Как сквозная аналитика помогает бизнесу

OWOX BI Сквозная аналитика

Сквозная аналитика - это не просто красивые отчеты и графики. Возможность отслеживать путь каждого клиента, от первого контакта до регулярных покупок, может помочь предприятиям снизить стоимость неэффективных и переоцененных рекламных каналов, повысить рентабельность инвестиций и оценить, как их присутствие в Интернете влияет на офлайн-продажи. OWOX BI Аналитики собрали пять тематических исследований, демонстрирующих, что качественная аналитика помогает предприятиям быть успешными и прибыльными.

Использование сквозной аналитики для оценки онлайн-вкладов

Ситуация. Компания открыла интернет-магазин и несколько розничных магазинов. Клиенты могут покупать товары прямо на веб-сайте компании или проверять их в Интернете и приходить в обычный магазин за покупками. Владелец сравнил доход от онлайн-продаж и офлайн-продаж и пришел к выводу, что физический магазин приносит гораздо больше прибыли.

Цель. Решите, следует ли отказаться от онлайн-продаж и сосредоточиться на физических магазинах.

Практическое решение. Компания нижнего бельяДарджилинг Изучили эффект ROPO - влияние присутствия в сети на офлайн-продажи. Эксперты Darjeeling пришли к выводу, что 40% клиентов посетили сайт перед покупкой в ​​магазине. Следовательно, без интернет-магазина почти половина их покупок не состоялась бы.

Для получения этой информации компания использовала две системы сбора, хранения и обработки данных:

  • Google Analytics для информации о действиях пользователей на сайте
  • CRM компании для данных о стоимости и выполнении заказов

Маркетологи Дарджилинга объединили данные из этих систем, которые имели разную структуру и логику. Для создания единого отчета Дарджилинг использовал систему бизнес-аналитики для сквозной аналитики.

Использование сквозной аналитики для увеличения рентабельности инвестиций

Ситуация. Для привлечения клиентов бизнес использует несколько рекламных каналов, включая поиск, контекстную рекламу, социальные сети и телевидение. Все они различаются по стоимости и эффективности.

Цель. Избегайте неэффективной и дорогой рекламы и используйте только эффективную и дешевую рекламу. Это можно сделать с помощью сквозной аналитики, чтобы сравнить стоимость каждого канала с ценностью, которую он приносит.

Практическое решение. ВДоктор Рядом В сети медицинских клиник пациенты могут общаться с врачами по разным каналам: на сайте, по телефону или на рецепции. Однако обычных инструментов веб-аналитики было недостаточно, чтобы определить, откуда пришел каждый посетитель, поскольку данные собирались в разных системах и не были связаны между собой. Аналитикам сети пришлось объединить следующие данные в одну систему:

  • Данные о поведении пользователей из Google Analytics
  • Данные о звонках из систем отслеживания звонков
  • Данные о расходах из всех рекламных источников
  • Данные о пациентах, госпитализации и доходах от внутренней системы клиники

Отчеты, основанные на этих совокупных данных, показали, какие каналы не окупились. Это помогло сети клиник оптимизировать расходы на рекламу. Например, в контекстной рекламе маркетологи оставили только кампании с лучшей семантикой и увеличили бюджет на геосервисы. В результате «Доктор Рядом» увеличил ROI отдельных каналов в 2.5 раза и вдвое снизил расходы на рекламу.

Использование сквозной аналитики для поиска областей роста

Ситуация. Прежде чем что-то улучшать, нужно выяснить, что именно работает неправильно. Например, возможно, количество кампаний и поисковых фраз в контекстной рекламе увеличилось настолько быстро, что управлять ими вручную уже невозможно. Итак, вы решили автоматизировать управление ставками. Для этого нужно понимать эффективность каждой из нескольких тысяч поисковых фраз. Ведь при неверной оценке можно либо слить свой бюджет даром, либо привлечь меньше потенциальных клиентов.

Цель. Оцените эффективность каждого ключевого слова для тысяч поисковых запросов. Устранение расточительных расходов и низкого уровня приобретения из-за неправильной оценки.

Практическое решение. Чтобы автоматизировать управление ставками,Hoff, Гипермаркет мебели и товаров для дома, подключил все пользовательские сессии. Это помогло им отслеживать телефонные звонки, посещения магазинов и каждый контакт с сайтом с любого устройства.

После объединения всех этих данных и настройки сквозной аналитики сотрудники компании начали внедрять атрибуцию - распределение ценности. По умолчанию Google Analytics использует модель атрибуции по последнему косвенному клику. Но при этом игнорируются прямые посещения, и последний канал и сеанс в цепочке взаимодействий получают полную ценность конверсии.

Чтобы получить точные данные, специалисты Hoff настроили атрибуцию на основе воронки. Ценность конверсии в нем распределяется между всеми каналами, участвующими в каждом шаге воронки. Изучая объединенные данные, они оценивали прибыль по каждому ключевому слову и видели, какие из них были неэффективными, а какие принесли больше заказов.

Аналитики Hoff настроили ежедневное обновление этой информации и ее передачу в автоматизированную систему управления ставками. Затем ставки корректируются так, чтобы их размер был прямо пропорционален рентабельности инвестиций ключевого слова. В результате Hoff увеличил рентабельность инвестиций в контекстную рекламу на 17% и удвоил количество эффективных ключевых слов.

Использование сквозной аналитики для персонализации общения

Ситуация. В любом бизнесе важно выстраивать отношения с клиентами, чтобы делать соответствующие предложения и отслеживать изменения в лояльности к бренду. Конечно, когда клиентов тысячи, сделать индивидуальные предложения каждому из них невозможно. Но вы можете разделить их на несколько сегментов и выстроить коммуникацию с каждым из этих сегментов.

Цель. Разделите всех клиентов на несколько сегментов и наладьте коммуникацию с каждым из этих сегментов.

Практическое решение.  магазинМосковский ТЦ с интернет-магазином одежды, обуви и аксессуаров улучшил работу с покупателями. Чтобы повысить лояльность клиентов и пожизненную ценность, маркетологи Butik индивидуализировали общение через колл-центр, электронную почту и SMS-сообщения.

Покупатели были разделены на сегменты в зависимости от их покупательской активности. Результатом этого стали разрозненные данные, поскольку клиенты могут покупать в Интернете, заказывать в Интернете и забирать продукты в обычном магазине или вообще не использовать сайт. Благодаря этому часть данных была собрана и сохранена в Google Analytics, а другая часть - в системе CRM.

Затем маркетологи Бутика идентифицировали каждого покупателя и все его покупки. На основе этой информации они определили подходящие сегменты: новые покупатели, клиенты, совершающие покупки раз в квартал или раз в год, постоянные клиенты и т. Д. Всего они выделили шесть сегментов и сформировали правила автоматического перехода из одного сегмента в другой. Это позволило маркетологам Butik наладить персонализированное общение с каждым клиентским сегментом и показать им разные рекламные сообщения.

Использование сквозной аналитики для выявления случаев мошенничества при рекламе с оплатой за действие (CPA)

Ситуация. Компания использует модель цены за действие для интернет-рекламы. Он размещает рекламу и платит платформам только в том случае, если посетители выполняют целевое действие, например посещают свой веб-сайт, регистрируются или покупают продукт. Но партнеры, которые размещают рекламу, не всегда работают честно; среди них есть мошенники. Чаще всего эти мошенники подменяют источник трафика таким образом, что создается впечатление, будто их сеть привела к конверсии. Без специальной аналитики, позволяющей отслеживать каждый шаг в цепочке продаж и видеть, какие источники влияют на результат, выявить такое мошенничество практически невозможно.

Райффайзен Банк возникли проблемы с маркетинговым мошенничеством. Их маркетологи заметили, что затраты на партнерский трафик выросли, а выручка осталась прежней, поэтому они решили внимательно проверить работу партнеров.

Цель. Обнаруживайте мошенничество с помощью сквозной аналитики. Отслеживайте каждый шаг в цепочке продаж и понимайте, какие источники влияют на целевые действия клиентов.

Практическое решение. Чтобы проверить работу своих партнеров, маркетологи Райффайзен Банка собирали необработанные данные о действиях пользователей на сайте: полную, необработанную и не проанализированную информацию. Среди всех клиентов с последним партнерским каналом они выбрали тех, у кого были необычно короткие перерывы между сессиями. Выяснилось, что во время этих перерывов источник трафика был переключен.

В результате аналитики Raiffeisen обнаружили несколько партнеров, которые присваивали зарубежный трафик и перепродавали его банку. Поэтому они перестали сотрудничать с этими партнерами и перестали тратить свой бюджет.

Сквозная аналитика

Мы выделили наиболее распространенные маркетинговые задачи, которые может решить система сквозной аналитики. На практике с помощью интегрированных данных о действиях пользователей как на веб-сайте, так и оффлайн, информации из рекламных систем и данных коллтрекинга можно найти ответы на многие вопросы, касающиеся того, как улучшить свой бизнес.

Как вы думаете?

Этот сайт использует Akismet для уменьшения количества спама. Узнайте, как обрабатываются ваши данные комментариев.