Jak zautomatyzować raportowanie marketingowe w branży restauracyjnej

Z pomocą agencji marketingowej i produktów OWOX BI marketerzy w sieci restauracji całkowicie zaktualizowali swój system analityczny.

Istnieje 57 restauracji i punktów usług dostawy, serwujących zarówno dania kuchni japońskiej, jak i włoskiej. W związku ze skalowaniem i dywersyfikacją biznesu dział marketingu stanął przed nowymi zadaniami:

• Zrozum, jakie działania reklamowe przyciągają nowych użytkowników do serwisu i aplikacji mobilnej oraz ile kosztuje pozyskanie klienta. Aby to ustalić, musieli połączyć dane ze strony internetowej, aplikacji mobilnej i systemu CRM.
• Otrzymuj szybkie raporty wydajności i porównuj rzeczywistą wydajność z prognozą. W tym celu musieli zautomatyzować raportowanie marketingowe.
• Oceń przyrostowy wpływ wyświetleń w mediach na kanały wydajności oraz ukierunkowane działania w witrynie i aplikacjach mobilnych. W tym celu połączyli surowe dane na poziomie identyfikatora klienta z wyświetleniami z Campaign Managera.

Zobaczmy, jak wykonali każde z tych zadań i udzielmy kilku rad tym, którzy dopiero zaczynają swoją przygodę z automatyzacją marketingu.

Uwaga: Wszystkie raporty przedstawione w artykule są oparte na testowym zbiorze danych.

Zespół zbudował zaawansowaną analitykę w oparciu o OWOX BI, Google BigQuery i Power BI. Schematycznie układ wygląda tak:

OWOX BI importuje dane o kosztach ze wszystkich systemów reklamowych, a także surowe dane witryn z Google Analytics oraz dane aplikacji z AppsFlyer. Następnie przesyła wszystkie te dane do Google BigQuery.

Google BigQuery otrzymuje również metryki prognozy, które eksperci agencji obliczają w interfejsie za pomocą języka R.

Wewnątrz Google BigQuery dane są przetwarzane i łączone przy użyciu widoków i zaplanowanych zapytań.

Na koniec dane są wizualizowane w usłudze Power BI.

Zespół skupił się na trzech raportach, za pomocą których może śledzić niezbędne wskaźniki:

• Podstawowy raport zarządczy dla systemu zrównoważonej karty wyników
• Raport dotyczący przyciągania użytkowników do serwisu
• Raport dotyczący przyciągania użytkowników do aplikacji

Opracowali Impact Matrix — hierarchię metryk — aby określić, na których metrykach należy się skoncentrować iw jakich przypadkach. Wykorzystali również metodologię zrównoważonej karty wyników do monitorowania danych predykcyjnych. W efekcie otrzymali raport, który pozwala na:

• zrozumieć, które wskaźniki są przed planem, a które za nim
• śledzić główne KPI, które mają różne wagi dla biznesu (CPO, CR, Revenue, CTR)
• przewidywać KPI

W architekturze raportów można wyróżnić trzy poziomy: poziom biznesowy, poziom KPI oraz poziom szczegółowy.

Poziom biznesowy

Na tym poziomie możesz zobaczyć plan w porównaniu z faktami dla kluczowych wskaźników biznesowych.

Z powyższych danych zespół może wywnioskować, że CR KPI został przekroczony o 43%. Jednocześnie natężenie ruchu i konwersje nie osiągnęły planowanych wartości. Wysoki CR może wskazywać na dobry UX witryny i aplikacji — jest kilka spadków, a użytkownicy dobrze konwertują. Konieczne jest jednak zwiększenie wolumenu ruchu, aby zapewnić wymagany wolumen sprzedaży.

Poziom KPI

Na podstawie raportu na poziomie KPI marketerzy analizują efektywne i nieefektywne lokacje pod kątem wskaźników CR i kosztów — pozwala to szybko podzielić budżet między kanały, aby zrealizować ogólny plan.

Raport ilustruje zgodność wyższego poziomu planowanych i rzeczywistych KPI (CR, Wizyty, Przychody, Transakcje) z prognozowanymi wartościami. Na przykład możesz zobaczyć, że plan dotyczący ogólnego natężenia ruchu na stronie nie został zrealizowany, ale jest to równoważone wyższym CR w ruchu organicznym i bezpośrednim. W związku z tym konieczne jest zwiększenie CR ruchu płatnego (typu CPC) przy bardziej dynamicznej optymalizacji lub zwiększeniu ceny zakupu. Zespół może również potrzebować zwiększyć zakup płatnego ruchu w zasadzie, aby wypełnić ogólny plan ruchu.

Szczegółowy poziom

Na tym poziomie marketerzy przyglądają się dynamice wskaźników według regionu i typu urządzenia — pomaga to również przekierować budżet na to, co działa lepiej.

Z powyższych danych można wywnioskować, że zespół rozminął się z planem pod względem łącznej liczby transakcji i CR dla danego okresu analizy o 5,5%. Jednocześnie zarówno ruch z komputerów stacjonarnych, jak i z urządzeń mobilnych wykazuje mniej więcej taką samą tendencję spadkową w stosunku do wolumenu konwersji (z komputerów stacjonarnych spadł o 5,7%, z urządzeń mobilnych o 5,6%). W związku z tym oba typy urządzeń generują równą liczbę konwersji. Ale aby zoptymalizować, należy przeanalizować ruch w sekcji CR.

Tutaj widać, że ruch mobilny (1,8%) i ruch z tabletów (2,8%) wykazały najniższe CR w grudniu. Ponieważ ruch mobilny generuje taką samą liczbę konwersji jak ruch z komputerów stacjonarnych i jest prawdopodobnie tańszy, marketerzy mogą spróbować zoptymalizować ruch mobilny, kupując ruch lepszej jakości, aby zwiększyć jego CR.

Ten wykres ilustruje plan wydajności dla ruchu w miastach. Dzięki informacjom o zakupionych wolumenach można stwierdzić, gdzie słaba wydajność jest krytyczna i wpływa na skuteczność wszystkich kampanii.

Dzięki tym raportom zespół mógł podzielić wszystkie zakupy na nowych i powracających klientów. Umożliwiło to wykluczenie powracających klientów z kampanii reklamowych dla nowych klientów, a tym samym obniżenie CPO we wszystkich kanałach. Dzięki wyświetlaniu statystyk w sekcji kanałów jednocześnie dla powracających i nowych użytkowników, marketerzy byli w stanie zrozumieć, które źródła generują więcej nowych zamówień i przechylić budżet na swoją korzyść. W źródłach, w których przeważają powtarzające się zakupy, redukowali budżet, zmniejszając tym samym całkowity planowany CPO.

Nawiasem mówiąc, główne KPI w tych raportach są obliczane na podstawie danych CRM.

Z powyższego raportu wynika, że ​​największą liczbę nowych zakupów dla całego ruchu z witryny prowadzą inst_kz (81,82%), Facebook Ads (43,45%), mobrain_int (31,25%) i gomobile_int (30,38%). Ponieważ firma ma ogólnie aktywną i lojalną publiczność oraz wysoki procent pokrycia rynku, jasne jest, dlaczego niektóre strony internetowe prowadzą klientów, którzy już co najmniej raz złożyli zamówienie w aplikacji. Dla większej efektywności i realizacji KPI Customer Acquisition zespół może próbować wykluczyć aktywnych odbiorców CRM w ustawieniach kampanii reklamowych i uruchamiać promocje dla nowych klientów.

Tutaj widać, że ponad połowa ruchu na komputerach stacjonarnych we wszystkich grupach kanałów to powracający klienci. Wskazuje to na znaczenie pracy z lojalną bazą i zwiększania retencji.

Dzięki analityce post-view możesz ocenić wpływ aktywności mediów na liczbę zamówień.

Statystyki wyświetleń są przesyłane do BigQuery z Google Campaign Manager i są szczegółowe aż do indywidualnego użytkownika (identyfikator klienta). Raport porównuje segmenty tych, którzy widzieli i tych, którzy nie widzieli reklam medialnych. W rezultacie możemy ocenić przyrostowy wpływ wyświetleń mediów na kanały wydajności i ukierunkowane działania na stronie internetowej i w aplikacji mobilnej.

Na przykład zespół dowiedział się, że konwersje na zamówienia osób, które widziały filmy i banery, były o 42% wyższe niż tych, którzy ich nie widzieli. Dzięki analityce post-view ustalili również, że widownia tych, którzy widzieli reklamy w mediach, przyniosła podwójny dochód.

W przyszłości zespół planuje opracować raportowanie międzyplatformowe. Pierwszym krokiem jest ocena wpływu ruchu internetowego na konwersje aplikacji poprzez powiązanie danych aplikacji mobilnej i strony internetowej. Takie raportowanie pozwoli na pełne zrozumienie wartości kanałów reklamowych i ocenę ich wzajemnego wpływu. Pomoże również w podejmowaniu decyzji zarządczych dotyczących rozwoju kanałów interakcji z klientem oraz dostosowania strategii komunikacji marketingowej.