Les analyses de bout en bout ne consistent pas uniquement en de superbes rapports et graphiques. La possibilité de suivre le parcours de chaque client, du premier point de contact aux achats réguliers, peut aider les entreprises à réduire le coût des canaux de publicité inefficaces et surévalués, à augmenter le retour sur investissement et à évaluer l'impact de leur présence en ligne sur les ventes hors ligne. Les analystes de OWOX BI ont rassemblé cinq études de cas démontrant qu'une analyse de haute qualité permet aux entreprises de réussir et de générer des bénéfices.
Utilisation d'analyses de bout en bout pour évaluer les contributions en ligne
La situation. Une entreprise a ouvert une boutique en ligne et plusieurs magasins de vente au détail. Les clients peuvent acheter des biens directement sur le site Web de la société ou les consulter en ligne et se rendre dans un magasin physique pour les acheter. Le propriétaire a comparé les revenus tirés des ventes en ligne et hors ligne et a conclu qu'un magasin physique génère beaucoup plus de bénéfices.
L'objectif . Décidez si vous souhaitez éviter les ventes en ligne et concentrez-vous sur les magasins physiques.
La solution pratique. La société de lingerie Darjeeling étudie l'effet ROPO – l'impact de sa présence en ligne sur ses ventes hors ligne. Les experts de Darjeeling ont conclu que 40% des clients avaient visité le site avant d’acheter en magasin. Par conséquent, sans la boutique en ligne, près de la moitié de leurs achats n’auraient pas lieu.
Pour obtenir cette information, la société s’appuyait sur deux systèmes de collecte, de stockage et de traitement des données:
- Google Analytics pour obtenir des informations sur les utilisateurs. actions sur le site Web
- Le système de gestion de la relation client de l'entreprise pour les données relatives au coût et à l'exécution des commandes
Les spécialistes du marketing de Darjeeling ont combiné les données de ces systèmes, qui présentaient des structures et une logique différentes. Pour créer un rapport unifié, Darjeeling a utilisé un système de BI pour l'analyse de bout en bout.
Utilisation des analyses de bout en bout pour augmenter le retour sur investissement
Situation. Une entreprise utilise plusieurs canaux de publicité pour attirer les clients, notamment la recherche, la publicité contextuelle, les réseaux sociaux et la télévision. Ils diffèrent tous par leur coût et leur efficacité.
L'objectif. Évitez les publicités inefficaces et coûteuses et utilisez uniquement des publicités efficaces et peu coûteuses. Cela peut être fait en utilisant des analyses de bout en bout pour comparer le coût de chaque canal avec la valeur qu'il apporte.
La solution pratique. Dans la chaîne de cliniques médicales Doctor Ryadom les patients peuvent dialoguer avec les médecins de différentes manières: sur le site Web, par téléphone ou à la réception. Les outils d’analyse Web habituels ne suffisaient pas pour déterminer d’où venait chaque visiteur, car les données étaient collectées dans différents systèmes et n’étaient pas liées. Les analystes de la chaîne ont dû fusionner les données suivantes dans un seul système:
- Données sur le comportement des utilisateurs de Google Analytics
- Données sur les appels provenant de systèmes de suivi des appels
- Données sur les dépenses de toutes les sources publicitaires
- Données sur les patients, admissions et recettes provenant du système interne de la clinique
Les rapports fondés sur ces données collectives indiquent les canaux qui ne sont pas rentables. Cela a aidé la chaîne de cliniques à optimiser leurs dépenses publicitaires. Par exemple, dans le cadre de la publicité contextuelle, les spécialistes du marketing n'ont laissé que des campagnes avec une meilleure sémantique et ont augmenté le budget alloué aux géoservices. En conséquence, le docteur Ryadom a multiplié par 2,5 le retour sur investissement de chaque canal et réduit de moitié les coûts de publicité.
Utilisation de l'analytique de bout en bout pour rechercher des zones de croissance
La situation. Avant d’améliorer quelque chose, vous devez savoir ce qui ne fonctionne pas correctement. Par exemple, le nombre de campagnes et d'expressions de recherche dans la publicité contextuelle a augmenté si rapidement qu'il n'est plus possible de les gérer manuellement. Vous décidez donc d'automatiser la gestion des enchères. Pour ce faire, vous devez comprendre l'efficacité de plusieurs milliers de phrases de recherche. Après tout, avec une évaluation incorrecte, vous pouvez soit fusionner votre budget pour rien ou attirer moins de clients potentiels.
L'objectif. Évaluez les performances de chaque mot clé pour des milliers de requêtes de recherche. Éliminez les dépenses inutiles et les faibles acquisitions en raison d'une évaluation incorrecte.
La solution pratique. Pour automatiser la gestion des enchères, Hoff un détaillant hypermarché de meubles et d'articles ménagers, a connecté toutes les sessions utilisateur. Cela leur a permis de suivre les appels téléphoniques, les visites de magasins et chaque contact avec le site à partir de tout appareil.
Après avoir fusionné toutes ces données et mis en place des analyses de bout en bout, les employés de la société ont commencé à mettre en œuvre l’attribution – la distribution de valeur. Par défaut, Google Analytics utilise le dernier modèle d'attribution de clic indirect. Mais cela ignore les visites directes et le dernier canal et la dernière session de la chaîne d'interaction reçoivent toute la valeur de la conversion.
Pour obtenir des données précises, les experts Hoff ont défini l'attribution par entonnoir. La valeur de conversion qu'il contient est répartie entre tous les canaux participant à chaque étape de l'entonnoir. Lorsqu'ils ont étudié les données fusionnées, ils ont évalué les bénéfices de chaque mot clé et ont déterminé ceux qui étaient inefficaces et qui entraînaient le plus grand nombre de commandes.
Les analystes de Hoff ont défini ces informations pour les mettre à jour quotidiennement et les transférer au système automatisé de gestion des enchères. Les enchères sont ensuite ajustées pour que leur taille soit directement proportionnelle au retour sur investissement du mot clé. En conséquence, Hoff a augmenté de 17% son retour sur investissement pour la publicité contextuelle et doublé le nombre de mots clés efficaces.
Utilisation de l'analytique de bout en bout pour personnaliser la communication
La situation. Dans toute entreprise, il est important d’établir des relations avec les clients afin de faire des offres pertinentes et de suivre l’évolution de la fidélité à la marque. Bien sûr, quand il y a des milliers de clients, il est impossible de faire des offres personnalisées à chacun d’eux. Mais vous pouvez les diviser en plusieurs segments et établir une communication avec chacun de ces segments.
L'objectif. Divisez tous les clients en plusieurs segments et établissez une communication avec chacun de ces segments
Solution pratique. Butik centre commercial de Moscou proposant une boutique en ligne de vêtements, chaussures et accessoires, a amélioré son travail avec les clients. Pour accroître la fidélité des clients et leur valeur à vie, les spécialistes du marketing Butik ont personnalisé la communication via un centre d'appels, des e-mails et des SMS.
Les clients ont été divisés en segments en fonction de leur activité d'achat. Il en résulte des données éparses car les clients peuvent acheter en ligne, commander en ligne et acheter des produits dans un magasin physique ou ne pas utiliser le site du tout. De ce fait, une partie des données a été collectée et stockée dans Google Analytics et l'autre dans le système CRM.
Ensuite, les spécialistes du marketing Butik ont identifié chaque client et tous leurs achats. Sur la base de ces informations, ils ont déterminé les segments appropriés: nouveaux acheteurs, clients qui achètent une fois par trimestre ou une fois par an, clients réguliers, etc. Au total, ils ont identifié six segments et défini des règles pour la transition automatique d'un segment à l'autre. Cela a permis aux spécialistes du marketing Butik de créer une communication personnalisée avec chaque segment de clientèle et de leur montrer différents messages publicitaires.
Utilisation des analyses de bout en bout pour déterminer la fraude dans la publicité au coût par action (CPA)
La situation. Une entreprise utilise le modèle du coût par action pour la publicité en ligne. Il place des annonces et des plateformes payantes uniquement si les visiteurs effectuent une action ciblée, telle que visiter leur site Web, s'enregistrer ou acheter un produit. Mais les partenaires qui placent des annonces ne travaillent pas toujours honnêtement; il y a des fraudeurs parmi eux. Le plus souvent, ces fraudeurs substituent la source de trafic de telle sorte que leur réseau semble avoir conduit à la conversion. Sans analyse spéciale permettant de suivre chaque étape de la chaîne de vente et de voir quelles sources ont une influence sur le résultat, il est presque impossible de détecter une telle fraude.
La Raiffeisen Bank avait des problèmes de fraude marketing. Leurs spécialistes du marketing avaient remarqué que les coûts de trafic des affiliés avaient augmenté alors que les revenus restaient les mêmes, ils ont donc décidé de vérifier soigneusement le travail des partenaires.
L'objectif. Détectez la fraude en utilisant des analyses de bout en bout. Suivez chaque étape de la chaîne de vente et comprenez quelles sources influencent l'action client ciblée.
Solution pratique. Pour vérifier le travail de leurs partenaires, les spécialistes du marketing de la Raiffeisen Bank ont collecté des données brutes sur les actions des utilisateurs sur le site: informations complètes, non traitées et non analysées. Parmi tous les clients du dernier canal affilié, ils ont choisi ceux qui avaient des pauses exceptionnellement courtes entre les sessions. Ils ont constaté que pendant ces pauses, la source de trafic était permutée.
En conséquence, les analystes de Raiffeisen ont trouvé plusieurs partenaires qui s'appropriaient le trafic étranger et le revendaient à la banque. Ils ont donc cessé de coopérer avec ces partenaires et de gaspiller leur budget.
Analyse de bout en bout
Nous avons mis en évidence les problèmes de marketing les plus courants qu'un système d’analyse de bout en bout peut résoudre. En pratique, grâce aux données intégrées sur les actions des utilisateurs sur un site Web et hors ligne, aux informations des systèmes de publicité et aux données de suivi des appels, vous pouvez trouver des réponses à de nombreuses questions concernant l'amélioration de votre entreprise.
[1945] Téléchargez un livre blanc sur le marketing sponsorisé:
Comment découvrir votre public cible
Lors de l'analyse de points de données réels, vous obtenez votre stratégie de ciblage et de contenu L'avantage concurrentiel qu'elle recherchait, il est difficile de trouver les informations ou les outils appropriés pour obtenir des informations exploitables. Jusqu'à maintenant.
Source link