Hogyan segít a végpontok közötti elemzés a vállalkozások számára

OWOX BI végpontok közötti elemzés

A végpontok közötti elemzés nem csak gyönyörű jelentések és grafikák. Az egyes ügyfelek útjának nyomon követésének képessége az első érintési ponttól kezdve a rendszeres vásárlásokig segíthet a vállalkozásokban csökkenteni a hatástalan és túlértékelt hirdetési csatornák költségeit, növelni a megtérülést (ROI), és felmérni, hogy online jelenlétük hogyan befolyásolja az offline értékesítést. OWOX BI elemzők öt esettanulmányt gyűjtöttek össze, amelyek bizonyítják, hogy a magas színvonalú elemzés segíti a vállalkozásokat abban, hogy sikeresek és nyereségesek legyenek.

Végpontok közötti elemzés használata az online hozzájárulások értékeléséhez

A helyzet. Egy vállalat online áruházat és több fizikai kiskereskedelmi üzletet nyitott. Az ügyfelek közvetlenül a vállalat weboldalán vásárolhatnak árukat, vagy online is megnézhetik őket, és egy fizikai üzletbe jöhetnek vásárolni. A tulajdonos összehasonlította az online és offline értékesítésből származó bevételeket, és arra a következtetésre jutott, hogy egy fizikai üzlet sokkal több profitot hoz.

A cél. Döntse el, hogy visszalép-e az online értékesítéstől, és koncentráljon a fizikai üzletekre.

A gyakorlati megoldás. A fehérnemű társaságDarjeeling Tanulmányozta a ROPO-hatást - online jelenlétének hatását az offline értékesítésre. A Darjeeling szakértői arra a következtetésre jutottak, hogy az ügyfelek 40% -a meglátogatta az oldalt, mielőtt boltban vásárolt volna. Következésképpen az online áruház nélkül a vásárlások majdnem fele nem következne be.

Ezen információk megszerzéséhez a vállalat két rendszerre támaszkodott az adatok gyűjtésére, tárolására és feldolgozására:

  • A Google Analytics a felhasználók webhelyen végrehajtott műveleteivel kapcsolatos információkért
  • A vállalat CRM költség- és megrendelés-teljesítési adatai

A Darjeeling marketingszakemberei ezekből a rendszerekből származó adatokat egyesítették, amelyek eltérő felépítésűek és logikájúak voltak. Az egységes jelentés létrehozásához Darjeeling a BI rendszert használta a végpontok közötti elemzéshez.

Végpontok közötti elemzés használata a befektetés megtérülésének növelése érdekében

A helyzet. Egy vállalkozás több hirdetési csatornát használ az ügyfelek vonzására, beleértve a keresést, a kontextus szerinti hirdetést, a közösségi hálózatokat és a televíziót. Mindegyik költség és hatékonyság szempontjából különbözik egymástól.

A cél. Kerülje az eredménytelen és drága reklámokat, és csak hatékony és olcsó hirdetéseket használjon. Ezt végpontok közötti elemzéssel lehet összehasonlítani az egyes csatornák költségeivel a hozzáadott értékkel.

A gyakorlati megoldás. ARyadom orvos Az orvosi klinikák láncolatában a betegek különböző csatornákon keresztül léphetnek kapcsolatba az orvosokkal: a weboldalon, telefonon vagy a recepción. A rendszeres webanalitikai eszközök azonban nem voltak elegendőek annak meghatározásához, hogy az egyes látogatók honnan jöttek, mivel az adatokat különböző rendszerekben gyűjtötték és nem voltak kapcsolatban. A lánc elemzőinek a következő adatokat kellett egyetlen rendszerbe egyesíteniük:

  • A felhasználói viselkedés adatai a Google Analytics szolgáltatásból
  • Hívásadatok híváskövető rendszerekből
  • Az összes hirdetési forrás kiadási adatai
  • Adatok a betegekről, felvételekről és a klinika belső rendszeréből származó bevételekről

Az ezen összegyűjtött adatokon alapuló jelentések megmutatták, mely csatornák nem fizettek meg. Ez segítette a klinikai láncot a hirdetési kiadások optimalizálásában. Például a kontextuális reklámozásban a marketingszakemberek csak jobb szemantikájú kampányokat hagytak, és növelték a geoszolgáltatások költségvetését. Ennek eredményeként a Doctor Ryadom 2.5-szeresére növelte az egyes csatornák megtérülését és felére csökkentette a hirdetési költségeket.

A végpontok közötti elemzés használata a növekedés területeinek megkeresésére

A helyzet. Mielőtt javítana valamin, meg kell találnia, hogy mi nem működik pontosan. Például talán a kampányok és a keresési kifejezések száma a kontextuális hirdetésekben olyan gyorsan nőtt, hogy már nem lehet őket manuálisan kezelni. Tehát úgy dönt, hogy automatizálja az ajánlatkezelést. Ehhez meg kell értenie a több ezer keresési kifejezés hatékonyságát. Végül is, helytelen értékeléssel a költségkeretet hiába egyesítheti, vagy kevesebb potenciális ügyfelet vonzhat.

A cél. Értékelje az egyes kulcsszavak teljesítményét több ezer keresési lekérdezés esetén. Távolítsa el a pazarló kiadásokat és az alacsony beszerzési arányt a helytelen értékelés miatt.

A gyakorlati megoldás. Az ajánlatkezelés automatizálásáhozHoffA bútorok és háztartási cikkek hipermarket-kiskereskedője összekapcsolta az összes felhasználói munkamenetet. Ez segített nekik nyomon követni a telefonhívásokat, a bolti látogatásokat és a webhely minden kapcsolatát bármilyen eszközről.

Az adatok összesítése és a végpontok közötti elemzés felállítása után a vállalat alkalmazottai elkezdték végrehajtani az attribúciót - az értékelosztást. Alapértelmezés szerint a Google Analytics az utolsó közvetett kattintás-hozzárendelési modellt használja. De ez figyelmen kívül hagyja a közvetlen látogatásokat, és az interakciós lánc utolsó csatornája és munkamenete megkapja a konverzió teljes értékét.

A pontos adatok megszerzése érdekében a Hoff szakemberei tölcséralapú hozzárendelést állítottak be. A benne szereplő konverziós érték eloszlik az összes csatorna között, amely részt vesz a csatorna egyes lépéseiben. Az összevont adatok tanulmányozása során értékelték az egyes kulcsszavak nyereségét, és látták, hogy melyek nem hatékonyak és melyek hoztak további megrendeléseket.

A Hoff elemzői ezeket az információkat naponta frissítik és átadják az automatizált ajánlatkezelő rendszernek. Az ajánlatokat ezután úgy állítják be, hogy méretük közvetlenül arányos legyen a kulcsszó megtérülésével. Ennek eredményeként a Hoff 17% -kal növelte a kontextuális hirdetések megtérülését és megduplázta a hatékony kulcsszavak számát.

Végpontok közötti elemzés használata a kommunikáció személyre szabásához

A helyzet. Bármely vállalkozásban fontos kapcsolatot kiépíteni az ügyfelekkel, hogy releváns ajánlatokat tegyenek és nyomon kövessék a márkahűség változását. Természetesen, ha több ezer ügyfél van, lehetetlen személyre szabott ajánlatokat adni mindegyiküknek. De több szegmensre oszthatja őket, és kommunikációt építhet mindegyik szegmenssel.

A cél. Osztja az összes ügyfelet több szegmensre, és építsen kommunikációt e szegmensekkel.

Gyakorlati megoldás. .Butik, Egy ruhák, cipők és kiegészítők online áruházával rendelkező moszkvai bevásárlóközpont javította munkáját az ügyfelekkel. Az ügyfélhűség és az életre szóló érték növelése érdekében a Butik marketingszakemberei személyre szabják a kommunikációt telefonos központon keresztül, e-mailben és SMS-ben.

Az ügyfeleket szegmensekre osztották vásárlási tevékenységük alapján. Ennek eredményeként szétszórt adatok voltak, mert a vásárlók online vásárolhatnak, online megrendelhetnek és fizikai boltban vehetnek át termékeket, vagy egyáltalán nem használhatják az oldalt. Emiatt az adatok egy részét a Google Analytics, a másik részét a CRM rendszerben gyűjtötték és tárolták.

Ezután a Butik marketingszakemberek azonosították az ügyfeleket és az összes vásárlást. Ezen információk alapján meghatározták a megfelelő szegmenseket: új vásárlók, negyedévente vagy évente egyszer vásárló ügyfelek, törzsvásárlók stb. Összesen hat szegmenst azonosítottak és szabályokat alkottak az egyik szegmensből a másikba történő automatikus áttéréshez. Ez lehetővé tette a Butik marketingeseinek, hogy személyre szabott kommunikációt építsenek ki az egyes ügyfélszegmensekkel, és különböző reklámüzeneteket mutassanak nekik.

Végpontok közötti elemzés használata a csalások meghatározásához a műveletenkénti költség (CPA) hirdetésekben

A helyzet. Egy vállalat az online hirdetésekhez a műveletenkénti költség modellt használja. Csak akkor helyez el hirdetéseket és fizet platformokat, ha a látogatók célzott műveletet hajtanak végre, például meglátogatják weboldalukat, regisztrálnak vagy vásárolnak egy terméket. De a hirdetéseket elhelyező partnerek nem mindig működnek őszintén; vannak csalók közöttük. Leggyakrabban ezek a csalók úgy helyettesítik a forgalmi forrást, hogy úgy tűnik, mintha hálózatuk vezetett volna konverzióhoz. Különleges elemzés nélkül, amely lehetővé teszi az értékesítési lánc minden lépésének nyomon követését és annak megtekintését, hogy mely források befolyásolják az eredményt, szinte lehetetlen felderíteni az ilyen csalásokat.

Raiffeisen Bank marketingcsalással volt problémája. Forgalmazóik észrevették, hogy az affiliate forgalmi költségei nőttek, miközben a bevételek változatlanok maradtak, ezért úgy döntöttek, hogy gondosan ellenőrzik a partnerek munkáját.

A cél. Csalás észlelése végpontok közötti elemzéssel. Kövesse nyomon az értékesítési lánc minden lépését, és értse meg, mely források befolyásolják a megcélzott vásárlói tevékenységet.

Gyakorlati megoldás. Partnereik munkájának ellenőrzésére a Raiffeisen Bank marketingesei nyers adatokat gyűjtöttek a webhely felhasználói műveleteiről: teljes, feldolgozatlan és elemzés nélküli információkat. A legújabb affiliate csatornával rendelkező ügyfelek közül azokat választotta, akiknek szokatlanul rövid szünetek voltak a munkamenetek között. Megállapították, hogy ezekben a szünetekben a forgalmi forrást átállították.

Ennek eredményeként a Raiffeisen elemzői több olyan partnert találtak, akik előirányozták a külföldi forgalmat és továbbértékesítették azt a banknak. Így abbahagyták az együttműködést ezekkel a partnerekkel és abbahagyták a költségvetés pazarlását.

Végpontok közötti elemzés

Kiemeltük a leggyakoribb marketing kihívásokat, amelyeket egy végpontok közötti elemzési rendszer képes megoldani. A gyakorlatban a felhasználói tevékenységek mind a webhelyen, mind az offline, a hirdetési rendszerekből származó információk és a híváskövetési adatok segítségével integrált adatok segítségével számos kérdésre választ találhat, amelyek javíthatják vállalkozását.

Mit gondolsz?

Ez az oldal Akismet-et használ a levélszemét csökkentése érdekében. Ismerje meg, hogyan dolgozik a megjegyzésed.