Czego dowiesz się z tego wywiadu:
Radosław Łukasiewicz i jego doświadczenie w analityce
Ewolucja podejścia do danych w ciągu 15 lat
Kluczowe projekty analityczne w Gemini
„Rekruterzy” – jak produkty przyciągają klientów i budują wartość koszyka
Rola wyszukiwarki i listingu produktów
Analityczny stos technologiczny i wykorzystanie danych surowych
Zmiana paradygmatu: od produktu do klienta
Podsumowanie: Analityka jako narzędzie do działania
Mariusz Michalczuk: Witajcie w kolejnym odcinku z serii Date with Data Talks, czyli podcastu od praktyków danych do praktyków wykorzystania danych i vice versa. Dzisiaj moim i Waszym gościem jest Radek Łukasiewicz. Radku, bardzo dziękuję za przyjęcie zaproszenia. Może na sam początek przedstaw się krótko, opowiedz kilka słów o sobie.
Radosław Łukasiewicz: Przede wszystkim dziękuję za zaproszenie. Bardzo mi miło. Nazywam się Radek Łukasiewicz, pracuję aktualnie w Gemini, gemini.pl, jednej z internetowych drogerii, gdzie zajmuję się analityką i marketingiem. Mam u siebie zespoły, które pozyskują i analizują ruch na stronie oraz zespół, który zajmuje się działaniami marketingowymi i organicznymi, między innymi na Facebooku, w social mediach ogólnie, pracując z newsletterem i tak dalej.
Mariusz Michalczuk: Twoje doświadczenie w analityce online jest bardzo szerokie. Przechodziłeś przez różne stanowiska. Opowiedz, jak z perspektywy tych ról i doświadczenia wyglądała analiza danych w firmach, w których pracowałeś.
Radosław Łukasiewicz: Stanowiska rzeczywiście były różne: produktowe po stronie wydawcy, w firmie badawczej, własnym biznesie jako właściciel, analityczne czy stricte reklamowe. Dane zawsze były obecne, oczywiście z różnym nasileniem. To bardzo zmieniało się w czasie. To, co było 15 lat temu, zupełnie nie równa się temu, co jest dzisiaj. Nawet w firmach, w których byłem wtedy, dzisiaj wykorzystanie danych i podejście do nich jest zupełnie inne – dostęp, ilość – to wszystko zmieniło się wielokrotnie.
Zawsze te dane były. Im bliżej sprzedaży i wyniku, tym więcej danych do przeanalizowania, tym więcej potrzeb z nimi związanych. Dzisiaj, patrząc na mój biznes, na rynek, konkurentów, czy nawet na ten podcast, mamy poczucie, że dane są wszechobecne i trudno znaleźć kogoś, kto z nich nie korzysta. Nie wiem, czy w ogóle taką firmę można by trafić.
Mariusz Michalczuk: To prawda. Ja też mam 15-letnie doświadczenie w branży. Conversion założyliśmy w 2010 roku, chociaż wtedy zaczęło się od bloga. Nawet na kanale YouTube jest odcinek, w którym dzielę fazy rozwoju tej branży. To, co wydarzyło się do 2020 roku, to cztery fazy. Po 2020 roku to zupełnie inne światy. W praktyce w ostatnich 5 latach wydarzyło się więcej zmian niż w poprzednich 10, zwłaszcza po okresie pandemicznym, kiedy wszyscy zorientowali się, że nie ma innej drogi w biznesie niż online. Wtedy zrobiło się ciasno. Jest nawet powiedzenie: „data is new oil”, więc faktycznie dane stały się nową ropą naftową.
Mariusz Michalczuk: W Gemini masz najwięcej świeżych projektów. Czy mógłbyś podzielić się przykładami projektów, w których dane odegrały kluczową rolę? Macie aptekę internetową, stacjonarne apteki, czyli dodatkowo omnichannel.
Radosław Łukasiewicz: Z omnichannel nie jest tak prosto, bo apteki są mocno obwarowane przepisami. Skupiając się na online, z perspektywy web-analityki, bardzo ważnym projektem, choć nie wykorzystania, a zbierania danych, była zmiana platformy sklepowej. To była zmiana diametralna, bo serwis przeszedł na SPA (Single Page Application), co po stronie analityki i gromadzenia danych generuje wyzwania. Trzeba było zastanowić się, jak podejść do pozyskiwania danych, by podejście sprawdziło się długoterminowo, by po kilku miesiącach czy latach dane były zbierane tak samo skutecznie i precyzyjnie.
Zdecydowaliśmy się na podejście może bardziej ważące po stronie wdrożenia, ale bardzo skuteczne po stronie odbioru danych: wygenerowanie pusha dla każdego eventu, który chcemy mierzyć. Chcemy mierzyć kliknięcie w przycisk „dodaj do koszyka” – wysyłamy event, który o tym informuje. Oczywiście event ten zawiera długą listę parametrów: podstawowych dla Analyticsa i niestandardowych dla nas, wszystkich dodatkowych miar i wymiarów.
To było duże wdrożenie, bo sam serwis jest duży, architektura bardzo skomplikowana, składa się z kilku aplikacji. Wdrożenie od początku, przygotowanie dokumentacji, zebranie biznesowych wymagań jest trudne, a tu doszedł aspekt weryfikacji tego, co było, bo nie wszystko nadawało się do przeniesienia. Cały proces od rozmowy z biznesem, zebrania wymagań, zweryfikowania, co zmienić, zmodyfikować, odrzucić, dodać nowego, przygotowanie wymagań dla IT ze wszystkimi pushami w warstwie danych po określonych akcjach. Stworzenie dokumentacji zrozumiałej dla biznesu i programistów, by znaleźć wspólny język, a potem testowanie i odbiór. Ten proces nie zamknął się na wdrożeniu, bo jeszcze były tematy, które trzeba było dogonić, trwał długo. Powiedziałbym, że był ewolucją bardziej niż rewolucją.
Mariusz Michalczuk: Jak długo to trwało? SPA to nie jest najprostszy framework do wdrażania analityki, a swego czasu był bardzo popularny i robiliśmy sporo takich projektów. Jestem ciekaw, jak to u was wyglądało czasowo.
Radosław Łukasiewicz: Różnie można określić, bo jakbym się uparł, to powiedziałbym, że wciąż trwa. Na wdrożenie mieliśmy zdecydowaną większość, ponad 90% tego, co było potrzebne do podejmowania decyzji, do kontynuacji pomiaru. Tuż po wdrożeniu doszły kolejne kluczowe, brakujące eventy. Potem w ramach rozwoju e-commerce dochodziły kolejne, aczkolwiek nie rzutowały już na strategiczne decyzje biznesowe. To były informacje uzupełniające. Czasem brakowało ważnego wymiaru, coś można by było policzyć szybciej, ale radziliśmy sobie inaczej. Ten czas ewolucyjny trwał rok od momentu wdrożenia. Przy jakichkolwiek wdrożeniach to częsta sytuacja, że MVP jest bardziej ociosane, niż się na początku wydaje.
Mariusz Michalczuk: U nas w firmie przekazaliśmy kody śledzące klientowi w 2017 roku. Wtedy powiedzieliśmy, że jak zaplanuje wdrożenie, to żeby do nas wrócił. Wrócił w 2021 roku. To anegdota, że planowanie to najważniejszy etap.
Radosław Łukasiewicz: Planowanie to najważniejszy etap. U nas doszedł aspekt zewnętrzny, czyli zmiana standardu pomiaru z Universal Analytics na GA4, bo dużo nowości w GA4 wchodziło. To było jeszcze przed sunsetem Universal Analytics, ale dużo rzeczy się tam zmieniało. Zastanawialiśmy się, czy wdrożyć dwa standardy i potem usunąć Universal Analytics, czy wchodzić od początku w GA4. Zasoby weryfikowały ostateczne podejście. Wyszedł trochę patchwork. To, co łatwo dało się przenieść, było z Universal Analytics, to co trzeba było dostawić nowe, było z GA4. Potem mapowanie po stronie GTM. Ale działało. Prace z czyszczeniem i przechodzeniem na standard GA4 są w zasadzie zakończone. Udało się mimo tych zawirowań sprawnie to przeprowadzić. Pomiar nie ucierpiał, historia danych zachowana.
Mariusz Michalczuk: Wspomniałeś, że jako apteka internetowa jesteście ograniczeni legislacyjnie w kontekście sprowadzania ruchu i reklamy. Zakładam, że analityka on-site ruchu jest bardzo istotna. Czy mógłbyś podzielić się przykładami analiz, wnioskami lub projektami, w których wykorzystaliście zebrane dane i co ciekawego z tego wyszło?
Radosław Łukasiewicz: Mam dwa ciekawe przykłady. Poza częścią apteczną, mamy też część drogeryjną, która pozwala sprowadzać ruch, również płatny. Jednym z projektów była weryfikacja zwrotu z inwestycji w remarketing. Remarketing to pojęcie znane każdemu, kto pracował w e-commerce. To reklamy, które widzi użytkownik już zainteresowany naszą ofertą, więc wchodzimy nimi w dół lejka zakupowego. Powoduje to, że gdy oglądamy wyniki poszczególnych źródeł ruchu, wszelkie działania remarketingowe często mają fantastyczny ROAS. W praktyce niekoniecznie jest to takie proste – model atrybucji, nawet nowy, GA4 data-driven, nie jest w stanie dokładnie ocenić tego wpływu. Zawsze będzie jakiś błąd, więc warto spojrzeć na to z kilku perspektyw, by dodać kontekstu.
Postanowiliśmy zrobić testy A/B: połowa użytkowników serwisu dostawała piksel śledzący remarketera, a druga połowa go nie dostawała. Nie zapisywaliśmy im ciasteczka, więc nie mogliśmy prowadzić do nich działań remarketingowych. Mierzyliśmy konwersję w obu grupach. Okazało się, co trochę przypuszczaliśmy i było rozczarowaniem, że nie ma istotnego statystycznie wpływu działań remarketingowych na współczynnik konwersji w okresie testów.
Nie mówię, że remarketing jest zły, ale należy go robić w sposób jeszcze bardziej celowany. Wpływ biznesowy z remarketingu będzie wtedy, gdy uda nam się zawrócić użytkownika, który zrezygnował z zakupów w naszym sklepie, a nie dotrzeć reklamą do osoby, która i tak już podjęła decyzję, tylko jeszcze nie zdążyła złożyć zamówienia. Jeśli uda nam się posegmentować użytkowników, by tych, którzy na pewno lub z dużym prawdopodobieństwem złożą zamówienie, wykluczyć z kampanii, a kierować ją tylko do tych, którzy prawdopodobnie zamówienia nie złożą, bo znaleźli inną ofertę lub byli jeszcze niezdecydowani, to to będzie nasz inkremental. Jest to trudne w praktyce, ale warto próbować, bo z testowania zawsze płynie wiedza.
Drugi przykład wykorzystania danych w celach biznesowych dotyczył oferty i „rekrutacji” zamówień czy klientów. Nie każdy produkt jest taką samą potrzebą dla klienta. Niektóre to podstawowe produkty w koszyku, bez których nie złożymy zamówienia, inne to dodatkowe, które można kupić później lub gdzie indziej. To teoria bazująca na książce Camprada, założyciela IKEA – „hot dogi”, produkty cenowe, które przyciągną klientów do sklepu i spowodują, że poza tym jednym, po który przyszli, dobiorą kolejne, które zwiększą wartość zamówienia. Wiadomo, że ten „hot dog” musi być tani, bo cena determinuje wejście do danego sklepu i obejrzenie oferty.
Mariusz Michalczuk: Dokładnie. Albo stolik Lack, który każdy ma. Moja żona śmieje się, że bez 500 zł z IKEA się nie wychodzi, bo jedzie się po jedną rzecz, a po drodze…
Radosław Łukasiewicz: Tak, potem przechodzi się między koszami i alejkami i zawsze znajdą się jakieś „przydasie”. Podobnie wygląda to w internecie. Musi być coś, co użytkownika przyciągnie do sklepu. Konkurencja w wyszukiwarkach jest duża. Potem klient chce dodać do koszyka coś jeszcze poza produktem, po który przyszedł. Ważne jest, by patrzeć nie na produkt, a na zawartość koszyka, bo dopiero całość koszyka mówi o rentowności działania.
Jeśli mam produkt, np. stolik Lack, sprzedaję go za 50 zł z marżą 10%, to koszt pozyskania klienta patrząc tylko na marżę z tego jednego produktu może nie wyglądać dobrze. Ale jeśli klient zostawi 500 zł, to marża na pozostałych produktach mocno dobuduje wynik biznesowy. Do tego powinniśmy porównywać koszt pozyskania (płacimy za kliknięcia) i to, co opuszczamy z marży, by uatrakcyjnić cenę. Spojrzenie na całość procesu i efekt w postaci zamówienia jest kluczowe. W żadnym innym wypadku taka matematyka nam się nie sprawdzi i to, co z niej wyjdzie, nie posunie decyzji biznesowych do przodu.
Mariusz Michalczuk: Jak technicznie to analizowaliście? Jakie decyzje biznesowe podejmowaliście na tej podstawie?
Radosław Łukasiewicz: Technicznie nie jest to trudne, ale trzeba złapać moment, kiedy użytkownik buduje koszyk. Można mieć dwa podejścia. Najprostsze, dotyczące jednej sesji, będzie błędne, bo to, co robię w ostatniej sesji, niekoniecznie pokrywa się z tym, co robiłem wcześniej. Stworzyliśmy parametr, który informuje o momencie stworzenia koszyka przez użytkownika. Gdy dodaje produkt, automatycznie zapisujemy informację z timestampem utworzenia koszyka. Odnosimy się do tego przy zamówieniu, patrząc na user ID, na klienta, na użytkownika. Możemy też złapać czas od utworzenia koszyka do złożenia zamówienia, co jest istotne, szczególnie przy analizie źródeł pozyskujących użytkowników. Wiemy wtedy, w jakim czasie powinniśmy mieć zwrot z inwestycji.
Mariusz Michalczuk: Ten koszyk buduje się u was przez parę dni, a zamówienie jest raczej większe. Średnia wartość zamówienia to zdecydowanie ponad 200 zł.
Radosław Łukasiewicz: Koszyki są większe, szczególnie w sensie ilościowym, liczby produktów. Mogą być za drobne kwoty, ale z reguły jest ich dużo. Specyfiką e-commerce jest to, że koszyk często służy jako lista życzeń. Zamiast serduszkować czy gwiazdkować, użytkownicy dodają produkty bezpośrednio do koszyka, a potem go czyszczą, usuwając to, czego nie potrzebują. Warto to uwzględnić w analizie i ocenić poszczególne źródła pozyskiwania użytkowników.
Są dwie ciekawostki. Pierwsza: są produkty, które się wybijają – tanie, kosztujące kilkanaście złotych, np. magnez, które generują jedne z największych przychodów, gdy spojrzymy na całe koszyki. Wartość produktu nie równa się wartości, którą generuje całe zamówienie. Popularny produkt ściąga klientów, ale ci klienci, poza tym jednym produktem, dołożą dużo więcej, by skorzystać z darmowej dostawy lub akcji na stronie.
Druga rzecz: warto to przeciąć na segmenty i zobaczyć, jak różnią się produkty w zależności od kategorii. Na przykład w Gemini mamy „ciążę, macierzyństwo, dziecko” czy „zdrowie”, które dotyczą różnych grup osób. Widać tutaj specyfikę, jak zmienia się zestaw produktów, wartości zamówień, marżowość. To fajna do analizy specyfika, bo można dużo biznesowych decyzji podjąć na tej podstawie. Czy mleka, pieluchy i inne popularne dla młodych rodziców produkty powinny być w cenie niskiej czy wysokiej? Czy warto coś doinwestować, czy wręcz przeciwnie? Klient kupi tylko sześciopak czegoś, dostanie darmową dostawę i super cenę, ale następne zakupy zrobi gdzie indziej, gdzie akurat będzie dobra cena. Czy może jednak ten klient poza tym produktem dobierze inne potrzebne produkty, które dobudują marżę biznesową i sprawią, że inwestycja w cenę się wyrówna? To są przypadki, na które nie można patrzeć całościowo, tylko trzeba je poprzecinać specyfiką danej branży. W naszym przypadku kategorie produktowe są punktem wyjścia. W innych biznesach mogą być inne specyficzne cechy, od których można wyjść, by analizę skomplikować, a potem uprościć decyzje biznesowe.
Mariusz Michalczuk: Znajomość tego, że ktoś dokonuje zakupów w kategorii „ciąża i macierzyństwo” to dla was złoto do dalszego marketingu. Gdy ktoś kupuje np. pieluchy o danym rozmiarze, wiecie, co dalej można mu proponować. To kolejna kopalnia złota.
Radosław Łukasiewicz: Tak, to możliwość określenia, po co klient przyszedł, kiedy przyszedł po raz pierwszy i odniesienia tego do innych klientów, jak oni kupowali w swoim cyklu. Otwiera to furtkę na bardzo duże możliwości marketingowe: newslettery czy remarketingi, ale prowadzone z odpowiednimi produktami w odpowiednim czasie. Każda taka grupa ma inną specyfikę, częstotliwość składania zamówień, potrzeby i sposób reagowania na promocje. Gdy pojawiają się produkty do opalania, SPF, wiadomo, że specyfika pozwala to fajnie przełożyć na działania i zróżnicować je, by nie strzelać jednym rodzajem amunicji do wszystkich. To poprawia skuteczność i generuje oszczędności kosztowe.
Mariusz Michalczuk: Apteka internetowa ma coś podobnego z delikatesami internetowymi. Pytanie do Ciebie: co u was wynika z analiz dotyczących istotności listingu i wyników wyszukiwania w kontekście karty produktu? Jak to u was wygląda, w kontekście zachowań zakupowych?
Radosław Łukasiewicz: Wyszukiwarka jest konieczna w większości e-commerce’ów z kilkunastoma czy kilkudziesięcioma tysiącami SKU. Google przyzwyczaił nas do szukania i oczekiwania precyzyjnych odpowiedzi. E-commerce bez tego utrudniałby życie klientom, szczególnie takim jak nasz, gdzie występuje powtarzalność zakupów, podobnie jak w delikatesach. Mam pulę rzeczy, które kupuję zawsze, może z różną częstotliwością, ale powtarzam to. Mogę też kupić coś raz na jakiś czas dodatkowo.
U nas wyszukiwarka jest istotnym elementem serwisu. Przechodzi i przechodziła różne ewolucyjne zmiany, głównie pod kątem dostosowania jej do korzystania z serwisu w mobilu. Proces składania zamówienia bardzo często zaczyna się na telefonie, czasem też kończy na desktopie, ale coraz częściej już na telefonie składane jest zamówienie. Aktualnie nie można dodać produktu do koszyka z poziomu wyszukiwarki – była taka możliwość kiedyś. Samą wyszukiwarkę i jej udział w procesie zakupowym staramy się dokładnie mierzyć.
Mamy projekt, który atrybuuje przychód dla konkretnych fraz, nie dla produktów wyszukanych, bo to jest coś, co my generujemy i możemy generować te wyniki źle. Może nam brakować czegoś w asortymencie. Ważna jest intencja, z jaką przyszedł klient, i to, co wpisał, oraz jak to wpływa na to, co potem kupił. Staramy się przypisywać do tych fraz, które użytkownicy wpisują, przychód z całych zamówień. Klienci mają różne potrzeby. Czasem ktoś ma precyzyjne, zna nazwę produktu, więc wpisuje od razu w wyszukiwarkę. Czasem to kwestia kategorii, a czasem problemu zdrowotnego, np. „lek na alergię”. To ogólne, ale biznesowo daje informacje o tym, co użytkownicy w danym czasie (sezon ma duży wpływ) robią, czego szukają i potrzebują. Może to wpływać na mnóstwo działań, od odpowiedniego pozycjonowania produktów na listingu, po akcje tematyczne dopasowane do potrzeb, po planowanie zakupów asortymentu. Cały szereg procesów może skorzystać na takich informacjach.
Mariusz Michalczuk: Pojęcie „rekrutera” jest mega inspirujące, bo często patrzymy przez pryzmat produktu, a nie życiowej wartości klienta. Opowiedziałeś, jakie dane analizujecie i jakie decyzje biznesowe podejmujecie. Teraz trochę o stosie narzędziowym, poza GA4 i GTM. Jakie inne systemy wykorzystujecie? Co dało wam duży efekt w codziennej pracy z danymi?
Radosław Łukasiewicz: Mówisz, że bez oczywistości, ale mimo wszystko nieśmiertelny Excel wycisnąłbym na górę listy, bo to narzędzie zawsze przydaje się do szybkiej eksploracji. Poza otoczką zbierania danych, jak GA4 i analizy po stronie interfejsu, w dużej mierze korzystamy z danych surowych. Trzymamy to wszystko w Databricks, nie w Google Cloud. Największą wartością jest to, że możemy łączyć dane. To, co widzimy w Analyticsie, poprzez zastosowanie identyfikatorów, jak user ID, możemy połączyć z danymi historycznymi o wszystkich zamówieniach składanych przez klientów.
Analytics nigdy nie zbierze wszystkich tych danych. Warto dbać o jakość, aby udział był jak największy, ale wiemy, że 100% pokrycia jest niemożliwe. Możemy trochę dobudować danych, domodelować, rozłożyć niezmierzony ruch na proporcjach. Największą wartością jest możliwość przypisania ruchu i jego pozyskiwania do klientów. Możemy złapać pierwsze zamówienie ze źródłem ruchu, które do niego doprowadziło, potem analizować przez kategorię „rekrutera” produktu i kategorię, która klienta przyniosła. Możemy sprawdzić, co w kolejnych zamówieniach determinowało ich złożenie: czy kanały ruchu się zmieniły, czy wszedł remarketing, newsletter, czy social media. Ważne jest, aby móc ułożyć plan na aktywację klientów po stronie marketingowej.
Z drugiej strony, to kwestia wyliczenia pełnej wartości klienta, czy w odcinku czasu, czy w całym cyklu życia. Bez danych surowych to wszystko nie byłoby możliwe. W Databricks mamy informacje o wartości zamówienia, netto, brutto, podatkach, marżach, kosztach źródeł ruchu. Staramy się łączyć wszystko, by wnioskowanie było pełniejsze, by mieć więcej kontekstu. Wspomniany ROAS – trzeba mieć ostrożność, gdy patrzymy na biznes z tej perspektywy. Warto sięgnąć głębiej do marży, wyliczyć ją, odjąć koszty i zobaczyć, co zostaje, nawet na totalu, by lepiej ocenić jakość działań i przede wszystkim weryfikować trend.
To, co robimy, wpływa na zmianę. Bez dostępu do danych surowych jest to niemożliwe lub bardzo trudne. Na danych surowych możemy dużą część rzeczy przeanalizować, wyliczyć, a następnie zaprognozować. To jest game changer w analityce. Dla części jest już normą, a dla pozostałych biznesów czymś wartym nadrobienia. Nie tylko patrzenie na dane historycznie, bo ich nie zmienimy, ale patrzenie za pomocą tych danych w przyszłość. To, co jest przed nami, to jest to, na co możemy mieć wpływ. Jeśli widzimy negatywne zmiany, mając świadomość ich dzisiejszego przebiegu i potencjalnych skutków za tydzień, miesiąc czy pół roku, jesteśmy w stanie podjąć działania, które nas przed nimi uchronią. Lub odwrotnie, jeśli to coś pozytywnego, starać się to skalować. Prognoza oparta na dobrej jakości danych historycznych jest tutaj kluczowa.
Mariusz Michalczuk: Rozumiem, że macie zbudowane jedno źródło prawdy, z którego dane służą w poszczególnych elementach prowadzenia biznesu. Wspomniałeś o prognozowaniu. Czy możesz podać przykład zmiany paradygmatu u was, gdzie dane pozwoliły wam strategicznie zmienić podejście do online’u, np. w decyzjach mniej operacyjnych?
Radosław Łukasiewicz: Nie mogę podać dokładnego przykładu, ale modelowanie i prognozowanie przydaje nam się przy planowaniu zakupów czy strategicznych decyzjach dotyczących ustalania cen. Wiedząc, że dany typ klienta, dany segment przychodzi po produkt, po kategorię, i mogąc zaprognozować, kiedy inwestycja się zwróci, jesteśmy w stanie dopasować działania na przestrzeni roku – to zawsze dobra perspektywa w biznesie. Jeśli ktoś przychodzi po zakupy raz w roku i rozliczamy się fiskalnie rocznie, chcąc generować przychód, to na tej jednej transakcji musimy być na plusie. Inaczej będzie to obciążało wynik. Jeśli ktoś przychodzi po kategorię, a następnie dwa, trzy, cztery razy w roku powtarza zamówienie, być może innymi produktami (przepust pomiędzy kategoriami to też fajna rzecz do wyliczenia z danych surowych), wtedy weryfikujemy efekt końcowy. Czyli ile w sumie w danym roku klient u nas wydaje, ile z tego jest marży, i do tego możemy dołożyć to, co jesteśmy w stanie inwestować w poszczególnych etapach.
Jeśli ktoś wydaje raz, próbujemy zrobić coś, żeby wydawał dwa, trzy lub cztery razy, albo zmieniamy ceny tak, by jednorazowa transakcja nie obciążała wyniku. To wydaje się oczywiste, ale jest trudne do zrobienia, jeśli nie dysponujesz danymi i wiedzą, która z nich płynie, czyli danymi w połączeniu z informacjami i wiedzą biznesu. Kontekst dokłada szczegół, który pozwala podejmować decyzje. Same dane wiele pokazują, ale czasem za nimi kryją się decyzje, które na pierwszy rzut oka mogą wydawać się nieracjonalne, ale biznes to szerokie spojrzenie i różne inne warunki handlowe mogą wpływać na to, co robimy i co potem widzimy w naszych danych.
Mariusz Michalczuk: Myślę, że to dobre podsumowanie: dane pozwoliły wam zmienić perspektywę z „per produkt” na „per klient”. Nie wiem, czy „klientocentryczność” to wyświechtane słowo, ale tak mi to gdzieś tam w tym, co opowiedziałeś, się przejawia. Dobrze to zinterpretowałem?
Radosław Łukasiewicz: Tak, zdecydowanie. Klientocentryczność, choć można mówić, że wyświechtane, to jedyne słuszne podejście. Dążymy do tego, by patrzenie na dane uwzględniało zachowania i potrzeby klientów. Produkty są istotne, ale są potrzebami, po które klient do nas przychodzi. Przy odpowiedniej segmentacji i zrozumieniu potrzeb klientów możemy dopasować ofertę i rozbudowywać ją, by jak najdłużej utrzymać klienta u siebie – z trzech lat jego zakupów zrobić pięć. Pozyskanie, a potem lojalizacja, pozwala budować trwały, stabilny biznes. Spojrzenie z perspektywy transakcyjności to najczęściej generowanie kosztu i krótkoterminowe patrzenie. Biznes nie jest krótkoterminowy. Nikomu nie chodzi o jeden dobry miesiąc. Każdy planuje na trzy, pięć lat. Dziś pewnie bardziej trzy, bo dynamika, szczególnie online, jest taka, że trudno przewidzieć pięć lat. Kto pięć lat temu myślał o AI i tym, co się z nim dzieje?
Mariusz Michalczuk: To nie tylko kwestia online’u, ale ogólnie życia. AI to duży temat w naszej branży. Patrząc na makroekonomię, geopolitykę, to, co dzieje się przez ostatnie pięć lat…
Radosław Łukasiewicz: Tak, to zjawiska, o których trudno było pomyśleć przeciętnemu człowiekowi. Ktoś ze specjalizacją blisko zjawiska mógł przewidywać, ale informacje nie rozchodzą się równo po społeczeństwie. Dążymy do podejścia, gdzie klient, pacjent jest centrum uwagi. Przykłady wielkich sklepów, jak Amazon, który to spopularyzował, dowodzą, że to działa długoterminowo. Na naszym polskim rynku można porównać wejście Amazona do Polski – najpierw rozbudował logistykę, potem wszedł z ofertą i buduje ją powoli, ewolucyjnie. A wejście Shopee, które nie nastawiało się na potrzeby klientów, tylko działało stricte transakcyjnie – duża inwestycja w marketing, sprowadzenie ruchu, możliwość przetestowania usługi. To nie były tylko powody rynku polskiego, ale to świadczy o tym, jak niestabilny był ten biznes, jak słabe miał fundamenty, że po tak dużej inwestycji nie był w stanie utrzymać udziału w rynku i rentowności i musiał się wycofać. Dwa zupełnie różne podejścia: jedno na szybki zysk, drugie na budowanie efektu w długim terminie. Ten długi termin, przez perspektywy klienta i zainteresowania nim, jest dużo prostszy.
Mariusz Michalczuk: Zbliżamy się do końca naszej rozmowy. Bardzo inspirujące są te rzeczy, które robicie w Gemini: spojrzenie klientocentryczne, temat „rekruterów” i atrybucji do słów kluczowych z wyszukiwarki. Na koniec, z perspektywy Twojej różnorodnej kariery, jaką radę dałbyś zarządzającym biznesami online (i nie tylko), by skutecznie wykorzystywać dane?
Radosław Łukasiewicz: Poza klientem, o którym już mówiliśmy, co jest zasadą numer jeden, zasada numer 1.1, której zawsze się trzymam i którą wszystkim opowiadam, to pamiętanie, że analityka nie jest celem samym w sobie. Analityka to narzędzie, sposób na zrealizowanie celu. Częstym błędem w biznesach, który obserwowałem, było skupienie się na samej analizie, która często nie kończyła się podjęciem decyzji albo kończyła się, ale brakowało weryfikacji efektów tej decyzji. To jest wtedy sztuka dla sztuki. Kluczowe jest analizowanie po to, by podejmować decyzje, a potem weryfikować ich efekty, by pracować na rezultatach, które mają doprowadzić do realizacji celu. To najważniejsze w zarządzaniu w oparciu o dane.
Mariusz Michalczuk: Dokładnie. Podsumowałbym to tak: gdy mamy dane, na końcu powinno być działanie. Raport, z mojego doświadczenia, często leży między danymi a działaniem i niestety na raporcie się kończy. Dobrze, jeśli jest raport, a nie tylko surowe, nieudostępnione dane. Analityka to nie cel, a narzędzie do osiągnięcia wyższego celu w biznesie. Super. Mega dziękuję, Radku, za czas i podzielenie się tym, co robisz. Mam nadzieję, do zobaczenia, zwłaszcza gdy pojawią się nowe doświadczenia w Twojej karierze.
Radosław Łukasiewicz: Już teraz mogę się zgodzić. Dziękuję za rozmowę i bardzo chętnie, jeśli pojawi się taka okazja i możliwość opowiedzenia czegoś ciekawego, to jak najbardziej.
Mariusz Michalczuk: Super. Dzięki wielkie. Do zobaczenia. Cześć.
Radosław Łukasiewicz: Dzięki. Do zobaczenia.
Tagi:
Historie sukcesów
Ostatnie wpisy na blogu
