Как Profitator объединяет онлайн- и офлайн-данные для бизнеса в ProfitPulse. История умных отчётов

Кейсом и рекомендациями поделилась Маргарита Успенская, директор Направления инноваций и производства в Profitator.

Если бизнес предлагает товары через интернет-магазин и в офлайне, у него может возникнуть вопрос: «Какое количество покупателей приходят на сайт с рекламы, но покупать идут в офлайн-магазин?»

Влияние онлайна на офлайн можно оценить с помощью ROPO-аналитики (от англ. Research online, purchase offline — «ищи онлайн, покупай офлайн»). ROPO — это процесс поиска в интернете необходимой информации о товаре/услуге перед покупкой в офлайн-магазине.

Задача ROPO-аналитики — выявить и оцифровать как онлайн-реклама влияет на офлайн-покупки.

Ценность ROPO-аналитики для digital-маркетолога в том, что с помощью этого инструмента можно оценить не только прибыль, которую бизнес получает через интернет-магазин, но и дополнительную ценность интернет-рекламы с точки зрения продаж в офлайне.

Мы настраивали такую аналитику для магазинов мебели, товаров для ремонта, товаров для сна. География наших проектов — Россия и Казахстан.

В этом кейсе расскажем, как построить ROPO-аналитику на примере проектов тематики «Мебель и товары для дома» и измерить влияние онлайна на офлайн.

Кому подходит ROPO-аналитика

ROPO-аналитика подходит для любого бизнеса, который имеет одновременно и сайт, и офлайн-офисы продаж (магазины, шоурумы), а также ведёт активную рекламную деятельность в интернете.

Что нужно, чтобы построить ROPO-аналитику

Подготовка данных для построения ROPO-аналитики

Главная задача данного этапа — собрать статистику из инструмента веб-аналитики (Яндекс Метрика, Google Analytics), CRM, сервиса коллтрекинга и дополнительных источников (например, электронных чеков) в базу данных и сопоставить цепочки визитов и покупок для каждого покупателя.

Для хранения данных мы используем базу данных ClickHouse.

После того, как мы определили источники и записали информацию из них в базу данных, весь этот массив информации надо сопоставить со списком покупателей и их покупками. Для этого используется ClientID (Cid) и UserID (Uid).

ClientID — это диджитальный показатель, он уникальным образом формируется на стороне браузера для каждого посетителя сайта. Мы получаем его из Яндекс Метрики на основе cookies пользователей.

Также этот идентификатор может отсутствовать, если пользователь не подтвердил согласие на сбор данных на сайте.
Кроме того, каждый браузер хранит cookies разное количество дней, что тоже срезает количество известных данных о посетителях.

UserID — уникальный идентификатор клиента в базе данных. Он может существовать на стороне CRM или формироваться искусственно на основе телефонов/e-mail. В нашем случае Uid уже существовал в базе клиента и формировался на основе mindboxid.

S — source, V — visit, Cid — ClientID Яндекс Метрики, Uid — UserId

С помощью данных источников получилось распознать в офлайне каждого второго клиента и определить его онлайн-действия.

Обогащение данных

Для обогащения данных мы используем на регулярной основе BigData Сalltouch.

Мы делали замеры из которых видно, что дополнение статистики этими данными значительно повышает процент мэтчинга по Cid.

Например, так выглядит обогащение данных выгрузкой из BigData за июль:

После загрузки данных видно, что % мэтчинга существенно увеличился — на +12,66%, также есть прирост и в предыдущие месяцы.

Пример загрузки данных за август:

После загрузки BigData CallTouch за август видно, что % мэтчинга вырос по всем месяцам. Особенно значимо за август — +13,53%. За март получилось достичь максимального значения процента мэтчинга в 50,25%!

Визуализация данных в PowerBI

После того, как данные были подготовлены, мы приступили к визуализации отчёта.

Для визуализации данных мы используем PowerBI. Он предлагает широкий спектр настраиваемых визуализаций, поэтому удобен для бизнес-аналитики и решения разноплановых задач.

Наш отчёт для ROPO-аналитики состоит из нескольких блоков.

В верхней части отчёта располагается информационный блок, который отображает % мэтчинга за выбранный период, также там находятся фильтры для выбора региона и периода.
За ними следует блок с общей информацией: оборот, заказы и средний чек за период. Можно посмотреть общее значение и распределение по источникам: онлайн, офлайн и ROPO (то есть, пользователи из онлайна, купившие офлайн).

Далее идёт график с возможностью просмотра динамики показателей по дням, неделям и месяцам и таблица с информацией по онлайн-каналам привлечения трафика. В таблице можно посмотреть, сколько ROPO-дохода принесла каждая запущенная в онлайне рекламная кампания.

Завершают отчёт диаграммы, в которых можно проанализировать ROPO-эффект в разрезе регионов и категорий товаров. Например, из второй диаграммы можно сделать вывод, что кровати смотрят онлайн чаще, чем диваны, но покупают кровати офлайн, так как доля ROPO-покупок для этой категории выше.

Что дальше

После того как схема отработана, отчёт построен и используется командой, работа аналитика не заканчивается — мы постоянно работаем над увеличением % мэтчинга данных. Например, предлагаем усиление или внедрение возвратных механик из офлайна на сайт с помощью системы электронных чеков или QR-кодов, email- и sms-рассылок и не только. Также мы ежедневно пополняем словарь соответствия Uid-Cid для наибольшей точности данных в отчёте.

Варианты возвратных механик, которые можно использовать в офлайне

Прохождение опроса по качеству обслуживания в момент совершения заказа.

Регистрация в программе лояльности и начисление бонусов.

Пример. Во время оформления заказа в шоуруме менеджер самостоятельно регистрирует офлайнового клиента в 1С и создаёт ему личный кабинет с собранным заказом (будь это просто заказ или заказ в рассрочку).

В таком случае у нас будет UserId офлайн-покупателя, по которому мы далее можем мэтчить данные. Менеджеру необходимо информировать клиента, что ему был создан личный кабинет, в котором он может посмотреть свой заказ и контролировать бонусы/скидки, и предоставить доступ в личный кабинет, например в SMS.

Проверка чека и его содержимого.

Пример. Можно использовать QR-коды на чеке, разместив на нём информацию:

«Для начисления бонусов за покупку отсканируйте QR-код на вашем чеке и авторизуйтесь/зарегистрируйтесь на сайте».

Также можно использовать способы увеличения количества зарегистрированных и залогиненных пользователей на сайте, чтобы в дальнейшем сопоставлять покупки в офлайне по номеру телефона из регистрации. Например, на сайте можно реализовать всплывающие окна для пользователей, которые дошли до «Корзины»:

«Зарегистрируйся и получи приветственные бонусы, которые сможешь потратить на первую покупку!»

Период действия приветственных бонусов можно ограничивать неделями/днями для стимуляции пользователя к быстрой покупке или предложить промокод с ограниченным временем действия.

Результат

Благодаря ROPO-аналитике мы получаем оцифрованную информацию о влиянии онлайн-рекламы на покупки в офлайне. Ранее это оставалось вне поля зрения, и мы не могли учесть эти данные при оптимизации медиамикса продажи в офлайне. Теперь мы учитываем ROPО-эффект при принятии решений об отключении или масштабировании рекламных кампаний. Это даёт возможность строить дополнительные гипотезы по каналам и находить новые точки роста и приносить дополнительную выгоду бизнесу.