ขจัดจุดบอดในการตลาดดิจิทัลของคุณ

การจัดการเป็นเรื่องของการตัดสินใจ การจัดการในทีมการตลาดดิจิทัลนั้นเกี่ยวกับการตัดสินใจที่ขับเคลื่อนด้วยข้อมูล ปัจจุบัน ข้อจำกัดของคุกกี้ ความเป็นส่วนตัว และ MarTech ทำให้การวัดยากขึ้นและจุดบอดใหญ่ขึ้น เมื่อเพิกเฉยแล้ว จะเพิ่มต้นทุนการได้มาและทำให้พิสูจน์มูลค่าทางการตลาดได้ยากขึ้น

ในบทความนี้ เราจะเปิดเผยจุดบอดอันดับต้นๆ ที่คุณควรระวังในการตลาดดิจิทัลในปี 2023 นอกจากนี้ เรายังแชร์วิธีประเมินผลกระทบทางธุรกิจและแนวทางปฏิบัติที่ดีที่สุดในการจัดการกับสิ่งเหล่านี้

จุดบอดอันดับต้น ๆ ในปี 2566:

• ข้อมูล CRM ไม่ได้เชื่อมต่อกับรายงานการวิเคราะห์ดิจิทัล
• สัดส่วนที่สำคัญของการเข้าชมมาจากแหล่งที่มาที่ไม่รู้จัก
• ข้อมูลที่ไม่ได้รับความยินยอมไม่มีแหล่งที่มาของการเข้าชมเซสชัน แม้แต่สำหรับผู้เข้าชมที่เปลี่ยนใจเลื่อมใส

แคมเปญการตลาดดิจิทัลวัดได้จากคอนเวอร์ชั่นออนไลน์ แต่ระดับ C กำลังมองหาคำสั่งซื้อที่เสร็จสมบูรณ์หรือลีดที่มีคุณสมบัติเหมาะสมเพื่อพิสูจน์คุณค่าทางการตลาด หากข้อมูล CRM ของคุณไม่ได้เชื่อมต่อกับรายงานการวิเคราะห์ดิจิทัล คุณจะไม่ทราบว่าแคมเปญการได้มาซึ่งแคมเปญใดที่ได้รับการประเมินต่ำไปหรือประเมินสูงเกินไปจากมุมมองของมูลค่าธุรกิจที่แท้จริง

หากต้องการสร้างรายงาน ข้อมูลจากแหล่งต่างๆ จะต้องจัดกลุ่มอย่างถูกต้อง ตัวอย่างเช่น การกระทำของผู้ใช้จำเป็นต้องจัดกลุ่มเป็นเซสชันเพื่อเชื่อมโยงคอนเวอร์ชั่นกับแคมเปญโฆษณา ค่าใช้จ่ายจากแหล่งต่างๆ ควรแปลงเป็นโครงสร้างเดียวเพื่อเปรียบเทียบประสิทธิภาพของแหล่งเหล่านั้น ข้อมูลจากเว็บไซต์และแหล่งโฆษณาต้องรวมกับข้อมูลจากระบบ CRM ของคุณเพื่อประเมินประสิทธิภาพที่แท้จริงของการตลาดจากมุมมองทางธุรกิจ

นักวิเคราะห์รวบรวมข้อมูลจากบริการและระบบที่แตกต่างกัน และโดยธรรมชาติแล้ว โครงสร้างและรูปแบบของข้อมูลจะแตกต่างกันไปตามแหล่งที่มา นอกจากนี้ ข้อมูลนี้อาจมีข้อผิดพลาด ซ้ำซ้อน และความคลาดเคลื่อน ข้อมูลที่สกปรกและแยกส่วนจำเป็นต้องได้รับการทำความสะอาดและทำให้เป็นมาตรฐาน

การทำความสะอาด การทำให้เป็นมาตรฐาน และการศึกษาความเข้ากันได้ของข้อมูลจากแหล่งต่างๆ นั้นใช้เวลานานมาก นอกจากนี้ จำเป็นต้องมีการรวมข้อมูลเป็นประจำเนื่องจากแหล่งข้อมูลได้รับการอัปเดตเพื่อจัดการตรรกะทางธุรกิจที่ยืดหยุ่นตามข้อกำหนดทางธุรกิจ

ในการเตรียมระบบรายงาน นักวิเคราะห์จำเป็นต้องสร้างและบำรุงรักษาการแปลงข้อมูล SQL ที่เชื่อมต่อกันทั้งหมด ในโครงการใดๆ เมื่อเวลาผ่านไป สิ่งนี้จะกลายเป็นความยุ่งเหยิงของแบบสอบถามและสคริปต์ SQL ซึ่งการดีบักนั้นใช้เวลานานและไม่ได้เพิ่มคุณค่าใหม่

ด้วย OWOX BI คุณไม่จำเป็นต้องมองหาความไม่สอดคล้องของ KPI และสลับไปมาระหว่างเครื่องมืออีกต่อไป คุณสามารถกระทบยอดข้อมูลการกระทำของผู้ใช้ทั้งหมดกับข้อมูลแคมเปญและ CRM เพื่อพิสูจน์คุณค่าทางการตลาด ไม่ว่าคุณต้องการข้อมูลใด คุณสามารถดูได้ทันทีบนแดชบอร์ดของคุณ

ขั้นตอนที่ 1 OWOX BI รวบรวมข้อมูลโดยอัตโนมัติในรูปแบบที่สะดวกสำหรับการวิเคราะห์จากแหล่งการตลาดทั้งหมดของคุณ:

• Google Analytics 4, Firebase และ AppsFlyer
• เว็บไซต์ (ข้อมูลดิบที่สอดคล้องกับ GDPR เต็มรูปแบบ)
• แพลตฟอร์มโฆษณา
• ระบบ CRM
• แหล่งการตลาดอื่น ๆ

ขั้นตอนที่ 2 ด้วย OWOX BI คุณไม่จำเป็นต้องทำความสะอาด จัดโครงสร้าง และประมวลผลข้อมูลด้วยตนเองบริการนี้ทำให้ข้อมูลดิบเป็นปกติในรูปแบบที่พร้อมสำหรับการวิเคราะห์โดยอัตโนมัติ คุณได้รับข้อมูลที่มีโครงสร้างแม่นยำ: รูปแบบแท็กที่เป็นหนึ่งเดียว สกุลเงินเดียว ข้อมูลที่ไม่มีคู่และความผิดปกติ การตรวจจับบอต

ขั้นตอนที่ 3 OWOX BI Transformation ใช้การแปลงขั้นพื้นฐานที่ทุกคนต้องการโดยอัตโนมัติ เช่น การจัดเซสชัน การผสมข้อมูลต้นทุน การตรวจจับประเภทผู้ใช้ (ใหม่หรือที่กลับมา) การสร้างแบบจำลองการแปลง การจัดกลุ่มแชแนลที่กำหนดเอง และอื่นๆ อีกมากมายนอกจากนี้ คุณสามารถสร้างและใช้การแปลง (กำหนดเอง) ของคุณเองได้อย่างง่ายดาย

ด้วยวิธีนี้ คุณสามารถ:

• เพิ่มคุณค่าและประสิทธิภาพของงานวิเคราะห์โดย:
• เร่งการเปลี่ยนแปลงโครงสร้างรายงานและตรรกะการคำนวณเมตริก
• ลดค่าใช้จ่ายในการสนับสนุนรายงานและแดชบอร์ด
• ลดความซับซ้อนของการสนทนาและการอนุมัติรายงาน
• เพิ่มคุณภาพข้อมูลในรายงานโดย:
• หลีกเลี่ยงการทำซ้ำเมื่อใช้ตรรกะการคำนวณพารามิเตอร์และเมตริก
• มีชั้นข้อมูลเดียวที่เป็นแหล่งข้อมูลที่ถูกต้อง

OWOX BI ให้ข้อมูลที่พร้อมสำหรับการวิเคราะห์แก่คุณ ช่วยประหยัดเวลาในการเตรียมข้อมูล

โครงสร้างที่จำเป็นของตารางต้นฉบับและตรรกะสำหรับการสร้างจะขึ้นอยู่กับลักษณะเฉพาะของธุรกิจของคุณ ด้วย OWOX BI Transformation คุณจะได้รับโครงสร้างข้อมูลใดๆ ที่มีตรรกะการก่อตัวใดๆ

ตัวอย่างเช่น ในการส่งออก GA4 ดั้งเดิม → Google BigQuery จะมีตรรกะแหล่งที่มาของการเข้าชมเพียงรายการเดียว นั่นคือ แหล่งที่มาของผู้ใช้รายแรก นั่นคือ จะพิจารณาเฉพาะแหล่งที่มาแรกสำหรับผู้ใช้ที่ระบุเท่านั้น และแหล่งที่มาอื่นๆ ทั้งหมดที่นำไปสู่เซสชันจะถูกละเว้น ดังนั้น แหล่งที่มาของการเข้าชมบางส่วนจะไม่ปรากฏในรายงานของคุณ นี่อาจเป็นปัญหาสำหรับนักวิเคราะห์ เนื่องจากรายงานจำนวนมากสร้างขึ้นจากเซสชัน ดังนั้นจึงจำเป็นอย่างยิ่งที่จะต้องกำหนดแหล่งที่มาของแต่ละเซสชัน

ใน OWOX BI คุณสามารถตั้งค่าตรรกะการระบุแหล่งที่มาของการเข้าชม รวมถึงแหล่งที่มาของเซสชัน ซึ่งมีความสำคัญสำหรับรายงานเกี่ยวกับประสิทธิภาพทางการตลาด

สมมติว่าคุณต้องการรายงานประสิทธิภาพที่มีข้อมูลเกี่ยวกับแคมเปญโฆษณาและคอนเวอร์ชั่นออนไลน์ อย่างไรก็ตาม การกระทำบนเว็บไซต์จำนวนมาก รวมถึงคอนเวอร์ชั่น จะติดตามการคลิกโฆษณาของผู้ใช้แต่ละราย นั่นเป็นเหตุผลที่คุณต้องจัดกลุ่มกิจกรรมของผู้ใช้ออนไลน์ตามแหล่งที่มาของการเข้าชมก่อนที่คุณจะสามารถศึกษาความสัมพันธ์ระหว่างแคมเปญและคอนเวอร์ชั่นออนไลน์ได้

อัลกอริทึม OWOX BI จะรวม Hit/เหตุการณ์ในเซสชันโดยอัตโนมัติโดยไม่ต้องใช้ตรรกะของ Google Analytics ในการสร้างเซสชัน คุณจะได้รับตารางเซสชันที่อัปเดตอัตโนมัติพร้อมใช้งานในโครงสร้างที่สะดวกโดยไม่จำเป็นต้องเขียนการแปลงข้อมูลที่ซับซ้อน

นอกจากนี้ เมื่อใช้ OWOX BI นักวิเคราะห์สามารถจัดกลุ่มเซสชันโดยใช้เทมเพลตการแปลงฟรีสำหรับ Google Analytics Universal และ Google Analytics 4 ดังนั้น นักวิเคราะห์จะได้รับข้อมูลเซสชันในโครงสร้างเดียวที่สามารถใช้สำหรับรายงานหรือการระบุแหล่งที่มาของค่าใช้จ่าย

เทมเพลตทั้งหมดแก้ไขได้ง่าย — นักวิเคราะห์สามารถเปลี่ยนส่วนใดๆ ของเทมเพลตเพื่อให้มีวิธีสร้างเซสชันที่ไม่เหมือนใคร ยิ่งไปกว่านั้น นักวิเคราะห์สามารถสร้างอัลกอริทึมเฉพาะของตัวเองโดยใช้ SQL มาตรฐานเท่านั้น

สิ่งสำคัญสำหรับนักการตลาดคือการเข้าใจความแตกต่างระหว่างผู้ชม ตัวอย่างเช่น เพื่อให้บรรลุเป้าหมายการเติบโต คุณต้องติดตามประสิทธิภาพแคมเปญโฆษณาแยกกันสำหรับผู้ใช้ใหม่และผู้ใช้ที่กลับมา สิ่งนี้มีความสำคัญเนื่องจากแชนเนลที่มีผู้ใช้ที่กลับมาในสัดส่วนสูงจะมี KPI ที่ดีที่สุด แต่แทบจะเป็นไปไม่ได้เลยที่จะปรับขนาด

OWOX BI ให้ความสามารถในการกำหนดประเภทผู้ใช้ (ใหม่หรือที่กลับมา) เพื่อให้คุณสามารถสร้างรายงานในกลุ่มผู้ใช้ที่แตกต่างกัน สำหรับสิ่งนี้ สามารถใช้ข้อมูลประเภทต่างๆ ที่รวบรวมโดย OWOX หรือระบบอื่นๆ จากเว็บไซต์ ระบบ CRM เป็นต้น:

• คุกกี้และระยะเวลาบนเว็บไซต์ (เช่น GA แต่มีความแม่นยำและความยืดหยุ่นมากกว่า)
• การทำธุรกรรมของผู้ใช้บนเว็บไซต์
• ข้อมูลเกี่ยวกับการลงทะเบียนของผู้ใช้บนเว็บไซต์
• ข้อมูลการลงทะเบียนผู้ใช้ในระบบ CRM
• ข้อมูลการขายจากระบบ CRM
• ข้อมูลอื่นใดที่บริษัทมีเกี่ยวกับผู้ใช้

OWOX BI มีอัลกอริทึมและเครื่องมือที่แกะกล่องเพื่อรวมข้อมูลทั้งหมดนี้และพิจารณาว่าผู้ใช้ใหม่หรือกลับมาด้วยวิธีที่ถูกต้องที่สุดเท่าที่จะทำได้ โดยไม่สูญเสียข้อมูลใดๆ เกี่ยวกับผู้ใช้

นักวิเคราะห์สามารถใช้อัลกอริทึมดังกล่าวจากเทมเพลตสำเร็จรูปที่เขียนด้วย SQL มาตรฐาน คุณยังสามารถแก้ไขเทมเพลตหรือเขียนอัลกอริทึมการตรวจหาประเภทผู้ใช้ของคุณเองได้อย่างรวดเร็ว

ด้วย OWOX BI คุณสามารถสร้างการวิเคราะห์รอบๆ ตัวผู้ใช้ ไม่ใช่เบราว์เซอร์ อุปกรณ์ และแคมเปญ ข้อมูลทั้งหมดเกี่ยวกับพฤติกรรมของผู้ใช้จากไซต์ของคุณ ตลอดจนอุปกรณ์และแอปพลิเคชันต่างๆ จะรวมเป็นโปรไฟล์เดียว คุณจะได้ภาพรวมที่สมบูรณ์ของพฤติกรรมของผู้ใช้แต่ละคนเพื่อวิเคราะห์คุณภาพของแคมเปญโฆษณา

OWOX BI รวมรหัสผู้ใช้จำนวนมากบนแพลตฟอร์มเว็บและแอพไว้ในโปรไฟล์ผู้ใช้เดียว (ProfileID):

ProfileID ช่วยให้คุณสามารถรวมห่วงโซ่แหล่งที่มาระหว่างทางไปสู่การแปลง สิ่งนี้จะเพิ่มความแม่นยำในการระบุแหล่งที่มาและช่วยให้คุณตอบคำถามเกี่ยวกับประสิทธิภาพของแคมเปญโฆษณาข้ามอุปกรณ์ได้

Google Analytics และเครื่องมือวิเคราะห์อื่นๆ มีอัลกอริทึมการแปลงข้อมูลที่กำหนดไว้ล่วงหน้าสำหรับการจัดเซสชัน การระบุแหล่งที่มา การผสมต้นทุนโฆษณา และอื่นๆ ช่วยให้คุณทำทุกสิ่งที่จำเป็นสำหรับการเปลี่ยนแปลงการวิเคราะห์การตลาดในลักษณะทั่วไป พวกเขามีโอกาสปรับแต่งได้ แต่ไม่เพียงพอหากคุณต้องการใช้อัลกอริทึมของคุณเองกับแนวทางเฉพาะธุรกิจ

OWOX จัดเตรียมชุดการเปลี่ยนแปลงที่ได้รับการพัฒนามาอย่างดีและมีประสิทธิภาพเพื่อแปลงข้อมูลเฉพาะด้านการตลาด แต่ละรายการได้รับการออกแบบมาเพื่อจัดเตรียมและแปลงข้อมูลในลักษณะที่ได้ผลดีที่สุดสำหรับเว็บไซต์ส่วนใหญ่ เราจัดให้เป็นชุดของเทมเพลตการแปลง

หากคุณต้องการการแปลงข้อมูลที่ไม่ซ้ำใครตามความต้องการเฉพาะของคุณ OWOX สามารถจัดเตรียมการแปลงแบบกำหนดเองได้ สามารถพัฒนาได้สามวิธี:

• ตั้งแต่เริ่มต้นโดยนักวิเคราะห์ของคุณ
• ตั้งแต่เริ่มต้นโดยมืออาชีพ OWOX ตามความต้องการของคุณ
• โดยแก้ไขการแปลงข้อมูลที่มีอยู่จากเทมเพลต OWOX (วิธีที่เร็วที่สุด)

การแปลงแบบกำหนดเองใช้การสืบค้น SQL และมีการสืบค้นไม่จำกัดจำนวนในห่วงโซ่ คุณสามารถสร้างกฎการแปลงข้อมูลได้โดยไม่มีข้อจำกัดใดๆ การแปลงแบบกำหนดเองสามารถใช้ร่วมกับการแปลงจากเทมเพลตเพื่อสร้างการไหลของข้อมูลที่ราบรื่น คุณสามารถบันทึกการแปลงแบบกำหนดเองเป็นเทมเพลตโครงการและใช้ซ้ำในโฟลว์ข้อมูลอื่นภายในโครงการเดียวกันได้

เพื่อให้ตัดสินใจได้อย่างถูกต้องเกี่ยวกับสิ่งต่างๆ เช่น การกระจายงบประมาณการโฆษณา คุณต้องแน่ใจว่าข้อมูลในรายงานได้รับการอัปเดตอย่างทันท่วงที

OWOX BI มีวิธีง่ายๆ ในการกำหนดเวลาการอัปเดตข้อมูลโดยไม่ต้องใช้การเข้ารหัสหรือเครื่องมือของบุคคลที่สาม ตัวกำหนดตารางเวลาเป็นส่วนหนึ่งของกระบวนการใดๆ ที่สามารถสร้างได้ภายในแพลตฟอร์ม OWOX BI

มีตัวกำหนดตารางเวลาสองประเภทสำหรับการปรับการอัปเดตข้อมูลให้ดียิ่งขึ้น: ตามเวลาและตามเหตุการณ์ ตัวกำหนดตารางเวลาประเภทแรกให้เวลาที่แน่นอนเมื่อข้อมูลจะพร้อม ประเภทที่สองทำให้การตั้งค่านี้ง่ายขึ้นด้วยโฟลว์การพึ่งพา (เมื่อกระบวนการทำงานต่อกัน) การรวมกันของตัวกำหนดตารางเวลาทั้งสองประเภทนี้ช่วยให้ลูกค้าสามารถอัปเดตข้อมูลสำหรับรายงานประสิทธิภาพได้อย่างรวดเร็ว ง่ายดาย และยืดหยุ่น

คุณอาจพบว่าสัดส่วนเซสชันและ Conversion จำนวนมากมาจากโดยตรง/ไม่มีเลย ดังนั้นจึงแทบจะเป็นไปไม่ได้เลยที่จะเข้าใจว่าเซสชันและ Conversion เหล่านี้มาจากแหล่งใดอย่างแท้จริง สาเหตุที่พบบ่อยที่สุดคืออายุการใช้งานคุกกี้ที่จำกัด ซึ่งนำไปสู่สถานการณ์ที่แต่ละเซสชันที่ตามมาโดยผู้เข้าชมรายใดรายหนึ่งถูกกำหนดให้เป็นเซสชันใหม่ และการเชื่อมต่อกับเซสชันแรกจะขาดหายไป

คุกกี้บุคคลที่หนึ่งในเบราว์เซอร์ Safari มีอายุการใช้งานจำกัดที่เจ็ดวัน บรรทัดล่างคือตัวระบุรหัสลูกค้าใช้เพื่อระบุผู้ใช้เฉพาะใน Google Analytics ดังนั้น เครื่องมือวิเคราะห์จึงถูกใช้เป็นกุญแจสำคัญในการทำความเข้าใจการกระทำของผู้ใช้เป็นระยะเวลานาน ว่าผู้ใช้มาจากไหน หน้าใดที่พวกเขาเข้าชม และอื่นๆ

ตัวระบุ clientId ถูกเขียนไปยังคุกกี้ ga_ และจัดเก็บไว้ในอุปกรณ์ของผู้ใช้ นี่ถือเป็นคุกกี้ของบุคคลที่หนึ่ง แต่เนื่องจากเขียนด้วยสคริปต์ JavaScript จึงอยู่ภายใต้ข้อจำกัดของ ITPดังนั้นมันจึงมีชีวิตอยู่ได้ไม่เกินเจ็ดวัน

ซึ่งหมายความว่าหากผู้ใช้เข้าชมเว็บไซต์ของคุณในวันนี้จากโฆษณาบน Facebook และทำการสั่งซื้อในอีกแปดวันต่อมา เครื่องมือวิเคราะห์ของคุณจะเป็นผู้ใช้ใหม่และคำสั่งซื้อนั้นจะไม่ถือว่ามาจากการโฆษณาบน Facebook แต่อย่างใด นักการตลาดจะมองไม่เห็นส่วนนี้ของการเข้าชม และไม่เข้าใจแหล่งที่มาที่แท้จริงของคำสั่งซื้อ อาจปิดการโฆษณาที่ไม่มีประสิทธิภาพบน Facebook สิ่งนี้อาจนำไปสู่การลดลงของคำสั่งซื้อและกำไรของธุรกิจ ดังนั้น การเพิ่มขึ้นของสัดส่วนผู้ใช้ใหม่ในการวิเคราะห์นำไปสู่การสูญเสียรายได้

ITP Impact Calculator สำหรับ Google Analytics อาจมีประโยชน์ในการทำความเข้าใจว่าการเปลี่ยนแปลงคุกกี้จะส่งผลต่อคุณอย่างไร

ด้วย OWOX BI คุณสามารถเพิ่มความแม่นยำของการประมาณการแคมเปญโฆษณาของคุณได้ถึง 70% และระบุแหล่งที่มา/สื่อ/แคมเปญที่แท้จริงที่สร้างรายได้ การติดตามฝั่งเซิร์ฟเวอร์ OWOX BI จะตรวจสอบกิจกรรมของผู้ใช้บนเว็บไซต์ของคุณ ยืดอายุคุกกี้ และไม่ได้รับผลกระทบจากตัวบล็อกโฆษณา ช่วยให้คุณเห็นเส้นทางทั้งหมดสู่การแปลง

ด้วย OWOX BI คุณสามารถตั้งค่าการรวบรวมข้อมูลจากบุคคลที่หนึ่งเพื่อแก้ปัญหา ITP ในการทำเช่นนี้ ในขั้นตอนการผสานรวม เราจะสร้างโดเมนย่อยแยกต่างหากในเว็บไซต์ของคุณซึ่งจะมีการรวบรวมข้อมูล

ในแต่ละ Hit/เหตุการณ์ OWOX BI จะสร้างคุกกี้ ouid และต่ออายุเป็นเวลา 364 วัน คุกกี้นี้จะมี ID ผู้ใช้ที่มีอายุยืนยาวกว่า owox.user_id จากข้อมูลดังกล่าว เราอาจสร้างรายงานการวิเคราะห์โดยไม่มีผู้ใช้ใหม่ปลอมจำนวนมาก และสร้างเส้นทางผู้ใช้เป็นระยะเวลานานขึ้น ทำให้สามารถประเมินประสิทธิภาพของแคมเปญโฆษณาและติดตามเส้นทางของผู้ใช้ทั้งหมดได้อย่างถูกต้อง

บริการโฆษณาให้ข้อมูลค่าใช้จ่ายในรูปแบบและโครงสร้างข้อมูลที่แตกต่างกัน แต่ไม่มีบริการโฆษณาใดที่ให้ข้อมูลค่าใช้จ่ายในรูปแบบ UTM ในการให้ข้อมูลดังกล่าว พวกเขาจะต้องจัดเก็บเร็กคอร์ด URL ด้วยพารามิเตอร์ UTM สำหรับทุกๆ การคลิก ซึ่งจะมีราคาแพงเกินไป

การนำเข้าข้อมูลต้นทุนไปยังคลังข้อมูลทำให้ต้องใช้คีย์ในการรวมข้อมูลต้นทุนโฆษณากับข้อมูลอื่นๆ เพื่อให้ได้ภาพรวมของประสิทธิภาพของโฆษณา การรวมข้อมูลดังกล่าวเป็นสิ่งจำเป็น พารามิเตอร์ UTM คือคีย์เหล่านั้น

เมื่อนำเข้าค่าโฆษณาไปยัง Google BigQuery OWOX BI จะจดจำพารามิเตอร์ UTM โดยอัตโนมัติ เรารู้ว่าจะหา URL ได้จากที่ใดและจะดึงข้อมูลได้อย่างไร ช่วงของพารามิเตอร์ไดนามิกมีให้สำหรับแหล่งข้อมูลยอดนิยมบางแห่ง: โฆษณา Facebook, โฆษณา Bing เป็นต้น

การมีข้อมูลค่าใช้จ่ายพร้อมกับพารามิเตอร์ UTM ช่วยให้คุณสามารถผสานข้อมูลจากบริการโฆษณาต่างๆ เข้ากับข้อมูลพฤติกรรมผู้ใช้ได้ ดังนั้นจะได้ภาพที่แท้จริงว่าแคมเปญหนึ่งๆ เกี่ยวข้องกับแหล่งที่มาของการเข้าชมอย่างไร และคำนวณ ROAS ได้อย่างแม่นยำ การรวมข้อมูลด้วยพารามิเตอร์ UTM สูงสุดห้ารายการจะให้ภาพที่มีรายละเอียดมากกว่าเมื่อเปรียบเทียบกับการรวมโดยใช้ชื่อแคมเปญเท่านั้น

ธุรกิจบางแห่งใช้ลิงก์สั้นไปยังเว็บไซต์ของตนในโฆษณา ตัวย่อ URL ใช้เพื่อปรับปรุงรูปลักษณ์ของ URL และสำหรับการติดตามเพิ่มเติม อย่างไรก็ตาม การสร้างรายงานประสิทธิภาพโฆษณา (ROAS) ตามค่าโฆษณาที่มี URL แบบสั้นอาจกลายเป็นเรื่องยุ่งยาก ทำไม เนื่องจากเป็นไปไม่ได้ที่จะดึงข้อมูล URL สุดท้ายด้วยพารามิเตอร์ UTM ในขณะที่การมี URL สุดท้ายสำหรับการรวมข้อมูลในรายงานก็จำเป็นอย่างยิ่ง พารามิเตอร์ UTM เป็นกุญแจสำคัญในการรวมข้อมูลสำหรับการรายงาน

OWOX BI ติดตามลิงก์สั้นๆ โดยอัตโนมัติเพื่อรับพารามิเตอร์ UTM จากลิงก์แบบเต็ม (ดั้งเดิม) ซึ่งช่วยให้สามารถรวมข้อมูลต้นทุนโฆษณากับข้อมูลผู้ใช้เพื่อให้ได้ภาพรวมของประสิทธิภาพของโฆษณา

ใน OWOX BI คุณสามารถเชื่อมต่อรูปแบบการระบุแหล่งที่มามาตรฐานใดๆ กับการรายงานของคุณ ตั้งค่ารูปแบบที่ขับเคลื่อนด้วยข้อมูลตามการคาดการณ์ Conversion ของ OWOX หรือสร้างรูปแบบที่กำหนดเองตามกฎและช่องทางการขายของคุณเอง ทั้งหมดนี้สามารถทำได้อย่างง่ายดายในอินเทอร์เฟซผลิตภัณฑ์โดยไม่ต้องใช้ความช่วยเหลือจากวิศวกรข้อมูล

มีบางรูปแบบที่รู้จักกันดี ได้แก่ คลิกสุดท้าย คลิกแรก และตามกฎ นอกจากนี้ยังมีอัลกอริทึมเฉพาะและขั้นสูงสำหรับการสร้างแบบจำลองเพื่อตอบสนองความต้องการเฉพาะ ทั้งหมดใช้แบบสอบถาม SQL มาตรฐานสำหรับการแปลงข้อมูล คำถามเหล่านี้จำเป็นต้องได้รับการตรวจสอบ ปรับเปลี่ยน และนำไปใช้อย่างต่อเนื่อง

OWOX BI จัดเตรียม UX แบบง่ายๆ เพื่อจัดการการดำเนินการและตรวจสอบการเปลี่ยนแปลงเหล่านั้น การผสมผสานระหว่างโมเดลที่พร้อมใช้งานกับเครื่องมือที่จัดการง่ายช่วยให้นักวิเคราะห์มีโอกาสจัดการข้อมูลได้อย่างมั่นใจและรับผิดชอบต่อผลลัพธ์ที่ได้ นอกเหนือจากนี้ ฟังก์ชัน OWOX BI ยังมอบความเป็นไปได้ในการมีรูปแบบการระบุแหล่งที่มามากกว่าหนึ่งรูปแบบพร้อมกัน และทดสอบรูปแบบเพื่อค้นหารูปแบบที่เหมาะสมที่สุดสำหรับนักการตลาด

GDPR และ CCPA ต้องได้รับความยินยอมจากผู้ใช้ก่อนที่จะรวบรวมข้อมูลการวิเคราะห์ ดังนั้น แม้แต่ผู้ใช้ที่ทำ Conversion ภายในเซสชันเดียว (ข้อมูลที่ไม่ได้รับความยินยอม) ก็อาจไม่รู้จักแหล่งที่มาของการเข้าชม สิ่งนี้ยังนำไปสู่ความแตกต่างระหว่างข้อมูล CRM และข้อมูลการวิเคราะห์ดิจิทัล

ธุรกิจที่ทำงานกับผู้อยู่อาศัยในสหภาพยุโรปจะต้องปฏิบัติตามข้อกำหนดของ GDPR เกี่ยวกับความเป็นส่วนตัวของผู้ใช้ อาจมีค่าปรับจำนวนมากสำหรับการไม่ปฏิบัติตาม

หากคุณมีการเข้าชมเว็บไซต์จากยุโรปและคุณใช้ Google Analytics ข้อกำหนด GDPR จะ ถูกละเมิดอย่างแน่นอน เนื่องจากคุกกี้ _ga ที่มี client_id มีข้อมูลที่สามารถระบุตัวบุคคลได้ และข้อมูลนี้จะถูกส่งไปยัง Google Analytics และประมวลผลบนเซิร์ฟเวอร์ตามที่ Google Analytics กำหนด .คุณไม่สามารถมั่นใจได้ว่าข้อมูลของผู้ใช้ของคุณจะอยู่ในสหภาพยุโรปและได้รับการประมวลผลภายในสหภาพยุโรปเท่านั้น ในขณะเดียวกัน ทีมการตลาดของคุณจำเป็นต้องวัดประสิทธิภาพของแคมเปญโฆษณาและมีผลกระทบต่อการเดินทางของผู้ใช้โดยไม่มีจุดบอด

Google Analytics 4 มีตัวเลือกที่ชัดเจนและละเอียดในการจัดการข้อมูลที่นำเข้า อย่างไรก็ตาม ไม่มีวิธีใดที่จะจัดเก็บข้อมูลในตำแหน่งที่คุณเลือกเท่านั้น คุณสามารถร้องขอการประมวลผลข้อมูลส่วนบุคคลในสหภาพยุโรปหรือส่งออกข้อมูลได้ แต่คุณไม่สามารถจัดเก็บข้อมูลที่รวบรวมทั้งหมดไว้ในตำแหน่งที่ตั้งที่เลือกเท่านั้น

ด้วย OWOX BI คุณสามารถควบคุมข้อมูลที่ยินยอมและไม่ยินยอมได้อย่างเต็มที่ คุณสามารถรวบรวมและใช้ข้อมูลส่วนบุคคล (PII) ตามข้อกำหนดความเป็นส่วนตัวและความปลอดภัยที่เข้มงวดที่สุด นอกจากนี้ OWOX BI ยังให้คุณเลือกที่อยู่ของข้อมูล (EU, US หรือทั่วโลก) ลบ PII สำหรับผู้ใช้ที่ไม่ยินยอม และเข้ารหัสข้อมูลผู้ใช้ทั้งหมดด้วยคีย์ที่กำหนดเอง

OWOX BI รวบรวมข้อมูลในสถานที่ที่คุณเลือก รวมถึง 10 แห่งในสหภาพยุโรป นอกจากนี้ OWOX BI ยังเก็บข้อมูลที่รวบรวมไว้ในตำแหน่งที่คุณเลือก ยิ่งไปกว่านั้น OWOX ยังให้รายละเอียดทั้งหมดเกี่ยวกับการไหลของข้อมูลสำหรับทีมกฎหมายและความปลอดภัยของคุณ

• OWOX BI มีโฟลว์ข้อมูลที่โปร่งใส ซึ่งแตกต่างจาก GA4
• ข้อมูลสามารถจัดเก็บได้ทุกที่ที่ Google BigQuery รองรับ
• คุณสามารถควบคุมข้อมูลที่เก็บไว้ทั้งหมดได้อย่างสมบูรณ์ และสามารถตัดสินใจได้ว่าจะแบ่งปันกับใครบ้าง
• OWOX BI จะตัดข้อมูล PII โดยอัตโนมัติหากผู้ใช้ไม่ยินยอมให้ติดตาม ดังนั้น คุณไม่สามารถยิงตัวเองเข้าที่เท้าโดยไม่ตั้งใจโดยการละเมิด GDPR
• มีตัวเลือกในการเข้ารหัสข้อมูลผู้ใช้ทั้งหมดใน Google BigQuery ด้วยคีย์ของคุณเอง

เพื่อให้เป็นไปตามข้อกำหนดของ GDPR เจ้าของไซต์ต้องปฏิเสธที่จะระบุผู้ใช้ที่ไม่ต้องการแบ่งปันคุกกี้ของตนและไม่คลิกปุ่ม "ยอมรับคุกกี้" มหัศจรรย์ ด้วยเหตุนี้ โหมดความยินยอมจึงลดจำนวน Conversion ที่สามารถกำหนดแหล่งที่มาของการเข้าชมได้ 30%

การสร้างแบบจำลอง Conversion ช่วยแก้ปัญหานี้ได้ ประการแรก ระบบแมชชีนเลิร์นนิงจะประมวลผลข้อมูลที่มีอยู่และสถิติที่ผ่านมา จากนั้น เมื่อทราบเปอร์เซ็นต์ของผู้ใช้ที่อนุญาตให้ตั้งค่าคุกกี้และวิธีที่ผู้ใช้แปลง ระบบ ML จะกำหนดเส้นทางการระบุแหล่งที่มาที่เป็นไปได้มากที่สุดสำหรับผู้ที่ไม่ยินยอม ซึ่งช่วยให้คุณจับคู่ผลลัพธ์ของแคมเปญกับค่าใช้จ่ายของแคมเปญได้แม่นยำยิ่งขึ้น และในขณะเดียวกันก็สอดคล้องกับการตัดสินใจของผู้ใช้เกี่ยวกับคุกกี้

OWOX BI มีโซลูชันเฉพาะที่แก้ไขช่องว่างที่ไม่ยินยอมในรายงานประสิทธิภาพ โซลูชันนี้ช่วยให้นักวิเคราะห์สามารถศึกษา ปรับแต่ง และแม้แต่เปลี่ยนอัลกอริทึมสำหรับการกระจายข้อมูลที่ไม่ยินยอมระหว่างแคมเปญที่มีอยู่ สิ่งนี้ช่วยให้นักวิเคราะห์สามารถจัดการข้อมูลได้อย่างมั่นใจและรับผิดชอบต่อผลลัพธ์ที่ได้

อัลกอริทึมการแปลงแบบจำลองได้รับการพัฒนาบน SQL มาตรฐาน ดังนั้นจึงมีความโปร่งใสและนักวิเคราะห์ที่รู้ SQL สามารถเข้าใจได้ ผู้เชี่ยวชาญ OWOX BI สามารถช่วยนักวิเคราะห์ตั้งค่าหรือเปลี่ยนแปลงอัลกอริทึมได้หากจำเป็น

ฟังก์ชัน OWOX BI ให้ความเป็นไปได้ในการทำงานกับรูปแบบการแปลงมากกว่าหนึ่งรูปแบบพร้อมกัน เพื่อทดสอบรูปแบบการแปลงต่างๆ เพื่อค้นหารูปแบบที่เหมาะสมที่สุดสำหรับนักการตลาด อัลกอริทึมดังกล่าวสามารถทำงานได้ด้วยตนเองหรือโดยอัตโนมัติ โดยมีความเป็นไปได้ในการตรวจสอบและตรวจสอบให้แน่ใจว่าให้ข้อมูลที่ถูกต้องในเวลาที่เหมาะสม

เมื่อเร็ว ๆ นี้ ข้อจำกัดเกี่ยวกับคุกกี้ ความเป็นส่วนตัวของข้อมูล และเทคโนโลยีการตลาดทำให้งานของนักวิเคราะห์และนักการตลาดมีความซับซ้อน ในการตลาดดิจิทัล มีจุดบอดจำนวนมากขึ้นเรื่อยๆ ที่ขัดขวางการตัดสินใจโดยใช้ข้อมูล

ข่าวดีก็คือด้วยความช่วยเหลือของ OWOX BI คุณสามารถกำจัดจุดบอดเหล่านี้ได้:

• ปิดวงจรระหว่างการตลาดและรายได้
• จัดการการเข้าชมโดยตรง/ไม่มีในรายงานของคุณ
• รวบรวมและใช้ข้อมูลส่วนบุคคลที่สามารถระบุตัวตนได้ (PII) ตามข้อกำหนดความเป็นส่วนตัวและความปลอดภัยที่เข้มงวดที่สุด

ลงทะเบียนสำหรับการสาธิตเพื่อดูรายละเอียด