Cara meningkatkan analitik internal menggunakan model atribusi berbasis corong ML

Dengan menerapkan sebanyak mungkin saluran periklanan untuk menjangkau pelanggan, bisnis menghadapi masalah besar dengan evaluasi kinerja, kesuksesan, dan, tentu saja, pertumbuhan pendapatan yang tepat. Pertanyaan yang harus mereka jawab adalah Saluran apa yang bekerja lebih baik? Mana yang harus dihilangkan dan mana yang memberikan arahan yang berkualitas? Sekarang saatnya model atribusi masuk ke dalam game.

Dalam hal ini, kami menjelaskan solusi yang diberikan oleh tim OWOX BI untuk pengecer online besar yang memiliki tantangan dalam meningkatkan kinerjanya dan menggunakan model atribusi yang benar.

Sebelum bekerja sama dengan OWOX BI, perusahaan menggunakan model atribusi Klik Terakhir yang memberikan semua nilai ke sumber terakhir, mengabaikan kontribusi semua langkah sebelumnya sebelum pesanan. Untuk mengevaluasi kinerja kampanye iklan dengan benar, diputuskan untuk menyiapkan model atribusi berbasis corong ML.

Perusahaan memiliki berbagai titik kontak pengguna: iklan media sosial, situs web perbandingan harga, PPC, situs web, panggilan telepon, pemasaran langsung, pusat pemenuhan, dan pos terdepan. Mirip dengan kebanyakan pengecer dengan pemasaran multisaluran, ia menghadapi masalah penyebaran data, karena perusahaan mengumpulkan dan menyimpan data dalam sistem yang berbeda.

Untuk mengevaluasi kontribusi setiap saluran terhadap perjalanan pelanggan di sepanjang corong, pengecer perlu menggabungkan data tentang perilaku pengguna, biaya iklan, pesanan offline, dan pendapatan perusahaan yang sebenarnya, dengan akun pesanan yang telah diselesaikan. Ini berarti bahwa perusahaan perlu menyiapkan analitik pemasaran, dengan mengambil langkah-langkah berikut:

1. Kembangkan kumpulan metrik individu untuk mengumpulkan data perilaku pengguna dari situs web ke Google Analytics 360. Dengan menggunakan ekspor standar, data tanpa sampel dapat dikirim ke Google BigQuery.
2. Siapkan OWOX BI Pipeline untuk mengumpulkan data dari layanan iklan ke Google BigQuery.
3. Konfigurasikan ekspor data transaksi dari sistem CRM ke Google BigQuery.
4. Buat model atribusi berbasis corong ML berdasarkan data yang digabungkan di Google BigQuery.
5. Lakukan pencatatan tautan untuk pengelompokan saluran bersama dengan analis OWOX BI, karena nama pengecer sendiri untuk pengelompokan saluran berbeda dari GA 360.
6. Dapatkan laporan di Google Spreadsheet untuk perencanaan anggaran bulanan.

Di bawah ini adalah grafik konsolidasi data:

Sekarang, mari kita lihat lebih dekat bagaimana model atribusi berbasis corong ML dibuat bersama dengan laporan.

Analis OWOX BI membantu mengembangkan, menyiapkan, dan mengimplementasikan kumpulan metrik individu untuk pengecer. Selain itu, spesialis kami secara teratur menguji dan memperbarui sistem metrik untuk domain baru bersama dengan fitur baru.

Data tentang perilaku pengguna di situs dikumpulkan di Google Analytics 360 dan dikirim ke Google BigQuery setiap hari, untuk ditautkan dengan data tentang biaya dan transaksi iklan. Perusahaan memilih Google Analytics versi berbayar karena situs webnya memiliki tingkat lalu lintas yang tinggi. Versi standar menerapkan pengambilan sampel saat jumlah sesi pengguna melebihi 500.000, sedangkan Google Analytics 360 memungkinkan mendapatkan data yang akurat hingga mencapai klik.

Data tentang biaya AdWords masuk ke Google Analytics 360, berkat integrasi asli. Sedangkan OWOX BI Pipeline digunakan untuk mengirimkan data dari Facebook ke Google Analytics 360 dan untuk menggabungkan data biaya tentang semua layanan iklan di Google BigQuery. Tabel di bawah ini menunjukkan struktur data yang dikirim:

Untuk memperhitungkan data tentang pengembalian dan pesanan yang diselesaikan, analis mengekspor data tentang transaksi dari sistem CRM ke Google BigQuery. Struktur data ditunjukkan di bawah ini:

Struktur ini membantu menggabungkan data tentang pesanan yang diselesaikan dengan data tentang perilaku pengguna situs web, menggunakan user_id dan kunci waktu .

Saluran penjualan pengecer terdiri dari 5 langkah: Kunjungi, Halaman Produk, Tambahkan ke troli, Keluar, Beli. Tim OWOX BI menghitung periode waktu rata-rata dari kunjungan situs web hingga pembelian dan merekomendasikan jendela konversi dan jendela transaksi yang optimal.

Dengan menggunakan data ini, model atribusi berbasis corong ML telah dibuat:

Model atribusi berbasis corong ML mengevaluasi kemungkinan pengguna berpindah dari satu langkah corong penjualan ke yang lain. Kolom abu-abu menunjukkan nilai probabilitas. Semakin rendah kemungkinan berpindah dari satu langkah ke langkah lainnya, semakin banyak nilai yang diperoleh sesi di mana pengguna melewati langkah ini. Hanya sesi yang mengarah ke pesanan yang akan mendapatkan nilai. Anda dapat mempelajari lebih lanjut tentang logika perhitungan Atribusi OWOX BI di blogpost kami.

Hasil atribusi digunakan untuk membuat laporan yang akan kami jelaskan di langkah 6.

Semua sumber lalu lintas di laporan Google Analytics 360 secara default dibentuk ke dalam pengelompokan saluran berikut: Langsung, Organik, Email, Rujukan, Sosial, Display, CPC, dan Lainnya.

Namun, spesialis pemasaran menggunakan nama pengelompokan saluran mereka sendiri untuk laporan internal. Untuk membuat model atribusi, tim perusahaan menggunakan data yang telah dikumpulkan untuk periode sebelumnya dengan nama mereka sendiri untuk pengelompokan saluran. Itulah mengapa sudah terlambat untuk mengubah nama di setelan Google Analytics 360. Karena fakta ini, analis OWOX BI melakukan tautan rekaman dan membuat daftar nama yang cocok yang dapat diperbarui untuk pengelompokan saluran di Google Spreadsheet. Tabel di bawah ini menunjukkan struktur daftar:

Tim OWOX BI membuat skrip untuk menggabungkan tautan catatan di Google BigQuery dengan hasil atribusi setiap bulan, menggunakan kunci sumber dan kunci menengah .

Dengan bantuan analis OWOX BI, dua laporan dibuat. Laporan pertama membantu memahami afiliasi mana yang mengaitkan nilai saluran lain dengan diri mereka sendiri. Laporan ini tersedia di OWOX BI Smart Data. Analis mengekspor data dari laporan yang diperoleh ke Google Spreadsheet, menggunakan add-on OWOX BI BigQuery Reports gratis.

Berikut adalah langkah-langkah yang diambil analis OWOX BI untuk mengekspor data ke Google Spreadsheet:

1. Navigasikan ke Data Cerdas dan tanyakan Bagaimana nilai sumber dan media didistribusikan di antara langkah-langkah corong , dan buka laporannya.
2. Arahkan ke sudut kanan atas dan pilih Salin kueri SQL ke Clipboard .

1. Buat laporan baru di Google Spreadsheet. Untuk melakukannya, buka menu Add-on , lalu pilih OWOX BI BigQuery Reports dan Add a new report . Kemudian pilih proyek Google Cloud Platform yang ada, pilih Tambahkan laporan baru dan klik Tempel :

Perlu diketahui bahwa setiap laporan baru dibuat dalam lembar baru:

Berikan konfigurasi laporan di bilah sisi: pilih proyek Google Cloud Platform yang ada dan kueri Google BigQuery, yang akan menyediakan data untuk diunggah.

Catatan! Anda dapat menemukan detail lebih lanjut tentang konfigurasi laporan di sini.

1. Sekarang laporan tersedia di Google Spreadsheet. Anda dapat menjadwalkan pembaruan laporan otomatis untuk kenyamanan lebih. Untuk melakukannya, buka Jadwalkan laporan di setelan Laporan BigQuery OWOX BI:

Tetapkan periode waktu yang diperlukan untuk pembaruan:

Catatan! Untuk mempelajari lebih lanjut tentang cara menjadwalkan pembaruan laporan reguler, ikuti tautan ini.

Spesialis OWOX BI memodifikasi kueri dan menambahkan parameter dinamis: sumber dan periode analisis.

Catatan! Ikuti tautan ini untuk mengetahui lebih lanjut tentang parameter dinamis dalam kueri.

Hasilnya, laporan analisis lalu lintas diperoleh dan menunjukkan langkah corong mana yang mendapatkan lebih banyak pengaruh dari sumber tertentu:

Setelah memfilter mitra afiliasi saja, perusahaan dapat mengidentifikasi mitra yang memiliki nilai paling tinggi pada langkah corong terakhir:

Laporan kedua menunjukkan biaya, pendapatan, dan ROAS aktual pada kampanye iklan. Dengan menggunakan laporan ini, pakar pemasaran dapat mengetahui sumber mana yang menghasilkan lebih banyak pendapatan, dan mana yang tidak membuahkan hasil:

• Sistem pengumpulan data yang benar dan fleksibel dibuat oleh tim OWOX BI.
• Menggunakan produk OWOX BI dan Google, proses pengumpulan data dilakukan secara otomatis. Semua data sekarang tersedia dalam satu antarmuka, secara real-time.
• Model atribusi berbasis corong ML membantu perusahaan mengevaluasi kinerja kampanye dan saluran iklan dengan lebih baik.