaman büyüme gösterdiğini belirtmekte fayda var.

Bir ROPO raporunun nasıl görünebileceğine ilişkin örnek:

Bu rapor, bir müşterinin aşağıdaki kategorilerdeki verileri analiz etmesine olanak tanır:

• Yalnızca internetten elde edilen gelir
• Yalnızca çevrimdışından elde edilen gelir
• ROPO geliri
• Yalnızca çevrimiçi kaynak/aracı/kampanya geliri
• Sonraki çevrimdışı satışlar dahil kaynak/aracı/kampanya geliri
• Ürün kategorisine ve alt kategoriye göre çevrimiçi ve ROPO geliri
• Şehre göre çevrimiçi ve ROPO geliri
• Gün olarak saha ziyaretinden ROPO satın alımına kadar geçen süre
• ROPO satın almadan önce sitedeki oturum sayısı
• Ve bircok digerleri

Çevrimiçi çabalarınızın çevrimdışı satışları nasıl etkilediğini bilmek ister misiniz? OWOX BI'yi ücretsiz deneyin ve hedeflerinize ulaşmanıza nasıl yardımcı olabileceğini görün.

Bu, ilginç olsa da oldukça karmaşık ve atipik bir görevdir. SEO optimizasyonunun gecikmeli bir etkisi vardır ve örneğin son altı ayda yapılan çalışmaların etkinliğini değerlendirmek genellikle zordur. Özellikle çok büyük bir siteyse.

Genel olarak, Google arama yoluyla kaç kullanıcının geldiğini biliyoruz ve hatta marka trafiğini hariç tutabiliriz. Ancak kaç kullanıcı tam olarak kategoriler ve alt kategoriler optimize edildiğinden veya metinler ve başlıklar iyi yazıldığından geliyor?

Diyelim ki son çeyrekte SEO'ya 10.000 dolar harcadınız. Bu paradan altı ay içinde ne kadar gelir elde ettiniz?

Müşterinin hedefi : Yalnızca çevrimiçi siparişleri değil, gerçek ödemeleri de dikkate alarak SEO yatırımlarının etkinliğini değerlendirmek.

Müşterinin zorluğu : Ürün kategorisine göre SEO'nun etkinliğini gösteren bir rapor oluşturun. Bu rapor gerçek satışlara dayanmalıdır.

Hipotezimiz : Hangi anahtar kelimelerin hangi sayfalarda kullanıldığını biliyoruz. Bu anahtarlarda SEO bırakmadaki konumu biliyoruz. Kaynak olarak arama trafiği olan bu sayfalardan yapılan satışları biliyoruz. Bu verileri birbirine bağlarsak, SEO'nun TOP listesinde yer alan anahtar kelimelerden satışlar elde ederiz. Yani SEO'ya yapılan yatırımların etkinliğini ölçebiliriz.

1. Aşama . Gerekli tüm bilgileri Google BigQuery'ye yükleyin:

• OWOX BI tarafından sitede toplanan ham kullanıcı davranışı verileri
• Google Arama Konsolu ve Yandex'den gelen veriler. Siteye ve açılış sayfalarına trafik yönlendiren en iyi anahtar kelimelere ilişkin metrikler. Neden Search Console'u kullandık? Çünkü pozisyon ölçüm hizmetinde bu anahtar kelimelerden gelebilecek sadece varsayımsal trafik görüyoruz.
• Organik bir bırakmada site konumu ölçüm hizmetinden alınan veriler (örneğin, Tüm Konumlar). Bu, anahtar kelimelerin hangi konumlara sahip olduğunu belirlememizi sağlar. Anahtar kelimeler, örneğin, bırakma listesinde beşinci sıranın altındaysa, bunları analizden hariç tutabiliriz.
• CRM sisteminden gerçek satış verileri

2. Aşama . URL'lere dayalı olarak, açılış sayfaları bölümünde anahtar kelime sorgu kümeleri oluşturun. Tüm mal kategorileri için tek bir URL'yi değil, URL'leri analiz ettik. Örneğin küçük ev aletleri için önce blender sonra Braun blender izleyebiliriz.

3. Aşama . Bırakılan konumdaki konumları ölçerek SEO trafiğinin siteye geldiği anahtar kelimeleri bulun. Sonuçları GBQ'ya yükledik ve istekleri belirli bir konumun altında sıraladık.

4. Aşama . Bir SQL sorgusu kullanarak sitedeki kullanıcı etkinliği verilerini CRM'den alınan gerçek satış verilerine bağlayın.

Aşama 5 . Bir SEO kaynağıyla (doğrudan olmayan son tıklama ilişkilendirme modelini kullanarak) işlemlere yol açan oturumları vurgulayın.

6. Aşama . Bu işlemlerin açılış sayfalarını vurgulayın ve bu sayfalara trafik getiren SEO anahtar kelimeleri ile ilişkilendirin.

7. Aşama . Belirli sayfaların SEO optimizasyonunun bu sayfalardaki gerçek trafiği ve satın almaları nasıl etkilediğini gösteren bir rapor oluşturun.

Google Arama Konsolu, 5.000 satıra kadar veri yüklemenize olanak tanır. Buna göre, siteye trafik çeken tüm anahtar kelime isteklerini analiz edemiyoruz.

Örneğin, belirli bir sayfa kümesindeki anahtar kelimelerin etkinliğine bakabiliriz. Diyelim ki 50'si en üstte olmak üzere 100 anahtar kelime var ve bu 50'den 30'unun Search Console aktarımına giren trafiği temsil ettiğini biliyoruz. Diğer istekler için de trafik olduğunu varsayıyoruz, yalnızca hizmet bize bu bilgiyi vermedi.

Hangi anahtar kelimelerin analiz ettiğimiz sayfalara trafik çektiğini %100 doğrulukla ölçmenin bir yolu yok. Bu nedenle, analizin başlangıcında, sonuçlarımızın belirli bir derecede hataya sahip olacağını kesin olarak kabul ettik.

Müşterimize belirli bir süre için SEO faaliyetlerinin etkinliğini analiz etmelerini sağlayan bir rapor sunduk. Verimlilik analizi, gerçek satışlara dayanıyordu, bu nedenle SEO trafiğinin yatırım getirisini saymak mümkün oldu.

SEO trafiğinin verimliliğini gösteren bir rapor oluşturmak ister misiniz? OWOX BI'yi ücretsiz deneyin ve hedeflerinize ulaşmanıza nasıl yardımcı olabileceğini görün.

Son zamanlarda, bu görev çok acil hale geldi. Muhtemelen tüm internet trafiğinin yarısı ve satışların büyük bir kısmı mobil cihazlardan yapılıyor. Müşterilerimizin çoğu, online ve offline uygulamalarla paralel olarak mobil uygulamaları kullanmaktadır. Mobil cihazlardan trafik satın aldığınızda, etkinliğini anlamak istersiniz.

Müşterinin hedefi : Uygulama içinde mobil uygulama yüklemelerini ve satışları teşvik etmek için ücretli kaynaklar (Google Ads) aracılığıyla trafik çekmenin verimliliğini değerlendirmek.

Müşterinin zorluğu : Anahtar dönüşüm işlemleri (kurulumlar, kayıtlar, işlemler, gelir) açısından trafik kaynaklarının verimliliğini gösteren bir rapor oluşturun.

Hipotezimiz : AppsFlyer'dan gelen ham verileri (kurulumlar, kullanıcı işlemleri, trafik kaynakları, gelir) Google Ads'den gelen maliyet verileriyle ilişkilendirerek, ilgili işlem işlemleri açısından reklam kampanyalarının YG'sini gösteren bir rapor oluşturabiliriz.

1. OWOX BI'yi kullanarak AppsFlyer'dan BigQuery'ye uygulama içi kullanıcı davranışına ilişkin ham verileri yükleyin ve yükleme kaynakları, sonraki işlemler ve uygulamadan elde edilen gelirle ilgili bilgileri GBQ'ya yükleyin.
2. Rapor için gereken tüm verilerin CRM'den alınan verilerle (gelir, dönüşüm sayısı) eşleşip eşleşmediğini görmek için yüklemeyi kontrol edin.
3. Veri aktarımı yöntemini kullanarak GBQ'ya bir Google Ads masraf yüklemesi ayarlayın.
4. AppsFlyer ve Veri aktarımındaki verileri birbirine bağlayan ve gerekli hesaplamaları yapan bir SQL sorgusu yazın.
5. Google Data Studio'da bir rapor oluşturun.

Mobil uygulamaların gecikmeli bir etkisi olabilir. Örneğin, birisi bir uygulama yükleyebilir, ancak uygulamaya yalnızca bir ay sonra kaydolabilir. Müşterimiz, satın alınan trafiğin zaman içindeki etkinliğini analiz etmek istedi. Yani, uygulamanın X birimi Mart ayında Y kanalından satın alındıysa, bu birimlerden kaç tanesi Nisan, Mayıs, Haziran vb. aylarında dönüşüm işlemi getirdi? Bu soruyu cevaplamak için özel bir rapor oluşturduk.

Ayrıca, müşterimizin örneğin belirli bir yönetici tarafından denetlenen kampanyaların etkinliğini görebilmesi için ülkeler, şehirler ve reklam kampanyası grupları arasında analiz yapmak da zordu. Bu, filtreler kullanılarak uygulandı.

İç sistemdeki fiili satışlar ile uygulama verileri arasında çok az hata olduğu için raporda CRM verilerini bilinçli olarak kullanmadık.

Müşterimiz, Google Data Studio'da aşağıdaki soruları yanıtlayan otomatik olarak güncellenen bir rapor aldı:

• X trafik kaynağı Y ayında kaç uygulama ayarı getirdi?
• Yükleme ayında ve takip eden aylarda kaç uygulama içi dönüşüm oldu? (trafik kaynağına göre)
• Yukarıdaki parametreler açısından kampanya gruplarının etkinliği nedir?
• Ülkeler arasında reklam kampanyaları ne kadar etkilidir?

Hassas veriler içeren bir müşteri raporunu paylaşamayız, ancak açıklanan çözümle oluşturulabilecek bir temel rapor (aylık denkleştirme yok) örneğini burada bulabilirsiniz:

Mobil uygulamalardan trafik verimliliği hakkında bilgi edinmek ister misiniz? OWOX BI'yi ücretsiz deneyin ve ihtiyaçlarınızı nasıl karşılayabileceğini görün.

Google Analytics raporları, varsayılan olarak Doğrudan Olmayan Son Tıklama ilişkilendirme modelini kullanır. Bu model, bir işlemdeki tüm değeri, siparişten önceki zincirdeki son dolaylı kaynağa atar. Bu nedenle, kullanıcıyı huni aracılığıyla tanıtan diğer kaynaklar küçümsenir.

Kanalların gerçek değerini öğrenmek ve bütçenizi etkin bir şekilde dağıtmak için OWOX BI'dan ML huni tabanlı ilişkilendirmeyi kullanabilirsiniz. İlk ziyaretten satın almaya kadar huniden geçerken tüm temas noktalarını ve tüm kullanıcı eylemlerini hesaba katar.

Müşterinin hedefi: Sabit bir CRR endeksinde kontrollü ücretli trafik kaynaklarının yatırım getirisini artırmak.

Müşterinin zorluğu: Her kullanıcının siteyle olan bağlantılarını hesaba katarak, değeri düşük trafik kaynaklarını ve bunların etkinliğini parasal olarak gösteren bir rapor oluşturun.

Hipotezimiz: Reklam bütçesi etkin bir şekilde yeniden dağıtılırsa, CRR'yi yükseltmeden yatırım getirisi artırılabilir. Bunu yapmak için YG hesaplamasında, yalnızca anlaşmaları kapatanların değil, kullanıcıyı huni aracılığıyla tanıtan tüm kampanyaların ve kaynakların katkısını dikkate alması gerekir.

1. Sitedeki ham kullanıcı davranışı verilerini toplayın ve OWOX BI kullanarak Google BigQuery'ye gönderin.
2. Reklam hizmetlerinden Google Analytics ve Google BigQuery'ye maliyet verileri aktarımını ayarlayın.
3. İstemci Kimliği, Kullanıcı Kimliği ve İşlem Kimliğini BigQuery ve CRM'ye doğru şekilde gönderilecek şekilde yapılandırın.
4. Gerçek satış verilerini CRM'den Google BigQuery'ye gerekli yapıda yükleyin.
5. Müşteri Kimliği, Kullanıcı Kimliği ve İşlem Kimliği anahtarlarına dayalı olarak, siteden kullanıcı davranışı verilerini tamamlanmış siparişlere bağlayın. SQL sorguları gerekli değildir - her şey OWOX BI ilişkilendirme modeli içinde gerçekleşir. Verileri doğru formatta yükleyip model hesaplamasına ekliyoruz.
6. Bir ilişkilendirme modeli kurun ve OWOX BI'da hesaplamaları çalıştırın. Bu aşamada, çevrimdışı gerçekleşenler (toplantılar, çağrılar, web seminerleri vb.) dahil olmak üzere belirli bir işletme için önemli olan olayları huni adımları olarak belirtebiliriz. Huni, bir işletmenin neyi ölçmek istediğine ve kullanıcının satın alma yolunu nasıl gördüğüne bağlı olarak değişebilir.
7. Üçüncü taraf BI sistemlerinde veri görselleştirme için kaynak harcamaktan kaçınmak için standart OWOX BI Akıllı Veri raporlarını kullanarak ilk veri analizini gerçekleştirin. Smart Data'da, SQL sorguları olmadan ilişkilendirme modeli hesaplamalarının sonuçlarına dayanan tamamlanmış raporları görüntüleyebilirsiniz. Örneğin, reklam kampanyalarının YG'sini ve son doğrudan olmayan tıklama ilişkilendirmesiyle gösterilen YG'den nasıl farklı olduğunu görebilirsiniz.

Müşteri Kimliğini ve İşlem Kimliğini siparişle birlikte CRM'nize doğru bir şekilde aktarmak, müşteri tarafında bir geliştirme ekibi gerektirir. Aynısı, Kullanıcı Kimliğinin yapılandırılması ve iletilmesi için de geçerlidir.

İlişkilendirme hesaplamasının sonuçlarını doğru bir şekilde yorumlamak için müşterinin ekibinden uzmanları dahil etmek gerekir. Bunun nedeni, hangi reklam kampanyalarının kurulduğuna göre bağlamı ve mantığı bilmeden bazı trafik kaynaklarının davranışını doğru bir şekilde değerlendirmenin zor olmasıdır.

Müşterimiz, aşağıdakiler için kullanılabilecek hazır raporlar aldı:

• Son doğrudan olmayan tıklama ilişkilendirmesi ve ML dönüşüm hunisine dayalı ilişkilendirme için trafik kaynaklarının yatırım getirisini tamamlanmış siparişlerle karşılaştırın
• Dönüşüm hunisinin farklı aşamalarında trafik kaynaklarının etkinliğini analiz edin
• Oran yönetimini otomatikleştirmek için ilişkilendirme modeli hesaplamasının sonuçlarını otomatik olarak Alytics, Google Ads ve K50'ye iletin (OWOX BI bu hizmetlerle entegre olur.)

Aşağıda, reklam kampanyalarının yatırım getirisinin ilişkilendirme modelleri arasında nasıl farklılık gösterdiğini gösteren OWOX İş Zekası Akıllı Verilerinden bir rapor örneği verilmiştir:

Örneğin, bu ekran görüntüsünde, ROI kaynağı bing/organik'in Google Analytics'tekinden %20 daha yüksek olduğunu görüyoruz. Diğer bir deyişle, kaynak aslında daha fazla para kazandı, ancak huninin ortasında olduğu için Google Analytics'te düşük değerlendi.

Reklam kampanyalarınızın karşılıklı etkisini ve satışlara katkısını değerlendirmek mi istiyorsunuz? OWOX BI'ı deneyin ve hedeflerinize ulaşmanıza nasıl yardımcı olabileceğini görün.

Bir kullanıcı bir yerde bir reklam gördüğünde, hiçbir şeye tıklamadığında, ancak bir süre sonra siteye gidip belirli bir işlem gerçekleştirdiğinde buna görüntüleme sonrası dönüşüm denir. Reklama doğrudan bir bağlantı ve geçiş olmadığı için bunların izlenmesi zordur.

Buna ek olarak, Facebook, Google, YouTube ve Yandex gibi büyük oyuncular sistemlerine üçüncü şahısların girmesine pek ilgi göstermezler. Yani, belirli bir kullanıcının belirli bir reklamı gördüğünü gösteren verileri vermek istemiyorlar.

Müşterinin hedefi: Medya reklamcılığına (afişler ve videolar) yapılan yatırımların verimliliğini artırmak.

Müşterinin karşılaştığı zorluk: Medya reklam öğelerinin görüntülenmelerini (tıklama olmadan) ve bir reklamı gören kullanıcıların site ziyaretlerini takip edin.

Hipotezimiz: Müşterinin medya reklamlarını yayınladığı sitelere bir izleme kodu (piksel) yerleştirebiliriz. Bu piksel, reklamı gören her kullanıcıya benzersiz bir çerez atar. Bir süre sonra bu kullanıcı müşterinin web sitesine gidebilir. Ardından, atadığımız tanımlama bilgisini okuyabileceğiz ve bu verileri görüntüleme sonrası analizler oluşturmak için kullanabileceğiz.

OWOX BI ekibinin görevi, müşterinin sitesindeki kullanıcı davranışı verileriyle birleştirilebilmesi için reklam görüntülemeleri hakkında veri toplayacak bir izleme yöntemi geliştirme göreviydi. Esasen, reklamın yayınlandığı sitelere yerleştirilebilecek bir kod parçası oluşturduk.

Ardından, SQL kullanılarak işlenebilmesi için reklam görüntüleme verilerini müşterimizin sitesindeki kullanıcı davranışı verileriyle birleştirmek için Google BigQuery'ye ihtiyacımız vardı.

Görev birkaç aşamada gerçekleştirildi:

1. Müşteriden iş gereksinimlerini toplayın.
2. Bu iş gereksinimleri temelinde, medya reklamlarının yerleştirileceği sitelerde bir pikselin tanıtılması için Teknik Yardım hazırlayın.
3. TA uygulamasının kalitesini ve reklam gösterimleri sırasında Google BigQuery'ye giren verilerin kalitesini test edin.
4. Kampanyalar başlatın ve veri iletiminin kalitesini izleyin.
5. Kampanya döneminde toplanan verileri, kullanıcı davranışı verilerinin yanı sıra CRM verileriyle ilişkilendirin.
6. Müşterinin işle ilgili sorularını yanıtlayan bir rapor oluşturun.

• Tüm siteler pikselimizi barındırmakla ilgilenmiyordu.
• Veri eşleme anahtarı olarak kendi OWOX Kullanıcı Kimliğimizi kullandık.
• Reklamverenin sahip olduğu platformlarda senaryomuzun izlenmesini ve doğru çalışmasını sürekli olarak izledik.
• Yalnızca dönüşüm aralığındaki doğrudan satışları değil, aynı zamanda reklamların yeni bir kitle (müşterinin KPI'larından biri) çekme üzerindeki etkisini de düşündük.

Müvekkilimiz aşağıdaki soruları yanıtlayan bir rapor aldı:

• Çevrimiçi siparişleri olan kampanyaların YG'si nedir?
• Bir reklamın görüntülenmesinden sonraki 10 gün içinde tamamlanan siparişler için kampanyaların YG'si nedir?
• ROPO'nun etkisi göz önüne alındığında, reklamın yatırım getirisi nedir?
• Yatırım getirisi/CR/yeni kullanıcılar açısından hangi sitelerin en etkili olduğu kanıtlandı?
• Reklamları gören kullanıcıların yüzde kaçı daha önce siteye girmiştir?
• Bir reklamı görüntüledikten sonraki X/Y/Z gün içinde siteye kaç yeni kullanıcı getirildi?
• Bir reklamı görüntüledikten sonra kaç yeni kullanıcı satın aldı?
• Bir reklamı gören kullanıcılar hangi ürünleri satın aldı?
• Kaç kişi (X gün boyunca siteye girmeyen veya siteden alışveriş yapmayan) bir reklamla geri getirildi?

Görüntüleme sonrası dönüşüm raporu örneği:

Aynı raporu mu istiyorsunuz? OWOX BI'ı deneyin ve pazarlama analizi zorluklarınızın üstesinden gelmek için nasıl kullanabileceğinizi görün.

• Veri, 21. yüzyılın petrolüdür.
• Verilerle çalışmak, deney yapmayı ve hipotezleri test etmeyi gerektirir.
• Tüm deneylerin başarılı olmayacağına hazırlıklı olmalısınız.
• CMO'nuzun arzusu tek başına yeterli değildir; Verilerin para getirmeye başlaması için şirket içindeki süreçlere ihtiyacınız var ve ekibin buna ihtiyacı var.
• Veriyi paraya dönüştürmek 21. yüzyılın simyası mı? Biz öyle düşünmüyoruz :)