Big Data в e-commerce: преимущества и сложности

Какие данные стоит анализировать интернет-магазину, чтобы увеличить выручку и снизить себестоимость процессов?

1. Реклама

Оптимизируйте рекламу, чтобы снизить затраты и привлекать целевую аудиторию. Смотрите на такие показатели:

• стоимость рекламы;
• конверсия;
• стоимость заказа;
• чистая прибыль.

Читайте о том, как правильно анализировать контекстную рекламу.

2. Мерчендайзинг и маржа

Изучайте потребности покупателей и свой товар. Используйте мерчендайзинг, чтобы увеличить маржу.

Что такое мерчендайзинг в онлайне? В супермаркете есть полка с товаром. В интернет-магазине — каталог. Что покажете пользователю на первых местах каталога, то в большинстве случаев он и купит. Что ваш консультант по телефону порекомендует, то вы скорее всего продадите.

Продвигайте те товары, на которых больше всего заработаете: рекомендуйте их на сайте, поднимайте в позициях, называйте бестселлерами. Используйте:

• abc-анализ — чтобы понять, какие товары стоит продвигать.
• выкладку товаров — чтобы продвигать нужные товары.
• алгоритмы Cross-sell и Up-sell — чтобы допродавать и увеличивать средний чек.

3. Базы данных

Чтобы закрепиться на рынке, работайте на долгосрочную перспективу. Изучайте и постоянно работайте над:

• вероятностью повторных продаж (когортный анализ, Life Cycle Grid);
• удовлетворенностью Клиента.

Смотрите видео о том, как интернет-магазину получить 94% довольных Клиентов.

4. Каналы продаж и логистики

Оптимизируйте поток финансов. Кроме прямых вложений в рекламу, фиксируйте и считайте затраты на:

• себестоимость упаковки;
• доставки;
• коммуникации.

Можно ли e-сommerce проекту обойтись без анализа данных? Можно. Но чтобы развиваться и расти, нужно оптимизировать процессы в компании. Хотите стать крупными? Анализируйте данные и внедряйте изменения в бизнес.

Какие сложности скрывает Big Data для e-commerce проекта?

Современная веб-аналитика мыслит преимущественно файлами cookie. У пользователя с мобильного один набор cookie. А с компьютера или планшета — другой. Это значит, что один человек с 3-х устройств будет посчитан аналитикой как 3 разных пользователя.

Как решить проблему неправильной маркировки посетителей?

1. Авторизуйте пользователя стандартным способом. Тогда в Google Analytics с помощью User-id можно будет склеить активность с разных устройств. И увидеть «перетекание» между ними. Смотрите, как использовать User ID для аналитики интернет-бизнеса.
2. Склеивайте пользователя по флагам в CRM. Для этого нужны алгоритмы «склейки» заказов по адресу, телефону, номеру скидочной карты.
3. Используйте силы социальных сетей. Для этого нужно, чтобы авторизация на мобильном и на компьютере шла через профили соц. сетей. Из социальных сетей можно вытянуть данные о покупателе.
4. Разбивайте сложную механику на части. Например, с мобильного пользователь может ввести номер телефона, на который придет sms. Сообщение нужно будет показать в точке продаж.

Используйте Big Data правильно и стройте успешный интернет-бизнес!