Analiza sprzedaży w sklepie internetowym nie polega na samym sprawdzaniu liczby zamówień. Wiarygodny obraz powstaje dopiero po połączeniu danych z Google Analytics z twardymi informacjami z systemu sklepowego i księgowego. Następnie trzeba podzielić wyniki na segmenty, znaleźć wąskie gardła i przełożyć obserwacje na konkretne decyzje.
Google Analytics a dane z systemu sklepowego
Google Analytics dobrze pokazuje, skąd przychodzą użytkownicy, jakie strony odwiedzają i na którym etapie ścieżki zakupowej rezygnują. Nie jest jednak księgą przychodów. Dane z narzędzia śledzącego mogą różnić się od informacji zapisanych w platformie sklepowej lub systemie księgowym.
Przyczyną są między innymi blokady skryptów i ciasteczek, adblockery, korzystanie z kilku urządzeń, błędna konfiguracja śledzenia oraz zamówienia składane telefonicznie lub innym kanałem offline. Google Analytics może też zarejestrować zamówienie, które później zostało anulowane albo zwrócone. Z kolei płatność przelewem może pojawić się w systemie sklepowym, zanim zostanie faktycznie opłacona.
Dlatego system sklepowy powinien być podstawą rozliczania przychodów, liczby zamówień, zwrotów i marży. Przed analizą odfiltruj transakcje testowe, anulowane i nieopłacone. Google Analytics traktuj jako źródło wiedzy o zachowaniu użytkowników, trendach, kanałach i różnicach między segmentami.
Nie oznacza to, że rozbieżności przekreślają wartość danych z analityki. Jeżeli konfiguracja jest poprawna, możesz porównywać okresy, kanały, urządzenia i grupy klientów. Nie wyciągaj jednak wniosku, że przychód widoczny w panelu jest pełną wartością sprzedaży sklepu.
Analizę prowadź segmentowo. Wynik globalny może wyglądać dobrze, podczas gdy na telefonach, w konkretnym kanale albo na określonej kategorii występuje poważny problem. Zapisuj też kontekst zmian – promocje, sezonowość, zmianę ceny, opóźnienia dostaw czy kampanie reklamowe.
Jakie KPI mierzyć w sklepie?
KPI, czyli kluczowe wskaźniki efektywności, pomagają połączyć dane z decyzjami biznesowymi. Nie mierz wszystkiego naraz. Wybierz kilka wskaźników, które odpowiadają na aktualne pytanie, na przykład: dlaczego ruch rośnie, ale sprzedaż stoi, albo czy kampania pozyskuje klientów taniej niż wcześniej.
| Wskaźnik | Co mówi o biznesie | Jak poprawić |
|---|---|---|
| AOV – średnia wartość zamówienia | Ile przeciętnie wydaje klient podczas jednej transakcji | Budować zestawy produktów, proponować dodatki i ustalić próg darmowej dostawy |
| CR – współczynnik konwersji | Jaki odsetek użytkowników wykonuje pożądaną akcję, najczęściej zakup | Usprawnić kartę produktu, koszyk, płatność i komunikację oferty |
| CAC – koszt pozyskania klienta | Ile kosztuje zdobycie nowego klienta w danym okresie | Ograniczyć nieefektywne kampanie i poprawić dopasowanie grup odbiorców |
| CLV – wartość klienta w czasie | Ile przychodu lub zysku może wygenerować klient podczas całej relacji ze sklepem | Zwiększać liczbę powrotów, częstotliwość zakupów i wartość kolejnych zamówień |
| ROAS | Przychód przypisany reklamie w relacji do wydatków reklamowych | Przesuwać budżet do kampanii, produktów i grup z lepszym zwrotem |
| ROI | Czy cała inwestycja jest rentowna po uwzględnieniu kosztów prowadzenia sprzedaży | Uwzględnić marżę, logistykę, prowizje, zwroty, obsługę i koszty stałe |
AOV obliczysz, dzieląc wartość zamówień przez ich liczbę. CR wymaga określenia mianownika, dlatego sprawdź, czy liczysz go względem sesji, użytkowników czy innego zdarzenia. CAC powinien uwzględniać koszty związane z pozyskaniem nowych klientów, a nie tylko pojedynczy wydatek na reklamę.
ROAS odpowiada na pytanie: ile przychodu przyniosła reklama w stosunku do wydatków na tę reklamę. Nie mówi jednak, czy sprzedaż była opłacalna. ROI uwzględnia szerszy rachunek rentowności, w tym koszt produktu, pakowania, dostawy, prowizji, obsługi i zwrotów. Kampania może mieć dobry ROAS, a mimo to przynosić stratę przy niskiej marży.
CLV zestawiaj z CAC. Pozyskanie klienta za 80 zł może być akceptowalne, jeśli klient w kolejnych zamówieniach generuje wyraźnie większą marżę. Przy sprzedaży produktów kupowanych jednorazowo taki model będzie wyglądał inaczej niż w sklepie z regularnymi zakupami.
Nie oceniaj zmian na podstawie dwóch transakcji. Mała próba jest podatna na przypadkowe wahania, sezonowość i pojedyncze zamówienia o wysokiej wartości. Im mniej danych, tym ostrożniej porównuj warianty i nie ogłaszaj zwycięstwa jednej wersji strony lub kanału. W praktyce lepiej obserwować powtarzalny trend w kilku okresach niż reagować na pojedynczy skok.
Jak znaleźć wąskie gardła w ścieżce zakupowej?
Lejek sprzedażowy pokazuje przejście od wejścia do sklepu, przez oglądanie produktu i dodanie go do koszyka, aż po płatność. Analizuj każdy etap osobno, ponieważ duża liczba odwiedzin nie wyjaśnia, dlaczego nie dochodzi do zakupu.
- Porównaj liczbę użytkowników, którzy trafiają na karty produktów, z liczbą dodanych produktów do koszyka.
- Sprawdź, jaki odsetek koszyków przechodzi do wyboru dostawy i płatności.
- Zobacz, na którym kroku użytkownicy najczęściej przerywają proces.
- Podziel wyniki według urządzenia, źródła ruchu, przeglądarki i najważniejszych kategorii.
- Porównaj dane przed zmianą i po niej, zachowując podobny okres oraz warunki ruchu.
Strony wyjścia są sygnałem do sprawdzenia, nie automatycznym dowodem błędu. Wysoka liczba wyjść ze strony kontaktowej może być naturalna, jeśli klient znalazł numer telefonu. Wysokie wyjścia z karty produktu, koszyka lub płatności wymagają już dokładniejszej diagnozy.
Jeśli użytkownicy wychodzą na stronie płatności, sprawdź dostępne metody płatności, komunikaty błędów, czas ładowania, koszty dostawy i działanie formularza. Jeżeli duży ruch mobilny nie przekłada się na sprzedaż, przejdź cały proces na telefonie. Koszyk może być nieczytelny, przyciski zbyt małe, a formularz może wymagać danych trudnych do wpisania na ekranie dotykowym.
Wyszukiwarka wewnętrzna pokazuje, czego klienci szukają własnymi słowami. Zwróć uwagę na produkty często wyszukiwane, ale rzadko kupowane. Taki wynik może oznaczać brak produktu, nieczytelne wyniki, zbyt wysoką cenę, brak informacji albo problem z filtrowaniem. Sprawdź także zapytania bez wyników, bo wskazują luki w asortymencie lub nazewnictwie.
Analizuj produkty nie tylko według przychodu. Połącz liczbę zamówień z marżą, zwrotami, kosztem reklamy i dostępnością towaru. Produkt o wysokiej sprzedaży może generować mały zysk, a produkt sprzedawany rzadziej może być ważny jako element zestawu lub źródło wysokiej marży.
Jak przełożyć dane na decyzje?
Dobre pytanie analityczne ma konkretny dalszy krok. Zamiast pytać „dlaczego sprzedaż spadła?”, zawęź problem do okresu, produktu, kanału i grupy klientów. Następnie sprawdź, czy zmienił się ruch, CR, AOV, cena, dostępność, koszt reklamy albo udział zwrotów.
| Objaw | Możliwa przyczyna | Co przeanalizować |
|---|---|---|
| Duży ruch i mało zamówień | Niedopasowany ruch, słaba oferta lub problem z użytecznością | CR według kanału, urządzenia, karty produktu i kampanii |
| Wiele dodań do koszyka i mało płatności | Koszty dostawy, brak preferowanej płatności lub błąd formularza | Porzucone koszyki, błędy płatności, etapy checkoutu |
| Wysoki przychód i niski zysk | Niska marża, prowizje, reklama lub zwroty | Marżę produktu, ROI, CAC, koszty dostawy i zwrotów |
| Sprzedaż spada tylko na telefonach | Błąd responsywności, wolne ładowanie lub nieczytelny koszyk | CR według urządzenia, przeglądarki i etapu ścieżki |
| Rośnie koszt pozyskania klienta | Droższy ruch, zużyta kreacja albo słabsze dopasowanie odbiorców | CAC, ROAS, częstotliwość reklam i wyniki grup odbiorców |
Po znalezieniu problemu wprowadź jedną istotną zmianę, ustal okres obserwacji i porównaj wyniki z wcześniejszym okresem. Zmiana wielu elementów jednocześnie utrudnia ocenę, co faktycznie wpłynęło na wynik.
Jakie narzędzia wspierają analizę?
Narzędzie dobierz do pytania, a nie odwrotnie. Kilka źródeł danych zwykle wystarcza, jeśli ktoś regularnie je interpretuje:
- Google Analytics pokazuje źródła ruchu, zachowania użytkowników, ścieżkę zakupową i trendy konwersji.
- HotJar uzupełnia liczby mapami cieplnymi, nagraniami sesji i informacjami o przewijaniu strony.
- Google Search Console pomaga analizować zapytania, wyświetlenia, kliknięcia, CTR i widoczność stron w wyszukiwarce.
- Allegro Analytics wspiera analizę sprzedaży, trendów kategorii, rankingów i rozkładu cen na Allegro.
- Narzędzia do monitoringu konkurencji pomagają obserwować ceny, widoczność ofert i zmiany w asortymencie, ale nie zastępują własnych danych o marży i sprzedaży.
Mapy ciepła nie powiedzą, ile zarobiłeś, a system sklepu nie wyjaśni, dlaczego użytkownik nie zauważył przycisku. Łączenie tych źródeł pozwala zestawić wynik biznesowy z zachowaniem klienta.
Co sprawdzić w tym tygodniu?
Nie zaczynaj od budowania rozbudowanego dashboardu. W pierwszym tygodniu uporządkuj podstawy i wybierz jeden problem do sprawdzenia:
- Sprawdź, czy liczba zamówień i przychód w Google Analytics są zgodne z systemem sklepowym po odrzuceniu testów, anulowań i zwrotów.
- Zweryfikuj, czy pomiar transakcji działa na karcie produktu, w koszyku, podczas płatności i po zakupie.
- Wybierz jeden KPI, na przykład CR, AOV albo CAC, i porównaj go według kanału oraz urządzenia.
- Przejdź ścieżkę zakupu na telefonie i komputerze, zwracając uwagę na dostawę, płatność i komunikaty błędów.
- Sprawdź strony wyjścia oraz zapytania w wyszukiwarce wewnętrznej, a następnie zapisz jedną hipotezę do sprawdzenia.
- Porównaj wyniki z podobnym okresem, zamiast oceniać sklep na podstawie pojedynczego dnia.
Największą wartość daje nie liczba raportów, lecz regularny cykl: pytanie, dane, hipoteza, zmiana i ponowny pomiar. Zacznij od jednego wąskiego gardła, potwierdź je w systemie sprzedażowym i dopiero wtedy przeznacz budżet lub czas na poprawę.
