View
660
Download
0
Embed Size (px)
Citation preview
BUSINESS PLAN LAYOUT
JAROSŁAW TRYBUCHOWICZ, CEO Shopconnector.pl
Wykorzystanie danych z systemów analitycznych w sprzedaży online
Czy to się opłaca?
12.04.2017
Plan prezentacji1. Stan obecny systemów kontrolingowych2. Narzedzia analityczne3. Zbierane dane4. Problem vs. Idealne rozwiązanie5. Analizy BI – Przykłady6. Najważniejsze wskaźniki (KPI)
1. Churn 2. LTV7. conversion toolbox
1. website speed2. content3. user interface4. goal delivery
6. koszt narzędzi
Stan obecny KONTROLINGU
Dedykowana komórka kontrollingu w firmie
TAK NIE
Obszar %Sprzedaż 94
Produkcja 86
Zakupy 88
MPK 94
Logistyka 26
Marketing 17
R&D 13
Projekty 13
HR 13
SPECJALIZACJA Obszary monitorowane
3
Źródło: http://decyzje-it.pl
Wstęp
Stan obecny KONTROLINGU c.d.
Informatyzacja
EXCEL27%
BRAK56%
SAP6%
IBM 2%
Autorski 3%IFS
Eureca
Impuls
QlickView
Inne
SYSTEM INFORMATYCZNY
17%
Aplikacje wspomagające budżetowanie
Źródła danych
0%5%
10%15%20%25%30%35%
1 2 3 4 5 6+
Ilość źródeł danych w analizie finansowej
4
Źródło: http://decyzje-it.pl
Wstęp
Narzędzia Analityczne5
Arkusz kalkulacyjny
SQL Programy statystyczne
Wizualizacja i dashboardowanie
Narzędzia WEBOWE, np. Google Analytics, OMNICONVERT, Hotjar
Narzędzia Business Intelligence
Generowanie danych – 90% przez 2 ostatnia lata
Zbierane dane
Aż 90% danych wyprodukowanych kiedykolwiek została wygenerowana przez ostatnie 2 lata.
Przechowywanie danych: 0,05$ / TB
Diametralnie malejące koszty przechowywania danych. Dziś jest o 98% taniej niż 14 lat temu.
Moc obliczeniowa: 250 razy szybciej
Duży wzrost mocy obliczeniowej w ciągu ostatnich 2 lat. Pozwala to na efektywne przetwarzanie dużych ilości danych.
transakcje
LOGi www LOGi in-app
Kanały marketingowe (mail,push, adwords, fb)
6
Do czego dążymy?
Łatwość obsługi, integracja danych Google Spreadsheets, Pentaho, Spago BI, Open Reports, Power BI, QlikView Personal, Jedox, Widestage, SAP Lumira,
Pozwalają na monitoring postępów, określają performance biznesu Specjalizacja pod kątem działów np. retencja,
akwizycja, CX itp
1. Spójny dashboard 2. Darmowe narzędzia
3. Określenie KPI 4. Zwiekszanie konwersji na poszczegolnych etapach lejka
Analizy BI – Przykłady14
Days since first purchase
Perc
enta
ge o
f CLV
-365
10 30 50 70 90 110
130
150
170
190
210
230
250
270
290
310
330
350
100%
80%
60%
40%
20%
0%
CLV-365 (%) as a function of Time by CLV Quartile
Analizy BI – Przykłady15
Repeat purchase probability during the customer's first year
user order number
Rep
eat p
urch
ase
prob
abilit
y
2 3 4 5 6 7 8 9 10
100%
90%
80%
70%
60%
50%
40%
30%
20%
10%
0%
84%84%83%81%79%78%
73%
66%
45%
KPI kiedyś vs. dziś
1. Przychód2. ROI3. Akwizycja4. Średni koszyk5. Konwersja na 1 zakup
1. Przychód/zysk2. Churn3. LTV4. MRR5. ARPU6. CPA
1. Pozwalają określić performance firmy2. Wskazują trendy3. Pozwalają stwierdzić problem
1. Pozwalają na segmentację klientów2. Pozwalają odkryć faktyczne
zachowania klientów3. Wyjaśniają problem
KPI <2010 Kpi>2010
Wskaźniki na poziomie makro Wskaźniki na poziomie użytkownika
16
5 najważniejszych KPI17
MRR(eng. Monthly Recurring revenue) – określa wartość ponawiającego się przychodu z wcześniejszych zobowiązań. Im większy udział tym większe szanse firmy na powodzenie
ChurnOkreśla ile osób odchodzi od nas w przyjętym okresie. Każdy 2 cyfrowy churn jest zabójczy dla firmy.
CPA(ang. Cost per Acquisition) Należy śledzić CPA na poziomie kampanii i porównywać je z LTV użytkowników z tych kampanii
ARPU(ang. Average Revenue per User) Mając już biznes pod kontrolą i powracających użytkowników można stopniowo zwiększać ich wartość poprzez upsell i cross sell
LTV(ang. LiteTime Value) To wartość użytkownika w całym jego cyklu życia.
Na przykładzie firmy w modelu SaaS
Churn w 4 krokach
etapyOkreśl model
biznesowy
Nazwij event
churnowy
Dostosuj okres
badawczy
optymalizuj
opis Jeżeli nie sprzedajesz subskrypcji
zastanów się w jaki sposób
odpływają od Ciebie klienci
• brak ponownego zakupu w czasie x
• brak aktywności w aplikacji
• brak wpisów na blogu
• ….
Zbyt małe okresy mogą mieć dużą wariancję/ być nieistotne statystycznieZbyt długie okresy mogą sztucznie podnieść churn
• Obserwuj jak kształtuje się churn w przyjętym modelu i wprowadzaj ulepszenia. Nie kasuj starego modelu!
18
Wpływ churnu na przyszły przychód
0,0 mln
0,5 mln
1,0 mln
1,5 mln
2,0 mln
2,5 mln
3,0 mln
1 11 21 31 41 51
miesiąc
churn 2,5% churn 5%
Założenia modelu: MRR=2 000 początkowy przychód=10 000
Im większa baza, tym większe nominalnie skutki churn ’u. Ten spadek przychodów wymaga coraz większego nominalnie przychodu z nowych użytkowników i może skutecznie hamować wzrost.
NALEŻY PRACOWAĆ NAD OBNIŻENIEM CHURNU JUŻ W PIERWSZYCH Miesiącach!
60 miesięczna projekcja przychodu
„Churn dla wzrostu to jak hamulec ręczny dla samochodu.”
21% więcej
37% więcej
19
LTV- najważniejsza cecha klienta
Bezpośrednio powiązane z churn’emChurn (współczynnik odstąpień) drastycznie wpływa na wartość klienta w czasie (Life Time Value)
Warunkuje rentowność marketinguROI liczone dzięki LTV daje lepszy obraz powodzenia akcji marketingowych
Zawsze powinien być liczony po marżyLTV warunkuje rentowność klienta a więc powinno być liczone po odjęciu wszystkich kosztów zmiennych i.etransakcji, prowizji, obsługi itp
𝐿𝐿𝐿𝐿𝐿𝐿∗ =ś𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑧𝑧𝑧𝑧𝑧𝑧𝑧𝑧 𝑟𝑟𝑛𝑛 𝑢𝑢𝑢𝑧𝑧𝑢𝑢𝑧𝑧𝑢𝑢𝑢𝑢𝑟𝑟𝑟𝑟𝑧𝑧𝑢𝑢
𝑢𝑢𝑧𝑧𝑤𝑤𝑤𝑤𝑤𝑤𝑧𝑧𝑧𝑧𝑟𝑟𝑟𝑟𝑟𝑟𝑧𝑧 𝑤𝑤𝑐𝑢𝑢𝑟𝑟𝑟𝑟′𝑢𝑢
* Wzór ten jest pochodną wzoru na rentę dożywotnią (perpetuity)
Przykład: zmniejszając churn z 5 na 4% zwiększamy LTV o 25%!
20
LTV historyczne vs. predykcje
0,0
5 000,0
10 000,0
15 000,0
20 000,0
1 3 5 7 9 11 13 15 17 19
miesiąc
AVG churn 50% churn 0% churn 100%
Założenia modelu: Połowa użytkowników ma churn 100%, druga połowa 0%
Wniosek:
Uśrednianie jest niebezpieczne –może w określonych warunkach
bardzo zaburzyć obraz
rzeczywistości
20 miesięczna projekcja przychodu
W najprostszej postaci LTV przyjmuje postać: 𝐿𝐿𝐿𝐿𝐿𝐿 = ś𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑧𝑧𝑛𝑛𝑧𝑧𝑤𝑢𝑢𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 ∗ 𝑤𝑤𝑢𝑢𝑢𝑢𝑢𝑢𝑛𝑛𝑟𝑟𝑧𝑧𝑛𝑛𝑝𝑝𝑟𝑟𝑢𝑢ś𝑝 𝑧𝑧𝑛𝑛𝑧𝑧𝑛𝑛𝑢𝑢𝑟𝑟𝑛𝑛𝑟𝑟𝑟𝑟𝑛𝑛 𝑢𝑢 𝑢𝑢𝑧𝑧𝑟𝑟𝑟𝑟𝑧𝑧𝑟𝑟𝑟𝑟 ∗ 𝑟𝑟𝑝𝑝𝑢𝑢ś𝑝 𝑢𝑢𝑧𝑧𝑟𝑟𝑟𝑟𝑧𝑧𝑤𝑢𝑢
2-gi miesiąc: ok12 miesiąc-
10k vs. 0
21
Zastosowanie modeli
Metoda: churn użytkowników Określ średni odstęp między
2ma zamówieniami Przyjmij ten okres jako okres
bazowy Policz ARPU (Average
Revenue per User) Podstaw do wzoru na churn
Sytuacja gdy churn jest bardzo zróżnicowany w czasie Są miesiące gdy w pewnym okresie zarabiamy więcej niż w poprzednim Metoda: progresja przychodu w czasie Komórki pokazują procent przychodu (zysku) w kolejnych okresach vs.
miesiąc bazowy Im starsze kohorty tym większa dokładność, wygładzanie współczynników
Case 1 – wykorzystanie wzoru/stabilny churn
Case 2 – duże różnice w churnie
22
Przykładowe dane
Co to jest konwersja?Konwersja to miara efektu. Opisuje ilość zrealizowanych celów. Współczynnik konwersji to współczynnik efektywności
wyrażony procentem (%). Mówi o tym jaki efekt osiągamy w stosunku do nakładu.
100 000 wyświetleń/maili
4 000 kliknięć
200 koszyków
180 nowych kont
160 transakcji
% otwarć maila vs. Ilość wysłanych maili
% kliknięć vs ilość wyświetleń
% koszyków „zamkniętych” vs utworzonych
% rejestracji konta vs unikatowe wizyty
OR
CTR
% BasketsClosed
REG. Rate
Czy opłaca się zwiększać konwersję?3 czy 4% konwersji, przecież to tylko 1% różnicy…. Wait! To 33% różnicy!
100 000 wyświetleń
• 4% CTR4 000 kliknięć
• 5% Add to basket/UU200 koszyków
• Churn 10% na rejestracji
180 nowych kont
• 10% Porzucony Koszyk
162 transakcji
100 000 wyświetleń
• 5% CTR5 000 kliknięć
• 6% A2B/UU300 koszyków
• Usunięcie rejestracji300 koszyków
• 9% Porzucony koszyk273 transakcji
Konwersja 4,05%, przychód= 16 200 Konwersja 5,46%, przychód= 27 300
Założenie: średni koszyk=100zł
+1%
+1%Usunięcie kroku
-1%
Wzrost przychodu vs Ruch na stronie
500 zł 1 000 zł 2 500 zł 5 000 zł 10 000 zł 25 000 zł 35 000 zł
50 000 zł
100 000 zł
250 000 zł
- zł
50 000 zł
100 000 zł
150 000 zł
200 000 zł
250 000 zł
300 000 zł
1000 2000 5000 10000 20000 50000 70000 100000 200000 500000Ruch (sesje) na stronie /miesiąc
Wykres: Wzrost przychodu przy poprawie konwersji
Wzrost przychodu
Założenie: średni koszyk=50zł, wzrost konwersji z 4% do 5%
Sposoby poprawy konwersji
Google Page speedLoad BalancingWydajna infrastruktura serwerowaOptymalizacja obrazówKolejkowanie JavaScriptów
Zgodność strony z oczekiwaniamiKlarowność PrzekazuSkracanie ścieżek interakcjiUsunięcie rejestracji i innych zbędnych krokówLanding PagesHeatmapy
Testy CTAPopupyAnkiety
Dynamiczne treściRekomendacjeTriggery
Page speed UX
Testy A/B Personalizacja strony
Skąd czerpać wiedzęKomunikacja bezpośrednia
• wywiad bezpośredni• obsługa klienta• ankiety online• grupy focusowe• social• email
analityka
• monitorowanie zachowań użytkownika w kontrolowanych kanałach
• analiza danych post factum• klastrowanie• testy A/B
27
Żródło obrazka: zbierak.pl
Conversion Toolbox - speed
https://www.google.com/webmasters/tools/dashboardhttps://analytics.google.com zakłatdka Behaviour/Site Speed
Site errors Czas wczytywania strony
https://developers.google.com/speed/pagespeed/insights
Conversion Toolbox – treść
Marketizator Marketizator, SalesManago, Survicate, Hotjar
Testy A/B Personalizacja
Conversion Toolbox – goal delivery
Landingi.com ZenDesk
Landing pages FAQ, Knowledge base, help widgets
Wzrost przychodu vs koszt narzędzi
500 zł 1 000 zł 2 500 zł 5 000 zł 10 000 zł 25 000 zł 35 000 zł 50 000 zł
100 000 zł
250 000 zł
- zł
50 000 zł
100 000 zł
150 000 zł
200 000 zł
250 000 zł
300 000 zł
1000 2000 5000 10000 20000 50000 70000 100000 200000 500000
Wykres: Wzrost przychodu
HotJar
GA + GTM + Webmaster ToolsMarketizator
FREE 130zł 350złFREE
FREE 213zł 407zł 581zł 969zł 1774zł 2522zł
500zł 1 000zł 2 157zł 4 463zł 9 463zł 24 069zł 33 681zł 47 876zł 97 128zł 247 128zł
BILA
NS
KOSZ
TPR
ZYCH
ÓD
Wizyty na stronie/msc
Napisz do MNIEJeśli masz pytania lub chcesz współpracować – czekam na kontakt.
Mokotowska 1, Warsaw
shopconnector.pl
trybuchowicz.com
Beecommerce.pl
Logofy.eu
697 548 508
ADDRESS:
WEBSITE:
EMAIL:
TELEPHONE: