Поделитесь вашим контентом. Начните с пункта меню "Создать". Большинство элементов в нём можно размещать без регистрации. И если Вы разместили действительно полезный контент, то после модерации он попадет на все информационные площадки Гильдии Маркетологов и в почтовые рассылки. Все размещенные материалы сохраняются и каталогизируются.

Если Вы решили создать свой блог на инфопортале, то для выделения Вам форума и получения прав модератора свяжитесь с администратором

Компания OZON.ru в два раза увеличила показатель конверсии при ремаркетинге благодаря интеграции данных из CRM

Начать новую тему   Ответить на тему

Предыдущая тема Следующая тема Перейти вниз

Компания OZON.ru в два раза увеличила показатель конверсии при ремаркетинге благодаря интеграции данных из CRM

Сообщение автор Admin в Вт 28 Мар 2017, 10:45


Один из ведущих игроков российского рынка электронной коммерции компания OZON.ru решила использовать данные из собственной CRM для повышения рентабельности инвестиций в рекламу при ремаркетинге. Благодаря моделированию ожидаемого LTV, которое позволило предсказывать прибыльность покупателей и в соответствии с этим ранжировать рекламные затраты на их привлечение, ей удалось удвоить показатель конверсии, а объем рекламных кампаний вырос в 2,5 раза.
 
CRM хранит огромный пласт ценной информации о покупателях и тех действиях, которые они совершали на сайте компании, особенно, когда речь идет о таком крупном игроке рынка e-commerce как OZON.ru. Именно поэтому для увеличения эффективности ремаркетинга и корректировки затрат на привлечение отдельных клиентов, было принято решение использовать данные из CRM. Это позволило ранжировать пользователей, которые уже взаимодействовали с сайтом OZON.ru в прошлом, по ожидаемой прибыли для компании и настроить ремаркетинг таким образом, чтобы более высокие ставки автоматически выставлялись на более прибыльных клиентов.

Методология интеграции данных из CRM

На первом этапе была настроена ежедневная обработка данных в CRM компании OZON.ru. Специальное приложение оценивало всех пользователей, совершивших действия на сайте, на основе RFM-модели по трем показателям: как давно (Recency) и с какой частотой (Frequency) они делали покупки, а также по величине чека (Monetary Value) и их географии. Приложение предсказывало ожидаемый LTV каждого покупателя в течение года и передавало эти данные в Google Analytics, где пользователи группировались в списки аудиторий на основе предсказательных сигналов их дальнейшего поведения по отношению к компании и вероятности совершения покупок. И наконец, на последнем этапе эти аудитории экспортировались в Google AdWords, где по ним настраивался ремаркетинг, автоматически ранжируя значения рекламных ставок исходя из разницы в ожидаемой прибыльности этих списков.

Результаты

После интеграции данных из CRM в онлайн-рекламу, OZON.ru получил видимые результаты: показатель конверсии кампаний ремаркетинга увеличился в два раза. Кроме того, в два с половиной раза вырос объем кампаний, а коэффициент возврата инвестиций (ROI) стал выше на 55%. Также данный подход был одним из драйверов улучшения когортного поведения покупателей, помогая поддерживать покупки и уменьшать отток (customer churn) у повторных покупателей. Ощутив эффект от данного подхода, OZON.ru начал использовать его не только в контекстно-медийной сети Google, но и в поисковой рекламе.

Резюме

Цели


  • Повысить эффективность рекламных кампаний при ремаркетинге, не уменьшая их объем

Подход

Интеграция CRM данных компании:

  • Использование RFM модели, которая позволяет ранжировать пользователей, совершавших действия на сайте, по ожидаемой прибыльности за следующий год (LTV)
  • Передача этих данных (обезличенные user_id) в Google Analytics
  • Создание групп пользователей с одинаковой доходностью и экспорт их в Google AdWords
  • Настройка затрат на ретаргетинг исходя из ожидаемой прибыльности этих групп

Результаты


  • В два раза увеличился показатель конверсии рекламных кампаний OZON.ru
  • В 2,5 раза увеличился объем рекламных кампаний, а возврат инвестиций в рекламу (ROI) повысился на 55%


Как использовать данные из CRM для повышения прибыли от онлайн-рекламы



Чем руководствуется рекламодатель, рассчитывая ставку на рекламу? Целевая стоимость привлечения, определяется тем, сколько прибыли мы ожидаем получить в результате рекламной кампании. Однако, не все пользователи, зашедшие на сайт, ведут себя одинаково — они совершают разное количество покупок и конвертируются с разной частотой. Должен ли в этом случае рекламодатель платить одинаково за их привлечение? Ответ: нет. CRM компании позволяют отслеживать поведенческие сигналы тех клиентов, которые уже побывали на сайте, и в дальнейшем использовать эти данные для настройки более эффективных и выгодных рекламных стратегий.
 

Каким рекламодателям выгодно использовать интеграцию с данными CRM?

Использовать внутреннюю информацию о поведении пользователя в своих рекламных кампаниях могут все рекламодатели, собирающие данные о клиентах в CRM. В зависимости от количества и качества накопленных данных, они могут использовать более простые или продвинутые варианты их анализа.
Минимальные требования для встраивания CRM данных в рекламные кампании:

  • наличие базы данных пользователей (CRM);
  • интеграция данных по ID пользователя с Google Analytics;
  • ресурсы для создания лог-файлов.

Максимальную выгоду от интеграции CRM данных для оптимизации рекламы получат рекламодатели, которые:

  • собрали базу историй покупок за достаточно продолжительный период времени (за последние полтора года и более);
  • работают в сфере бизнеса, где среднее количество транзакций за год на одного клиента превышает 1 (такие как розница, сайты поиска билетов / отелей и т.д.).

Как поведенческие сигналы из CRM помогают повысить эффективность рекламы?

Сегодня существуют системы автоматического выставления ставок (Google Auto-bidding, aka Conversion Optimizers), которые оптимизируют рекламные затраты (ставки за клик) по заданным показателям, таким как целевая стоимость привлечения (CPA) или желаемый ROI. Эти алгоритмы используют информацию известную о пользователе, чтобы сформировать ожидание по нему (сколько такие пользователи как он приносят в среднем). Авто-бидинг алгоритмы Google используют общие обезличенные данные о пользователях — историю поиска в интернете и набора ключевых слов, частично историю онлайн-покупок и демографическую информацию.
На самом деле, гораздо больше ценной информации о поведении пользователей хранится в CRM самого рекламодателя. И так как это данные поведения людей по отношению к конкретной компании, они являются лучшим предсказателем их дальнейших отношений с ней. Это данные о непосредственных действиях, совершенных клиентами на сайте компании: информация о маржинальности разных продуктов, данные о кросс-платформенных аккаунтах, история покупок не только онлайн, но и оффлайн, контактная информация и пр. По этим поведенческим сигналам, которые рассказывают, что человек делал до настоящего момента времени, можно с большой вероятностью судить, что он будет делать в будущем. И чем больше данных копится о пользователях в CRM, тем выше их предсказательная возможность, и тем эффективнее их можно использовать для увеличения дохода от рекламы.



Внимание: пользовательское соглашение Google Analytics запрещает загрузку персональных данных (т.к. имена, телефоны, не-хэшированные адреса эл. почты, т.д.). Допускаются только обезличенные user_id.
Анализ максимального количества сигналов, в том числе из CRM, позволяет определить ценность пользователей для рекламодателя и затем ранжировать их по ожидаемой прибыли, к примеру, хотя бы на три категории — выгодные, средне выгодные и невыгодные. Это разделение помогает скорректировать затраты на рекламное привлечения отдельных клиентов, рассчитав оптимальную величину ставок по каждой из трех категорий, и нарастить эффект от рекламной кампании в целом.

Как извлекать предсказательные сигналы из данных CRM и настраивать рекламу?

Существуют различные способы извлечения предсказательного сигнала из CRM данных. К примеру, через так называемый “RFM” — анализ, который позволяет ранжировать людей, совершавших действия на сайте, на основе трех показателей: как давно (Recency) и с какой частотой (Frequency) они совершали некое действие, например, делали покупки, а также по величине чека (Monetary Value). RFM позволяет не только наглядно увидеть, какие пользователи тратили больше денег в прошлом, но и рассчитать вероятность и ожидаемые суммы их будущих покупок. Оценив таким образом разницу доходов для рекламодателя от топового и самого слабого сегмента клиентов, становится понятно, что если рекламные расходы компании распределены равномерно по всей аудитории, то бизнес переплачивает за пользователей с низкой ожидаемой доходностью и недоплачивает за топовых клиентов.
Простейший способ “предсказания” ожидаемого дохода с клиента по RFM — это разбить всех клиентов на равные группы по каждому измерению и за последующий период времени замерить разницу среднего дохода по каждой комбинации против среднего по всей базе клиентов.



Завершив сегментацию по ожидаемому доходу, надо передать полученный предсказательный сигнал из CRM на рекламную площадку. Самый простой способ — сгруппировать пользователей с одинаковой доходностью в пользовательские списки в Google AdWords и уже по ним настраивать ремаркетинг, ранжируя значения рекламных ставок (за показ, клик и/или другой способ) исходя из разницы в ожидаемой прибыльности этих списков.



Самая доходная группа пользователей конвертируется не только с большей вероятностью, но и с более высоким средним чеком. Таким образом, подход RFM позволяет ранжировать ставки, принимая во внимание не только коэффициент конверсии, а общий денежный доход от рекламной кампании.



Выводы

Сегодня для рекламодателей, занимающихся ремаркетингом, важно накапливать данные покупателей в CRM не только для анализа, но и для их прямого использования в интернет-рекламе. Компании могут пользоваться помощью внешних интернет-агентств и/или системами автоматического выставления рекламных ставок (Google Conversion Optimizer) для оптимизации своих рекламных затрат, но следует помнить, что без интеграции с CRM компании они способны анализировать только часть данных о пользователях. Большая и более важная часть поведенческих данных пользователей, касающаяся частоты покупок, процента отказов, размера среднего чека и других показателей, доступна только через CRM компании. Используя эту информацию, рекламодатель может качественно предсказывать, как будут вести себя его покупатели в будущем, и на основе этого ранжировать будущие рекламные затраты на них соответственно.
Выгоду от интеграции данных CRM для повышения эффективности онлайн-рекламы может получить любой рекламодатель при условии, что он собирает информацию о клиентах и грамотно ее обрабатывает. Методы извлечения предсказательных сигналов могут самыми разнообразными — от простого ранжирования до продвинутых алгоритмов, обрабатывающих большой пласт данных. Чем больше действий совершает человек на сайте, тем проще предсказать его будущее поведение. А чем больше людей в базе данных CRM, тем больше выгоды это принесет бизнесу.

Источник - материалы "Think with Google"

Admin
Admin

Дата регистрации : 2016-02-14
Сообщения : 320
Репутация : 7

Вернуться к началу Перейти вниз

Предыдущая тема Следующая тема Вернуться к началу


 
Права доступа к этому форуму:
Вы можете отвечать на сообщения
Яндекс.Метрика