Онлайн-влияние на офлайн-покупки — измеряем ROPO-эффект. Кейс компании Rendez-Vous

100
3432
Материалы для скачивания
978.32 Kb

О компании

Rendez-Vous — сеть бутиков обуви, сумок и аксессуаров низкой, средней и высокой ценовой категории. Развиваясь с 2000 года, сегодня сеть насчитывает 90 магазинов по всей России, бутик в Куршевеле и удобный интернет-магазин.

Но из-за специфики товара — брендовой обуви и аксессуаров — онлайн-продажи не могут конкурировать с офлайн-магазинами, где клиент имеет полностью персонализированный сервис.

Почему же Rendez-Vous обратились к нам?

Цель

Отдел продаж Rendez-Vous заметил, что многие клиенты перед покупкой собирают информацию онлайн: данные о наличие моделей в определенных магазинах, выбирают модели в диапазоне цен. Во многих случаях в магазин покупатель приходит уже подготовленным и с определенными ожиданиями от сервиса.

Поэтому маркетологи Rendez-Vous решили:

  • Определить влияние маркетинговых усилий в онлайне на продажи в офлайне.
  • Пересмотреть исходя из этого бюджеты на онлайн-маркетинг.
  • Переоценить эффективность рекламных каналов и внести коррективы в маркетинговую стратегию.

Для достижения поставленных целей провели ROPO-анализ.

ROPO-анализ — анализ данных об онлайн- и офлайн-покупках с целью определения части офлайн-дохода от онлайн-рекламы (ROPO-эффект).

Проблема

Для проведения ROPO-анализа нужно объединить данные онлайн-рекламы с офлайн-продажами.

При этом у Rendez-Vous огромное количество информации о клиентах, которые покупают или заказывают товар разными способами:

  • Выбирают и оплачивают товар в магазине.
  • Смотрят товар на сайте, а потом покупают его в магазине.
  • Просматривают и оплачивают товар на сайте, заказывая доставку домой или в магазин.

Rendez-Vous собирает, хранит и обрабатывает данные в разных системах:

  • Данные о поведении пользователей на сайте собираются в Google Analytics.
  • Данные об исполняемости заказов, а также вся информация об активности офлайн-пользователей хранятся во внутренней CRM-системе — 1С.

Объединять все данные из разных систем вручную — очень трудоемкий процесс. Для этого маркетологи Rendez-Vous искали программное решение, позволяющее объединить информацию со всех необходимых источников в Google BigQuery (GBQ), куда уже собирали данные по рекламным кампаниям. Google BigQuery — один из самых надежных RESTful-сервисов с фактически неограниченными мощностями по хранению и обработке данных.

Решение

Для решения поставленной задачи, маркетологи Rendez-Vous выбрали сервис OWOX BI Pipeline.

Компания Rendez-Vous уже использовала OWOX BI Attribution для оценки маркетинговых кампаний, а также собирали данные из GA в GBQ с помощью OWOX BI Pipeline для построения отчетов по рекламным кампаниям. В обоих случаях Rendez-Vous остались довольны результатами работы, поэтому к нам обратились и для ROPO-анализа.

Для решения поставленной задачи, аналитики OWOX BI вместе с маркетологами Rendez-Vous создали следующий план.

  • Собрать данные из рекламных кампаний, данные о действиях пользователей на сайте, офлайн-покупках и данные об исполняемости заказов в одной системе.
  • Связать офлайн-заказы с онлайн-сессиями.
  • Построить отчеты и дашборды на основе полученных данных, чтобы оценить вклад онлайн-источников.

Схематично движение данных выглядит так:

логика объединения данных на проекте

Теперь давайте рассмотрим процесс поэтапно.

Шаг 1. Собрать все данные в Google BigQuery

Каждому зарегистрированному посетителю сайта Rendez-Vous GA присваивает уникальный user_ID. При выполнении посетителем в интернет-магазине целевого действия — транзакции — ему там же присваивается дополнительный идентификатор transaction_ID. Информация о пользовательской активности на сайте, вместе с идентификаторами, передается в Google BigQuery с помощью OWOX BI.

Ежедневно данные по онлайн и оффлайн заказам из CRM передаются в GBQ и объединяются с данными сайта с помощью связующих ключей user_ID и transaction_ID.

Объединение этих данных по общим ключам дает необходимую базу для проведения ROPO-анализа.

Шаг 2. Объединение полученных данных

После сбора всех данных, аналитики OWOX BI приступили к работе с собранной базой в GBQ.

Информация об онлайн-транзакциях в Google BigQuery была дополнена данными о исполняемости каждого заказа (выкуплен, не выкуплен), используя как связующий ключ идентификатор транзакции transaction_ID.

Далее аналитики интегрировали данные о сессиях пользователей с информацией об офлайн-покупках, используя как связующий ключ — user_ID. Таким образом, для многих пользователей, у которых была покупка в офлайн-магазине, находилась история сессий на сайте.

Схема объединения данных о пользователях выглядит следующим образом:

ключи кросс-канального анализа

В результате, для каждого заказа, команда Rendez-Vous получила следующие данные:

  • К какому типу относится транзакция — онлайн, офлайн или ROPO.
  • Какой источник последней сессии перед покупкой — что привело пользователя к покупке.
  • Сколько дней прошло между последней сессией на сайте и покупкой.
    Для тех, кто покупает онлайн, это значение всегда равняется 0, так как последний визит пользователя — это и есть та сессия, в которой произошла транзакция. Для сугубо офлайн-транзакций это значение также всегда равняется 0, так как для этого пользователя не было сессий онлайн. Остальных покупателей можно смело относить к ROPO-сегменту.
  • География последней сессии.

Пример структуры такой таблицы вы можете видеть ниже:

таблица с данными для анализа ROPO

Шаг 3. Визуализировать полученные результаты

Для визуализации полученных данных компания выбрала Google Data Studio. Аналитики OWOX BI создали для Rendez-Vous информативный дашборд с динамическими графиками в Google Data Studio для более детального анализа и планирования рекламного бюджета.

Например, на круговой диаграмме справа мы видим, что 20 процентов дохода приходится на ROPO-заказы, а по диаграмме слева — что почти все клиенты, совершившие ROPO-заказ, заходили на сайт менее, чем за 1 неделю перед покупкой в магазине.

дашборд OWOX BI

Все данные на дашборде можно фильтровать по региону, конверсионному окну, источникам, каналам и кампаниям для более детальной сегментации. Дополнительно для каждого заказа считались дни от визита на сайт до покупки.

Таблица в нижней части дашборда помогает понять, какой дополнительный доход от ROPO-заказов необходимо учитывать при планировании маркетинговой стратегии, и какая доля этого дохода от общего в зависимости от источника, канала и кампании.

Хочу провести ROPO-анализ:

Оставить заявку

Результаты

Гипотеза о влиянии онлайн-поведения на офлайн-покупки подтвердилась конкретным сегментом офлайн-покупок, выделенным с помощью анализа. Компания «Rendez-Vous» получила наглядный дашборд, данные на котором обновляются автоматически.

  • Компания выяснила, что 20% офлайн-дохода получено благодаря онлайн-рекламе. То есть, каждый пятый посетитель офлайн-магазина уже взаимодействовал с сайтом Rendez-Vous.
  • После ROPO-атрибуции части дохода, компания получила доказательства, что онлайн-кампании недооценены.
  • В ближайшее время Rendez-Vous пересмотрят маркетинговую стратегию с учетом новой оценки эффективности рекламных кампаний и увеличат инвестиции в digital-направление.
‘‘

«Rendez-Vous — крупная компания, представленная на российском рынке 90 офлайн-магазинами, интернет-магазином rendez-vous.ru, IOS и Android приложениями. Цель компании — предоставлять клиентам лучший выбор в обувном сегменте и высокий уровень сервиса, который должен быть сквозным для всех каналов продаж. Но омниканальная стратегия торговли затрудняет маркетинговый анализ рекламных размещений: чтобы оценить эффективность рекламных каналов, мало просто посмотреть на прямой результат, необходимо также определить, насколько тот или иной канал влияет на посещение и покупки в офлайн-точках.

Мы около года решали эту задачу вместе с OWOX BI. Была проведена большая работа по сбору данных, их обработке и структурированию для создания понятной единой визуализации. Сейчас благодаря итогам нашего сотрудничества мы можем принимать статистически аргументированные решения при выборе инструментов размещения.

Первый этап не станет последним, сейчас мы работаем над следующей важной задачей: совсем скоро мы сможем видеть обратный ROPO. Как мы это сделаем, читайте в следующем кейсе с OWOX BI».

Елена Чеховская,
руководитель e-commerce Rendez-Vous

Если вам интересно узнать о теме больше — смотрите вебинар о ROPO.

Использованные инструменты

Вас также могут заинтересовать