Сантехника-Онлайн: Как снизить ДРР на 10%

35
4058
Материалы для скачивания
978.32 Kb

О компании

Интернет-магазин «Сантехника-Онлайн» продает сантехническое оборудование, изделия для водоснабжения, отопления и кондиционирования, отделочные материалы, аксессуары для санитарных помещений и кухонь. За 9 лет компания выросла из небольшого розничного магазина в крупный узнаваемый бренд и стала лидером в своем сегменте.

«Сантехника-Онлайн» предлагает своим клиентам 110 000 товарных позиций от 600 ведущих производителей, приобрести которые можно на сайте santehnika-online.ru, по телефону или в розничных магазинах.

Цель

Компания активно продвигает свои товары через сервисы Яндекс.Маркет, Яндекс.Директ, Facebook, Сriteo, Google AdWords, MyTarget. Чтобы сделать рекламу эффективнее, маркетологи «Сантехники-Онлайн» решили оценить рекламные кампании и на основании полученных результатов грамотнее перераспределить бюджет. При этом маркетологи хотели максимально автоматизировать все бизнес-процессы.

Чтобы достичь поставленной цели, компании нужно:

  1. Собрать все данные в одной системе: расходы на рекламу, действия пользователей на сайте, заказы через колл-центр, исполняемость заказов из CRM.
  2. На основании объединенных данных построить модели атрибуции и оценить эффективность рекламных источников.
  3. Автоматизировать управление контекстной рекламой и расчет ставок.

Проблема

Перед покупкой клиент может взаимодействовать с «Сантехника-Онлайн» через разные каналы. Например, выбрать товар на сайте, сделать заказ по телефону, а забрать — в магазине. Чтобы правильно рассчитать эффективность рекламы, нужно объединить данные по всем каналам (онлайн и офлайн), которые компания собирает и хранит в разных системах.

Для автоматического расчета ставок нужно знать эффективность ключевых слов. Чтобы оценить каждую поисковую фразу, также необходимо связать все действия пользователя: на сайте, по телефону и в магазинах.

«Сантехника-Онлайн» отслеживает действия пользователей на сайте с помощью Google Analytics. Эта система не подходит для объединения данных и оценки рекламных кампаний, потому что не поддерживает репроцессинг данных. То есть нельзя изменить сумму или добавить транзакцию за прошедший период — из-за этого в GA некорректно учитываются:

  • Заказы через колл-центр.
  • Отмененные заказы и возвраты.
  • Покупки в розничных магазинах.

Кроме того, в Google Analytics можно загружать данные только определенного типа и структуры, поэтому в GA нельзя передавать некоторые нужные компании параметры, к примеру, данные об офлайн транзакциях. Также в Google Analytics есть ограничения на количество параметров и показателей в отчетах (подробнее — в статье).

Решение

Для объединения данных аналитики «Сантехники-Онлайн» выбрали облачное хранилище Google BigQuery. Эта система гарантирует безопасное хранение данных, имеет API для интеграции с другими системами и позволяет легко загружать данные из файлов и Google Sheets. Кроме того, благодаря OWOX BI Pipeline, в Google BigQuery можно передавать данные в удобной для бизнеса структуре, строить отчеты без семплирования и ограничений на количество параметров и показателей.

С помощью OWOX BI Pipeline компания передает в Google BigQuery:

  • Расходы на рекламу (предварительно собранные в Google Analytics также с помощью OWOX BI Pipeline).
  • Данные о заказах по телефону из Calltouch.
  • Данные об исполняемости заказов из CRM.

С помощью Google Data Studio компания визуализирует данные из рекламных сервисов. С помощью OWOX BI Attribution маркетологи «Сантехники-Онлайн» определяют ценность рекламных кампаний. На основе полученных данных компания автоматизирует управление ставками в Alytics.

Так выглядит схема объединения данных «Сантехники-Онлайн»:

Схема объединения данных для аналитики

Теперь разберем подробнее, что делала компания «Сантехника-Онлайн», чтобы повысить эффективность своей рекламы.

Шаг 1. Передать расходы на рекламу в Google Analytics и Google BigQuery

Сначала аналитики компании собирают все данные из рекламных сервисов в Google Analytics. Расходы из Google AdWords попадают в GA благодаря нативной интеграции. Расходы из Facebook, Яндекс.Директ, Яндекс.Маркет, Criteo и MyTarget автоматически импортируются в GA с помощью OWOX BI Pipeline . Расходы из всех рекламных сервисов, объединенные в Google Analytics, автоматически передаются в Google BigQuery, также с помощью OWOX BI Pipeline.

Шаг 2. Импортировать данные из Calltouch в Google BigQuery

Для отслеживания заказов через колл-центр компания использует систему Calltouch. Данные из системы коллтрекинга автоматически передаются в Google BigQuery с помощью OWOX BI Pipeline сразу после завершения звонка. При отправке события аналитики компании присваивают звонку теги с номером телефона, на который звонил клиент. Подробнее о том, какие бывают теги Дополнительные параметры, которые могут содержать любую информацию о звонке. Например, какую клавишу нажал пользователь во время разговора , вы можете почитать в справке.

Благодаря импорту данных из Calltouch в Google BigQuery, аналитик «Сантехники-Онлайн» может сегментировать пользовательскую аудиторию вплоть до ключевого слова, чтобы понять, по какому запросу пришёл на сайт пользователь, который сделал звонок. С помощью SQL-запроса к данным в Google BigQuery аналитик создает сегмент заказов по телефону, которые были выполнены. Далее он передает эту информацию в OWOX BI Attribution, чтобы оценить каналы, которые участвовали в цепочке к заказу.

Шаг 3. Передать данные об исполняемости заказов из CRM в Google BigQuery

Информацию о товарах, статусе заказов и марже «Сантехника-Онлайн» собирает в системе 1С:CRM. Программисты компании настроили интеграцию, с помощью которой данные из CRM ежедневно попадают в Google BigQuery. В GBQ компания объединяет данные об исполняемости заказов с информацией о действиях пользователей на сайте, рекламными расходами и заказами через колл-центр, чтобы оценить эффективность рекламы.

Шаг 4. Объединить все данные в Google BigQuery

Для получения полной картины нужно свести в одну таблицу данные, переданные в Google BigQuery из Calltouch, Google Analytics и CRM. Компания использовала для этого SQL-запросы, разработанные совместно аналитиками OWOX и «Сантехники-Онлайн». Объединив всю информацию, компания получила возможность отслеживать все действия пользователей — от визита и звонка до покупки.

Шаг 5. Визуализировать информацию из рекламных сервисов

Аналитики OWOX помогли компании создать в Google Data Studio наглядный дашборд на основе данных о рекламных расходах, объединенных в Google BigQuery. Дашборд выглядит так:

Визуализация информации из рекламных систем в Google Data Studio

Дашборд позволяет сравнить расходы, доход, количество сессий, CTR Коэффициент кликабельности = количество кликов по объявлению / количество показов × 100% и  ROAS Прибыль от размещения рекламы = доход от размещения рекламы / расходы на рекламу × 100% по каждой рекламной кампании. С его помощью маркетологи «Сантехники-Онлайн» оценивают эффективность рекламных каналов в разрезе источников, регионов, кампаний. В результате они определили отклонения по однотипным кампаниям в разных регионах и устранили ошибки, допущенные при настройке. Пример таких ошибок: есть кампания в Москве, которую продублировали на Санкт-Петербург. Маркетолог замечает, что в Питере по этой кампании расход больше, а эффективность значительно хуже, что вызывает подозрения. Он смотрит ключевые слова, по которым пользователи заходили на сайт, и видит, что где-то вместо фразового и точного соответствия использовано широкое соответствие, что привлекло нерелевантный трафик.

Шаг 6. Оценить рекламные кампании

Чтобы оценить эффективность рекламных каналов, аналитики «Сантехники-Онлайн» с помощью OWOX BI Attribution построили модель атрибуции на объединенных данных в Google BigQuery. Преимущество атрибуции на основе воронки в том, что она учитывает вклад каждой сессии перед заказом. Воронка на сайте компании выглядит так:

Шаги воронка атрибуции OWOX BI Atributtion

На графике указаны абсолютная конверсия Отношение сессий, в которых пользователь совершил этот шаг к общему количеству сессий , вероятность Доля сессий, в которых пользователи перешли с предыдущего шага на текущий и ценность для каждого шага. Ценность сессии зависит от вероятности перехода пользователя с одного шага воронки на другой. Чем меньше вероятность, тем выше ценность у сессии, которая помогла пользователю сделать этот шаг, и наоборот. Например, мы видим, что самым ценный для бизнеса, но самый «трудный» для пользователя шаг — «Заказ». Вероятность перехода на этот шаг составляет 7,5%. Ценность в модели получают все сессии, которые привели к заказу. Подробнее о логике расчета атрибуции на основе воронки читайте в нашей статье или смотрите в вебинаре.

Благодаря атрибуции на основе воронки, маркетологи «Сантехники-Онлайн» определили в целом неэффективные рекламные кампании, пересмотрели бюджет и оптимизировали затраты.

Шаг 7. Отправить результаты атрибуции в Alytics для корректировки ставок

Аналитики «Сантехника-Онлайн» совместно с аналитиком OWOX настроили передачу результатов атрибуции из Google BigQuery в Alytics. Компания одной из первых участвовала в тестировании интеграции OWOX BI и Alytics (подробнее об интеграции — в справке). В итоге аналитики OWOX разработали для «Сантехника-Онлайн» кастомизированное решение: результаты атрибуции с помощью App Script передаются на точку доступа, откуда Alytics ежедневно забирает данные для расчёта ставок. С помощью App Script аналитики интернет-магазина дополняют данные атрибуции расширенными значениями параметра AdContent («Содержание объявления»), взятыми из таблицы хитового стриминга. Это параметр, который содержит первую строку текста рекламной кампании.

Данные импортируются из Google BigQuery в Alytics в такой структуре:

Структура данных в GBQ

Далее аналитик «Сантехника-Онлайн» в личном кабинете Alytics определяет формулу (правила), по которой будут рассчитываться ставки:

Расчет ставок в личном кабинете Alytics

Ценность фраз и каналов пересчитывается автоматически каждый день. По формуле определяются неэффективные ключевые фразы — те, по которым собралась хоть какая-то статистика (больше N сеансов), но практически не было звонков и заказов либо было, но очень мало. Аналитики настроили в Alytics уведомления по неэффективным ключевым словам, чтобы передавать эту информацию подрядчикам по контексту.

Вот как выглядят данные в интерфейсе Alytics:

Данные в интерфейсе Alytics

Результаты

  • С помощью OWOX BI Pipeline компания «Сантехника-Онлайн» автоматизировала процесс объединения данных, нужных для анализа. Действия пользователей на сайте, заказы через колл-центры, расходы на рекламу, маржу и исполняемость заказов теперь собраны в Google BigQuery.
  • С помощью OWOX BI Attribution компания смогла объективно оценить рекламные каналы, чтобы оптимизировать рекламу и эффективнее перераспределить бюджет.
  • Благодаря автоматической интеграции OWOX BI с Alytics, «Сантехника-Онлайн» смогла применить результаты расчетов модели атрибуции для управления ставками в системе Alytics.
  • В результате при росте трафика с платных источников интернет-магазину удалось снизить ДРР Доля рекламных расходов = расходы на рекламу / доход от размещения рекламы × 100% по своим рекламным кампаниям более чем на 10%, что отображено на графике ниже:
Эффективность CPC канала

На графике мы видим, что среднее значение ДРР за январь — май 2017 составляет 11.72%. После перераспределения рекламного бюджета среднее значение ДРР за июнь — октябрь 2017 снизилось более чем на 10% по сравнению с предыдущим периодом и составило 10.54%. При этом трафик с платных источников за весь период увеличился более чем в три раза.

P.S. Есть вопросы? Оставляйте их в комментариях и мы обязательно ответим.

Использованные инструменты

Вас также могут заинтересовать