post

Skąd pomysł na własny system monitorowania ROI?

 

W dużym skrócie – FormUp Data daje nam dokładniejsze dane i lepszy wgląd w rzeczywistą efektywność prowadzonych działań. Przy okazji pozwala analitykom w większym stopniu skupić się na analizie danych niż na samym opracowywaniu raportów, co także przekłada się na wzrost efektywności.

W FormUp zawsze stawialiśmy sobie wysoko poprzeczkę w zakresie prowadzenia kampanii online. Odpowiedni dobór wszystkich parametrów kampanii był kluczowy dla realizacji celów klienta i sukcesu rynkowego agencji. Jedną z innowacji, które wprowadziliśmy w nasze działania, było połączenie danych mediowych z realną sprzedażą klienta pobieraną z wewnętrznych systemów typu CRM.

To rozwiązanie umożliwiło pełniejszą optymalizację działań:

  • W przypadku kampanii leadowych pozwoliło nam na optymalizację nie tyle pod leada lub „leada zwalidowanego” a pod finalny efekt, jakim jest zamknięta sprzedaż. Tym samym analiza została uzupełniona o kaloryczność pozyskiwanych leadów (rozumianą jako prawdopodobieństwo domknięcia pozyskanego kontaktu) oraz ROI.
  • Kampanie e-commerce z reguły pozwalają na wygodniejsze łączenie sprzedaży z danymi mediowymi za pomocą Google Analytics, lecz i tutaj wkradają się poważne błędy pomiaru. Często nieuwzględniane są zwroty oraz marżowość produktów. Kampanie optymalizowane są pod samo „zdarzenie konwersji” lub w lepszym wypadku pod błędnie obliczony zwrot z wydatków reklamowych (ROAS). Wykorzystując realną sprzedaż, uzyskujemy dokładniejsze dane, a zatem możemy podejmować lepsze decyzje w zakresie optymalizacji.

Nasza metoda rozwijała się. Z czasem uzupełniona została o kolejne wymiary analizy. Głębsza granulacja zwiększyła zakres danych i ilość pracy niezbędnej do prawidłowego opracowania raportów. Stąd decyzja o ujednoliceniu metody analitycznej i opracowaniu systemu monitorowania ROI opartego na BigQuery. Umożliwiło nam to wprowadzenie kolejnych rozwiązań – m.in. autorską metodę porównywania całych lejków konwersji oraz analizę Customer Lifetime Value.

 

Oczywiście praca nad systemem nie została zakończona. Kolejne kroki to pogłębiona analiza atrybucji konwersji, analiza ścieżek decyzyjnych użytkowników w kontekście aktywności w obrębie witryny oraz wykorzystanie Machine Learning’u jako wsparcia w predykcjach i alokacji budżetów.

kuba
Autor
Jakub Bąkała
Performance/Technology Director

Absolwent Międzykierunkowych Studiów Ekonomiczno-Menadżerskich na UW oraz Zarządzania na SGH. Ekspert performance marketingu wyspecjalizowany w modelu programmatic. Zbierał doświadczenie w takich firmach jak Isobar Poland oraz Mediacom.