Hoe end-to-end-analyse bedrijven helpt

OWOX BI end-to-end-analyse

End-to-end-analyses zijn niet alleen mooie rapporten en afbeeldingen. De mogelijkheid om het pad van elke klant te volgen, vanaf het eerste contactpunt tot regelmatige aankopen, kan bedrijven helpen de kosten van ineffectieve en overgewaardeerde advertentiekanalen te verlagen, de ROI te verhogen en te beoordelen hoe hun online aanwezigheid offline verkopen beïnvloedt. OWOX BI Analisten hebben vijf casestudy's verzameld die aantonen dat hoogwaardige analyses bedrijven helpen succesvol en winstgevend te zijn.

End-to-end-analyse gebruiken om online bijdragen te evalueren

De situatie. Een bedrijf heeft een online winkel en verschillende fysieke winkels geopend. Klanten kunnen goederen rechtstreeks op de website van het bedrijf kopen of ze online bekijken en naar een fysieke winkel gaan om te kopen. De eigenaar heeft de omzet uit online en offline verkopen vergeleken en komt tot de conclusie dat een fysieke winkel veel meer winst oplevert.

Het doel. Beslis of u afstand wilt nemen van online verkopen en u wilt concentreren op fysieke winkels.

De praktische oplossing. Het lingeriebedrijfDarjeeling Bestudeerde het ROPO-effect - de impact van zijn online aanwezigheid op zijn offline verkopen. Darjeeling-experts concludeerden dat 40% van de klanten de site bezocht voordat ze een winkel kochten. Zonder de online winkel zou dus bijna de helft van hun aankopen niet gebeuren.

Om deze informatie te verkrijgen, vertrouwde het bedrijf op twee systemen voor het verzamelen, opslaan en verwerken van gegevens:

  • Google Analytics voor informatie over de acties van gebruikers op de website
  • De CRM van het bedrijf voor gegevens over kosten en voltooiing van bestellingen

Darjeeling-marketeers combineerden gegevens uit deze systemen, die verschillende structuren en logica hadden. Om een ​​uniform rapport te maken, gebruikte Darjeeling het BI-systeem voor end-to-end-analyses.

End-to-end-analyse gebruiken om het rendement op uw investering te verhogen

De situatie. Een bedrijf gebruikt verschillende advertentiekanalen om klanten aan te trekken, waaronder zoeken, contextueel adverteren, sociale netwerken en televisie. Ze verschillen allemaal in termen van kosten en effectiviteit.

Het doel. Vermijd ineffectieve en dure advertenties en gebruik alleen effectieve en goedkope advertenties. Dit kan worden gedaan met behulp van end-to-end-analyses om de kosten van elk kanaal te vergelijken met de waarde die het oplevert.

De praktische oplossing. In deDokter Ryadom keten van medische klinieken kunnen patiënten via verschillende kanalen met artsen communiceren: op de website, telefonisch of bij de receptie. Regelmatige webanalysetools waren echter niet voldoende om te bepalen waar elke bezoeker vandaan kwam, aangezien gegevens in verschillende systemen werden verzameld en niet gerelateerd waren. De analisten van de keten moesten de volgende gegevens samenvoegen tot één systeem:

  • Gegevens over gebruikersgedrag van Google Analytics
  • Oproepgegevens van oproepvolgsystemen
  • Gegevens over uitgaven uit alle advertentiebronnen
  • Gegevens over patiënten, opnames en inkomsten uit het interne systeem van de kliniek

De rapporten op basis van deze collectieve gegevens lieten zien welke kanalen niet lonen. Dit hielp de kliniekketen hun advertentie-uitgaven te optimaliseren. In contextuele advertenties lieten marketeers bijvoorbeeld alleen campagnes met een betere semantiek achter en verhoogden ze het budget voor geoservices. Als gevolg hiervan verhoogde Doctor Ryadom de ROI van afzonderlijke kanalen met 2.5 keer en halveerde de advertentiekosten.

End-to-end-analyse gebruiken om groeigebieden te vinden

De situatie. Voordat u iets verbetert, moet u weten wat er precies niet goed werkt. Misschien is het aantal campagnes en zoektermen in contextuele advertenties bijvoorbeeld zo snel toegenomen dat het niet langer mogelijk is om ze handmatig te beheren. U besluit dus het biedingsbeheer te automatiseren. Om dit te doen, moet u de effectiviteit van elk van de duizenden zoektermen begrijpen. Immers, met een verkeerde inschatting kunt u óf voor niets uw budget samenvoegen óf minder potentiële klanten aantrekken.

Het doel. Evalueer de prestaties van elk trefwoord voor duizenden zoekopdrachten. Voorkom verkwistende uitgaven en lage acquisitie als gevolg van een onjuiste beoordeling.

De praktische oplossing. Om biedingsbeheer te automatiseren,Hof, Een hypermarkt in meubels en huishoudelijke artikelen, heeft alle gebruikerssessies verbonden. Dit hielp hen telefoongesprekken, winkelbezoeken en elk contact met de site vanaf elk apparaat bij te houden.

Na het samenvoegen van al deze gegevens en het opzetten van end-to-end-analyses, begonnen de werknemers van het bedrijf attributie te implementeren - de waardeverdeling. Google Analytics gebruikt standaard het attributiemodel voor de laatste indirecte klik. Maar dit negeert directe bezoeken en het laatste kanaal en de laatste sessie in de interactieketen ontvangt de volledige waarde van de conversie.

Om nauwkeurige gegevens te krijgen, hebben Hoff-experts op trechter gebaseerde attributie ingesteld. De conversiewaarde erin wordt verdeeld over alle kanalen die deelnemen aan elke stap van de trechter. Bij het bestuderen van de samengevoegde gegevens evalueerden ze de winst van elk zoekwoord en zagen welke niet effectief waren en die meer bestellingen opleverden.

Hoff-analisten zorgen ervoor dat deze informatie dagelijks wordt bijgewerkt en wordt overgebracht naar het geautomatiseerde bidmanagementsysteem. Biedingen worden vervolgens aangepast zodat hun grootte recht evenredig is met de ROI van het zoekwoord. Als gevolg hiervan verhoogde Hoff zijn ROI voor contextueel adverteren met 17% en verdubbelde het aantal effectieve zoekwoorden.

End-to-end-analyse gebruiken om communicatie te personaliseren

De situatie. In elk bedrijf is het belangrijk om relaties met klanten op te bouwen om relevante aanbiedingen te doen en veranderingen in merkloyaliteit bij te houden. Als er duizenden klanten zijn, is het natuurlijk onmogelijk om aan elk van hen gepersonaliseerde aanbiedingen te doen. Maar u kunt ze in verschillende segmenten verdelen en communicatie met elk van deze segmenten opbouwen.

Het doel. Verdeel alle klanten in verschillende segmenten en bouw de communicatie op met elk van deze segmenten.

Praktische oplossing. winkel, Een winkelcentrum in Moskou met een online winkel voor kleding, schoenen en accessoires, verbeterde hun werk met klanten. Om de loyaliteit van klanten en de levenslange waarde te vergroten, gepersonaliseerde communicatie van Butik-marketeers via een callcenter, e-mail en sms-berichten.

De klanten werden op basis van hun koopactiviteit in segmenten verdeeld. Het resultaat was verspreide gegevens omdat klanten online kunnen kopen, online kunnen bestellen en producten kunnen ophalen in een fysieke winkel, of de site helemaal niet kunnen gebruiken. Hierdoor werd een deel van de gegevens verzameld en opgeslagen in Google Analytics en het andere deel in het CRM-systeem.

Vervolgens identificeerden Butik-marketeers elke klant en al hun aankopen. Op basis van deze informatie hebben ze geschikte segmenten bepaald: nieuwe kopers, klanten die eens per kwartaal of eens per jaar kopen, vaste klanten, etc. In totaal hebben ze zes segmenten geïdentificeerd en regels opgesteld voor automatische overgang van het ene segment naar het andere. Hierdoor konden Butik-marketeers persoonlijke communicatie met elk klantsegment opbouwen en hen verschillende reclameboodschappen laten zien.

End-to-end-analyse gebruiken om fraude bij CPA-advertenties (cost-per-action) te bepalen

De situatie. Een bedrijf gebruikt het kosten-per-actie-model voor online adverteren. Het plaatst advertenties en betaalt platforms alleen als bezoekers een gerichte actie uitvoeren, zoals hun website bezoeken, zich registreren of een product kopen. Maar partners die advertenties plaatsen, werken niet altijd eerlijk; er zijn fraudeurs onder hen. Meestal vervangen deze fraudeurs de verkeersbron op zo'n manier dat het lijkt alsof hun netwerk tot de conversie heeft geleid. Zonder speciale analyses waarmee u elke stap in de verkoopketen kunt volgen en kunt zien welke bronnen het resultaat beïnvloeden, is het bijna onmogelijk om dergelijke fraude op te sporen.

Raiffeisen Bank had problemen met marketingfraude. Hun marketeers hadden gemerkt dat de verkeerskosten van affiliate waren gestegen terwijl de inkomsten gelijk bleven, dus besloten ze het werk van partners zorgvuldig te controleren.

Het doel. Detecteer fraude met end-to-end-analyses. Houd elke stap in de verkoopketen bij en begrijp welke bronnen de gerichte klantactie beïnvloeden.

Praktische oplossing. Om het werk van hun partners te controleren, verzamelden marketeers van Raiffeisen Bank onbewerkte gegevens van gebruikersacties op de site: volledige, onbewerkte en niet-geanalyseerde informatie. Onder alle klanten met het nieuwste aangesloten kanaal, kozen ze degenen die ongewoon korte pauzes hadden tussen sessies. Ze ontdekten dat tijdens deze pauzes de verkeersbron werd verwisseld.

Als gevolg hiervan vonden Raiffeisen-analisten verschillende partners die zich buitenlands verkeer toeëigenden en dit doorverkopen aan de bank. Dus stopten ze samen met deze partners en verspilden ze hun budget niet meer.

End-to-end-analyse

We hebben de meest voorkomende marketinguitdagingen belicht die een end-to-end-analysesysteem kan oplossen. In de praktijk kunt u met behulp van geïntegreerde gegevens over gebruikersacties zowel op een website als offline, informatie uit advertentiesystemen en gegevens voor het volgen van oproepen, antwoorden vinden op veel vragen over hoe u uw bedrijf kunt verbeteren.

Wat denk je?

Deze site gebruikt Akismet om spam te verminderen. Ontdek hoe uw reactiegegevens worden verwerkt.