Как мы с командой аналитики Profitator увеличили количество лидов на 30%

Одна из крупнейших сетей товаров и аксессуаров для сна. Имеет собственный производственный комплекс, сеть региональных складов, интернет‑магазин и шоурумы.

У клиента не было возможности собирать постоянную базу пользователей в своей системе. Руководство считало, что товар может быть интересен исключительно офлайн, а онлайн можно просто разместить каталог. Мы провели анализ сайта и выяснили, что на нем нет личных кабинетов и, соответственно, нет возможности зафиксировать пользователя. Это связано с особенностями сферы бизнеса: многие делают заказы в офлайн‑салонах, желая перед покупкой потрогать и протестировать товар.

Это противоречие мешает точно замерять эффективность рекламы и бюджеты на продвижение. Клиент пришел к нам с запросом «подтянуть показатели digital‑рекламы». В первый месяц работы наши специалисты по рекламе выполнили медиаплан, салоны стали сообщать об увеличении клиентского потока. Мы поняли, что это эффект от нашей работы, но без подтверждения цифрами и исследованиями это было просто предположение. Так мы сформировали ключевой вопрос: как посчитать в офлайне тех, кто пришел из онлайна?

Вся витрина товаров находится только в интернете;
Основной способ продвижения продуктов – это digital‑реклама;
Понять, как отработали те или иные рекламные кампании в сети, крайне сложно, ведь путь конкретного покупателя отслеживается только частично.

Подтвердить или опровергнуть гипотезу о том, что увеличение трафика онлайн увеличило и трафик офлайн.

На российском рынке мало кто занимается ROPO‑аналитикой, поэтому воспользоваться чужими готовыми решениями было нельзя и мы создали собственную систему.

ROPO (от англ. research online, purchase offline – «поиск онлайн, покупка офлайн») – это такое поведение покупателей, когда они ищут и выбирают товар в интернете, однако за покупками идут в офлайн‑магазины или салоны, так как онлайн‑пространство не предоставляет полных возможностей для принятия решения о покупке из‑за особенностей самого товара.

Цель ROPO‑анализа – показать в оцифрованном виде, как онлайн‑реклама влияет на офлайн‑покупки и, как следствие, обосновать необходимость сохранять и масштабировать рекламные активности в интернете. По‑другому этот тип аналитики ещё называют O2O (Online to offline) и пешеходный трафик.

Алгоритм настройки ROPO‑аналитики и дальнейшей работы с ее результатами у нас выглядел так:

- Данные о сессиях и посетителях сайта передаются в CRM‑клиента, то есть настраивается сквозная аналитика.

- Мы выполняем сбор сырой статистики из баз данных компании и аналитических сервисов в единое хранилище.

- Договариваемся об алгоритмах определения клиентов и лидов и визуализируем данные для упрощения анализа.

- Внедряем возвратные механики и пополняем данные для отчета.

Наша система сквозной аналитики для магазинов товаров для сна включала в себя следующие элементы.

- Статистика по рекламе из Яндекс Директа, VK, MyTarget и email‑рассылок.

- Данные о посещении и поведении пользователей на сайте и в мобильном приложении, собранные в Google Analytics, Яндекс Метрике, системе статистики приложения.

- CRM с данными о клиентах и их заказах.

- Данные коллтрекинга в Calltouch.

Эта информация собиралась в общую базу, которую мы визуализировали и анализировали с использованием отчетов в Power BI.

В результате настройки сквозной аналитики мы увеличили общий доход, получили больше целевой аудитории и лидов, увеличили число вторичных продаж и в целом увидели всю картину интернет‑продаж, как на ладони: узнали, кто и откуда пришел в онлайне. Но от ответа на вопрос про офлайн мы были еще далеко.

Система сквозной аналитики. Схема получения данных

Основой ROPO‑анализа являются возвратные механики – разнообразные способы возврата покупателей на сайт, чтобы связать их онлайн‑след и данные, полученные менеджером при офлайн‑продаже.Несколько инструментов для такого возврата:

QR‑коды на кассе.

Ссылки на сайт от менеджера для авторизации покупки, по которым покупатель переходит сразу же при оформлении сделки.

Электронные чеки со ссылками и др.

Казалось бы, это довольно просто: связываешь покупателей с пользовательскими онлайн‑сеансами и понимаешь, кто откуда пришел. Однако у ROPO‑анализа много проблем, которые мы прочувствовали на себе. Первые две — это типичная головная боль сквозной аналитики, а третья характерна уже для самого ROPO.

- Сложность отслеживания пользователя. К примеру, если юзер заходит на сайт с разных устройств, в счетчиках Яндекс Метрики и Google Analytics его визиты считаются визитами разных пользователей.

- Ограничение идентификации на основе cookies. Из‑за того, что cookies у некоторых юзеров не определяются совсем, мы стабильно теряем порядка 10‑15% данных.

- Отложенный результат. Даже после того, как система настроена и данные начали поступать, нужен минимум месяц, чтобы проанализировать и сопоставить их.

Мы разработали механику нашей ROPO‑аналитики.

В начале продумали алгоритмы, которые позволят связать заказы товаров с конкретными пользователями и клиентами. Для этого мы использовали такие параметры:

- номера телефонов покупателей;

- их email‑адреса;

- Client ID и User ID.

Затем мы собрали из всех доступных нам источников данные для всех имеющихся у нас Client ID.

После мы сформировали список соответствия Client ID и User ID.

Составили цепочки визитов каждого клиента.

Определили источники этих визитов и получили картину того, какой вклад внес в продажи каждый рекламный digital‑источник.

Наглядная иллюстрация того, к чему мы пришли: теперь мы понимали, откуда пришел и как себя вел на сайте и в приложении конкретный клиент

Client ID – это анонимный идентификатор браузера, с которого заходит пользователь. Его используют системы аналитики, чтобы опознавать уникальных пользователей и фиксировать их действия на сайте и в приложении.
User ID – это тоже уникальный обезличенный идентификатор, но уже в CRM‑системе. UID присваивается человеку, как только того внесли в базу клиентов. Например, когда менеджер при продаже записал данные покупателя.

CID и UID не совпадают, так как создаются в разных системах и по разным алгоритмам. Однако их сопоставление в процессе аналитики помогает решить главную проблему ROPO – связать все действия одного пользователя, которые он совершал с разных устройств, получив полную картину его взаимодействия с сайтом, приложением и компанией.

Для учета заказов и работы с клиентами наш клиент использует CRM «Битрикс24». Мы доработали ее функционал так, чтобы менеджер при оформлении покупки одним нажатием формировал и отправлял клиенту ссылку с его уникальным идентификатором Bitrix ID. Она выглядит как стандартный URL, но с определенным кодом после «/?bid=».

Клиент переходит по ссылке, «Битрикс24» фиксирует ID и передает информацию в Яндекс Метрику и Google Analytics. Таким образом, мы связываем интернет‑пользователей сайта и реальных клиентов‑покупателей.

Так это можно отразить на уже знакомой вам схеме сбора данных

На сбор информации и сопоставление данных по нашей механике потребовался почти месяц. Вот что мы увидели по итогу:

Почти каждый второй посетитель вошел в наш анализ – процент найденных совпадений по Client ID составил 45,89%. Если говорить проще, это значит, что почти в половине случаев мы можем соотнести конкретные визиты или сессии с конкретными покупателями в базе клиента.
У каждого третьего офлайн‑покупателя мы определили рекламный онлайн‑источник – процент мэтчинга по источнику по всем сделкам достиг 31,61%.

У ROPO‑аналитики есть одна полезная особенность: чем дольше период сбора данных, тем более глубокую аналитику можно провести. Поэтому сегодня показатели мэтчинга значительно превысили первоначальные.

Мы настроили для клиента обновляемые ROPO‑отчеты, по которым можно понять:

каковы доли чистого онлайна и чистого офлайна;
какова доля офлайна, который пришел из онлайн‑каналов рекламы;
распределение дохода по всем каналам, в том числе с учетом ROPO‑эффекта.

В процессе разработки отчета мы провели несколько итераций, чтобы уточнить детали и учесть пожелания клиента. Это позволило нам сделать отчет максимально релевантным и полезным для его цели. Важно было не только передать информацию, но и объяснить ключевые выводы и рекомендации так, чтобы клиент мог принять информированное решение. В итоге клиент был доволен результатом. Он получил четкий и информативный отчет, который помог ему лучше понять текущую ситуацию и принять правильные решения для своего бизнеса.

Хотите также? Пишите мне в ТГ