Кейс Answear.ua: як оцінити ефективність каналів трафіку для інтернет-магазину

Керівник відділу аналітики Answear Маргарита Євтух про те, як аналізувати трафік інтернет-магазину, підвищувати ефективність і збільшувати конверсію.

У матеріалі, підготовленому для інтернет-порталу AIN.ua Маргарита Євтух розповіла, які інструменти аналізу трафіку та поведінки користувачів використовує Answear, як краще розподілити рекламні бюджети для різних каналів залучення користувачів, чому важлива увага до деталей і як застосовувати аналіз для підвищення продажів. Rau.ua підготувала скорочену версію матеріалу керівника відділу аналітики інтернет-магазину Answear.

Ринкова стратегія Answear орієнтована, в першу чергу, на розвиток мультибрендового напрямки, забезпечення швидкої доставки покупцям продукції якісних європейських брендів. Інтернет-магазин компанії представлений в шести країнах: Україні, Польщі, Чехії, Словаччини, Румунії та Угорщини. При формуванні локальної маркетингової стратегії необхідно враховувати не тільки стадію розвитку Answear в регіоні, а й особливості просування в конкретній країні. Наприклад, в Україні широко поширені новинні ресурси, і реклама на них знайомить клієнтів з брендом, в той час як в Угорщині новинні ресурси представлені лише кількома джерелами і просуватися на них менш рентабельно. Для кожного ринку присутності Answear працюють фахівці зі знанням мови і локальних особливостей.

Відправні точки

Стратегія залучення покупців українського Answear спрямована на знайомство нових клієнтів з інтернет-магазином і підвищення рівня продажів, тому важливо оцінити не тільки початковий і заключний канал в ланцюжку до покупки, але і внесок джерела в рух користувача по воронці продажів.

Зміни починаються з правильно поставлених питань:

• Які внутрішні промоції впливають на продажу?
• Який ціновий сегмент цікавий користувачам?
• Які категорії найкраще конвертуються в покупки?

Починаючи з 500 000 відвідувань в місяць, ми зіткнулися з семплюванням (вибіркою) даних в Google Analytics, коли звіт будується на базі не 100% наявних даних, а 36,6%, а відсутня інформація масштабується на підставі існуючої. До того ж, при зборі даних в Google Analytics обмежена кількість призначених для користувача змінних (20 в не-преміум версії) для передачі повної категорії товарів на картці продукту або кількості покупок користувача.

Дані – вагомий аргумент при прийнятті управлінських рішень в компанії Answear, тому відділ маркетингу приступив до пошуку рішення, яке об’єднає веб-, фінансові і призначені для користувача дані і представить їх у зручному форматі.

Вибір інструментарію

При прийнятті рішення команда керувалася простотою настройки, ціновим фактором, технічними знаннями, якими повинен володіти фахівець для роботи з новим аналітичним інструментом. Як і в багатьох компаніях, в Answear інформація про трафік, продажи після повернень і маржинальність товарів, знаходиться в різних місцях. Тому вибір припав на Google BigQuery в складі Google Cloud Platform, як на безпечну базу даних в хмарі зі зрозумілою ціновою політикою. Зручно і те, що Google BigQuery використовує мову програмування SQL, яка досить проста у вивченні.

Для розширеного аналізу був налаштований імпорт даних про користувачів, продажи і повернення по API з внутрішньої бази в Google BigQuery. Деякі дані доводиться завантажувати в хмарний сервіс вручну, наприклад, витрати на рекламні майданчики, з якими неможливо налаштувати API-інтеграцію.

Особливості проекту

Впровадження аналітики через Google Tag Manager може зайняти від двох днів до місяця в залежності від складності проекту. Використовуючи Google Tag Manager для налаштування збору аналітичних даних, ми додали скрипт OWOX BI Pipeline, який збирає дані в Google BigQuery в форматі Google Analytics. Внесення змін до вже налаштовані теги займає не більше 10 хвилин.

Для імпорту даних з внутрішньої бази в Google BigQuery було складено технічне завдання для розробників. Метою імпорту був відбір даних, найбільш важливих для аналізу, а не створення копії бази. Завантаження даних відбувається кілька разів на день, частота може бути збільшена в залежності від цілей використання.

Отриманий результат можна завантажити в Google Spreadsheet або ж використовувати в інструментах візуалізації Google Data Studio.

Кейс 1: Відправка SMS користувачам, які цікавилися товарами певного бренду

Споживачі, що зареєструвались для отримання SMS-повідомлень Answear, отримали можливість дізнатися про початок розпродажу раніше інших користувачів. Дані про відвідуваність сторінок бренду були об’єднані з інформацією про зареєстрованих користувачів. Особливість підходу в тому, що сегментація була спрямована не тільки на користувачів, які купували товари даної марки, але й на відвідувачів, які проявляли інтерес до продуктів марки, переглядаючи їх на сайті. Розширена сегментація збільшила охоплення користувачів на 32% і підвищила дохід мобільної кампанії

Кейс 2: Розподіл рекламного бюджету залежно від вкладу каналу в ланцюжок продажів

Для кожного регіонального представництва Answear поставлені цілі, що відповідають періоду розвитку онлайн-магазину. Наприклад, зростання продажів і залучення нових покупців. Відповідно до поставлених цілей формується стратегія для каналів залучення користувачів.

Приклад поділу каналів:

Порівнювати канали переважно в межах логічної групи. Наприклад, медійна реклама привертає користувача на сайт і найчастіше є першою точкою дотику, в той час як брендові кампанії з ключовими словами «Answear» призводять покупця, вже знайомого з магазином.

Каналам необхідно поставити KPI, які будуть відповідати поставленим цілям і відведеної їм ролі. Наприклад, це можуть бути:

• продаж новим клієнтам;
• реєстрації в магазині;
• % нових відвідувань;
• мікроконверсійні дії (додавання в корзину і список бажань);
• повторні продажі;
• запис на розсилку.

Кожному з KPI необхідно присвоїти вагу:

В Google BigQuery розраховуємо місце каналу в ланцюжку продажів. При меті «залучення нових клієнтів» найбільшу вагу мають отримати ланцюжки, які призводять користувача.

На підставі отриманих даних можна оцінити роль каналу в ланцюжку продажів і отримати цілісне уявлення про цінності, які він привносить. Наприклад, рекомендації щодо перерозподілу бюджету для прикладу, показаного вище:

У 2016 році Answear.ua, як і більшість інтернет-бізнесів в певному моменті свого розвитку, прийшов до висновку, що розширений аналіз наявних даних може істотно збільшити динаміку зростання.

Після року використання, ми переконані в правильності рішення розвивати аналітику проекту, яка показує нові перспективи для нашого бізнесу.

Джерело – AIN.ua

Читайте також –

Майже Amazon Go: які сучасні технології використовує український рітейл