Все маркетинговые KPI в одном дашборде – кейс крупнейшего интернет-магазина Индонезии

Как объединить все данные и не сойти с ума или, как минимум, перестать тратить на это половину рабочего времени? Matahari Mall настроил сквозную аналитику с помощью OWOX BI и сэкономил своим маркетологам до четырех часов рабочего времени в день, которые раньше тратились на рутинные задачи: объединение данных из разных источников, управлениями кампаниями вручную и составление отчетов.

Задача

Mataharimall.com — крупнейший интернет-магазин Индонезии с сетью розничных магазинов Matahari Department Store по всей стране. Покупатели могут выбирать товары на сайте, а оплачивать, забирать или возвращать их в ближайшем к себе розничном магазине сети.

Маркетологи тратили очень много времени на самостоятельное объединение и обработку данных с сайта, мобильного приложения, рекламных сервисов и CRM-системы. Поэтому компания решила создать универсальный отчет, который поможет:

  • анализировать все маркетинговые активности компании;
  • корректировать ставки по рекламным кампаниям;
  • оперативно перераспределять рекламный бюджет.

Самая большая сложность была именно в количестве данных, их было слишком много.

  • Из Google Analytics и из CRM-системы надо было передать около 30 кастомных параметров и показателей (доход, транзакции, ROAS, CPC, CTR, и тд).
  • Отдельно нужно было следить за KPI мобильного приложения: установки, расходы на рекламу, заказы из приложения и т.д.
  • Существующая модель атрибуции не устраивала, потому что не оценивала вклад каждой сессии в продвижение пользователя по воронке. Для перехода на OWOX BI Attribution нужно было учесть транзакции, коэффициент конверсии, доход, CPO и ROAS.

Решение

Для начала нужно было собрать все данные в одном месте и в качестве хранилища было использовано облако Google BigQuery.

Схема построения сквозной аналитики выглядит таким образом:

Чуть подробнее об этапах настройки.

  1. Несемплированные данные о поведении пользователей на сайте собирает Google Analytics 360. Передача в Google BigQuery происходит через встроенную интеграцию.
  2. Данные из мобильного приложения собирает система AppsFlyer. С помощью OWOX BI Pipeline они импортируются в Google BigQuery.
  3. Для передачи данных о расходах в Google Analytics маркетологи Matahari Mall используют интеграцию рекламных сервисов (Facebook, Instagram, Criteo) с OWOX BI Pipeline. Затем объединенные данные передаются из Google Analytics в Google BigQuery тоже с помощью OWOX BI Pipeline.
  4. Данные об офлайн-покупках, возвратах и фактических оплатах хранятся в CRM-системе. Ежедневно данные выгружаются в Google BigQuery с помощью кастомного коннектора.
  5. Чтобы оценить вклад каждой сессии в продвижение пользователя по воронке, было решено использовать атрибуцию на основе воронки от OWOX BI. Так компания может сравнивать эффективность своих онлайн-кампаний по двум моделям атрибуции: на основе воронки и Last Non-Direct Click.

Теперь, когда все данные в едином формате собраны в едином хранилище, SQL-скрипт может рассчитать на их основе все необходимые показатели. В итоге получается две таблицы – с данными по сайту и по мобильному приложению.

Построение отчетов

С помощью запроса в App Script, показатели за предыдущий день рассчитываются автоматически и добавляются в основную таблицу в Google BigQuery. Заодно запрос проверяет, чтобы в таблице были данные за предыдущие 7 дней и если какой-то из дней «выпал», то данные подтягиваются в таблицу.

В результате маркетологи получили автоматически обновляемый дашборд в Google Data Studio и отчеты в Google Sheets с сырыми несемплированными данными.

Дашборд помогает маркетологам компании сравнивать ROAS и другие KPI всех каналов и принимать решение, какие рекламные кампании можно масштабировать, а какие отключить. Таким образом, Matahari Mall полностью контролирует свой маркетинговый бюджет.

Результат

Теперь у Matahari Mall есть единый дашборд, который ежедневно автоматически обновляется. Маркетологи больше не тратят 4 часа в день на работу с данными и могут:

  • изменять ставки для рекламных кампаний в режиме реального времени;
  • измерять эффективность всех рекламных каналов;
  • сравнивать эффективность рекламы по двум моделям атрибуции, что помогает находить недооцененные или переоцененные кампании и перераспределять маркетинговый бюджет.

Источник

Оставьте первый комментарий

Добавить комментарий

Этот сайт использует Akismet для борьбы со спамом. Узнайте как обрабатываются ваши данные комментариев.