Kā gala analīze palīdz uzņēmumiem

OWOX BI gala analīze

End-to-end analīze nav tikai skaisti pārskati un grafika. Spēja izsekot katra klienta ceļu, sākot no pirmā saskares punkta līdz regulārajiem pirkumiem, var palīdzēt uzņēmumiem samazināt neefektīvo un pārvērtēto reklāmas kanālu izmaksas, palielināt IA un novērtēt, kā viņu klātbūtne tiešsaistē ietekmē pārdošanu bezsaistē. OWOX BI analītiķi ir apkopojuši piecus gadījumu pētījumus, kas parāda, ka augstas kvalitātes analīze palīdz uzņēmumiem būt veiksmīgiem un rentabliem.

Tiešsaistes analīzes izmantošana, lai novērtētu tiešsaistes ieguldījumu

Situācija. Uzņēmums ir atvēris tiešsaistes veikalu un vairākus fiziskus mazumtirdzniecības veikalus. Klienti var iegādāties preces tieši uzņēmuma vietnē vai arī pārbaudīt tās tiešsaistē un nākt uz fizisku veikalu, lai iegādātos. Īpašnieks ir salīdzinājis ieņēmumus no pārdošanas tiešsaistē un bezsaistē un secinājis, ka fizisks veikals nes daudz lielāku peļņu.

Mērķis. Izlemiet, vai atkāpties no pārdošanas tiešsaistē, un koncentrējieties uz fiziskiem veikaliem.

Praktiskais risinājums. Apakšveļas uzņēmumsDarjeeling Pētīja ROPO efektu - tā klātbūtnes tiešsaistē ietekmi uz pārdošanu bezsaistē. Dārdžilingas eksperti secināja, ka pirms pirkšanas veikalā vietni apmeklēja 40% klientu. Līdz ar to bez tiešsaistes veikala gandrīz puse no viņu pirkumiem nenotiktu.

Lai iegūtu šo informāciju, uzņēmums datu vākšanai, glabāšanai un apstrādei izmantoja divas sistēmas:

  • Google Analytics informācijai par lietotāju darbībām vietnē
  • Uzņēmuma CRM izmaksu un pasūtījumu izpildes datiem

Darjeeling tirgotāji apvienoja datus no šīm sistēmām, kurām bija atšķirīga struktūra un loģika. Lai izveidotu vienotu pārskatu, Dardžilings izmantoja BI sistēmu, lai veiktu pilnīgu analīzi.

End-to-End Analytics izmantošana, lai palielinātu ieguldījumu atdevi

Situācija. Uzņēmums klientu piesaistīšanai izmanto vairākus reklāmas kanālus, tostarp meklēšanu, kontekstuālo reklāmu, sociālos tīklus un televīziju. Tie visi atšķiras pēc to izmaksām un efektivitātes.

Mērķis. Izvairieties no neefektīvas un dārgas reklāmas un izmantojiet tikai efektīvu un lētu reklāmu. To var izdarīt, izmantojot gala analīzi, lai salīdzinātu katra kanāla izmaksas ar tā sniegto vērtību.

Praktiskais risinājums. InĀrsts Rjadoms medicīnas klīniku ķēdē pacienti var sazināties ar ārstiem, izmantojot dažādus kanālus: vietnē, pa tālruni vai reģistratūrā. Ar parastajiem tīmekļa analīzes rīkiem tomēr nepietika, lai noteiktu, no kurienes nāk katrs apmeklētājs, jo dati tika vākti dažādās sistēmās un nebija saistīti. Ķēdes analītiķiem vienā sistēmā bija jāapvieno šādi dati:

  • Dati par lietotāju rīcību no Google Analytics
  • Zvanu dati no zvanu izsekošanas sistēmām
  • Dati par izdevumiem no visiem reklāmas avotiem
  • Dati par pacientiem, uzņemšanu un ieņēmumi no klīnikas iekšējās sistēmas

Pārskati, kuru pamatā ir šie kolektīvie dati, parādīja, kuri kanāli neatmaksājās. Tas palīdzēja klīniku ķēdei optimizēt viņu reklāmas izdevumus. Piemēram, kontekstuālajā reklāmā tirgotāji atstāja tikai labākas semantikas kampaņas un palielināja ģeoservisu budžetu. Tā rezultātā ārsts Ryadom palielināja atsevišķu kanālu IA 2.5 reizes un uz pusi samazināja reklāmas izmaksas.

End-to-End Analytics izmantošana izaugsmes apgabalu atrašanai

Situācija. Pirms kaut ko uzlabot, jums jānoskaidro, kas īsti nedarbojas pareizi. Piemēram, varbūt kontekstuālajā reklāmā kampaņu un meklēšanas frāžu skaits ir pieaudzis tik strauji, ka vairs nav iespējams tos manuāli pārvaldīt. Tātad jūs nolemjat automatizēt cenu pārvaldību. Lai to izdarītu, jums ir jāsaprot katras no vairākiem tūkstošiem meklēšanas frāžu efektivitāte. Galu galā, nepareizi novērtējot, jūs varat vai nu apvienot savu budžetu par velti, vai arī piesaistīt mazāk potenciālo klientu.

Mērķis. Novērtējiet katra atslēgvārda veiktspēju tūkstošiem meklēšanas vaicājumu. Nepareiza novērtējuma dēļ novērsiet izšķērdīgus izdevumus un zemu iegādi.

Praktiskais risinājums. Lai automatizētu cenu pārvaldību,HoffMēbeļu un sadzīves priekšmetu mazumtirdzniecības mazumtirdzniecības mazumtirgotājs savienoja visas lietotāju sesijas. Tas viņiem palīdzēja izsekot tālruņa zvanus, veikala apmeklējumus un katru kontaktu ar vietni no jebkuras ierīces.

Pēc visu šo datu apvienošanas un pilnīgas analīzes iestatīšanas uzņēmuma darbinieki sāka ieviest attiecinājumu - vērtības sadalījumu. Pēc noklusējuma Google Analytics izmanto pēdējo netiešā klikšķa attiecinājuma modeli. Bet tas neņem vērā tiešos apmeklējumus, un mijiedarbības ķēdes pēdējais kanāls un sesija saņem pilnu reklāmguvuma vērtību.

Lai iegūtu precīzus datus, Hoff eksperti izveidoja attiecinājumu uz piltuvi. Tajā esošā reklāmguvuma vērtība tiek sadalīta starp visiem kanāliem, kas piedalās katrā piltuves solī. Pētot apvienotos datus, viņi novērtēja katra atslēgvārda peļņu un redzēja, kuri ir neefektīvi un kuri rada vairāk pasūtījumu.

Hoff analītiķi šo informāciju atjaunina katru dienu un pārsūta uz automātisko cenu pārvaldības sistēmu. Pēc tam cenas tiek koriģētas tā, lai to lielums būtu tieši proporcionāls atslēgvārda IA. Tā rezultātā Hoff par 17% palielināja kontekstuālās reklāmas IA un divkāršoja efektīvo atslēgvārdu skaitu.

End-to-End Analytics izmantošana komunikācijas personalizēšanai

Situācija. Jebkurā biznesā ir svarīgi veidot attiecības ar klientiem, lai sniegtu atbilstošus piedāvājumus un izsekotu zīmola lojalitātes izmaiņām. Protams, ja ir tūkstošiem klientu, katram no viņiem nav iespējams izteikt personalizētus piedāvājumus. Bet jūs varat tos sadalīt vairākos segmentos un veidot komunikāciju ar katru no šiem segmentiem.

Mērķis. Sadaliet visus klientus vairākos segmentos un izveidojiet saziņu ar katru no šiem segmentiem.

Praktisks risinājums. Butik, Maskavas tirdzniecības centrs ar apģērbu, apavu un aksesuāru interneta veikalu, uzlaboja viņu darbu ar klientiem. Lai palielinātu klientu lojalitāti un mūža vērtību, Butik tirgotāji personalizēja saziņu, izmantojot zvanu centru, e-pastu un īsziņas.

Klienti tika sadalīti segmentos, pamatojoties uz viņu pirkšanas aktivitātēm. Tā rezultātā tika izkaisīti dati, jo klienti var iegādāties tiešsaistē, pasūtīt tiešsaistē un paņemt produktus fiziskā veikalā vai vispār neizmantot vietni. Tāpēc daļa datu tika savākta un saglabāta Google Analytics, bet otra daļa CRM sistēmā.

Tad Butik tirgotāji identificēja katru klientu un visus viņu pirkumus. Pamatojoties uz šo informāciju, viņi noteica piemērotus segmentus: jaunus pircējus, klientus, kuri pērk reizi ceturksnī vai reizi gadā, pastāvīgos klientus utt. Kopumā viņi identificēja sešus segmentus un izveidoja noteikumus automātiskai pārejai no viena segmenta uz citu. Tas ļāva Butik tirgotājiem veidot personalizētu saziņu ar katru klientu segmentu un parādīt viņiem dažādus reklāmas ziņojumus.

End-to-end Analytics izmantošana, lai noteiktu krāpšanos maksas par darbību (CPA) reklamēšanā

Situācija. Uzņēmums reklamēšanai tiešsaistē izmanto izmaksu par darbību modeli. Tas izvieto reklāmas un apmaksā platformas tikai tad, ja apmeklētāji veic mērķtiecīgu darbību, piemēram, apmeklē viņu vietni, reģistrējas vai iegādājas produktu. Bet partneri, kas ievieto reklāmas, ne vienmēr strādā godīgi; viņu vidū ir krāpnieki. Visbiežāk šie krāpnieki datplūsmas avotu aizstāj tā, ka šķiet, it kā viņu tīkls būtu veicis pārveidošanu. Bez īpašas analīzes, kas ļauj izsekot katram pārdošanas ķēdes posmam un redzēt, kuri avoti ietekmē rezultātu, ir gandrīz neiespējami atklāt šādu krāpšanu.

Raiffeisen Bank bija problēmas ar krāpšanu mārketingā. Viņu tirgotāji bija pamanījuši, ka filiāļu datplūsmas izmaksas ir palielinājušās, bet ieņēmumi paliek nemainīgi, tāpēc viņi nolēma rūpīgi pārbaudīt partneru darbu.

Mērķis. Atklājiet krāpšanu, izmantojot pilnīgu analīzi. Izsekojiet katru pārdošanas ķēdes posmu un saprotiet, kuri avoti ietekmē mērķtiecīgu klientu darbību.

Praktisks risinājums. Lai pārbaudītu savu partneru darbu, Raiffeisen Bank mārketinga speciālisti apkopoja sākotnējos datus par lietotāju darbībām vietnē: pilnīgu, neapstrādātu un neanalizētu informāciju. Starp visiem klientiem ar jaunāko saistīto kanālu viņi izvēlējās tos, kuriem starp sesijām bija neparasti īsi pārtraukumi. Viņi atklāja, ka šajos pārtraukumos satiksmes avots tika pārslēgts.

Rezultātā Raiffeisen analītiķi atrada vairākus partnerus, kuri piesavinājās ārvalstu satiksmi un pārdeva to bankai. Tāpēc viņi pārtrauca sadarbību ar šiem partneriem un pārtērēja savu budžetu.

Visaptveroša analīze

Mēs esam uzsvēruši visbiežāk sastopamās mārketinga problēmas, kuras var atrisināt gala analīzes sistēma. Praksē, izmantojot integrētus datus par lietotāju darbībām gan vietnē, gan bezsaistē, informāciju no reklāmas sistēmām un zvanu izsekošanas datus, varat atrast atbildes uz daudziem jautājumiem par to, kā uzlabot savu biznesu.

Ko jūs domājat?

Šī vietne izmanto Akismet, lai samazinātu surogātpastu. Uzziniet, kā tiek apstrādāts jūsu komentārs.