Многие пользователи видят рекламные объявления в интернете, читают онлайн-отзывы и обзоры, сравнивают акционные цены и спецпредложения, а уже после принимают решение купить желаемый товар офлайн. Выходит, что онлайн-реклама может существенно повлиять на количество продаж в обычных магазинах.
На вебинаре мы расскажем, как правильно проводить ROPO-анализ:
-Какая структура данных нужна для создания отчетов
-Как собрать необходимые данные в Google BIgQuery
-Как построить отчеты в Google Sheets и Data Studio
-Как применить полученные результаты
-Как использовать Smart Data для ROPO-анализа
Мы с удовольствием ответим на ваши вопросы во время вебинара, а по окончании трансляции пришлем полезные материалы по теме.
Чтобы получить презентацию вебинара, переходите по ссылке: https://www.owox.com/c/371
------------------------------------------------
Подписывайтесь на нас!
Facebook: https://www.facebook.com/owoxbicis/
Telegram: https://t.me/owoxbicis
Twitter: https://twitter.com/owoxbicis
Секреты аналитики, маркетинга и ecommerce в нашей Тайной рассылке: https://www.owox.com/c/25b
Попробуйте Free Trial OWOX BI: https://www.owox.com/c/25c
2. 1. Объедим данные из рекламных источников
2. Настроим модель атрибуции
3. Автоматизируем отчеты по рекламным кампаниям
4. Найдем ценные инсайты в воронке продаж
OWOX BI — ВАШ ПЕРСОНАЛЬНЫЙ
МАРКЕТИНГ-АНАЛИТИК
12,000пользователей
200клиентов
90стран
3. Сегодня в программе
1. Кому и зачем нужен ROPO-анализ?
2. Какая структура данных нам нужна для построения отчетов и как
собрать необходимые данные в Google BigQuery?
3. Построение отчетов в Google Sheets и Data Studio и анализ
полученных результатов.
4. ROPO-анализ в OWOX BI Smart Data.
6. Выбираем телевизор
Что делаем на сайте?
● Читаем отзывы
● Сравниваем цены
● Сравниваем характеристики
Что делаем в магазине?
● Смотрим на качество
изображения
● Оцениваем скорость
переключения каналов
Так где же будет совершена покупка в итоге?
8. Как часто мы используем интернет для
принятия решений?
Источник
Где покупают пользователи
Онлайн Офлайн ROPO
9. Зачем и кому нужен ROPO анализ?
● Поможет сделать выводы на уровне рекламных кампаний
● Улучшить условия доставки, оплаты, ассортимента
● Поможет понять, почему посетители не делают заказ на сайте, а идут
в магазин или вообще уходят к конкурентам
● Выявить ошибки в ценообразовании (разница стоимости в онлайне
и офлайне)
● Выявить ограничения в акциях
● Найти сложности, связанные с юзабилити сайта
10. Какая структура данных нам нужна для построения
отчетов и как
собрать необходимые данные в Google BigQuery?
11. Как объединить онлайн и офлайн?
● Предлагайте карты лояльности онлайн
● Сделайте авторизацию условием акции или конкурса, используйте купоны
● Отправляйте ссылку на видео и лучшие примеры использования товара
на email
● Предлагайте бесплатный доступ к пробной версии (актуально для SaaS
бизнеса)
● Давайте возможность скачать полезный контент: презентации,
исследования
Найти ключи:
https://www.owox.ru/blog/articles/integrate-online-
12. 1. Клиент посещает ваш сайт и выбирает товар.
Сейчас известен только Google Analytics Client ID.
2. Затем он приходит в ваш офлайн-магазин,
совершает покупку и оставляет свой email-адрес в
анкете.
3. Вы отправляете офлайн-покупателям, которые
согласились получать рассылку, письмо со
специальным предложениями и акциями.
4. Как только клиент нажимает на ссылки из
электронной почты, вы можете связать его email-
адрес с Google Analytics Client ID.
Пример 1
Благодаря этому вы сможете
узнать рекламную кампанию,
которая привела его на сайт,
после чего он пришел в
физический магазин.
13. 1. Клиент приходит на сайт, выбирает товар и
подписывается на рассылку. Вам известны Google
Analytics Client ID и электронная почта.
2. Из рассылки он узнает об акции в офлайн-
магазине, приходит чтобы совершить покупку и
оставляет свою электронную почту, заполняя
анкету, чтобы получить карту лояльности.
Пример 2
Теперь вы можете сопоставить
email-адреса людей, которые
делали покупки в онлайне и в
офлайне.
16. Этапы решения задачи
1. Объединить данные онлайн и офлайн с данными о
транзакциях
2. Выявить сегмент ROPO - заказов и пользователей, понять долю
ROPO по отношению к онлайну и офлайну.
3. Построить дашборды для верхнеуровнего мониторинга
данных и их динамики.
4. Построить детальные таблицы для агентств , чтобы они могли
использовать данные о ROPO доходе в своем
медиапланировании и отслеживать результаты.
5. Совершают ли они потом заказ через сайт? Что им мешает
изначально оформить заказ на сайте? Как сэкономить бюджет
на ремаркетинг на этих пользователях?
17. Какие данные нужны? В какой
структуре?Данные о поведении пользователей на сайте:
● Стандартный экспорт (выгрузка данных из GA в BigQuery)
● Или OWOX BI PIPELINE - данные о поведении пользователей
(сессионный стриминг)
Данные об офлайн заказах:
● Разовая выгрузка заказов из CRM
● Или автоматическая выгрузка заказов
19. Структура данных из CRM
Минимальный набор полей в выгруженной таблице должен быть следующий:
● Дата совершения транзакции
● ID транзакции
● Сумма заказа
● ID пользователя
Дополнительные поля, которые позволят получить отчеты в дополнительных срезах:
● Город
● ID товара
● Количество товаров в заказе
● Цена каждого товара
● Тип оплаты
● Тип доставки
● Статус заказа
20. Какие ошибки могут встречаться в
исходных данных?
Данные о поведении пользователей
● Наличие и корректная передача userId (или другого общего идентификатора
пользователя)
● Корректность данных о сессиях и транзакциях
Данные о транзакциях
● Проверить данные на наличие всех необходимых полей
● Наличие данных по всем дням
● Сопоставимый формат даты, дохода, города
● Наличие параметра userId у транзакций
● Дублирование транзакций
22. О Darjeeling
1. Бренд был создан
Groupe Chantelle в 1995
году.
2. 155 магазинов
3. 8.7 миллионов
посетителей в год
4. Оборот составляет
более 100 млн евро в
год
23. Цели:
Оценить вклад онлайн кампаний в продажи офлайн
Сложности:
1. Darjeeling использует разные системы для сбора и хранения данных
2. Ранее никогда не пытались объединить данные
25. Объединение данных онлайн и офлайн
Данные связывались по такому сценарию:
1. Брали из таблицы о выполненных заказах id
транзакции, user_id и время, например, 1 ноября.
2. В таблице с данными об онлайн-действиях
пользователей отбирали все сессии до 1 ноября.
Искали среди них такой же user_id.
3. Находили сессию, которая ближе остальных к
дате транзакции, и брали данные об источнике
трафика из этой сессии.
Таблица с данными по
выполненным заказам
26. Путь пользователя
Оказалось, что 85% всех
ROPO-продаж Darjeeling
совершаются в течение
14 дней после визита
пользователя на сайт.
32. Какие данные вам нужны для получения
ROPO-отчетов в Smart Data
1. Поток Google Analytics Real-Time Data→Google BigQuery с
настроенным сбором данных о сессиях в OWOX BI
Pipeline или Стандартный экспорт
2. Данные об офлайн-покупках транзакциях из вашей CRM-
системы в виде таблицы или представления BigQuery с
такой структурой данных.
37. Полезные ссылки
1. Компания Darjeeling провела ROPO анализ и выяснила, что
40% покупателей заходят на сайт перед покупкой в
магазине
2. Как компания М.Видео оценила вклад онлайн-рекламы в
офлайн-продажи
3. Как настроить сквозную аналитику