Çok kanallı bir perakendeci için ROPO etkisi nasıl ölçülür?

Tüm işletmeler, reklam kanallarının gerçek değerini öğrenmek ister ve çevrimiçi ve çevrimdışı müşteri davranışları arasındaki ilişkiyi izlemeden bunu başarmak oldukça imkansızdır. Örneğin, ilk bakışta işe yaramayan reklamları devre dışı bırakarak şirket, satışlarını azaltma riskiyle karşı karşıyadır.

Bu durumda, ROPO etkisini ölçmekte güçlük çeken büyük bir tüketici elektroniği ve ev aletleri perakende zinciri için OWOX BI ekibi tarafından sağlanan çözümü açıklıyoruz.

Çok kanallı perakendecilerin müşterileri, ürünleri tipik olarak üç benzersiz yolla satın alır:

• Web sitelerinde yalnızca çevrimiçi sipariş vermek. Web sitesinden elde edilen gelir, şirketin toplam cirosunun yaklaşık %20'sini oluşturmaktadır.
• Şirketin zincir mağazalarında çevrimdışı satın alma.
• Ürünleri web sitesinde bulmak ve çevrimdışı mağazalardan satın almak. Bu davranış, ROPO Etkisi olarak bilinir - çevrimiçi araştırma yapın ve çevrimdışı satın alın.

Pazarlamacılar, çevrimiçi kanalların çevrimdışı satışlar üzerindeki etkisini değerlendirmeye çalışıyorlardı. Bu, reklam yatırımlarının getirisini daha doğru bir şekilde hesaplamalarına ve eksiksiz verilere dayalı olarak daha iyi bir pazarlama stratejisi oluşturmalarına olanak tanır. Diğer bir görev ise, müşterilerin internet sitesini ziyaret ettikten sonra neden offline mağazalardan alışveriş yapmayı tercih ettiklerini keşfederek online deneyimlerini iyileştirmekti. Bu iki hedefe ulaşmak için, oturum açmış kullanıcıların çevrimiçi ve çevrimdışı temas noktaları hakkındaki verilerin (toplam web sitesi ziyaretçi sayısının yaklaşık %12'si) entegre edilmesine karar verildi.

Şirket, tüm verileri farklı sistemlerde toplar, saklar ve işler:

• Web sitesiyle kullanıcı etkileşimleri hakkındaki veriler Google Analytics 360'ta toplanır.
• Çevrimdışı satın almalar ve sipariş iadeleri ile ilgili veriler şirketin CRM sisteminde (SAP) toplanır. Bu verilerin yapısı ve toplama algoritması Google Analytics'ten tamamen farklıdır.

Çevrimiçi kanalların şirketin toplam geliri üzerindeki etkisini analiz etmek için pazarlamacıların tüm verileri tek bir sistemde birleştirmesi gerekiyordu. Google Analytics, verilerin yeniden işlenmesini desteklemediği için bu göreve uymuyor: İşlendikten sonra, herhangi bir nedenle sipariş iptal edilir veya iade edilirse veriler değiştirilemez. Ayrıca, web sitesini hiç ziyaret etmemiş kullanıcıların çevrimdışı işlemleriyle ilgili tüm verileri içe aktarmak, Google Analytics istatistiklerinin doğruluğunu önemli ölçüde bozacaktır. Google Analytics, JavaScript tarayıcıya yüklenmediği için web sitesi sayfalarındaki bazı satın alma verilerini izleyemeyebilir.

Pazarlamacılar hedeflerine ulaşmak için aşağıdaki adımları atmaya karar verdiler:

1. Web sitesiyle kullanıcı etkileşimleri, çevrimdışı satın almalar ve sipariş tamamlama oranları hakkındaki verileri bir araya getirin.
2. Çevrimdışı satın almalarla ilgili verileri çevrimiçi oturumlarla ilgili verilerle birleştirin.
3. Derinlemesine analiz için verileri görselleştirin.

Tüm bu sürecin akış şeması aşağıda verilmiştir:

Web sitesinde verilen tüm kullanıcı eylemleri ve siparişleriyle ilgili veriler, Google Analytics 360 hesaplarında kullanılabilen yerel entegrasyon kullanılarak Google BigQuery bulut veri ambarına gönderilir. Bu nedenle, şirketin uzmanları diğer tüm verileri toplamak için Google BigQuery'yi kullanmaya karar verdi.

Uzmanlar, çevrimdışı satın almalar ve sipariş tamamlama hakkındaki verileri CRM'den Google BigQuery'ye aktarmak için FTP aracılığıyla otomatik günlük veri yüklemeleri kurar.

OWOX BI analistleri toplanan verileri birleştirdi ve işledi. İlk olarak, çevrimiçi siparişlerle ilgili veriler, bir SQL sorgusu kullanılarak her siparişin durumuyla desteklendi. Sorgu, anahtar olarak kullanılan işlemin kimliğiyle (Sipariş Kimliği) iki tablodan eşleşen değerlere dayalı verileri birleştirir.

Daha sonra analistler, aynı müşterilerin çevrimdışı satın alımları ve web sitesi davranışları hakkındaki verileri birleştirdi. Bu amaçla, Google Analytics'teki Kullanıcı Kimliğini kullandılar. Kullanıcı Kimliği, şirketin web sitesinde oturum açan her kullanıcıya atanan benzersiz bir tanımlayıcıdır. Ardından Kullanıcı Kimlikleri, CRM sistemindeki müşteri sadakat kartlarıyla ilişkilendirilir ve Google Analytics'e özel boyut değerleri olarak gönderilir. Veri entegrasyonu için süre, web sitesi ziyaretinden satın alma işlemine kadar geçen süre dikkate alınarak 180 gün olarak belirlendi. Bu şekilde, daha ayrıntılı bir kitle segmentasyonu mümkün oldu.

Sonuç olarak, siparişlerin her biri hakkında (hem çevrimiçi hem de çevrimdışı) aşağıdaki veriler alındı:

OWOX BI ekibi, bilgilendirici bir kontrol paneli oluşturarak verileri Google Data Studio'da görselleştirdi. Şirket, daha ayrıntılı bir analiz ve bütçe planlaması için gösterge tablosundan verileri dışa aktarabilir.

Örneğin, aşağıda ekran görüntüsü verilen interaktif çubuk grafik, online, offline ve ROPO alımlarının sayısını ve bunlardan elde edilen geliri göstermektedir. Bu veriler şehir, zaman dilimi ve ürün türüne göre filtrelenebilir. ROPO alımları, şehre bağlı olarak toplam gelirin yaklaşık %10'unu oluşturmaktadır. Grafik ayrıca, her kanaldan gelen siparişlerin yüzdesinin, kanaldan elde edilen gelir yüzdesiyle örtüşmediğini gösterir - bu, ortalama sipariş değerine bağlıdır. Bu durumda, çevrimiçi satın almalar, çevrimdışı satın almalardan daha yüksek bir ortalama sipariş değerine sahiptir.

Aşağıdaki tablo, farklı bölgeler, kanallar ve ürün kategorileri genelinde ROPO satın alımlarından elde edilen ek geliri göstermektedir. Veriler tablo biçiminde dışa aktarılabilir ve şirket tarafından reklam bütçesinin dağıtılmasında kullanılır.

• Reklam kampanyalarının operasyonel planlamasında ROPO etkisinin dikkate alınmasına izin veren bilgilendirici ve otomatik gösterge panosu elde edildi.
• Şirket, çevrimiçi kanalların çevrimdışı gelirin yaklaşık %10'una katkıda bulunduğunu öğrendi.
• Şirketin zincir mağazalarında satın almadan önce web sitesinde ürün araştırması yapan kullanıcıların davranışlarını analiz ederek, bu müşterilerin neden offline alışveriş yapmayı tercih ettiğini bulmak artık mümkün. Şirket artık daha iyi bir kullanıcı deneyimi ve daha yüksek dönüşüm oranları için web sitesini yenileyebilir. Örnek olarak şirket, web sitesini ziyaret eden çevrimdışı müşterilerin çoğunun çevrimdışı satın alırken indirim kuponları kullandığını keşfetti. Bu bilgilerle donanmış pazarlamacılar, web sitesindeki indirim kuponlarıyla müşteri deneyimini zaten geliştirdiler. Buna ek olarak, şirket çevrimiçi kredi başvuru formunu basitleştirdi, böylece müşteriler krediyle satın almak için gerçek bir mağazaya gitmek zorunda kalmazlar.