Прежде чем совершить покупку, пользователь магазина может зайти на сайт, позвонить в колл-центр, поискать информацию о товаре в мобильном, зайти в физический магазин. На IForum-2014 глава OWOX Владислав Флакс рассказал о тех инструментах Google, которые позволят анализировать данные обо всех этих действиях пользователя, с тем, чтобы эффективнее предсказывать его поведение, и соответственно, тратиться на рекламу. Доклад Владислава будет интересен, прежде всего, для того розничного бизнеса, покупатель которого взаимодействует с ним не только на сайте, а в разных точках касания (сайт, приложение, физический магазин, POS-терминал и т.д.).
Команда OWOX на IForum
Управляя ритейлом, предприниматель принимает решения: по какой цене продавать, кому продавать, как распределять рекламный бюджет. Долгое время ритейл принимал решения на основе части воронки, которая происходила после транзакции: продавец знал телефон клиента, какие товары он купил, в каком городе живет. Но в последнее время “дотранзакционная” часть воронки оцифровалась: теперь продавец знает, что делал пользователь на сайте до заказа, что он искал до перехода на сайт. Это произошло благодаря поисковым сетям, социальным сетям, мобильным устройствам.
Но при этом, внутренняя база данных компании, часто не содержит полной информации о поведении пользователя до покупки. Ниже представлено несколько советов о том, как объединить данные о взаимодействии с покупателем во всех точках касания.
Это позволит сравнить доходы и расходы по каждому конкретному покупателю.
На примере вверху видно такое сравнение для покупателя, который приобрел ноутбук с флешкой. Если продавец хочет узнать, сколько в среднем онлайн-касаний делает покупатель по пути к транзакции, он может увидеть это в отчете Path Length в Google Analytics. У большинства магазинов – больше двух касаний.
Считая расходы на одного покупателя, магазины часто допускают одну ошибку, говорит Флакс. Они считают CPO (Cost Per Order, стоимость привлечения покупателя для одного заказа), как расходы до транзакции. Ведь считается, что это нормально – переплачивать за первую транзакцию, потому что этот пользователь останется и будет продолжать заказывать товары. И если если LTV окажется больше, чем CPO (доход на клиенте будет больше, чем расход на его привлечение), то все хорошо. Но, как подчеркивает эксперт, проблема здесь в том, что этот покупатель будет продолжать кликать на рекламу и тратить рекламный бюджет. То есть, доход на клиента нужно сравнивать не со стоимостью привлечения, а со стоимостью и удержания (Life Time Cost). На примере из слайда – это все затраты, обозначенные красным.
Чтобы получить такие данные о покупателе, нужно объединить о нем всю информацию, которая известна продавцу. Например, покупатель пришел на сайт и посмотрел три ноутбука – известен его client ID из cookies. Он мог позвонить в колл-центр, поискать информацию о товаре с помощью мобильного и т.д. Таким образом, продавец может собрать информацию из разных точек касания и объединить ее.
Основные точки, с которых можно собрать данные: сайт, мобильное приложение, мобильный сайт и сенсорный киоск.
Если разработать простой data layer (java-скрипт код, который устанавливается в теле страницы), можно собирать информацию в Google Tag Manager, советует Владислав. Это инструмент, который позволяет управлять передачей информации с сайта или мобильного приложения в третий сервис (например, подключить “Яндекс.Метрику” без помощи разработчиков, настроить Google AdWords, DoubleClick). Собрав информацию в Google Tag Manager, можно ее передать в Google Universal Analytics. При этом, принципиальное отличие Universal Analytics в том, что данные собираются вокруг пользователя (конкретного идентификатора), а не абстрактного cookie.
Чтобы получить возможность углубленного анализа (например, чтобы знать, как меняется стоимость привлечения покупателя, как она зависит от landing page), нужен соответствующий сервис. Владислав рекомендует Google BigQuery (он не бесплатен, но оплата идет только за объем расчитанных данных).
Чтобы передавать информацию из колл-центра, есть Measurement Protocol, который позволяет передавать информацию в Google Analytics. Также, можно передавать данные о транзакциях из POS-терминало в формате CSV.
В результате такой интеграции в Google BigQuery будет собрана информация обо всех взаимодействиях с покупателем во всех точках касания.
Что это даст?
По данным исследования OWOX, распределение заказов по основным точкам касания может выглядеть таким образом:
Сведенный сбор инфорации в Google BigQuery позволит понять, что происходит с покупателями. Если кто-то позвонил в колл-центр, он пойдет в физический магазин или на сайт? Как коррелирует бигборд с продажами в онлайне? Куда вкладывать конкретный доллар рекламы? Общий отчет даст картину движения аудитории из одной точки касания в другую:
“Таким образом, мы сможем увидеть общую картину поведения покупателя”, – суммирует Владислав. В конце он предложил аудитории самостоятельно ответить на несколько проверочных вопросов, чтобы понять, достаточно ли четко магазины представляют себе свое взаимодействие с покупателем:
- Сколько вы заплатили за конкретный заказ (сумма платных кликов на пути к заказу)?
- Какая доля расходов на рекламу в обороте товаров определенного бренда?
- Сколько продаж в физических магазинах приносит 1 доллар, вложенный в онлайн-рекламу? (Ответ на этот вопрос недавно стало возможно получить в Google BigQuery благодаря встроенным функциям корреляции).
Компания OWOX проводит 22 мая в Киеве конференцию Analyze. Специально для читателей AIN.UA Влад Флакс предоставил 15% скидку на посещение мероприятия. Для этого при покупке билета нужно использовать промокод 3630-1033-0031-1111. Он действителен до 13 мая.
