Attribuzione multicanale: come misurare l'incommensurabile

Se hai mai provato a costruire un modello di attribuzione che non fosse basato sulla posizione (ovvero ultimo clic, primo clic, lineare, ecc.), Potresti esserti sentito sopraffatto. Ma i percorsi dei clienti sono non lineari e piuttosto complicati—sooo molte cose influenzano le conversioni.

La maggior parte delle aziende ha molti dati sul comportamento dei clienti: i dispositivi che usano per acquistare, gli annunci, i prezzi della concorrenza, le parole chiave, ecc. Ma non riescono a capire tutto.

Quando lavori in un'azienda multicanale e una grossa fetta di conversioni avviene offline, la situazione peggiora ancora di più. Devi dimostrare che il tuo in linea guidare campagne di marketing disconnesso reddito.

Il comportamento di acquisto moderno può includere:

• Puro online. Trovare e acquistare prodotti online.
• Puro offline. Esame e acquisto di prodotti nei negozi di mattoni e malta.
• ROPO. Ricerca di prodotti online e acquisto offline (a.k.a. webrooming).
• Showrooming. Esaminare i prodotti nei negozi fisici e acquistarli online.

Se stai misurando l'efficienza del marketing online osservando solo gli ordini di Google Analytics, perderai gli ordini offline durante la valutazione dell'efficienza delle tue campagne.

Ecco come tenere conto di tutto e creare un modello di attribuzione multicanale valido e valido.

Quanto è influente ROPO?

L'effetto ROPO varia da paese a paese e da categoria a categoria. Secondo DigitasLBi, l'88% dei consumatori di tutto il mondo ricerca prodotti online prima dell'acquisto.

Puoi scoprire la percentuale di acquisti ROPO nel tuo paese con il Barometro dei consumatori di Google:

Quando si esamina l'effetto ROPO, le vendite tradizionali di mattoni e malta svaniscono praticamente per determinate categorie. Ci sono anche categorie in cui sono essenziali. Nella nostra esperienza, le categorie di prodotti in cui l'effetto ROPO è significativo includono:

• TV / monitor;
• Cellulari;
• Equipaggiamento audio;
• Fotocamere digitali;
• Hardware.

Cosa guida il comportamento di ROPO?

• Gli acquirenti vogliono visualizzare l'oggetto da vicino.
• Hai bisogno dell'articolo prima di quanto possa spedire.
• Vuoi evitare le spese di spedizione.
• Hai bisogno di consigli di persona.

In che modo ROPO influenza l'attribuzione

Gli esperti di marketing fanno fatica a considerare tutti i punti di contatto e includere tutte le fonti informative, soprattutto perché i dati vengono archiviati in sistemi diversi e elaborati e aggiornati a velocità diverse. Cercare di riunire tutti questi dati, pulirli e unirli può sembrare come suonare il congegno di seguito.

Non sei solo qui, almeno secondo Strala. La loro ricerca sullo stato della misurazione del marketing ha scoperto che solo l'11% dei marketer si sente “molto fiducioso” nell'accuratezza dei propri modelli di attribuzione.

E, secondo KPMG, solo il 35% delle organizzazioni intervistate ha un alto livello di fiducia nell'uso dell'analisi dei dati da parte dell'organizzazione.

Per colmare il divario tra dati sparsi e analisi utilizzabili, attenersi alla seguente procedura.

8 passaggi per creare un modello di attribuzione multicanale

Passaggio 1: definire le domande

Inizia con le ipotesi e formula domande a cui vuoi rispondere. Ad esempio, supponiamo che tu voglia capire quale quota delle tue vendite offline è stata influenzata dalle campagne pubblicitarie online. Oppure, potresti voler sapere in quale fase della canalizzazione è meglio incoraggiare i clienti a effettuare un acquisto (e il miglior canale per farlo).

Dopo aver scritto quelle domande, assegnale le priorità. La definizione delle priorità riduce il numero di attività successive e consente di iniziare a creare una versione MVP della dashboard di attribuzione.

Passaggio 2: trova i dati

Identifica i set di dati più importanti nella tua azienda. Possono essere piattaforme pubblicitarie (Google Ads, Facebook, Twitter, ecc.), Piattaforme di email marketing, sistemi di localizzazione delle chiamate, sistemi di analisi mobile, sistemi CRM ed ERP, ecc.

Quindi, definire i campi che fungeranno da chiavi per collegare i dati da origini diverse in un'unica vista.

Il problema più grande che le aziende incontrano di solito è non riuscire a identificare gli stessi utenti attraverso i canali online e offline. Ecco sei modi per collegare i punti tra online e offline:

1. Usa le app online per guidare i clienti offline. VOX, un produttore polacco di mobili e decorazioni, ha incoraggiato i clienti online a programmare consultazioni faccia a faccia nei negozi fisici dell'azienda.

Per fare ciò, hanno creato un'app chiamata VOXBOX in cui i clienti potevano progettare i propri mobili. Dopo che gli utenti hanno progettato i mobili, l'app li invita in un negozio fisico per una consultazione. I progetti vengono inviati automaticamente agli assistenti del negozio, il che semplifica le consultazioni per clienti e personale.

I clienti di VOX possono progettare un interno di casa al proprio ritmo nell'app, prendere il tempo di scegliere le soluzioni migliori, quindi fissare un appuntamento con un consulente in grado di implementare le proprie idee.

2. Usa fari: Piccoli dispositivi che funzionano su BLE (Bluetooth Low Energy). Puoi posizionare i fari nel tuo negozio di mattoni, ufficio o salone.

Quindi, attendere i clienti che hanno installato la tua app sui loro dispositivi mobili. I beacon comunicano con l'app, inviando il loro ID, intensità del segnale e dati aggiuntivi.

Usando questa tecnologia, puoi vedere le aree di un negozio che gli utenti visitano e persino i prodotti che raccolgono. Macy sta sperimentando un'app mobile che controlla automaticamente i clienti quando entrano nel negozio di Macy e quindi visualizza informazioni, tramite beacon, in base alle loro visite online e offline e al comportamento di acquisto.

3. Offrire carte fedeltà che devono essere attivati ​​online con un indirizzo e-mail e sono collegati a un ID utente, numero di telefono, ecc. Questi possono essere di grande aiuto nel tracciare il percorso del cliente.

4. Fornire magneti al piombo in cambio di dati. Questa è una strategia comune per acquisire e coltivare contatti, usando cose come:

• Email di "offerta speciale" a cui i clienti possono abbonarsi;
• Promozioni e concorsi che possono essere inseriti registrandosi e fornendo informazioni di contatto.

Possono anche coinvolgere gli acquirenti precedenti per ulteriori informazioni sugli acquirenti abituali:

• Un mese in più di garanzia per la registrazione della ricevuta online;
• Manuali video e consigli su come utilizzare un prodotto in cambio di un indirizzo e-mail.

5. Utilizzare conversioni soft per misurare l'intento con tracciamento degli eventi. Puoi utilizzare le conversioni ROPO soft per avere un'idea dell'effetto ROPO. Le conversioni soft di ROPO sono interazioni che un visitatore online ha con un sito Web e / o un annuncio che indicano la probabilità che visitino effettivamente un negozio.

Ad esempio, un visitatore che inserisce il proprio codice postale nel localizzatore del negozio e visualizza gli orari di apertura è probabile che visiti il ​​negozio.

6. Collegare l'attività sul sito Web, le applicazioni, il CRM e il POS con un ID utente univoco.

Passaggio 3: decidere l'infrastruttura e l'approccio

Quando si tratta di infrastruttura, puoi scegliere tra una soluzione on-premise, una soluzione basata su cloud (come Amazon Redshift o Google BigQuery) o una soluzione ibrida.

La mia scelta personale è Google BigQuery:

• Facile da usare;
• Integrazioni pronte per l'uso;
• Super potente (elabora terabyte di dati in pochi secondi);
• Garantisce una disponibilità del 99,9%;
• Conveniente;
• Sicuro;
• Forte infrastruttura di supporto (Compute Engine, Data Prep, ecc.).

Successivamente, decidi il tuo approccio per l'architettura dei tuoi dati:

• Lago dei dati. Un repository di dati archiviati nel suo formato non elaborato.
• Tessuto dati. Un sistema che fornisce un'integrazione e un accesso senza soluzione di continuità in tempo reale e attraverso i silos di dati multipli di un sistema di big data.
• Hub dati. Una raccolta omogeneizzante di dati da più fonti organizzata per la distribuzione, la condivisione e spesso il sottoinsieme e la condivisione.

Secondo una recente ricerca di McKinsey, solo l'8% dei data lake è mai passato dalla "prova del concetto" alla produzione. Ma non lasciarti demotivare, se segui i passaggi seguenti, le tue possibilità di successo sono piuttosto alte.

Vuoi creare o acquistare un servizio per connettere tutti i tuoi sistemi? Se costruisci la tua soluzione, corrisponderà al 100% alle tue esigenze, ma cannibalizzerà anche le tue risorse. L'implementazione può richiedere più tempo del previsto, soprattutto se non si dispone di un project manager dedicato ed esperienza nello sviluppo di strumenti interni. Dovrai anche supportare tu stesso il prodotto.

Fortunatamente, il mercato è invaso da connettori decenti, come Stitch o Funnel.io, che possono aiutarti a metterti in funzione e a ridurre il time-to-value. La mia raccomandazione è di acquistare quando possibile e risparmiare le risorse interne per qualcosa di più prezioso.

Ecco un paio di esempi su come costruire la tua infrastruttura di analisi e connettere i punti.

Caso di studio Darjeeling

Diamo un'occhiata a Darjeeling, un grande rivenditore nel mercato della biancheria femminile. Ci sono circa 155 negozi Darjeeling in tutta la Francia e oltre 8,7 milioni di visitatori arrivano in questi negozi ogni anno. L'azienda vende oltre 5 milioni di articoli all'anno, con un fatturato annuo di € 100 milioni.

Darjeeling utilizza diversi sistemi per raccogliere, archiviare ed elaborare i dati. I dati sul comportamento degli utenti vengono inviati a Google Analytics, mentre i dati sui costi e sul completamento dell'ordine vengono raccolti nel CRM dell'azienda.

I dati nel CRM sono in francese, mentre i dati raccolti in Google Analytics sono in inglese. Anche la struttura dei dati è diversa tra i due sistemi. Per valutare l'efficacia complessiva della pubblicità online sulle vendite offline, Darjeeling doveva combinare tutti questi dati in un unico sistema.

Per raggiungere i loro obiettivi, i marketer di Darjeeling hanno deciso di:

1. Raccogliere dati su sessioni online, vendite offline e tassi di completamento degli ordini.
2. Combina dati sulle vendite offline e sul comportamento degli utenti sul sito Web, tenendo conto delle tariffe di completamento degli ordini.
3. Crea report e dashboard sulla base dei dati raccolti per valutare l'impatto della pubblicità online sulle vendite offline.

1. Raccogliere dati

Darjeeling ha importato dati sul comportamento degli utenti sul sito Web su Google BigQuery utilizzando OWOX BI Pipeline (il nostro connettore proprietario). Hanno anche inviato i dati delle transazioni dal loro CRM a Google BigQuery. Ciò ha aiutato gli esperti di marketing di Darjeeling a calcolare il tasso di completamento dell'ordine ed evitare possibili perdite di dati (come quelle che possono verificarsi se JavaScript non è caricato nel browser).

Darjeeling ha importato i dati sugli ordini completati su Google Cloud Storage su base giornaliera e i nostri analisti hanno creato uno script per aiutarli a raccogliere questi dati dalla piattaforma Google Cloud e importarli in Google BigQuery.

Ora, questi dati vengono importati automaticamente con il servizio Cloud Dataprep da Trifecta. Ecco il flusso di dati:

2. Combina i dati

Gli esperti di marketing di Darjeeling hanno combinato i dati relativi alle vendite offline e al comportamento degli utenti sul sito Web considerando le tariffe di completamento degli ordini.

Per unire i dati sulle sessioni online e le percentuali di completamento degli ordini in un'unica vista, Darjeeling ha utilizzato l'id_utente assegnato a ciascun utente che ha effettuato l'accesso al sito Web dell'azienda. L'ID utente è collegato al numero della carta fedeltà del cliente e memorizzato nel CRM.

Quando un utente visita il sito Web, il suo user_id viene inviato a Google Analytics e Google BigQuery come dimensione personalizzata. In BigQuery, è combinato con altre due chiavi: transaction_id e time.

I dati su tutti gli ordini completati vengono archiviati in Google BigQuery nella seguente struttura:

Questi dati sono stati combinati dagli analisti di Darjeeling come segue:

1. Gli analisti hanno esaminato i tasti transaction_id, user_id e time dalla tabella.
2. Hanno selezionato i dati dalle interazioni online in cui gli ordini sono stati completati prima della data selezionata.
3. Hanno identificato i raggruppamenti di canali per le sessioni più vicini nel tempo alla data della transazione.

Il risultato è stato questa tabella:

Secondo la ricerca di Darjeeling sul percorso del cliente, i visitatori impiegano fino a 90 giorni per prendere una decisione di acquisto dopo aver visitato il sito Web.

Utilizzando questi dati, abbiamo calcolato il numero di giorni tra la visita del sito Web iniziale e l'acquisto per ciascun ordine. I risultati sono stati raggruppati in segmenti di 7, 10, 14, 30 e 60+ giorni. Questa analisi ha rivelato che l'85% di tutti gli acquisti ROPO di prodotti Darjeeling è stato effettuato entro 14 giorni.

3. Creare report e dashboard

Infine, gli esperti di marketing di Darjeeling hanno creato report e dashboard basati sui dati raccolti per valutare l'impatto della pubblicità online sulle vendite offline.

Nel complesso, il progetto ha aiutato gli esperti di marketing di Darjeeling a identificare più utenti e a stabilire che il 30-40% dei clienti visita il sito Web dell'azienda prima di acquistare offline. Tali dati, a loro volta, li hanno aiutati a ottimizzare il budget pubblicitario e giustificare maggiori investimenti nella pubblicità online.

Caso di studio Ile de Beaute

La catena di negozi Ile de Beaute fa parte di Sephora e occupa una posizione leader nel mercato globale dei profumi e dei cosmetici. Il team di marketing di Ile de Beaute voleva comprendere le interazioni tra comportamento online e offline dei propri utenti.

A tale scopo, hanno fatto quanto segue:

1. Scegli un unico repository per unire i dati. Ile de Beaute ha scelto Google Cloud Storage per la sua connessione a Google BigQuery.
2. Flussi di dati automatizzati. Ile de Beaute ha utilizzato la pipeline BI OWOX per inviare i dati sul comportamento dei clienti da Google Analytics a Google BigQuery. Hanno anche impostato caricamenti automatici di dati da Google Ads a Google Analytics e dati di spesa a Google Analytics da Yandex.Direct, Yandex.Market, VKontakte, Criteo, Facebook e altre fonti pubblicitarie. Infine, hanno impostato un connettore per inviare dati dal loro CRM a Google BigQuery.
3. Creazione di report per la gestione aziendale. Utilizzando query SQL, il team di Ile de Beaute ha riunito tutti i dati raccolti in BigQuery in un'unica tabella. Usano questi dati per creare report in un formato adatto all'azienda con Google Data Studio.

Ecco come appare la loro infrastruttura:

Dopo aver analizzato i dati, il team di Ile de Beaute è stato in grado di mostrare dati concreti sull'influenza della pubblicità sui media digitali sulle vendite offline.

Passaggio 4: verificare la qualità dei dati

Puoi iniziare con un semplice controllo della configurazione di Google Analytics e procedere da lì. Assicurati che la tua codifica UTM e altre tassonomie siano eseguite correttamente e che tu abbia un campo ID utente per tracciare i clienti su tutti i dispositivi.

Inoltre, prenditi del tempo per implementare un piano di misurazione adeguato. Questo punto è generalmente sottovalutato. Ma se stai entrando, non avrai oro in uscita.

Dati affidabili richiedono le persone giuste con la giusta conoscenza, oltre a sufficiente attenzione, tempo e perseveranza. Ma se ci riesci, il rimborso è enorme.

Passaggio 5: garantire l'alfabetizzazione dei dati

Il tuo team ha il livello necessario di alfabetizzazione dei dati? Tutti capiscono le metriche allo stesso modo? Sai come utilizzare gli strumenti e comprendere le statistiche che rispondono alle domande aziendali?

In caso contrario, pianificare le attività (corsi di formazione, seminari, ecc.) E creare documentazione per aumentare l'alfabetizzazione dei dati del team. La tua cultura dei dati riflette direttamente i valori della tua azienda e puoi sempre migliorarli. Ma per farlo, hai bisogno di persone dedite alla difesa e agli strumenti che rendono facile il self-service.

Ponetevi le seguenti domande:

• I dipendenti sono curiosi e motivati ​​come dovrebbero essere quando si tratta di utilizzare i dati? Perché?
• Cosa posso fare per correggere il negativo e amplificare il positivo?
• La percentuale di dipendenti che utilizza i nostri strumenti di analisi self-service soddisfa le mie aspettative?

Passaggio 6: crea dashboard

Se tutto il resto è a posto, puoi passare alla fase di segnalazione. Ricorda che non dovrebbero esserci metriche calcolate sui dashboard: non dovresti mescolare o manipolare i dati. Non cercare di rendere il tuo strumento di visualizzazione un computer.

Tutti i calcoli devono essere eseguiti in anticipo e memorizzati in un set di dati a cui fa riferimento la dashboard. Altrimenti, incontrerai un grosso problema di governance.

La separazione tra elaborazione e visualizzazione semplifica notevolmente il controllo della versione e il controllo su vasta scala. Fidati di me: ti farà risparmiare ore di debug quando i numeri vanno male.

È buona norma fare un po 'di compiti a casa prima di costruire la tua dashboard:

• Definisci le metriche essenziali che risponderanno alle tue domande.
• Assicurarsi che la logica di calcolo KPI sia estremamente trasparente e approvata dal team.
• Crea un prototipo su carta (la nostra preferenza) o con l'aiuto di strumenti di prototipazione per verificare la logica.

Passaggio 7: agire sui risultati

Ricordi le ipotesi su cui hai basato le tue domande all'inizio? Ora hai le risposte: agisci di conseguenza. La dashboard più bella non cambierà la tua attività a meno che tu non agisca in base ai numeri che ti mostra.

Passaggio 8: supportare il sistema

Per assicurarsi che le persone effettivamente uso il tuo sistema, assicurati che sia affidabile, consenta la collaborazione e integri correttamente i nuovi flussi di dati.

June Dershewitz, Head of Data Strategy di Amazon Music ed ex Director of Analytics di Twitch, ha condiviso le tassonomie utilizzate da Twitch per realizzare l'analisi self-service:

1. Interfacce. I dati dovrebbero essere facili da usare per tutti.
2. aggregati. I dati dovrebbero essere puliti, efficienti e organizzati.
3. Catalogo dati. Dati e metadati dovrebbero essere rilevabili.

Per verificare se le analisi self-service funzionano, Twitch esegue sondaggi trimestrali sulla soddisfazione dei dati e chiede ai propri dipendenti:

• Hai i dati di cui hai bisogno per svolgere il tuo lavoro in modo efficace?
• Sei in grado di ottenere dati in un arco di tempo che soddisfa le tue esigenze aziendali?

Se la maggior parte del tuo team risponde "No" a una di queste domande, significa che le analisi self-service non funzionano.

Conclusione

L'attribuzione multicanale che include acquisti online e offline è complessa: è "non misurabile". O almeno così sembrerebbe. Nessun modello di attribuzione fornirà dati perfetti, ma uno decente può assolutamente offrire dati direzionali.

Ecco alcune chiavi da tenere a mente:

• Non provare a misurare tutto.
• Poni domande su cui sei pronto ad agire.
• Inizia in piccolo e muovi iterativamente.
• Se lavori per un'azienda multicanale, ripensa alla tua strategia di attribuzione e considera ROPO durante la valutazione del ROAS.
• Crea il tuo approccio di attribuzione considerando il tasso di completamento dell'ordine e le vendite offline.
• Crea magneti al piombo per identificare gli utenti e aumentare il tasso di autorizzazione.
• Prenditi del tempo per elencare le fonti di dati e disporre il flusso di dati.
• Investi nello sviluppo della tua cultura e alfabetizzazione dei dati per assicurarti che il team sia guidato dai dati.