Comment le suivi côté serveur OWOX a aidé à trouver les vraies sources de conversions pour plus de 30 % des ventes en ligne

Un pourcentage élevé de trafic direct/aucun est un casse-tête pour tout spécialiste du marketing. Lorsque vous ne connaissez pas les véritables sources de conversions, vous ne pouvez pas comprendre dans quels canaux investir et vous ne pouvez pas non plus faire de rapport sur les dépenses publicitaires.

Le suivi côté serveur OWOX peut résoudre ce problème. Une expérimentation conjointe avec un client a montré qu'avec OWOX BI, la proportion de transactions attribuées au direct/aucun a diminué de plus de21% .Il a également été possible d'identifier la source/le support correct pour plus de30 % des revenus, dont les sources étaient auparavant inconnues.De plus, en allouant correctement les transactions aux canaux, il a été possible de recalculer le CPO et de constater que pour certains canaux, il était inférieur au CPO calculé précédemment.

Dans cet article, nous décrivons en détail les résultats de cette expérience.

Vous constaterez peut-être qu'une proportion importante de sessions et de conversions provient de l'accès direct/aucun. Ainsi, il est impossible de comprendre de quelles sources proviennent réellement ces sessions et conversions. La cause la plus courante est une durée de vie limitée des cookies, ce qui conduit à une situation où chaque session ultérieure d'un visiteur particulier est définie comme une nouvelle session, et la connexion avec la toute première session est perdue. Cependant, cette première session contient la véritable source d'où vient l'utilisateur.

Les cookies internes du navigateur Safari ont une durée de vie limitée à sept jours. L'essentiel est que l'identifiantclientIdest utilisé pour identifier un utilisateur spécifique dans Google Analytics. Ainsi, il est utilisé par les outils d'analyse comme une clé permettant de comprendre les actions d'un utilisateur sur une longue période : d'où vient l'utilisateur, quelles pages il a visitées, etc.

L'identifiantclientIdest écrit dans lecookie ga_et stocké sur l'appareil de l'utilisateur lorsque l'utilisateur visite votre site Web. Ceci est considéré comme un cookie de première partie, mais comme il est écrit en JavaScript, il est soumis aux restrictions ITP. Il ne vit donc pas plus de sept jours.

Cela signifie que si un utilisateur visite votre site Web aujourd'hui à partir d'une publicité Facebook et passe une commande huit jours plus tard, votre outil d'analyse considérera l'acheteur comme un nouvel utilisateur et la commande ne sera en aucun cas attribuée à votre publicité Facebook. Le commerçant devient aveugle à cette partie du trafic et, ne comprenant pas la véritable source de la commande, peut désactiver la publicité prétendument inefficace sur Facebook. Cela pourrait entraîner une baisse des commandes et des bénéfices des entreprises. Par conséquent, une augmentation de la proportion de nouveaux utilisateurs dans l'analyse peut entraîner une perte de revenus.

Avec OWOX BI, vous pouvez augmenter la précision des estimations de vos campagnes publicitaires et identifier les véritables sources/supports/campagnes qui génèrent des revenus. Le suivi côté serveur OWOX BI surveille toute activité de l'utilisateur sur votre site Web, prolonge la durée de vie des cookies et n'est pas affecté par les bloqueurs de publicités, ce qui vous permet de voir l'intégralité du chemin de conversion.

Suivi côté serveur sans cookie prêt à l'emploi

Avec OWOX BI, vous pouvez configurer la collecte de données de première partie pour résoudre les problèmes ITP. Pour ce faire, au stade de l'intégration, nous créons un sous-domaine distinct sur votre site Web sur lequel la collecte de données aura lieu.

A chaque hit/événement, OWOX BI crée un ouid de cookie et le renouvelle à chaque interaction avec l'utilisateur pendant 364 jours. Ce cookie aura son propre ID utilisateur :owox.user_id. Sur cette base, nous pouvons créer des rapports d'analyse sans une grande part de faux nouveaux utilisateurs et créer un parcours utilisateur pour une période plus longue. Cela permet d'évaluer correctement l'efficacité des campagnes publicitaires et de suivre l'ensemble du parcours utilisateur.

La problématique du trafic direct/aucun était particulièrement pertinente pour le client avec lequel nous avons mené l'expérience, puisque près de la moitié de son trafic (44%) provient du navigateur Safari.

Dans l'expérience, nous avons comparé les différences entre les principaux indicateurs de l'entreprise (transactions, revenus, CPO) lorsqu'ils sont calculés sur la base de données collectées à l'aide de différents identifiants d'utilisateur : Google Analyticsclient_idetowox.user_id.

La question clé à laquelle nous voulions répondre était de savoir combien de transactions la source de trafic changerait. Pourquoi est-ce important? Parce que l'efficacité des canaux publicitaires est évaluée en fonction du nombre de transactions par source/support, et en fonction de cette efficacité, des décisions sont prises sur la redistribution du budget et des rapports sont établis pour la direction.

L'expérience a montré que l'utilisationde owox.user_idréduisait de 12 % le pourcentage d'utilisateurs incorrectement identifiés comme nouveaux. Cela signifie que sans utiliser le streaming côté serveur OWOX, le système d'analyse aurait identifié ces utilisateurs comme nouveaux, mais grâce à OWOX BI, ces utilisateurs ont été identifiés comme revenant, réduisant ainsi le pourcentage de nouveaux utilisateurs. Pour l'expérience, nous avons analysé les données pendant un mois. Sur une période plus longue, la réduction des utilisateurs mal identifiés devrait être encore plus importante.

La capture d'écran suivante montre le pourcentage d'utilisateurs identifiés comme retournés (graphique supérieur, parclient_id; graphique inférieur, parowox.user_id).

Ces graphiques montrent le pourcentage d'utilisateurs reconnus comme "retournés". Nous pouvons voir que pendant les sept premiers jours (pendant que le cookie Safari est toujours actif), le pourcentage d'utilisateurs récurrents est à peu près le même pour les deux méthodes. Cependant, après sept jours, la différence devient significative. Grâce àowox.user_id, il est possible de reconnaître deux fois plus d'utilisateurs récurrents le huitième jour, et six fois plus d'utilisateurs récurrents le trentième jour. 😎

La capture d'écran suivante montre le pourcentage de transactions pour lesquelles la source de trafic a changé en raison de l'utilisation deowox.user_id(pour plus de clarté, l'évaluation a été effectuée à l'aide des modèles d'attribution les plus populaires au premier clic et au dernier clic non direct).

Par exemple, si on regarde les données du 27 mars, on voit que la source de trafic a changé pour 12% des transactions (selon First Click) et 6,8% des transactions (selon LNDC). Cela signifie que dès le début, la source a été mal identifiée pour ces transactions. Par conséquent, les canaux d'où provenaient effectivement ces transactions étaient sous-évalués. Cela a conduit les spécialistes du marketing à tirer des conclusions erronées et à allouer le budget de manière inefficace. Le suivi côté serveur peut résoudre ce problème.

Passons maintenant à la partie principale de l'expérience et voyons comment les changements dans la proportion d'utilisateurs nouveaux/anciens et la source de transaction affectent le taux de conversion, les revenus et le CPO.

Dans le tableau ci-dessous, nous pouvons voir comment l'utilisation du suivi côté serveur OWOX BI réduit le nombre de transactions avec une source de trafic directe/aucune. Cela se fait en réattribuant ces transactions à leur véritable source/support.

Par exemple, prenons les données du 6 avril. Nous pouvons voir que le nombre de transactions avec (direct)/aucune ce jour-là a diminué de 33,33 %. Ces transactions ont été redistribuées entre d'autres combinaisons source/support : google/cpc a reçu +12,5 % de transactions, twitter.com/social +50 % de transactions, etc.

Le tableau suivant nous montre comment les revenus des transactions, qui avaient auparavant une source/support comme direct/aucun, sont redistribués.

Par exemple, on voit que le 6 avril, les revenus des transactions avec une source/support de direct/aucun ont diminué de 32,78% points. Cependant, ces revenus ont été répartis entre d'autres canaux et sources. Cela semble suspect, car les vrais canaux qui rapportaient des revenus étaient sous-évalués. Maintenant, nous pouvons non seulement le ressentir intuitivement mais aussi le justifier avec des chiffres 😎.

Nous avons également remarqué que pour certaines sources/supports, le CPO a diminué de manière prévisible. Pourquoi? Parce que la part des transactions provenant du direct/aucun s'est dirigée vers d'autres catégories de source/support. Le nombre de transactions (au dénominateur) auxquelles les dépenses d'un canal particulier doivent être réparties a augmenté, ce qui a entraîné une diminution du CPO. Pour le dire en termes marketing, les transactions qui n'étaient pas prises en compte dans Google Analytics ont été incluses dans ces catégories de sources/supports, ce qui indique que leur efficacité réelle est supérieure.

Par exemple, le 31 mars, le CPO de google/cpc a diminué de 8,77 % :

Le CPO pour bing/cpc a diminué de 12,5 % :

Le CPO pour Facebook/social payant a diminué de 13,33 % :

En raison des limitations associées à l'utilisation de cookies tiers, la part des nouveaux utilisateurs et du trafic direct/aucun est en augmentation. Cela complique considérablement l'évaluation des canaux publicitaires pour les spécialistes du marketing.

Le suivi côté serveur OWOX aide à résoudre ce problème : il réduit la part du trafic direct/aucun de 21 % ou plus et redistribue correctement 30 % ou plusdes transactions et des revenus vers d'autres sources et canaux. Grâce à cela, l'équipe marketing peut mieux respecter ses KPI et défendre plus rapidement son budget.