Come Misurare il Successo Promozione WooCommerce

Se si esegue un negozio WooCommerce e avete mai lanciato una campagna promozionale, probabilmente vi siete chiesti se effettivamente ha funzionato. La domanda di base — ha prodotto più entrate che costa? — è più difficile da rispondere di quanto dovrebbe essere perché la maggior parte delle impostazioni promozionali producono dati che è difficile da interpretare. Le vendite sono aumentate durante la finestra della campagna, ma sono state le vendite aggiuntive causate dalla campagna o sarebbe successo comunque?

Questo post è per i proprietari di negozi WooCommerce che vogliono misurare se le loro campagne promozionali stanno effettivamente producendo il ritorno sugli investimenti. Passeremo attraverso ciò che la misurazione promozionale sembra, perché la maggior parte dei negozi misurano in modo errato anche quando intendono misurare con attenzione, quali metriche effettivamente rispondere alla domanda "d this work", e come utilizzare lo strato di analisi della piattaforma per produrre la chiarezza di misura che informa migliori decisioni promozionali nel tempo.

Perché la maggior parte delle misure promozionali è fuorviante

Il problema strutturale con la misurazione tradizionale promozionale è che le entrate durante la finestra della campagna non sono la giusta metrica. Le vendite in genere aumentano durante i periodi promozionali, indipendentemente dal fatto che la promozione sia stata efficace — in parte perché i clienti rispondono allo sconto, in parte perché i clienti che avrebbero acquistato comunque spostare il loro tempo di acquisto nella finestra promozionale, e in parte perché i modelli stagionali producono vendite aumentano indipendentemente da qualsiasi campagna specifica.

La ricerca McKinsey sui prezzi e le promozioni di analisi identifica costantemente che i rivenditori lottano per misurare il ROI promozionale con precisione perché il quadro analitico più utilizzato dai rivenditori non separa l'ascensore dalla base sottostante. I depositi che riportano "la campagna prodotta $50,000 in vendita" di solito significa "$50.000 in vendita è accaduto durante la finestra della campagna" - che conflaziona la campagna di vendita che sarebbe accaduto comunque.

I dati di abbandono del carrello della Baymard Institute, basati su 50 studi di abbandono del carrello separato, mettono la media globale al 70,22%. Le campagne promozionali influiscono sull'abbandono in modo diverso — alcune campagne migliorano l'abbandono (l'offerta promozionale riduce l'uscita di sensibilità ai prezzi), mentre altre peggiorano l'abbandono (la campagna attira i clienti che avrebbero abbandonato comunque, abbassando il tasso di conversione generale anche quando si aumentano le vendite).

Che misura promozionale utile sembra

La misura promozionale utile combina quattro categorie metriche che insieme producono chiarezza circa se una campagna funzionata. Il tasso di conversione confronta la percentuale di visitatori che completano gli acquisti durante la finestra della campagna contro il periodo di base — significativo miglioramento del tasso di conversione indica che la campagna sta spostando i clienti attraverso la decisione di acquisto, mentre il tasso di conversione piatta durante un ascensore di vendita indica che le vendite aggiuntive provenivano da traffico aumentato piuttosto che da una migliore conversione.

Il miglioramento AOV indica che la campagna sta spostando i clienti verso cesti di valore superiore, mentre il declino di AOV durante un ascensore di vendita indica che le vendite aggiuntive sono cesti più piccoli di tipo tecnico che potrebbero non giustificare il costo di sconto. Il valore di vita del cliente tiene traccia delle entrate a lungo termine da parte dei clienti acquisiti durante la finestra di campagna - l'alto CLV indica che la campagna sta acquisendo clienti che continuano l'acquisto, mentre il valore di CLtime

Il miglioramento del RPV indica che la campagna sta producendo un impatto reale sul business, mentre il RPV piatto durante un ascensore di vendita indica che il fatturato aggiuntivo proviene da un traffico aumentato che non può essere attribuibile alla campagna. La combinazione quattro metrica produce un segnale più chiaro di qualsiasi singolo metrico isolato.

Ciò che GT BOGO Engine fornisce per la misurazione promozionale

GT BOGO Engine è il primo sistema di automazione di livello enterprise del mondo Buy X Get Y costruito appositamente per WooCommerce. La piattaforma comprende 47 superpoteri che operano automaticamente all'interno di WooCommerce, oltre a 200 pacchetti di campagne pre-costruiti in 19 settori, oltre a uno strato di analisi completo che supera le metriche di misura richiede la misurazione promozionale.

In primo luogo, il cruscotto di analisi unificato supera la combinazione quattro metrica — il tasso di conversione, il valore medio dell'ordine, il valore della vita del cliente, e le entrate per visitatore — attraverso campagne promozionali e periodi di base.

In secondo luogo, il motore di prova A/B supporta la sperimentazione di campagne strutturate piuttosto che il confronto informale. I test A/B producono confronti statisticamente significativi che il tracciamento dei ricavi da solo non può corrispondere — l'assegnazione casuale dei clienti per testare e controllare i gruppi produce confronti puliti senza i confondatori che i confronti storici-baseline soffrono. Il rigor di prova consente ai proprietari di rispondere se specifiche varianti di campagna effettivamente superano le alternative piuttosto che indovinare le promozioni basate sulle tendenze di ricavi aggregati.

In terzo luogo, il monitoraggio del valore della vita del cliente viene continuamente attraverso la base del cliente, producendo la misura a lungo termine che manca la misura della singola base di frontiera. I clienti acquisiti durante una campagna del Black Friday vengono rintracciati attraverso il loro viaggio completo del cliente, il che significa che la piattaforma produce la misura CLV per i clienti acquisiti della campagna oltre sei mesi, dodici mesi, e oltre.

In quarto luogo, il modello di campagna-attribuzione attribuisce ordini alla logica promozionale specifica che li ha portati piuttosto che contare tutti gli ordini di campagna-finestra come campagna-attribuibile. Il modello di attribuzione distingue tra gli ordini in cui la regola promozionale effettivamente applicata e gli ordini in cui la regola non è stata applicata (il cliente avrebbe acquistato a prezzo pieno), che produce il segnale più pulito su cui le campagne stanno effettivamente spostando il comportamento di acquisto rispetto ai quali sono sconti ai clienti che avrebbero pagato comunque a prezzo pieno.

In che modo i proprietari dei negozi utilizzano la capacità di misura promozionale

Il flusso di lavoro di misura per la piattaforma segue una sequenza strutturata che la maggior parte dei proprietari di negozi può integrare nel loro normale ritmo operativo. La misurazione della linea di base pre-campagna stabilisce le metriche che la campagna sarà confrontata con — il tasso di conversione tipico, il valore medio tipico dell'ordine, il reddito tipico per visitatore nel corso del recente periodo equivalente alla durata della campagna pianificata.

Durante la campagna, il cruscotto di analisi traccia le stesse metriche in tempo reale. Il miglioramento del tasso di conversione contro la linea di base indica che la campagna sta spostando i clienti attraverso la decisione di acquisto. Il miglioramento di AOV indica che la campagna sta spostando i clienti verso cesti di valore superiore. Il tracciamento del valore di vita inizia per i clienti acquisiti durante la campagna, che produce misurazioni che si estende oltre la finestra della campagna.

L'analisi post-campagna combina le metriche in-campagna con il tracciamento del valore a lungo termine per produrre il quadro completo dell'efficacia della campagna. La campagna ha prodotto un aumento del tasso di conversione attribuibile alla logica promozionale? AOV ha migliorato? I clienti sono acquisiti durante la campagna continuando ad acquistare a tassi che giustificano il costo di acquisizione? L'analisi combinata produce risposte più chiare di qualsiasi singolo metrico da solo, che informa le decisioni su quali campagne da ripetere nei successivi.

Confronto: Misura di superficie-scivolo vs Misurazione Rigorosa

| Componente di misura | Valore di campionamento Spesso | Variazione di investimento | Valore di ripartizione |

Esempi di misura promozionale del mondo reale

Un rivenditore di prodotti alimentari specializzato in una revisione trimestrale del loro calendario promozionale utilizza il quadro di misura quattro metrico per identificare quali campagne hanno prodotto un vero e proprio ascensore rispetto a quali campagne hanno prodotto ricavi che sarebbero accaduti comunque. La revisione rivela che la campagna di flusso regalo vacanza ha prodotto un forte ascensore AOV attribuibile alla struttura dei prezzi dei pacchetti (impatto della campagna di vendita normale), mentre la campagna di vendita flash ha prodotto un forte tasso di conversione ma invariato (salescambio da periodi non proporzionali a quelli di vendita).

Una boutique di moda che utilizza test A/B per ottimizzare il loro carrello avanzamento bar messaggi di messaggistica tre varianti di messaggio — "libero spedizione a $75," " regalo libero a $75," e "complete il vostro sguardo a $75" — attraverso casualmente assegnato coorte del cliente. Il test A / B produce statisticamente significativo confronto dopo due settimane di traffico, rivelando che la variante "complete il vostro look" supera le altre vincenti del 8% di confronto sostenuto della cartella di conversione della cartella adottano.

Un distributore B2B che utilizza il monitoraggio del valore della vita del cliente per valutare le loro campagne di acquisizione del cliente di prima volta trova che i clienti acquisiti attraverso una campagna specifica producono 3x il CLV dei clienti acquisiti attraverso una campagna diversa con un costo di acquisizione simile. La differenza CLV rivela che la campagna di basso volume produce effettivamente clienti a lungo termine migliori, che informa la decisione di espandere gli investimenti nella campagna di basso volume e ridurre gli investimenti nella campagna di monitoraggio a più alto volume.

Percorso di migrazione per i negozi che aggiungono il rigore di misura

La migrazione di misura-rigor non è distruttiva perché GT BOGO Engine coesiste con i plugin promozionali esistenti senza conflitti. È possibile installare la piattaforma accanto all'attuale sistema promozionale, utilizzare lo strato di analisi per misurare le campagne esistenti, e gradualmente migrare la logica promozionale alla piattaforma come la fiducia costruisce. Lo strato di misura produce valore immediatamente anche prima che la logica promozionale migra.

In primo luogo, installare la piattaforma e configurare il cruscotto di analisi per tracciare la combinazione quattro metrica tra le campagne esistenti. Utilizzare il sistema promozionale esistente per le campagne effettive mentre la piattaforma produce i dati di misura. L'implementazione parallela convalida le capacità di misura della piattaforma prima di impegnarsi a migrare la logica promozionale.

In secondo luogo, implementare la prima campagna promozionale della piattaforma su una linea di prodotti non critici e misurarla contro il quadrimetro. Confrontare le metriche della campagna guidata dalla piattaforma contro il periodo di base per valutare l'impatto promozionale della piattaforma indipendentemente dal sistema legacy. In terzo luogo, espandersi a campagne aggiuntive come la fiducia della misura si costruisce, con la misura di ogni campagna contribuendo alla comprensione cumulativa di cui i modelli promozionali lavorano per il vostro negozio specifico.

In quarto luogo, ritirare il sistema promozionale legacy una volta che tutte le campagne raggiungono la parità sulla nuova piattaforma e l'infrastruttura di misura sta producendo la chiarezza di cui hai bisogno per le decisioni promozionali in corso. La maggior parte memorizza la migrazione completa entro un quarto, con l'infrastruttura di misura che produce valore immediato attraverso l'attribuzione di campagna più chiara e il valore a più lungo termine attraverso il monitoraggio del valore della vita del cliente accumulato.

Struttura dei prezzi e delle licenze

GT BOGO Engine PRO è $199 all'anno piatto con nessun livello di prezzo per la temperatura. Non c'è upcharge per il cruscotto di analisi, il motore di prova A / B, il monitoraggio del valore della vita del cliente, il modello di campagna-attribuzione, la libreria del pacchetto di campagna, lo strato di intelligenza del cliente, il sistema di email del ciclo di vita, la capacità di white-label, il geo targeting, il supporto multi-valuta, o la Guardia di guadagno.

Il free core plugin include il meccanismo di sconto sul carrello e la superficie di analisi di base, il che significa che è possibile convalidare l'architettura di analisi prima di impegnarsi a PRO. La maggior parte dei proprietari di negozi utilizzano il livello libero per la validazione iniziale della misurazione, quindi l'aggiornamento a PRO quando vogliono il pieno motore di test A/B, il modello di campagna-attribuzione, e il monitoraggio del valore della vita del cliente che PRO sblocca.

Domande frequenti dai proprietari del negozio che aggiungono il rigore di misura

Per quanto tempo devo tenere traccia delle campagne prima di potermi fidare della misura?

La maggior parte delle campagne producono misurazioni statisticamente significative dopo due o quattro settimane di traffico tipico, a seconda del volume di deposito e della dimensione dell'effetto. I negozi con alto traffico vedono risultati significativi più velocemente; i negozi con traffico inferiore hanno bisogno di periodi più lunghi per accumulare dimensioni campione sufficienti. Il motore di prova A/B comprende calcoli di significato statistico che indicano quando i risultati di prova sono affidabili rispetto a quando hanno bisogno di più dati, che rimuove il lavoro su quando la misurazione è attuabile.

E se il traffico del mio negozio è troppo basso per i test A/B per produrre risultati significativi?

Il framework di misura a quattro metri funziona in qualsiasi volume di traffico perché confronta i periodi di campagna contro i periodi di base piuttosto che richiedere l'assegnazione casuale. I negozi a binario inferiore beneficiano di più rispetto al confronto di base rispetto a quello di A/B perché il confronto di linea di base utilizza tutto il traffico disponibile piuttosto che dividerlo tra i gruppi di test. La piattaforma supporta entrambi gli approcci di misura, e i proprietari di negozi utilizzano in genere il confronto di linea di base per la misurazione primaria a volumi di traffico più bassi e test A/B quando il test di A/B quando il traffico supporta il traffico di controllo.

Come la piattaforma gestisce l'attribuzione per i clienti che acquistano più volte durante una campagna?

Il modello di campagna-attribuzione attribuisce ogni ordine alla logica promozionale specifica applicata al momento dell'acquisto. Un cliente che acquista più volte durante una campagna ottiene ogni ordine attribuito correttamente - ordini in cui la regola promozionale applicata conta come campagna-attribuibili, mentre ordini in cui la regola non ha applicato il conteggio come baseline. L'attribuzione granulare produce un segnale più chiaro su cui gli ordini sono effettivamente spostati dalla logica promozionale contro cui gli ordini avvengono durante la finestra di campagna senza essere causati.

Lo strato di analisi può integrarsi con strumenti esterni come Google Analytics?

Sì. La piattaforma espone i dati degli eventi strutturati attraverso i ganci standard WordPress, il che significa che gli strumenti di analisi esterni possono consumare gli eventi promozionali della piattaforma per la loro analisi. L'integrazione di Google Analytics 4 cattura gli eventi promozionali come parametri di ecommerce, gli strumenti di business intelligence possono consumare i dati attraverso gli endpoint delle API REST e le integrazioni personalizzate possono abbonarsi a eventi per analisi specializzate.

Come fa il monitoraggio del valore della vita del cliente a gestire i clienti che si churn?

Il monitoraggio CLV cattura i ricavi effettivi prodotti da ciascun cliente per il loro rapporto completo con il cliente, compreso il periodo di silenzio dopo l'ultimo acquisto. I clienti che si sciolgono (definiti dall'inattività al di là di una soglia configurabile) ottengono il loro CLV catturato come il fatturato cumulativo prodotto attraverso il loro ultimo acquisto, il che significa che la cifra CLV per un cliente rigoroso LQ riflette ciò che effettivamente speso, piuttosto che proiettare spesa futura che non è avvenuto.

GT BOGO Engine è costruito da GRAPHIC T-SHIRTS, un vero e proprio negozio WooCommerce con oltre 1.200 disegni originali in esecuzione su scala. Visita gtbogoengine.com per scaricare il core plugin gratuito, valutare le funzionalità di analisi e misurazione e decidere se la piattaforma si adatta alla tua strategia di misura promozionale.