Gli abbonamenti sono un modo sempre più comune di acquistare prodotti online, che si tratti di materiali di consumo come caffè e integratori energetici, oppure di confezioni personalizzate di moda e moda.
La ricerca di McKinsey mostra che il 15% degli acquirenti online si è abbonato a un servizio di e-commerce:
In generale, lo "stile di vita in abbonamento" è una buona notizia per i negozi di e-commerce. Mentre gli acquirenti optano per la facilità degli abbonamenti online, i commercianti possono concentrare i loro sforzi su retargeting, programmi di fidelizzazione e sconto, attribuzione, fidelizzazione dei clienti, riduzione della abbandono e altro ancora.
Ma con ogni yin arriva uno yang. In questo caso, misurare accuratamente il santo graal delle metriche di e-commerce – valore di durata del cliente (LTV) – non è facile.
Le cose importanti, tuttavia, raramente vengono facilmente. E se, come molti altri, ti rendi conto che le tue spese di marketing devono essere più efficienti in fretta, un numero LTV accurato è un primo passo essenziale.
LTV veramente conta per l'e-commerce in abbonamento
LTV conta nell'e-commerce, ma lo è particolarmente è importante per i negozi in abbonamento. Perché? Perché sia il fatturato (churn) che il profitto dipendono dal desiderio dei tuoi clienti di continuare a interagire con il tuo marchio e di effettuare pagamenti ricorrenti al tuo negozio.
Per questo motivo, LTV è la metrica che dovrebbe ricevere la maggior parte della tua attenzione. È il tuo miglior indicatore di churn (la metrica live-and-die per i negozi in abbonamento), il tuo miglior proiettore di profitti e forse il tuo migliore aiutante nel processo decisionale quando si tratta di campagne di marketing e vendite.
Potresti già saperlo. Potresti anche sapere cosa rende il monitoraggio così difficile nell'e-commerce in abbonamento.
Il monitoraggio degli abbonamenti e-commerce è estremamente impegnativo
Quando si tratta di attribuzione, le aziende di abbonamento e-commerce devono affrontare una sfida unica: collegare i pagamenti ricorrenti per molti mesi, fino al viaggio online pre-abbonamento.
Ecco il flusso di clienti tipico per un negozio di e-commerce che vende abbonamenti:
- Il cliente visita il negozio online;
- Il cliente sceglie l'abbonamento;
- Il cliente passa attraverso il flusso di pagamento dell'abbonamento (tramite ReCharge, Bold, ecc.);
- Il cliente completa il primo acquisto.
Fino a questo punto, tutto è tracciabile tramite la tua configurazione di Google Analytics (supponendo che tu abbia impostato il monitoraggio interdominio).
Sfortunatamente, quella configurazione di base non ti consente di distinguere tra:
- Ordini una tantum;
- Ordini di abbonamento per la prima volta;
- Ordini ricorrenti.
Perché è necessario distinguere tra i tipi di ordine
Come sai, è una buona cosa segmentare i tuoi dati e determinare se c'è una differenza tra i clienti che ordinano una volta rispetto a quelli che si impegnano in un abbonamento. E, naturalmente, diverse fonti di traffico vengono convertite in modo diverso per diversi tipi di ordine.
Nella nostra esperienza, gli acquirenti per la prima volta che non sono sicuri di quale prodotto o tipo di prodotto acquistare (ad es. Quale aroma di soda o "variante di prodotto in abbonamento") di solito hanno un valore medio dell'ordine più elevato (AOV) perché testano più prodotti prima di impegnarsi in un abbonamento.
Tale comportamento differisce da quelli che si impegnano subito in un abbonamento. Si differenzia anche dal comportamento di acquisto ripetuto, come tornare a fare un acquisto unico simile dopo 6-9 mesi, il che potrebbe essere un buon indicatore del fatto che infine diventare un abbonato.
Ma non è una garanzia e una configurazione di monitoraggio di base non ti darà visibilità su queste differenze.
Per gli ordini ricorrenti, gli abbonati non dovranno toccare il sito Web. I loro ordini verranno creati automaticamente dallo strumento di fatturazione (ad esempio, ReCharge) al momento della data di rinnovo. Il cliente interagirà con il sito Web da questo punto in poi solo se desidera:
- Salta un ordine;
- Modifica i dettagli dell'abbonamento;
- Annulla l'abbonamento.
Questo crea importanti problemi di attribuzione. Google Analytics non saprà nulla sulla fonte di questi ordini ricorrenti, quindi li contrassegnerà come traffico diretto e, pertanto, non li collegherà ai dati dell'utente originale:
I clienti che scelgono un abbonamento in Shopify, ad esempio, non possono essere collegati all'utente che si impegna a un pagamento in ReCharge. Di conseguenza, le transazioni sono spesso tracciate e attribuite in modo errato; in molti casi, un rimborso o una cancellazione non vengono tracciati affatto.
Ecco un altro screenshot di Google Analytics:
Sebbene il 19% del traffico provenga da ricerche a pagamento, nessuna delle transazioni e-commerce sono attribuite ad esso. Invece, quasi ogni transazione è diretta.
Ciò che i commercianti devono fare è collegare i passaggi del ciclo di vita del cliente per riunire una visione unificata del cliente in Google Analytics:
I commercianti devono tenere traccia di ogni pagamento ricorrente successivo allo stesso percorso utente pre-checkout (inclusa la campagna di marketing da cui provengono), insieme ad altre dimensioni personalizzate in Google Analytics per determinare il valore della durata.
Esistono modi manuali e automatizzati per farlo:
- Manuale. Aggiungi l'ID cliente della piattaforma (ad es. Shopify) come ID utente quando viene inviato l'ordine originale. Quindi, su base settimanale o mensile, scarica l'elenco dei clienti da Shopify come CSV e caricalo come importazione utente tramite l'importazione dei dati di Google Analytics, con LTV come dimensione personalizzata.
- Automatizzata. Utilizza una soluzione di tracciamento automatizzata, come Littledata (il nostro prodotto), Elevar o Glew, per attribuire il traffico. Idealmente, la soluzione si integrerà con il tuo strumento di fatturazione (ad es. ReCharge, Bold), in modo che il lavoro venga svolto per te.
Ovviamente, siamo di parte nei confronti di quest'ultima soluzione. Ma indipendentemente dal fatto che tu scelga un'opzione manuale o automatizzata, permangono alcuni problemi alla base dell'analisi delle iscrizioni:
1. Gli aggregati mentono. A questo punto, tutti i dati dell'ordine sono ancora aggregati. Non è possibile segmentare e approfondire per comprendere veramente il comportamento dei clienti nel tempo. Ciò rende più difficile ottenere informazioni accurate sui dati e, anche se ottieni informazioni accurate, sono meno fruibili.
2. Per la maggior parte degli utenti, i rapporti di abbonamento standard sono difficili da interpretare. Potresti pensare che gestire un'attività in abbonamento ti renderà un esperto nell'analisi di coorte.
Ma la verità è che molti gestori di e-commerce trovano difficile interpretare report standard, e tanto meno impostare piani di azione di marketing o di prodotto basati su dati approfonditi.
I rapporti standard in Google Analytics nascondono le informazioni più preziose perché riportano solo su un ambito a livello di sessione. Le informazioni su quali fonti di traffico generano il LTV più elevato richiedono un approccio diverso: l'esportazione dei dati in Fogli Google.
Come le aziende di abbonamento e-commerce possono calcolare accuratamente LTV
LTV è davvero suddiviso in due categorie:
- LTV storico. La somma del profitto lordo da tutti gli acquisti storici per un singolo cliente.
- LTV predittivo. Un'analisi predittiva della cronologia delle transazioni (e degli indicatori comportamentali degli acquisti) che prevede l'LTV di un singolo cliente. Man mano che l'analisi predittiva funziona, questo numero dovrebbe (teoricamente) diventare più accurato con ogni acquisto o azione del cliente.
La maggior parte dei calcoli LTV di serie per LTV storici si presenta così:
In questo caso:
- T = Transazioni mensili medie;
- AOV = valore medio dell'ordine;
- ALT = Durata media della vita del cliente (in mesi);
- AGM = margine lordo medio.
Suggeriamo un metodo diverso, che garantisce i calcoli LTV più accurati per prevenire l'abbandono.
Ci sono due modi per farlo. In entrambi gli scenari, è necessario un ID utente per associare tutti gli ordini a un cliente. Ti consigliamo di utilizzare un ID cliente Shopify e di inserirlo in una dimensione personalizzata in Google Analytics.
Da lì, è possibile visualizzare LTV in due modi. Questi due metodi differiscono e non possono essere combinati a causa dell'ambito:
- Utilizzare il metodo n. 1 per visualizzare LTV / Cliente / Sorgente. È consigliabile se si desidera eseguire il drill down per vedere quali origini di traffico hanno generato un valore di durata superiore per un abbonato.
- Utilizzare il metodo n. 2 se si desidera solo LTV senza dati di origine. Questo metodo è più rapido e semplice ma richiede uno strumento automatizzato.
Metodo n. 1: utilizzare l'ambito a livello di sessione per comprendere LTV per origine del traffico
Questo rapporto non può essere fatto nell'interfaccia di Google Analytics e richiede una manipolazione dei dati.
Passaggio 1: eseguire una query sui dati da Google Analytics utilizzando Fogli Google.
Il risultato della query dovrebbe essere simile al seguente:
Passaggio 2: utilizzare le tabelle pivot per preparare i dati per Data Studio.
Seleziona tutti i dati e seleziona Tabella pivot dal menu Dati:
Nell'impostazione Tabella pivot nella sezione Riga, aggiungi la dimensione personalizzata con l'ID utente e "ga: sourcemedium":
A questo punto, hai sommato tutte le entrate / origine / cliente della transazione. Ora puoi importarlo in Data Studio.
Passaggio 3: visualizzazione dei dati in Data Studio.
Dopo aver creato una nuova fonte di dati e importato il foglio di Google con la tabella pivot, modifica il tipo di aggregazione per le entrate della transazione. Questo viene fatto per visualizzare il mediano LTV per canale. (Usiamo la mediana per limitare l'impatto dei valori anomali.)
Aggiungi "Mezzo di origine" come dimensione e Ricavi delle transazioni nella sezione Metrica. I risultati dovrebbero apparire così:
Se desideri visualizzare l'LTV per canale, ripeti la procedura ma invece di "Mezzo di origine", utilizza la dimensione "Raggruppamento di canali predefinito" di Google Analytics.
Metodo n. 2: invia ID cliente e LTV a dimensioni personalizzate con uno strumento automatizzato.
Il metodo n. 2 è più rapido e più semplice. In questo scenario, abbiamo già l'ID cliente e LTV in dimensioni personalizzate tramite uno strumento automatizzato.
Simile al passaggio precedente, questi dati devono ancora essere esportati. Con i dati esportati, possiamo calcolare il LTV mediano in base a tutti i clienti (o a qualsiasi loro sottoinsieme).
Costo di acquisizione del cliente (CAC): l'altra metà dell'equazione
Il rapporto LTV / CAC è essenziale, ma troppi marchi di abbonamento stanno girando al buio. I dati prerequisiti per calcoli accurati includono:
- Un ID cliente che collega Shopify e Google Analytics;
- Un ID cliente per tracciare una fonte cliente per gli ordini ricorrenti.
Questi due elementi sono essenziali per calcolare LTV e CAC per gli abbonati, in particolare mesi dopo l'abbonamento, quando lo churn diventa una minaccia incombente.
Con questi punti dati, puoi determinare il successo delle tue campagne di acquisizione, diciamo, a tre mesi dalla data di acquisizione (per vedere se stai acquisendo acquirenti occasionali o abbonati fedeli).
Poiché il costo di acquisizione dovrebbe idealmente essere un terzo del valore della tua vita, vuoi puntare a un rapporto LTV / CAC 3: 1. Un CAC più elevato (ad esempio 3: 2) spesso non è redditizio a lungo termine; un rapporto con LTV molto maggiore (ad es. 5: 1) di solito significa che stai limitando la crescita.
Per LTV / CAC, utilizzare un'unica fonte di verità
Consigliamo Google Analytics per la tua unica fonte di verità. Questo perché contiene tutti i dati di ciascun punto di contatto del cliente (supponendo che tu abbia taggato ciascuna delle tue campagne con parametri UTM).
Segnalare CAC solo sui dati di Facebook, ad esempio, è un approccio incompleto: conosci solo una parte di ciò che funziona (o non funziona) all'interno della tua strategia di marketing.
I clienti hanno più punti di contatto, da più piattaforme e più dispositivi. In quel moderno percorso multi-touch e multi-dispositivo, una singola fonte di verità offre una migliore visione d'insieme di come le fonti di traffico influenzano le tue conversioni.
Avere un'unica fonte di verità significa codificare le campagne in modo coerente per le fonti di traffico al di fuori di Google Ads e utilizzare la funzione di caricamento dei dati di costo per caricare i costi da altre reti pubblicitarie (ad es. Facebook, Bing, AdRoll, ecc.)
Misurazione LTV / CAC per canale e cliente
Una nota di cautela: nessun LTV garantisce che un canale sia redditizio o utile sul tuo percorso di ridimensionamento.
In termini di LTV per cliente, è più o meno la stessa cosa. Quando si tiene conto di CAC plus dei costi di prodotto e spedizione, anche un cliente con il doppio del LTV potrebbe non essere redditizio:
Conclusione
I calcoli accurati del LTV contano perché lo sfavore e il profitto dipendono da impegni a lungo termine e da pagamenti ricorrenti.
Tracciare gli abbonamenti, non solo gli acquisti una tantum, è una vera e propria bestia quando si tratta di attribuzione. Il monitoraggio delle iscrizioni richiede un approccio unico per differenziare i tipi di ordine in Google Analytics.
Con i dati giusti, sarai in grado di vedere quali canali guidano la crescita redditizia e quali non valgono l'investimento.
Fonte immagine in primo piano.
