Юлмарт улучшил процесс внутренней аналитики с помощью атрибуции на основе воронки

106
2992
Материалы для скачивания
978.32 Kb

О компании

Юлмарт — частная российская интернет-компания, лидер российского сектора электронной коммерции в 2013–2016 годах по показателям выручки. Основана в 2008 году в Санкт-Петербурге. Многофункциональная торговая интернет-площадка предлагает более 150 тысяч товаров: от электроники до детских и автотоваров. Дистрибьюторская сеть ритейлера охватывает около 350 пунктов продаж: центров исполнения заказов, собственных и партнерских пунктов выдачи заказов более чем в 150 городах России.

Цель

Модель атрибуции Last Click, которую Юлмарт использовал до этого кейса, отдавала всю ценность последнему источнику, игнорируя вклад остальных источников в цепочке перед заказом. Чтобы корректно оценивать эффективность рекламных кампаний, команда Юлмарта решила настроить атрибуцию на основе воронки.

Проблема

У компании несколько точек контакта с клиентами: реклама в соцсетях, на прайс-агрегаторе Яндекс.Маркет, контекстная реклама, сайт ulmart.ru, телефон, электронная почта, пункты продаж и выдачи товаров. Как и большинство компаний, использующих мультиканальный маркетинг, Юлмарт столкнулся с проблемой разрозненности данных — все они собираются и хранятся в разных системах.

Решение

Чтобы оценить вклад каждого канала в продвижение пользователя по воронке продаж, нужно объединить действия посетителей на сайте, расходы на рекламу, офлайн-заказы и фактические доходы компании с учетом исполняемости заказов. То есть настроить сквозную аналитику. Для этого маркетологи Юлмарта сделали следующее:

  1. Совместно с аналитиками OWOX BI разработали индивидуальную систему метрик для сбора поведенческих данных с сайта в Google Analytics 360. Оттуда выгружают несемплированные данные в Google BigQuery с помощью стандартного экспорта.
  2. Настроили импорт расходов из рекламных сервисов в Google BigQuery с помощью OWOX BI Pipeline.
  3. Настроили выгрузку данных о транзакциях из своей CRM-системы в Google BigQuery.
  4. Создали модель атрибуции на основе воронки, используя объединенные данные в Google BigQuery.
  5. Совместно с аналитиками OWOX BI создали словарь соответствий для групп каналов, так как Юлмарт использует для отчетов собственную группировку каналов, отличную от Google Analytics 360.
  6. Получили в Google Sheets отчеты для анализа трафика и ежемесячного планирования маркетингового бюджета.

Так выглядит схема объединения данных для Юлмарта:

схема объединения данных для построения сквозной аналитки

Теперь разберем подробнее, как компания строила атрибуцию на основе воронки и отчеты.

Шаг 1. Передать в Google BigQuery данные о действиях пользователей на сайте

Аналитики OWOX BI помогли команде Юлмарта разработать, настроить и внедрить индивидуальную систему метрик для сайта ulmart.ru. Кроме того, наши специалисты регулярно проводят тестирование и дорабатывают систему метрик под новые домены и функциональность.

Юлмарт собирает данные о действиях пользователей на сайте в  Google Analytics 360 и ежедневно отправляет в Google BigQuery с помощью стандартного экспорта, чтобы связать с расходами на рекламу и транзакциями. Компания выбрала платную версию Google Analytics, потому что у сайта высокая посещаемость. Стандартная версия семплирует данные, когда количество сессий превышает 500 тыс., а благодаря GA 360 компания получает полную информацию с точностью до хита.

Шаг 2. Собрать в Google BigQuery расходы из рекламных сервисов

Расходы Юлмарта на AdWords рекламу попадают в Google Analytics 360, благодаря встроенной интеграции сервисов. Чтобы передать в GA 360 данные из Facebook, Яндекс.Маркета и Яндекс.Директа, объединить расходы по всем рекламным источникам и одним потоком выгрузить в Google BigQuery, компания использует OWOX BI Pipeline. Данные передаются в таком формате:

Шаг 3. Передать в Google BigQuery данные о заказах

Чтобы при оценке рекламных каналов учитывались возвраты и отмененные заказы, команда Юлмарта загружает в Google BigQuery данные о транзакциях из своей CRM-системы. Данные передаются по структуре, которую рекомендовали наши аналитики:

структура выгрузки данных из CRM в Google BigQuery

Эта структура помогает объединить исполняемость заказов с действиями на сайте по ключу user_id и time.

Шаг 4. Построить модель атрибуции

Воронка продаж на сайте Юлмарта состоит из 5 шагов: «Визит», «Карточка товара», «Добавление в корзину», «Оформление заказа» и «Покупка». Аналитики OWOX BI посчитали среднее время от визита на сайт до покупки и рекомендовали оптимальную длительность конверсионного Время от первого взаимодействия посетителя с товаром до покупки. Ценность получат только сессии, которые попали в этот период и транзакционного Период, на который распределяется ценность конверсии окон.

На основе этой воронки Юлмарт построил модель атрибуции в  OWOX BI Attribution. Вот как она выглядит:

шаги модели атрибуции на основе воронки в Юлмарт

Атрибуция на основе воронки рассчитывает вероятность перехода пользователя на каждый из шагов воронки. На графике это серый столбик. Чем меньше вероятность, тем большую ценность получает сессия, в которой пользователь перешел на этот шаг. Ценность получают все сессии пользователя, которые привели к заказу. Если вы хотите узнать больше о логике расчета атрибуции на основе воронки, почитайте эту статью или посмотрите вебинар.

Результаты атрибуции используются для построения отчетов, о которых подробнее написано в Шаге 6.

Шаг 5. Создать словарь соответствий для групп каналов

Источники трафика в отчетах Google Analytics 360 по умолчанию формируются в  группы каналов: «Прямой трафик», «Бесплатный поиск», «Электронная почта», «Переход», «Социальная сеть», «Медийная реклама», «Поисковая реклама» и «Прочие».

Однако для внутренней отчетности маркетологи Юлмарта применяют собственную группировку каналов. Поскольку компания использовала в модели атрибуции уже собранные данные за прошедшие периоды, было поздно менять группы каналов в настройках GA 360. Поэтому аналитики OWOX BI создали словарь соответствий, который применяется к результатам модели атрибуции.

Так как словарь постоянно обновляется, аналитики сформировали список соответствий в Google Sheets, который коллеги из Юлмарта дополняют новыми источниками и каналами. У этого списка такая структура:

словарь соответствий для группировки каналов трафика

Скрипт, настроенный нашими аналитиками, раз в месяц записывает список соответствий в таблицу Google BigQuery, где данные объединяются с результатами атрибуции по ключам source / medium.

Шаг 6. Построить отчеты

Команда OWOX BI помогла Юлмарту построить в Google Sheets два отчета. С помощью первого маркетологи компании могут узнать, какие affiliate партнеры присваивают себе ценность других каналов. Этот отчет доступен в интерфейсе OWOX BI Smart Data. Аналитики OWOX BI перенесли его в Google Sheets через аддон OWOX BI BigQuery Reports, который вы можете скачать и установить бесплатно.

Делается это так:

  1. В Smart Data задаем вопрос: «Как распределена ценность источников и каналов по шагам воронки...» и открываем отчет.
  2. В правом верхнем углу экрана выбираем из выпадающего меню «Копировать SQL-запрос в буфер обмена»:

    выбор действия с отчетом в OWOX BI Smart Data
  3. Затем в Google Sheets добавляем новый отчет. Для этого выбираем вкладку «Дополнения» → «OWOX BI BigQuery Reports» → «Add a new report». Далее выберите один из существующих проектов Google Cloud Platform, снова нажмите «Add a new report» и кликните «Paste»:

    добавление отчета в Google Sheets с помощью OWOX BI BigQuery Reports

    Обратите внимание на то, что каждый новый отчет создается на новом листе Google Sheets:

    Укажите необходимые данные: существующий проект Google Cloud Platform и запрос Google BigQuery. Более подробную информацию о создании отчетов можно найти здесь.

  4. Теперь отчет доступен в Google Sheets. Для удобства можно настроить регулярное автообновление. Чтобы это сделать, выбираем пункт «Schedule reports» в настройках OWOX BI BigQuery Reports:

    настройка регулярного автообновления отчета в Google Sheets

    и задаем нужный интервал:

    Подробнее о том, как настроить регулярное обновление отчетов по расписанию, вы можете почитать в справке.

Специально для Юлмарта наши аналитики модифицировали запрос и добавили возможность предварительно задавать динамические параметры: источник и период анализа.

Подробнее о том, как использовать в запросе динамические параметры, написано в справке.

В результате компания получила готовый отчет, из которого видно, на какой шаг воронки оказывает наибольшее влияние тот или иной источник:

отчет влияния источников трафика на разные шаги воронки

Если отфильтровать только affiliate партнеров, можно определить тех, у кого наибольшая ценность приходится на последний шаг:

Второй отчет показывает фактические расходы, доходы и ROAS Прибыль от размещения рекламы = доход от размещения рекламы / расходы на рекламу × 100% Юлмарта по рекламным кампаниям. С его помощью маркетологи компании могут узнать, какие источники приносят больше прибыли, а какие не окупаются.

сквозная аналитика по источникам трафика

Результаты

  • Совместно со специалистами OWOX BI команда Юлмарта настроила корректную и гибкую систему сбора данных с сайта.
  • С помощью продуктов OWOX BI и Google компания автоматизировала сбор данных. Теперь вся информация доступна в едином интерфейсе в режиме реального времени.
  • Модель атрибуции на основе воронки помогла Юлмарту объективно оценить эффективность рекламных кампаний и каналов.

Если у вас есть вопросы по кейсу, будем рады ответить на них в комментариях.

Вас также могут заинтересовать