Как компания М.Видео оценила вклад онлайн-рекламы в офлайн-продажи

138
5407
Материалы для скачивания
978.32 Kb

О компании

«М.Видео» — торговая сеть, которая занимает первое место по продаже бытовой техники и электроники в России и является одной из крупнейших компаний этого сегмента в Европе. Компания работает с 1993 года. По состоянию на 2017 год сеть «М.Видео» включает более 420 магазинов в 169 российских городах, а годовой оборот превышает 200 млрд рублей.

Компания стала первым омниканальным ритейлером на российском рынке. Товарный ассортимент «М.Видео» превышает 20 тыс. наименований и доступен покупателям как на сайте, так и в розничных магазинах сети.

Цель

У «М.Видео» огромное количество клиентов, которые делают покупки в основном тремя способами:

  • В физических магазинах.
  • На сайте Mvideo.ru. Доход с сайта составляет около 20% оборота компании.
  • Выбирают товары на сайте, а покупают в магазине. Такое поведение называется ROPO-эффект (Research Online, Purchase Offline).

Маркетологи «М.Видео» хотели определить вклад онлайн-источников в офлайн-продажи, чтобы узнать реальный ROI рекламных кампаний и строить маркетинговую стратегию на более полных данных. Еще одной задачей было определить причины, по которым пользователи уходят с сайта в розничные магазины, чтобы улучшить сайт. Для достижения этих целей маркетологи компании решили связать онлайн и офлайн-действия пользователей, которые авторизовались на сайте (около 12% от всех посетителей).

Проблема

«М.Видео» собирает, хранит и обрабатывает данные, в разных системах:

  • Данные о действиях пользователей на сайте собираются в Google Analytics.
  • Данные о заказах в офлайне и возвратах собираются во внутренней CRM-системе (SAP) совершенно в другой структуре и формируются по другой логике.

Чтобы узнать влияние онлайн-источников на общий доход компании, всю информацию нужно объединить в одной системе. Google Analytics для этого не подходит, потому что в нем нет репроцессинга данных (нельзя корректно передать отмененные заказы и возвраты) и не поддерживаются все данные, нужные компании (например, офлайн транзакции). Также не стоит забывать, что в GA могут попадать не все заказы — часть из них может теряться из-за проблем с отработкой JS кода.

Решение

Для достижения поставленной цели маркетологи «М.Видео» решили сделать следующее:

  1. Собрать в одной системе действия пользователей на сайте, офлайн-покупки и данные об исполняемости заказов.
  2. Связать офлайн-заказы с онлайн-сессиями.
  3. Создать на полученных данных отчеты и наглядные дашборды.

Схематично все действия компании выглядят так:

схема передачи данных для учета ROPO-продаж

Шаг 1. Собрать все данные в одной системе

У «М.Видео» уже была настроена нативная интеграция Google Analytics 360 c Google BigQuery, благодаря которой данные о заказах и действиях пользователей на сайте передавались в облачное хранилище. Поэтому специалисты компании решили собирать всю информацию именно в Google BigQuery.

‘‘

Мы выбрали GBQ, потому что эта платформа лучше всего подходит для решения наших задач. Для аналитики сайта мы используем Google Analytics, с которым GBQ отлично интегрируется. В совокупности это дает нам максимально полное понимание бизнес-процессов с глубокой детализацией.

Александр Тычинский,
Менеджер по web-аналитике «М.Видео»
Александр Тычинский

Чтобы передавать из CRM в Google BigQuery информацию об офлайн-покупках и исполняемости заказов, специалисты «М.Видео» настроили ежедневную автоматическую выгрузку данных с помощью FTP.

Шаг 2. Обработать полученные данные

Аналитики OWOX помогли компании связать и обработать полученные данные. Во-первых, таблица с информацией по онлайн-заказам была дополнена данными о статусе каждого заказа. Таблицы связывались с помощью SQL запроса, а в качестве ключа использовался общий идентификатор транзакции (Order ID).

Order ID - ключ для связи таблиц

Во-вторых, аналитики связали покупки в розничных магазинах с онлайн-действиями людей, которые их совершали. Для этого использовался User ID. Это уникальный идентификатор, который «М.Видео» присваивает каждому авторизованному пользователю, связывает с картой лояльности в CRM и передает в Google Analytics, сохраняя как пользовательский параметр. Временное окно для связи сессий составляло 180 дней, причем для каждого заказа считались дни от визита на сайт до покупки, чтобы потом можно было дополнительно сегментировать данные.

В результате для каждого своего заказа (как онлайн, так и офлайн) компания «М.Видео» получила следующие данные:

img
‘‘

Работать над этой задачей было очень интересно, так как большая часть работы выполнялась в BigQuery. Мы объединили данные из нескольких источников, предварительно приведя их к одному формату. Особенно приятно, что несмотря на исследовательский характер задачи, клиент сможет сразу использовать результаты в своей работе.

Марина Приходько,
Веб-аналитик в OWOX
Марина Приходько

Шаг 3. Построить дашборд и отчеты

Для визуализации полученных данных компания выбрала Google Data Studio. Аналитики OWOX создали для «М.Видео» информативный дашборд с наглядными графиками, из которого можно экспортировать данные для более детального анализа и планирования рекламного бюджета.

Например, на графике ниже мы видим, сколько у компании было онлайн, офлайн и ROPO-заказов и какой доход они принесли. Эти данные можно отфильтровать по городам, времени конверсионного окна и типу товаров. Доля дохода от ROPO-заказов на графике составляет около 10% и меняется в зависимости от города. Кроме того, мы видим, что доли заказов и дохода, который они приносят, не совпадают — на это влияет средний чек. В онлайн-покупках средний чек выше, чем в офлайне.

доля дохода от ROPO-заказов

А эта таблица помогает понять, какой дополнительный доход от ROPO-заказов необходимо учитывать при планировании маркетинговых стратегий в зависимости от региона, канала и категории товара. Данные в табличном виде доступны для экспорта, компания использует их при распределении рекламного бюджета.

associated ROPO-revenue

Результаты

  • Компания «М.Видео» получила наглядный дашборд, данные на котором обновляются автоматически. Он помогает маркетологам учитывать ROPO-заказы при операционном планировании рекламных кампаний.
  • Компания выяснила, что 10% офлайн-дохода получено благодаря онлайн-коммуникациям.
  • Теперь «М.Видео» может анализировать поведение пользователей, которые выбирают товар в онлайне, а покупают в офлайне, и узнать причины, по которым пользователи уходят в розничные магазины. Эта информация поможет улучшить юзабилити сайта для повышения конверсии. Например, компания уже выяснила, что при оформлении большой части ROPO-заказов используются купоны на скидки, и улучшила логику применения купонов на сайте. Также, чтобы пользователям не приходилось оформлять кредит в физическом магазине, разработчики «М.Видео» упростили форму по кредиту на сайте.
‘‘

Реализовав решения, описанные в кейсе, мы смогли глубже понять влияния онлайн-каналов на офлайн-продажи, выявить особенности поведения ROPO-клиентов. Это позволило нам эффективнее взаимодействовать с такими клиентами и точнее оценивать маркетинговые кампаний.

Мы работаем с коллегами из OWOX достаточно давно, у нас за плечами не один совместный кейс. Благодаря этому сотрудничеству мы имеем отличную информационную среду, на основе которой принимаются решения для развития, доработок и продвижения сайта Mvideo.ru. С помощью BI Pipeline, BI Attribution и BI Smart Data мы дополнили наши внутренние данные информацией из других систем и смогли разглядеть ранее скрытые детали.

Александр Тычинский,
Менеджер по web-аналитике «М.Видео»
Александр Тычинский

P.S. Если у вас остались вопросы по кейсу, задавайте их в комментариях — с радостью ответим.

Использованные инструменты

Вас также могут заинтересовать