Omni-channel на практике

Всего месяц остался до важнейшего события года в российской e-commerce –10-й конференции "Электронная торговля – 2014" (6-7 ноября, Москва).

 В преддверии "ЭТ-2014" мы публикуем часть интересных докладов с прошлогодней конференции. Зарегистрироваться для участия в ЭТ-2014 можно по ссылке

.Этот кейс  был представлен на конференции «Электронная торговля-2013» и публикуется впервые.

Очевидно, что задача ритейла – зарабатывать, а задача omni-канальности – зарабатывать больше.

Я покажу три практических примера, как использование нескольких каналов взаимодействия с клиентом позволяет зарабатывать больше, чем если бы информация была только от одного из них.

Моя презентация будет основана на использовании Google Universal Analytics.

Я не буду сейчас вдаваться в аналитические технические подробности. Акцент сделаю на самой механике, на потоках данных и тех результатах, которые можно получить.

Рассмотрим три кейса:

1. Онлайн-ретаргетинг на основе консультаций покупателей в call-центре. Человек позвонил, спросил информацию о каком-то товаре, ушел и увидел в Интернете рекламу того товара, о котором он расспрашивал сотрудника call-центра.
2. Использование рекомендаций для повышения среднего чека при заборе заказов самовывозом. Клиент оформил заказ онлайн, пришел в магазин забирать товар и увидел рекомендации.
3. Повышение качества работы службы доставки.

Все три кейса основаны на данных Google Analytics.  Примеры взяты из нашего собственного опыта работы с клиентами.

Для начала напомню четыре основных отличия Universal Analytics (это новая версия Google Analytics) от предыдущих версий.

1. Кросс-платформенная аналитика. Бизнес получает возможность объединить информацию о поведении пользователей на разных каналах: сайт магазина, мобильное приложение, сенсорный киоск.
2. Двухсторонняя синхронизация CRM. Данные из CRM можно передавать в Google Analytics для сегментации.  Но и обратно из Google Analytics в CRM также можно передавать информацию.
3. Отличие в количестве элементов для сегментации. Google Analytics является единственной открытой системой с бесплатным вариантом использования, в которой есть возможность кастомизации переменных. Что такое кастомизация? Это возможность "рассказать" аналитической системе об особенностях и структуре вашего бизнеса. Например, о том, что у вас есть product-менеджеры в интернет-магазине, о различной марже на товары и т.д. Это позволяет получить аналитику, структурированную именно в под ваши особенности, интересы и показатели.
4. Высокая скорость работы. Так как в Universal Analytics данные собираются вокруг уникального ID пользователя, и все куки не передаются при каждом запросе, сокращается объем передаваемых данных, и скорость работы сайта увеличивается.

Итак, первая задача, которую мы решаем, – это онлайн-ретаргетинг на основе консультаций в call-центре.

Очевидно, что надо сначала собрать данные. У нас на сайте установлен Google Analytics и данные через analytics.js (обратите внимание, в Universal используется другой код) попадают в Google Analytics. Более сложный вопрос – как передать в Google Analytics данные еще и из call-центра.

Для этого существует два инструмента. Первый – это GoogleTag Manager (GTM) – новый инструмент от Google. Второй – Measurement Protocol.

Measurement Protocol – это, упрощенно говоря, механизм передачи какой-либо информации в Google Analytics из сторонних приложений. Протокол позволяет отправлять необработанные данные напрямую на серверы Google Analytics посредством HTTP-запросов практически в любой среде. Это могут быть данные как с сайта, так и из мобильного приложения на телефона, сенсорного киоска, CRM, ERP. Вот ссылка, по которой ваши IT-специалисты смогут найти всю документацию по Measurement Protocol.

Вывод для нас: вся информация о взаимодействии покупателя с вашей компанией будет собрана в Google Analytics.

Вот пример кода, который устанавливается на сайте для передачи информации, например, о просмотренных товарах.

Это все, что нужно установить в теле страницы (не считая самого JavaScript) для того чтобы Google Analytics знал, какой конкретно товар посмотрел пользователь либо оператор во время разговора с этим пользователем.

Вот второй вариант – для передачи информации через Measurement Protocol. Он нужен в том случае, когда операторы call-центра работают в Siebel или в какой-то другой специализированной системе.

Связь двух действий (один и тот же клиент позвонил в call-центр и произвел какое-то действие на сайте) происходит по такому параметру, как client ID (я его выделил). Client ID – это уникальный идентификатор пользователя на конкретном устройстве. UserID – это уникальный идентификатор пользователя в вашей системе.

Для того, чтобы с помощью Google Tag Manager "пометить" пользователя, достаточно, чтобы он хоть как-то коснулся вашего сайта, идентифицировал себя. Например, добавил товар в wish-list, оформил заказ, просто зарегистрировался. Он может даже форму заказа не до конца заполнить – просто ввести номер телефона и остановиться где-то, не отправив заказ, а потом позвонить в call-центр. Этого уже достаточно.

Теперь я попробую вам показать на практике, как это работает.

Как выглядит типичное взаимодействие пользователя с сайтом? Он заходит на какую-то страницу, на которой есть целевое действие. Это может быть форма заказа, регистрации, подписки на новости. Главное, что происходит, – пользователь отправляет свои данные. Если у нас интернет работает нормально, то вот здесь мы увидели взаимодействие. Google Analytics сразу понимает, что какие-то данные мы в него отправили.

Что более важно? У нас на странице, где есть целевое действие, происходит два типа взаимодействия– отправка формы и отправка письма. Далее пользователь получает письмо от интернет-магазина.

Google Universal Analytics, в отличие от других систем, позволяет отметить именно открытие пользователем письма. Не переход по ссылке в письме, а именно открытие.

Зачем это нужно? Благодаря тому, что вы получаете информацию об этом касании (открытии письма), вы можете проследить всю цепочку дальнейших действий пользователя. Например, то, что пользователь прочитал письмо на телефоне где-нибудь по дороге на работу, подтолкнуло его к тому, чтобы потом сделать заказ на сайте с компьютера. Это были два разных устройства, и нам важно отследить взаимодействие с покупателем в целом.

Но главное, ради чего делалась эта интеграция, – это звонок.

В чем смысл? Как только звонок поступает в call-центр, данные о звонке и номере телефона поступают в Google Analytics. Обратите внимание: по закону в Google Analytics нельзя передавать персональные данные: номер банковской карточки, карты социального страхования, номер мобильного или email. Но вы можете передавать туда хэш. В данном случае хэш – это закодированный номер телефона. Нам не нужно знать, какой именно это номер. Но нам важно, чтобы этот код позволял идентифицировать клиента при повторном обращении. То есть, чтобы он был всегда одинаковым, когда один и тот же клиент звонит.

В итоге это нам позволяет связать воедино взаимодействие пользователя с нами по разным каналам. Это значит, что когда я звоню в call-центр, захожу с телефона или если я оформляю заказ на сайте с компьютера, я буду для Google Analytics единым пользователем в цепочке взаимодействия.

Дальше нам осталось сделать простую операцию. Она наверняка знакома рекламным агентствам. Это – создание списка ремаркетинга. Он встраивается в Google Analytics.

Здесь нужно сделать всего три вещи.

Первое – это зайти в соответствующий раздел Google Analytics. Второе – выбрать создание типа ремаркетинга на основе Visitors Segmens.

И третье – создать сам фильтр.

Преимущества этого способа в том, что здесь вы сами можете задавать цепочку взаимодействия, которая станет тем триггером, на который "срабатывает" реклама. Например, рекламу можно таргетировать на тех клиентов, кто позвонил в call-центр, получил консультацию, например, по смартфонам, но не оформил заказ. Это задается в конструкторе условий.

Возникает вопрос: какие еще цепочки может использовать многоканальная компания? Можно таргетировать рекламу на покупателя, который просмотрел отзывы других покупателей в офлайновом магазине с мобильного телефона, или на тех, кто купил у вас что-то. Важно, что эту цепочку вы определяете сами.

Приятный бонус. Когда аналитика настроена правильно, вы можете понять не только то, какой объем продаж генерит каждый оператор call-центра напрямую по телефону, но и то, какой объем продаж он создает через сайт – когда покупатель, позвонив в call-центр, получил консультацию, но заказ оформил после этого на сайте.

Почему это важно? Потому что, если вся материальная мотивация оператора call-центра, продавца нацелена на прямые телефонные продажи, возникает конфликт между интересами оператора и компании. Компании интересно просто продать. Ей не важно, по какому каналу делается заказ. Оператор мотивирован жестко на "свою" часть продаж. Из-за этого он может перегибать палку в стремлении добиться прямой продажи здесь и сейчас. Грамотная аналитика позволяет выровнять этот перекос.

Вторая задача – использование рекомендаций для повышения среднего чека.

Вы наверняка знаете, что такое ROPO-эффект (Research Online Purchase Offline). Это когда покупатель оформил заказ в онлайне, чтобы потом его забрать самовывозом. У большинства мультиканальных компаний покупатели так забирают основную часть онлайн-заказов.

Очевидно, что в онлайне средний чек зачастую ниже, потому что тяжелее продавать сопутствующие товары. Консультант, работающий вживую, аксессуары продает лучше, и средний чек за счет этого выше. Поэтому важным становится вопрос – как рекомендовать сопутствующие товары для онлайн-заказов, когда человек уже пришел в офлайновую точку забрать свою покупку?

Рекомендации можно показать на экране инфокиоска. Человек приходит в пункт выдачи, регистрируется в электронной очереди, вводит свой код заказа – и видит рекомендации. Ему предлагают те аксессуары, которые чаще всего покупают вместе с товарами, которые он заказал (и которые есть в наличии в этом офлайновом магазине).

И третий кейс – улучшение качества работы службы доставки. Это один из самых важных кейсов, потому что качество доставки – это перманентная проблема продавцов.

Я приведу несколько примеров того, как выглядят письма крупнейших ритейлеров с просьбой оценить сервис после заказа.

eBay

Amazon

У крупнейшего украинского интернет-магазина Rozetka.ua это реализовано по-своему. Покупатель после выполнения заказа получает письмо, где ему предлагают оценить качество обслуживания.

Кликнув на одну из картинок, он переходит на страницу, где может заполнить форму из четырех полей. Клиент может оценить удобство выбора и оплаты, доставку, консультацию менеджера.

По нашей статистике, 27% людей, сделавших заказ, оставляют свои отзывы. Понятно, что такие письма не нужно присылать всем. Например, это излишне, если человек делает уже третий заказ в месяц. Но если это был первый-второй заказ, то предлагать форму для оценки – нужно. Если перед этим в общении с клиентом была пауза в несколько месяцев, форму тоже нужно предложить. В итоге вы будете получать репрезентативную выборку о мнении покупателей о качестве сервиса.

Что здесь надо понимать. Часть покупателей никогда не будут заполнять подобные формы. Окей, это их право. Есть мнение, что к заполнению форм отзыва более склонны те, кто недоволен, кто склонен жаловаться. Это тоже правда. Но наша задача в другом.

Наша задача – сравнить мнение покупателей о качестве работы в разных городах, в которые вы доставляете.

Например, мы видим, что в Омске NPS (Net Promoter Score, удовлетворенность покупателей, одна из общепринятых метрик для ответа на вопрос, насколько покупатели готовы вас рекомендовать) значительно ниже, чем в других городах, где представлена ваша компания. Вам не нужно делать общее собрание для персонала и говорить: "Эге-гей! Давайте работать лучше!" Вы точно знаете, куда сфокусировать свое усилие, чтобы устранить конкретную проблему.

Данные можно сегментировать по городам, по пунктам самовывоза, даже по отдельным курьерам. Если есть репрезентативная выборка (хотя бы 50 доставок, выполненных за неделю), этого уже достаточно, чтобы в горизонте 3 месяцев ответить на вопрос, где чаще случаются проблемы, и покупатели жалуются на плохое обслуживание.

Это все о трех кейсах. В дополнение я хотел бы показать еще несколько  вопросов, на которые вы тоже можете получить ответ с помощью Google Universal Analytics, но не можете получить с помощью 1С,OLAP, Oracle.

Какая доля покупателей возвращается по платным источникам трафика? Это не стандартный отчет в Google Analytics про вернувшихся посетителей. Это ответ на вопрос, сколько вы тратите на то, чтобы вернуть тех, кто у вас уже делал заказ. У этих клиентов вы не отложились в памяти как бренд. Они снова пришли на "Яндекс.Маркет" или в в поиск, чтобы выбрать магазин, в котором они сделают заказ. И снова выбрали вас. Интересно смотреть на этот показатель в разрезе товарных категорий. Он показывает лидерство бренда в сознании покупателя в определенной товарной группе.

Какая часть платных переходов ведет на товары, которых нет в наличии? Наверняка вы продвигаетесь в контексте. Так вот, часть оплаченных вами кликов совершенно точно идет на товары, которых сейчас у вас нет в наличии. Это получается естественным образом, потому что, даже экспорт YML-файлов напрямую в "Яндекс.Маркет" происходит с определенной периодичностью. Если же вы пользуетесь услугами рекламного агентства, то цепочка удлиняется. Агентство периодически забирает ваши YML-файлы и потом экспортирует их в Яндекс.Директ или в Google Adwords. Здесь происходит естественная задержка. Она точно есть, и какая-то доля кликов идет на товары, которых нет в наличии. Вопрос: как эта доля меняется? Как она зависит от канала? Если на вас работают сразу два агентства, то как она зависит от агентства? Этот отчет не очень любят рекламные агентства, но, поверьте, он часто позволяет устранить неприятные утечки бюджета.

При заполнении каких полей покупатель отказался от оформления заказа? Очевидно, вы знаете свой показатель отказа при оформлении заказов. Но вас, скорее всего, интересует, при заполнении какого именно поля у клиента лопнуло терпении или он совершил ошибку. А если он все-таки заполнил форму, то сколько времени это заняло и с какой попытки он это сделал? Это тоже интересный вопрос.

Этот доклад высоко оценили участники  крупнейшей ежегодной конференции по e-commerce –  "Электронная торговля-2013". 

В этом году на "Электронной торговле – 2014" будет еще больше полезного. Среди докладчиков: Сергей Федоринов, гендиректор "Юлмарт",  Алексей Авдей, руководитель "Яндекс.Маркет", Амбарцум Амаякян, директор по маркетингу "Сотмаркет", Александр Пискунов,  руководитель esky.ru и еще почти 100 спикеров, большинство – из интернет-магазинов и ритейл-компаний"

Вы можете подождать еще 1-2 года и получить часть этой информации бесплатно. Но помните: ваши конкуренты не будут терять время даром. Многие из них уже зарегистрировались для участия в ЭТ-2014.