E-commerce historia sukcesu

Jak zwiększono sprzedaż o 284% w e-commerce w rok. Przeczytaj najnowsze case study

Przedstawiamy Wam case study z 3 lat systematycznego rozwoju sklepu e-commerce pokazujące wzrost obrotu i zysku oraz ekspansję sprzedaży na 5 nowych rynków.

Desportivo to marka, która dostarcza odzież sportową. Marka stawia na wybrany asortyment dobrej jakości, który w danym czasie jest modny i chętnie kupowany. Warto podkreślić, że Desportivo jest również oficjalnym dystrybutorem marki Alpinus.

Cele

  • Zbudowanie hurtowni danych (Data Warehouse) automatycznie dostarczającej i obliczającej informacje dotyczące ERS netto (Effective Revenue Share - stosunek wydatków reklamowych do przychodu) dla produktów i kategorii sklepu.
  • Wyznaczenie maksymalnego współczynnika ERS netto do stworzenia tzw. hamulca bezpieczeństwa dla wydatków marketingowych.
  • Zmaksymalizowanie wzrost przychodu z zachowaniem ustalonego ERS netto
  • Zintegrowanie zwrotów i marży netto z systemu ERP.
  • Wykorzystanie danych o zysku i marży w zakupie mediów (kampanie Google Ads w wyszukiwarce Google)

Rezultaty

  • Stworzyliśmy hurtownię danych (Data Warehouse), która automatyzuje raporty i analizy co pozwala podejmować szybkie i efektywne decyzje biznesowe.
  • Osiągnęliśmy ERS netto w skali 3 lat, znacznie poniżej wyznaczonej wartości.
  • Wzrost przychodu w 1 roku o 284%.
  • Wzrost przychodu w 2 roku o 28%.
  • Wzrost przychodu w 3 roku o 63%, gdzie 63% stanowiło kilka milionów dodatkowego przychodu.
  • Wzrost przychodu w 3 roku z uwzględnieniem otwarcia na rynki zagraniczne o 94%

Przyrost obrotu na przełomie 3 lat

Nasz proces

Dobra strategia to klucz do sukcesu

Desportivo zdecydowało się zbudować hurtownię danych (Data Warehouse) i użyć jej do rozwoju marketingu. Hurtownia została postawiona w środowisku Google Cloud z wykorzystaniem narzędzia WitCloud, które umożliwia zrealizowanie takiego projektu bez potrzeby angażowania dodatkowych zasobów IT. Oprócz tego, WitCloud został wykorzystany do automatycznego połączenia danych biznesowych w Data Warehouse z systemem reklamowym Google Ads.

Od samego początku kluczową kwestią było wyznaczenie jasnych celów oraz dobór odpowiednich wskaźników do optymalizacji. Z jednej strony istotne było maksymalizowanie obrotu, związane z agresywnym zwiększeniem wydatków na reklamę, lecz z drugiej strony należało zachować odpowiedni poziom rentowności. Nie można bowiem wydawać budżetu w nieskończoność, bez kontroli i ustalonych granic. Można jednak założyć, że budżet jest nieograniczony jeżeli zostaną spełnione odpowiednie założenia (np. wskaźniki nie przekraczają ustalonych wartości).

Wdrożenie

Na początku uspójniliśmy wszystkie dane o przychodzie do wartości netto. Pozwala to myśleć i pracować tak jak księgowość i poprawnie wyliczać wskaźniki.


Następnie wykonaliśmy atrybucję kosztów, aby przypisać wydatki do kategorii i produktów ecommerce. Wykorzystując dane o przychodzie z konkretnych produktów i kategorii z modułu Enhanced Ecommerce Google Analytics oraz informację o wydatkach reklamowych poniesionych na te produkty i kategorie (atrybucja kosztów wykonana w WitCloudzie) posiadaliśmy pełne dane do wzoru na ERS ( (wydatki ÷ przychody) × 100  - więcej o wskaźniku znajdziesz w supporcie Google Ads 360)

Obliczenie wskaźnika ERS netto dla kategorii e-commerce pozwala nam kontrolować utrzymanie rentowności w ryzach, gdzie ERS jest swojego rodzaju hamulcem bezpieczeństwa. Dla przykładu 10% ERS netto, można porównać do odjęcia 10% z marży jaką generuje przychód. Jeśli marża netto wynosi 40% a ERS netto 41% oznacza że jesteśmy 1% na minusie i zdecydowanie należy podjąć działania optymalizacyjne.

Pracując nad kampaniami marketingowymi zwyczajnie staraliśmy się, aby dana kategoria e-commerce nie przekraczała ustalonego maksymalnego % ERS. Z drugiej strony, gdy dana kategorie osiągała współczynnik ERS znacznie poniżej ustalonego progu, kampanie w obrębie rentownej kategorii mógł być zmaksymalizowany. Dzięki temu budżet nie miał znaczenia, był zwiększany w obrębie ustalonych wartości, co pozwalało na rentowne ale i bardzo agresywne skalowanie.


Rola technologii Cloud i Witcloud

Zbudowanie hurtowni danych (Data Warehouse) było potrzebne nie tylko do przeliczania wartości netto ale przede wszystkim do  wykonywania w określonym harmonogramie odpowiednich działań takich jak:

  • Przeliczenie wartości produktu brutto na netto, 

  • Obliczenie kosztu netto dostawy  i odjęcie tej wartości od przychodu,

  • Uwzględnienie różnych stawek podatku Vat na różnych rynkach i przeliczenia przychodu brutto na wartości netto,

  • Uwzględnienie marży,

  • Automatyczny eksport danych do Google Ads


Więcej na temat ważności optymalizacji w oparciu o wartości netto opisaliśmy w artykule - poprawny przychód w Google Ads


Warto zaznaczyć, że w tym projekcie atrybucja danych została wykorzystania w nietypowy sposób.Nie użyliśmy jej do analizy, który kanał marketingowy lepiej początkuje lub zamyka sprzedaż, ale do przypisania kosztu do zainteresowania poszczególnymi produktami podczas wizyty na stronie. W dużym uproszczeniu, jeśli użytkownik przeglądał kategorię A i B to 1 PLN wydany na reklamę i pozyskanie takiego użytkownika został przypisany w 50% do kategorii A i w 50% do kategorii B. Dzięki temu mogliśmy określić wydatki marketingowe na konkretne kategorie i produkty, co było istotą strategii oraz policzenia ERS dla kategorii sklepu - hamulca bezpieczeństwa. Wszystko to dzięki wykorzystaniu narzędzia WitCloud i środowiska Google Cloud.

Obecne wdrożenia i dalsze plany

Podsumowując, nasuwa się pytanie czy po tak spektakularnych wzrostach jest możliwe osiągnięcie jeszcze lepszych wyników? W naszym case study nie bez powodu wspomnieliśmy o integracji marży i systemu ERP klienta. System ERP posiada dane magazynowe oraz informacje dotyczące zakupu produktów od dostawców. Okazuje się, że zestawiając ERS netto z marżą produktu lub marżą danej kategorii produktów nie zawsze hamulec bezpieczeństwa był dobrze wyznaczony. Niektóre kategorie z wyższą marżą mogą mieć wyższy hamulec, co wydaje się oczywiste, lecz często, jak to w życiu, oczywiste wnioski nie przychodzą łatwo. To niematerialna wartość, know-how, jaka płynie z hurtowni danych. Jednym słowem - wiedza w czasie rzeczywistym (w systemach reklamowym oraz w zautomatyzowanym raportowaniu), która dostarcza informacji, którą kategorię e-commerce należy maksymalizować, kiedy to robić oraz jak bezpiecznie, ale sukcesywnie zwiększać przychód (zarządzanie strukturą kampanii dostosowaną do posiadanych danych)


Co więcej, obecnie technologia Cloud oraz system ERP zostały zintegrowane z Google Ads i zamiast przychodu netto zaimportowaliśmy do informacje o marży. W sferze raportowej możemy teraz wyznaczyć lepszy i bardziej dokładny hamulec bezpieczeństwa. Natomiast w sferze zakupowej możemy dostarczyć mechanizmom Smart Shopping lub Smart Bidding w Google Ads lepsze dane do maksymalizacji sprzedaży.Obecnie powstaje coraz więcej mechanizmów w Google Ads, które są obsługiwane metodami maszynowymi i odciążają zasoby ludzkie, generując lepsze wyniki niż człowiek. Kluczową kwestią wydaje się zasilenie tych mechanizmów lepszymi danymi, bo na inne elementy specjaliści mają coraz mniejszy wpływ.

Za kilka miesięcy będziemy mogli zaprezentować wyniki na podstawie działań opierających się bezpośrednio o marżę. Mimo że nie minęło wiele czasu od momentu kolejnych wdrożeń, już widzimy, że będzie czym się pochwalić.

Jeżeli to case study Cię zaintrygowało i też chciałbyś, chciałabyś sprawdzić, czy takie rozwiązanie zadziała w przypadku Twojego sklepu to śmiało zgłoś się do nas - chętnie pomożemy.



Rate article

Rates: 0 Avarage rate: 0

Image: Freepik