如何識別 ROPO：線上對線下購買的影響

在線廣告經常被低估，因為許多人開始在互聯網上尋找商品，然後去實體店購買。 特別是，對於某些產品，如名牌鞋和配飾，這已經成為一種東西。 在線銷售無法與實體店的銷售競爭，實體店的客戶擁有完全個性化的服務。 這就是為什麼營銷人員想要了解在線營銷如何影響實體店的銷售，並找出哪些活動和商品類別帶來了更多的線下購買，哪些帶來了更多的在線購買。

在本例中，我們描述了 OWOX BI 團隊為一家以低、中、高價位銷售鞋類、箱包和配飾的連鎖店提供的解決方案。 該公司擁有 90 家實體店和一個便利的網上商店。 主要挑戰是確定在線對離線購買的影響。

銷售部門注意到，許多客戶喜歡在實體店購物之前先在網上收集信息。 在網站上，客戶按價格篩選商品，並在連鎖店的零售店查看它們的供應情況。 在大多數情況下，當客戶來到實體店時，他們非常清楚自己在尋找什麼，並對服務有一定的期望。

這就是為什麼營銷人員決定：

• 定義在線營銷工作對線下銷售的影響；
• 重新分配在線營銷預算；
• 重新評估廣告渠道的效率並改進其營銷策略。

為了實現這些目標，決定應用 ROPO 分析——基於有關在線和離線購買的數據。 有了它，您可以定義歸因於在線廣告的線下收入部分（ROPO 效應）。 在我們的文章中了解為什麼以及如何集成在線和離線客戶接觸點。

要執行 ROPO 分析，您應該將在線廣告數據與離線銷售數據合併。 零售商有大量關於以不同方式購買商品的客戶的數據：

• 在商店中選擇和付款。
• 在網站上看，然後在商店購買。
• 查看網站，在網站上付款，並訂購送貨上門或送貨到商店。

因此，這些數據在不同的系統中收集、保存和處理：

• 網站上客戶行為的數據存儲在 Google Analytics 中。
• 線下訪客的訂單處理和活動數據存儲在內部 CRM 系統中。

很難手動合併來自這些系統的所有數據。 營銷人員正在尋找可以幫助他們將這些數據合併到 Google BigQuery (GBQ) 中的軟件，他們已經使用它來存儲廣告活動數據。 Google BigQuery 是最安全的 RESTful 服務之一，具有無限的數據存儲和處理潛力。

零售商的營銷人員選擇 OWOX BI Pipeline 來解決他們的任務。

OWOX BI Attribution 已用於評估廣告活動，OWOX BI Pipeline 已用於將來自 Google Analytics 的數據收集到 Google BigQuery 中，以構建有關廣告活動的報告。 對於這兩項任務，零售商都對 OWOX BI 感到滿意，因此再次選擇它進行 ROPO 分析。

OWOX BI 分析師設計了以下計劃：

• 在一個系統中收集有關廣告活動、客戶在網站上的行為、線下銷售和訂單處理的數據。
• 將離線訂單與在線會話聯繫起來。
• 根據收到的數據構建報告和儀表板，以重新評估來自在線資源的貢獻。

數據流如下所示：

讓我們一步一步地完成這個過程。

網站上的每個註冊訪問者都會收到一個唯一的user_ID 。 在執行轉換目標（完成交易）時，訪問者會獲得一個額外的transaction_ID 。 訪問者在網站上的行為數據通過 OWOX BI 使用這些 ID 傳輸到 Google BigQuery。

每天，來自 CRM 的在線和離線訂單數據也會傳輸到 Google BigQuery，並在user_ID和transaction_ID鍵的幫助下與網站數據合併。

通過合併這些數據，您可以獲得執行 ROPO 分析所需的信息。

合併所有數據後，OWOX BI 分析師開始使用 Google BigQuery 中收集的數據庫。

使用 transaction_ID 將 Google BigQuery 中的在線交易數據添加到正在處理的每個訂單（已付款和未付款）的數據中，以識別交易。

然後，分析師使用user_ID作為連接鍵，將訪問者會話數據與線下購買數據相結合。 該密鑰顯示了許多進行離線購買的客戶在網站上的會話歷史記錄。

合併數據的方案如下所示：

結果，零售商的團隊為每個訂單獲得了以下問題的答案：

• 它是什麼類型的交易？ 在線、離線還是 ROPO？
• 購買前最後一個會話的來源是什麼？ 是什麼促使客戶進行購買？
• 從網站上的最後一個會話到購買之間經過了多少天？ （對於在線購買的人來說，這總是零，因為最後一次訪問是交易發生時的會話。對於離線交易，這個數字也總是零，因為這個客戶沒有在線會話。其他客戶可以分配到ROPO 部分。）
• 上次會話的地理位置。

包含此信息的表格示例：

為了可視化接收到的數據，我們選擇了 Google Data Studio。 OWOX BI 分析師在 Google Data Studio 中創建了一個包含動態圖表的信息儀表板，以支持詳細的分析和廣告預算規劃。

例如，右側的餅圖顯示 ROPO 訂單佔收入的 20%，而左側的餅圖顯示，幾乎所有下 ROPO 訂單的客戶都在不到一周的時間內訪問了該網站。

儀表板上的所有數據都可以按地區、轉化窗口、來源、渠道和活動進行過濾，以進行更詳細的細分。 此外，可以查看每個訂單的最後一次網站訪問和購買之間的天數。

儀表板底部的圖表可幫助營銷人員了解在規劃營銷策略時應計算 ROPO 訂單的哪些額外收入，並按來源、渠道和活動顯示總收入的份額。

ROPO 分析證實了在線行為和線下購買之間的相關性，以及自動更新數據的信息儀表板提供了以下事實：

• 20% 的線下收入來自在線廣告，這意味著每五分之一的線下商店訪客已經與網站進行過互動。
• 在 ROPO 收入歸屬之後，出現了明顯的證據表明在線活動被低估了。
• 在不久的將來，這家零售商將重新審視其營銷活動，對廣告活動的效率有新的看法，並增加對數字方向的投資。