Як розрахувати невимірне: вплив онлайн-реклами на офлайн-продажі

  • Виктория
  • 26.06.2020 97

У період карантину та пост-карантинний період перед багатьма підприємцями з'явилося нетривіальне завдання - в стислі терміни перемістити свій бізнес в онлайн середу. А оскільки велика частина маркетингових ресурсів вкладається в платне залучення клієнтів, це тягне за собою побудову нової моделі атрибуції, яка допоможе найкращим способом визначити, який з каналів і джерел мав найбільший вплив на вчинення цільового дії.

І якщо у випадку інтернет-маркетингу для цього можна побудувати наскрізну аналітику, то в разі мультиканального бізнесу це завдання ускладнюється. Оскільки шляхи клієнтів часто нелінійні і включають в себе безліч факторів, які в різній мірі впливають на конверсію.

Тому, коли велика частина конверсій відбувається в автономному режимі, є необхідність відслідковувати, як саме ваші маркетингові онлайн-кампанії приносять оффлайн дохід. Тому сьогодні ми вирішили з’ясувати, як можна виміряти “невимірне” в мультканальном бізнесі, чи можна пов’язати оффлайн і онлайн покупки і який вплив має онлайн-реклама на офлайн-продажу.

Почнемо з того, що сучасна купівельна поведінка може включати кілька типів. Таких як:

  • Online-only.      
  • Offline-only.      
  • ROPO. Вивчення продукту онлайн перед здійсненням покупки в фізичному магазині.      
  • Showrooming. Вивчення товарів в реальних магазинах і покупка їх через Інтернет.     

Таким чином, вимірюючи ефективність онлайн-маркетингу при обліку транзакцій тільки всередині Google Analytics, є ризик втратити оффлайн замовлення при оцінці результативності ваших компаній. Тоді як же побудувати правильну, цінну багатоканальну модель атрибуції?

Наскільки впливовий ефект ROPO?

У мережі є безліч досліджень з оцінкою ROPO ефекту, коли покупець вибирає товар онлайн, а покупку здійснює в офлайні. За даними DigitasLBi, 88% споживачів у всьому світі попередньо вивчають продукти онлайн перед покупкою і близько 65% шукають ціни на мобільні телефони в фізичному магазині. За допомогою сервісу Consumer Barometer від Google ви можете дізнатися статистику даного ефекту з урахуванням ніші, регіону чи групи товарів.

Концептуально оцінка впливу онлайн-реклами на офлайн-продажу має два рішення. Перше базується на об’єднанні дій конкретних користувачів, коли ми можемо пов’язати їх дії на сайті з покупками в офлайні. Тут очевидно, що вони повинні бути обов’язково авторизовані. Другим рішенням буде так зване безособистісне об’єднання даних для оцінки впливу, наприклад, ТВ реклами на рішення про оффлайн-покупці. В такому випадку відстежити кореляцію між переглядом рекламних банерів з конкретними замовленнями буде не так просто.

Тому спробуємо сконцентруватися на першому рішенні, коли система більш прозора і є першим пріоритетом для бізнесу. Тобто оцінка онлайн-рекламних кампаній на основі персоналізованих дій користувача, коли це можна безпосередньо пов’язати з покупками в фізичному магазині.

Що рухає поведінкою ROPO в магазині?

  • Покупці хочуть розглянути товар особисто.      
  • Товар потрібен набагато раніше, ніж він може бути відправлений при онлайн-замовленні.      
  • Є бажання заощадити на доставці.      
  • Потрібна особиста порада.     

А на сайті?

Вивчення ефекту ROPO допоможе відповісти на питання з серії: покупці ROPO частіше роблять покупки онлайн або оффлайн? Як можна заощадити ресурси на ретаргетінг ROPO клієнтів? Яка реальна рентабельність маркетингових активностей в інтернеті з урахуванням оффлайн-кампаній?

Відповіді на ці питання зможе дати аналіз ROPO ефекту. Основним принципом даного ефекту є ілюстрація того, як онлайн-покупки співвідносяться з покупками в оффлайн магазині.

А що важливо, його ретельний аналіз допоможе поліпшити сам продукт і дасть корисні інсайти за асортиментом товару, питань ціноутворення (різниця між онлайн і оффлайн), допоможе знайти складності, пов’язані з юзабіліті сайту, а також виявити обмеження в акціях.

Як об’єднати оффлайн і онлайн?

Хорошим ходом буде знайти спільні ключі між каналами бізнесу. Але найчастіше потенційні покупці відвідують сайт анонімно і ідентифікувати їх в такому випадку неможливо. Тоді їх варто мотивувати залишити контакт при відвідуванні сайту, для підтримки подальшого зв’язку з ними. Наприклад, тим, хто зробили покупку оффлайн варто запропонувати карту лояльності або зробити авторизацію обов’язковою умовою для участі в конкурсі. Або, в разі SaaS бізнесу, актуально буде запропонувати Trial період з попередньою реєстрацією, запропонувати підписатися на корисні розсилки з дослідженнями у вашій галузі та презентаціями.

Так, при відвідуванні вашого онлайн-магазину і виборі товару клієнтом, вам буде відомий тільки Google Analytics ClientID. Далі, якщо врахувати ефект ROPO і бути готовим до того, що, швидше за все, незавершена покупка призведе його в оффлайн магазин, можна попросити залишити email-адресу в анкеті в обмін на отримання листів про спецпропозиції від вашого магазину, акції або знижки. Цих оффлайн-покупців можна окремо сегментувати і відстежувати їх перехід за посиланнями в електронному листі. Після переходу за посиланням з унікальним ідентифікатором, користувач не буде автоматично авторизований, але це вам допоможе зв’язати його дії з його обліковим записом за допомогою зв’язки його Google Analytics Client ID та email. Таким чином, це допоможе вам зрозуміти, яка саме рекламна кампанія залучила клієнта відвідати ваш веб сайт, після чого він прийшов у фізичний магазин.

Аналогічно можна вчинити з оформленням картки лояльності. Після відвідин сайту інтернет магазину і вибору товару клієнтом, він підписується на розсилку зі спецпропозиціями за допомогою pop-up вікна зі знижкою на перше замовлення. В такому випадку вам вже будуть відомі GA Client ID та email. У розсилці ми розповідаємо про акції при купівлі товару в оффлайн магазині, що мотивує його прийти особисто, зробити покупку і заповнити анкету на отримання картки лояльності, де він знову залишає свою електронну пошту. Після цього ви зможете ідентифікувати людей, які зробили покупку як онлайн так і офлайн за допомогою інформації про їх електронні пошти, а також об’єднати дані про транзакції в оффлайн і онлайн магазинах.

Після того як ви додасте заклики до авторизації, об’єднайте дії в офлайні і онлайні, ви зможете визначити, що найкраще мотивує користувача залишити свої контактні дані на сайті.

Давайте трохи докладніше розглянемо конкретний кейс, як ROPO аналіз показав, що 40% покупців заходять на сайт перед покупкою в магазині.

Darjeeling, найбільший ритейлер на ринку жіночої нижньої білизни, заснований в 1995 році. У всій Франції налічується близько 155 магазинів в Darjeeling, і щороку їх відвідують більше 8,7 мільйонів людей. Компанія продає більше 5 мільйонів одиниць товару на рік, а річний оборот становить 100 мільйонів євро.

Основними цілями, які ставила перед собою компанія, були оцінка вкладу онлайн-кампаній в продажі в оффлайні. Раніше компанія враховувала тільки прямі продажі з сайту, тому складалося враження, що онлайн-продажі становили лише 6% проти 94% продажів в магазині. Але такий розріз показників не давав Darjeeling повну картину, тому що в сфері жіночої білизни багато клієнтів вибирають товар на сайті,  після чого купують його вже в офлайн магазині.

Тому, щоб оцінити вклад рекламних кампаній в інтернеті на продажі у фізичному магазині, перед маркетологами постало завдання зв’язати онлайн-відвідувачів з офлайн-покупцями і визначити частку покупок, яку користувачі здійснювали завдяки рекламі.

Основною складністю, яка стояла перед компанією було те, що Darjeeling збирає, зберігає та обробляє дані за допомогою різних систем. Дані про поведінку користувачів зберігалися в Google Analytics, а дані про витрати і виконанні замовлення збиралися в CRM компанії. Ймовірно, з аналогічними проблемами стикалися багато власників бізнесів.

До того ж, логіка збору, структура і навіть мови систем відрізнялися. Дані в CRM були представлені французькою мовою, а дані, зібрані в Google Analytics, англійською. Але, не дивлячись на те, що раніше ці дані не намагалися об’єднати в єдину систему, це необхідно було зробити для того, щоб оцінити загальну ефективність онлайн-реклами в офлайн-продажах.

Для досягнення своїх цілей маркетологи Darjeeling вирішили:

  • Зібрати дані про онлайн-сесії, офлайн-продажі і показники виконання замовлень.      
  • Об’єднати дані про офлайн-продажі і поведінку користувачів на веб-сайті з урахуванням рівня виконання замовлень.      
  • Створити загальний дашборд на основі зібраних даних, щоб оцінити вплив онлайн-реклами на продаж в автономному режимі

Збір даних. Компанія імпортувала дані про поведінку користувачів на сайті в Google BigQuery, використовуючи OWOX BI Pipeline. Вони також відправили дані про транзакції зі своєї CRM в Google BigQuery. Це допомогло маркетологам Darjeeling розрахувати order completion rate і уникнути можливих втрат даних.

Darjeeling щодня імпортував дані про виконані замовлення в Google Cloud Storage, а аналітики створили сценарій, який допоможе їм збирати ці дані з Google Cloud Platform і імпортувати їх в Google BigQuery. Ці дані автоматично імпортувалися з допомогою сервісу Cloud Dataprep.

Об’єднання даних. Щоб об’єднати дані про онлайн-сесії і показники виконання замовлень в одному звіті, компанія використовувала user_id клієнта, який призначався кожному користувачеві, який відвідав веб-сайт компанії.

User_id зв’язувався з номером картки лояльності клієнта і зберігався в CRM. Коли користувач відвідує веб-сайт, його user_id відправляється в Google Analytics і Google BigQuery як кастомна змінна. У BigQuery вона комбінується з двома іншими ключами: transaction_id і часом. Дані про всі виконані замовлення зберігалися в Google BigQuery в такій структурі:

Згідно з дослідженням Darjeeling про customer journey, відвідувачі приймали рішення про покупку після відвідування веб-сайту в термін до 90 днів. Використовуючи ці дані, було розраховано кількість днів між початковим відвідуванням веб-сайту і оформленням замовлення. Результати були сегментовані за періодами 7, 10, 14, 30 і 60 + днів до здійснення покупки. Цей аналіз показав, що 85% всіх покупок ROPO продуктів Darjeeling були зроблені протягом 14 днів.

За підсумком, проект допоміг маркетологам компанії ідентифікувати більшу кількість користувачів і встановити, що 30-40% клієнтів відвідують веб-сайт компанії перед особистим відвідуванням офлайн-магазину і покупкою товару. Ці дані, в свою чергу, допомогли їм оптимізувати рекламний бюджет, переосмислити свою стратегію атрибуції і врахувати ROPO при оцінці рентабельності реклами.

Підписатися на розсилку

Багатоканальна атрибуція, що включає онлайн- і офлайн-покупки, дійсно складна, і включає безліч чинників, що впливають на покупку. І з одного боку, це може здатися навіть «невимірним». Очевидно, що жодна модель атрибуції не дасть ідеальних даних, але добре продумана і спроектована модель з урахуванням ROPO допоможе надати одні й ті ж дані в зовсім в іншому ключі. Що, в свою чергу, сильно вплине на рішення про джерела доходу, інвестиції в рекламу, і зробить вашу команду по-справжньому data-driven.

Читайте також

На нашому сайті використовуються файли cookie для збору інформації в маркетингових цілях. Детально про збір інформації ви можете ознайомитися в «Політиці конфіденційності».

0
Would love your thoughts, please comment.x
()
x