Наш ассоциированный член www.Bikinika.com.ua

Вибудувати наскрізну аналітику для реальних результатів, а не для звітів: кейс меблевої компанії Hoff

  1. Завдання онлайн-маркетингу на 2018 рік
  2. Як стати майстром наскрізний аналітики?
  3. Роль аналітики маркетингу
  4. Підсумки. Що отримали, побудувавши модель атрибуції

20 березня система наскрізної аналітики Alytics провела в Москві «День наскрізний аналітики». Марина Ковпак розповіла, як компанії Hoff вдалося вибудувати наскрізну аналітику, щоб отримувати результати для бізнесу, а не для звітів.

Hoff - мережа гіпермаркетів меблів і товарів для дому. Інтернет-магазин компанії відкрився в 2011 році, і в цій статті мова саме про нього. У 2017-му виручка мережі в онлайні склала 3,6 млрд ₽. План на цей рік - 5 млрд ₽ в онлайні. Марина Ковпак розповіла, як наскрізна аналітика допоможе досягти цієї мети.

Завдання онлайн-маркетингу на 2018 рік

Основним завданням будь-якого інтернет-магазину є генерація трафіку на сайт і конвертація його в замовлення. Але у Hoff є й інші важливі завдання, від яких безпосередньо залежить входить оборот. Розглянемо, які цілі ставить для себе в поточному році відділ інтернет-маркетингу компанії.

  1. Ефективне управління performance-маркетингом, яке в Hoff вимірюється багатьма показниками, але основним є ДРР ( частка рекламних витрат ) На performance-маркетинг.
  2. Збільшення конверсії всередині сайту. Зростання трафіку неможливий без роботи над конверсією сайту. Якщо у вас погано конвертується кошик або не працює кнопка «купити» - все вкладення в рекламні джерела будуть марні. У відділі інтернет-маркетингу є продакт-менеджер, який досліджує конверсію на сайті по воронці продажів і аналізує, які зміни зробити в каталозі, кошику, картках товару, на головній сторінці, щоб конверсія в певній товарній групі або типі сторінок збільшилася.
  3. Збільшення впізнаваності бренду онлайн. Hoff - це не просто рядовий магазин меблів, а відомий російський бренд. Тому компанія багато інвестує в іміджеву рекламу: медійні канали, YouTube та інші.
  4. Збільшення частки мультиканального покупців. Hoff - омніканальная компанія, є чотири точки входу клієнтів в компанію: мережа роздрібних магазинів, інтернет-магазин, мобільний додаток і можливість купити будь-який товар по телефону. Для компанії важлива оцінка ефективності клієнтів, які користуються кількома каналами: потрібно знати, скільки цих людей, як вони себе ведуть і як збільшувати їх частку. Як це зробити, буде детально розказано в кінці статті.

Як стати майстром наскрізний аналітики?

Наскрізна аналітика - головна магія інтернет-маркетингу і найпотужніший інструмент розвитку продажів без зростання бюджету. Впровадивши її, ви відразу зрозумієте, де клієнти губляться і що в вашому маркетингу треба поліпшити.
Хочете освоїти цю магію? Ось навчальний курс де детально пояснюють, як все працює, як впроваджувати і як використовувати на практиці.
Поспішайте дізнатися подробиці , Реєстрація скоро закриється!

Реклама

Роль аналітики маркетингу

Поставити перед собою завдання - ще далеко не все. Важливо аналізувати успіхи і невдачі, ефективність різних рекламних каналів. Якщо уявити собі світ ecommerce однієї великої планетою, що стоїть на трьох слонах, то тримати їх буде стара мудра черепаха - аналітика. Без неї планета електронної комерції існувати просто не зможе.

Тому перше, що потрібно зробити для виконання поставлених завдань, - це налаштувати систему аналітики. Аналітика буває різна, в цьому кейсі ми розглянемо, як була налаштована в компанії Hoff аналітика маркетингу - оцінка ефективності платних рекламних джерел.

Перші моделі. Як і в будь-якому ecommerce, аналітика почалася з моделі Last Click. Потім стали використовувати асоційовані конверсії. Мінус цих моделей - в них не можна враховувати роздрібні продажі, маржу товару, продажу з телефону. Тому компанія почала шукати інші шляхи вирішення питання.

Рішення про створення своєї моделі атрибуції. Це було зроблено для того, щоб оцінити ефективність основних рекламних каналів - контекстної реклами і ретаргетінга. На контекстну рекламу в Hoff йде велика частина рекламного бюджету. Звичайно, при таких обсягах важливо знати всі дані про всі продажах - і в офлайні, і в онлайні. Власна модель атрибуції дозволила б зрозуміти, як контекст впливає на роздрібний трафік, покупки офлайн і з телефону.

Об'єднання даних. Отримані дані необхідно зберегти і систематизувати. Компанія Hoff використовує кілька десятків систем отримання даних:

  • Google Analytics - дані по відвідуваності і конверсії на сайті.
  • Mindbox - дані по email-розсилок.
  • Коллтрекінг - дані по замовленнях з телефону.
  • Axapta (ERP) - система обліку замовлень і так далі.

Зрозуміло, що зручніше було б зберігати всі ці дані не в різних системах, а в одному місці. Маркетологи компанії провели колосальну роботу по об'єднанню даних в одне велике сховище. Вибір припав на Google BigQuery. Тепер в ньому інтегруються потоки даних з різних систем під одним ID.

Об'єднання ID. ID користувача в Google Analytics і ID в ERP-системі компанії - різні цифрові значення, їх треба було склеїти в одне ціле. Основний критерій, за яким склеювалися дані користувачів в один ID, - це програма лояльності компанії. 90% покупок в Hoff відбувається за допомогою картки програми лояльності, тобто відомо, хто саме здійснює покупки. Далі справа техніки - склеїти ці дані з системами. Таке об'єднання з урахуванням карти лояльності дозволило відстежувати офлайн конверсії від онлайн-реклами.

Отже, дані склеїлися і зберігаються в Google BigQuery. Потім аналітик компанії придумав свою модель атрибуції, яка враховувала маржу товарів, дані офлайн-замовлень і замовлення з телефонів. Брендовий контекст з ланцюжка транзакцій виключався - це було рішення компанії.

Використання моделі атрибуції в Alytics. Останній етап - подгрузка даних в систему Alytics. Спеціально для Hoff був розроблений метод вивантаження даних моделі атрибуції, що дозволяє передавати цінність тієї чи іншої фрази в залежності від того, було замовлення, наприклад, в офлайні чи ні.

Hoff управляє контекстом в Alytics через модель правил. Розглянемо, як це працює. Наприклад, візьмемо фразу «купити червоний диван в Воронежі». На цю фразу в Alytics налаштували 5 варіантів управління ставками. Залежно від ROI (коефіцієнта окупності): якщо ROI більше 200% - ставка 10 $, якщо менше 50% - ставка 10 центів, і так далі.

Підсумки. Що отримали, побудувавши модель атрибуції

Модель атрибуції побудована і впроваджена в Alytics. Hoff підвела підсумки і порівняла показники до і після. Давайте подивимося, що змінилося.

  1. У деяких товарних категоріях показник ROI виріс до 17%. Наприклад, якщо раніше вважали, що категорію «штори» купують в онлайні гірше, то модель атрибуції показала, що людина приходить на сайт через контекстну рекламу, дивиться ці штори, але купує їх уже в офлайні - приходить в магазин. Так модель атрибуції допомогла зрозуміти, які категорії в онлайні раніше були недооцінені.
  2. Кількість фраз з ненульовий цінністю виросло в 2,4 рази. Наприклад, за запитом «москва штори квіточку» ніхто в онлайні не купував, і маркетологи знижували ціну з 10 доларів до 1 цента. Насправді ця фраза приносить трафік в роздріб - люди купують їх офлайн. А це означає, що на такі фрази треба підвищувати ставки, що і було зроблено.
  3. Email-розсилки порадували бомбічний показниками: на 1 карбованець виручки в онлайні припадає 4 рубля виручки в офлайні. Працює це так: люди отримують електронного листа, роздруковують його, приходять в магазин і кажуть: хочу такий диван, як у вашій розсилці. Виходить, онлайн-маркетинг стимулює офлайн-продажу.
  4. ROPO-ефект. За допомогою моделі атрибуції збільшилася роль мультиканального користувачів. Це ті клієнти, хто купує і в роздробі, і на сайті, і через мобільний додаток. Зрозуміло, що такі клієнти найприбутковіші: вони витрачають в 5 разів більше, ніж покупці в одному каналі. Завдання компанії - збільшувати частку таких клієнтів, розвивати мобільний додаток і стежити за цим показником.
  5. І найголовніше - третина виручки в гіпермаркетах Москви доводиться на відвідувачів сайту Hoff.ru. Тепер за допомогою наскрізної аналітики це відомо точно. Відмінний показник!

Відмінний показник

Ось така аналітика: своя модель атрибуції допомагає отримувати результати, реально корисні для бізнесу, а не тільки для звітів. Бажаємо успіху в просуванні!

Читайте також:

Думка редакції може не збігатися з думкою автора. Ваші статті надсилайте нам на [email protected] . А наші вимоги до них - ось тут .

Як стати майстром наскрізний аналітики?
Хочете освоїти цю магію?

Новости