Účinnost produktových stránek

Na Twitteru jsem sdílel článek Yaliho Sassoona, tvůrce analytického nástroje SnowPlow Analytics, o užitečném pohledu na účinnost a výkonnost produktových stránek internetového obchodu. Byť je nápad v článku dle mého názoru jednoduchý na realizaci, trochu se obávám, že si jej nikdo nevyzkouší prakticky na svých datech (možná ani ti, kdo retweetovali či si tweet oblíbili), dokud neuvidí, jak nenáročné to je a že to zpracování nebolí.

Co nejsnazší cestou jsem proto zkusil data z Google Analytics jednoho malého e-shopu analyzovat sám a chci vám ukázat, jak jsem prakticky postupoval. Není to elegantní způsob, ale zvládl jsem během hodinky dojít k podobnému hezkému výstupu jako Yali. V článku se zaměřuji na postup zpracování a nepopisuji interpretaci výstupů.

Inspirace od Snowplow

Připravovaná série článků SnowPlow o analýze produktové nabídky uvádí několik motivací, proč se tématem zabývat. Produktový katalog je srdce obchodu. Kdo sledujete články či tweety Kevina Hillstroma, důležitost produktů v retailu chápete.

U Hillstroma najdete mnoho různých pohledů na produktové portfolio – podle stáří prodávaných produktů, podle profitability, podle prodejních kanálů, přes které se některé produkty prodávají spíše atd. To si nechte na dlouhé jarní večery, teď se zaměřte na jednoduché srovnání, jak si na tom stojí produkty, které jsou na vašem webu hodně zobrazované. Jsou také hodně prodávané? To byste očekávali, že? Tedy že konverzní poměr produktů by mohl být stejný. Čím více se produkt zobrazuje, tím více se také prodává. Je to tak ve skutečnosti? Nemáte některé produkty, které jsou sexy, ale stejně si je nikdo nekoupí? Pojďte si to taky zkusit.

Export dat z Google Analytics

Vycházím z toho, že znám identifikátor produktu, přes který propojím ukazatele zobrazení a prodejů. V mém případě takové ID najdu v URL. Pro třetí řádek v příkladu jde o „1743–417441“. Jde o nějaké 700g balení krmiva pro psy, ale na tom nám teď nezáleží. Pokud nemáte identifikátor přímo v URL, jistě si najdete jiné pojítko nebo si necháte vyjet z databáze dvojici údajů „adresa produktu: /produkt-a, identifikátor: 123“. Pro produkty nás bude zajímat unikátní zobrazení stránky, tedy počet návštěv, které na produktové stránce byly. Pro náš produkt je to hodnota 103 unikátních zobrazení.

Informace o zobrazení produktů (v Google Analytics)

Druhým krokem je zjištění zájmu o produkt. Yali v článku využívá přidávání zboží do košíku jako signál projevení zájmu. Já budu pro zjednodušení porovnávat až data skutečných prodejů, která získám z e-commerce reportů. Do políčka SKU (skladové číslo, skladová jednotka produktu) si sbírám identifikátory produktů. Pro výše uvedený produkt „1743–417441“ jsem zjistil, že se v posledních měsících prodal 23× (23 kusů ve 23 různých nákupech).

Informace o prodejích produktů v Google Analytics

Oba dva reporty jsem si exportoval do XLSX, abych mohl data propojit.

Příprava dat v Excelu

V Excelu jsem musel data trochu učesat a z produktové URL dostat identifikátor. Pro mne bylo nejjednodušší využít klasické funkce pro extrakci části textu:

=ČÁST(A2;NAJÍT(",";A2)+1;100)
=ČÁST(B2;1;NAJÍT(".html";B2)-1)

Napojení ukazatele prodejů k jednotlivým produktům je snadné spojení dvou tabulek v Excelu. Já jsem měl data o prodejích v listu „e-commerce“, proto jsem zavolal následující funkci pro načtení počtu prodejů ke konkrétním produktům.

=SVYHLEDAT(C2;'e-commerce'!A:C;3;NEPRAVDA)
Příprava dat v Excelu

Rychlé napojení na bodový graf už nám dává slibovaný výstup.

Bodový graf v Excelu

Nevěděl jsem však, jak si do grafu dostat konkrétní identifikátory produktů, tak pro mne bylo jednodušší přejít do statistického programu R. Výslednou tabulku jsem si pro ty účely exportoval do CSV.

Vizualizace dat v R

Přes R, respektive přes rozhraní RStudio, jsem data vizualizoval formou bodového grafu (scatter plot). Na horizontální ose mám počet unikátních zobrazení produktové stránky, na vertikální ose počet nákupů, v nichž se produkt objevil.

# načtení připraveného CSV
prod <- read.csv("1304-transakce-produktu-v2.csv",header=TRUE,sep=";");
# scatter plot pro počet zobrazení a nákupů
plot(prod$Zobrazeni, prod$Nakupy, xlab="Počet zobrazení stránky produktu",ylab="Počet nákupů produktu")
# připojit textové popisky identifikátorů produktů
text(prod$Zobrazeni, prod$Nakupy, prod$Produkt, pos=1, cex=0.7,col="grey")

Finální zobrazení produktové účinnosti

Podstatnou profesionální částí práce bylo spuštění Malování.exe, ve kterém jsem výsledek trochu popsal dle bostonského vzoru. Nejde o definitivní klasifikaci, ale rychlý způsob náhledu na rozdílné typy výkonnosti produktů. Yali v článku ukazuje schémata, jak v grafu hledat zajímavé produkty, průšvihové produkty, podhodnocené produkty a skryté hvězdy.

Co dělat s různými typy produktů

Popřemýšlejte, v jaké formě by to bylo smysluplné pro vás. Porovnat spíše počet vložení produktu do košíku? Rozdělit si kategorie produktů různými barvami? Prostoru na rozvoj a zesložitění je hodně, začněte však s tím nejzřetelnějším. Řada je na vás. Zkuste si to na svých datech. Budu rád, když se pochlubte se výsledkem :-)

3 komentáře u „Účinnost produktových stránek

Napsat komentář

Vaše emailová adresa nebude zveřejněna. Vyžadované informace jsou označeny *