Rodzaje danych i KPI w Ecommerce
Ecommerce Manager – checklista
Podsumowanie
Gdy zaczynasz pracę jako ecommerce manager, pierwszy tydzień zwykle wiąże się z poznawaniem podstawowych aspektów, takich jak misja, wizja i wartości firmy. Poznajesz się z ludźmi, strukturą organizacyjną i zespołem, a także procesami, które będą funkcjonować w nowym miejscu. Poznajesz również technologię, jaką masz do dyspozycji. W końcu zostają Ci przedstawione konkretne KPI, które musisz osiągnąć.
W tym momencie kluczowe stają się dane, ponieważ są one niezbędne do realizacji celów. Jakie dane generuje ecommerce? Warto rozpatrzyć dwie strony tego zagadnienia: frontend i backend. Frontend obejmuje narzędzia marketingowe, z Google Analytics 4 na czele. Backend natomiast odnosi się do różnych systemów, takich jak WMS, OMS, ERP czy CRM, które również generują dane niezbędne do monitorowania KPI.
W tych narzędziach można wyróżnić różne rodzaje danych. Przede wszystkim są to dane off-site, czyli dane reklamowe pochodzące z zewnętrznych systemów reklamowych. Umożliwiają one dostęp do informacji o kosztach kampanii i innych kluczowych wskaźników efektywności. Dotyczy to również zachowań online, szczególnie w przypadku firm działających w modelu omnichannelowym, gdzie dostępne są dane dotyczące zachowań klientów w sklepach stacjonarnych.
Istotnym elementem są również dane on-site, czyli informacje gromadzone przez produkty cyfrowe. W tym kontekście kluczową rolę odgrywa Google Analytics 4, które dostarcza szczegółowych informacji o zachowaniach użytkowników. Oprócz tego, różne narzędzia marketingowe śledzą i analizują aktywność użytkowników zarówno na froncie, jak i w back-endzie. Systemy takie jak CRM i Customer Data Platform zbierają dane i prezentują je w kontekście działań i zakupów klientów.
Nie można zapomnieć, że podstawowym źródłem informacji o kondycji ecommerce, na którym działasz, jest raport zysków i strat (P&L). Dostarcza on kompleksowego obrazu sytuacji firmy i stanowi punkt wyjścia do oceny jej efektywności. Wartość poznawcza danych z P&L jest niezwykle istotna jako źródło prawdy, jednak dane te są bardzo zagregowane. Jeśli porównamy wartość danych z P&L do podejmowania decyzji z danymi on-site i off-site z back-endu, zauważymy, że jest ona niższa. Największą wartość mają dane on-site i off-site z front-endu, gdyż są najbardziej szczegółowe i pokazują zachowanie użytkownika.
W ramach tego artykułu omawiam checklistę dla ecommerce managera, która pomoże sprawdzić poprawność danych. Dzięki niej dowiesz się, jakie kroki podjąć, aby upewnić się, że dane, na których bazujesz, są prawidłowe. Checklista ta składa się z czterech etapów.
Pierwszy z nich to rzetelność danych, czyli ocena, czy dane dokładnie odzwierciedlają informacje z Twojego głównego źródła prawdy. Jest ono kluczowe, ponieważ na jego podstawie rozliczamy podatki. Drugi etap to integralność danych. Nawet jeśli dokładność nie jest idealna, co jest naturalne, gdyż narzędzia nie są do tego stworzone, ważne jest, abyśmy mogli zaufać danym pod względem prezentowanych trendów oraz wartości biznesowej. Dane powinny być również bezpieczne.
Kolejnym krokiem jest sprawdzenie, czy transakcje CRM są widoczne w Google Analytics 4 w co najmniej 80%. W ramach tej checklisty przygotowaliśmy zestawienie, w którym generujemy dane transakcyjne z Google Analytics 4. Dane te pochodzą z raportu w sekcji „monetyzacja”, gdzie znajdujemy raport transakcji. W raporcie transakcji wyszczególnione są wszystkie transakcje według ID. Dane te można wyeksportować i wklejać do wyznaczonego miejsca.
Następnie przechodzimy do transakcji CRM. Analiza danych to kluczowy element w procesie podejmowania decyzji biznesowych. W systemach takich jak CRM czy inne źródła danych, z których generowany jest PNL, istotne jest utrzymanie spójności danych, w tym jednolitego schematu ID transakcji. Warto zwrócić uwagę na zakładkę analizy, która ocenia dokładność danych. Raport porównuje źródła z CRM-u i Google Analytics, wskazując, jaki procent danych z CRM-u jest odwzorowany w Analyticsie. W tym przykładzie widzimy, że pokrycie wynosi 79,2%. Idealnym poziomem jest 85%, a poziom 80% uznajemy za wystarczający, o ile przyczyny rozbieżności są wyjaśnione.
Raport ten dodatkowo rozbija dokładność danych według źródeł ruchu. Ocenia on także trafność, czyli zgodność trendów w danych, co pozwala na lepsze zrozumienie i optymalizację procesów analitycznych. Ważne jest, aby zbieżność danych utrzymywała się na poziomie co najmniej 80% i pozostawała stabilna w trendzie. Pierwszym punktem naszej listy kontrolnej jest sprawdzenie, czy transakcje są co najmniej w 80% zgodne z tym, co jest zapisane w głównym źródle prawdy. Kolejnym krokiem jest zweryfikowanie, czy liczba ID transakcji odpowiada sumie liczby transakcji ecommerce. Można to sprawdzić bez eksportu danych, analizując plik.
W sekcji Google Analytics, po przejściu do raportu transakcji w sekcji monetyzacja, należy skontrolować liczbę unikalnych ID transakcji. Najlepiej to zrobić, sprawdzając liczbę wierszy. Przykładowo, jeśli widzimy 1478 wierszy, to po zsumowaniu transakcji ecommerce purchases również powinniśmy otrzymać 1478. Celem jest, aby jedno ID transakcji odpowiadało jednej metryce transakcji, czyli jednej liczbie transakcji. W angielskiej wersji interfejsu jest to określane jako ecommerce purchases.
Kolejnym poziomem weryfikacji jest sprawdzenie, czy przychody z kupionych produktów (item revenue) nie przekraczają przychodów z transakcji (purchase revenue). W kontekście śledzenia ecommerce, Google Analytics rozróżnia dwa poziomy metryk przychodowych. Pierwszy to item revenue, który wskazuje sumę przychodów ze sprzedaży produktów. Drugi to ecommerce purchase revenue, który obejmuje sumę przychodów z produktów powiększoną o podatek i koszty przesyłki.
W zależności od tego, jak skonfigurowane jest śledzenie ecommerce, dane mogą się różnić. Jednak pewne jest, że przychody z produktów nie mogą przekraczać przychodów z zakupów. W celu weryfikacji dostępne są dwa raporty. Pierwszy to raport z transakcjami, który już przeanalizowaliśmy. Przykładowo, przychody wynoszą 210 485,44. Drugi raport to ecommerce purchases, gdzie przychody są rozbite na konkretne produkty, wynosząc 204 450,58. Oznacza to, że przychody z produktów są niższe niż przychody z transakcji. Należy zrozumieć, skąd wynikają różnice w danych.
Kolejnym istotnym zagadnieniem w analityce internetowej jest oznakowanie i odfiltrowanie ruchu wewnętrznego. W sekcji administracji, na poziomie zbierania danych, dostępne są opcje takie jak „define internal traffic” oraz „data filters”. Te ustawienia są kluczowe dla zapewnienia, że dane w systemie są precyzyjne i niezafałszowane przez wewnętrzny ruch.
Następnie warto zwrócić uwagę na kompletną i uzupełnioną listę niechcianych domen odsyłających. To są dwa niezwykle istotne elementy wpływające na jakość danych w systemie.
Kolejnym krokiem jest ocena poziomu ruchu „unassigned” i upewnienie się, że nie przekracza on 5%. Można to sprawdzić w sekcji Acquisition, w raporcie Traffic Acquisition.
Należy również monitorować, czy witryny odsyłające nie generują więcej niż 5% ruchu oraz czy struktura tagowania kampanii zewnętrznych jest właściwie zaplanowana i regularnie stosowana. Te działania zapewniają skuteczność kampanii i dokładność zbieranych danych analitycznych. Z mojego doświadczenia wynika, że jeśli referrale, czyli linki prowadzące do naszej witryny, przekraczają 5%, to prawdopodobnie nie mamy wdrożonego schematu tagowania. Brak prawidłowego oznaczenia źródeł ruchu utrudnia prowadzenie rzetelnego marketingu.
Jeśli masz już oznaczone źródła, przejdź do sekcji dotyczącej zbieżności danych. Pierwszy punkt dotyczy analizy, czy trendy w liczbie transakcji w Google Analytics są zgodne z danymi z CRM. W sekcji Analiza możesz sprawdzić, czy poziom transakcji pokazany przez CRM i Analytics jest analogiczny.
Jednym z równie istotnych zagadnień są trendy, a szczególnie nieoczekiwane wzorce w źródłach ruchu, takie jak nagłe wzrosty czy spadki w jednym kanale. W sekcji Traffic Acquisition warto przeanalizować długoterminowe dane, aby zidentyfikować sytuacje, w których określone źródło ruchu nagle znika, a potem wraca. Jest to ważne podczas analizy trendów, gdy chcemy porównać dane i wyciągnąć wnioski na zasadzie różnic. Wczesna identyfikacja problemów pozwala uniknąć nieefektywności w sytuacjach stresowych.
Warto również sprawdzić, czy wskaźnik zaangażowania nie wykazuje historycznych skoków. W tym celu należy utworzyć eksplorację danych. Niestety, metryk nie można bezpośrednio prezentować na wykresach w sekcji raportów. Analizując raport, możemy dostrzec ewentualne skoki, które mogą sygnalizować zmiany w śledzeniu wpływające na metryki zaangażowania. To są kluczowe momenty w ramach zbieżności danych.
W kontekście wartości biznesowej, istotne jest, aby śledzić wszystkie zdarzenia w lejku zakupowym. Jest to szczególnie ważne przy analizie raportu ścieżek zakupowych, dostępnego w sekcji monetyzacji „Purchase Journey”.
W ecommerce ważne jest monitorowanie poszczególnych etapów procesu zakupowego, takich jak oglądanie produktu, dodanie do koszyka, rozpoczęcie checkoutu i finalizacja zakupu. Im dokładniejsze jest to śledzenie, tym lepiej. Dzięki temu, jeśli coś nie działa na końcu, czyli w najważniejszym KPI analizy internetowej, jakim jest współczynnik konwersji, możemy szczegółowo przeanalizować, dlaczego dana metryka nie osiągnęła celu.
Jeśli metryka nie osiąga celu, KPI również nie zostanie zrealizowane. Czy mamy włączony pomiar zaawansowany i czy działa prawidłowo? To pytanie dotyczy śledzenia dodatkowych zdarzeń, takich jak ściągnięcia plików czy kliknięcia w linki wychodzące. Choć może wydawać się to mniej istotne, warto mieć te dane, ponieważ dostarczają więcej informacji o zachowaniu użytkowników.
Kolejnym krokiem jest upewnienie się, że śledzimy wszystkie biznesowo istotne akcje. Na początku może być trudno określić, co jest biznesowo istotne, zwłaszcza gdy dopiero zaczynasz pracę. Warto jednak przeglądać serwis i zastanowić się nad informacjami, które mogą być potrzebne w przyszłości. Ważne jest, aby je zidentyfikować i sprawdzić, czy są one śledzone.
Pracując w ecommerce, szczególnie w branży fashion, kluczową rolę odgrywa tabela rozmiarów. Istotne jest zrozumienie, czy użytkownicy z niej korzystają i czy po jej użyciu dodają produkty do koszyka. To jeden z elementów, który warto szybko wdrożyć.
Z punktu widzenia bezpieczeństwa danych, należy upewnić się, że do Google Analytics mają dostęp tylko odpowiednie osoby. Można to sprawdzić w zakładce Account Access Management. Ważne jest również skonfigurowanie kluczy API oraz kontrola narzędzi, które pobierają dane z Google Analytics. Nawet jeśli ktoś nie ma bezpośredniego dostępu w sekcji Account Access Management, inne narzędzia mogą pobierać dane przez API, co również należy monitorować.
Kolejnym aspektem jest konfiguracja połączenia z Google BigQuery i wiedza o tym, kto ma do niego dostęp. Dane z Google Analytics mogą być przesyłane do BigQuery, dlatego należy upewnić się, że dostęp do nich jest odpowiednio kontrolowany. Istotne jest także ustawienie maksymalnego czasu przechowywania danych na 14 miesięcy, ponieważ domyślny okres wynosi 2 miesiące. Jeśli pozostaniemy przy domyślnych ustawieniach, dłuższe analizy trendów mogą być niemożliwe, chyba że dane są eksportowane do Google BigQuery.
Zachęcam szczególnie osoby rozpoczynające pracę w nowym miejscu do korzystania z tej checklisty, do której odnośnik znajdziecie pod tekstem. Doświadczenie pokazuje, że kiedy dane są już potrzebne, może się okazać, że ich jakość jest niewystarczająca. Dlatego warto poświęcić godzinę lub dwie na przegląd tej krótkiej listy kontrolnej, aby upewnić się, że dane będą użyteczne w przyszłości.
Tagi:
Historie sukcesów
Ostatnie wpisy na blogu
