Branża: Sklep elektroniczny
Klient: Botland (Bralin, Polska)
Strona: www.botland.com.pl

Punkt wyjścia

Botland to sklep internetowy specjalizujący się w sprzedaży elektroniki i komponentów. Dla zespołu kluczowe było wiarygodne mierzenie sprzedaży w Google Analytics 4 oraz poprawna atrybucja transakcji do sesji i źródeł ruchu, tak aby decyzje marketingowe mogły opierać się na rzetelnych danych.

W trakcie współpracy okazało się, że obecny sposób rejestrowania transakcji znacząco obniża jakość danych analitycznych, szczególnie w kontekście atrybucji.

Wyzwania

Analiza wykazała, że transakcje były rejestrowane w sposób mieszany:

• część zdarzeń była wywoływana na stronie podziękowania („thank you page”),
• część transakcji była dodatkowo dosyłana z backendu za pomocą Measurement Protocol.

Taka implementacja powodowała, że znaczna część zdarzeń sprzedażowych nie była poprawnie łączona z kontekstem sesji użytkownika. W praktyce około 50% transakcji traciło informację o źródle wizyty.

W danych GA4 przekładało się to na wysoki udział transakcji oznaczonych jako „(not set)”, który sięgał 21% wszystkich konwersji. Przy takiej skali problemu jakość atrybucji była niewystarczająca do wiarygodnej oceny skuteczności kanałów i kampanii, co utrudniało podejmowanie decyzji budżetowych oraz optymalizację działań marketingowych.

Nasze podejście

Aby poprawić jakość danych, zdecydowaliśmy się na zmianę momentu rejestrowania zdarzenia „purchase”. Zamiast wysyłania go na stronie „thank you page”, zdarzenie zaczęło być rejestrowane w momencie przejścia użytkownika do bramki płatniczej.

Takie podejście pozwoliło:

• zwiększyć liczbę transakcji rejestrowanych bezpośrednio przez GA4,
• poprawnie przypisać transakcje do sesji oraz źródła ruchu,
• znacząco ograniczyć skalę problemu transakcji bez przypisanego źródła („not set”).

Efekty

Wdrożone zmiany przyniosły wyraźną poprawę jakości danych:

• udział transakcji wysyłanych z przeglądarki wzrósł z 68% do 98%,
• liczba transakcji rejestrowanych z warstwy frontendu wzrosła o 30%,
• odsetek transakcji oznaczonych jako „(not set)” spadł z 21% do 10%, czyli o 11 punktów procentowych,
• poprawiła się wiarygodność atrybucji i oceny skuteczności kanałów oraz kampanii.

Co istotne, poprawa jakości danych nie odbyła się kosztem kompletności pomiaru. Całkowite pokrycie transakcji w GA4 utrzymało się na poziomie 75%, a rozkład pokrycia według metod płatności pozostał bez zmian. Oznacza to lepsze dane bez kompromisów w zakresie zasięgu rejestrowanych transakcji.

Opinia na temat współpracy Botland.com.pl z Conversion

Dzięki wprowadzonym zmianom Botland zyskał stabilne i spójne dane sprzedażowe w GA4. Poprawiona atrybucja pozwala obecnie na znacznie bardziej wiarygodną ocenę skuteczności kanałów marketingowych oraz podejmowanie decyzji budżetowych w oparciu o „czyste” dane.

Podsumowanie

Współpraca z Botland pokazuje, jak duży wpływ na jakość danych analitycznych ma sposób implementacji zdarzeń sprzedażowych. Zmiana momentu rejestrowania transakcji pozwoliła znacząco poprawić atrybucję i wiarygodność raportów, przy jednoczesnym zachowaniu tego samego poziomu pokrycia transakcji w GA4.

The post Botland.com.pl – 30% więcej transakcji z frontendu i spadek „(not set)” z 21% do 10% first appeared on Conversion.

Wyzwania w zarządzaniu danymi w e-commerce
Dlaczego warto ufać danym?
Dokładność i trafność danych – klucz do jakości
Jak budować zaufanie do danych w organizacji?
Single Source of Truth i model danych
Kultura pracy z danymi (Data Literacy)
Podsumowanie

Wyzwania w zarządzaniu danymi w e-commerce

Firmy e-commerce najczęściej stają przed trzema głównymi wyzwaniami związanymi z danymi. Pierwszym problemem jest silosowość danych. Różne działy w firmie mają odmienne informacje na temat tego samego zjawiska. Marketing dysponuje innymi danymi niż sprzedaż, dział produktu, logistyka czy finanse. Chociaż wszystkie te działy opisują tego samego użytkownika – osobę, która pojawia się w działaniach marketingowych, następnie korzysta z produktu, dokonuje zakupu (co rejestruje sprzedaż), staje się widoczna w logistyce, a finalnie trafia do finansów jako klient – ich perspektywy i dane często się różnią.

Drugim wyzwaniem, szczególnie widocznym w e-commerce, jest przeładowanie danymi. Każdy z wymienionych działów nie tylko bazuje na odmiennych danych, ale również gromadzi ich bardzo dużo. Współczesny świat marketingu oferuje szeroki wybór narzędzi, z których każde generuje własne dane. W każdej dziedzinie powstaje ogromna ilość informacji, które mogą wspierać rozwój biznesu i usprawniać jego funkcjonowanie. Jednak nadmiar danych sprawia, że firmy często mają trudności z wyborem tych najważniejszych.

Kolejnym wyzwaniem jest zasada „Garbage In, Garbage Out”. Nawet jeśli korzystamy z wielu narzędzi, nieprawidłowa konfiguracja lub niedopatrzenia sprawiają, że zbierane dane są niskiej jakości. Opieranie decyzji biznesowych na nieprecyzyjnych danych prowadzi do błędnych wniosków, hipotez i rekomendacji.

Warto zadać sobie pytania: którym danym można zaufać, a które należy traktować z rezerwą? Jakie dane są kluczowe dla firmy?

Dlaczego warto ufać danym?

Pewne są tylko dwie rzeczy: śmierć i podatki. Analizując podatki, można zauważyć, że aby je zapłacić, konieczne jest złożenie sprawozdania finansowego. To pokazuje, jak duże znaczenie mają rzetelne, wiarygodne dane w procesach biznesowych. Aby przygotować sprawozdanie finansowe, księgowość musi zebrać dane ze sprzedaży i logistyki. Otrzymuje informacje na podstawie wystawionych oraz skorygowanych faktur. Faktury powstają dzięki temu, że systemy produktów cyfrowych – szczególnie w e-commerce – umożliwiają sprzedaż produktów fizycznych lub usług.

Aby doszło do sprzedaży, użytkownik musi skorzystać z produktu cyfrowego, na przykład sklepu internetowego lub aplikacji mobilnej. By użytkownik znalazł się w tym produkcie cyfrowym, właściciele e-commerce muszą pozyskać go poprzez działania marketingowe.

Warto rozważyć, którym danym możemy zaufać poza księgowością, zwłaszcza w kontekście podejmowania decyzji biznesowych. Logistyka, dział produktu, sprzedaż i marketing mają dostęp do dużej ilości danych i potrzebują pewności, że mogą na nich polegać podczas podejmowania decyzji operacyjnych.

Dokładność i trafność danych – klucz do jakości

Przy ocenie jakości danych kluczowe są dwa pojęcia: dokładność i trafność. To one decydują, czy dane są wartościowe i przydatne w procesie decyzyjnym. Dane dokładne pokazują to samo, co główne źródło prawdy, na przykład sprawozdanie finansowe. Przykładowo, KPI, takie jak sprzedaż w e-commerce, powinny odzwierciedlać te same wartości, co wyniki na podstawie wystawionych faktur. Jednak w praktyce rzadko występuje pełna zgodność. Wynika to z ograniczeń technologicznych. Ważniejsze jest, aby dane były trafne i odzwierciedlały te same trendy. Koncepcja wysokiej jakości danych ma kluczowe znaczenie w analityce internetowej. Dane wysokiej jakości oznaczają zarówno dokładność, jak i trafność informacji, które wykorzystujemy do podejmowania decyzji w obszarze marketingu, sprzedaży czy rozwoju produktu. W praktyce decyzje operacyjne opieramy na danych, które są dostępne w naszych systemach, a niekoniecznie na tzw. pierwszym źródle prawdy.

Z perspektywy analityki online mniej istotne jest, by KPI w pełni odpowiadały temu pierwszemu źródłu prawdy. Praca z technologią sprawia, że rzadko występuje pełna zgodność między różnymi zbiorami danych. Najważniejsze, aby trendy widoczne w naszych systemach pokrywały się z trendami z pierwszego źródła prawdy. Jeśli działania prowadzą do wzrostu KPI w naszych narzędziach, a trendy są zgodne, można oczekiwać podobnego wzrostu w głównym zbiorze danych.

Podsumowując, najważniejsze jest zaufanie do danych, które są rzetelne i pozwalają obserwować zgodność trendów. Jeśli dane są trafne, można na ich podstawie podejmować decyzje biznesowe z przekonaniem, że prowadzą do pożądanych efektów.

Jak budować zaufanie do danych w organizacji?

Wielu specjalistów i zespołów zastanawia się, którym danym warto zaufać, a które lepiej traktować z dystansem. Jak rozmawiać o tym w organizacji i jak budować zaufanie do danych? Istnieją trzy kluczowe kroki, które pozwalają organizacji realnie opierać się na danych i wykorzystywać je w podejmowaniu decyzji.

Single Source of Truth i model danych

Pierwszym krokiem jest stworzenie jednego, spójnego źródła prawdy (single source of truth). Warto podkreślić, że nie należy mylić tego pojęcia z pierwszym źródłem prawdy, jakim jest na przykład sprawozdanie finansowe. Sprawozdania finansowe są wyznacznikiem tego, ile firma płaci podatków i jak radzi sobie pod względem finansowym. W kontekście analityki online chodzi natomiast o zbudowanie wiarygodnego, centralnego źródła danych, na którym można oprzeć działania całej organizacji. W jednym z wcześniejszych wpisów omówiono temat hurtowni danych w marketingu, przedstawiając trzy powody, dla których warto się nim zainteresować. Szczegółowo wyjaśniono tam koncepcję budowania tzw. single source of truth, czyli jednego, spójnego źródła prawdy biznesowej w e-commerce.

Kolejnym krokiem, który pozwala organizacji określić, którym danym można ufać, jest wdrożenie modelu danych. Single source of truth umożliwia zebranie i ujednolicenie wszystkich danych dotyczących biznesu. Model danych porządkuje te informacje, nadaje im jasną definicję i strukturę, zrozumiałą dla wszystkich użytkowników, którzy jednocześnie mają do nich dostęp.

Kultura pracy z danymi (Data Literacy)

Trzeci istotny element to szerzenie kultury pracy z danymi w organizacji. Kluczowe jest, aby wszyscy pracowali na tych samych danych i jednakowo rozumieli ich definicje oraz zawartość. W tym kontekście pojawia się koncepcja Data Literacy, czyli umiejętności pracy z danymi. Ten temat został szerzej opisany w jednym z odcinków podcastu Date with Data Talks, gdzie wyjaśniono znaczenie Data Literacy.

Aby firma mogła efektywnie wykorzystywać dane, musi najpierw wiedzieć, którym informacjom zaufać. Służą temu dwa pierwsze kroki: stworzenie jednego źródła prawdy oraz wdrożenie spójnego modelu danych. Kolejnym etapem jest rozwijanie kompetencji w zakresie pracy z danymi w całej organizacji.

Podsumowanie

Podsumowując, odpowiedź na pytanie, którym danym w organizacji można ufać, opiera się na trzech kryteriach:
1. Stworzenie jednego, spójnego źródła danych (single source of truth).
2. Wdrożenie modelu danych, który porządkuje i definiuje dane.
3. Budowanie świadomości i kompetencji związanych z pracą na danych wśród pracowników (Data Literacy). Zaufanie do danych opiera się na trzech kluczowych kryteriach. Po pierwsze, dane powinny być zgodne z głównym źródłem prawdy i odzwierciedlać te same trendy. Po drugie, istotna jest integracja i wzajemne uzupełnianie się danych, co umożliwia budowę jednego spójnego źródła informacji. Trzecim warunkiem jest dostępność i zrozumiałość danych dla wszystkich członków organizacji.

Spełnienie tych trzech warunków pozwala korzystać z danych z pełnym zaufaniem. Gdy w firmie pojawi się pytanie, którym danym można wierzyć, warto odwołać się właśnie do tych kryteriów i zadbać o ich realizację.

The post Którym danym w e-commerce możesz wierzyć? first appeared on Conversion.