Внедрение атрибуции на основе воронки

Транзакции

Наиболее качественным источником данных о ценности транзакций является CRM. В отличии от Google Analytics, CRM обладает информацией о:

• заказах, размещенных не через сайт. Это важно для многих видов бизнесов;
  • мультиканальных ритейлеров, которые получают больше половины выручки в физических магазинах или в call-центре;
  • банков, страховых компаний и b2b-компаний, которые на сайте принимают только заявки, а реальная их ценность становится понятна только через время;
  • сервисов, работающих по подписке и регулярно списывающих средства со счета пользователя;
• марже, а не доходе от транзакций. Если вы продаете физические товары, маржа на них наверняка значительно отличается в зависимости от категории. А передавать с сайта маржу вместе с информацией о заказе часто затруднительно, так как она является конфиденциальной информацией и становится известной после закупки товара;
• статусе выполнения заказа. Часть заказов, информация о которых попала в Google Analytics, может быть отменена или быть тестовой;
• обо всех онлайн заказах. Как известно, до 20% заказов могут не попадать в Google Analytics из-за скорости загрузки страниц или особенностей JavaScript.

Для передачи данных из CRM в Google BigQuery можно воспользоваться готовыми библиотеками и приложениями.

1. SDK для .NET, .Java, PHP, Python ;
2. Загрузку файлов в формате CSV и JSON с помощью командной строки;
3. ODBC-драйвер от CDATA ;
4. Готовые ETL приложения .

Большое преимущество Google BigQuery в том, что ваш ИТ-отдел легко может выбрать удобный для них способ и импортировать данные в произвольном формате, не заботясь о правильном названии полей или номерах custom dimension. Это значительно сэкономит их время на интеграцию и ваши силы на уговоры их сделать эту интеграцию.

Если необходимые данные содержатся в разных сервисах, их можно выгружать независимыми потоками. Например, статусы заказов и маржинальность проданных товаров. Структура данных и названия полей также могут быть произвольными, главное, чтобы были ключи по которым их можно связать.

Создавая потоки данных с помощью OWOX BI, вы можете сразу получить рекомендованную структуру данных и взять ее за основу.

Даже если вы не можете автоматизировать импорт данных о транзакциях из CRM в Google BigQuery у вас есть два варианта получить преимущества атрибуции на основе воронки.

1. Вы можете атрибутировать ценность от транзакций, собранных в Google Analytics и для этого не потребуется привлекать ваше ИТ.
   В этом случае вы не сможете учесть исполняемость заказов и валовую прибыль, но вы увидите насколько сильно изменится ROI каналов, если учесть вклад каждого из посещений перед заказом.
2. Если вы можете получить выгрузку необходимой информации из CRM, например, за один месяц, то с помощью бесплатного BigQuery Addon Reports для Google Sheets сможете отправить эти данные в Google BigQuery и использовать их для расчетов.
   В этом случае данные за будущие периоды не будут обновляться автоматически, но вы увидите насколько сильно изменится ROI каналов, если учесть исполняемость заказов и валовую прибыль

Результат данного этапа — таблица в Google BigQuery с информацией о транзакциях, которой доверяет ваш CFO.

Действия пользователей от взаимодействия с рекламой до транзакций

Действия пользователей — это именно то, что объединяет усилия и результаты. Расходы на рекламу и транзакции. От полноты и детализации этих данных напрямую зависит достоверность модели атрибуции. Одного только факта визита с определенного источника недостаточно, чтобы оценить полезные действия, которые произошли в сессии. Поэтому в Google BigQuery должна быть собрана вся информация о действиях пользователей. Важно, чтобы она была в несемплированном виде и с точностью до каждого пользователя.

Получить эту информацию можно двумя способами:

1. Если вы используете Google Analytics 360, то можете активировать стандартный экспорт в Google BigQuery
2. Или, если вы используете стандартную версию Google Analytics, то активировав OWOX BI Google Analytics to Google BigQuery сможете собирать несемплированные данные в Google BigQuery

Эти два способа интеграции имеют свои особенности, но главное, что в результате вы получите полные и несемплированные данные о действиях всех пользователей в Google BigQuery:

Результатом данного этапа является еще одна таблица Google BigQuery.

Google Analytics Core V3 не подходит для получения этих данных, так как в ответе может возвращать до 7 dimension, а метрика является обязательным параметром запроса, значит ответ всегда будет агрегированным.

Расходы на онлайн-рекламу

Удобнее всего расходы на онлайн-рекламу импортировать в Google BigQuery из Google Analytics. Для этого их сначала надо собрать в Google Analytics:

1. Связать Google Analytics с Google AdWords аккаунтом для импорта расходов на Google-кампании. У вас ведь уже это сделано, правда?
2. Подключить автоматический импорт из Яндекс.Маркет, Яндекс.Директ, Вконтакте, Facebook или Instagram с помощью OWOX BI Pipeline Cost Data Import .
3. Не реже одного раза в месяц вносить расходы на остальные рекламные источники в OWOX BI. Они будут автоматически распределены по каждому дню в месяце пропорционально количеству визитов.

После этого останется активировать в OWOX BI поток данных из Google Analytics в Google BigQuery. Важно, что данные о расходах будут обновляться автоматически вместе с их обновлением в Google Analytics.

Результат

В результате вся необходимая для расчета атрибуции на основе воронки информация будет собрана в Google BigQuery и доступна для обработки.