Calltouch Лидс
Звоните, отправляйте SMS, показывайте рекламу посетителям сайта, даже если у вас нет их контактов
Нет времени читать?
Отправить статью на почту

Как онлайн-реклама влияет на продажи в розничных магазинах: считаем с помощью Big Data

31 января 2023
7 мин на чтение
963
author__photo

Нет времени читать?
Отправить статью на почту

Принимать решения на основе данных — необходимость в условиях высокой конкуренции. Не только корпорации, но и средний или малый бизнес выигрывают у конкурентов, когда используют data-driven подход. Однако не всегда понятно, как можно собрать данные для анализа. Например, когда речь идет о влиянии рекламных онлайн-кампаний на офлайн-продажи. 

Чтобы решить эту проблему, Calltouch разработал инструмент для оцифровки сделок без источника с помощью Big Data. Система позволяет понять, с какими рекламными каналами взаимодействовал клиент перед визитом в магазин или офис продаж. Компания «Кубань Инструмент» протестировала инструмент и поделилась результатами в этом кейсе. 

Проблема: неполное понимание пути офлайн-покупателей

Наша компания продает профессиональный инструмент, садовую технику, строительное оборудование и расходные материалы. Торговая сеть включает в себя 17 розничных магазинов в Краснодарском крае и интернет-магазин с доставкой по всей территории России. 

Мы привлекаем клиентов в интернет-магазин преимущественно через контекстную рекламу и поисковое продвижение. С трафиком в интернете все прозрачно: системы аналитики позволяют отслеживать путь клиентов от первого взаимодействия до покупки. 

Но у нас есть еще и физические точки продаж, куда приходят покупатели, в том числе увидевшие нашу рекламу в интернете и посещавшие сайт. Как понять, сколько было таких клиентов и каков их путь до офлайн-магазинов? Мы задались этим вопросом и сначала попытались ответить на него самостоятельно. 

Варианты решений, которые не сработали 

Мы пробовали решать эту задачу стандартными способами — использовали промокоды, Яндекс.Метрику и другое. Но эти варианты оказались малоэффективными. Например, когда запустили промокоды, то выяснили, что далеко не все клиенты применяют кодовые слова, которые увидели в онлайне. Причин масса: кто-то забывает, кто-то не соотносит рекламное объявление в интернете с торговой площадкой и так далее. 

Это только один инструмент, который мы пытались применить, но и с другими картинка примерно такая же. Ни один из них не дал нам достаточно информации для полноценного анализа — мы получали разрозненные недостаточные данные. Это не говорит о том, что инструменты плохие — просто они не помогали в достижении нашей цели. Нам нужна была платформа, которая поможет комплексно оценивать влияние сайта и рекламы в онлайне на покупки в рознице. 

Мы рассмотрели разные варианты, и решение от Calltouch показалось самым интересным. От нас требовалось приложить минимум усилий — все делает команда сервиса, ресурсы наших специалистов или какие-либо дополнительные инструменты не нужны.

Оптимизируйте маркетинг и увеличивайте продажи вместе с Calltouch
Узнать подробнее

Наш опыт с Calltouch Big Data

Когда мы решились на тестирование Big Data от Calltouch, главной задачей было понять, поможет ли продукт оценить ROPO-эффект. Так называется явление, когда люди сначала ищут информацию о продукте в интернете, заходят на сайты разных поставщиков, сравнивают предложения и выбирают наиболее подходящий товар. А уже потом идут в офлайн-магазин и покупают там. 

Еще одна наша задача — оценить перспективы использования инструмента, то есть понять, насколько полезным для нас он может быть.

От нас требовался абсолютный минимум действий: выгрузить номера телефонов клиентов розничных магазинов. Все остальное «колдовство» происходит на стороне Calltouch.

Что мы сделали:

  1. Выгрузили из 1С номера телефонов клиентов с данными о дате последней покупки. 
  2. Передали файл менеджеру Calltouch. Всего в нем было 897 контактов.
  3. Через неделю получили файл с оцифрованными данными. Сервису удалось найти цифровой след 9% офлайн-клиентов. Почти половина из них (42%) пришли с контекстной рекламы.

Результат:

Исходные данные 897 контактов клиентов
Сколько оцифровано 81 клиент (9%)
Из них с контекстной рекламы 34 клиента (42%)

 

После оцифровки мы оценили стоимость лида по контекстной рекламе с точностью до рекламной кампании. Так, по одной рекламной кампании за месяц стоимость лида снизилась на 4%. С учетом того, что мы передали не полные данные для теста, вероятно, результат может быть еще лучше.

caltouch-platform
Сквозная аналитика Calltouch
  • Анализируйте воронку продаж от показов до денег в кассе
  • Автоматический сбор данных, удобные отчеты и бесплатные интеграции
Узнать подробнее
platform

Наши выводы и планы на будущее

По результатам тестирования мы подтвердили: Big Data от Calltouch действительно позволяет оценить влияние онлайн-каналов на трафик розничных магазинов. При этом система может проанализировать данные не только за последнее время, а вообще за любой период. Поэтому мы продолжим использовать этот инструмент в будущем.

Для себя же мы отметили, что задача корректного сбора данных офлайн-клиентов не менее значима, чем получение информации и посетителях интернет-магазина. При этом важно не допускать ошибок при переносе сведений в учетную систему, чтобы потом получить чистые и корректные данные для анализа.

Нет времени читать?
Отправить статью на почту
Оцените
Поделитесь с друзьями
Лучшие маркетинговые практики — каждый месяц в дайджесте Calltouch
Подписывайтесь сейчас и получите 13 чек-листов маркетолога
Нажимая на кнопку "Подписаться", вы даёте своё согласие на обработку персональных данных и получение рекламной информации о продуктах, услугах посредством звонков и рассылок по предоставленным каналам связи.
У вас интересный материал?
Опубликуйте статью в нашем блоге
Опубликовать статью
Хотите получить актуальную подборку кейсов?
Прямо сейчас бесплатно отправим подборку обучающих кейсов с прибылью от 14 730 до 536 900р.
[contact-form-7 404 "Not Found"]
У нас тут cookies…
На сайте используются файлы cookies. Продолжая использование сайта, вы соглашаетесь с этим. Подробности об обработке ваших данных — в политике конфиденциальности.
Вставить формулу как
Блок
Строка
Дополнительные настройки
Цвет формулы
Цвет текста
#333333
Используйте LaTeX для набора формулы
Предпросмотр
\({}\)
Формула не набрана
Вставить