“谁坐在我的椅子上？ 谁睡了我的床？” Fabelio 发现了在线客户在他们的零售店中所做的事情

来自印度尼西亚的家具多渠道商店 Fabelio.com 决定找出谁是池塘里最大的鱼，并从线下或线上获得最大的利润。 通过 OWOX BI，他们获得了详细的 ROPO 报告并改进了分析。

Fabelio.com 是一家家具和家居装饰在线商店。 该公司于2015年在印度尼西亚雅加达成立，并计划向东南亚市场扩张。 Fabelio.com 网站每月拥有超过一百万的独立访问者。

Fabelio.com 有十个展厅，客户可以在其中查看产品外观、触摸材料、测试家具并支付购买费用。 Fabelio 营销人员热衷于了解他们的在线营销工作如何促进线下商店的销售，并获得以下问题的答案：

• 客户做出购买决定需要多长时间？
• 这个时间如何因产品类别而异？
• 线下购买前的最后阶段，哪些线上渠道对销售漏斗的影响最大？
• 哪些家具类别最受稍后进行线下购买的在线客户的欢迎？
• 客户在购买之前通常会遇到多少个网站接触点？
• 对于新客户和回头客，所有这些参数有何不同？

Fabelio.com 的销售人员会记下每位参观者的姓名、电子邮件和电话号码。 这就是为什么公司可以确定客户何时访问线下商店，即使他们不购买任何东西。 这是一个额外的数据源。 这也带来了一个新的挑战：如何在销售漏斗中反映这些数据，并确定这些线下访问应该归功于哪个在线来源。

为了构建智能分析来衡量在线促销对线下销售的影响，Fabelio.com 团队必须将网站访问者活动数据与展厅中客户活动数据相关联。 要构建智能分析，您需要选择一个可靠的云存储，您收集的所有数据都将在其中对齐。 对于云数据存储，Fabelio.com 选择了 Google BigQuery。 BigQuery 是资源有限的公司的完美选择：

• 它具有灵活的定价，与类似系统相比相对便宜。
• 无需在您的服务器上安装任何软件或培训您的员工； 基本的 SQL 技能就足够了。
• 它有大量现成的库，用于与其他服务工作和集成。

Fabelio 营销专家为在 Google BigQuery 中收集数据建立了以下方案：

为了跟踪网站上的事件，Fabelio 使用 Google Analytics (GA)——全球以及印度尼西亚市场上最受欢迎的数字分析系统之一。 该公司在 GA 有一个增强型电子商务渠道：

除了与网站的关键互动外，Fabelio 团队还跟踪各种微转化：

这些数据帮助他们细分客户，深入探索交易漏斗，准确估算流量来源。

为了估计广告渠道对销售的影响，我们需要比较每个渠道的收入和费用。 为了收集此估算的数据，Fabelio 团队在 OWOX BI Pipeline 的帮助下建立了将费用自动导入 Google Analytics 的功能。 借助这些费用数据，Fabelio 营销人员可以分析 Google Ads（具有 GA 集成）和其他服务中的活动的 KPI：

为了将客户的网站操作和广告费用数据导入 Google BigQuery，Fabelio 团队使用了 OWOX BI Pipeline。 该服务同时向 Google Analytics 和 Google BigQuery 提供相同的点击量。 因此，数据不会被采样，并且在发送后 2 到 5 分钟就可以在 Google BigQuery 中进行分析。

Fabelio 在 Magento CRM 中存储有关客户、订单和参观展厅的数据。 为了关联离线和在线数据，Fabelio 专家在 Fluent 插件的帮助下，每天将 CRM 数据上传到 Google BigQuery。

有多种公开可用的开箱即用解决方案可用于将 Google BigQuery 与其他系统集成。 例如，OWOX BI 有一些免费脚本可以将您的 CRM 与云存储集成。

在 Google BigQuery 中收集所有数据后，有必要将其对齐到一张表中。 OWOX BI 分析师帮助 Fabelio 营销人员准备了具有正确结构的在线和离线订单数据集。

在最后阶段，Fabelio 团队实施了一个基于 ML 漏斗的归因模型，包括线下订单。 为了正常工作，这个特殊模型需要离线商店访问数据。 为了提供这些数据，Fabelio 分析师准备了一个额外的数据源，用于自定义事件的归属。

最后，Fabelio 团队只需启动计算。 结果，该公司得到了一个可以计算线下订单和访问量的漏斗：

Fabelio.com 获得了自动报告，使营销人员能够找到洞察力并做出正确的决定。

Fabelio 营销人员现在可以访问 OWOX BI 智能数据中的以下见解：

1. 不同归因模型的广告活动价值比较：OWOX BI 的 GA Last Non-Direct Click and ML Funnel-Based Attribution

2. 在不同渠道阶段跨来源和渠道的价值分配

此外，OWOX BI 分析师在 Data Studio 中为 Fabelio 准备了一个自动更新的仪表板。 在此仪表板中，Fabelio 营销人员可以根据来源、产品类别、客户类型、购买地点、付款方式、展厅名称、首次访问和首次会话的天数等过滤数据。

仪表板可帮助 Fabelio 营销人员找到以下问题的答案：

1. 客户在购买之前通常会遇到多少个网站接触点，这些接触点的利润如何？

2. 进行购买的客户的第一次会话是什么时候？
   

3. 对于特定类别的购买商品，客户平均会遇到多少个网站接触点？
   

4. 从第一次访问网站到购买给定产品类别需要多长时间？

PS 在阅读我们的文章全渠道零售：为什么以及如何集成在线和离线客户接触点后，我们鼓励 Fabelio.com 的同事实施此解决方案。 如果此案例研究鼓励您考虑集成在线和离线接触点，您应该尝试在 OWOX BI 的帮助下构建 ROPO 报告。 您可以在免费试用期间体验 OWOX BI 的所有可能性。