2. 1. Внедряем онлайн-аналитику
в проектах наших клиентов более 1 млн. транзакций в неделю
2. Разрабатываем сервисы в Google Cloud Platform
сервисам Google Cloud доверяют более 1000 компаний во всем мире
3. Организовываем профессиональные мероприятия
18 094
пользователей
16 335
проектов
80
стран
3. Сегодня в программе
1. Кому и зачем нужен ROPO-анализ?
2. Какая структура данных нам нужна для построения
отчетов и как собрать необходимые данные в Google
BigQuery?
3. Построение отчетов в Google Sheets и Data Studio и
анализ полученных результатов.
4. ROPO-анализ в Smart Data.
6. Выбираем телевизор
● Читает отзывы
● Сравнивает цены
● Сравнивает характеристики
● Смотрит на качество
изображения
● Оценивает скорость
переключения каналов
Так где же будет совершена покупка в итоге?
8. Как часто мы используем интернет для
принятия решений?
9. Зачем нужен ROPO анализ?
● Поможет сделать выводы на уровне рекламных кампаний
● Улучшить условия доставки, оплаты, ассортимента
● Поможет понять, почему посетители не делают заказ на сайте,
а идут в магазин или вообще уходят к конкурентам
● Выявить ошибки в ценообразовании (разница стоимости в
онлайне и офлайне)
● Выявить ограничения в акциях
● Найти сложности, связанные с юзабилити сайта
10. Какая структура данных нам нужна для построения
отчетов и как собрать необходимые данные в Google
BigQuery?
11. Как объединить онлайн и офлайн?
● Карта лояльности онлайн.
● Выводить статус заказа на сайте
● Подписка на email-рассылку со специальными предложениями.
● Сделать авторизацию условием акции или конкурса, использовать купоны
● Предлагать офлайн-покупателям дополнительный месяц гарантии на товар, если они
зарегистрируют чек на сайте.
● Предлагать отправить ссылку на видео и лучшие примеры использования товара на email.
● Предлагать бесплатный доступ к пробной версии (актуально для SaaS бизнеса).
● Давать возможность скачать полезный контент: презентации, исследования.
● Форма для обратной связи с сотрудниками компании.
● Регистрация на вебинары, семинары, тренинги и т.д.
Найти ключи
12. 1. Клиент посещает ваш сайт и выбирает товар.
Сейчас известен только Google Analytics Client ID.
2. Затем он приходит в ваш офлайн-магазин,
совершает покупку и оставляет свой email-адрес в
анкете.
3. Вы отправляете офлайн-покупателям, которые
согласились получать рассылку, письмо со
специальным предложениями и акциями.
4. Как только клиент нажимает на ссылки из
электронной почты, вы можете связать его email-
адрес с Google Analytics Client ID.
Пример 1
Благодаря этому вы сможете
узнать рекламную кампанию,
которая привела его на сайт,
после чего он пришел в
физический магазин.
13. 1. Клиент приходит на сайт, выбирает товар и
подписывается на рассылку. Вам известны Google
Analytics Client ID и электронная почта.
2. Из рассылки он узнает об акции в офлайн-магазине,
приходит чтобы совершить покупку и оставляет
свою электронную почту, заполняя анкету, чтобы
получить карту лояльности.
Пример 2
Теперь вы можете сопоставить
email-адреса людей, которые
делали покупки в онлайне и в
офлайне.
14. Этапы решения задачи
1. Объединить данные онлайн и офлайн с данными о транзакциях
2. Выявить сегмент ROPO - заказов и пользователей, понять долю ROPO по
отношению к онлайну и офлайну.
3. Построить дашборды для верхнеуровнего мониторинга данных и их динамики.
4. Построить детальные таблицы для агентств , чтобы они могли использовать данные
о ROPO доходе в своем медиапланировании и отслеживать результаты. Эти
таблицы используют специалисты по контекстной рекламе, чтобы планировать
бюджет на разные регионы и эффективность с учетом ROPO-дохода.
5. Совершают ли они потом заказ через сайт? Что им мешает изначально оформить
заказ на сайте? Как сэкономить бюджет на ремаркетинг на этих пользователях?
15. Какие данные нужны? В какой структуре?
Данные о поведении пользователей на сайте:
● Стандартный экспорт (выгрузка данных из GA в
BigQuery)
● Или OWOX BI PIPELINE - данные о поведении
пользователей (сессионный стриминг)
Данные об офф-лайн заказах:
● Разовая выгрузка заказов из CRM
● Или автоматическая выгрузка заказов
16. Схема связывания пользователей для прямого ROPO
Сайт
Данные о сессиях: Данные об онлайн
транзакциях:
sessionId
userId
clientId
transactionId
userId
CRM
Данные о
пользователе:
Данные об
офлайн
транзакции:
Номер карты
userId
Номер карты
transactionId
17. Структура данных из CRM
Минимальный набор полей в выгруженной таблице должен быть следующий:
● Дата совершения транзакции
● ID транзакции
● Сумма заказа
● ID пользователя
Дополнительные поля, которые позволят получить отчеты в дополнительных срезах:
● Город
● ID товара
● Количество товаров в заказе
● Цена каждого товара
● Тип оплаты
● Тип доставки
● Статус заказа
18. Схема связывания пользователей для обратного ROPO
Сайт
Данные о
сессиях
Данные об
онлайн
транзакциях
sessionId
userId
clientId
transactionId
userId
CRM
Данные о
пользователе
Данные об
офлайн
транзакции
Данные о
посещении
магазина
Номер карты
userId
Номер карты
transactionId
MAC-id
Данные с приложения
Данные о
пользователе
Данные о
посещении
магазина
MAC-id
userId
clientId
(userId)
19. Какие ошибки могут встречаться в
исходных данных?
Данные о поведении пользователей
● Наличие и корректная передача userId (или другого общего идентификатора
пользователя)
● Корректность данных о сессиях и транзакциях
Данные о транзакциях
● Проверить данные на наличие всех необходимых полей
● Наличие данных по всем дням
● Сопоставимый формат даты, дохода, города
● Наличие параметра userId у транзакций
● Дублирование транзакций
21. О Darjeeling
1. Бренд был создан
Groupe Chantelle в 1995
году.
2. 155 магазинов
3. 8.7 миллионов
посетителей в год
4. Оборот составляет более
100 млн евро в год
22. Цели:
Оценить вклад онлайн кампаний в продажи офлайн
Сложности:
1. Darjeeling использует разные системы для сбора и хранения данных
2. Ранее никогда не пытались объединить данные
24. Объединение данных online & offline
Данные связывались по такому сценарию:
1. Брали из таблицы о выполненных заказах
transaction_id, user_id и time, например, 1 ноября.
2. В таблице с данными об онлайн-действиях
пользователей отбирали все сессии до 1 ноября.
Искали среди них такой же user_id.
3. Находили сессию, которая ближе остальных к
дате транзакции, и брали данные об источнике
трафика из этой сессии.
Таблица с данными по
выполненным заказам
25. Путь пользователя
Оказалось, что порядка
85% всех ROPO-продаж
Darjeeling совершаются в
течение 14 дней после
визита пользователя на
сайт.
31. Какие данные вам нужны для получения
ROPO-отчетов в Smart Data
1. Поток Google Analytics Real-Time Data→Google BigQuery с настроенным сбором
данных о сессиях в OWOX BI Pipeline или Стандартный экспорт
2. Данные об офлайн-покупках транзакциях из вашей CRM-системы в виде
таблицы или представления BigQuery с такой структурой данных.