2.7: Тематичне дослідження - Аргос

Last updated
Save as PDF

Page ID: 16038

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)

Резюме в один рядок

Провідний британський роздрібний торговець Argos використовує аналіз даних, щоб забезпечити загальне збільшення чистої маржі в річному обчисленні на 170%.

Виклик

Argos хотіли збільшити ефективність свого бюджету і витрат і збільшити дохід від платного пошуку на 30%, не збільшуючи собівартість продажів.

Рішення

Маркетингове агентство Argos придумало стратегію з шести частин для досягнення цієї мети.

Він використовував моделі прогнозної аналітики для прогнозування оптимізованих витрат бюджету та очікуваного доходу на кожен день, тиждень та місяць.
Він поєднав креативні повідомлення зі змінами акцій та цін, щоб переконатися, що правильні оголошення показувалися потрібним людям на потрібному пристрої та в потрібний час.
Він використовував індивідуальну модель атрибуції для вимірювання внеску, який кожен клік і ключове слово зробили в продаж.
Він використовував моделі, щоб побачити, як погода, місце розташування, сезонність та інші фактори спричинили зміни в поведінці покупців, а потім синхронізував кампанії з цими змінами.
Він адаптував обмін повідомленнями, планування та позиціонування платних пошукових оголошень, щоб скористатися очікуваним збільшенням трафіку після показу телевізійної реклами.
Це змінило фокус від доходу як міри успіху до прибутку як міри успіху, тому замість того, щоб дивитися лише на вартість продажу, вони розглянули чистий внесок маржі в продаж продукції.

Переглядаючи дані Google, цілі рентабельності інвестицій, коефіцієнти конверсії та дані про транзакції, вони змогли створити прогнози для ключових слів, пов'язаних з більш ніж 50 000 продуктів Argos. Argos також використовував програмне забезпечення для аналізу даних із тригерів купівлі клієнтів, таких як місцезнаходження, погода та телевізійна реклама.

Використовуючи ці дані, Argos та їхня маркетингова команда змогли зіставити тенденції сезону для всіх продуктів Argos, включаючи такі події, як повернення до школи, запуск каталогів Argos, Великдень, Різдво тощо. Використовуючи ці дані, вони могли передбачити попит клієнтів і прогнозувати зміни показів, коефіцієнта кліків, вартості за клік та коефіцієнта конверсії.

Вони використовували те саме програмне забезпечення для відображення погодних продуктів на цифрові кампанії, пов'язані з погодою, для Argos, визначаючи вплив температури на кожен продукт протягом усього року. Ці сезонні та погодні тригери використовувались разом із щоденними прогнозами погоди для кожного регіону та області магазину, щоб автоматизувати коригування кампанії та пропонувати зміни ставок.

Нарешті, Argos поєднав онлайн-маркетинг з телевізійними рекламними трансляціями як для Argos, так і для конкурентів, вносячи зміни в Google протягом декількох секунд після трансляції оголошення. Це дозволило їм скористатися людьми, які використовують подвійні екрани під час перегляду телевізора.

Щоденні діагностичні звіти були надані для виявлення та виправлення будь-яких неефективних кампаній.

Результати

Маркетингове агентство забезпечило збільшення чистої маржі на 170% у порівнянні з попереднім роком у всіх категоріях товарів. Збільшення склало понад 100% у всіх категоріях, а в деяких категоріях цілих 900%. Інші результати включали:

Загальний річний дохід від пошуку збільшився на 52% в порівнянні з попереднім роком
ПГНК збільшилася на 46% порівняно з попереднім роком за Різдво
Веб-трафік від PPC і Shopping зріс на 33% в порівнянні з попереднім роком
Собівартість продажів перевищила свою цільову
Вони підняли коефіцієнти конверсії та середню вартість замовлення
Загальна кількість замовлень через PPC зросла на 31%. (прогнозист, н.д.)