Czego dowiesz się z tego wywiadu:
Wprowadzenie i unikalna perspektywa Michała Przybysza
Transformacja cyfrowa i zarządzanie zmianą w retailu
Kiedy dane zaczynają być istotne? Od P&L-a do detalu
Praktyczne zastosowanie danych: ROPO, stock i mikrokonwersje
Dane w pricingu: od manualnej pracy do dynamicznych modeli
Wyzwania i przyszłość danych w e-commerce
Podsumowanie: Główne wnioski z rozmowy
Mariusz Michalczuk: Cześć, 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 Michał Przybysz.
Przygotowałem krótkie podsumowanie. Z mojej perspektywy Michał jest jedną z najbardziej doświadczonych osób, praktyków w e-commerce w Polsce. Przez ostatnie osiemnaście lat budował i transformował cyfrowo największe sieci handlowe w kraju. Jego kariera obejmuje role w Leroy Merlin, Media Markt, Ikea, aptece Gemini oraz Superfarm. Stanowi to unikalną perspektywę na wykorzystanie danych w procesach decyzyjnych w retailu i polskim e-commerce.
Jako były Chief Digital Officer i członek zarządów, Michał odpowiadał za strategiczne projekty, koncentrując się przede wszystkim na budowaniu e-commerce i transformowaniu sprzedaży detalicznej w sprzedaż wielokanałową, czyli omnichannel. Dane w każdym z tych projektów były bardzo istotne. Michał, bardzo dziękuję, że przyjąłeś moje zaproszenie. Czy coś byś uzupełnił do tego, co powiedziałem o Tobie?
Michał Przybysz: Cześć, dziękuję. Tak ładnie powiedziałeś, że ciężko uzupełnić. Chyba sobie sam to nagram i będę puszczał wieczorem.
Właściwie jedyne, co mogę dodać, to aspekt mniej e-commerce’owy i mniej związany z danymi, ale dla mnie niezmiernie istotny. Firmy te były z różnych branż, ale również z różnych kultur organizacyjnych: od szwedzkiej przez polską, francuską i niemiecką. Miały też różne struktury właścicielskie – były firmy właścicielskie i funduszowe, co było dość istotne.
Miało to spory wpływ na sposób, w jaki ja, wraz z zespołem, mogliśmy prowadzić projekty, a także jak patrzyliśmy na dane, ich rozwój i wykorzystanie w firmie. To jest aspekt bardziej leadershipowy czy strukturalny, który ma ogromny wpływ na wdrażanie projektów, zwłaszcza tych związanych z dużą zmianą i rozbudowywaniem zespołu.
Mariusz Michalczuk: W wielu z tych projektów wprowadzałeś e-commerce, transformowałeś organizacje stricte brick-and-mortar w cyfrowe. To były typowe projekty zmiany. Opowiedz o tej zmianie mentalności – jak to wyglądało w różnych organizacjach, gdzie były większe lub mniejsze wyzwania? Jakie ciekawostki wiązały się z tymi projektami?
Michał Przybysz: Faktycznie w trzech z tych pięciu firm wdrażałem e-commerce od zera. To była dla mnie największa motywacja – wprowadzać firmy w świat e-commerce i transformować je, digitalizując i wzbogacając o kompetencje. Rozwijałem kompetencje zarówno przez ściąganie ludzi z zewnątrz, jak i przez angażowanie osób z wewnątrz, zwłaszcza ze sprzedaży. Ci, którzy mieli znajomość produktu i obsługi klienta, a także chęć nauki świata digitalu, połączyli swoje umiejętności, co dawało ogromne efekty i wzrost kompetencji, przekładając się na skuteczność projektów.
To częściowo odpowiada na Twoje pytanie, jak zarządzać tego typu zmianą: to połączenie wewnętrznych kompetencji z chęcią nauki oraz z zupełnie nowymi kompetencjami z obszaru digitalu i e-commerce.
Inny aspekt to to, że ja i inne osoby w podobnych rolach jesteśmy postrzegani jako szefowie e-commerce, ale często śmieję się z kolegami, że równolegle jesteśmy często managerami ds. zmian. Te projekty to jedna wielka zmiana w organizacjach, zwłaszcza w pierwszych latach. Jesteśmy również managerami ds. logistyki – logistyka w e-commerce to podstawa. Zatem to są te trzy role. Dla mnie to ogromna motywacja i przyjemność, że praca jest tak szeroka.
Mariusz Michalczuk: Mówisz, że połączenie kompetencji jest istotne. Ty, jako osoba odpowiedzialna za zmianę, wiedziałeś, co czeka poszczególne osoby. Jak to wyglądało z perspektywy pracowników? Zanim przeszliśmy do danych, trzeba było zbudować fundamenty. Jak osoby sprzedające offline, które wiedziały o nadchodzącym e-commerce, nastawiały się do tego? Wyobrażam sobie, że człowiek ma obawy przed nowym, a wtedy e-commerce raczkował w Polsce?
Michał Przybysz: To ogromne wyzwanie. Wdrożenie tego typu projektów w firmach bardzo offline’owych to wejście w każdy dział. Często mówię, że te projekty zaczynały się i kończyły na księgowych – kwestie wystawienia paragonu czy faktury elektronicznej wydawały się proste, ale ciągnęły się miesiącami ze względów prawnych lub niezrozumienia systemowego. To tylko przykład, bo to wejście w każdy obszar firmy, wciągnięcie ludzi i włączenie ich w projekt. Często dla nich to dodatkowa praca, zwłaszcza na początku, co sprawiało wiele trudności.
Podam konkretny przykład z IKEA, gdzie przez 5 lat wdrażaliśmy e-commerce od zera. Otrzymywałem pytania od sprzedawców w sklepach: „Michał, czy stracimy pracę przez Twój projekt e-commerce? Ilu z nas straci pracę?”. Myśleli, że rozwój e-commerce i przeniesienie sprzedaży do kanału cyfrowego oznacza mniej klientów w sklepach i mniejsze zapotrzebowanie na sprzedawców. Oczywiście tak się nie działo – nikt nie tracił pracy, wręcz przeciwnie, byli włączani w te projekty.
W zarządzaniu zmianą, poza uruchamianiem procesów, dużo czasu poświęcaliśmy na zarządzanie emocjami i komunikowanie, z czym wiąże się ten proces. Ulubionym przykładem urozmaicenia komunikacji o e-commerce i omnichannelu było zaangażowanie kabaretu improwizacyjnego. Miał on kilkugodzinne sesje w wewnętrznych częściach sklepów, gdzie poprzez kabaretową improwizację wciągał sprzedawców i innych pracowników w rozmowę o tym, czym jest omnichannel, dlaczego go robimy i po co wdrażamy. To był element change managementu w firmie.
Oprócz tego była gamifikacja, wewnętrzna aplikacja z konkursami związanymi z omnichannel, gdzie przemycaliśmy informacje o procesach. To trudny, ale najciekawszy element pracy przy wdrażaniu dużych projektów, jakimi bez wątpienia był i jest e-commerce. Wiele firm dopiero wchodzi w podstawy e-commerce, co dzieje się od kilkunastu lat i wciąż trwa.
Mariusz Michalczuk: Na którym etapie dane zaczynają być istotne? Zakładam, że budowanie danych zaczyna się wcześniej w omnichannelu. Gdy zaczynasz budować kulturę, by pracownicy zrozumieli i nie bali się zmian, na którym etapie pojawiają się dane?
Michał Przybysz: Dane pojawiają się na każdym etapie. Z biegiem czasu, jest ich dużo więcej. Kilkanaście lat temu więcej było założeń opartych na „wydaje mi się”. Teraz tych „wydaje mi się” jest dużo mniej, bo dane są dostępne, albo trzeba je zebrać na starcie.
Pierwszym i najważniejszym elementem jest zbudowanie business case’u i P&L-a, a następnie jego mierzenie. Dla wielu rozwiniętych firm z zaawansowanym raportowaniem to wydaje się oczywiste, ale zbudowanie dobrego P&L-a, gdzie dobrze mierzymy i przypisujemy wartości do poszczególnych kanałów na bieżąco, wcale nie jest łatwe.
Teraz z zaskoczeniem odkrywam, że wiele niemałych firm w Polsce, rzędu setek milionów obrotów, ma słabo rozwinięte podstawowe raportowanie P&L-owe: topline, bottomline, marża pierwsza, druga, trzecia, EBITDA i wchodzenie w szczegóły. To punkt wyjścia do budowania biznesu i jego raportowania. Jest to wyjątkowo trudne i wymaga ciągłej pracy nad udoskonalaniem. Im większe biznesy i więcej powiązań między kanałami, tym szczegóły są ważniejsze. Niewiele firm robi to naprawdę dobrze. Wciąż odkrywamy miejsca, gdzie coś źle mierzyliśmy lub przypisywaliśmy w P&L-ach, co ma znaczący wpływ na rentowność i decyzje.
Mariusz Michalczuk: Zaczynamy od góry. Ja zawsze mówię, że pierwszym poziomem odniesienia są podatki, które wynikają ze sprawozdań finansowych. Następnie schodzimy niżej, do bardziej szczegółowych, granularnych danych. Jak to wyglądało z Twojego doświadczenia? Masz P&L-a, a potem jak powinno wyglądać raportowanie, takie bottom-down od P&L-a i zejście niżej?
Michał Przybysz: Nie będę wchodził w szczegóły P&L-a, ale podam przykłady danych i ich mierzenia. Temat, który zawsze mnie interesował, to zmniejszenie wpływu online na cały biznes i offline, czyli efekt ROPO (research online, practice offline) i odwrotnie.
Inwestując w strony internetowe i funkcjonalności e-commerce, które generują sprzedaż w sklepach fizycznych poprzez ruch i świadomość marki, zadawaliśmy sobie pytanie: jak zmierzyć wartość tej inwestycji? Kilkanaście lat temu, gdy nie było danych łączących online z offline, wymyśliłem konkretne badanie ankietowe. Pytaliśmy klientów w sklepach stacjonarnych, czy przed wizytą byli na stronie firmy, czy przygotowywali się do zakupu, sprawdzali dostępność i ceny, a następnie, czy kupili produkt, który sprawdzili. Uzyskaliśmy wiarygodne dane o tym, jak klienci korzystali ze strony do zakupów stacjonarnych. Cykliczne badania pozwalały mierzyć zmianę i wzrost wartości strony.
W kolejnej firmie mogliśmy to mierzyć inaczej, powiązując dane klientów stacjonarnych z programu lojalnościowego. Mając profil klienta i jego zakupy, łączyliśmy go z cookiesami i listami na stronie internetowej. Dla próbki klientów, których udało nam się „złapać” (mieliśmy ich cookiesa, dane z programu lojalnościowego i dane sprzedażowe), mogliśmy zmierzyć, czy klient oglądał dany produkt na naszej stronie, a kilka dni później kupił go w sklepie. Wyzwaniem było budowanie masy klientów w bazie danych i powiązanie cookiesów, a potem multi-devicing (komórka, ekran).
Choć próbka była niewielka w stosunku do całej masy klientów, to były tysiące klientów, co pozwalało wyciągać wnioski o wartości strony dla sprzedaży stacjonarnej. Trudniej było zmierzyć efekt odwróconego ROPO. My mierzyliśmy typowo ROPO.
W jeszcze innej firmie, gdzie próbka była duża (kilkanaście, a nawet dwadzieścia procent klientów), widzieliśmy, że klienci kupują tylko online, tylko offline, albo online i offline (Omnichannel). Bardzo jasno wychodziło, że klienci Omnichannel kupowali częściej i mieli wyższe roczne zakupy (life time value) niż ci, którzy kupowali tylko online lub tylko offline. Dzięki temu mogliśmy podejmować decyzje, jak mocno inwestować w ten kanał.
To były argumenty w wewnętrznych dyskusjach, czy online kanibalizuje offline. Jasno wynikało, że oba kanały współgrają. Klient raz kupi w jednym, raz w drugim. Raz z niższą marżą (często online ma niższe ceny), raz z wyższą ceną (offline), ale sumarycznie jest bardziej przywiązany i częściej u nas kupuje. Zatem, w zależności od firmy i posiadania programu lojalnościowego, można wiele mierzyć między kanałami. Jest to wyzwanie i ma ograniczenia (klienci lojalnościowi mogą być bardziej lojalni), ale to już twarde dane, które można mierzyć codziennie i obserwować zmiany.
Mariusz Michalczuk: Dane o przepływie użytkowników i połączeniu ich w omnichannelu potwierdzały zasadność inwestowania. Skoro klienci omnichannelowi są bardziej wartościowi, jakie były taktyki, by zachęcać klientów online do zakupów offline lub offline do online, zwiększając liczbę klientów omnichannelowych i poprawiając całościowy wynik P&L-a?
Michał Przybysz: To pytanie rzeka, nie ma jednej odpowiedzi. Starałem się prowadzić strategiczne rozmowy tak, by celem nie było przeciąganie klientów między kanałami, lecz budowanie ich lojalności i zachęcanie do zakupów w naszej firmie, niezależnie od kanału. Odwoływaliśmy się do segmentacji i targetowania konkretnych ofert produktowych czy promocyjnych.
Głównym celem, który się sprawdza i który warto mierzyć, jest to, żeby klient miał możliwość wyboru kanału, w którym kupuje. Nie należy go targetować i przeciągać. Były oczywiście dyskusje wewnętrzne, by przeciągać do offline ze względu na wyższe marże, ale to nie zawsze działa. Są kampanie bardziej offline’owe czy online’owe, często skierowane do różnych grup w danym momencie. To temat rzeka.
Wszystko odbywało się metodą prób i błędów, mnóstwem testów, targetowania i segmentacji. Najlepiej korzystać z grupy kontrolnej, by sprawdzać, czy działania przynoszą efekty. To jest łatwe, gdy ma się dane i segmentuje komunikację, kierując jej część do grupy kontrolnej.
Mariusz Michalczuk: Fajnie przedstawiłeś mierzenie efektu ROPO. Dziś mamy programy lojalnościowe i aplikacje mobilne. Jeśli firma nie ma tych narzędzi, czy są inne pośrednie sposoby, aby zmierzyć użytkownika omnichannelowego, poza bezpośrednim pytaniem?
Michał Przybysz: To była raczej próba wdrażania kolejnych elementów i narzędzi, takich jak aplikacja mobilna, co pozwalało zbierać więcej danych. Największym wyzwaniem jest ogrom danych i ich łączenie. Użytkownik korzysta z aplikacji mobilnej lub strony internetowej, często z różnych urządzeń, a potem identyfikuje się w sklepie. Połączenie tych danych i przypisanie konkretnej akcji do użytkownika to potężne wyzwanie.
Wymaga to dużej inwestycji w stworzenie Customer Data Platform (CDP), na której dane są zbierane, manipulowane i analizowane. To potężny temat i projekt, który w firmach, w których pracowałem, był zawsze w fazie udoskonalania. Ma jednak ogromny potencjał.
Mariusz Michalczuk: Projekty bazujące na danych to zazwyczaj duża inwestycja, a zwrot jest odroczony. Świadome firmy decydują się na nie. Budowa jednego źródła prawdy to wyższy poziom dojrzałości analitycznej. Jakie miałeś strategie, by osiągnąć ten poziom i pielęgnować kulturę data-driven? Co robiłeś, aby dane zyskiwały coraz wyższy priorytet w firmie?
Michał Przybysz: Najlepsze podejście to małymi kroczkami pracować na poszczególnych miernikach, wykorzystywać je w praktyce i pokazywać efekty w organizacji.
Przykład offline-online: W jednej z firm sprzedaż e-commerce czy omnichannel opierała się na sklepach stacjonarnych, które realizowały większość zamówień ze swojego stocku. Każdy sklep był niezależną jednostką ze swoim P&L-em i dyrektorem, który był współwłaścicielem. Zależało mu na tym, by zamówienia z jego obszaru (po kodach pocztowych) wpadały do niego. Gdy w sklepie brakowało produktu, zamówienie trafiało do innego sklepu, który go miał. Dyrektorzy mieli pretensje, ale my tłumaczyliśmy: „Nie miałeś produktu. Gdybyś go miał, to byłoby Twoje zamówienie, Twój klient, Twoja sprzedaż, Twoja marża.”
Żeby to rozwiązać, przygotowaliśmy raport dla sklepów, pokazujący, których produktów nie mieli, a gdyby mieli, to mieliby sprzedaż. Umożliwiło to pracę ze stockiem w sklepie stacjonarnym pod kątem sprzedaży online. Zoptymalizowaliśmy logistykę i replenishment, a także pokazaliśmy sklepom stacjonarnym wartość e-commerce. Ci, którzy korzystali z raportów, zwiększali swoją sprzedaż omnichannelową i click&collect w swoich sklepach. To był prosty raport, który trzeba było stworzyć i udostępnić. Zauważyliśmy jednak, że tylko część osób z niego korzystała – ci, co korzystali, potrafili efektywnie pracować ze stockiem.
Drugi przykład, bardzo online’owy: konwersja. Pracując na mikrokonwersjach, gdy mieliśmy problem na stronie, mogliśmy pokazać efekty tej pracy zarządowi. W ten sposób pokazaliśmy, jak granularne dane e-commerce można wykorzystać do zwiększania sprzedaży. W pewnym momencie konwersja w jednym z biznesów zaczęła spadać. Szukając przyczyn, poprzez mikrokonwersje (konwersje na poszczególnych etapach zamówienia klienta), zobaczyliśmy, że na ostatnim etapie koszyka, przy płatności, nagle spada konwersja i tracimy klienta.
Okazało się, że problem był trywialny: błąd na jednej z form płatności. Inne błędy tego nie wykryły. Dopiero zajęcie się płatnościami i sprawdzenie, które metody nie działają, pozwoliło to poprawić. Konwersja wróciła do satysfakcjonującego poziomu, a nawet wzrosła po dodaniu nowej formy płatności. Proces trwał, wymagał generowania raportów mikrokonwersji – dużo pracy dla analityka webowego z Google Analytics – ale dało to wymierne korzyści. Na ogólnej konwersji problem był niewidoczny, a granularna analiza ścieżki klienta w online pozwoliła go zdiagnozować.
Mariusz Michalczuk: Zdecydowanie. Przychodzi mi do głowy sytuacja, gdy duża firma e-commerce zgłosiła spadek konwersji. Idąc od ogółu do szczegółu, okazało się, że jeden z zespołów podjął decyzję o częstszym wysyłaniu newslettera. Newsletter generował dużą część przychodu, ale zwiększenie częstotliwości z dwóch do trzech razy w tygodniu spowodowało, że ludzie zaczęli się wypisywać. Oczywiście, mniejsza baza oznaczała mniejszą konwersję i przychody. To była inżynieria wsteczna problemu – coś jest na górze, rozkładamy to na elementy i sprawdzamy. Szczęśliwie, w przypadku newslettera, debugowanie było łatwiejsze, choć i tak wymagało analizy.
Michał Przybysz: W naszym przypadku poprawka była łatwa do wdrożenia. Ale nie zawsze tak jest. Mieliśmy przypadki, gdzie spadek konwersji widzieliśmy na wcześniejszym etapie i tam problem był trudniejszy do zdiagnozowania. Trzeba było głębiej kopać w dużej próbce danych. Nie pamiętam konkretnego przykładu, ale konwersja spadała na innym etapie koszyka i trudniej było znaleźć przyczynę. Mogły to być nie tylko błędy na stronie, ale też kwestia pricingu czy niedopasowanej oferty. Zwłaszcza na wcześniejszych etapach, jak wejście na stronę czy dodawanie do koszyka, spadek konwersji może wynikać z wielu przyczyn: od problemów technicznych, przez ścieżkę klienta, po pricing, niedopasowanie oferty czy dostępność. Tutaj może być dużo więcej przyczyn.
Mariusz Michalczuk: Hipotez może być sporo. Skoro rozmawiamy o konwersji, chciałem Cię podpytać o metryki wykorzystywane w różnych biznesach i e-commerce. Pracowałeś w bardzo odmiennych branżach – zakładam, że raportowane metryki są skrajnie różne. Jak to wygląda?
Michał Przybysz: Pytasz o różnice w branżach? Moim zdaniem metryki w branżach, w których pracowałem, są dość podobne. Retail to retail. Mówimy o retail omnichannel, nie stricte o pure e-commerce czy dużych graczach. Metryki są zbliżone. Różnice wynikają raczej z aktualnego momentu firmy lub specyficznej sytuacji, na której się skupiamy.
To są wszystkie oczywiste, podstawowe metryki, począwszy od źródeł ruchu, przez konwersje. Na początku wiele jest metryk logistycznych, co jest bardzo ważnym tematem przy optymalizacji. Tam jest mnóstwo danych, które można dobrze lub gorzej mierzyć, by zoptymalizować logistykę. Moim zdaniem, branże nie różnią się tutaj znacząco. Podałeś przykład fashion, w której nie pracowałem, tam faktycznie metryka zwrotu będzie bardzo istotna.
„Retail is detail” – to słynne powiedzenie funkcjonowało zanim powstał e-commerce, a w biznesach e-commerce’owych jest jeszcze bardziej aktualne. Tych metryk jest bardzo dużo – są ogólne, a potem wchodzimy w szczegóły. Dlatego skupiam się bardziej na metrykach, na których powinniśmy się skupiać w danym momencie w biznesie, niż na różnicach branżowych.
Jeśli jednym z obszarów jest optymalizacja logistyki, co w obecnej sytuacji jest kluczowe dla wielu e-commerce’ów z powodu rosnących kosztów i spadających marż, to tam wchodzi się w szczegóły, nawet takie jak układanie towaru w magazynie na półkach. Strefy „zimne” i „ciepłe” mają na celu umieszczenie produktów o wyższej rotacji bliżej ścieżki preparacji (człowieka lub automatu), aby nie marnować cennych sekund na dojście i skrócić ścieżkę. To ogromna ilość danych.
Przy kilkudziesięciu tysiącach produktów (SKU) w magazynie, optymalizacja stref i układu produktów (który zmienia się sezonowo) to ogrom pracy w analizie danych i fizycznym przenoszeniu towaru. Celem jest zmniejszenie kosztu per operacja, per produkt czy per zamówienie. Mamy tu ogrom danych i dużo pracy dla analityków i logistyków. To jest praca ciągła. Zdarzało się, że po trzech miesiącach znowu rosły koszty w logistyce i trzeba było szukać optymalizacji, bo różnice to czasem grosze w koszcie per linia.
Mariusz Michalczuk: Przy dużej skali ma to ogromne znaczenie.
Michał Przybysz: Tak, dokładnie.
Mariusz Michalczuk: Mówiliśmy wcześniej o wykorzystaniu danych w pricingu. Czy mógłbyś opowiedzieć, jak dane są wykorzystywane w tym obszarze? Widziałem ostatnio wpis o rabatach cenowych, które mają zwiększać popyt. Pokazywał on, ile produktu musi się sprzedać, by nadrobić 10% obniżkę ceny, biorąc pod uwagę niższą marżę. Jak wyglądało to w Twoich projektach związanych z pricingiem, jak dane były wykorzystywane i do czego doszliście?
Michał Przybysz: To kolejny obszar, obok logistyki, z ogromem danych. Ostatnie lata pokazują znaczący wzrost wagi pracy z pricingiem opartym o dane, a wręcz dynamic pricing. W jednej z firm, do której dołączyłem, w dziale e-commerce kilkanaście osób manualnie pracowało nad cenami, a oferta była szeroka. Pracowali w dużej mierze na podstawie znajomości rynku i wyczucia, skutecznie, bo znali produkt. Jednak przy skalowaniu biznesu i optymalizacji marżowo-sprzedażowej, uruchomiono projekt przejścia na automatyczny pricing oparty o dane, polityki i porównanie do konkurencji.
W pricingu kluczowe jest porównanie danych z konkurencją i analizowanie Price Indexów (ogólnych i podzielonych na kategorie), aby zrozumieć naszą pozycję – czy jesteśmy tańsi, drożsi, czy na równi. Analiza Price Indexów ważonych i nieważonych sprzedażą ma znaczenie dla wniosków o naszej strategii cenowej. Następnie systemy, początkowo nieskomplikowane, mogą rekomendować zmiany cen automatycznie lub półautomatycznie na podstawie polityki cenowej i cen konkurencji.
Korzystaliśmy zarówno z zewnętrznych silników SaaS-owych, jak i wdrażaliśmy własny engine od zera z działem IT i analiz, który nawet ekonometrycznie wyliczał modele produkt versus konkurencja. To bardzo skomplikowany temat. W obecnej sytuacji, przy silnej konkurencji i wojnie cenowej, rola pricingu i analityków bardzo rośnie – warto w to inwestować.
Chciałbym wspomnieć o jeszcze jednym aspekcie: realne dane o cenach versus percepcja cenowa, czyli jak klienci nas postrzegają. W jednej z firm cyklicznym badaniem mierzyliśmy percepcję cenową, sprawdzając, jak klienci postrzegają naszą firmę w porównaniu do konkurencji. Okazywało się, że percepcja nie zawsze pokrywała się z naszymi założeniami – różni klienci (np. lojalni z programu lojalnościowego kontra nowi) mogli postrzegać nas inaczej. Te znaczące różnice mogą wpływać na pozycjonowanie i strategię cenową.
Mariusz Michalczuk: Te badania były wtedy bardziej jakościowe, czy prowadzone jako ankiety?
Michał Przybysz: To było badanie ilościowo-jakościowe na odpowiednio dobranej statystycznie próbce klientów, zazwyczaj online. Pytano klienta, czy jest naszym klientem, a jeśli tak, to czy postrzega nas jako droższych, tańszych, czy na równi w porównaniu do konkurencji. To zazwyczaj kilka, kilkanaście pytań. Jest to bardzo fajne narzędzie. Price indexy z jednej strony, a z drugiej percepcja cenowa, jak klienci nas postrzegają. To świetny materiał do ustalania polityki cenowej i pracy z marżą, ponieważ celem jest zazwyczaj jej zwiększenie.
Mariusz Michalczuk: Oczywiście, jak najbardziej. Dotykałeś danych na praktycznie każdym poziomie e-commerce. Z perspektywy Twojego doświadczenia, rozwoju branży i wydarzeń na świecie w ostatnich 4-5 latach – co jest teraz wyzwaniem w kontekście danych w e-commerce? Czego Ci brakuje? Co chciałbyś, żeby było lepiej widoczne, zmierzone? Jak widzisz dalszy rozwój?
Michał Przybysz: Zanim odpowiem, muszę zaznaczyć, że wyzwaniem, zarówno dla mnie, jak i dla klientów, z którymi pracuję, jest to samo, co było lata temu: spójność danych i ich spójne rozumienie w organizacji, w różnych działach, oraz spójne ustalanie celów. Przy obecnej, rosnącej ilości danych, trudniej jest sprawić, by ludzie rozumieli je podobnie, pracowali na podobnych celach, co prowadziłoby do synergii, a nie konfliktów między działami. To wciąż wyzwanie, a nawet coraz większe.
Staram się zwracać na to uwagę i uspójniać sposób czytania danych w firmie, choć jest to trudne, bo wiąże się często z bonusami, promocjami czy awansami.
Odpowiadając na Twoje pytanie: za mało skupiałem się na modelu atrybucji. Chciałbym osobiście zgłębić ten temat bardziej. Mówimy o e-marketingu, wydatkach marketingowych i pozyskiwaniu ruchu na stronę czy do aplikacji mobilnej. Wiemy, że pozyskanie klientów jest coraz trudniejsze, a koszty marketingowe rosną. Aby dobrze wydawać środki, model atrybucji jest niezmiernie istotny – przypisanie kosztu marketingowego do konkretnego źródła.
Uważam, że to element, w który warto zainwestować, by dobrze mierzyć, a następnie, wykorzystując model atrybucji, dobrze przypisać źródła danych i rozdzielać wydatki marketingowe. To ogromny temat. Głównym problemem jest przypisanie źródła ruchu do kosztu, a także to, że poszczególne platformy mierzą koszty inaczej. Trudno jest podejmować decyzje, który wydatek się opłaca i w które źródło warto inwestować.
Mariusz Michalczuk: Problemy techniczne mnie dopadły, ale to nic. Bardzo inspirujące jest Twoje doświadczenie, zwłaszcza w kontekście wykorzystania danych. Dziękuję za podzielenie się tym, co przeżyłeś i jak wykorzystywałeś dane. Czy mógłbyś podzielić się z naszymi słuchaczami jednym słowem podsumowania w kontekście Twojego doświadczenia i wniosków płynących z wykorzystania danych w trakcie kariery?
Michał Przybysz: Wdrażając projekty i zarządzając biznesem, starałem się patrzeć na dane z różnych obszarów. Oczywiście, za tym stały osoby, które te dane zbierały, przygotowywały i analizowały. Kluczowe jest posiadanie choćby jednej osoby, która potrafi pracować z danymi – niekoniecznie od razu analityka biznesowego, inżyniera danych czy data scientista. To mogą być osoby z marketingu, controllingu, które potrafią wyciągać dane, wnioski i stawiać hipotezy.
Ogromne wyzwanie to mieć dane spójne i wiarygodne, a następnie wyciągać z nich wnioski i stawiać hipotezy. To trudny element, na którym warto się skupić i wewnętrznie dyskutować.
Mariusz Michalczuk: Super, bardzo dobre podsumowanie. Z mojego doświadczenia wartość z danych i analizy zaczyna się w momencie postawienia hipotezy, tymczasem większość firm kończy na raporcie – „jest raport, przyjrzeliśmy się, ale co dalej?”. Życzę, aby biznes tak podchodził do danych. Tobie życzę sukcesów w projektach i trzymam kciuki, aby dane nigdy nie kończyły się na raporcie, lecz prowadziły do hipotez, a najlepiej do konkretnych działań. Dziękuję za obecność i do zobaczenia.
Michał Przybysz: Dzięki bardzo. Cześć.
Mariusz Michalczuk: Cześć.
Rozmowa z Michałem Przybyszem podkreśla unikalną perspektywę w e-commerce, wynikającą z jego doświadczenia w transformacji cyfrowej największych sieci handlowych. Kluczowym wnioskiem jest to, że dane są fundamentalne na każdym etapie – od budowania business case’u i P&L-a, po szczegółową optymalizację operacji.
Wywiad uwypukla ewolucję mierzenia efektu ROPO, od badań ankietowych po zaawansowane łączenie danych z programów lojalnościowych, co pozwala na identyfikację wartości klientów omnichannelowych. Michał wskazuje na praktyczne zastosowania danych w optymalizacji stocku w sklepach stacjonarnych oraz w diagnozowaniu problemów z konwersją poprzez analizę mikrokonwersji.
Ważnym obszarem jest również wykorzystanie danych w pricingu, przechodzenie od manualnej pracy do automatycznych systemów dynamic pricing, uwzględniających zarówno realne ceny konkurencji, jak i percepcję cenową klientów. Obecne wyzwania koncentrują się na spójności danych w organizacji, wspólnym ich rozumieniu i ustalaniu celów, a także na precyzyjnym modelowaniu atrybucji marketingowej w obliczu rosnących kosztów pozyskania klienta. Całość rozmowy podkreśla, że wartość z danych zaczyna się od postawienia hipotezy i dążenia do konkretnych działań, a nie tylko do tworzenia raportów.
Tagi:
Historie sukcesów
Ostatnie wpisy na blogu
