Marketing i analityka – wyzwania
Metodyka KPI Tree – co to jest?
4 kroki metodyki KPI Tree
KPI Tree w praktyce – case study
Podsumowanie
Z każdym rokiem rośnie liczba narzędzi i danych, z których korzystają zespoły marketingowe. W efekcie coraz trudniej utrzymać porządek, połączyć wszystkie elementy i zbudować z nich spójny system analityczny. W 2025 roku marketerzy e-commerce mieli do dyspozycji ponad 15 tysięcy różnych narzędzi. Różnica między marketingiem i e-commerce a układaniem klocków Lego polega na tym, że w przypadku Lego od początku wiadomo, jak z chaosu rozsypanych elementów zbudować konkretny model.
W pudełku znajduje się instrukcja, podział na mniejsze zestawy i jasny schemat łączenia kolejnych elementów. W marketingu sytuacja wygląda inaczej. Z chaosu metryk, źródeł danych i narzędzi powstają raporty oraz dashboardy, które często nie mają spójnej struktury ani jasnego celu.
Z moich obserwacji wynika, iż 90% dashboardów trafia do kosza w ciągu 30 dni od ich utworzenia. W analogii do klocków Lego taki dashboard w Data Studio przypomina model składany z kilku różnych zestawów, dodatkowo według instrukcji napisanej w niezrozumiałym języku. Skąd czerpać właściwe instrukcje, aby wykorzystywać wartościowe dane w marketingu? Jak przekształcić chaos metryk i narzędzi w raporty, które realnie wspierają marketing oraz e-commerce?
Odpowiedzią jest metodyka KPI Tree, którą opiszę w tym artykule. To podejście pomaga szybciej docierać do wniosków i skraca Time to Insight, czyli czas od pojawienia się problemu w biznesie, marketingu lub e-commerce do postawienia konkretnej hipotezy dotyczącej jego przyczyny.
Metodyka KPI Tree zwiększa też poczucie kontroli nad danymi i wynikami. Gdy pojawia się problem, można szybciej zidentyfikować jego źródło i podjąć odpowiednie działania. Zamiast przez tygodnie ustalać, gdzie „się pali”, zespół może już w ciągu jednego dnia przejść od sygnału ostrzegawczego do analizy przyczyn i rekomendacji. Jeśli odpowiadasz za wdrożenia narzędzi marketingowych i analitycznych, metodyka KPI Tree pomaga szybciej ustalić priorytety. Drzewo metryk pokazuje, które dane są istotne dla biznesu, dzięki czemu nie trzeba wdrażać wszystkiego naraz.
W wielu projektach przed zastosowaniem KPI Tree klienci chcieli mierzyć wszystko. Prowadziło to do przeciągania wdrożeń i opóźniało moment, w którym dane zaczynały realnie wspierać decyzje biznesowe. Dzięki KPI Tree szybciej uzyskujemy wartość z dostępnych danych, ponieważ koncentrujemy się na metrykach powiązanych z celami firmy.
W tym artykule opiszę metodykę, którą stosujemy u naszych klientów. KPI Tree składa się z czterech kroków i opiera się na dwóch znanych koncepcjach: mapowaniu Customer Journey oraz metodyce GSM.
Aby lepiej wyjaśnić znaczenie tego podejścia, warto przywołać typową sytuację ze spotkania statusowego z klientem lub zarządem. Pada pytanie: dlaczego marketing nie dowiózł wyników? Pierwszy problem polega na tym, że osoba zadająca pytanie ma w głowie własny model oczekiwań – coś w rodzaju gotowej konstrukcji z klocków Lego. Tymczasem zespół ma przed sobą jedynie stertę klocków, czyli dane, metryki i narzędzia, które wymagają uporządkowania. Często nie wiemy, co dokładnie mamy ułożyć z dostępnych „klocków” danych.
Pierwszym krokiem metodyki KPI Tree jest więc zdefiniowanie najważniejszych KPI w biznesie. Innymi słowy: trzeba ustalić, jaki cel ma w głowie zarząd, dyrektor lub klient, gdy zadaje pytanie o wyniki. W praktyce oznacza to wskazanie dwóch lub trzech najważniejszych KPI szefa, klienta, a jeszcze lepiej – szefa Twojego szefa lub szefa klienta. To właśnie ta osoba decyduje, czy partner, z którym rozmawiasz, osiąga sukces biznesowy.
Można porównać to do klocków LEGO. Wyobraźmy sobie mały klocek wyjęty z większego modelu. W metodyce KPI Tree taka metryka powinna być odczuwalna jak nadepnięcie bosą stopą na mały klocek w środku nocy. Jeśli dany KPI realnie „boli”, oznacza to, że ma znaczenie biznesowe. Dlatego większość kluczowych KPI jest powiązana z finansami firmy. Są blisko raportu zysków i strat, ponieważ bezpośrednio wpływają na ocenę kondycji biznesu.
Ostatnio przekonałem się o tym w bardzo konkretny sposób. Jesteśmy na etapie zbierania feedbacku dotyczącego naszego nowego rozwiązania. Jednym z elementów prezentacji jest slajd, na którym pytamy dyrektorów e-commerce i dyrektorów marketingu, jak wyglądają ich spotkania z zarządem oraz jakie tematy pojawiają się w kontekście danych. Ostatnio Michał, który przekazywał nam feedback do narzędzia, zwrócił uwagę na ważną rzecz: na takich spotkaniach zarządu nikt zwykle nie pyta o ROAS ani modele atrybucji. Najczęściej pojawiają się pytania o pieniądze: przychody, wyniki, sprzedaż i zysk.
Dobrym przykładem może być e-commerce pokroju Leroy Merlin. Gdy analizujemy KPI dla takiej organizacji, trzy główne wskaźniki to zazwyczaj: przychody, transakcje, liczba zakupionych produktów. W 70–80% przypadków główne KPI są bezpośrednio związane ze sprzedażą. Kluczowe jest jednak ich precyzyjne zdefiniowanie. Jeśli analizujemy przychód, trzeba ustalić, czy mówimy o wartości z VAT, czy bez VAT. Narzędzia analityczne najczęściej raportują przychody z VAT, co wpływa na sposób prezentacji danych. W finansach, zwłaszcza w rachunku zysków i strat, VAT pozostaje neutralny.
Dane mogą obejmować koszt dostawy lub go pomijać. Z perspektywy CFO koszty dostawy w raportowaniu przychodów często nie są kluczowe, ponieważ nierzadko obniżają zysk organizacji. Coraz częściej firmy częściowo dofinansowują dostawy dla użytkowników. Podobnie należy uwzględnić sposób raportowania zwrotów. Dla marketingu istotny jest przychód wygenerowany przez e-commerce, ale w analizie finansowej trzeba jasno określić, czy raport obejmuje VAT, koszty dostawy oraz zwroty. CFO musi uwzględnić dodatkowe odliczenia. Często są to bardzo duże kwoty, sięgające nawet 50% raportowanego przychodu. Oznacza to, że przychód wygenerowany lub zaraportowany przez marketing trzeba pomniejszyć o zwroty, które pojawiły się po finalizacji transakcji.
Pierwszym krokiem jest więc precyzyjna definicja analizowanego wyniku. Jeśli partner podczas spotkania pyta, dlaczego nie osiągnęliście zakładanych wyników, warto doprecyzować, czy chodzi o przychód. Dzięki temu wiadomo, z jakich narzędzi i danych dostępnych w marketingu trzeba skorzystać oraz jak powinien wyglądać model analityczny. W przypadku e-commerce mechanizm generowania przychodu jest stosunkowo prosty. Przychód w e-commerce składa się z trzech głównych elementów. Pierwszym z nich jest pozyskanie użytkownika, czyli ruch na stronie. Użytkownika trzeba skutecznie doprowadzić do konwersji. Jakość tego procesu opisuje współczynnik konwersji, który pokazuje, jak serwis i działania marketingowe przekładają się na oczekiwane działania użytkowników.
Kolejną istotną metryką jest średnia wartość zamówienia, zależna od tego, jakie produkty kupują użytkownicy. Te dane są dostępne bezpośrednio w narzędziach analitycznych i można je szybko zwizualizować. Na wykresie warto zestawić cztery metryki: przychody, współczynnik konwersji, ruch oraz średnią wartość zamówienia. Przychody są metryką wynikową, natomiast pozostałe trzy wyjaśniają, z czego wynika poziom przychodów w e-commerce.
Taka wizualizacja pozwala szybko zauważyć, czy spadek przychodów wynika na przykład ze spadku współczynnika konwersji. Jeśli klient lub przełożony zapyta, dlaczego przychód nie został osiągnięty, odpowiedź „ponieważ spadł współczynnik konwersji” zwykle nie wystarczy. Taka informacja nie wyjaśnia przyczyny problemu ani nie wskazuje, które elementy procesu wymagają poprawy. Dlatego drugim krokiem w metodyce KPI Tree jest zmapowanie touchpointów, z którymi użytkownik styka się w ekosystemie online. W praktyce często obejmuje on e-commerce oraz powiązane z nim produkty, usługi, serwisy lub aplikacje.
W kontekście customer journey najczęściej pojawia się skojarzenie z lejkiem marketingowym. Istnieje wiele modeli takiego lejka, a jednym z najpopularniejszych jest model AIDA. Zakłada on, że użytkownik przechodzi przez etapy: świadomości (awareness), zainteresowania (interest), pożądania (desire) oraz podjęcia konkretnej akcji (action). Problem polega na tym, że decyzje użytkowników nie zawsze przebiegają liniowo. Ścieżka zakupowa rzadko wygląda jak prosty, przewidywalny proces od pierwszego kontaktu z marką do konwersji. Liczba użytkowników, którzy otrzymali trigger zakupowy, jest największa na początku procesu. Część z nich zyskuje świadomość marki lub produktu. Następnie mniejsza grupa wykazuje zainteresowanie, a jeszcze mniejsza zaczyna odczuwać potrzebę zakupu. Ostatecznie tylko część użytkowników dokonuje transakcji.
W praktyce proces zakupowy coraz częściej opisuje się za pomocą koncepcji tzw. Messy middle to koncepcja opisana w badaniu Google, które pokazuje, jak użytkownicy podejmują decyzje zakupowe. Proces ten jest silnie nieliniowy – użytkownik przechodzi między różnymi etapami i punktami styku, zanim zdecyduje się na zakup. Na etapie tworzenia KPI Tree kluczowe jest zmapowanie elementów ekosystemu, które mogą wpływać na decyzję zakupową. Istotne są przede wszystkim te obszary, na które firma ma realny wpływ. Oznacza to, że można pozyskać z nich dane, a następnie – na podstawie wniosków z analizy – wprowadzać konkretne zmiany optymalizacyjne.
Dobrym przykładem jest Leroy Merlin, szczególnie w kontekście kategorii łazienek. Touchpointami wpływającymi na złożenie zamówienia będą tu między innymi proces zakupowy, czyli checkout, koszyk, karta produktu oraz karta kategorii. Wokół samego e-commerce związanego z łazienkami pojawiają się również dodatkowe elementy wspierające użytkownika w procesie decyzyjnym. Należą do nich strony z poradami, kalkulator liczby płytek czy sekcja dotycząca projektowania łazienki. Każdy z tych elementów może pomagać użytkownikowi w podjęciu decyzji zakupowej, dlatego powinien zostać uwzględniony w analizie KPI. W analogii z klockami LEGO Customer Journey oznacza identyfikację „torebek”, które wyselekcjonowaliśmy z całego zestawu. Każda z nich jest potrzebna do złożenia konkretnego elementu naszej budowli: dźwigu, podwozia, kabiny lub innej części konstrukcji.
Pojawia się jednak pytanie: skoro mamy już wyodrębniony subzestaw, jak połączyć jego poszczególne elementy? W tym miejscu wchodzi trzeci krok metodyki KPI Tree, czyli metodyka GSM. GSM pomaga określić: jaki cel ma dany touchpoint, czyli goal, jakie sygnały, czyli zachowania użytkownika, wskazują na realizację tego celu – signals, oraz jakie metryki możemy przypisać do tych sygnałów i zachowań. W praktyce oznacza to przełożenie faktycznych zachowań użytkowników na język danych.
Przykładem mogą być strony z poradami w serwisie leroymerlin.pl. Ich celem jest wsparcie użytkowników w procesie zakupowym. Jeśli użytkownicy trafiają na takie treści, powinny one pomóc im podjąć decyzję i finalnie zrobić zakupy w sklepie. Po pierwsze, użytkownicy muszą trafiać na treści poradnikowe. Po drugie, powinni przechodzić z porad do asortymentu sklepu. Do tych celów należy dobrać odpowiednie metryki. Dla oceny zasięgu treści poradnikowych sprawdzi się liczba użytkowników. Dla analizy przejść warto wykorzystać procent użytkowników, którzy po wizycie na stronie z poradami przeszli na strony kategorii, strony konkretnych produktów lub wyniki wyszukiwania.
W przypadku kalkulatora liczby płytek GSM może opierać się na podobnym podejściu, choć jego definicja zależy od celu tego narzędzia. Kalkulator liczby płytek ma usuwać obiekcję zakupową i pomagać użytkownikowi określić, ile płytek powinien kupić. Sygnałem zainteresowania kalkulatorem jest liczba użytkowników, którzy weszli z nim w interakcję. Sygnałem potwierdzającym, że kalkulator spełnił swoją funkcję, są przejścia z kalkulatora na stronę produktu lub stronę kategorii. Do tych sygnałów należy dobrać odpowiednie metryki: liczbę użytkowników korzystających z kalkulatora oraz procent przejść z kalkulatora do asortymentu.
Dzięki przypisaniu celów, sygnałów i metryk do poszczególnych elementów otrzymujemy instrukcję mapowania ich w spójny system analityczny. Jeśli każdy element jest opisany osobno, na końcu pozostaje połączenie ich w całość, która działa jako jeden uporządkowany mechanizm. Ostatni, czwarty krok metodyki KPI Tree polega na szukaniu zależności pomiędzy touchpointami. To rodzaj mapy, na której rozpisane są touchpointy wraz z przypisanym do nich GSM. Stanowi ona uzupełnienie customer journey i pokazuje, jak użytkownik przechodzi pomiędzy kolejnymi elementami ścieżki.
Finalnym efektem pracy nad KPI Tree jest rozpisanie w pliku Excel poszczególnych elementów: touchpointów wynikających z mapowania customer journey oraz przypisanego do nich GSM. Najwygodniejszym rozwiązaniem jest prosta struktura w Excelu. Alternatywnie można wykorzystać mapę myśli, jednak w naszych projects najczęściej pracujemy właśnie na arkuszach. Dopiero na ich podstawie powstaje ostateczny dashboard.
Pierwszy dashboard ma charakter ogólny – pokazuje dane z perspektywy całego ekosystemu. W kolejnym etapie analizy przechodzimy głębiej i tworzymy raporty szczegółowe dla poszczególnych touchpointów. KPI Tree można analizować zarówno na poziomie całego ekosystemu, jak i wybranych jego elementów. Przykładem jest kategoria łazienek w Leroy Merlin, ale równie dobrze można przygotować osobne raporty dla strony z poradami czy kalkulatora liczby płytek. Na tym poziomie analiza obejmuje już znacznie bardziej szczegółowe dane.
Dobrym przykładem wykorzystania KPI Tree jest sytuacja jednego z naszych klientów, firmy o skali porównywalnej do Leroy Merlin. W 2025 roku klient zauważył spadek przychodów. Po stworzeniu KPI Tree szybko zidentyfikowaliśmy przyczynę spadku przychodu końcowego. Analiza wykazała znaczący spadek ruchu na stronach poradnikowych. Zbiegło się to w czasie z wdrożeniem AI Overviews, które wprowadzono w marcu 2025 roku.
Dzięki szybkiemu zidentyfikowaniu przyczyny mogliśmy przeznaczyć czas, który zwykle zajmuje diagnoza problemu, na pogłębioną analizę wpływu AI Overviews na ruch organiczny. Kluczowe jest to, że bez KPI Tree proces analizy danych wyglądałby inaczej. Najpierw pojawiłby się problem. Następnie zespół musiałby go zauważyć, najlepiej od razu, a dopiero później rozpocząłby analizę przyczyn spadku. Kiedy brakuje KPI Tree, problem zwykle zauważamy dopiero po kilku dniach. Następnie trzeba znaleźć osobę odpowiedzialną za analizę, która rozpoczyna zbieranie niezbędnych danych. Jeśli nie pojawią się rozbieżności wymagające dodatkowych wyjaśnień, proces przebiega sprawniej. Po zakończeniu analizy formułujemy insight, co zazwyczaj zajmuje od dwóch do trzech tygodni.
W przypadku KPI proces wygląda inaczej. Insight pojawia się w ciągu kilku dni, często jeszcze tego samego dnia. Zaoszczędzony czas można przeznaczyć na pogłębienie analizy, podobnie jak w opisanym case study. Insight wskazuje, gdzie pojawia się problem. Można porównać go do zwiadu, który rozpoznaje sytuację i identyfikuje obszary wymagające uwagi. Gdy wiadomo, gdzie leży problem, przechodzimy do pogłębionej analizy, która pozwala znaleźć jego przyczynę i zaproponować konkretne rozwiązanie.
Tak działa praca z metodyką KPI Tree. Gdy podczas kolejnego statusu pojawi się pytanie o wyniki, nie trzeba wracać do chaosu danych, rozproszonych metryk i dashboardów tworzonych ad hoc, które po 30 dniach przestają być użyteczne. Istnieje lepsze podejście: uporządkowanie pracy z danymi z wykorzystaniem metodyki KPI Tree.
Proces opiera się na czterech krokach: pracy na kanwie, mapowaniu Customer Journey oraz metodyce GSM. Najpierw definiujemy najważniejsze KPI. Następnie mapujemy touchpointy w ekosystemie, które wspierają decyzję o zakupie. Po trzecie, dla każdego touchpointu określamy cele, sygnały potwierdzające ich realizację oraz dobieramy odpowiednie metryki. Po czwarte, mapujemy wszystkie elementy i opisujemy zależności między nimi.
Zachęcam do skorzystania z tej metodyki. Jeśli ten materiał nie wyczerpuje tematu, w opisie znajduje się link do naszego bezpłatnego e-booka o tym, jak przejść przez metodykę KPI Tree i przygotować drzewo metryk. Metodyka opisana w e-booku pomoże uporządkować cele, sygnały i metryki oraz przełożyć je na praktyczną analizę danych. Zachęcam do skorzystania z tego materiału oraz bezpłatnego e-booka.
Tagi:
Historie sukcesów
Ostatnie wpisy na blogu
