オンライン ムービー ストリーミング サービスの高度な分析を設定する方法

AIDA ファネルを使用して、通常の e コマース プロジェクトで高度な分析を設定する方法について、多数のケース スタディが書かれています。 多くの企業はこれを行う方法を知っており、目標到達プロセスの設定に問題はありません。 しかし、複雑で目立たないセールス ファネル、多くのコンバージョン タイプ、ターゲットを絞ったアクションがある場合は、困難が生じます。 すべてのデータをオンライン シネマ用の 1 つのダッシュボードにまとめる方法を見てみましょう。

オンライン引越サービスには 2 種類の取引がありますが、e コマースでの取引が一般的であるため、これらは同等ではありません。 すぐにお金を受け取るトランザクショナル ビデオ オン デマンド (TVOD) トランザクション (映画のレンタルまたは購入) と、定期的な定期支払いを伴うサブスクリプション ビデオ オン デマンド (SVOD) トランザクション (サブスクリプションと試用) があります。

毎月、ユーザーはサブスクリプションを更新するか、更新しないかを選択できます。 1 回限りのトランザクションではなく、顧客の生涯価値 (LTV) の成長に焦点を当てることは論理的であり、LTV を扱うメカニズムは、他の指標を扱うメカニズムとは異なります。

コンバージョンを制御するために、トライアルを別のグループに配置します。 実際、トライアルはサブスクリプションと同じですが、無料または 1 ルーブルで提供されるだけです。 試用版は、プロモーション期間 (7 日または 14 日) の終了時に有料サブスクリプションに変換できます。 このようなコンバージョンを監視することは、私たちにとって非常に重要です。

さらに、購入とレンタルもあります。ユーザーは、新しい映画など、メインのサブスクリプションの一部として利用できないコンテンツを購入したり、コンテンツに 48 時間一時的にアクセスしたりできます。

マーケティング部門は、固定の最大 CAC で有料ユーザー数を 3 倍にすることを目指しています。 ただし、非定型のセールス ファネルと多数の対象を絞ったアクションにより、広告キャンペーンの管理と評価の両方が非常に複雑になります。 この目標を達成するために、彼らはあらゆる種類のトランザクションを考慮して、広告チャネルを客観的に評価できるツールを必要としていました。 内部ストレージと独自のソリューションに基づいて構築された分析では不十分でした。

また、分析されたデータの品質に関する質問もありました。 すべてのサブスクリプション フォームの送信が Web サイトで追跡されたわけではなく、CRM からダウンロードされたデータには、Web サイトとは異なる形式のデータを照合するためのキーが含まれていました。 一致するデータの割合を増やし、それに応じてデータの品質を高めるには、偏差の規模とダイナミクスを示し、Web サイトの問題を特定できる監視ツールが必要でした。

すべてのタイプのトランザクションに関するレポートとデータ品質を自動的に監視するツールを取得するために、Google BigQuery に基づいて高度な分析を構成することが決定されました。

Google BigQuery でウェブサイトと広告サービスからデータを収集するために、チームは Google アナリティクス 360 と OWOX BI を使用しました。 OWOX アナリストは、オンライン ムービー ストリーミング サービスのビジネス モデルの機能を考慮し、オンライン データの品質をチェックし、それを CRM システムからのデータと組み合わせるメトリック システムの開発と実装を支援しました。情報は CRM にのみあります。

ダッシュボードのデータを結合する方法:

1. OWOX BI パイプラインを使用して、広告サービスから Google アナリティクスと Google BigQuery に費用データを自動的にインポートします。
2. ウェブサイトでのユーザーの行動データを収集し、Google アナリティクス 360 を使用して Google BigQuery に送信します。
3. カスタム ソリューションを使用して、CRM から BigQuery に販売データをアップロードします。
4. OWOX BI Attribution を使用して、データ駆動型ファネル ベースのアトリビューション モデルを設定します。
5. Google BigQuery では、ウェブサイト データ、広告サービス データ、属性計算の結果を 1 つのビューに結合します。
6. BigQuery ビューから Google データポータル ダッシュボードにデータを転送します。

1.その結果、セールス ファネルができました。 各チャネルの各ターゲットへのコンバージョンを確認し、さまざまなシナリオの有効性について結論を導き出すことができます。

たとえば、全体的な指標を含むパフォーマンス レポートは、さまざまなタイプのコンバージョン (トライアル、アクティブ化されたトライアル、サブスクリプション、購入、レンタル) に対するソース、チャネル、およびキャンペーンの客観的な貢献を確認するのに役立ちます。

ダッシュボードには、マーケティング担当者の作業を容易にする多くのオプションがあります。 たとえば、特定の映画や製品に関するデータを分析し、ユーザーのステータスを追跡するフィルターがあります。 たとえば、ユーザーが試用中で、キャンペーンの後にサブスクライブする場合があります。 同様のステータスが多数あります。これらは、特定のユーザーを対象としたキャンペーンと、特定のセグメントでの結果がどのように機能するかを評価するのに役立ちます。

たとえば、下のグラフは、人気がピークから落ち始めたときに、プレミア公開後に映画Soulの購入がレンタルにどのように流れ込むかを示しています。

セッションからトライアルへのコンバージョン率、およびトライアルからサブスクリプションへのコンバージョン率を示すページがあります。 高度な分析を設定する前は、チームがこの情報を追跡することは困難でした。

マーケターがより詳細な情報を見ることができる、費用とすべてのタイプの取引のための別のページもあります.

2.キャンペーンの成長ポイントを見つけたい場合、指標とシナリオを計算するだけでは十分ではありません。 そのため、BigQuery で収集されたデータに基づく OWOX からのファネル ベースのアトリビューションが設定されました。

アトリビューション データに基づいて、チームは次のレポートを作成しました。

レポートでは、すべての種類のトランザクション (試用、有効化された試用、サブスクリプション、所有データ、レンタルなど) のチャネルの値 (コンバージョン数) を表示できます。 パフォーマンス レポートのすべての指標は、OWOX BI の最後の非直接クリックと ML ファンネル ベースの 2 つのアトリビューション モデルに従ってカウントされます。

スクリーンショットでは、すべてのコンバージョン タイプについて、これらのアトリビューション モデル間の偏差のパーセンテージを確認できます。 このレポートは、マーケティング担当者がラスト ノンダイレクト クリック モデルに従って過大評価または過小評価されたチャネルを追跡し、広告予算を割り当てるのに役立ちます。

3.非常に多くのソースから、非常に多くのメトリクスのデータの品質をどのように制御できるのでしょうか? チームは、意思決定を行うためのデータ マッチングの品質を示す別のダッシュボードを作成しました。

照合とは、Web サイトからトランザクション データを収集し、それを CRM のデータと比較するプロセスです。 通常、CRM データはトランザクション ID によってオンライン データにリンクされます。 サービスが OWOX との連携を開始する前は、トランザクション ID の約 60% が転送されていませんでした。 つまり、一致の割合は約 40% でした。

データに対する信頼は重要です。 分析のための入力が、実際の状況と一致しない低品質のデータを使用する場合、出力の結果はほとんど信頼できません。

以前は、チームは一致率のチェックに多くの時間を費やしていました。 今では、トランザクションの何パーセントが評価されたかを明確に示すツールがあります。 CRM のデータとオンライン データがどの程度一致しているかをいつでも確認できるため、追加の時間を無駄にする必要はありません。 オンライン データで何かが突然失われた場合、すぐに表示されます。

追加のデータ リンク ロジック (OWOX の同僚が支援) を適用することで、チームは一致率を 40% から許容範囲内の 85% に引き上げました。 また、このレポートはフロントエンドでのアクションに関するフィードバックを提供するため、ある時点で Web サイトの主なバグを修正し、90% の一致率を得ることができました。

4. このプロジェクトに取り組んでいる間、サービス チームは別のタスクに直面しました。それは、 Google BigQuery のコストの管理です。

日常管理の重要な対象は、データ品質だけではありません。 オンライン ムービー ストリーミング サービスは、数十人の従業員にデータを提供します。 また、要求の処理が不十分な場合、会社の分析サポートへの支出が予期せず増加する可能性があります。

常に最新の情報を把握するために、彼らは 2 つのソリューションを使用しています。

1. Google BigQuery によって処理されたデータ量 (GB 単位) と関連するコストを監視するためのダッシュボード:

ここでは、最も多くのデータが処理されたアカウントを確認し、制限を超えた特定のマネージャーに警告することができます。

2. レポートが更新されない場合、または Google BigQuery で計画された費用を超えた場合にメッセージを表示するチャットボット。 これは、毎月のデータ処理コストを計画するのに役立ちます。 レポート内のすべてのソースからのデータを更新した直後に、同じボットがアラートを出すため、チームは比較に時間を浪費せず、すぐにキャンペーンの分析を開始できます。

チームは結果として得られたダッシュボードをすべての通常のプロセスで使用して、パフォーマンス キャンペーンを管理します。 将来的には、モバイル アプリケーションを作成してクロスデバイス アトリビューションの問題を解決し、分析におけるメディア キャンペーンの影響を評価する予定です。