Zákaznická analýza

Ukážeme vám, jak v praxi využít jednoduchou zákaznickou analýzu, která vám pomůže zvýšit profitabilitu. Získejte klíčové informace o vašich zákaznících, které využijete pro plánování a vyhodnocování.

Zákaznická analytika
Zákaznická analytika

Ukážeme vám, jak v praxi využít jednoduchou zákaznickou analýzu, která vám pomůže zvýšit profitabilitu. Pomocí analýzy získáte klíčové informace o vašich zákaznících, které následně využijete pro plánování a vyhodnocování marketingových a podnikových aktivit.

Přehled zákazníků

Známá marketingová poučka říká, že náklady vynaložené na získání nového zákazníka jsou vyšší než náklady na udržení stávajícího zákazníka. Pokud tedy chceme dlouhodobě zvyšovat zisk, musíme navyšovat poměr opakovaných nákupů, ale ne na úkor získávání těch nových.

Následující problém si vizualizujeme pomocí dvou grafů, které nám umožní stav průběžně sledovat a vyhodnocovat. 

  • První graf znázorňuje poměr mezi opakovanými a novými nákupy. 
  • Druhý graf je akviziční a zobrazuje vývoj nových zákazníků.

Data, která vidíte výše, ukazují situaci našeho klienta, kterému pomáháme už od založení e-shopu. Z horního grafu vidíte, že poměr opakovaných nákupů v čase roste, což je první předpoklad úspěchu. Druhý graf říká, že v meziročním srovnání získáváme víc nových zákazníků, takže databáze roste a budeme moct zvyšovat i počet opakovaných nákupů. 

Kdyby akviziční graf v meziročním srovnání nerostl či naopak klesal, vystavili bychom se dříve či později riziku, že se databáze bude zmenšovat, protože zákazníci u nás nebudou nakupovat věčně a mají svoji životnost. Pro dlouhodobé vytváření zisku je tedy důležité, abychom kontinuálně zvyšovali poměr mezi opakovanými nákupy i počet nových zákazníků.

Frekvence a průměrná hodnota nákupu

K maximalizaci zisku vedou v zásadě dvě cesty. Buď budete zvyšovat průměrnou hodnotu objednávky nebo frekvenci nákupu. 

V následujícím grafu si vizualizujeme frekvenci objednávek (kolikrát u nás zákazník nakoupil) a zároveň jejich průměrnou hodnotu. 

Na grafu je vidět, že opakované nákupy mají v průměru vyšší hodnotu než první nákup. Vracející se zákazníci zároveň provádí pouze jeden nebo dva další nákupy. Jejich životnost tedy není moc dlouhá a je to pro nás podnět, na který se můžeme zaměřit. 

Jednou z možností je využít obsahový marketing nebo provést RFM analýzu, která rozdělí zákazníky do skupin a můžeme pro ně připravit personalizovaný e-mailing. Popřípadě lze zvážit produktovou analýzu a zaměřit se na zvýšení průměrné objednávky.

Z grafu vyplývá také to, že zákazníci po určité době přestávají nakupovat. Následující graf vizualizuje počet dnů od poslední koupě. Můžete tedy na denní bázi analyzovat vývoj a zpětně vyhodnocovat.

Databáze zákazníků

Poslední a neméně důležitou částí je vlastní databáze klientů. Je to soubor, kam si zapisujete data o vašich zákaznících za účelem lepšího oslovení. Můžete lehce vyfiltrovat ty, kteří:

  • opakovaně nakupují
  • nakoupili pouze jednou
  • nakoupili naposledy před rokem 
  • doba od posledního nákupu je nezvykle dlouhá

Pro všechny z nich se nabízí vytvořit reaktivační kampaň.

Technické nastavení

Pro vytvoření zákaznické analýzy budete potřebovat datum objednávky, ID/e-mail zákazníka a hodnotu objednávky. Analýza se dá následně plně automatizovat. Z pohledu nákladů tedy „zaplatíte“ jen za její vytvoření, ale získáte přitom něco opravdu cenného. Data a anylýza vám může posloužit jako základ k podrobnější RFM analýze nebo prediktivní analýze.

Shrnutí

Zákaznickou analýzou by se měl zabývat každý e-shop, který má potenciál získávat opakované nákupy. Je to klíč k maximalizaci ziskukonkurenceschopnosti. Využívá základní data, kterými disponuje každý e-shop a jejich zpracování je opravdu levné. Na základě výsledků můžete vytvořit efektivní e-mailingovou kampaň, kterou lze lehce opakovat, a možná vám už po první rozesílce zaplatí náklady na tvorbu analýzy.

Tip na závěr

Pro uživatele Shoptetu je vytvoření objednávkového feedu, který slouží jako datový podklad pro reporty tohoto typu, velmi jednoduché. Feed se dá vygenerovat podle tohoto návodu. Pak už stačí jen pár mezivýpočtů a vizualizace v Data Studiu.

Analytika 03. 11. 2020