3410 0

Nikogo nie trzeba przekonywać o tym, że każdy biznes powinien opierać się na danych. Tylko co w przypadku, gdy mamy dostęp nie do kilkudziesięciu, ale do kilkudziesięciu tysięcy raportów, mierzących nawet najmniejszy obszar naszej działalności?   Czytaj więcej

Mamy dwa rozwiązania: zatrudnić tysiące analityków, którzy pochylą się nad każdym możliwym aspektem… albo zdefiniować kilka kluczowych metryk dla naszej witryny i na podstawie rzetelnych danych wyciągać konstruktywne wnioski.

Przygodę z analizą danych warto zacząć od zadania sobie ważnego pytania: Po co właściwie zbieramy te dane? Odpowiedź wbrew pozorom jest bardzo prosta. Każdy raport, każda mierzona zmienna czy współczynnik mają prowadzić do wniosków, które będziemy w stanie wykorzystać i przekuć na to, co stanowi istotę każdego biznesu – zysk.

Niekończąca się opowieść – analiza danych

Pierwszym etapem jest zebranie danych. Musimy pamiętać, że dane muszą być prawdziwe (odpowiadać rzeczywistości) i użyteczne (odpowiadać kluczowym dla nas metrykom). Analiza danych opiera się w głównej mierze na odpowiedzi na pytania: co się stało? oraz dlaczego tak się stało?. Dzięki jasno sprecyzowanym informacjom stawiamy rekomendacje –definiujemy zmiany, które należy wprowadzić, aby usprawnić analizowane obszary. Następnie podejmujemy działania, które – w dłuższej lub krótszej perspektywie – mają wpłynąć na poprawę wyników finansowych firmy.

Co dalej? Dane, analiza, rekomendacje, działanie. A później? Dane, analiza, rekomendacje, działanie. I znowu? Tak. Tylko dzięki stałemu powtarzaniu tego procesu i wprowadzaniu ciągłych usprawnień możemy skutecznie rozwijać naszą firmę.

Ten proces – kluczowy dla wszystkich przedsiębiorców –w tak dynamicznej branży, jaką jest sprzedaż on-line, jest wręcz fundamentalny. Nie ma bardziej mierzalnego biznesu niż e-commerce. W przeciwieństwie do sklepów, które mają tradycyjną siedzibę, w tym przypadku możemy badać wszystkich użytkowników (o ile mają ciasteczka i skrypty JS), a nie opierać się na statystykach dotyczących wybranej grupy osób (badaniach marketingowych przeprowadzonych na losowej próbie).

W poszukiwaniu idealnych metryk

Jakie są cechy odpowiedniej metryki?

Musi być powiązana ze strategią firmy. Potrzebujemy lepszych wyników przekładających się na zwiększenie zysku, czy to poprzez wzrost przychodów, czy przez ograniczenie kosztów. Potrzebujemy rekomendacji, które sprawią, że nasza marka będzie rozpoznawalna. Nie potrzebujemy kolejnej tabeli ze statystykami.

Musi odpowiadać rzeczywistości. Nawet najlepsze analizy przeprowadzone na niepoprawnych danych nie pozwolą na wystawienie dobrych rekomendacji, a co za tym idzie – na poprawienie efektywności biznesu. Jeżeli badasz złe dane – możesz nie badać ich w ogóle. Słupki dotyczące odwiedzin na naszej stronie windują ostro w górę? Zamiast otwierać szampana, sprawdźmy czy przypadkiem nie zapomnieliśmy wykluczyć ruchu „wewnętrznych użytkowników”. Być może w pokoju obok siedzi nasz dział IT, który cały dzień odświeża stronę poszukiwaniu błędu w kodzie, zawyżając statystyki…

Musi być możliwa jej zmiana. Bezcelowe jest generowanie raportów danych, na które nie mamy wpływu. Czy systematyczne przedstawianie raportu prezentującego zależność między liczbą deszczowych dni a wzrostem współczynnika konwersji na naszej stronie ma sens?

Nie ulega wątpliwości, że każda witryna e-commerce jest unikalna i z tego względu jej właściciele powinni dopasować mierzone metryki do swoich celów biznesowych. Istnieje jednak 5 uniwersalnych metryk, które rekomendujemy każdemu e-commerce managerowi:
 

1.Współczynnik konwersji

Jak powszechnie wiadomo, celem każdego e-commerce managera jest jak najwyższy zysk – co w przypadku serwisu internetowego sprowadza się do jak największej liczby zamówień.

Współczynnik konwersji to stosunek liczby zamówień do liczby odwiedzin danej witryny. Ten wskaźnik pokazuje, jak efektywny jest nasz serwis, czyli ilu odwiedzających udaje mu się (naszemu serwisowi) zamienić w kupujących (klientów).

Załóżmy, że nasz sklep odwiedza 100 użytkowników dziennie, a średnia wartość zamówienia to 10 złotych. Jeżeli nasz współczynnik konwersji wynosi 1% – dzienny przychód to 10 złotych. Jeżeli jednak uda nam się podnieść ten współczynnik do 3% – zwiększymy nasz przychód trzykrotnie. Ta metryka przekłada się wprost proporcjonalnie na nasz przychód

Kluczowe jest zdefiniowanie makro- i mikrokonwersji dla naszego biznesu. Makrokowersja następuje, gdy użytkownik dokona najważniejszej dla nas akcji – w przypadku e-commerce będzie to z pewnością zakup produktu. Nie ma się jednak co oszukiwać –sytuacja, w której każde odwiedziny użytkownika kończą się zakupem, jest w praktyce nieosiągalna (ponieważ nie każdy odwiedzający przychodzi z zamiarem zakupu). Dlatego równie ważne jest zdefiniowanie mikrokonwersji, czyli „mniejszych” akcji, które bezpośrednio nie kończą się zakupem, ale pośrednio mogą do niego prowadzić. I tak mikrokonwersją może być wyświetlenie karty produktu, zapisanie się do newslettera czy zamówienie darmowej próbki.

Ważna jest także segmentacja: powinniśmy analizować współczynnik konwersji w poszczególnych segmentach ruchu. Użytkownik, który wszedł bezpośrednio na naszą stronę, wpisując jej adres, z większym prawdopodobieństwem dokona zakupu (zna już naszą markę i produkty) niż osoba, która po raz pierwszy trafiła na nią poprzez kliknięcie w reklamę displayową.

Zapytacie: Współczynnik konwersji 3% to dużo czy mało? Ocena jest bardzo subiektywna. Strony, który mają duży procent powracających użytkowników – powiedzmy sklep z soczewkami, które trzeba kupować co 30 dni, mają zwykle wyższy współczynnik konwersji. Natomiast dla serwisów, które przyciągają głównie nowych użytkowników, „dobrym” współczynnikiem konwersji będzie nawet 1-2%. Najważniejsze jest, aby sukcesywnie podnosić ten współczynnik. Należy analizować dane, wyciągać wnioski, stawiać hipotezy, a następnie sprawdzać je przy pomocy testów A/B.

Czy należy porównywać się do konkurencji? Nie zawsze. W Polsce wiele sklepów internetowych ma źle skonfigurowane konta Google Analytics i zbiera niepoprawne dane: na przykład nie odfiltrowuje ruchu wewnętrznego. Poza tym, jeżeli ktoś mówi, że jego sklep ma współczynnik konwersji 10%, to nie wiemy, co za nim się kryje (struktura ruchu, procent powracających użytkowników itp.). Pamiętajmy również, że definicja samego współczynnika konwersji może być różna (Google Analytics ma dwie definicje tej metryki).
 

2.Efektywność ścieżki

Bezpośrednio na współczynnik konwersji wpływa efektywność ścieżki zakupowej, którą użytkownik musi przejść, aby złożyć zamówienie. Efektywność ścieżki zakupowej wyraża się stosunkiem liczby odwiedzających, którzy złożyli zamówienie, do wszystkich użytkowników, którzy rozpoczęli proces zakupowy (na przykład weszli do koszyka).

Google Analytics umożliwia nam prześledzenie unikalnych odsłon każdego kroku z naszego koszyka w sekcji „Wizualizacja ścieżek”. To pozwala na analizę wąskich gardeł procesu. Widzisz, że największa liczba porzuceń koszyka występuje na etapie formularza? Zastanów się, czy na pewno potrzebujesz numeru faksu i peselu użytkownika. Zauważasz, że użytkownicy rezygnują z zakupu na etapie płatności? Zobacz, czy na pewno poinformowałeś ich wcześniej o koszcie dostawy, czy zrobiłeś im niespodziankę dodatkową opłatą.

To bardzo ważna metryka: jeżeli użytkownik jest na tyle zainteresowany naszymi usługami, że dodał produkt do koszyka, musimy zrobić wszystko, aby cały proces zakończył się zamówieniem. Nasza ścieżka zakupowa musi być efektywna – jeżeli mniej niż 50% użytkowników dodaje produkt do koszyka, a go nie kupuje – należy dokładniej przyjrzeć się danym i podjąć natychmiastowe działania.
 

3.Procent zamówień od powracających klientów

Jest to stosunek zamówień od powracających użytkowników do całkowitej liczby zamówień, określany jako współczynnik retencji.

Jak już wspomniałam, w ogromnej większości to powracający użytkownicy częściej konwertują. Wynika to z prostej przyczyny: znają już nas serwis i naszą markę. Powinniśmy o nich bardzo dbać, bo pozyskanie nowych użytkowników wymaga dodatkowych nakładów finansowych. Dzięki powracającym użytkownikom możemy obniżyć średni koszt pozyskiwania klientów, co przełoży się bezpośrednio na nasz zysk.

W jaki sposób możemy wykorzystać wiedzę o współczynniki retencji? Jeżeli na przykład zauważymy, że po 5 miesiącach wspólnej relacji i 4 złożonych zamówieniach następuje moment odpływu do konkurencji lub zaprzestania zakupów (spada nam retencja), powinniśmy zastanowić się nad kampanią, która byłaby skierowana do tego segmentu użytkowników.

O ile w dwóch poprzednich metrykach warto korzystać z Google Analytics, w tym przypadku narzędzie to może być zawodne. Oczywiście w wachlarzu produktów znajduje się raport dotyczący powracających użytkowników, dane te mogą jednak odbiegać od rzeczywistości.

Dlaczego? Po pierwsze Google Analytics opiera się na ciasteczkach. Jeżeli użytkownik je wyczyści, w naszym raporcie pojawi się jako „nowy”, a nie „powracający”. Po drugie, niewiele osób korzysta tylko z jednego komputera – użytkownicy łączą się z serwisem za pomocą laptopów, tabletów, telefonów… I każdy z nich jest „nowy”, mimo że w rzeczywistości przeglądał już wielokrotnie naszą stronę.

Najlepszym rozwiązaniem jest zbieranie danych o powracających użytkownikach z naszego CRM i opieranie się przy tym na konkretnych transakcjach.
 

4.Czas do zakupu

Ten wskaźnik mówi nam, ile jednostek czasu zajmuje użytkownikom podjęcie decyzji o zakupie. Jest to związane z modelem AIDA (Uwaga, Zainteresowanie, Pożądanie, Działanie) – sprawdzamy, jak długo trwa proces zakupowy poszczególnych użytkowników.

W przypadku tej metryki im niższy wskaźnik (krótszy czas do zakupu), tym lepiej – mamy szybszy zwrot z inwestycji w pozyskanie użytkownika. Co więcej, im więcej dni zajmuje użytkownikowi podjęcie decyzji o zakupie, tym większe prawdopodobieństwo, że już do nas nie wróci.

Wiedząc przykładowo, że średnia liczba dni do zakupu wśród naszych użytkowników wynosi 4, możemy starać się skrócić ten czas, prowadząc kampanię remarketingową w trzeci dzień od pierwszych odwiedzin. Dzięki temu powinniśmy skrócić czas, który zajmuje użytkownikom podjęcie decyzji o zakupie. Możemy też zaprogramować kolejną kampanię wyświetlaną użytkownikom, którzy wciąż nie złożyli zamówienia pomimo upływu 5 dni od pierwszych odwiedzin. Powinni oni byli już po 4 dniach przekonwertować, ale wciąż tego nie zrobili — warto więc może zachęcić ich dodatkowym rabatem.

Tej metryki nie można jednak stosować jako wyroczni – niektóre produkty (takie jak na przykład wycieczki zagraniczne) z natury wymagają dłuższego procesu zakupowego. Nie oznacza to oczywiście, że nie możemy pracować nad jego skróceniem.

Tę metrykę możemy z powodzeniem mierzyć za pomocą Google Analytics: w sekcji ścieżki wielokanałowe. Należy tylko pamiętać, że w ścieżkach mamy ograniczenie czasowe do 90 dni.
 

5. Życiowa wartość klienta (Customer Livetime Value)

To bardzo ważna, często pomijana metryka. Customer Live Value to suma przepływów pieniężnych, których dokona raz pozyskany klient w czasie swojego życia.

Jeżeli raz zdobyty Klient składa u nas przez okres swojego życia średnio 10 zamówień po 100 zł, to znaczy, że jego wartość wynosi 1000 zł. Znając wartość klienta, będziemy mogli podejmować racjonalne decyzje na temat kampanii, dzięki którym pozyskujemy naszych klientów. Wiedząc, że raz zdobyty klient wygeneruje nam konkretny przepływ, będziemy skłonni zapłacić za niego więcej.

Czy mogę wydać 100 zł na pozyskanie klienta, gdy średnia wartość zamówienia to 50 zł? Poznanie średniej wartości klienta pozwoli nam na podjęcie takich decyzji, które – choć w krótkotrwałym rozliczeniu mogą wydać się nieracjonalne – w dłuższej perspektywie wpłyną pozytywnie na zysk firmy.
 

Czy powinno się mierzyć jeszcze więcej?

Oczywiście do przedstawionej piątki metryk należy dodać te, które odpowiadają konkretnym celom strategicznym naszego biznesu. Nie powinno być ich jednak więcej niż 20.

Wciąż zbyt wiele firm kolekcjonuje tony niepotrzebnych, pięknie prezentowanych danych, nie przekładających się w żaden sposób na przychód. I niestety często dochodzi do sytuacji, w której bardziej pracochłonne raportowanie zajmuje większość zasobów, przez co tracimy szansę na osiąganie wymiernych korzyści płynących z analizy.

Pamiętajmy: Nie wszystko, co można obliczyć, liczy się i nie wszystko, co się liczy, można obliczyć. (A. Einstein)

Tagi