Reklam performansını ölçmek için müşteri grubu analizi nasıl kullanılır?

Günümüzde işletmeler, toplamak, kaydetmek ve ayrıntılı inceleme ile ilerlemek için çok büyük miktarda müşteri verisine sahip olan dijital bir dünyada faaliyet göstermektedir. Büyük işletmeler bir yana, küçük ölçekli şirketler için bile kolay bir seçenek değil. İş geliştikçe, daha etkili reklam vermenin ve reklam bütçesini optimize etmenin de mümkün olduğu anlaşılır.

Bu durumda, iş için entegre bir ürün paketi sağlayan büyük bir şirket için OWOX BI ekibi tarafından sağlanan çözümü açıklıyoruz. Paket, proje yönetimi, belgeler, CRM, telefon, takvimler ve daha fazlası için araçlar içerir. Bu müşteri, bir müşteri kohort analizi yürütmenin yanı sıra reklam bütçesini daha verimli bir şekilde harcama konusunda zorluklar yaşadı.

Pazarlama uzmanları için asıl zorluk daha fazla müşteriye ulaşmak olduğundan, mümkün olduğu kadar çok hizmet kaydı almak için her şey yapıldı. Veritabanında çok sayıda aktif müşteri kazandıktan sonra, müşteri yaşam döngüsünü iyileştirme ihtiyacı ortaya çıktı. Pazarlama uzmanları, ticari rekabetle birlikte müşteri edinme maliyetleri arttığından, reklam kaynaklarını yalnızca ürünlerini almaya hazır hedef kitleye harcamak istediler. Buna göre, çoğu müşteri abonelikleri için aylık olarak ödeme yaptığından, çoğu reklamcılık çabası, satın alma işleminden iki ay veya daha fazla bir süre sonra meyve vermeye başlar.

Bu nedenle reklam bütçesinin daha verimli harcanabilmesi için müşteri kohort analizi yapılmasına karar verildi. Kohort, bazı ortak özellikleri paylaşan bir grup kullanıcıdır. Pazarlamacılar, kullanıcıları ilk kayıt zamanlarına göre gruplara ayırarak, müşterilerinin web sitesine kaydolduktan sonra ne yaptıkları hakkında daha ayrıntılı bilgi almak istiyordu. Grup analizi ayrıca her gruptan elde edilen gelirin hesaplanmasına, müşteri edinme kampanyalarının etkinliğinin değerlendirilmesine ve reklam maliyetlerinin optimize edilmesine yardımcı olur. Buna ek olarak, farklı kaynaklar, kanallar ve kampanyalar genelinde grup için davranışsal verileri karşılaştırmak, hangi kampanyaların müşteri kazanımı için daha iyi çalıştığını ve hangilerinin elde tutma oranını artırdığını ve kullanıcıları birden çok portala kaydolmaya motive ettiğini anlamaya yardımcı olur.

Etkili bir kohort analizi sağlamaya ihtiyaç duyulduğundan, tüm veriler tek bir sistemde birleştirilmelidir. Başka bir zorluk, ücretsiz Google Analytics sürümüyle çalışırken sürekli olarak veri örneklemeyle karşı karşıya kalmaktı. Analistler, verileri günlük olarak dışa aktarmak zorunda kalmadan veri örneklemesini önlemek veya en azından en aza indirmek istediler.

Ayrıca, kohort analizi raporuna dahil edilmesi için bir dizi spesifik metrik gerekliydi:

• Kayıt sayısı — kayıtlı portalların sayısı.
• MAU - aylık aktif kullanıcı sayısı.
• CR'den MAU'ya — kayıtlı kullanıcı sayısına kıyasla aylık aktif kullanıcı sayısı.
• Elde tutma 2. gün — yeni bir portala kaydolduktan sonraki ikinci günde geri dönen müşteri sayısı.
• 2. gün tutma payı — kayıttan sonraki ikinci gün web sitesini tekrar ziyaret eden müşterilerin yüzdesi.
• Ödeme Yapan Kullanıcılar — ödeme yapan müşterilerin sayısı.
• CR to Paying — kayıtlı kullanıcı sayısına kıyasla ödeme yapan kullanıcı sayısı.
• Gelir TOPLAMI — bir kohort tarafından oluşturulan toplam gelir.
• Kayıp Oranı — müşteri kaybının yüzdesi.
• ROMI — gelir/maliyet × %100 olarak hesaplanan pazarlama yatırımının getirisi.

Hedef, Google BigQuery bulut veritabanını aşağıdaki şekilde kullanarak elde edildi:

1. OWOX BI Pipeline kullanarak müşteri davranışı verilerinin ve pazarlama maliyetleri verilerinin Google BigQuery'ye aktarılmasını yapılandırma.
2. Kullanıcı ve işlem verilerini Measurement Protocol aracılığıyla Google BigQuery'ye gönderme.
3. Google BigQuery'de kullanıcıları gruplara göre gruplama ve gerekli tüm metrikleri seçme.
4. Google BigQuery'den Google E-Tablolar'a veri gönderme ve kohort analiz raporları oluşturma.

Aşağıdaki şema veri akışını göstermektedir:

Şimdi her adıma ayrıntılı olarak bakalım.

Tüm alternatif platformları değerlendiren şirket, verileri birleştirmek için Google BigQuery'yi seçti. Web kullanıcısı davranışı verileri, OWOX BI Pipeline kullanılarak Google BigQuery'ye aktarıldı. İşte bu çözümün avantajları:

• Google Analytics raporlarında veri örneklemesi ve boyutların ve metriklerin sayısında sınırlama yoktur. Sınırlamalar hakkında daha fazla bilgiyi burada bulabilirsiniz.
• Web sitesindeki veriler Google BigQuery'de yalnızca 5 dakika içinde görünür.
• Gelirler ve reklam maliyetleri, oturumlar ve kullanıcılar tarafından karşılaştırılabilir, bu da kohort karlılığına ilişkin daha iyi bilgiler sağlar. OWOX BI Pipeline, reklam maliyetlerini kullanıcı oturumlarına dağıtarak, her bir kullanıcıyı elde etmek için ne kadar para harcandığını görmeyi mümkün kılar.

Ayrıca OWOX BI Pipeline yardımıyla reklam hizmetlerinden gelen veriler önce Google Analytics'e, ardından Google BigQuery'ye aktarılır. İstisna, Google Analytics ile yerel entegrasyona sahip olduğundan, AdWords içindir.

Müşteriler ile ilgili veriler CRM sisteminde toplanır. Böylece portala kaydolduktan sonraki ikinci gün web sitesini tekrar ziyaret eden kullanıcılarla ilgili veriler Google BigQuery'ye aktarılır. Aktif kullanıcılar ve işlemlerle ilgili veriler de Measurement Protocol aracılığıyla Google BigQuery'ye aktarılır.

Google BigQuery'de toplanan tüm gerekli verilerle kohortlar oluşturuldu ve her bir kohort için seçilen metrikler hesaplandı.

Müşteriler ürünler için aylık ödeme yaparken, analiz süresi bir aya ayarlandı. Kohortlar, ilk kayıt zamanına göre oluşturulmuştur. Bu, diyelim ki Temmuz ayında kaydolan tüm kullanıcıların aynı gruba ait olduğu anlamına gelir. Google BigQuery'de hesaplanan metriklerle tablo aşağıdaki yapıya sahiptir:

Veriler Google BigQuery'den (OWOX BI BigQuery Reports eklentisi aracılığıyla) dışa aktarıldığından, Google E-Tablolar'da görselleştirildi. Bu veriler her gün otomatik olarak güncellenir ve kanal, kaynak, kampanya ve reklam içeriğine göre filtrelenebilir.

Rapor, reklamcılık girişimlerinin yalnızca yeni müşteriler edinmeye yardımcı olmakla kalmayıp, aynı zamanda başka bir portal eklemek isteyen halihazırda edinilmiş müşterileri geri getirerek müşteri yaşam boyu değerini artırdığını gösteriyor.

Çoğu durumda, reklam yatırımları üç ay içinde karşılığını vermeye başlar.

Rapor oluşturma, birçok değişken faktör içeren zor bir iş olsa da, sonuç kesinlikle buna değdi. Pazarlama departmanı için bir dizi düzenli otomatik rapor oluşturuldu. Bundan önce, pazarlama uzmanlarının bu tür raporları manuel olarak oluşturması, her şeyi iki kez kontrol etmesi ve çok fazla zaman ve çaba harcaması gerekiyordu.

Yeni raporlar nedeniyle, bazı ilginç keşifler de oldu. Örneğin, reklamın yalnızca müşteri kazanımı için işe yaramadığı, aynı zamanda müşteriyi elde tutmaya katkıda bulunduğu ve aynı müşteriden daha fazla kayıt alınmasına yardımcı olduğu bulundu.

• Şirket artık, müşteri grupları genelinde reklam kanallarının, kaynakların ve kampanyaların performansını aylık olarak ölçmeye yardımcı olan bir dizi tam otomatik rapora sahiptir.
• Reklamlarının ne kadar iyi performans gösterdiğini bilen pazarlama uzmanları, artık her bir gruptan elde edilen toplam geliri artırmak ve kayıp oranını azaltmak için maliyetleri optimize edebilir.
• Kohort analizinin yardımıyla, en sadık müşterileri getiren kaynakları belirlemek artık mümkün. Bu veriler yeniden pazarlama için de kullanılabilir.