Zwiększanie sprzedaży
Efektywny e-commerce
Karol Bzik, 4.05.2014
O mnie – Karol Bzik
 Zwiększam sprzedaż w e-commerce;
 Jestem certyfikowanym specjalistą Google
AdWords oraz Google Analytics;
 Specjalizuję się w analityce oraz marketingu
efektywnościowym e-commerce;
 Na co dzień kieruję zespołem w Dziale
Efektywności E-commerce w Divante;
 Dzielę się wiedzą w prasie, na konferencjach
oraz szkoleniach;
 Współtworzę szkolenia Dochodowy Sklep.
2
Jestem na: http://www.goldenline.pl/karol-bzik/, https://www.linkedin.com/in/karolbzik/
Podejście do zwiększania sprzedaży
Podstawą metodologii są:
 Marketing potrzeb i tworzenie person „sprzedażowych”;
 Podejście analityczne;
 Optymalizacja marketingu pod realne mierniki wzrostu;
 Uwzględnianie w optymalizacji wartości klienta w czasie.
3
Marketing potrzeb oraz
sekwencji zakupowych
Marketing potrzeb
Założenia przy marketingu potrzeb:
 Klient znajduje się na różnym poziomie intensywności
i doprecyzowania potrzeby np. komputer notebook – ogólna,
niedoprecyzowana potrzeba oraz notebook ASUS 1215N –
doprecyzowana potrzeba);
 Celem marketingu jest dotarcie do klienta z najlepszą ofertą
w najodpowiedniejszym czasie;
 Potrzeby odwzorowują się w zachowaniu potencjalnych klientów
np. intensywne przeglądanie ofert w trybie porównawczym, czy
poszukiwanie różnych słów kluczowych w wyszukiwarce Google.
5
Jak dojrzewa potrzeba?
Jeszcze nie wiem... np. „notebook”
Wiem orientacyjnie np.
„notebook asus”
Wiem dokładnie np.
„notebook asus
1215nb”
Jaka jest
realna
szansa na
konwersję?
Jaki jest
koszt
pozyskania
Klienta?
Wysoki
NiskiDuża
Mała
6
Określanie person
Podejście do określania person:
 Jakie są zwyczaje zakupowe klienta?
 Co najczęściej kupuje klient przy okazji pierwszego zakupu?
 W jaki sposób klient dokonuje zakupu? Co ma wpływ na decyzję
zakupową persony?
 Czy klient kupuje tylko dla siebie?
 Gdzie jeszcze bywa/kupuje klient?
7
Dane systemowe = prawdziwe persony
8
Źródło: http://www.magentocommerce.com/
Profilowanie person segmentacją RFM
Podejście do określania person:
 Wskazujemy profile najlepszych klientów (persony) na bazie
segmentacji według kryteriów:
 Kiedy ostatnio klient zrealizował zakup? = Recency;
 Jak często klient realizuje zakup? = Frequency;
 Jak dużo klient wydał dotychczas? = Monetary;
 Przewidujemy zachowania klientów (co może stać się za chwilę?);
 Identyfikujemy, którzy użytkownicy mogą stać się najlepszymi klientami.
9
Analiza danych
sprzedażowych odwzorowuje
faktyczne zwyczaje zakupowe
klientów
Segmentacja wg RFM
11
Źródło: http://blog.retentiongrid.com/business-analytics-time-machine-customer-loyalty/
Realne wskaźniki wzrostu
e-commerce
ZMOT, Lean Analytics
13
Źródło: http://leananalyticsbook.com/, http://www.thinkwithgoogle.com/collections/zero-moment-truth.html/
KPI w e-commerce
Konwersja
• Dokonanie zakupu;
• Zamówienie usługi.
Lead
• Wyrażenie chęci
dokonania zakupu;
• Prośba o kontakt
w sprawie konwersji.
Mikrokonwersja
• Zrealizowanie działań
na drodze do lead’a
lub konwersji.
14
Wskaźniki bazowe
 Współczynnik konwersji – dla transakcji oraz lead’ów np. zapis do
newslettera;
 Wartość transakcji właściwa dla źródła ruchu, kampanii (brutto,
netto);
 Wygenerowana marża (brutto, netto);
 Średnia wartość zamówienia;
 Liczba klientów;
 Liczba pierwszych transakcji.
15
Konwersja bezpośrednia i wspomagana
Źródło: When different channels impact the customer journey, dane - USA Retail, Google;
http://www.thinkwithgoogle.com/tools/customer-journey-to-online-purchase.html/
16
Rentowność
Zwrot z inwestycji liczony w Google Analytics
ROIGA = (PX – KX) / KX
Realny zwrot z inwestycji
ROI = (ZX – KX) / KX
PX – Przychód w okresie X (zł)
KX – Koszt marketingowy w okresie X (zł)
ZX – Zysk w okresie X (zł)
17
Które źródło generuje nowych klientów?
Źródło: http://custora.com
18
Liczba nowych klientów
Symulacja wyliczeń
19
CZAS (MIESIĄC)
LICZBA
PIERWSZYCH
TRANSAKCJI
Migracja (odpływ) klientów
Źródło: http://www.churn-rate.com/
20
Wskaźnik migracji klientów
Wskaźnik migracji klientów (Churn Rate)
ChRN = NX / NY
NX – Liczba użytkowników, która odeszła w okresie X;
NY – Liczba użytkowników na początku okresu X.
21
Źródło: Churn Rate 101, RJMetrics
Retencja = częstotliwość zakupów
Źródło: http://blog.custora.com/2011/08/why-average-retention-rates-can-lead-to-50-error-in-clv/
22
Retencja = częstotliwość zakupów
Źródło: http://blog.custora.com/2011/08/why-average-retention-rates-can-lead-to-50-error-in-clv/
23
Rozwój biznesu jest możliwy
dzięki nowym klientom
i zwiększeniu retencji zakupowej
Wartość oraz żywotność
klienta w czasie
Dlaczego warto liczyć CLV*?
Analiza wartości klienta w czasie pomaga poznać odpowiedzi, których nie
jesteśmy w stanie, w prosty sposób udzielić na podstawie Google Analytics:
 Czy inwestycja w pozyskanie klienta się zwróci?
 Ile maksymalnie możemy zainwestować w pozyskanie klienta?
 Jaka jest retencja zakupowa klientów (prawdziwi, „nowi” oraz
„powracający” klienci);
 Którzy klienci są najbardziej wartościowi i skąd pochodzą (źródło ruchu)?
 Jaki jest długoterminowy zwrot z kanałów marketingowych (ile
przychodu może wygenerować pozyskany klient w przyszłości)?
26
* Customer Lifetime Value, wartość klienta w czasie
Jak mierzyć wartość klienta?
Ogólny wzór na Customer Lifetime Value*
CLVX = ZX x PX x M
ZX – Ilość zamówień klienta X (zł);
PX – Średnia wartość zamówienia klienta X (zł);
M – Średnia/przeciętna marża na sprzedaży (%).
* uproszczona wersja nie uwzględnia migracji klientów (Churn Rate) oraz prawdopodobieństwa realizacji zakupu
27
Metody kalkulacji
Źródło: http://blog.kissmetrics.com/how-to-calculate-lifetime-value/?wide=1
28
Kalkulator CLV
29
Źródło: http://customerlifetimevalue.co/
„20% klientów
przynosi 80% zysków”
Zasada Pareto
Różne źródła = różna wartość CLV
Źródło: http://custora.com
31
Optymalizacja działań
marketingowych przy pomocy CLV
pozwala uzasadnić inwestycję
i przewidzieć realne ROI
Karol Bzik
kbzik@divante.pl
http://www.linkedin.com/in/karolbzik
www.divante.pl
Masz pytanie?
Zapraszam do kontaktu…
`

Zwiększanie sprzedaży w e-commerce

  • 1.
  • 2.
    O mnie –Karol Bzik  Zwiększam sprzedaż w e-commerce;  Jestem certyfikowanym specjalistą Google AdWords oraz Google Analytics;  Specjalizuję się w analityce oraz marketingu efektywnościowym e-commerce;  Na co dzień kieruję zespołem w Dziale Efektywności E-commerce w Divante;  Dzielę się wiedzą w prasie, na konferencjach oraz szkoleniach;  Współtworzę szkolenia Dochodowy Sklep. 2 Jestem na: http://www.goldenline.pl/karol-bzik/, https://www.linkedin.com/in/karolbzik/
  • 3.
    Podejście do zwiększaniasprzedaży Podstawą metodologii są:  Marketing potrzeb i tworzenie person „sprzedażowych”;  Podejście analityczne;  Optymalizacja marketingu pod realne mierniki wzrostu;  Uwzględnianie w optymalizacji wartości klienta w czasie. 3
  • 4.
  • 5.
    Marketing potrzeb Założenia przymarketingu potrzeb:  Klient znajduje się na różnym poziomie intensywności i doprecyzowania potrzeby np. komputer notebook – ogólna, niedoprecyzowana potrzeba oraz notebook ASUS 1215N – doprecyzowana potrzeba);  Celem marketingu jest dotarcie do klienta z najlepszą ofertą w najodpowiedniejszym czasie;  Potrzeby odwzorowują się w zachowaniu potencjalnych klientów np. intensywne przeglądanie ofert w trybie porównawczym, czy poszukiwanie różnych słów kluczowych w wyszukiwarce Google. 5
  • 6.
    Jak dojrzewa potrzeba? Jeszczenie wiem... np. „notebook” Wiem orientacyjnie np. „notebook asus” Wiem dokładnie np. „notebook asus 1215nb” Jaka jest realna szansa na konwersję? Jaki jest koszt pozyskania Klienta? Wysoki NiskiDuża Mała 6
  • 7.
    Określanie person Podejście dookreślania person:  Jakie są zwyczaje zakupowe klienta?  Co najczęściej kupuje klient przy okazji pierwszego zakupu?  W jaki sposób klient dokonuje zakupu? Co ma wpływ na decyzję zakupową persony?  Czy klient kupuje tylko dla siebie?  Gdzie jeszcze bywa/kupuje klient? 7
  • 8.
    Dane systemowe =prawdziwe persony 8 Źródło: http://www.magentocommerce.com/
  • 9.
    Profilowanie person segmentacjąRFM Podejście do określania person:  Wskazujemy profile najlepszych klientów (persony) na bazie segmentacji według kryteriów:  Kiedy ostatnio klient zrealizował zakup? = Recency;  Jak często klient realizuje zakup? = Frequency;  Jak dużo klient wydał dotychczas? = Monetary;  Przewidujemy zachowania klientów (co może stać się za chwilę?);  Identyfikujemy, którzy użytkownicy mogą stać się najlepszymi klientami. 9
  • 10.
  • 11.
    Segmentacja wg RFM 11 Źródło:http://blog.retentiongrid.com/business-analytics-time-machine-customer-loyalty/
  • 12.
  • 13.
    ZMOT, Lean Analytics 13 Źródło:http://leananalyticsbook.com/, http://www.thinkwithgoogle.com/collections/zero-moment-truth.html/
  • 14.
    KPI w e-commerce Konwersja •Dokonanie zakupu; • Zamówienie usługi. Lead • Wyrażenie chęci dokonania zakupu; • Prośba o kontakt w sprawie konwersji. Mikrokonwersja • Zrealizowanie działań na drodze do lead’a lub konwersji. 14
  • 15.
    Wskaźniki bazowe  Współczynnikkonwersji – dla transakcji oraz lead’ów np. zapis do newslettera;  Wartość transakcji właściwa dla źródła ruchu, kampanii (brutto, netto);  Wygenerowana marża (brutto, netto);  Średnia wartość zamówienia;  Liczba klientów;  Liczba pierwszych transakcji. 15
  • 16.
    Konwersja bezpośrednia iwspomagana Źródło: When different channels impact the customer journey, dane - USA Retail, Google; http://www.thinkwithgoogle.com/tools/customer-journey-to-online-purchase.html/ 16
  • 17.
    Rentowność Zwrot z inwestycjiliczony w Google Analytics ROIGA = (PX – KX) / KX Realny zwrot z inwestycji ROI = (ZX – KX) / KX PX – Przychód w okresie X (zł) KX – Koszt marketingowy w okresie X (zł) ZX – Zysk w okresie X (zł) 17
  • 18.
    Które źródło generujenowych klientów? Źródło: http://custora.com 18
  • 19.
    Liczba nowych klientów Symulacjawyliczeń 19 CZAS (MIESIĄC) LICZBA PIERWSZYCH TRANSAKCJI
  • 20.
    Migracja (odpływ) klientów Źródło:http://www.churn-rate.com/ 20
  • 21.
    Wskaźnik migracji klientów Wskaźnikmigracji klientów (Churn Rate) ChRN = NX / NY NX – Liczba użytkowników, która odeszła w okresie X; NY – Liczba użytkowników na początku okresu X. 21 Źródło: Churn Rate 101, RJMetrics
  • 22.
    Retencja = częstotliwośćzakupów Źródło: http://blog.custora.com/2011/08/why-average-retention-rates-can-lead-to-50-error-in-clv/ 22
  • 23.
    Retencja = częstotliwośćzakupów Źródło: http://blog.custora.com/2011/08/why-average-retention-rates-can-lead-to-50-error-in-clv/ 23
  • 24.
    Rozwój biznesu jestmożliwy dzięki nowym klientom i zwiększeniu retencji zakupowej
  • 25.
  • 26.
    Dlaczego warto liczyćCLV*? Analiza wartości klienta w czasie pomaga poznać odpowiedzi, których nie jesteśmy w stanie, w prosty sposób udzielić na podstawie Google Analytics:  Czy inwestycja w pozyskanie klienta się zwróci?  Ile maksymalnie możemy zainwestować w pozyskanie klienta?  Jaka jest retencja zakupowa klientów (prawdziwi, „nowi” oraz „powracający” klienci);  Którzy klienci są najbardziej wartościowi i skąd pochodzą (źródło ruchu)?  Jaki jest długoterminowy zwrot z kanałów marketingowych (ile przychodu może wygenerować pozyskany klient w przyszłości)? 26 * Customer Lifetime Value, wartość klienta w czasie
  • 27.
    Jak mierzyć wartośćklienta? Ogólny wzór na Customer Lifetime Value* CLVX = ZX x PX x M ZX – Ilość zamówień klienta X (zł); PX – Średnia wartość zamówienia klienta X (zł); M – Średnia/przeciętna marża na sprzedaży (%). * uproszczona wersja nie uwzględnia migracji klientów (Churn Rate) oraz prawdopodobieństwa realizacji zakupu 27
  • 28.
  • 29.
  • 30.
    „20% klientów przynosi 80%zysków” Zasada Pareto
  • 31.
    Różne źródła =różna wartość CLV Źródło: http://custora.com 31
  • 32.
    Optymalizacja działań marketingowych przypomocy CLV pozwala uzasadnić inwestycję i przewidzieć realne ROI
  • 33.