Observação:

Este artigo tem a contribuição de Lukas Oldenburg, Chefe de Analytics & Tracking na Siroop, Zurich

Observação:

Tem alguma dúvida sobre o Adobe Analytics? Pergunte à Comunidade

Se a análise da sua loja on-line acaba no pedido, ela está acabando cedo demais. Alguns grupos de produtos, como os de moda, tendem a ter altas taxas de devolução, portanto, observar os reembolsos pode oferecer uma visão diferente da sua loja e do desempenho do marketing.

O que são reembolsos?

Os reembolsos são pedidos que foram total ou parcialmente reembolsados – ou o cliente devolveu um ou todos os produtos de um pedido (Devoluções) ou o pedido foi cancelado (Cancelamentos) devido a fraude, incapacidade de entregar o produto, mudança de opinião por parte do cliente, negativa pelo banco ou por outros motivos.

Como implementar o Acompanhamento de reembolso

Primeiro, você precisa exportar do sistema da sua loja com todos os IDs de pedido (também chamados de IDs de transação), os mesmos IDs de produto que você usa nas ferramentas do Analytics, o preço de compra por produto, a receita reembolsada e, se desejar distinguir cancelamentos e devoluções, o "motivo do reembolso". Aqui está um exemplo de como uma exportação como esta pode parecer:

1

Antes de importá-los para a ferramenta Analytics, certifique-se de importar somente os IDs dos pedidos que as ferramentas do Analytics conseguiram rastrear, pois bloqueadores de anúncios geralmente bloqueiam algumas solicitações do Analytics. 

1. Acompanhe as compras em seu site com as variáveis padrão de E-Commerce (s.products, s.purchaseID, o evento "purchase") mais a s.transactionID (contém o ID do pedido que identifica o ID do pedido nas suas importações de reembolso, geralmente o mesmo que a s.purchaseID).

2. Informe ao Atendimento ao cliente para ativar a “Gravação de ID de transação”. Demora um ou dois dias para fazer isso. Isso permite que você vincule qualquer ação on-line rastreada com a s.transactionID a qualquer outra ação fora do site (por exemplo, um reembolso, uma compra em loja física após um lead on-line, aberturas de conta bancária aprovadas após um lead on-line, etc.). Veremos mais adiante em detalhes o que isso significa.

Após a ativação você verá este texto na tela inicial de Fontes de dados (vá para Admin -> Data Sources“):

2

3. Crie uma “Generic Data Source (Transaction ID)” (consulte guia sobre Fontes de dados, especificamente sobre fontes de dados de identificação de transação aqui). Você pode, teoricamente, importar quaisquer métricas e dimensões que desejar. O único campo obrigatório é o próprio TransactionID. Por mais flexível que seja, isso exige que você pense primeiro no que exatamente você precisa e em qual formato deve estar. Neste caso, os modelos que criamos para importar eram mais ou menos parecidos com os seguintes:

3

As três primeiras linhas você pode baixar depois de passar pelo Data Source Creation Wizard, as linhas depois destas é necessário que você preencha com os dados. 

Data: quando a transação aconteceu (no formato MM/DD/AAAA)

Razão do reembolso: cancelamento ou retorno SKU do produto: identificador exclusivo do produto

Receita reembolsada: valor total reembolsado por este produto (não a soma por produto!)

Pedidos reembolsados: conta sempre que um pedido teve pelo menos um produto devolvido ou cancelado para que se tenha uma métrica de "Pedidos reembolsados" no Analytics. Nenhum dado do produto (quantidade ou receita do produto) é reportado para essa métrica, porque isso os contaria duas vezes (note que as linhas em que os Pedidos reembolsados são contados têm apenas as colunas Data, ID da transação e Pedidos reembolsados preenchidas). Não é necessário ter essa métrica. Queríamos apenas algo que nos permitisse obter uma métrica que nos informasse rapidamente qual o percentual de pedidos que foram afetados por reembolsos. Uma razão para isso é que se olhar apenas para a quantidade de produtos pode ser mais difícil de interpretar, porque tem a ver com a maneira como os produtos tendem a ser comprados: por exemplo, as pessoas raramente compram uma cerveja, elas tendem a comprar uma caixa com 20 ou 24 garrafas, portanto a quantidade é 24. Mas as pessoas raramente compram 24 iPhones de uma só vez. Então, "Pedidos reembolsados" "normaliza" esse efeito um pouco, mas, você não pode dividi-lo por dimensões baseadas no produto, como nome do produto, categoria ou marca.

Unidades reembolsadas: quantidade reembolsada por productOrder ID: ID da transação (obrigatório)

Analisando Reembolsos

No Adobe Analytics, os reembolsos são contados como se tivessem acontecido no mesmo momento em que o pedido. Talvez isso soe contra-intuitivo, mas é uma vantagem enorme em termos de relatórios.

Em primeiro lugar, pode-se analisar pedidos e reembolsos no mesmo intervalo de tempo, mesmo que os reembolsos tenham ocorrido depois. Você pode correlacionar quaisquer dados da sessão do pedido (por exemplo, dados do visitante, dados da campanha) com dados de reembolso, por exemplo, para analisar as taxas de reembolso por canal de marketing. 

Em segundo lugar, todos os reembolsos são atribuídos à origem do tráfego "(direto)/(nenhum)", embora (como você pode ver na captura de tela a seguir) a transação ID 0004-3244 tenha sido atribuída a "google/cpc" (Google AdWords). Portanto, se ambos o reembolso e data de transação caírem no intervalo de tempo analisado, você terá duas linhas por ID de transação, uma para o reembolso e outra para o pedido. Além disso, os Reembolsos não aparecerão em nenhum relatório baseado na origem de tráfego, e também não aparecerão em relatórios segmentados, etc. 

No Adobe Analytics, podemos usar as métricas de reembolso como qualquer outra e dividi-las por qualquer dimensão ou segmento. Por exemplo, aqui analisamos as Taxas de reembolso por Origem da campanha e vemos que, para um determinado dia e uma determinada origem da campanha, a taxa de reembolso para "Cliente de retorno" (clientes com pelo menos 2 pedidos) foi maior que para "Novo clientes". Talvez sejam os reembolsos gratuitos que são oferecidos que fazem com que as pessoas comprem (e devolvam) novamente. 

5

Ao analisar campanhas de marketing, você pode estar acabando a análise cedo demais se não levar em conta os reembolsos. Criar uma métrica "ROAS incl. Refunds" (ROAS = retorno no gasto com anúncios) que é baseada não apenas na receita, mas na receita após os reembolsos, mostra o que efetivamente permaneceu no seu bolso no final das contas. Veja as duas últimas colunas na seguinte captura de tela:

6

No Adobe Analytics, é fácil diferenciar os retornos dos cancelamentos. Como importamos o "Motivo do reembolso" como uma dimensão, podemos criar métricas calculadas com base no valor dessa dimensão. Exemplo: Como construir a “Taxa de Devolução”:

1. Criar um segmento baseado em visitas para "visitas de devolução" com apenas uma condição: motivo do reembolso igual a "devolução"

1

Não se preocupe se a visualização de dados no canto superior direito disser 0, o que está realmente correto, pois os reembolsos não aconteceram em nenhuma visita on-line nem geraram uma visualização de página.

2. Em seguida, crie a métrica calculada (em nosso exemplo, a "Taxa de devolução" em termos de receita). Aqui você pega o segmento que acabou de criar, coloca o Evento de sucesso de receita reembolsada (métrica personalizada) da sua importação de dados dentro desse segmento e divide a saída pela receita:

2

Isso permite algo que é muito útil para um marketplace: em vez de apenas observar as taxas de reembolso, podemos analisar as taxas de retorno e cancelamento de cada comerciante. Dessa forma, podemos identificar comerciantes que geralmente cancelam pedidos (alguns podem simplesmente dizer sim inicialmente para obter o maior número possível de pedidos e depois cancelá-los), e alcançar aqueles que conseguem uma alta taxa de retorno (porque eles podem estar sendo atraídos para os clientes errados):

3

Recursos adicionais

Esta obra está licenciada sob uma licença não adaptada da Creative Commons Attribution-Noncommercial-Share Alike 3.0  As publicações do Twitter™ e do Facebook não são cobertas pelos termos do Creative Commons.

Avisos legais   |   Política de privacidade online