如何将企业零售商的上下文广告投资回报率提高 2.2 倍

已发表: 2022-05-25

每个企业都熟悉的一个问题是如何在保持销售的同时减少上下文广告的支出。 如果您在 Google Ads 或 Facebook 等广告系统中为您的网站购买流量，那么您的很大一部分支出将用于最终没有将商品放入购物车的用户的点击。 即使他们这样做了，他们也并不总是完成购买。 那么可以做些什么来优化广告活动呢？

在这种情况下，我们描述了 OWOX BI 团队为测试 OWOX BI 以计算转化概率的电子和家电零售商提供的解决方案。

目录

  • 任务
  • 解决方案
  • 如何实施 OWOX BI 以提高投资回报率
  • 结果

任务

企业零售商的主要绩效营销任务包括提高效率指标并减少与当前对购买不感兴趣的用户的联系。 数据驱动的解决方案是优化广告活动的最有前途的工具。 OWOX BI 归因模型使用机器学习技术来计算每个网站用户从第一次访问开始的购买概率。 使用这些购买概率，企业可以确定是否值得向用户投放广告。 此外，OWOX BI 模型可以计算用户执行任何操作的概率。

此外，上下文广告 SEM 专家的一项强制性任务是将网站访问者根据他们在网站上执行的操作以及自上次触发以来经过的时间分为不同的组。 例如，自将商品添加到购物车而没有购买的天数。 对此类受众的手动分析和调整出价计算占据了工作流程的很大一部分。

总而言之，目标是提高上下文广告活动的投资回报率，同时节省已完成订单的收入。

解决方案

OWOX BI 机器学习解决方案被用于优化广告活动，接受以下培训：

  • 网站用户行为的历史数据
  • 已赎回订单的 CRM 数据
  • 来自 OWOX 客户的数万个项目的汇总和匿名数据

OWOX BI 提供了什么：

  • 对于每个网站用户，购买概率是根据已赎回的订单计算的。
  • 在每个用户操作或不活动时间段后更新概率计算。 例如，如果用户访问一个网站并执行一系列操作，他们将获得 X% 的购买概率。 如果他们在那之后四天不访问该网站，这个概率就会降低。
  • 根据购买概率沿 10 分制划分 10 个用户细分。

为了评估每个细分市场的预测准确性和绩效，该团队分析了每个细分市场已完成的订单数量。

表格顶部是转化概率最高的部分，底部是转化概率最低的部分。

如何实施 OWOX BI 以提高投资回报率

  1. 使用 OWOX BI 在 Google BigQuery 中收集有关用户在网站上的行为的数据。 （也可以使用 Google Analytics 360。）
  1. OWOX 分析师训练了归因模型，并开始定期为网站访问者计算转化概率。 每个访问者都被分配了一个转换概率。 该算法涉及60多个参数，包括：

    • 转化窗口内点击中的会话数
    • 会话内网站上的操作
    • 会话之间的暂停
    • 行动总数
    • 会话设备和操作系统
    • 用户在转化窗口内的流量来源
    • 会话中每个页面上的操作数
    • 特定会话的时间和转换窗口内会话的总时间

  1. OWOX BI 团队将所有这些数据收集到 Google BigQuery 中的一个表中，以评估每个用户的购买概率。

  1. 使用 OWOX BI 管道将受众数据传输到广告服务。
  1. 观众被添加到广告服务中。

主要的 A/B 测试是在被检查的广告活动组之间平均分配流量的情况下进行的：

  • 手动创建。
  • 在自动化服务的帮助下基于产品数据馈送。

实验成功后，开始了对包含动态广告的广告系列的第二次测试。 根据广告活动的效率收集数据后，计算和调整受众的出价：

  • 降低购买概率低（有时高达 90%）的受众的出价。
  • 提高购买概率较高的受众的出价。

出价调整的大小是根据收集到的有关每个受众的转化系数和目标投资回报率的数据计算得出的。 每个活动和受众的当前投资回报率也被考虑在内。 对于每个受众，OWOX BI 计算出适当的每次点击价格。 根据这些计算，它调整了当前价格以达到目标 KPI。 调整会根据结果不断变化。

结果

两个月来，OWOX 分析师与客户团队合作进行了两次测试。 第一个持续了一个半月，包括五个流量较低的广告活动。 这些活动中的每一个都被细分为两个用于 A/B 测试的活动：一个使用 OWOX BI 受众，一个不使用它们。

使用 OWOX 受众的广告系列在完成订单的投资回报率和收入方面都显示出 1.7 倍的好结果。 对于零售商来说，这是朝着提高广告投资效率的方向迈出的一步。

在第一次实验之后，OWOX BI 团队根据相同的原则对流量大的活动进行了为期三周的测试——使用 OWOX BI 受众和不使用 OWOX BI 受众的活动数量相等。

第二次测试的结果是，在具有 OWOX BI 受众的广告系列中，已完成订单的 ROI 和收入分别提高了 2.2 倍和 2.7 倍。

在这两种情况下，测试组要么以与对照组相同的预算带来更多的收入，要么以较低的预算带来相同的收入。 使用 OWOX BI 来预测转化，我们的客户节省了创建细分受众群的时间，网站用户的所有数据都被自动处理，并将生成的数据上传到广告服务，在广告活动中可以使用它来调整出价和运行重新定位。

这些测试结果被认为是进一步扩展其他绩效和品牌形象渠道的成功开始。 随着转化概率计算的实验证明了它们的效率，下一步是扩展解决方案——在所有搜索活动中使用它，通过根据细分中的转化设置不同的出价来运行重新定位，并将其应用于其他广告服务，如 Facebook 、MyTarget 和 Google Ads。