Покупатель обуви, например, ищет размер и смотрит, есть ли пара в ближайшем магазине, чтобы примерить её. Покупатель дивана - изучает габариты, ткани и отзывы, а в шоуруме проверяет посадку и цвет.
В электронике сравнивают характеристики и наличие;
в продуктовой рознице — ассортимент и цену перед поездкой.
На пути к покупке автомобиля важны конфигуратор, запись на тест-драйв и визит к дилеру.

Для услуг логика сохраняется, хотя финальным событием становится не всегда товарный чек. Клиент может изучить программу путешествия онлайн и оплатить тур в агентстве; прочитать о медицинской услуге, записаться через сайт и оплатить приём в клинике; сравнить образовательные программы и подписать договор в офисе.

В недвижимости это может быть запись на просмотр, очная встреча и договор. Поэтому перед анализом фиксируют, что именно считать результатом: визит, состоявшуюся консультацию, сделку, выручку или маржинальную прибыль. Промежуточные события не подменяют конечную продажу.

На намерение посетить точку указывают просмотры товара, сохранённые позиции, наличие по магазинам, поиск адреса и маршрута, запись на примерку, консультацию или тест-драйв. Отзывы, фотографии и подробная карточка товара тоже могут влиять на выбор, даже когда человек не авторизовался и не нажал рекламную ссылку непосредственно перед покупкой.

Например, человек получает SMS об открытии магазина, читает его на экране телефона и приезжает в торговый центр. По модели «последний клик» сообщение не принесло результата: клика не было. Это ещё не доказывает, что SMS вызвало визит, но показывает, почему отчёта по переходам недостаточно для оценки такого канала.

Исследование Pauwels и соавторов в Journal of Retailing показывает, что вклад информационного сайта в офлайн-выручку зависит от товарной категории и сегмента покупателя. Авторы отмечают более выраженную пользу онлайн-информации для товаров, которые хочется оценить лично, и для клиентов, живущих дальше от магазина. Это основание анализировать категории и географию отдельно, а не переносить один коэффициент ROPO на весь бизнес.

Если на сайте не указано наличие нужного размера, человек может не поехать в магазин — продажа действительно потеряна. Если он приехал и купил, но чек не связан с онлайн-историей, продажа состоялась — потеряна информация о её источнике. Исправления будут разными: в первом случае нужны изменения в ассортименте или сервисе, во втором — в данных и методе измерения.

Путь удобно разложить на этапы:
онлайн-интерес → намерение посетить точку → визит → наличие товара или свободного слота → консультация → покупка → узнаваемый в данных чек.
На переходе к визиту могут мешать неудобное расположение, неактуальные часы работы или отсутствие записи. В точке — расхождение цены, отсутствие товара, очередь или неподходящая консультация. После продажи связь может оборваться из-за покупки без карты лояльности, другого номера телефона, задержки загрузки чека или возврата, который не попал в отчёт.

На стороне сайта и приложения нужны время события, просмотренная категория или товар, источник визита и выбранный магазин. На стороне кассы или CRM — идентификатор заказа, дата, точка, состав покупки, сумма, скидка, возврат и доступный клиентский идентификатор. Связью могут служить авторизация, программа лояльности, запись на визит, оформленная бронь или уникальный код. Для каждого способа важно знать охват: какую долю чеков вообще удаётся сопоставить с цифровой историей.

Опросы покупателей помогают проверить картину там, где данных не хватает: смотрели ли они товар в интернете, на каком сайте, почему выбрали магазин? Ответы нельзя считать точной историей каждого человека, но они помогают оценить, сколько ROPO-покупок пропускает техническое сопоставление. Например, в кейсе «Асконы» опрос показал, что 61,6% покупателей предварительно искали товар онлайн, а система на момент публикации связывала с онлайн-действиями 45,6% офлайн-заказов. Разница стала способом оценить неполноту измерения, а не доказательством, что каждый найденный онлайн-контакт вызвал покупку.

Срок между исследованием и покупкой тоже выбирают по категории. Для продуктов и срочных услуг он может измеряться часами или днями, для обуви — днями или неделями, для мебели, автомобиля или недвижимости — заметно более длинным периодом. Чем шире окно, тем больше случайных контактов попадает в один путь. Поэтому полезно показывать результат для нескольких обоснованных окон и обязательно проверять, что онлайн-событие произошло до покупки.

В отчетах обычно показывают долю ROPO среди сопоставленных офлайн-чеков, долю всех чеков, которые удалось сопоставить с клиентами, и дату последней загрузки кассовых данных. Если охват сопоставления меняется (география), доля ROPO тоже может сильно измениться без заметной перемены в поведении самих покупателей.

На примере дашборда «Асконы» видна компоновка такого отчёта:

• сверху — заказы, доход и рекламные расходы;
• в центре — динамика заказов и дохода по типам покупки;
• ниже — показатели по каналам и кампаниям.
• Фильтры позволяют перейти от общего результата к устройству, источнику трафика, рекламной кампании, городу и типу заказа.

Допустим, магазин сделал 10 000 офлайн-продаж. Из них удалось надёжно сопоставить с клиентами 6 000; среди сопоставленных у 2 400 обнаружено предшествующее взаимодействие с сайтом. Наблюдаемая доля ROPO среди сопоставленных покупок — 40%. Нельзя автоматически говорить, что 40% всех продаж создал сайт: остальные чеки могут принадлежать клиентам с другим поведением, а часть онлайн-истории остаётся невидимой.

Так же осторожно нужно читать выручку, «приписанную» кампании. Если 500 покупателей видели рекламу и позднее купили в магазине, это 500 покупок с обнаруженным контактом. Часть людей пришла бы и без рекламы. Дополнительные покупки — разница между тем, что произошло с кампанией, и тем, что произошло бы без неё. Для оценки этой разницы нужна контрольная группа или убедительно построенный базовый сценарий.

В рандомизированном исследовании Lewis и Reiley с участием 1,6 млн покупателей онлайн-реклама увеличила покупки крупного ритейлера на 5%; 93% прироста пришлись на физические магазины. Этот результат относится к изученной кампании, но хорошо показывает, почему оценка только онлайн-заказов может пропустить большую часть дополнительного эффекта. Авторы также обнаружили значимый прирост среди людей, которые не кликали по рекламе.

Первый — описание путей: какие онлайн-действия встречаются перед офлайн-покупкой и где обрывается наблюдение. Он полезен для улучшения сайта, ассортимента и идентификации.
Второй — атрибуция: по заранее заданным правилам распределить ценность связанных продаж между каналами, сравнить окна, категории и точки. Это рабочий инструмент планирования, но его доли не равны дополнительным продажам, созданным каждым каналом.
Третий уровень — измерение прироста. Для CRM-коммуникации можно случайно выделить группу, которая не получит сообщение, и сравнить последующие покупки во всех каналах. Для рекламы по городам — провести геоэксперимент с сопоставимыми тестовыми и контрольными территориями. Если эксперимент невозможен, строят прогноз продаж без воздействия по подходящим контрольным рядам и проверяют допущения модели. Vaver и Koehler описывают дизайн геоэкспериментов, а Brodersen и соавторы — построение контрфактического прогноза для оценки вмешательства во времени.

Российская «Аскона» связала онлайн-поведение с продажами в салонах через электронные чеки и другие данные. После того как компания стала видеть офлайн-результат кампаний, она проверила перераспределение бюджета между двумя рекламными направлениями. В опубликованном описании тестовой кампании сообщается о снижении ДРР с учётом ROPO на 2,69 процентного пункта и росте её выручки на 110,3%. Это результат описанной оптимизации кампании; без сведений о случайном контрольном сравнении его нельзя переносить на всю сеть как чистый причинный эффект ROPO-аналитики.

У российского обувного бренда EKONIKA возникла другая проблема: часть SMS не содержала ссылок, а получатели сообщений с ссылкой могли сразу прийти в магазин, не переходя на сайт. При атрибуции к доставленным сообщениям компания получила ДРР SMS за первый квартал 2024 года 4,41% при окне в один день и 0,85% при окне в неделю. Для офлайн-покупателей показатель оказался в 1,5 раза ниже, чем для онлайн-покупателей. Это помогло решить, каким сегментам продолжать отправлять платные сообщения. В материале компания отдельно планирует проверять влияние коммуникаций на покупки контрольными группами — показатель атрибуции сам по себе не измеряет прирост.

В кейсе IKEA данные о посещениях магазинов дополнили оценку поисковой рекламы: согласно отчёту, после клика 10,6% пользователей посетили физическую точку. Это позволило различать кампании, ориентированные на онлайн-заказы и посещения магазина. Посещение — важное промежуточное событие, но оно не равно покупке; а наблюдаемая последовательность «клик → визит» сама по себе не доказывает, что каждый визит был создан рекламой.

Первое, что должен показывать дашборд, — как складываются продажи компании между каналами. На одном экране размещают число заказов, покупателей, выручку и, если доступны данные о затратах, маржинальную прибыль. Для каждого показателя отдельно видны онлайн-продажи, офлайн-продажи с найденным предшествующим онлайн-контактом (ROPO) и остальные офлайн-продажи. Это взаимоисключающие группы покупок: ROPO уже входит в общий офлайн-результат, поэтому прибавлять его к общей офлайн-выручке ещё раз нельзя.

Подготовить качественный BI-отчет (дашборд) под задачи ROPO-анализа - целое искусство. Разберем, какие метрики помогают найти точки роста.

По каждому каналу и кампании нужны сеансы и расходы, онлайн-заказы и онлайн-выручка, связанные ROPO-заказы и их выручка, число уникальных покупателей, средний чек, конверсия и ДРР. Сравнение ДРР только по онлайн-заказам с ДРР с учётом атрибутированных офлайн-покупок показывает, какие каналы недооценивал прежний отчёт. Стоимость заказа также полезно считать в двух вариантах — для онлайн-покупок и для онлайн-покупок вместе с атрибутированными ROPO-заказами.

Дополнительно можно показывать мультипликатор ROPO: например, отношение суммы онлайн-выручки канала и атрибутированной ему ROPO-выручки к его онлайн-выручке. Формулу выводят рядом с карточкой. Этот показатель помогает оценить масштаб обнаруженных офлайн-продаж, но не измеряет причинный прирост от рекламы.

Пример визуализации показывает компактный BI-экран: карточки заказов, выручки и клиентов с разбивкой online / offline / ROPO, графики динамики, мультипликатор и таблицу по брендам. Руководитель видит общую картину, а аналитик может раскрыть строку до магазина, категории, кампании или недели.

Если растут просмотры карточек и проверка наличия, но не растут визиты, смотрят географию спроса, адреса, маршрут и доступность записи. Если визиты есть, а покупки не увеличиваются, сопоставляют наличие товаров, консультации, цены и отказы. Если растут офлайн-продажи, но ROPO падает, проверяют программу лояльности, идентификаторы, задержку загрузки чеков и возвраты.

В отчёте полезно переключать правила атрибуции — первый контакт, последний контакт и распределение ценности между касаниями.

Отдельная вкладка должна содержать итоги контрольных тестов: дополнительные офлайн-покупки, дополнительную маржу и стоимость прироста. И конечно явно атрибутированную ROPO-выручку и смоделированный прирост нельзя складывать в одну сумму.

Важное применение ROPO аналитики в маркетинге - в ММО (marketing mix modeling) моделях. В обоих случаях нет прямой связи между онлайн трафиком или рекламными инвестициям и результирующими офлайн продажами. Для вычисления данного эффекта и строится базовый прогноз "как было бы". А разница с реальным результатом атрибутируется уже к рекламе или новому источнику трафика.

Если же реклама не принесла дополнительного дохода (или отключение рекламы не принесло его сокращение), значит, мы считаем, реклама не влияет на продажи.