1. О М.видео
2. Вызов
3. Цель
4. Решение
5. Шаг 1. Соберите информацию об ошибках.
6. Шаг 2. Обработка данных.
7. Шаг 3. Используйте полученные данные.
8. Результаты

Загрузки

20 шагов к успешной маркетинговой аналитике

О М.видео

М.видео - крупнейший в России ритейлер бытовой электроники и бытовой техники, принявший стратегию многоканальной розничной торговли. Это позволило его клиентам заказать онлайн или по телефону и выбрать курьерскую или магазинную коллекцию для доставки. Вышеупомянутая стратегия стала движущей силой успеха компании, позволив М.видео увеличить продажи через Интернет на 41,3%.

Наше сотрудничество с М.видео уже давно продуктивно, и мы уже рассказали о том, как М.видео оптимизировано рекламные кампании с помощью конверсий и как компания оценивали влияние интернет-рекламы на офлайн-продажи. На этот раз мы говорим о том, как M.video исправила ошибки на странице оформления заказа, чтобы повысить продажи и повысить лояльность клиентов.

Вызов

Около 700 000 человек посещают www.M.video.ru в день, чтобы читать обзоры продуктов или просматривать, чтобы найти то, что они хотели бы купить. Тем не менее, пользователи могут иногда сталкиваться с ошибками веб-сайта на странице оформления заказа, которые мешают им выполнить заказ онлайн, что снижает доход компании.

Цель

Аналитики M.video вместе с тестировщиками тщательно изучили жалобы клиентов, чтобы определить типичные сценарии ошибок. Ошибки, которые удалось воспроизвести М.видео, были исправлены. Остальные критические ошибки требуют мониторинга настройки. М.видео не использовал для сбора таких данных, оставаясь неспособным оценить точное количество ошибок и как они влияют на коэффициент конверсии. Компания также должна была знать, как каждая ошибка была связана с определенным пользователем, чтобы помочь пользователю сделать заказ.

Аналитики M.video решили настроить мониторинг критических ошибок на веб-сайте и сделать все возможное, чтобы помочь клиентам успешно размещать заказы на странице оформления заказа. Это увеличит продажи и улучшит взаимодействие с клиентами. Сложным фактором было то, что M.video требовал мониторинга в режиме реального времени, чтобы не потерять ни одного из клиентов, пытающихся заказать что-либо на сайте.

Решение

Чтобы достичь цели, аналитики из M.video и OWOX BI решили следовать этому плану:

1. Разместите дополнительный код на веб-сайте, чтобы собрать данные об ошибках и отправить их в Google BigQuery.
2. Обработайте полученные данные и экспортируйте их в таблицу со структурой в соответствии с потребностями компании.
3. Организовать отправку данных о пользователях и ошибках в колл-центры, которые будут связываться с клиентами, чтобы помочь им сделать заказ.

Вот как выглядит поток данных компании:

Теперь давайте погрузимся в каждый шаг, который сделал М.видео.

Шаг 1. Соберите информацию об ошибках.

Компания использует Google Tag Manager для отслеживания действий пользователей в Интернете. Однако не все логические ошибки на сайте можно отследить стандартными способами GTM. Именно поэтому специалисты М.видео написали несколько пользовательских сценариев и реализовали их через GTM на нужных страницах сайта. Сценарии добавляют подробные данные об ошибках в DataLayer.

Затем с помощью тегов GTM данные об ошибках отправляются в Google BigQuery через OWOX BI Pipeline , Это позволяет M.video в реальном времени получать необработанные необработанные данные с веб-сайта в Google BigQuery.

Используя API, аналитики M.video отправляют данные о пользователях из CRM в GBQ, получая всю необходимую им информацию в облачном хранилище данных:

• Время ошибки.
• Тип ошибки.
• Идентификатор пользователя.
• Адрес электронной почты пользователя.
• Город пользователя.
• Текущий статус товара в корзине.

Шаг 2. Обработка данных.

Используя OWOX BI Pipeline, М.видео получил таблицы данных с широким диапазон параметров , Вот почему аналитик OWOX BI создал запрос SQL для извлечения данных из таблицы, возвращая их с определенной структурой: набором строк, каждая строка которых равна одной ошибке.

Ниже приведен пример запроса SQL:

Выберите дату, час, минуту, адрес электронной почты, описание, город, идентификаторы продуктов, имена продуктов, цену продукта, количество карт, количество карт, с (выберите «Использовать usererrors.date в качестве даты, usererrors.hour в качестве часа, usererrors.minute в качестве минуты, usererrors.userEmail в качестве электронной почты, usererrors.action как действие, usererrors.error как ошибка, случай, когда action = 'disabled' и error = 'buttonCreateOrder' then 'Невозможно оформить заказ в корзине', когда action = 'notAdded' и error = 'productToCart' then 'Невозможно добавить «продукт в корзину», когда действие = «открыть» и ошибка = «пустая корзина», тогда «продукт не может быть просмотрен в корзине», когда действие = «открыть» и ошибка = «проведениеPageCheckout», затем «выполняются ремонтные работы (после оформления заказа)», когда action = 'отсутствует' и error = '5discountCart', затем 'скидка 5% недоступна онлайн (в корзине)', когда action = 'отсутствует', а ошибка = '5discountCheckout', тогда 'скидка 5% недоступна онлайн (на странице оформления заказа)', когда action = 'disabled' и error = 'buttonSubmit' then 'Кнопка «Разместить заказ» не работает на кассе страница 'else' Other 'заканчивается как описание, Dimensions.city как город, Dimensions.productids как productIds, Dimensions.productnames как productnames, customMetrics.productprice как productprice, customMetrics.cartquantity как cartquantity, customMetrics.cartamount как cartamount, FROM (SELECT , час, минута, hitId, userEmail, eventInfo.eventAction как действие, eventInfo.eventLabel как ошибка, час (CURRENT_TIMESTAMP ()) + 2 часа в качестве currenthour от TABLE_DATE_RANGE ([mvideo-ru: Streaming.streaming_], DATE_ADD (CESTRENT_T ), 0, 'DAY'), DATE_ADD (CURRENT_TIMESTAMP (), 0, 'DAY')), где eventInfo.eventCategory = 'Errors' и userEmail не является нулевой группой на 1,2,3,4,5,6,7 , 8) как пользовательские ошибки оставляют соединение (SELECT hitId, MAX (IF (customDimensions.index = 4, customDimensions.value, NULL)) WITHIN hitId AS город, MAX (IF (customDimensions.index = 21, customDimensions.value, NULL)) WITHIN hitId AS productids, Max (IF (customDimensions.index = 22, customDimensions.value, NULL)) WITHIN hitId AS имена продуктов из TABLE_DATE_RANGE ([ mvideo-ru: Streaming.streaming_], DATE_ADD (CURRENT_TIMESTAMP (), 0, 'DAY'), DATE_ADD (CURRENT_TIMESTAMP (), 0, 'DAY'))) в качестве измерений ON Dimensions.hitId = usererrors.hitId левое соединение (SELECT hitId, MAX (IF (customMetrics.index = 1, customMetrics.value, NULL)) WITHIN hitId AS productprice, MAX (IF (customMetrics.index = 4, customMetrics.value, NULL)) WITHIN hitId AS cartamount, Макс (IF (IF ( customMetrics.index = 5, customMetrics.value, NULL)) WITHIN hitId КАК КОЛИЧЕСТВО КАК TABLE_DATE_RANGE ([mvideo-ru: Streaming.streaming_], DATE_ADD (CURRENT_TIMESTAMP (), 0, 'DAY'), DATE_ADT, 0UR (CUR) , 'DAY'))) as customMetrics ON customMetrics.hitId = usererrors.hitId где usererrors.currenthour = 0) ORDER BY дата asc, час asc, минута asc, электронная почта asc

В результате запроса аналитики получили таблицу, содержащую следующую информацию:

• Дата.
• Час.
• Минута.
• Адрес электронной почты пользователя.
• Описание ошибки.
• Город пользователя.
• Идентификатор товара в корзине.
• Названия товаров в корзине.
• Цена товаров в корзине.
• Общее количество товаров в корзине.
• Общая стоимость товаров в корзине.

Затем аналитики из M.video и OWOX BI настроили импорт данных в Google Sheets, используя Дополнение OWOX BI BigQuery Reports который обновляет информацию в таблицах автоматически и ежечасно. Это означает, что отчет всегда содержит актуальную информацию об ошибках за предыдущий час.

Вы можете найти пример такого отчета ниже:

Шаг 3. Используйте полученные данные.

Ответственные сотрудники М.видео автоматически получают отчет об ошибках каждый час (с 9:00 до 18:00, согласно рабочему времени). Затем они отправляют его разработчикам компании на случай критических проблем и менеджерам по работе с клиентами, которые звонят пользователям и помогают им выполнить заказ по телефону.

Результаты

• М.видео получил структурированный отчет об ошибках сайта, которые мешают пользователям совершать покупки.
• Разработчики компании добавили форму обратной связи на сайт. Он автоматически появляется каждый раз, когда пользователи, которые не вошли в систему, видят ошибку, что позволяет им сообщать о проблеме и оставлять свои контактные данные. Это помогает компании быстро реагировать на любые ошибки или ошибки, а также расширять клиентскую базу, включая контакты пользователей, которые не вошли в систему.
• Колл-центры компании могут быстро получить информацию о пользователях, которые столкнулись с проблемами при добавлении товара в корзину и оформлении заказа. Операторы колл-центра узнают, что находится внутри корзины, и помогут завершить покупку.
• Около 3% пользователей, которые получили звонок от M.video из-за ошибки сайта, успешно заканчивают оформление заказа на телефоне. Это дает компании дополнительные $ 1600, которые были бы потеряны, если бы ошибки игнорировались.

Экономьте свое время и деньги с OWOX BI Pipeline.

ПОПРОБУЙТЕ OWOX BI ТРУБОПРОВОД

Похожие

Комментарии