如何识别 ROPO：线上对线下购买的影响

在线广告经常被低估，因为许多人开始在互联网上寻找商品，然后去实体店购买。 特别是，对于某些产品，如名牌鞋和配饰，这已经成为一种东西。 在线销售无法与实体店的销售竞争，实体店的客户拥有完全个性化的服务。 这就是为什么营销人员想要了解在线营销如何影响实体店的销售，并找出哪些活动和商品类别带来了更多的线下购买，哪些带来了更多的在线购买。

在本例中，我们描述了 OWOX BI 团队为一家以低、中、高价位销售鞋类、箱包和配饰的连锁店提供的解决方案。 该公司拥有 90 家实体店和一个便利的网上商店。 主要挑战是确定在线对离线购买的影响。

销售部门注意到，许多客户喜欢在实体店购物之前先在网上收集信息。 在网站上，客户按价格筛选商品，并在连锁店的零售店查看它们的供应情况。 在大多数情况下，当客户来到实体店时，他们非常清楚自己在寻找什么，并对服务有一定的期望。

这就是为什么营销人员决定：

• 定义在线营销工作对线下销售的影响；
• 重新分配在线营销预算；
• 重新评估广告渠道的效率并改进其营销策略。

为了实现这些目标，决定应用 ROPO 分析——基于有关在线和离线购买的数据。 有了它，您可以定义归因于在线广告的线下收入部分（ROPO 效应）。 在我们的文章中了解为什么以及如何集成在线和离线客户接触点。

要执行 ROPO 分析，您应该将在线广告数据与离线销售数据合并。 零售商有大量关于以不同方式购买商品的客户的数据：

• 在商店中选择和付款。
• 在网站上看，然后在商店购买。
• 查看网站，在网站上付款，并订购送货上门或送货到商店。

因此，这些数据在不同的系统中收集、保存和处理：

• 网站上客户行为的数据存储在 Google Analytics 中。
• 线下访客的订单处理和活动数据存储在内部 CRM 系统中。

很难手动合并来自这些系统的所有数据。 营销人员正在寻找可以帮助他们将这些数据合并到 Google BigQuery (GBQ) 中的软件，他们已经使用它来存储广告活动数据。 Google BigQuery 是最安全的 RESTful 服务之一，具有无限的数据存储和处理潜力。

零售商的营销人员选择 OWOX BI Pipeline 来解决他们的任务。

OWOX BI Attribution 已用于评估广告活动，OWOX BI Pipeline 已用于将来自 Google Analytics 的数据收集到 Google BigQuery 中，以构建有关广告活动的报告。 对于这两项任务，零售商都对 OWOX BI 感到满意，因此再次选择它进行 ROPO 分析。

OWOX BI 分析师设计了以下计划：

• 在一个系统中收集有关广告活动、客户在网站上的行为、线下销售和订单处理的数据。
• 将离线订单与在线会话联系起来。
• 根据收到的数据构建报告和仪表板，以重新评估来自在线资源的贡献。

数据流如下所示：

让我们一步一步地完成这个过程。

网站上的每个注册访问者都会收到一个唯一的user_ID 。 在执行转换目标（完成交易）时，访问者会获得一个额外的transaction_ID 。 访问者在网站上的行为数据通过 OWOX BI 使用这些 ID 传输到 Google BigQuery。

每天，来自 CRM 的在线和离线订单数据也会传输到 Google BigQuery，并在user_ID和transaction_ID键的帮助下与网站数据合并。

通过合并这些数据，您可以获得执行 ROPO 分析所需的信息。

合并所有数据后，OWOX BI 分析师开始使用 Google BigQuery 中收集的数据库。

使用 transaction_ID 将 Google BigQuery 中的在线交易数据添加到正在处理的每个订单（已付款和未付款）的数据中，以识别交易。

然后，分析师使用user_ID作为连接键，将访问者会话数据与线下购买数据相结合。 该密钥显示了许多进行离线购买的客户在网站上的会话历史记录。

合并数据的方案如下所示：

结果，零售商的团队为每个订单获得了以下问题的答案：

• 它是什么类型的交易？ 在线、离线还是 ROPO？
• 购买前最后一个会话的来源是什么？ 是什么促使客户进行购买？
• 从网站上的最后一个会话到购买之间经过了多少天？ （对于在线购买的人来说，这总是零，因为最后一次访问是交易发生时的会话。对于仅线下交易，这个数字也总是为零，因为该客户没有在线会话。其他客户可以分配到ROPO 部分。）
• 上次会话的地理位置。

包含此信息的表格示例：

为了可视化接收到的数据，我们选择了 Google Data Studio。 OWOX BI 分析师在 Google Data Studio 中创建了一个包含动态图表的信息仪表板，以支持详细的分析和广告预算规划。

例如，右侧的饼图显示 ROPO 订单占收入的 20%，而左侧的饼图显示，几乎所有下 ROPO 订单的客户都在不到一周的时间内访问了该网站。

仪表板上的所有数据都可以按地区、转化窗口、来源、渠道和活动进行过滤，以进行更详细的细分。 此外，可以查看每个订单的最后一次网站访问和购买之间的天数。

仪表板底部的图表可帮助营销人员了解在规划营销策略时应计算 ROPO 订单的哪些额外收入，并按来源、渠道和活动显示总收入的份额。

ROPO 分析证实了在线行为和线下购买之间的相关性，以及自动更新数据的信息仪表板提供了以下事实：

• 20% 的线下收入来自在线广告，这意味着每五分之一的线下商店访客已经与网站进行过互动。
• 在 ROPO 收入归属之后，出现了明显的证据表明在线活动被低估了。
• 在不久的将来，这家零售商将重新审视其营销活动，对广告活动的效率有新的看法，并增加对数字方向的投资。