Com ajuda les empreses a l’anàlisi de punta a punta

Anàlisis d'extrem a extrem OWOX BI

L’anàlisi de punta a punta no són només informes i gràfics bonics. La possibilitat de rastrejar el camí de cada client, des del primer punt de contacte fins a les compres habituals, pot ajudar les empreses a reduir el cost dels canals de publicitat ineficaços i sobrevalorats, augmentar el ROI i avaluar com la seva presència en línia afecta les vendes fora de línia. OWOX BI els analistes han recopilat cinc estudis de casos que demostren que l'analítica d'alta qualitat ajuda les empreses a tenir èxit i rendibilitat.

Ús d’anàlisis de punta a punta per avaluar les contribucions en línia

La situació. Una empresa ha obert una botiga en línia i diverses botigues de venda física. Els clients poden comprar productes directament al lloc web de l’empresa o consultar-los en línia i arribar a una botiga física per comprar-los. El propietari ha comparat els ingressos per vendes en línia i fora de línia i ha conclòs que una botiga física comporta molts més beneficis.

L'objectiu. Decidiu si voleu apartar-vos de les vendes en línia i centrar-vos en les botigues físiques.

La solució pràctica. La companyia de llenceria Darjeeling va estudiar l’efecte ROPO: l’impacte de la seva presència en línia en les seves vendes fora de línia. Els experts de Darjeeling van concloure que el 40% dels clients van visitar el lloc abans de comprar en una botiga. En conseqüència, sense la botiga en línia, gairebé la meitat de les seves compres no es produirien.

Per obtenir aquesta informació, l’empresa va confiar en dos sistemes per recopilar, emmagatzemar i processar dades:

  • Google Analytics per obtenir informació sobre les accions dels usuaris al lloc web
  • CRM de l’empresa per obtenir dades de cost i finalització de comandes

Els venedors de Darjeeling van combinar dades d’aquests sistemes, que tenien diferents estructures i lògica. Per crear un informe unificat, Darjeeling va utilitzar el sistema de BI per a l'anàlisi d'extrem a extrem.

Ús d’anàlisis de punta a punta per augmentar el retorn de la inversió

La situació. Una empresa utilitza diversos canals publicitaris per atraure clients, inclosos els cercadors, la publicitat contextual, les xarxes socials i la televisió. Tots diferencien pel que fa al seu cost i efectivitat.

L'objectiu. Eviteu la publicitat ineficaç i cara i utilitzeu només publicitat eficaç i econòmica. Això es pot fer mitjançant analítiques de punta a punta per comparar el cost de cada canal amb el valor que aporta.

La solució pràctica. Al Doctor Ryadom la cadena de clíniques mèdiques, els pacients poden interactuar amb els metges a través de diversos canals: al lloc web, per telèfon o a la recepció. Tot i això, les eines d’anàlisi web periòdiques no eren suficients per determinar d’on provenia cada visitant, ja que les dades es recopilaven en diferents sistemes i no estaven relacionades. Els analistes de la cadena van haver de fusionar les dades següents en un sol sistema:

  • Dades sobre el comportament dels usuaris de Google Analytics
  • Dades de trucades dels sistemes de seguiment de trucades
  • Dades sobre despeses de totes les fonts publicitàries
  • Dades sobre pacients, ingressos i ingressos del sistema intern de la clínica

Els informes basats en aquestes dades col·lectives va mostrar quins canals no van donar els seus fruits. Això va ajudar a la cadena de clíniques a optimitzar la despesa publicitària. Per exemple, en publicitat contextual, els professionals del màrqueting només van deixar campanyes amb millor semàntica i van augmentar el pressupost dels geoserveis. Com a resultat, el doctor Ryadom va augmentar el ROI de cada canal en 2.5 vegades i va reduir els costos publicitaris a la meitat.

Ús d’anàlisis de punta a punta per trobar àrees of Creixement

La situació. Abans de millorar alguna cosa, heu d’esbrinar què no funciona exactament. Per exemple, potser el nombre de campanyes i frases de cerca de la publicitat contextual ha augmentat tan ràpidament que ja no és possible gestionar-les manualment. Per tant, decidiu automatitzar la gestió d’ofertes. Per fer-ho, heu d’entendre l’eficàcia de cada milers de frases de cerca. Al cap i a la fi, amb una avaluació incorrecta, podeu fusionar el vostre pressupost per res o atraure menys clients potencials.

L'objectiu. Avalueu el rendiment de cada paraula clau per a milers de consultes de cerca. Eliminar la despesa inútil i la baixa adquisició a causa d’una avaluació incorrecta.

La solució pràctica. Per automatitzar la gestió d’ofertes, Hoff, un minorista d’hipermercats de mobles i articles per a la llar, va connectar totes les sessions d’usuaris. Això els va ajudar a fer un seguiment de les trucades telefòniques, les visites a la botiga i tots els contactes amb el lloc des de qualsevol dispositiu.

Després de combinar totes aquestes dades i establir analítiques de punta a punta, els empleats de la companyia van començar a implementar l'atribució, la distribució del valor. Per defecte, Google Analytics utilitza l'últim model d'atribució de clics indirectes. Però això ignora les visites directes i l'últim canal i sessió de la cadena d'interacció rep el valor total de la conversió.

Per obtenir dades precises, els experts de Hoff van configurar l'atribució basada en embuts de conversió. El valor de la conversió es distribueix entre tots els canals que participen en cada pas de l'embut de conversió. En estudiar les dades combinades, van avaluar el benefici de cada paraula clau i van veure quines eren ineficaços i quines portaven més comandes.

Els analistes de Hoff configuren aquesta informació perquè s’actualitzi diàriament i es transfereixi al sistema automatitzat de gestió d’ofertes. A continuació, les ofertes s’ajusten de manera que la seva mida sigui directament proporcional al ROI de la paraula clau. Com a resultat, Hoff va augmentar el seu ROI de publicitat contextual en un 17% i va duplicar el nombre de paraules clau efectives.

Ús d’anàlisis de punta a punta per personalitzar la comunicació

La situació. En qualsevol negoci, és important establir relacions amb els clients per fer ofertes rellevants i fer un seguiment dels canvis en la lleialtat de marca. Per descomptat, quan hi ha milers de clients, és impossible fer ofertes personalitzades a cadascun d’ells. Però podeu dividir-los en diversos segments i crear comunicació amb cadascun d’aquests segments.

L'objectiu. Dividiu tots els clients en diversos segments i creeu comunicació amb cadascun d’aquests segments.

Solució pràctica. Butikun centre comercial de Moscou amb una botiga en línia de roba, calçat i accessoris, va millorar la seva feina amb els clients. Per augmentar la fidelització dels clients i el valor de tota la vida, els venedors de Butik han personalitzat la comunicació mitjançant un centre de trucades, correu electrònic i missatges SMS.

Els clients es van dividir en segments segons la seva activitat de compra. El resultat va ser dispersar les dades perquè els clients poden comprar en línia, fer comandes en línia i recollir productes en una botiga física o no utilitzar el lloc. A causa d'això, una part de les dades es van recollir i emmagatzemar a Google Analytics i a l'altra part al sistema CRM.

Llavors, els venedors Butik van identificar cada client i totes les seves compres. A partir d’aquesta informació, van determinar segments adequats: compradors nous, clients que compren un cop al trimestre o un cop a l’any, clients habituals, etc. En total, van identificar sis segments i van formar regles per fer la transició automàtica d’un segment a un altre. Això va permetre als venedors Butik crear una comunicació personalitzada amb cada segment de clients i mostrar-los diferents missatges publicitaris.

Ús d’anàlisis de punta a punta per determinar el frau en la publicitat de cost per acció (CPA)

La situació. Una empresa utilitza el model de cost per acció per a la publicitat en línia. Col·loca anuncis i plataformes de pagament només si els visitants realitzen una acció específica, com ara visitar el seu lloc web, registrar-se o comprar un producte. Però els socis que publiquen anuncis no sempre funcionen honestament; hi ha estafadors entre ells. Molt sovint, aquests defraudadors substitueixen la font del trànsit de manera que sembla com si la seva xarxa hagi conduït a la conversió. Sense una anàlisi especial que us permeti fer un seguiment de cada pas de la cadena de vendes i veure quines fonts influeixen en el resultat, és gairebé impossible detectar aquest frau.

Raiffeisen Bank tenia problemes amb el frau de màrqueting. Els seus professionals del màrqueting s’havien adonat que els costos del trànsit d’afiliats havien augmentat mentre els ingressos seguien sent els mateixos, de manera que van decidir comprovar acuradament la feina dels socis.

L'objectiu. Detectar fraus mitjançant analítiques de punta a punta. Feu un seguiment de cada pas de la cadena de vendes i compreneu quines fonts influeixen en l’acció del client objectiu.

Solució pràctica. Per comprovar el treball dels seus socis, professionals del màrqueting a Raiffeisen Bank recopilar dades brutes de les accions dels usuaris al lloc: informació completa, sense processar i sense analitzar. Entre tots els clients amb l’últim canal d’afiliació, van escollir aquells que tenien pauses inusualment curtes entre sessions. Van trobar que durant aquests descansos es va canviar la font del trànsit.

Com a resultat, els analistes de Raiffeisen van trobar diversos socis que s’apropiaven del trànsit estranger i el revendien al banc. Així que van deixar de cooperar amb aquests socis i van deixar de malgastar el pressupost.

Analítica de punta a punta

Hem destacat els reptes de màrqueting més comuns que pot resoldre un sistema d’anàlisi de punta a punta. A la pràctica, amb l'ajut de dades integrades sobre les accions dels usuaris tant en un lloc web com fora de línia, informació dels sistemes publicitaris i dades de seguiment de trucades, podeu trobar respostes a moltes preguntes sobre com millorar el vostre negoci.

Què et sembla?

Aquest lloc utilitza Akismet per reduir el correu no desitjat. Esbrineu com es processa el vostre comentari.