Как повысить эффективность ремаркетинга с помощью данных из CRM — история компании Rozetka

7
1056

О компании

Rozetka — самый популярный интернет-супермаркет Украины, который ежемесячно посещают более 12 млн пользователей. Магазин предлагает своим клиентам более 1.2 млн товаров в различных категориях — от инструментов, электроники и бытовой техники до напитков и продуктов питания.

Компания стремится дать пользователям максимум полезной информации и уделяет большое внимание контенту. На сайте rozetka.com.ua можно найти подробные характеристики всех товаров, видеообзоры и большое количество отзывов.

Задача

За 13 лет работы Rozetka накопила огромную базу данных о покупках и предпочтениях своих клиентов. Это конкурентное преимущество, которое маркетологи интернет-магазина решили использовать для эффективного таргетинга. Их цель заключалась в том, чтобы обогатить данные Google Analytics информацией из внутренней системы и сформировать на основе этих данных аудитории для ремаркетинга и email-рассылок.

Зачем вообще объединять данные и почему стандартных возможностей Google Analytics недостаточно? Дело в том, что, создавая аудитории в GA, вы можете таргетироваться на пользователей только с того момента, когда они попадут в эту аудиторию. То есть выполнят определенные условия. Если же в последнее время клиент не проявлял активности на сайте, он не попадет в выбранный сегмент.

К примеру, больше 3 месяцев назад пользователь купил детскую коляску и после этого ничего на сайте не делал. Покупка была давно, поэтому клиент не попал в Google Analytics в нужный сегмент. Однако мы знаем, что этому пользователю интересна категория «Детские товары», и эта информация есть во внутренней базе данных. Так почему бы не получить из этого дополнительную ценность?

Решение

Для сбора и обработки данных Rozetka использовала облачное хранилище Google BigQuery. Такой выбор был обусловлен несколькими причинами:

  • Недорогие и прозрачные тарифы — оплата происходит по факту использования ресурсов BigQuery.
  • При увеличении объема данных не нужно заводить дополнительные серверы.
  • Удобно обрабатывать данные с помощью SQL и User-defined function (JavaScript).
  • Благодаря готовым библиотекам, BigQuery легко интегрировать с другими сервисами, инструментами для визуализации, анализа данных и т.д.
  • Сертификаты безопасности позволяют хранить в BigQuery даже персональную информацию о клиентах (ФИО, телефон, номера кредитных карт и т.д.), чего нельзя делать в Google Analytics.

Чтобы получить максимум пользы от накопленных данных, маркетологи Rozetka сделали следующее:

  • Настроили экспорт данных о действиях пользователей из Google Analytics 360 в Google BigQuery.
  • Выгрузили в Google BigQuery информацию о клиентах и покупках из внутренних CRM/ERP систем.
  • Обработали данные в BigQuery для формирования сегментов.
  • Передали данные из BigQuery в Google Analytics и создали аудитории для ремаркетинга.

Данные объединяли по такой схеме:

схема объединения данных для импорта сегментов в GA

Рассмотрим детальнее каждый шаг компании.

Шаг 1. Настроить экспорт данных из Google Analytics в Google BigQuery

Как пользователь Google Marketing Platform уровня Enterprise интернет-магазин Rozetka давно пользуется всеми преимуществами платной версии Google Analytics 360. Одно из таких преимуществ — это доступ к несемплированным данным в отчетах GA, а также возможность автоматически выгружать эти данные в BigQuery. После того, как аналитики компании настроили функцию BigQuery Export, вся информация о поведении пользователей из GA, включая исторические данные за последние 13 месяцев, стала доступна в облачном хранилище в такой структуре.

Шаг 2. Выгрузить в Google BigQuery данные из внутренней системы

Также разработчики интернет-магазина настроили автоматическую выгрузку данных из внутренней базы в Google BigQuery. К примеру, Rozetka передает из CRM/ERP в GBQ такую информацию:

  • Персонализированные данные о пользователях: имейлы, статусы заказов и подписок, информация об активности, картах лояльности и т.д
  • Данные об исполняемости заказов и возвратах.
  • Данные о проводимых в разное время sms-рассылках, рекламных акциях и пр.

Сбор всей информации в едином хранилище упрощает жизнь маркетологам компании. Так легче устанавливать взаимосвязь между разрозненными данных и находить полезные инсайты для бизнеса. Вот несколько примеров того, как компания использует объединенные данные из BigQuery.

Пример 1. Популярность фильтров

Исследуя поведение пользователей на страницах каталога, специалисты Rozetka определяют наиболее популярные фильтры. Затем ранжируют их и выводят на страницах ниспадающим списком, в зависимости от их востребованности.

наиболее популярные фильтры на сайте rozetka.com.ua

Пример 2. Улучшение внутреннего поиска на сайте

Маркетологи интернет-магазина анализируют взаимодействие посетителей сайта с внутренним поиском, чтобы сделать его комфортнее и эффективнее: выводить наиболее релевантные предложения по запросу пользователя, определять и обрабатывать запросы, которые ведут к пустым подсказкам и т.д.

Пример 3. Блоки рекомендаций

Благодаря Google BigQuery, Rozetka смогла отказаться от сторонних сервисов для вывода рекомендаций на сайте. Теперь у компании есть собственный инструмент, с помощью которого можно управлять логикой показа и улучшать рекомендации в блоках «Популярные товары», «Вместе с этим товаром покупают», «Также интересуются» и других.

Шаг 3. Обработать данные в Google BigQuery

Собрав все необходимые данные в Google BigQuery, при помощи SQL-запросов маркетологи компании присваивают пользователям определенные характеристики, по которым будут формироваться сегменты.

Примечание: если вы решите повторить опыт Rozetka и сформировать сегменты в BigQuery, перед их отправкой в Google Analytics ознакомьтесь с типами данных, которые туда можно импортировать.

Шаг 4. Импортировать данные в Google Analytics и создать аудитории для ремаркетинга

С помощью OWOX BI Pipeline команда интернет-магазина настроила выгрузку данных из Google BigQuery в Google Analytics. Этот инструмент автоматически импортирует сегменты в нужный набор данных в GA. При этом, если объем импортируемых данных превышает допустимые лимиты, OWOX BI автоматически делит выгрузку на несколько порций и удаляет старые файлы с предыдущими загрузками.

Здесь стоит упомянуть, что пользователям Google Analytics 360 доступны два режима импорта данных: во время запроса и во время обработки. Rozetka использует импорт во время запроса, который дает некоторые преимущества:

  • Возможность объединять импортируемые данные с историческими данными Google Analytics. Маркетологи могут смотреть отчеты за прошедшие периоды и сегментировать аудиторию, применяя новые переменные, которые они импортировали в GA.
  • При необходимости можно удалить все загруженные данные, в том числе за прошедшие периоды, и они не будут отображаться в отчетах GA.

Режим импорта во время обработки, используемый в бесплатной версии Google Analytics, таких возможностей не предоставляет.

Маркетологи компании формируют аудитории двумя способами:

  • Передают в GA агрегированную переменную, которая включает в себя идентификаторы различных сегментов пользователей. То есть каждое значение в этой переменной отвечает за конкретный сегмент. Затем с помощью регулярных выражений выбирают те категории, которые необходимы для создания аудитории.
  • Передают в пользовательские показатели (Custom Dimension) конкретные характеристики пользователей, по которым потом создают сегмент в GA.

Пример аудиторий в Google Analytics:

Результат

Rozetka получает дополнительную ценность от огромного массива данных, которые хранятся в  клиентской базе магазина. С помощью Google Analytics 360, Google BigQuery и OWOX BI маркетологи компании связывают каждого пользователя с историей его заказов по 10 последним категориям, с которыми он взаимодействовал. Также они обогащают данные пользователя в GA информацией из личного кабинета: пол, возраст, интересы и т.д.

Затем на основе объединенных данных маркетологи формируют аудитории и отправляют их в Google Ads и Display & Video 360, чтобы использовать для ремаркетинга и корректировки ставок. Благодаря такому подходу, Rozetka значительно увеличила размер аудиторий. К примеру, аудитория «Дачники» теперь содержит данные о 180 тысячах пользователей.

P.S. Если вы тоже хотите использовать данные из CRM для формирования аудиторий, но у вас нет платного Google Analytics, попробуйте OWOX BI Trial. В течение 14 дней вы сможете бесплатно настроить и использовать импорт данных из GA в GBQ и обратно. Если возникнут вопросы, оставляйте их в комментариях — охотно поможем.

Использованные инструменты

Вас также могут заинтересовать