Как Answear оценил каналы трафика и увеличил доход от мобильной кампании на 19%

Цель

Поскольку компания Answear выходила на рынки разных стран постепенно, цели, которые стоят перед ее региональными подразделениями, несколько отличаются. Для молодых рынков (Украина, Венгрия) это в первую очередь рост продаж, стимулирование повторных покупок и рост базы, а для сформировавшихся рынков (Польша, Чехия) — удержание и реактивация клиентов.

Кроме того, планируя рекламные кампании, Answear необходимо учитывать особенности рекламных каналов в каждой стране. Например, в Украине популярны новостные сайты, на которых можно удачно разместить медийную рекламу, а вот в Венгрии такие ресурсы непопулярны, поэтому там компания использует другие платные источники.

В этом кейсе мы расскажем, как компания Answear знакомила украинских пользователей со своим интернет-магазином. Чтобы привлечь новых клиентов и повысить продажи, компании необходимо оценить каналы трафика и по результатам оценки перераспределить рекламный бюджет. Поскольку перед покупкой на сайте answear.ua пользователь взаимодействует в среднем с 3-5 разными источниками, важно оценить не только первый и последний канал в цепочке, но и вклад каждого источника в продвижение пользователя по воронке продаж.

Также компании важно узнать, какие категории, бренды и ценовой сегмент предпочитают пользователи, чтобы грамотно выстроить ретаргетинг.

Проблема

В качестве основной системы аналитики Answear использует Google Analytics — она бесплатная, легко настраивается и имеет множество подробных инструкций, как для пользователей, так и для разработчиков. Чтобы отслеживать продажи по брендам в разрезе рекламных каналов, использование промокодов и клики по внутренним баннерам, аналитики компании настроили модуль расширенной электронной торговли в GA.

Когда количество посещений сайта превысило 500 тыс. в месяц, Google Analytics начал семплировать данные (применять выборку), т.е. отчеты строились, к примеру, на 36,6% собранных данных вместо 100%. Естественно, это искажало статистику и снижало уровень доверия к полученным результатам. Кроме того, компании не хватало пользовательских метрик в отчетах, чтобы передавать всю информацию о товарах и покупках — в стандартный GA можно отправлять максимум 20 параметров и 20 показателей. Подробнее о проблемах и ограничениях, с которыми можно столкнуться в Google Analytics, читайте в нашей статье.

Данные о поведении пользователей на сайте, расходах на рекламу, возвратах и маржинальности товаров хранились у Answear в разных системах. Чтобы принимать взвешенные управленческие решения, компании необходимо было их объединить.

Решение

C помощью облачной базы данных Google BigQuery, а также других инструментов Google и OWOX BI компания Answear избавилась от семплирования и ограничений в отчетах и объединила данные, необходимые для оценки рекламных каналов, в одной системе.

Почему именно Google BigQuery? Такой выбор компания сделала по следующим причинам:

• Легкая настройка и минимум технических знаний для работы с сервисом.
• Полная безопасность данных в облаке.
• Понятные тарифы и условия пользования.
• Google BigQuery использует SQL — на базовом уровне его можно изучить за неделю.

Давайте рассмотрим все действия компании Answear пошагово.

Шаг 1. Объединить данные в Google BigQuery

Answear передает данные о действиях пользователей на сайте в Google BigQuery с помощью OWOX BI Pipeline в режиме, близком к реальному времени. Подробнее о том, как это делать, читайте в справке.

Данные о пользователях, продажах и возвратах передаются из внутренней системы в Google BigQuery с помощью API. При настройке импорта были выбраны данные, необходимые для анализа: о пользователях, заказах и программе лояльности. Информация обновляется несколько раз в день.

Данные о рекламных расходах с Facebook и Yandex передаются в Google Analytics с помощью OWOX BI Pipeline. Расходы с площадок, для которых нельзя настроить автоматическую интеграцию, специалисты Answear загружают в Google Analytics вручную с помощью аддона OWOX BI Data Upload. Затем в GA данные о расходах объединяются и отправляются единым потоком в Google BigQuery.

Собранные в Google BigQuery данные компания обрабатывает и структурирует с помощью SQL запросов. Для визуализации полученных результатов Answear загружает данные из Google BigQuery в Google Sheets с помощью бесплатного аддона OWOX BI BigQuery Reports. При этом в аддоне можно настроить автоматическое обновление отчетов по расписанию.

Схема объединения данных у Answear выглядит так:

‘‘

С OWOX BI мы совершили качественный скачок в развитии аналитики

Интернет-магазин Answear стремительно развивается и нуждается в качественном анализе. Используемые ранее инструменты аналитики имели ограничения, с которыми мы не хотели мириться: невозможность объединить расширенные данные о клиенте в интерфейсе Google Analytics и объединить данные из email-системы с активностью на сайте. Мы выбрали OWOX BI для решения наших задач. На основе Google BigQuery мы строим автоматизированные отчеты для анализа и улучшения KPI и анализируем в реальном времени данные с сайта, приложений, mailing-системы и других точек касания пользователя.

Маргарита Евтух,

руководитель отдела аналитики, Answear

Шаг 2. Использовать SMS-таргетинг

Компания Answear собрала в Google BigQuery все необходимые для SMS-таргетинга данные: информацию о зарегистрированных пользователях из внутренней базы, данные о действиях пользователей на сайте и их телефонные номера. Затем компания построила в GBQ сегменты для рассылки и с помощью SMS API отправила сообщения — такое решение гарантировало полную безопасность данных, недоступную в других системах.

Особенность подхода в том, что SMS о распродаже отправлялись не только пользователям, которые уже купили товар определенного бренда, но и тем, кто просто интересовался товарами этой марки. В результате интернет-магазину Answear удалось увеличить сегмент для рассылки на 32%, прибавив к покупателям тех, кто смотрел товары, но покупок не делал. Благодаря этому доход мобильной кампании вырос на 19%.

Шаг 3. Оценить каналы трафика

Как мы уже писали выше, цели региональных подразделений Answear зависят от того, как давно интернет-магазин работает в стране. Для молодых рынков это привлечение новых клиентов и продажи, для сформировавшихся — удержание и реактивация клиентов. Учитывая цели, компания определила основные KPI для каналов привлечения в каждом регионе. Например, для сайта в Украине это: продажи новым клиентам, регистраци, % новых посещений, добавления в корзину, добавления в список желаний, повторные продажи, подписка на рассылку, возвраты и отмены заказов.

Чтобы оценить эффективность каналов, компания предварительно разделила их на логические группы (добавила в URL метку utm_medium):

• Comparison — сервисы сравнения цен (hotline, ceneo).
• Affiliate — партнерские сайты (zanox).
• Retargeting — реклама на ретаргетинговых проектах (criteo, rtbhouse).
• Cpc — платный поиск (google brand and non-brand + social).
• Display — медийная реклама (google with graphic ads, viva).
• Email-рассылки (external).

Подробнее о том, что такое UTM-метки и как их применять, вы можете почитать в нашей статье.

Сравнивать каналы команда Answear решила в рамках логической группы: платные с платными, бесплатные с бесплатными и т.д. Такое решение обусловлено тем, что у каждой группы своя роль. Например, дисплейная реклама в основном приводит новых пользователей, а брендовые кампании с ключевым словом «Answear» — тех, кто уже знаком с магазином.

Далее компания присвоила вес каждому KPI, исходя из целей, поставленных перед каналами трафика. Наибольший вес получили продажи, регистрации и подписки. При этом возвратам и отменам заказа были присвоены отрицательные веса:

Затем компания Answear рассчитала место канала в цепочке продажи, количество каналов в цепочке, а также сколько раз канал участвовал в ассоциированных конверсиях. Делалось это с помощью SQL запроса к данным в Google BigQuery.

В зависимости от того, какую роль играл канал в цепочке, ему присваивался определенный вес. Например, 20 — если канал привлек нового пользователя на сайт, 40 — если канал был последним перед продажей.

С помощью аддона OWOX BI BigQuery Reports компания передала результаты запроса в Google Sheets. В итоге получился отчет, который обновляется автоматически и содержит все KPI, необходимые для оценки рекламных каналов. Чтобы сравнить эффективность каналов, необходимый показатель, например количество добавлений в корзину, умножается на присвоенный каналу вес — результат отображается на графике в столбце Channel Scoring.

Опираясь на данные в отчете можно определить, какую роль играет канал в цепочке продаж и какую ценность он приносит, а затем перераспределить рекламный бюджет с большей эффективностью.

Вот пример, как можно перераспределить рекламный бюджет, для приведенного выше отчета.

Из графика следует, что Answear можно выделить больше денег на ремаркетинг и брендовые кампании, а бюджет на рекламу в социальных сетях сократить, так как она практически не конвертируется в покупки.

Результаты

• Компания Answear построила эффективную и практически полностью автоматизированную систему аналитики для объединения и расширенного анализа данных.
• Объединив данные о зарегистрированных пользователях с данными о действиях на сайте, компания выделила в сегменты пользователей, которые интересуются определенным брендом, и отправила им SMS о распродаже. В результате сегмент пользователей для рассылки увеличился на 32% и доход мобильной кампании — на 19%.
• Компания оценила вклад каждого канала в продвижение пользователей по воронке продаж и по результатам оценки эффективнее перераспределила рекламный бюджет.

А как вы оцениваете каналы привлечения пользователей? Ждем ваших комментариев и вопросов.