Как оценить влияние офлайн рекламы на онлайн продажи

Ранее в нашем блоге мы обсуждали, как поведение пользователей на сайте связано с покупками в физических магазинах. Мы уже рассказывали, что такое ROPO-эффект (Research Online Purchase Offline) и почему он нужен бизнесу. В этой статье мы поговорим об обратном эффекте — как офлайн реклама влияет на продажи в интернете.

• Как оценить влияние офлайн рекламы на онлайн продажи
• Обратный ROPO: как отследить влияние офлайн рекламы на онлайн продажи
• Какие данные нужны для отслеживания
• Визуализация полученных данных
• Выводы

Многие компании активно и успешно используют офлайн рекламу, совмещая ее с цифровыми каналами. Например, в блоге Hubspot вы можете прочитать о 15 креативных способах использования офлайн рекламы для поддержки онлайн кампаний. Такие корпорации, как Lexus, Motorola и Nivea по старинке используют билборды и печатную рекламу в журналах, но делают это уже по-новому.

Исследование розничной торговли за 2018 год, подготовленное Conversant, показывает, что покупатели в возрасте до 35 лет на 34% вероятнее закажут товары в интернете после примерки в магазине. Почему это происходит? Покупатель может как сравнивать цены и выбирать более дешевую опцию, так и просто заказывать эту же модель в другом цвете или размере. Такая покупательская стратегия получила название Bricks-to-Clicks model.

Простой пример для e-commerce индустрии: клиент хочет приобрести себе новую пару кроссовок по акции, но боится ошибиться с размером. Такой покупатель придет в магазин померять обувь, убедится, что ему все подходит, а затем уже сделает заказ через сайт. Именно поэтому так важно оценивать влияние офлайн рекламы на продажи в сети.

Полезные ссылки:
5 Most Innovative Print Ads Ever – From Genius to Just Plain Weird!
4 Awesome Examples of Interactive Printing

Обратный эффект ROPO (research offline, purchase online) возникает, когда покупатель получает информацию о нужном продукте офлайн, но заказ делает онлайн. Причины, по которым покупатели так поступают:

1. Клиент хочет посмотреть на продукт в живую прежде, чем оплатить его.
2. Дешевле сделать заказ онлайн.
3. Товар в нужном цвете или размере отсутствует в магазине.
4. Человеку неудобно покупать прямо сейчас, он оформит заказ позже.

Чаще всего обратный эффект ROPO можно встретить в таких сферах бизнеса, как электроника, косметика и парфюмерия, одежда и обувь. То есть в тех отраслях, где клиент чаще тестирует товар лично и своими руками, а потом уже ищет наиболее выгодное предложение в интернет-магазинах.

Итак, зачем бизнесу отслеживать влияние офлайн рекламы на онлайн продажи? Для того, чтобы:

• понять, какая доля покупателей заходит в обычный магазин, а потом делает заказ на сайте.
• увидеть недостатки в ассортименте продуктов в физическом магазине.
• подтвердить эффективность работы интернет-магазина.

Любой путь клиента можно описать, как желание людей приобрести нужный продукт в правильном месте. Соответственно, (согласно отчету Conversant за 2018 год), покупатели, использующие несколько каналов (онлайн и офлайн) совершают в 3.2 раза больше покупок, чем покупатели, которые приходят только по одному каналу.

Чтобы отследить все рекламные кампании следует настроить сквозную омниканальную аналитику, которая будет учитывать поведение пользователей как онлайн, так и офлайн. Например, в нашем блоге можно прочитать,  чем полезна система сквозной омниканальной аналитики.

Полезные ссылки:
Webinar: ROPO. How to Evaluate the Impact of Online Advertising on Offline Sales
Retail Showrooming and ROPO
Bricks & Clicks Business Model

Для оценки влияния офлайн рекламы на онлайн продажи необходимы данные о:

1. Поведении пользователей на сайте (информация о транзакциях, детализация товаров и т. д.).
2. Выполненных заказах, возвратах.
3. Взаимодействии с обычным магазином.

Важно! Для расчета обратного ROPO-эффекта следует обязательно учитывать конверсионное окно пользователя. Конверсионное окно — это время, в течении которого клиент решает покупать товар или нет. В большинстве случаев это период до 30 дней и в течении этого времени покупатель продолжает видеть рекламу от компании, например, получать рекламную рассылку или видеть баннеры в социальных сетях.

Получить необходимые данные о поведении пользователей можно используя:

• BigQuery Export для Google Analytics (обратите внимание, что такая функция доступна только в сервисе Google Analytics 360).
• OWOX BI Pipeline — автоматически загружаемые в хранилище несемплированные данные о поведении пользователей на сайте или приложении.

Данные о выполненных заказах берут из CRM системы компании. Например, для автоматической загрузки через OWOX BI можно использовать Salesforce или скрипты.

Полезные ссылки:

• Как загрузить данные о заказах в Google BigQuery?
• Автоматизация импорта данных в Google BigQuery с помощью Google Cloud Functions

Как получить данные о взаимодействии с офлайн магазином? Чтобы отслеживать действия покупателя с товаром в физических магазинах, нужно решить с помощью какого идентификатора пользователя можно будет определить покупателя в магазине и связать с его персональными данными онлайн. Часто используют следующие методы:

1. Карты лояльности и промокоды. Одни из самых простых и распространенных способов отслеживания клиентов по каналам. Для покупателей обычное дело поделиться персональными данными с магазином, указать дату дня рождения и номер телефона вместе с электронной почтой. С помощью этой информации вы можете связать офлайн и онлайн данные и увеличить эффективность своих рекламных кампаний.
2. QR-код. Такие коды используют для связи товаров и пользователей через приложение. Для регистрации в таком приложении покупателю необходимо ввести свои личные данные, которые затем можно связать с действиями на сайте.
3. Augmented reality (дополненная реальность). Часто клиенты хотят визуализировать товар перед покупкой. В таком случае приложение компании помогает клиентам при выборе одежды, обуви, мебели и так далее. Разумеется, при этом приложение считывает UserId клиента.

Любопытный факт — исследование Conversant за 2018 год утверждает, что 39% покупателей принимают участие в программах лояльности клиентов (это на 26% больше в сравнении с предыдущим годом). А в праздничные дни, такие как Рождество и Новый Год, количество клиентов, которые используют скидки для постоянных покупателей, вырастает до 69%.

Разумеется, для настройки отслеживания взаимодействий покупателей с магазинами вам понадобится помощь разработчиков. Эти события должны отправляться в таблицы Google BigQuery. Для этого используется либо Measurement Protocol, либо SDK для мобильных приложений. Подробнее о вариантах загрузки данных в хранилище Google BigQuery, таких как загрузки уже готовых файлов CSV/JSON и передача данных через API или с помощью аддона, можно прочитать в нашем блоге.

Важно! Не забывайте проверять данные на наличие ошибок. К примеру, заказы не должны повторяться в окончательной таблице данных, а общая сумма заказов должна быть одинаковой.

Какие еще ошибки могут возникнуть?

• Не загрузились данные из CRM системы.
• Ошибки при объединении таблиц данных.
• Отсутствует часть данных.

Чтобы легко и быстро оценивать полученные данные об офлайн и онлайн действиях, их следует визуализировать. Мы неоднократно писали о необходимости визуализации данных, но если вы пропустили наши статьи, то рекомендуем почитать:

• Визуализация данных: основные правила, полезные приемы и инструменты. Зачем визуализировать данные и как правильно это делать, какие инструменты можно использовать для создания интерактивных дашбордов без помощи разработчиков и как выбрать тот, который подойдет именно вам.

• Инструменты для визуализации данных Google BigQuery. Шесть наиболее популярных инструментов для визуализации данных из облачного сервиса Google BigQuery.

Стоит отметить, что чаще всего для визуализации данных компании выбирают простые и доступные инструменты, такие как Google Sheets и Data Studio.

Полезные ссылки:

Google Data Studio — учебное пособие для начинающих

Автоматизация отчетов в Google Data Studio на данных из Google BigQuery

Автоматизация отчетов в Google Sheets на данных из Google BigQuery

Кроме того, в нашем блоге есть два кейса от клиентов OWOX BI о визуализации данных по ROPO-анализу.

1. Как компания М. Видео оценила вклад онлайн-рекламы в офлайн-продажи. Омниканальным ритейлер «М. Видео» хотел определить вклад онлайн-источников в офлайн-продажи, чтобы узнать реальный ROI рекламных кампаний и строить маркетинговую стратегию на более полных данных. Для визуализации полученных данных компания выбрала Google Data Studio, а аналитики OWOX BI создали информативный дашборд с наглядными графиками, из которого можно экспортировать данные для более детального анализа и планирования рекламного бюджета.
2. ROPO анализ для компании Darjeeling. Чтобы правильно оценить глобальное влияние онлайн-рекламы и сайта на продажи в офлайн-магазинах, маркетологам компании нужно было связать онлайн-посетителей с офлайн покупателями и определить долю дохода от офлайн-покупок, которые пользователи совершали благодаря онлайн-рекламе. Для наглядного представления полученных данных, Darjeeling выбрали Google Sheets и Google Data Studio, а аналитики OWOX BI создали дашборды для детального анализа и планирования рекламного бюджета.

Клиенты OWOX BI растут на 22% быстрее! Хотите также? Запишитесь на персональное демо в удобное для вас время и наши эксперты расскажут, как можно сделать ROPO и обратный ROPO анализ для вас, чтобы найти точки роста бизнеса!

Технологии позволяют маркетологам отслеживать и анализировать как онлайн, так и офлайн действия пользователей. Мир традиционной рекламы встречается с виртуальным маркетингом и с помощью аналитики можно оценить, на каком этапе воронки посетители превращаются в покупателей, а когда и в верных бренду клиентов.

Учитывайте взаимодействия с покупателями в физических магазинах с онлайн конверсиями, визуализируйте данные и принимайте правильные решения для своего бизнеса.

Если у вас еще остались вопросы, задайте их нам в комментариях ниже:)

А если вы хотите узнать больше об ROPO-анализе и не только, подписывайтесь на нашу рассылку с самыми полезными подсказками для современных маркетологов и аналитиков: