Все маркетинговые KPI в одном дашборде – кейс крупнейшего интернет-магазина Индонезии
Как объединить все данные и не сойти с ума или, как минимум, перестать тратить на это половину рабочего времени? Matahari Mall настроил сквозную аналитику с помощью OWOX BI и сэкономил своим маркетологам до четырех часов рабочего времени в день, которые раньше тратились на рутинные задачи: объединение данных из разных источников, управлениями кампаниями вручную и составление отчетов.
Задача
Mataharimall.com — крупнейший интернет-магазин Индонезии с сетью розничных магазинов Matahari Department Store по всей стране. Покупатели могут выбирать товары на сайте, а оплачивать, забирать или возвращать их в ближайшем к себе розничном магазине сети.
Маркетологи тратили очень много времени на самостоятельное объединение и обработку данных с сайта, мобильного приложения, рекламных сервисов и CRM-системы. Поэтому компания решила создать универсальный отчет, который поможет:
анализировать все маркетинговые активности компании;
корректировать ставки по рекламным кампаниям;
оперативно перераспределять рекламный бюджет.
Самая большая сложность была именно в количестве данных, их было слишком много.
Из Google Analytics и из CRM-системы надо было передать около 30 кастомных параметров и показателей (доход, транзакции, ROAS, CPC, CTR, и тд).
Отдельно нужно было следить за KPI мобильного приложения: установки, расходы на рекламу, заказы из приложения и т.д.
- Существующая модель атрибуции не устраивала, потому что не оценивала вклад каждой сессии в продвижение пользователя по воронке. Для перехода на OWOX BI Attribution нужно было учесть транзакции, коэффициент конверсии, доход, CPO и ROAS.
Решение
Для начала нужно было собрать все данные в одном месте и в качестве хранилища было использовано облако Google BigQuery.
Схема построения сквозной аналитики выглядит таким образом:
Чуть подробнее об этапах настройки.
- Несемплированные данные о поведении пользователей на сайте собирает Google Analytics 360. Передача в Google BigQuery происходит через встроенную интеграцию.
- Данные из мобильного приложения собирает система AppsFlyer. С помощью OWOX BI Pipeline они импортируются в Google BigQuery.
- Для передачи данных о расходах в Google Analytics маркетологи Matahari Mall используют интеграцию рекламных сервисов (Facebook, Instagram, Criteo) с OWOX BI Pipeline. Затем объединенные данные передаются из Google Analytics в Google BigQuery тоже с помощью OWOX BI Pipeline.
- Данные об офлайн-покупках, возвратах и фактических оплатах хранятся в CRM-системе. Ежедневно данные выгружаются в Google BigQuery с помощью кастомного коннектора.
- Чтобы оценить вклад каждой сессии в продвижение пользователя по воронке, было решено использовать атрибуцию на основе воронки от OWOX BI. Так компания может сравнивать эффективность своих онлайн-кампаний по двум моделям атрибуции: на основе воронки и Last Non-Direct Click.
Теперь, когда все данные в едином формате собраны в едином хранилище, SQL-скрипт может рассчитать на их основе все необходимые показатели. В итоге получается две таблицы – с данными по сайту и по мобильному приложению.
Построение отчетов
С помощью запроса в App Script, показатели за предыдущий день рассчитываются автоматически и добавляются в основную таблицу в Google BigQuery. Заодно запрос проверяет, чтобы в таблице были данные за предыдущие 7 дней и если какой-то из дней «выпал», то данные подтягиваются в таблицу.
В результате маркетологи получили автоматически обновляемый дашборд в Google Data Studio и отчеты в Google Sheets с сырыми несемплированными данными.
Дашборд помогает маркетологам компании сравнивать ROAS и другие KPI всех каналов и принимать решение, какие рекламные кампании можно масштабировать, а какие отключить. Таким образом, Matahari Mall полностью контролирует свой маркетинговый бюджет.
Результат
Теперь у Matahari Mall есть единый дашборд, который ежедневно автоматически обновляется. Маркетологи больше не тратят 4 часа в день на работу с данными и могут:
- изменять ставки для рекламных кампаний в режиме реального времени;
- измерять эффективность всех рекламных каналов;
- сравнивать эффективность рекламы по двум моделям атрибуции, что помогает находить недооцененные или переоцененные кампании и перераспределять маркетинговый бюджет.