Cómo el seguimiento del lado del servidor de OWOX ayudó a encontrar las fuentes reales de conversiones para más del 30 % de las ventas en línea

Un alto porcentaje de tráfico directo/ninguno es un dolor de cabeza para cualquier vendedor. Cuando no conoce las fuentes reales de conversiones, no puede entender en qué canales invertir y tampoco puede informar sobre la inversión publicitaria.

El seguimiento del lado del servidor OWOX puede resolver este problema. Un experimento conjunto con un cliente mostró que con OWOX BI, la proporción de transacciones atribuidas a directo/ninguno disminuyó en más del21 % .También fue posible identificar la fuente/medio correcto para más del30 % de los ingresos, cuyas fuentes se desconocían anteriormente.Además, al asignar correctamente las transacciones a los canales, fue posible recalcular el CPO y ver que para algunos canales, era menor que el CPO calculado anteriormente.

En este artículo, describimos en detalle los resultados de este experimento.

Es posible que descubra que una proporción significativa de sesiones y conversiones provienen de directa/ninguna. Por lo tanto, es imposible entender de qué fuentes provienen realmente estas sesiones y conversiones. La causa más común es una vida útil limitada de las cookies, lo que conduce a una situación en la que cada sesión posterior de un visitante en particular se define como una nueva sesión y se pierde la conexión con la primera sesión. Sin embargo, esa primera sesión contiene la verdadera fuente de la que proviene el usuario.

Las cookies de origen en el navegador Safari tienen una duración limitada de siete días. La conclusión es que el identificadorclientIdse utiliza para identificar a un usuario específico en Google Analytics. Por lo tanto, las herramientas de análisis lo utilizan como una clave mediante la cual puede comprender las acciones de un usuario durante un período prolongado: de dónde vino originalmente el usuario, qué páginas visitó, etc.

El identificadorde clientIdse escribe en lacookie ga_y se almacena en el dispositivo del usuario cuando el usuario visita su sitio web. Esto se considera una cookie de origen, pero dado que está escrito en JavaScript, está sujeto a restricciones de ITP. Así que no vive más de siete días.

Esto significa que si un usuario visita su sitio web hoy desde un anuncio de Facebook y realiza un pedido ocho días después, su herramienta de análisis considerará al comprador como un nuevo usuario y el pedido no se atribuirá de ninguna manera a su publicidad de Facebook. El comercializador se vuelve ciego a esta parte del tráfico y, al no comprender la fuente real del pedido, puede desactivar la publicidad supuestamente ineficaz en Facebook. Esto podría conducir a una caída en los pedidos y las ganancias comerciales. Por lo tanto, un aumento en la proporción de nuevos usuarios en análisis puede generar una pérdida de ingresos.

Con OWOX BI, puede aumentar la precisión de las estimaciones de su campaña publicitaria e identificar las verdaderas fuentes/medios/campañas que generan ingresos. El seguimiento del lado del servidor de OWOX BI supervisa cualquier actividad del usuario en su sitio web, extiende la vida útil de las cookies y no se ve afectado por los bloqueadores de anuncios, lo que le permite ver la ruta de conversión completa.

Seguimiento del lado del servidor sin cookies listo para usar

Con OWOX BI, puede configurar la recopilación de datos propios para resolver problemas de ITP. Para hacer esto, en la etapa de integración, creamos un subdominio separado en su sitio web en el que se realizará la recopilación de datos.

Con cada hit/evento, OWOX BI crea un ouid de cookie y lo renueva con cada interacción con el usuario durante 364 días. Esta cookie tendrá su propio ID de usuario:owox.user_id. En base a esto, podemos crear informes analíticos sin una gran cantidad de nuevos usuarios falsos y crear una ruta de usuario para un período más largo. Esto permite evaluar correctamente la efectividad de las campañas publicitarias y realizar un seguimiento de todo el viaje del usuario.

El problema del tráfico directo/ninguno fue particularmente relevante para el cliente con el que realizamos el experimento, ya que casi la mitad de su tráfico (44 %) proviene del navegador Safari.

En el experimento, comparamos cómo difieren las principales métricas de la empresa (transacciones, ingresos, CPO) cuando se calculan en función de los datos recopilados con diferentes identificadores de usuario: Google Analyticsclient_idyowox.user_id.

La pregunta clave que queríamos responder era cuántas transacciones cambiaría la fuente de tráfico. ¿Porque es esto importante? Porque la eficacia de los canales publicitarios se evalúa en función del número de transacciones por fuente/medio, y en base a esta eficacia se toman decisiones de redistribución del presupuesto y se elaboran informes para la gestión.

El experimento mostró que el usode owox.user_idredujo el porcentaje de usuarios identificados incorrectamente como nuevos en un 12 %. Esto significa que sin usar la transmisión del lado del servidor de OWOX, el sistema de análisis habría identificado a estos usuarios como nuevos, pero gracias a OWOX BI, estos usuarios fueron identificados como recurrentes, lo que redujo el porcentaje de nuevos usuarios. Para el experimento, analizamos datos durante un mes. Durante un período más largo, la reducción de usuarios identificados incorrectamente debería ser aún mayor.

La siguiente captura de pantalla muestra el porcentaje de usuarios identificados como devueltos (gráfico superior, porclient_id; gráfico inferior, porowox.user_id).

Estos gráficos muestran el porcentaje de usuarios reconocidos como "devueltos". Podemos ver que durante los primeros siete días (mientras la cookie de Safari aún está activa), el porcentaje de usuarios que regresan es aproximadamente el mismo para ambos métodos. Sin embargo, después de siete días, la diferencia se vuelve significativa. Gracias aowox.user_id, es posible reconocer el doble de usuarios recurrentes el octavo día y seis veces más usuarios recurrentes el trigésimo día. 😎

La siguiente captura de pantalla muestra el porcentaje de transacciones para las que la fuente de tráfico ha cambiado debido al uso deowox.user_id(para mayor claridad, la evaluación se realizó utilizando los modelos de atribución de primer clic y último clic no directo más populares).

Por ejemplo, si miramos los datos del 27 de marzo, podemos ver que la fuente de tráfico cambió para el 12% de las transacciones (según First Click) y el 6,8% de las transacciones (según LNDC). Esto significa que desde el principio, la fuente fue identificada incorrectamente para estas transacciones. En consecuencia, los canales de los que en realidad procedían estas transacciones estaban infravalorados. Esto llevó a los especialistas en marketing a sacar conclusiones incorrectas y asignar el presupuesto de manera ineficiente. El seguimiento del lado del servidor puede resolver este problema.

Ahora pasemos a la parte principal del experimento y veamos cómo los cambios en la proporción de usuarios nuevos/recurrentes y el origen de la transacción afectan la tasa de conversión, los ingresos y el CPO.

En la siguiente tabla, podemos ver cómo el uso del seguimiento del lado del servidor de OWOX BI reduce la cantidad de transacciones con una fuente de tráfico directo o sin tráfico. Esto se hace reasignando estas transacciones a su verdadera fuente/medio.

Por ejemplo, tomemos los datos del 6 de abril. Podemos ver que el número de transacciones con (directo)/ninguno ese día disminuyó un 33,33 %. Estas transacciones se redistribuyeron entre otras combinaciones de fuente/medio: google/cpc recibió más del 12,5 % de transacciones, twitter.com/social más del 50 % de transacciones, y así sucesivamente.

La siguiente tabla nos muestra cómo se redistribuyen los ingresos de las transacciones, que anteriormente tenían fuente/medio como directo/ninguno.

Por ejemplo, vemos que el 6 de abril, los ingresos por transacciones con fuente/medio directo/ninguno disminuyeron 32,78% puntos. Sin embargo, estos ingresos se distribuyeron entre otros canales y fuentes. Esto parece sospechoso, ya que los canales reales que generaban ingresos estaban infravalorados. Ahora, no solo podemos sentirlo intuitivamente sino también justificarlo con números 😎.

También notamos que para algunas fuentes/medios, el CPO previsiblemente disminuyó. ¿Por qué? Porque la proporción de transacciones directas/ninguna fluyó hacia otras categorías de fuentes/medios. El número de transacciones (en el denominador) entre las que se deben dividir los gastos de un canal en particular aumentó, lo que resultó en una disminución del CPO. Para decirlo en términos de marketing, las transacciones que no se contabilizaron en Google Analytics se incluyeron en estas categorías de fuente/medio, lo que indica que su efectividad real es mayor.

Por ejemplo, el 31 de marzo, el CPO de google/cpc disminuyó un 8,77 %:

El CPO para bing/cpc disminuyó un 12,5 %:

El CPO de Facebook/redes sociales de pago disminuyó un 13,33 %:

Debido a las limitaciones asociadas con el uso de cookies de terceros, la proporción de nuevos usuarios y tráfico directo/ninguno está aumentando. Esto complica significativamente la evaluación de los canales publicitarios para los especialistas en marketing.

El seguimiento del lado del servidor de OWOX ayuda a resolver este problema: reduce la proporción de tráfico directo/ninguno en un 21 % o más y redistribuye correctamente el 30 % o másde las transacciones y los ingresos a otras fuentes y canales. Gracias a esto, el equipo de marketing puede cumplir mejor con sus KPI y defender más rápidamente su presupuesto.