Как измерить ROPO-эффект для омниканального ритейлера

Все компании хотят узнать реальную ценность своих рекламных каналов, а этого практически невозможно достичь без отслеживания взаимосвязи между онлайн- и офлайн-поведением клиентов. Например, отключая рекламу, которая, на первый взгляд, не окупается, компания рискует снизить свои продажи.

В данном случае мы описываем решение, предоставленное командой OWOX BI для крупной сети магазинов электроники и бытовой техники, у которой возникли проблемы с измерением ROPO-эффекта.

Клиенты омниканальных ритейлеров обычно покупают товары тремя уникальными способами:

• Заказ исключительно онлайн на веб-сайтах. Доход от сайта составляет около 20% от общего оборота компании.
• Покупка оффлайн в сети магазинов компании.
• Поиск товаров на сайте и покупка их в офлайн-магазинах. Это поведение известно как эффект ROPO — исследуйте онлайн и покупайте офлайн.

Маркетологи хотели оценить влияние онлайн-каналов на офлайн-продажи. Это позволило бы им более точно рассчитать окупаемость инвестиций в рекламу и построить лучшую маркетинговую стратегию на основе полных данных. Еще одна задача заключалась в том, чтобы улучшить онлайн-опыт клиентов, выяснив причины, по которым они предпочитают покупать в офлайн-магазинах после посещения веб-сайта. Для достижения этих двух целей было решено интегрировать данные об онлайн- и офлайн-точках взаимодействия авторизованных пользователей (около 12% от общего числа посетителей сайта).

Компания собирает, хранит и обрабатывает все данные в разных системах:

• Данные о взаимодействии пользователей с веб-сайтом собираются в Google Analytics 360.
• Данные об офлайн-покупках и возвратах заказов собираются в CRM-системе компании (SAP). Структура и алгоритм сбора этих данных полностью отличается от Google Analytics.

Чтобы проанализировать влияние онлайн-каналов на общий доход компании, маркетологам нужно было объединить все данные в единую систему. Google Analytics не подходит для этой задачи, так как не поддерживает повторную обработку данных: после обработки данные не могут быть изменены в случае отмены или возврата заказа по какой-либо причине. Более того, импорт всех данных об офлайн-транзакциях пользователей, которые никогда не посещали сайт, существенно исказил бы точность статистики Google Analytics. Google Analytics также может не отслеживать некоторые данные о покупках на страницах веб-сайта, поскольку в браузере не загружен JavaScript.

Для достижения своих целей маркетологи решили предпринять следующие шаги:

1. Объедините данные о взаимодействии пользователей с веб-сайтом, офлайн-покупках и показателях выполнения заказов.
2. Объедините данные об офлайн-покупках с данными об онлайн-сеансах.
3. Визуализируйте данные для углубленного анализа.

Блок-схема всего этого процесса приведена ниже:

Данные обо всех действиях пользователей и размещенных на сайте заказах отправляются в облачное хранилище данных Google BigQuery с помощью нативной интеграции, доступной для учетных записей Google Analytics 360. Поэтому специалисты компании решили использовать Google BigQuery для сбора всех остальных данных.

Для передачи данных об офлайн-покупках и выполнении заказов из CRM в Google BigQuery специалисты настроили автоматическую ежедневную выгрузку данных по FTP.

Аналитики OWOX BI объединили и обработали собранные данные. Во-первых, данные об онлайн-заказах дополнялись статусами каждого заказа с помощью SQL-запроса. Запрос объединяет данные на основе совпадающих значений из двух таблиц с идентификатором транзакции (идентификатором заказа), используемым в качестве ключа.

Далее аналитики объединили данные об офлайн-покупках и поведении одних и тех же клиентов на сайте. Для этого они использовали идентификатор пользователя в Google Analytics. Идентификатор пользователя — это уникальный идентификатор, присваиваемый каждому пользователю, вошедшему на веб-сайт компании. Затем идентификаторы пользователей связываются с картами лояльности клиентов в системе CRM и отправляются в виде значений пользовательских параметров в Google Analytics. Срок для интеграции данных был установлен в 180 дней с учетом периода времени от посещения веб-сайта до покупки. Таким образом, стало возможным более детальное сегментирование аудитории.

В результате были получены следующие данные о каждом из заказов (как онлайн, так и оффлайн):

Команда OWOX BI визуализировала данные в Google Data Studio, создав информативный дашборд. Компания может экспортировать данные с дашборда для более детального анализа и планирования бюджета.

Например, интерактивная гистограмма, скриншот которой приведен ниже, показывает количество онлайн-, офлайн- и ROPO-покупок, а также полученный от них доход. Эти данные можно фильтровать по городу, периоду времени и типу продукта. Покупки ROPO составляют около 10% от общей выручки в зависимости от города. На диаграмме также видно, что процент заказов с каждого канала не совпадает с процентом выручки, полученной от канала, — он зависит от средней стоимости заказа. В этом случае онлайн-покупки имеют более высокую среднюю стоимость заказа, чем офлайн-покупки.

В таблице ниже показан дополнительный доход от ROPO-покупок в разных регионах, каналах и категориях продуктов. Данные могут быть экспортированы в табличном формате и используются компанией при распределении рекламного бюджета.

• Получен информативный и автоматизированный дашборд, позволяющий учитывать ROPO-эффект при оперативном планировании рекламных кампаний.
• Компания выяснила, что онлайн-каналы приносят около 10% офлайн-дохода.
• Анализируя поведение пользователей, которые изучают товары на веб-сайте, прежде чем покупать их в сетевых магазинах компании, теперь можно выяснить причины, по которым эти покупатели предпочитают делать покупки в офлайн-режиме. Теперь компания может обновить веб-сайт, чтобы сделать его более удобным для пользователей и повысить коэффициент конверсии. Например, компания обнаружила, что большинство офлайн-покупателей, посетивших веб-сайт, использовали купоны на скидку при совершении покупок в офлайн-режиме. Вооружившись этой информацией, маркетологи уже улучшили качество обслуживания клиентов с помощью купонов на скидку на веб-сайте. Кроме того, компания упростила форму онлайн-заявки на получение кредита, так что клиентам не нужно идти в обычный магазин, чтобы купить в кредит.