Analytika ve VašeČočky.cz aneb naše vlastní Good Data
Tento článek nebude jenom o www.vasecocky.cz, ale i o všech našich ostatních eshopech. Správně by mělo být napsáno „Analytika v Maternii“ (což je název naší firmy).
Článků o tom, že dnešni firma by měla být řízená pomocí „data driven“ přístupu je napsáno hodně. Já se v tomto článku zaměřím na některé metriky, které sledujeme v naší firmě. Schválně neposkytnu uplný výčet, ale pouze to co považuju za nejdůležitější, zajímavé..plus si pár es nechám v rukávu :)
Zákazníci
- Počet nových zákazníků – pro každý eshop sledujeme každý měsíc počet nových zákazníků. Nejsou důležitá absolutní čísla, důležitý je trend. Obecně nejde říct jestli je jedině správně když měsíční počet nových zákazníků roste. Často se nám stalo, že jsme po několik měsíců nové zákazníky „bagrovali“ z nějakého nového marketingového kanálu, než si nás konkurence všimla (rozuměj okopírovala náš marketing) a noví zákazníci z tohoto kanálu klesli třebas na polovinu.
- Počet vracejících se stávajících zákazníků – tady je to (alespoň pro náš čočkařský byznys) bez debat. Pokud se vám každý měsíc nezvětšuje počet vracejících se zákazníků děláte něco špatně. S tím, jak průměrná hodnota objednávky neustále klesá, marže stále klesá, náklady na marketing (nové zákazníky) naopak stále stoupají jsou vracející zákazníci jediná věc, která vaši firmu udrží při životě. Jednou za čas uděláme průzkum a obvoláme zákazníky, kteří třebas několikrát nakoupili a teď už dlouho ne – a přitom podle našich odhadů jim už čočky musely dojít. A to se pak člověk dozví zajímavé věci (to je jedno z es, které si nechám v rukávu :). Možná u většiny eshopů hraje velkou roli sezónnost – v září až prosinci stejně tržeb jako za celý zbytek roku. I tak se nechají vysledovat trendy. Lze porovnávat třeba stejné měsíce v několika letech za sebou.
- Zdroje odkud chodí nový, vracející se zákazníci – u nás ke každé objednávce ukládáme zdroj, ze kterého přišel zákazník, který nakoupil. Obecně se snažíme, aby zákazník, který u nás už jednou nakoupí pak nechodil na jakýkoliv placený marketingový kanál (např. fulltext, ppc, zbožové vyhledavače). Protože jinak si kupujete jednoho a toho samého zákazníka vícekrát. U nových zákazníků je to také důležité. V zásadě trochu suplujeme data, která máme v Google Analytics, ale nemáme data agregovaná jako tam, ale per user. Zdroj máme rozdělené jinak než v GA – ne podle referera nebo marketingového kanálu. Speciálně rozlišujeme naše + neplacené zdroje – emaily, sms, přímé přístupy – a zbytek (fulltext, ppc, zbožové vyhledavače). Cílem samozřejmě je maximum zákazníků mít z neplacených zdrojů. Eshop musí mít vymyšlenou strategii jako toho dosáhnout. V dnešní době (na komoditním zboží) téměř nejde vydělat na tom, že si budete zákazníky kupovat.
- Customer lifetime value zákazníků z různých zdrojů – na WebTop100 vystoupil v roce 2010 Martin Pěnička z TisknuLevne.cz s prezentací Jak pracovat s Customer Lifetime Value při vyhodnocování kampaní. Porovnává tam cenu za konverzi a průměrnou hodnotu objednávek zákazníků ze dvou různých zdrojů – Zbozi.cz a Firmy.cz. Cena za konverzi ze Zbozi.cz 64 Kč a průměrná hodnota objednávky 1749 Kč.Z Firmy.cz je to 138 Kč a 1848 Kč. Přesto pro ně jsou výnosnější zákazníci z Firmy.cz. Ne pouze kvůli větší hodnotě průměrné objednávky, ale zejméná kvůli nesrovnatelně větší loajalitě. Jednoduše řečeno – zákanzík, který poprvé přijde z Firmy.cz udělá více a větších objednávek.
- Cena za konverzi – pro šikovného obchodníka je cena za konverzi možná přežitá metrika. Je nutno brát v úvahu customer lifetime value získaného zákazníka. Můžete si dovolit zaplatit za nového zákazníka 1000 Kč i když vám jeho první objednávka vydělá jenom 600 Kč. Důležité je co se bude dít potom – nakoupí znovu? přivede k nám další nové zákazníky?. Hodně záleží na tom, v jaké fázi se už web nachází. Dá se říci, že se u všech našich eshopů stavíme k ceně za konverzi jinak. U zaběhnutých eshopů už máme customer lifetime value zákazníků z jednotlivých kanálů spočítanou a snažíme se cenu za konverzi optimalizovat (s tím, aby počet konverzí neklesal). U nových naopak házíme peníze do marketingového kanálu, sbíráme data a když jich máme dost rozhodujeme se. V každé zemi kde jsme to funguje trošku jinak.
Graf
měsíčního počtu nových zákazníků pro tajné období. Červená tlustá
čára jsou všechny eshopy dohromady.
Graf
měsíčního počtu objednávek pro tajné období. Červená tlustá čára
jsou všechny eshopy dohromady.
Newslettery
Tohle bude asi nuda – myslím, že tohle už většina eshopů měří. Ale přece:
- Počet doručených (procento) newsletterů – rád se přiznám, že jsme tohle ještě před několika měsící neměřili. Používali jsme na rozesílání vlastní mailingový systém, který doručení nedokázal měřit. Teď používáme Mailgun.
- Bounce a dropped emaily – jaké emaily nejsou doručeny. A proč? U nás to bylo na začátku měření 10 %. Nejdůležitější chyby – špatný email (překlep), zákazník má plnou emailovou schránku. S tím pak dál pracujeme. Když takových problémových emailů máte několik tisíc vyplatí se je projít a třeba 70% z nich dát dopořádku.
- Počet odhlášených lidí z newsletteru – tohle je pro nás hodně důležitá metrika. Nechceme lidi štvát přiliš častým mailingem. Na druhou stranu ho chceme využít na maximum. Počet odhlášených lidí ovlivňuje frekvence rozesílání ale i zajímavost nabídky. Na stránce s odhlášením se snažíme zákazníka přesvědčit, aby zůstal. Překvapivě se nám to u velkého procenta lidí daří.
- Počet prokliků a objednávek z newsletterů – tohle je klasika. Asi není co dodat.
- Cena za konverzi – jak velkou slevu nebo dárek nás jedna objednávka stála. V našich newsletterech se opakovalo několik druhů nabídek – poštovné zdarma, sleva (procentuální nebo absolutní), dárek. Když jsme si spočítali náklady na newsletery za poslední rok vyrazilo mi to dech. Dělaji jsme drahý, mrhavý marketing. Tak jsme to změnili. Dovolím si tvrdit, že teď jsou zákazníci i my spokojenější.
- Časy odesílání – abychom vychytali nejlepší. S tím stále experimentujeme. Tady spíše boříme mýty. Vždycky rozešlu newslettery v době kdy se to nemá – a ejhle – je z toho rekordní počet objednávek. Možná je to právě kvůli tomu, že všichni ostatní to dělají dobře, odesílají v jiné časy, a naše newslettery jsou logicky v inboxech zákazníků jako jediné :)
Sklad
Jeden z našich klíčových podsystémů. Bez něj bysme byli uplně paralizovaní. Máme sice jenom cca 400 produktů, ale z toho je víc než polovina čoček. Průměrná čočka má kolem 150 variant – různé dioptrie, průměr, zakřivení (to jsou ty základní parametry čoček). K tomu můžeme přidat ještě – osu, cylindr, adici, barvu. A dostaneme se k tomu, že některé čočky mají i desítky tisíc variant. Bez systému, který dokáže predikovat spotřeba a automaticky (a nejvýhodněji) objednat to správné množství, správných variant čoček na sklad, bychom už dávno skončili. Čočky možná vypadají jako logisticky jednoduchý byznys, ale opak je pravdou.
- Vývoj průměrných skladových cen – pro každý produkt evidujeme průběh skladové ceny (naší nákupní ceny v čase). Důvodů je několik. Za prvé – motivace pro naši nákupčí – má na tom postavené prémie. Za další – když se dramaticky zvýší prodejnost nějakého produktu (a vy si toho jinak nevšimnete) můžete přijít za dodavatelem a nakoupit víc kusů na sklad. Za lepší ceny samozřejmě.
- Hodnota skladu – jednoduchá metrika. Potřebuju vidět hodnotu skladu v průběhu času.
- Automatické doobjednávání na sklad – tohle není uplně analytika, ale aktivní část systému. Trochu jsem ji už popsal výše. Nás řešíme tzv. denní doobjednávky, které řeší ze 100 % automat. Doobjednává na sklad zboží, na které čekají zákazníci a dále zboží, které je nutné pro tzv. kritickou skladovost – tak aby se nestalo, že nám nějaké zboží uplně dojde. Vedle toho systém vytipovává pro nákupčí zboží pro tzv. velké nákupy. To jsou nákupy stovek, tisíců kusů zboží. Systém je hlásí dostatečně dopředu tak, aby mohla měla dostatek času vyjednat nejlepší nabídku.
- Produkty s velkým počtem prodaných kusů a malou marží na kus – to jsou produkty, kde malinké zvýšení koncové ceny udělá obrovské zvýšení absolutní marže.
Produkty
- Vývoj prodejnosti v čase – máte produkt, který se posledních 6 měsíců dobře prodává – třeba 500 kusů za měsíc. A poslední měsíc jste jich prodali jenom 200. Proč asi? Na to nám systém přímou odpověď nedá, ale problémové produkty nám vylistuje. Nalezení příčiny ale zabere většinou jednotky minut, vyjímečně desítky.
- Vývoj absolutní marže v čase – na měsíční bázi máme žebříčky top produktů celkově i pro každý eshop zvlášť.
- Žebříček produktů podle marže na kus, absolutní marže, počtu prodaných kusů – na měsíční bázi. Pro každý eshop i celkově.
- Nejoblíbenější bonusové produkty – velmi důležité. Sledujeme pro každý web jaké bonusové produkty jsou oblíbené. A podle toho plánujeme třeba newslettery a další aktivity.
Eshopy
- Průměrná výše objednávky
- Počet objednávek podle způsobů platby, dopravy – např. výdejní místa vs. zbytek dopravy
- Průměrná marže z objednávky – zajímavá metrika. Jenom v našem čočkovém byznysu jsou obrovské rozdíly mezi jednotlivými eshopy. Prozradím, že 1 objednávka na jednom z našich eshopů, udělá stejnou marži jako 10 objednávek na našem v tomto ohledu nejslabším eshopu.
- Průměrné procento marže – celková relativní marže pro každý eshop zvlášť i celkově.
- Průměrná cena vybraného, zaplaceného poštovného – je zajímavé porovnat celkové firemní náklady na dopravu a peníze vybrané za dopravu od zákazníků. V našem případě je to díky vydejním místům – a osobním odběrům zdarma – silně dotovaný byznys. Postupně se nám daří docela dobře nacházet cesty jako to zlepšovat. Třeba zdražením poštovného na jednom eshopu jsme dokonce zvýšili konverzní poměr.
Graf
relativního procenta marže našich eshopů pro „tajné“
období. Prozradím, že zelenou barvou jsou www.vasecocky.cz a ten obrovský propad je
zapříčiněn slevovou akcí na Zapakatelu.
Pricing
- Změny cen konkurence – sledovat ceny konkurence je dobré. Ne paranoidně, ne se stresem, ne všechny konkurenty, nesmíte nad tím trávit mnoho času. Důvodů pro sledování konkurence je mnoho. Dva nejdůležitější – zákazníci (část) se o ceny konkurence zajímá také. Ceny konkurence ovlivňují vaše prodeje (jak která konkurence, jak která změna ceny). Takže dlouhodobě ceny konkurence ignorovat nelze.
- Nové produkty konkurence – šikovná věc. Neunikne nám žádný nový produkt konkurence. V praxi to znamená, že jsme často první v ČR kdo uvede nějaký produkt na trh díky tomu, že sledujeme také konkurenty v Německu, kde je trh o něco napřed.
- Vliv změny ceny konkurence na naše prodeje – souvisí s prvním bodem – často zjistíme, že i když konkurence zlevní, naše prodeje to střednědobě neovlivní.
Zbožové vyhledavače
- Ceny na zbožových vyhledavačích – nesoupeříme cenou, ale chceme vědět za jaké ceny mohou nakoupit návštěvníci zbožových vyhledavačů. Chceme vědět na jakých pozicích jsou naše eshopy.
- Procento obratu ze zbožových vyhledavačů – díky bohu, že u našich eshopů je to v souhrnu méně než 10 %.
Výdejní místa
- Počet vydaných objednávek v čase – pro jednotlivá výdejní místa i celkově po měsících.
- Průměrná hodnota objednávky, průměrná marže na objednávku – objednávky do výdejních míst mají menší hodnotu než ty, za jejichž dopravu zákazníci platí. Je to logické – je to zdarmo. Na první pohled špatné pro nás, ale zákazník chodící si pro objednávky do výdejního místa je pro loajálnější. Méně odchází ke konkurenci. Změřeno.
- Spokojenost zákazníků s výdejními místy (dostupností, oblusluhou, otevíracími hodinami) – toto sledujeme pomocí Heureka dotazníku tak pomocí vlastního průzkumu.
Heureka dotazníky
- Párujeme dotazníky s objednávkami – každý dotazník s textovým hodnocením nebo s horším celkovým hodnocením než 4, je prozkoumám pracovnícemi zákaznického servisu. Výsledky shromažďujeme a na týdenní bázi vyhodnocujeme. A děláme změny. Každý týden uděláme několik změn k větší spokojenosti zákazníků.
- Vyhodnocujeme spokojenost v čase – podle jednotlivých kriterií – na měsíční bázi vyhodnocujeme spokojenost lidí s délkou dodací lhůty, kvalitou zboží, kvalitou komunikace.
Architektura našeho systému
Máme napsaný eshopový systém na míru. Základem je PHP (Zend Framework), Mysql, Apache. Kód, který náleží klasickým eshopovým funkcím, tvoří cca 10 % kódu. Zbytek je ta výše uvedená chytristika.
Vše jsme si vyvinuli sami na základě požadavků, které během růstu naší firmy přicházely.
Databáze má teď cca 180 databázových tabulek. Dohromady cca 15 000 000 řádků v tabulkách. Takže žádné big data, ale uplný drobeček to také není :) Všechno běží na jednom silném stroji.
Celý článek 16 komentářů 16. February 2013