«Аскона» внедрила электронные чеки: сквозная аналитика с учетом ROPO и рост повторных покупок

«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.

«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.

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.

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:

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. 

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. 

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.