REPORTÁŽ: ESHOPISTA ACADEMY – VYUŽÍVÁNÍ DAT PRO PODNIKÁNÍ
Na třetím letošním kurzu Eshopista Academy se Jan Mayer z Dataweps věnoval tématu práce s daty. V čem mohou data pomoci vašemu businessu? Proč s nimi pracovat? Přečtěte si výběr zajímavých informací a tipy na nástroje, které by vám mohly práci s daty usnadnit.
Měření a agregace dat
První otázkou, kterou bychom si každý měli před sběrem dat položit, je, co chceme vlastně zjistit. Teprve poté můžeme začít data shromažďovat. Z nástrojů určených ke sběru dat se dají zmínit hned tři – prvně MonkeyData a EasyReport. V obou případech se jedná o agregátory. Třetím je nástroj Roivenue, jenž se snaží mít na pozadí i matematické modely.
Na základě shromážděných dat je pak potřeba vytvořit rozhodnutí, které business pozitivně ovlivní. Důležitým a často opomíjeným krokem je změření toho, jestli bylo rozhodnutí skutečně správné. K tomu mohou pomoci nástroje Power BI nebo třeba Tableau. Výhodou Power BI je rozhodně cena. Jedná se o nástroj od Microsoftu, v němž je možné vytvářet dashboardy a grafy či stahovat agregovaná data. Tento nástroj Jan Mayer během kurzu použil pro několik praktických příkladů.
Měřte všechno
„Pokud můžete, měřte všechno, pokud nemůžete, měřte, jak to udělat,“ radí Mayer. Co se týče uživatelského měření, vhodným a známým nástrojem je Google Analytics. Kromě uživatelů je možné měřit i dodavatele nebo třeba zaměstnance. Dobrými nástroji pro task management jsou Toggle nebo Trello. U zaměstnanců, u kterých to dává smysl, pak můžete měřit výkonnost, v rámci týmu tvořit „to-do“ listy nebo vytvářet dashboardy.
Ve chvíli, kdy víte, co měřit, získali jste data a očistili je, přichází čas na analýzu a následnou akci. Například zjistíte, že máte billboard, který nefunguje, a máte šanci ho včas vyměnit. Podstatným krokem, na který spousta lidí zapomíná, je následné měření, zda akce měla úspěch. „Obecně lidi dělím na datové krtky a datové křečky. Krtky baví získávání, čištění dat, dokonce si i položí otázku, ale často ne tak, aby souvisela s businessem. Křečci naopak pracují s různými tabulkami, Google Analytics a Excel tabulkami s pocitem, že čím víc dat mají, tím lépe se jejich businessu bude dařit. Občas je těžké komunikaci mezi těmito dvěma světy propojit,“ vysvětluje Mayer.
Monitoring konkurence
K čemu je dobré sledovat konkurenci? Minimálně k poučení se na chybách ostatních. Je proto vhodné nastavit proces analýzy s následujícími otázkami:
- Co chtějí lidé nakupovat?
- Kam to chodí nakupovat?
- Proč chodí tam a ne ke mně?
- Proč nakupují tam a ne u mě?
Je důležité uvědomit si, že návštěva konkurence ještě neznamená, že tam návštěvník i nakoupí – občas jde jenom o získávání informací. Obrovskou návštěvnost má třeba Lékárna.cz, kde si lidé zjišťují informace o lécích. Ty pak ale nakoupí v kamenných prodejnách.
Pro sledování toho, co lidé chtějí nakupovat, se hodí nástroj Google Trends nebo také TrendLucid. Pokud byste chtěli zjistit, kam chodí lidé nakupovat, můžete využít nástroje SimilarWeb nebo Jumpshot. U obou se dá dostat k agregovaným datům a relativně přesným odhadům.
Produktová analytika
Poslední část kurzu byla věnována produktové analytice. Zde Jan Mayer představil takzvanou „ABC analýzu“, v níž jsou produkty rozdělené do tří skupin. Můžeme zde pracovat s obratem, nebo ziskem. Do skupiny A patří produkty, které tvoří 70 % obratu, do skupiny B ty, které tvoří 20 % a do skupiny C produkty s nejmenším, 10% podílem na obratu. Nejvíce produktů se obvykle nachází ve skupině C.
K vytvoření analýzy byla použita šablona v PowerBI. Do nástroje si Mayer stáhl data z Google Analytics. Ke každému produktu vypočítal kumulaci obratu a produkty si rozdělil do již zmíněných skupin. Po vytvoření dané analýzy je vhodné se zamyslet, co by se stalo, pokud by byly produkty skupiny C z nabídky vyřazeny. V rámci debaty se došlo k závěrům, že ne vždy může být vhodné skupinu C odstranit. Konkurenční výhoda některých e-shopů spočívá právě v tom, že u nich zákazníci najdou například velké množství levných náhradních dílů.
Jako druhý příklad představil Jan Mayer „RFM analýzu“. Ta spočívá v tom, že ke každému zákazníkovi si přiřadíme tři hodnoty: Recency – kdy zákazník nakoupil naposledy, Frequency – jak často nakupuje, a hodnotu Monetary – kolik zákazník utrácí. Bylo zmíněno, že data do PowerBI nemusíme stahovat pouze z Google Analytics, ale je možné si je stáhnout i přímo z databáze e-shopu. Mayer účastníky workshopu prakticky provedl tím, jak si danou analýzu v PowerBI vytvořit. Výsledky analýzy zobrazil v bubble chart. S těmito výsledky lze pak dále pracovat a aktivně oslovovat zákazníky podle daného rozdělení.
Na závěr Mayer zodpověděl několik konkrétních dotazů. Tento kurz účastníkům rozšířil obzory v nástrojích, které mohou pomoci ať už se shromažďováním dat, nebo jejich vyhodnocením. Zároveň se snažil předat způsob, jak nad daty vůbec přemýšlet.
