ROPO 分析：它对全渠道营销分析有多大用处

已发表: 2022-05-25

多达 40% 的客户在访问线下商店购买商品之前会先上网了解更多有关产品及其可用性的信息。 此类客户的百分比肯定取决于公司。 然而，大量用户首先看到在线广告或特价商品，阅读网站上的评论和推荐，然后他们才决定离线购买。 这意味着您的在线广告计划会对线下销售数量产生严重影响。​

在这种情况下，我们描述了 OWOX BI 团队为连锁店提供的解决方案，该连锁店是丝芙兰公司（隶属于 LVMH 集团）的一部分，在全球香水和化妆品市场上处于领先地位。 它在应用 ROPO 分析时遇到了挑战。

目录

  • 目标
  • 挑战
  • 解决方案
    • 步骤 1. 选择一个用于合并数据的存储库
    • 步骤 2. 自动化数据流
    • 步骤 3. 为公司管理建立报告
  • 结果

目标

客户通常可以在线和离线购买零售商提供的商品。 购买新香水时，客户可能首先想探索香味，然后才在网上或实体店购买。

营销团队希望深入了解用户在线和线下商店之间的互动行为。 他们想用数字表明，在线营销工作不仅限于从在线订单中获得收入，还会影响线下销售（所谓的在线研究、线下购买或 ROPO 效应）。

我们建议建立一个全渠道营销分析和报告系统。

挑战

与许多大型全渠道零售商一样，该公司的首要任务是在所有销售渠道中建立有效的营销分析系统。

营销团队在解决这个问题时面临的第一个问题是数据碎片化。 在公司存在的整个过程中，积累了大量的数据，并以各种来源和格式存储，每种数据都有自己特定的处理方法。 为了确定 ROPO 效应，需要一个单一的存储库，其中可以组合分析所需的所有数据。

从这个问题出发，另一个问题是：使用什么存储？ 有两种选择：

  1. ​将所有数据存储在公司自己的服务器上。
  2. 将所有数据上传到云存储。

每个数据存储选项都有其优点和缺点。 在使用公司自己的服务器的情况下，需要考虑组织此类存储所花费的时间、购买必要硬件所需的资金、维护成本、扩展问题以及构建自动化收集和存储系统的需要。处理数据。

下一个挑战是选择一种工具来自动将来自各种来源的数据交付到单个存储库以进行进一步分析。 有很多工具可以做到这一点，但需要在价格、质量、功能、灵活性和可扩展性方面选择最好的。

解决方案

为了解决 ROPO 分析的问题，营销专家和分析师必须采取以下步骤：

  • 选择一个存储库来合并数据
  • 自动化数据流
  • 根据获得的数据，构建公司管理所需的报表和动态指标

为了实施这个计划，营销团队转向了 OWOX BI，因为我们是在线分析和数据融合方面的专家，并且自 2016 年以来一直是该公司的合作伙伴。

步骤 1. 选择一个用于合并数据的存储库

专家们选择谷歌云存储作为连接谷歌 BigQuery 的统一存储。 选择谷歌云存储的主要原因是：

  • 速度。 谷歌云存储可以在几秒钟内处理 TB 级的信息，在几分钟内处理 PB 级的信息。
  • 效率和成本透明度。 与其他工具相比，Google 的服务价格低廉且使用方便。
  • 简单的可扩展性。 随着数据量的显着增加，您无需预留额外的容量、虚拟服务器等。
  • 与外部服务的便捷集成。 大量集成可用于处理来自流行服务的数据。
  • 可靠性和数据安全性。 BigQuery 的安全、监管和认证标准允许您在项目中存储敏感数据。
  • 谷歌分析 360 导出。 可以将原始数据从 Google Analytics 直接上传到 BigQuery（包括过去 13 个月的历史数据）。
  • Compute Engine、Data Prep 等。Google Cloud 拥有许多可简化解决方案实施的集成服务。

步骤 2. 自动化数据流

分析师团队根据 OWOX BI 的建议，采取了以下措施来自动化数据流：

  • 设置从 Google Analytics 到 Google BigQuery 的自动数据导出。 该公司是 Google Analytics 360 的用户，只需单击几下即可完全自定义与 BigQuery 的集成。
  • 设置 Google Ads 和 Google Analytics 的自动集成。 值得注意的是，部分成本数据是使用 OWOX BI Pipeline 自动导入 Google Analytics 的。 总费用在另一个更适合公司目的的系统中进行分析（除了广告费用，它还收取制作宣传材料的固定成本、代理佣金和其他费用，没有这些费用就无法计算净额）投资回报率）。
  • 通过 OWOX BI Pipeline 为 Criteo、Facebook 和其他广告来源设置费用自动上传到 Google Analytics。 您可以在我们的文章中找到在 Google Analytics 中加载广告费用的方法以及自动导入 Google Analytics 和 BigQuery 的优势。
  • 将数据从 CRM 下载到 Google BigQuery。 在探索 BigQuery 和其他 Google Cloud Platform 产品的优势时，营销团队决定尝试基于一次性上传构建 ROPO 报告。 为此，他们每月将数据上传一次到谷歌云存储，然后从那里发送到 BigQuery。
  • 在营销团队熟悉了在 BigQuery 中处理数据的所有优势后，他们决定继续使用 BigQuery 作为 CRM 数据存储。 使用 OWOX BI 的 BigQuery 集成，他们将数据从 CRM 自动上传到 BigQuery。 这种集成允许独立管理（添加、删除和更新）云中的数据，这是持续使用这种方法的优势之一。

步骤 3. 为公司管理建立报告

营销团队使用 SQL 查询将 BigQuery 中收集的所有数据合并到一个表中。 现在，他们可以使用这些数据，使用 Data Studio 数据可视化工具以公司友好的格式构建报告。

值得考虑的是，用于构建报告的数据不仅可以合并到 Data Studio、Tableau 和 Google Charts 等可视化服务中。 使用 OWOX 团队开发的说明，只需单击几下，您就可以将在 BigQuery 中创建的表直接连接到 OWOX BI 归因和 OWOX BI 智能数据工具，从而在 OWOX BI 办公室中自动生成 ROPO 报告。

结果

由于构建了营销全渠道分析系统，营销团队回答了许多对业务发展很重要的问题。

建立了整个用户接触点链，从与在线广告互动到在选定的时间段内在线下商店购买，可以识别出通过用户 ID 进入网站的所有用户中的 3%——也就是说，只有那些访问已在网站上注册。 不仅可以识别在特定时间授权的用户会话，还可以识别拥有已知会员卡的未授权用户的会话。 在已识别的用户中：

  • 31% 在网上商店购物。
  • 17% 的人在离线购买之前访问了在线商店（ROPO 用户）。
  • 53% 的人同时在线上和线下商店购物。

在分析了所有必要的数据后，数字团队可以用数字显示数字媒体广告对线下商店销售的影响。下图显示了 8 月 23 日至 25 日发送的电子邮件通讯对线下销售的影响。

该报告还允许团队评估 ROPO 用户份额的变化，以了解该指标的预期与实际数据的对应程度。​

该图显示了特定广告活动产生的 ROPO 收入的百分比。

在构建下面的图表时，可以直观地显示 ROPO 用户在线和离线购买的份额，并跟踪此类用户的动态变化。​

除了主要分析之外，营销人员还想了解 ROPO 用户的行为在客户在网站上查看的内容和线下购买的内容方面如何因产品类别而异。

例如，有一种假设认为香水带来的 ROPO 收入最多。 但报告显示，事实上，抗衰老产品系列中的面部护理品类，ROPO占有率很高。 在开发下一个在线广告活动时可以考虑这些产品。

所有这些数据和对 ROPO 效应的正确分析有助于清楚地定义和展示在线广告的有效性，同时考虑到用户在线和离线的所有行为。 此外，由于 ROPO 分析和将离线交易下载到单独的 Google Analytics 视图中的能力，营销人员可以更好地了解目标受众的不同部分的行为，从而使他们能够更详细地计划营销活动。

下一步是增加已识别用户的百分比，以便更准确地确定每个细分市场的行为。 通过识别不仅在特定会话中的给定时间获得授权的用户，而且识别未获得授权但拥有可以追溯匹配的会员卡的用户，部分任务得以解决。