Як наскрізна аналітика допомагає бізнесу

Наскрізна аналітика OWOX BI

Наскрізна аналітика - це не просто красиві звіти та графіка. Можливість відстежувати шлях кожного клієнта, від першої точки дотику до регулярних покупок, може допомогти компаніям зменшити вартість неефективних та завищених рекламних каналів, збільшити рентабельність інвестицій та оцінити, як їхня присутність в Інтернеті впливає на офлайн-продажі. OWOX BI аналітики зібрали п’ять тематичних досліджень, які демонструють, що якісна аналітика допомагає бізнесу бути успішним та прибутковим.

Використання наскрізної аналітики для оцінки онлайн-внесків

Ситуація. Компанія відкрила інтернет-магазин та кілька фізичних роздрібних магазинів. Клієнти можуть купувати товари безпосередньо на веб-сайті компанії або перевіряти їх в Інтернеті та приходити до фізичного магазину для придбання. Власник порівняв дохід від продажів в Інтернеті та в режимі офлайн і дійшов висновку, що фізичний магазин приносить набагато більше прибутку.

Мета. Вирішіть, чи відмовлятися від інтернет-продажів, і зосередьтесь на фізичних магазинах.

Практичне рішення. Компанія нижньої білизниДарджилінг Вивчав ефект ROPO - вплив його присутності в Інтернеті на його офлайн-продажі. Експерти Darjeeling дійшли висновку, що 40% клієнтів відвідували сайт перед покупкою в магазині. Отже, без Інтернет-магазину майже половина їхніх покупок не відбулася б.

Щоб отримати цю інформацію, компанія спиралася на дві системи збору, зберігання та обробки даних:

  • Google Analytics для отримання інформації про дії користувачів на веб-сайті
  • CRM компанії для даних про вартість та виконання замовлення

Маркетологи Дарджилінгу поєднували дані цих систем, які мали різну структуру та логіку. Для створення уніфікованого звіту Дарджилінг використовував систему BI для наскрізної аналітики.

Використання наскрізної аналітики для збільшення рентабельності інвестицій

Ситуація. Бізнес використовує кілька рекламних каналів для залучення клієнтів, включаючи пошук, контекстну рекламу, соціальні мережі та телебачення. Всі вони відрізняються за своєю вартістю та ефективністю.

Мета. Уникайте неефективної та дорогої реклами та використовуйте лише ефективну та дешеву рекламу. Це можна зробити за допомогою наскрізної аналітики, щоб порівняти вартість кожного каналу зі значенням, яке він приносить.

Практичне рішення. УЛікар Рядом Мережі медичних клінік, пацієнти можуть взаємодіяти з лікарями за різними каналами: на веб-сайті, по телефону або на стійці реєстрації. Звичайних інструментів веб-аналітики було недостатньо, щоб визначити, звідки походить кожен відвідувач, оскільки дані збиралися в різних системах і не були пов’язані. Аналітики мережі повинні були об'єднати такі дані в одну систему:

  • Дані про поведінку користувачів з Google Analytics
  • Дані дзвінків із систем відстеження дзвінків
  • Дані про витрати з усіх рекламних джерел
  • Дані про пацієнтів, надходження та доходи від внутрішньої системи клініки

Звіти, засновані на цих колективних даних, показували, які канали не окупились. Це допомогло мережі клінік оптимізувати витрати на рекламу. Наприклад, у контекстній рекламі маркетологи залишали лише кампанії з кращою семантикою та збільшували бюджет на геосервіси. В результаті доктор Рядом збільшив рентабельність інвестицій окремих каналів у 2.5 рази та зменшив витрати на рекламу вдвічі.

Використання наскрізної аналітики для пошуку сфер зростання

Ситуація. Перш ніж щось вдосконалювати, потрібно з’ясувати, що саме не працює коректно. Наприклад, можливо, кількість кампаній та пошукових фраз у контекстній рекламі зросла настільки швидко, що більше неможливо керувати ними вручну. Тож ви вирішили автоматизувати управління ставками. Для цього потрібно зрозуміти ефективність кожної з кількох тисяч пошукових фраз. Зрештою, при неправильній оцінці ви можете або об’єднати свій бюджет ні за що, або залучити меншу кількість потенційних клієнтів.

Мета. Оцініть ефективність кожного ключового слова за тисячами пошукових запитів. Усуньте марнотратні витрати та низькі витрати через неправильну оцінку.

Практичне рішення. Щоб автоматизувати управління ставками,Hoff, Роздрібна торгівля меблями та предметами домашнього вжитку в гіпермаркеті, пов’язала всі сеанси користувачів. Це допомогло їм відстежувати телефонні дзвінки, відвідування магазину та кожен контакт із сайтом із будь-якого пристрою.

Після об’єднання всіх цих даних та налаштування наскрізної аналітики працівники компанії почали впроваджувати атрибуцію - розподіл вартості. За замовчуванням Google Analytics використовує модель атрибуції останнього непрямого кліку. Але це ігнорує прямі відвідування, і останній канал і сеанс у ланцюгу взаємодії отримує повну вартість перетворення.

Для отримання точних даних експерти Хоффа налаштували атрибуцію на основі воронки. Значення перетворення в ньому розподіляється між усіма каналами, які беруть участь у кожному кроці послідовності. Вивчаючи об’єднані дані, вони оцінювали прибуток кожного ключового слова і бачили, які були неефективними, а які принесли більше замовлень.

Аналітики Хоффа встановлюють, що ця інформація оновлюється щодня та передається в автоматизовану систему управління заявками. Потім ставки коригуються таким чином, щоб їх розмір був прямо пропорційний ROI ключового слова. Як результат, Хофф збільшив рентабельність інвестицій у контекстну рекламу на 17% і подвоїв кількість ефективних ключових слів.

Використання наскрізної аналітики для персоналізації спілкування

Ситуація. У будь-якому бізнесі важливо будувати стосунки з клієнтами, робити відповідні пропозиції та відстежувати зміни в лояльності до бренду. Звичайно, коли є тисячі клієнтів, неможливо зробити персоналізовані пропозиції кожному з них. Але ви можете розділити їх на кілька сегментів і побудувати зв'язок з кожним із цих сегментів.

Мета. Розділіть усіх клієнтів на кілька сегментів і побудуйте комунікацію з кожним із цих сегментів.

Практичне рішення. магазин, Московський торговий центр з Інтернет-магазином одягу, взуття та аксесуарів покращив роботу з клієнтами. Щоб підвищити лояльність клієнтів та довічну цінність, маркетологи Butik персоналізували спілкування через кол-центр, електронну пошту та SMS-повідомлення.

Клієнти були розділені на сегменти на основі їх купівельної діяльності. Результатом цього стали розкидані дані, оскільки клієнти можуть купувати через Інтернет, робити замовлення в Інтернеті та брати товари у фізичному магазині або взагалі не користуватися сайтом. Завдяки цьому частина даних була зібрана та збережена в Google Analytics, а інша частина - у системі CRM.

Тоді маркетологи Бутік визначили кожного клієнта та всі його покупки. На основі цієї інформації вони визначили відповідні сегменти: нових покупців, клієнтів, які купують один раз на квартал або раз на рік, постійних клієнтів тощо. Загалом вони визначили шість сегментів та сформували правила автоматичного переходу з одного сегмента на інший. Це дозволило маркетологам Butik побудувати індивідуальне спілкування з кожним сегментом клієнтів та показувати їм різні рекламні повідомлення.

Використання наскрізної аналітики для визначення шахрайства в рекламі за ціною за дію (CPA)

Ситуація. Компанія використовує модель ціни за дію для реклами в Інтернеті. Він розміщує рекламу та платить платформи лише в тому випадку, якщо відвідувачі виконують цілеспрямовану дію, наприклад, відвідують їх веб-сайт, реєструються або купують продукт. Але партнери, які розміщують оголошення, не завжди працюють чесно; серед них є шахраї. Найчастіше ці шахраї підмінюють джерело трафіку таким чином, що здається, ніби їх мережа призвела до конверсії. Без спеціальної аналітики, що дозволяє відстежувати кожен крок у ланцюгу продажів і бачити, які джерела впливають на результат, виявити таке шахрайство практично неможливо.

Райффайзен Банк мали проблеми з маркетинговим шахрайством. Їхні маркетологи помітили, що витрати на афілійований трафік зросли, а дохід залишився колишнім, тому вони вирішили ретельно перевірити роботу партнерів.

Мета. Виявляйте шахрайство за допомогою наскрізної аналітики. Відстежуйте кожен крок у ланцюгу продажів і розумійте, які джерела впливають на цільові дії клієнтів.

Практичне рішення. Щоб перевірити роботу своїх партнерів, маркетологи Райффайзен Банку зібрали необроблені дані про дії користувачів на сайті: повну, необроблену та неаналізовану інформацію. Серед усіх клієнтів з останнім афілійованим каналом вони вибрали тих, у кого були незвично короткі перерви між сесіями. Вони виявили, що під час цих перерв джерело руху було змінено.

В результаті аналітики Raiffeisen виявили кількох партнерів, які привласнювали іноземний трафік та перепродавали його банку. Тож вони припинили співпрацю з цими партнерами і перестали витрачати свій бюджет.

Наскрізна аналітика

Ми виділили найпоширеніші маркетингові проблеми, які може вирішити наскрізна система аналітики. На практиці, за допомогою інтегрованих даних про дії користувачів як на веб-сайті, так і в автономному режимі, інформації з рекламних систем та даних відстеження дзвінків, ви можете знайти відповіді на багато питань, що стосуються того, як покращити свій бізнес.

Що ви думаєте?

Цей сайт використовує Akismet для зменшення спаму. Дізнайтеся, як обробляються ваші дані коментарів.