АНАЛИТИКА ПЛЮС
Профессиональные услуги в сфере BI

#13 Анализ для производственных компаний: Ключевые показатели интернет-магазина

15.06.2022

 

Получить консультацию по архитектуре аналитического бизнес-решения, оптимизации источников данных, построению сложных дашбордов от экспертов компании АНАЛИТИКА ПЛЮС

Получить консультацию

 

Введение

Очень актуальная тема на сегодняшний день, как для производственных компаний (многие производственные компании в дополнение к продажам в реальных магазинах осуществляют продажи через интернет), так и для отдельных интернет-магазинов.

Ранее, в предыдущей статье «#12 Анализ для производственных компаний: Аналитика продаж интернет-магазинов» мы рассмотрели дашборд по продажам интернет-магазина, в этой статье мы расскажем про анализ ключевых-показателей и разберем дашборд «Ключевые показатели интернет-магазина».

 

Какие цели анализа у интернет-магазинов?

Какие отчеты необходимы и для чего? Если рассмотреть все основные цели анализа, то можно наметить две таких основных ветки — это видеть общую картину и для этого строятся отчеты, на которых присутствуют сразу множество KPI и, рассматривая эти ключевые показатели эффективности, можно понять в общем насколько хорошо или плохо обстоят дела, и вторая цель — это копать вглубь. Соответственно, те дашборды и отчеты, которые отвечают на какие-либо вопросы, которые позволяют анализировать показатели в формате от общего к частному или от частного к общему, плюс те дашборды, которые могут представлять из себя один единственный график и множество фильтров, и таким образом, например, пользователи могут получать ответы на вопросы, связанные, например, с географией продаж.

Итак,цели анализа интернет-магазинов:

1. Видеть общую картину (KPI дашборд — см. скриншот ниже)

2. «Копать вглубь» (Q&A, Top Down, Bottom Up, One Big Chart — см. скриншот ниже)

#13 Анализ для производственных компаний: Ключевые показатели интернет-магазина, изображение №1

1. KPI дашборд

#13 Анализ для производственных компаний: Ключевые показатели интернет-магазина, изображение №2

Цель — собрать на одном экране множество ключевых показателей так, чтобы видеть общую картину, причем в данном случае еще и в динамике.

Особенности KPI дашборда:

1. Дашборд является достаточно простым: он состоит из тиражируемых блоков, то есть отдельные карточки по каждому показателю — внутри этих карточек зачастую присутствуют раскраска по выполнению плана или, например, по отклонениям от предыдущего периода. Соответственно, если мы видим, в нашем случае синюю раскраску, то мы понимаем, что наш план по этому показателю за отчетный период выполнен, а красная раскраска — план за отчетный период не выполнен.

2. Минимальная интерактивность, то есть зачастую некоторые пользователи воспринимают дашборды, как максимально интерактивные отчеты, но в данном случае это не совсем так, по причине того, что дашборд несет информацию в другом виде — основное применение этого дашборда это просто выставление отчетного периода и анализ тех показателей, которые отображаются на этом дашборде без какого-либо интерактива.

3. Как правило, показатели отображаются в динамике, это необходимо для того, чтобы понять, были ли какие-то проблемы в отчетном периоде, за который происходит анализ. Например, в какие-то определенные дни либо часы работы.

Теперь давайте разберемся с тем, какие программные продукты на самом деле позволяют нам получить подобные дашборды. При этом, нас интересует вариант использования, когда мы один раз создаем дашборд, а далее он автоматически обновляется на основе тех данных, которые у нас присутствуют в источнике данных. Речь идет о современных аналитических платформах для анализа данных. Современное аналитическое решение от компании АНАЛИТИКА ПЛЮС — очень удобная платформа для создания интерактивных аналитических отчетов.

 

Дашборд «Ключевые показатели интернет-магазина» от компании АНАЛИТИКА ПЛЮС

Исходные данные

1) Данные по продажам (заказы, позиции заказов, продукты)
внутри интернет-магазина используется движок Woocommerce, оттуда мы забрали таблицы с заказами, позициями заказов и таблицу с продуктами.

2) Данные по расходам на рекламу (Яндекс.Директ, Google Ads, ВКонтакте и Facebook)
мы просто подготовили таблицу, в которой у нас есть сведения о наших рекламных кампаниях, источниках и так далее, и там же у нас хранится информация о расходах — количество кликов, средняя цена клика.

Логическая модель

Все данные мы объединили в единую логическую модель, современное аналитическое решение позволяет строить подобные логические модели, когда мы в конечном счете получаем не одну большую плоскую таблицу, на основе которой мы строим дашборды, а мы можем получить некую модель данных, то есть это набор таблиц, связанных между собой определенными типами связей. Соответственно, все эти данные мы объединили между собой, положили в одну единую модель и в дальнейшем использовали, в том числе несколько таблиц для расчета определенных показателей.

#13 Анализ для производственных компаний: Ключевые показатели интернет-магазина, изображение №3

Дашборд «KPI интернет-магазина»

#13 Анализ для производственных компаний: Ключевые показатели интернет-магазина, изображение №4
#13 Анализ для производственных компаний: Ключевые показатели интернет-магазина, изображение №5

Этот дашборд выполняет функцию свода множества показателей эффективности по интернет-магазину, то есть мы видим этот дашборд примерно следующим образом: 9 карточек, большинство из которых являются типовыми за исключением двух карточек: ROMI и LTV — они являются не типовыми, поскольку внутри этих показателей есть определенная специфика, и об этом мы расскажем дальше.

Мы сразу же видим на одном экране все девять показателей, нам не нужно ничего скроллить, видим не просто множество показателей факт за период, например, а также отклонение абсолютное и относительное и значения показателей за период сравнения.

В верхней части дашборда у нас отображается название этого дашборда «Ключевые показатели интернет-магазина» плюс небольшой комментарий для тех пользователей, которые будут его использовать «сводная статистика для выявления глобальных проблем и точек роста».

В правом верхнем углу у нас есть фильтры по отчетным периодам, там есть как типовые фильтры, то есть, например, значения: этот месяц, этот квартал, этот год и также с предыдущими периодами: предыдущий месяц, предыдущий квартал, предыдущий год, так и нетиповые фильтры, которые позволяют использовать произвольный период.

Периоды сравнения (фильтры)

Давайте разберемся с периодом сравнения, у нас на самом деле есть множество способов сформировать некий период сравнения, мы можем, например, использовать предыдущий неполный период, то есть, например, мы используем в данный момент этот месяц, но давайте представим что сейчас 28 июня 2022 года, соответственно у нас месяц еще неполный и, если мы выберем просто предыдущий период, то мы будем анализировать данные за полный предыдущий месяц и сравнивать его с текущим неполным, что соответственно будет приводить к не совсем правильной методике сравнения показателей, то есть очевидно, что мы и за последние несколько дней месяца можем еще допродать товара и добить значение показателей, например, продаж и уже в таком случае за полный месяц это будет корректное сравнение, поэтому для того, чтобы выровнять ситуации, мы берем то же самое количество дней, которые у нас есть в текущем месяце, соответственно если у нас здесь есть 27 дней, то мы возьмем 27 дней первых и предыдущего месяца, также есть возможность сравнивать с предыдущим годом, соответственно тот же самый промежуток времени, те же самые даты только за предыдущий год и есть возможность выбора произвольного периода — просто выбираете в выпадающем списке периода сравнения опцию произвольного периода и просто используете левую и правую границы произвольного периода, чтобы сформировать этот период.

Основные карточки

9 ключевых показателей, которые мы отобрали, это не значит что этот список фиксированный, то есть здесь всегда можно взять и отказаться, например, от одного показателя и поставить вместо него другой, например, вас не интересует процент повторных визитов, но при этом вы хотите анализировать средний чек — это можно сделать и подстроить отчет под ваши требования и запросы.

  1. Трафик на сайт
  2. Конверсия в заказы
  3. Продажи
  4. ROMI (возврат инвестиций на маркетинг)
  5. LTV
  6. Прибыль
  7. % брошенных корзин
  8. % повторных визитов
  9. % отказов

Структура каждой карточки на примере карточки Трафик: ее название «Трафик», под ним — значение показателя за отчетный период, в нашем случае 7212 пользователей за отчетный период, в скобках у нас указываются относительное и абсолютное отклонения от периода сравнения, то есть +1254 пользователя (абсолютное отклонение) и мы выросли на 21% процент по отношению к периоду сравнения (относительное отклонение) — эти отклонения не очень сильно нам помогают, они позволяют понять некий контекст, то есть насколько хорошо мы выросли или просели по отношению к периоду сравнения. Чуть ниже располагается информация по нашей динамике показателя, мы можем заметить, что ближе к концу месяца у нас наблюдается такой очевидный спад по количеству пользователей, которые пришли к нам на сайт. Чуть ниже под динамикой показателя у нас отображается некая детализация, мы соответственно для большинства показателей выбрали детализацию по источникам трафика, соответственно в данном случае у нас есть рекламный трафик (Ad), прямые входы (Direct), социальный трафик (Social) и органический поиск (Organic), можем посмотреть наши показатели за отчетный период, за период сравнения, и те самые отклонения — абсолютное и относительное.

По большинству показателей у нас соответственно используется такой же подход, соответственно это конверсия заказа, продажи, прибыль, % отказов, % повторных визитов и % брошенных корзин, то есть как вы можете заметить визуализации очень похожи, единственное, что случае продаж и прибыли у нас отображается детализация по нашим товарам, но при необходимости можно дать пользователю возможность их переключать, то есть вывести отдельный контроль, который позволяет переключать детализации, например, на категории товаров или так же как и везде на источники трафика.

Цветовая раскраска дашборда

У каждой из этих карточек можно отдельно настроить методику раскраски полей, которые используются.

Мы настроили общую логику раскраски дашборда: плохие показатели уходят в красный цвет, хорошие в синий.

При этом те отклонения и те значения показателей, которые у нас хорошие в тот момент, когда они находятся на низах, например, % брошенных корзин (чем меньше, тем лучше) соответственно здесь такая раскраска и применяется, чем ближе значения к 100% — тем они краснее, что сигнализирует о проблеме. Там где нас, наоборот, интересуют большие значения показателей, например, продажи, чем ниже продажи — тем они краснее, что также сигнализирует о проблеме.

Карточка ROMI (возврат инвестиций на маркетинг)

Мы не показываем отклонения в детализации, потому что на самом деле уже не очень много места оставалось на этой карточке, не просто показываем ROMI за отчетный период и за периода сравнения, соответственно здесь у нас детализация используется не по одному полю, а по нескольким полям — по рекламным кампаниям и источникам. Соответственно, внутри рекламных кампаний у нас есть детализация по источникам, по причине того, что вы можете создавать одну и ту же рекламную кампанию и вести ее в нескольких источниках, например, сделали рекламные кампании в ВКонтакте, Яндекс.Директе и посмотрели, какая из них работает лучше, соответственно здесь на детализации вы можете наглядно увидеть, какая из них по факту работает лучше.

Карточка LTV

Примечание: LTV — специфичный показатель, который сложно посчитать так, как подсчитаны остальные. В нашем случае применена методика weekly cohort. Для этого мы распределили всех наших клиентов по когортам продолжительностью неделя по дате первого заказа, далее мы начали во всех наших транзакциях вычислять неделю с момента регистрации пользователя, в конечном счете при помощи расчета накопленным итогом нашей прибыли деленных на количество клиентов в когорте, мы построили такую визуализацию.

Методика расчета: Weekly Cohort

Еще один интересный метод, где применяется разделение всей базы пользователей на группы с периодом в неделю или год. LTV рассчитывается отдельно для каждого сегмента. Например, пользователи, которые скачали приложение 50 недель назад, записываются в отдельную группу. А те, кто скачал приложение 4 недели назад, — соответственно, в другую группу.

Формула здесь довольно простая. Для каждого недельного сегмента просчитываем величину: LTV = общий in-App Purchase доход + количество пользователей в сегменте, RUNNING_SUM( [ Прибыль ] / [ Кол-во клиентов в когорте ] )

Итак, у нас используется методика с недельными когортами, в данном случае мы посчитали наши когорты по первому заказу нашего покупателя, далее отобразили динамику в неделях с момента регистрации с детализацией как по когортам, так и общую, рыжая линия у нас отображает общую динамику LTV по неделям по всем когортам, вокруг нее есть множество синих линий, которые отображают динамику по конкретной когорте, соответственно здесь мы можем заметить, что некоторые линии у нас голубые, некоторые синие, и на самом деле при помощи цвета мы закодировали значение самой когорты, чем более она синяя — тем более недавние когорты отображаются на данном графике (если у нас последние когорты темно-синие, то самые первые — светло-голубые). И здесь мы уже можем заметить, что, например, LTV по нашим последним когортам сильно ниже, чем LTV по нашим самым первым когортам (все синие когорты ниже нашей рыжей линии по среднему LTV). Мы можем фильтровать как сами когорты, так и тот диапазон недель, которые отображаются в динамике нашего показателя LTV, при наведении на эту линию как на линию конкретной когорты, так и на общую линию по всем когортам мы можем наблюдать значения LTV на конкретную неделю, а также прирост по отношению к предыдущему периоду.

 

Получить консультацию по архитектуре аналитического бизнес-решения, оптимизации источников данных, построению сложных дашбордов от экспертов компании АНАЛИТИКА ПЛЮС

Получить консультацию

 

Заключение

Дашборд «Ключевые показатели интернет-магазина» — удобный интерактивный отчет для менеджеров и руководителей разных уровней. Современное аналитическое решение от компании АНАЛИТИКА ПЛЮС является достаточно удобным инструментом для анализа данных, сам процесс разработки не так сложен и его можно передать пользователям, не имеющим каких-то выдающихся навыков в области информационных технологий, то есть бизнес-пользователям.

Если вы хотите получить этот отчет «под ключ» или расширить его функционал или хотите получить совершенно другой отчет «под ключ» обращайтесь к нам за консультацией.

Данная статья подготовлена по проектам, созданным командой АНАЛИТИКА ПЛЮС.

АНАЛИТИКА ПЛЮС — ваш надежный партнер по аналитическим решениям с 2012 года. Мы работаем, чтобы вы достигали поставленных целей. Чтобы ваши данные работали, приносили пользу, помогали вам зарабатывать и принимать стратегически правильные решения. Для достижения этого мы предоставляем нашу экспертизу и самые перспективные ИТ-инструменты, гарантирующие быстрый и удобный процесс сбора, обработки и анализа данных, в том числе больших данных.

За это время мы разработали и внедрили решения для компаний из разных сфер бизнеса:

1) Производство, в том числе:

— Строительство и производство строительных материалов — КНАУФ Инсулейшн, Самолет Девелопмент и Эталон

— Пищевая промышленность — Сибирский Гурман и Балтика

— Производство кормов для животных — Альпинтех

— Сельхозпроизводство — АгроТерра

— Целлюлозно-бумажная промышленность — ИЛИМ

— Фарминдустрия — Материа Медика и др.

— Металлургия — РусАл и НорНикель

— Нефтедобыча и нефтепереработка — ЛУКОйл

2) Оптовые и розничные поставщики — NO ONE, ЭТМ, Daichi и др.

3) Аптечные сети — Монастырёв и Апрель

4) Российские представительства — Dyson, Lindt & Sprüngli AG , Vileda и др.

5) Рекламные агентства — РОССТ, Dentsu Aegis, Publicis, Медиа Инстинкт и др.

6) Телеком — МегаФон, Yota и Ростелеком

7) Логистика и транспорт — НефтеТрансСервис и Smartavia

8) Е-commerce — Авито, Яндекс (включая Яндекс.Еда, Яндекс. Лавка, Яндекс.Такси и Яндекс. Маркет, а также другие команды ГК Яндекс), ГК Мail.ru , ivi.ru , Профи.Ру, Рамблер, СберМегаМаркет, gifts.ru

Получить консультации по архитектуре аналитического бизнес-решения, оптимизации источников данных, построению сложных дашбордов можно на официальном сайте АНАЛИТИКА ПЛЮС.

Академия Аналитики — онлайн-образовательный проект, который создан командой АНАЛИТИКА ПЛЮС для того, чтобы компании быстро и успешно внедряли решения для анализа данных, а их сотрудники профессионально росли.

x

Этот сайт использует файлы cookies, чтобы облегчить вам пользование нашим веб-сайтом.

Продолжая использовать этот веб-сайт, вы даете согласие на использование файлов cookies.