«Аскона» построила сквозную аналитику на базе технологий Upmetric. Теперь в компании видят, как онлайн влияет на продажи в офлайне, и оптимизируют затраты на рекламу: понижают ДРР и стоимость заказа, повышают выручку.
«Аскона» внедрила электронные чеки: сквозная аналитика с учетом ROPO и рост повторных покупок
Аскона — крупнейший в России и Восточной Европе производитель и ритейлер товаров для здорового сна. Основан в 1990 году
Масштаб бизнеса.
474 розничные точки, 482 франчайзинговых салона и онлайн-гипермаркет
33% российского рынка матрасов (по данным собственной аналитики рынка «Асконы»)
33% российского рынка матрасов (по данным собственной аналитики рынка «Асконы»)
Upmetric — AI-система контроля эффективности маркетинга с учетом ROPO. В основе — омниканальная идентификация и электронные чеки
Задача
Найти новый канал коммуникации с клиентами
Повысить эффективность онлайн-рекламы с учетом офлайн-эффекта
Повысить эффективность онлайн-рекламы с учетом офлайн-эффекта
Решение
Внедрить электронные чеки
Использовать сквозную аналитику с учетом ROPO на основе электронных чеков и идентификации анонимных пользователей
Использовать сквозную аналитику с учетом ROPO на основе электронных чеков и идентификации анонимных пользователей
ИТ.
Сайт собственной разработки, CRM Creatio, кассы VR CRM, электронные чеки Upmetric
Результат
96% — доля электронных чеков
36% — open rate электронных чеков
1,5 минуты — среднее время просмотра электронного чека
20,6% клиентов совершают повторные покупки по промокодам из электронных чеков в течение месяца
36% — open rate электронных чеков
1,5 минуты — среднее время просмотра электронного чека
20,6% клиентов совершают повторные покупки по промокодам из электронных чеков в течение месяца
9 февраля 2023
ROPO (от английского research online, purchase offline) — поиск информации в интернете перед офлайн-покупкой
«Аскона» искала новый канал персональной коммуникации с клиентами. Решением стали электронные чеки Upmetric. Они позволили не только генерировать повторные продажи, но и внедрить сквозную аналитику с учетом ROPO. Теперь в компании видят, как веб-сессии клиентов связаны с покупками в офлайне, то есть понимают, как рекламные кампании в интернете влияют на продажи в рознице. Это дает возможность оптимизировать затраты на рекламу: понижать ДРР и стоимость заказа, повышать выручку.
Результаты внедрения электронных чеков
-
96
% доля электронных чеков -
36
% open rate электронных чеков -
1,5
минуты среднее время просмотра электронного чека -
20,6
% клиентов делают повторные покупки по промокодам из чеков в течение месяца
Зачем и как перешли на электронные чеки
«Аскона» перешла на электронные чеки в первую очередь из-за возможности персональной коммуникации с клиентами. Одновременно в компании искали решение, которое позволит идентифицировать покупателя в любом онлайн- или офлайн-канале и связать все касания в единый пользовательский путь. Таким образом планировали перейти к сквозной аналитике: в компании понимали, что доля ROPO высока, но не могли ее измерить.
Это общая проблема, вызванная техническими ограничениями: невысокой долей авторизующихся на сайте пользователей и коротким сроком жизни cookies. Из-за этого с онлайн-сессиями получается связать только 10–15% офлайн-покупок (средние данные по рынку, согласно опросам клиентов Upmetric).
Upmetric выбрали по двум критериям: возможности подключить персональные электронные чеки и построить сквозную аналитику с учетом офлайн-эффекта. Решающим аргументом стала технология iDentityUP — она позволяет идентифицировать анонимных пользователей в онлайне без привязки к cookies.
В работе участвовала проектная команда Upmetric — аккаунт-менеджер, UX-дизайнер и интегратор. Переход на электронные чеки проходил в шесть этапов:
1. Разработка персонализированного чека — один месяц. Включала создание динамических блоков, интегрированными с процессингом программы лояльности.
Учитывали требования брендбука, правила начисления баллов и основы UX.
Один из элементов электронного чека — смарт-купон с персональным промокодом. Он формируется на основе мерчандайзинговых правил, например скидка на подушки и простыни тем, кто купил матрас
2. Подготовка скриптов и обучение сотрудников в первых трех магазинах — две недели. Скрипты были нужны, чтобы донести до покупателей ценность электронных чеков и таким образом повысить их долю. Среди плюсов выделили, например, экологичность, профилактику ковида и гарантийное обслуживание без предъявления бумажного чека.
Затем провели обучение сотрудников первых трех магазинов — их выбрали по проходимости: нужны были большие магазины с хорошим потоком клиентов.
На этом этапе хотели добиться:
— 75% доли покупок с электронными чеками;
— 15% открытий чеков на мобильном устройстве или компьютере.
По опыту Upmetric, этого достаточно для внедрения изменений и масштабирования на всю сеть с сохранением заданных метрик. Через две недели достигли нужных показателей — можно было приступать к следующему этапу.
3. Пилотный запуск в интернет-магазине и части салонов — три месяца. Для пилотного запуска выбрали Москву и Московскую область — здесь находится примерно треть всех салонов сети. Важно было получить статистически значимые результаты на большом объеме данных.
4. Масштабирование на всю Россию — неделя. На этом этапе нужно было просто подключить все кассы к передаче чеков в Upmetric — это делается через обновление кассового программного обеспечения.
Как построили сквозную аналитику
Чтобы доверять сквозной аналитике, важно понимать, сколько ROPO-сессий идентифицируют с помощью Upmetric. Для этого в электронные чеки на старте проекта добавили блок с опросом:
У посетителей сайта спрашивали, были ли они в салоне сети до покупки, у посетителей салона — на сайте
-
74
% ROPO-заказов идентифицирует Upmetric
Опрос показал, что 61,6% покупателей искали товар онлайн, а покупали офлайн. На момент написания материала Upmetric «видит», что на ROPO у «Асконы» приходится 45,6% офлайн-заказов. На основе этого сделали предположение, что Upmetric идентифицирует значительную часть ROPO-заказов — 74%.
На само построение сквозной аналитики ушло четыре месяца — процесс состоял из пяти этапов на стороне Upmetric:
1. Провели опросы и интервью маркетинговой команды «Асконы» для определения ожиданий и бизнес-требований.
2. Создали техзадание на дашборд.
3. Реализовали сбор данных.
Сбор данных упрощается благодаря электронным чекам. У Upmetric есть данные о заказах, выкупаемости, программе лояльности и доли ROPO — система выступает единым источником информации. Дополнительно нужна только интеграция с программным обеспечением для визуализации данных и импорт рекламных расходов.
Схема движения данных для построения сквозной аналитики «Асконы»
После оцифровки покупок в офлайн-магазинах в дело вступает технология iDentityUP — когда покупатель открывает электронный чек или посещает сайт, система его запоминает и назначает обезличенный виртуальный ID, аналогичный внутреннему идентификатору в экосистеме Google.
Это позволяет объединить все устройства и браузеры покупателя на основе набора параметров, например операционной системы, географии, поведенческих данных (их анализируют с помощью машинного обучения), и не терять покупателя по окончании срока жизни cookies (технология cookie-less).
Дополнительно повысить точность идентификации помогает то, что Upmetric использует технологию привязки браузера и девайса к виртуальному пользователю и идентифицирует покупателей конкретной компании в том числе по действиям на сайтах других клиентов экосистемы. Больше точек касания — больше информации о каждом пользователе.
Неперсональные данные агрегируются — компания получает данные Google Analytics или «Яндекс.Метрики» по своим ROPO-клиентам, даже если они не были идентифицированы на сайте.
Затем происходит обработка и объединение данных — сначала использовали BigQuery, позже продукты Google заменили на продукты «Яндекса». За склейку данных между системами, алгоритмы мультиканальной атрибуции и визуализацию данных отвечал партнер Upmetric — аналитическая компания MTRENDO-HOLOWAY.
Она же взяла на себя перевод системы с продуктов Google на «Яндекс» — «Яндекс.Метрику», Clickhouse и другие. Это пришлось сделать из-за удорожания продуктов Google и политических рисков.
4. Проверили точность данных.
Предоставили команде «Асконы» отчеты, чтобы убедиться в том, что данные в Google Analytics (это было еще до переезда на «Яндекс.Метрику») и личном кабинете сквозной аналитики совпадают.
5. Обучили команду «Асконы» работе с дашбордами.
Дашборд «Асконы». Мультипликатор ROPO учитывает дополнительный офлайн-доход и позволяет точнее планировать маркетинговые активности
61,6% продаж «Асконы» — ROPO-продажи. Это важный инсайт для перестройки аналитики с учетом офлайн-продаж. Знание ROPO позволяет более точно измерять ДРР и эффективнее перераспределять маркетинговый бюджет: компания может привязать больший процент продаж к рекламным каналам.
У команды появляется возможность формулировать гипотезы с опорой на омниканальные данные: что нужно изменить в рекламных кампаниях с учетом «честного» ROPO, чтобы выполнить план продаж. «Честного» в том смысле, что он учитывает не только онлайн- и офлайн-заказы, но также все касания в воронке и реальный вклад каждого из них. То есть благодаря алгоритмам, в том числе на машинном обучении, атрибуция охватывает весь путь клиента.
Как используют ROPO для оптимизации рекламных кампаний
Учет офлайн-продаж. У рекламной кампании может быть минимальный эффект в онлайне, но она генерирует хороший трафик в магазины — раньше мы этого не видели. Считали ДРР только с учетом онлайн-заказов — теперь измеряем реальные результаты.
Это позволяет определять кампании с потенциалом роста (то есть недооцененные с точки зрения офлайн-продаж) и увеличивать выручку за счет перераспределения бюджета без его увеличения.
Оптимизация тестовой рекламной кампании. Предполагали, что если перераспределить бюджет с кампании с высоким ДРР ROPO на кампанию с низким ДДР ROPO, то суммарный ДРР ROPO снизится, а суммарная выручка — увеличится. Так и произошло: при проверке гипотезы удалось снизить ДДР ROPO на 2,69 п. п. и увеличить выручку на 110,3%.
Мультиканальная атрибуция. Сквозная аналитика с учетом ROPO также позволила нам построить мультиканальную атрибуцию: мы видим все касания клиента, будь то соцсети, email-рассылка или рекламный баннер, — и можем связать эти касания с покупками в офлайне. То есть видим весь путь принятия решения о покупке.
Влияние каналов распределяется линейно. Например, если каналов было три, каждый получит 33,3% ценности. Это более реалистичная оценка, чем last click, что позволяет эффективно перераспределять рекламный бюджет между каналами.
Результаты оптимизации тестовой рекламной кампании на основе ROPO
-
−2,69
п. п. ДРР с учетом ROPO -
+110,3
% выручки -
−0,3
% снижение стоимости заказа
Что планируют делать дальше
Заменить мультиканальную атрибуцию на атрибуцию на машинном обучении. Это позволит распределить ценность между каналами более точно — с учетом вероятности покупки.
Оптимизировать контекстную и рекламу в соцсетях с учетом офлайн-покупок в привязке к онлайн-сессиям. Алгоритмы на машинном обучении, которые «Аскона» использует для автоматического назначения ставок в рекламных кабинетах, будут учитывать эффект ROPO— это повысит их точность.
Сегментировать посетителей сайта с учетом вероятности покупки. Планируют выделить тех, кто еще не совершил покупку ни в онлайне, ни в офлайне, и автоматически менять ставки в рекламных кабинетах для ретаргетинга на эти сегменты.
