ProjectUP
Bartek: Cześć.
Łukasz: Cześć.
Bartek: Dzięki za to, że przyszedłeś do mnie. Taki mam pomysł na dzisiaj, żebyśmy może najpierw porozmawiali chwilę o tobie. Jakie masz doświadczenie, potem o tym, w czym się specjalizujesz, czyli dlaczego analityka i dane w e-commerce są tak istotne, o wyzwaniach jakie się z tym wiążą, ogólnie ze zbieraniem danych, z mierzeniem i wyciąganiem wniosków, a na końcu jako wisienka na torcie – rozwiązanie wszystkich problemów. Tak więc dla naszych słuchaczy i oglądających: warto zostać do końca, jeżeli chcecie rozwiązać swoje problemy z danymi w e-commerce raz na zawsze.
Łukasz: Jasne, jak najbardziej się zgadzam na taki układ.
Bartek: Super. To jakbyś się mógł przedstawić naszym właśnie słuchaczom, co robiłeś, jakie masz doświadczenie?
Łukasz: Okej, witajcie. Łukasz Wołkowicz z tej strony. Jestem współtwórcą DataOrganizer.io (bądź też DataOrganizer, jak kto woli). Narzędzia, które łączy dane kosztowe, przychodowe, sprzedażowe z różnych źródeł dla e-commerce i robi to bardzo szybko, i dostarcza wiedzę dla właścicieli, dla menedżerów e-commerce dzięki asystentowi AI. Mogę nieskromnie powiedzieć, że to jest pierwsze rozwiązanie na świecie tak naprawdę, które w ten sposób pozwala właścicielom i osobom odpowiedzialnym za rozwój e-commerce’u dobrać się, kolokwialnie mówiąc, do danych i pracować z nimi bardzo szybko.
Bartek: Okej. Ale też masz ciekawą historię osobistą, nie, jeżeli chodzi o doświadczenie z e-commercami?
Łukasz: Tak. Tak. No mogę tak powiedzieć prześmiewczo trochę, że jak w McDonaldzie przeszedłem tą całą karierę – zaczynając w magazynie od pakowania paczek dla dystrybutora maszyn do szycia i hafciarek w Poznaniu. No i od tego obowiązku pakowania paczek, chcąc powiedzmy polepszać cały rozwój tego e-commerce’u, najpierw układając procesy w magazynie, potem idąc do sprzedaży, potem idąc na salę sprzedaży, gdzie ma się kontakt z klientem… No i tak od kroku do kroku, aż wywindowałem do tego miejsca, powiedzmy, gdzie zająłem się analityką. Oczywiście przez jeszcze reklamy, tworzenie filmów i tak dalej, i tak dalej. Karty produktowe, SEO, UX stron… Tak naprawdę wydaje mi się, że przeszedłem wszystko co się tylko dało na przestrzeni powiedzmy 15-18 lat w tym temacie.
Bartek: Okej. A czemu mówisz, że analityka jest na szczycie?
Łukasz: Ponieważ tak naprawdę wiem i wierzę w to, że w dzisiejszych też czasach e-commerce’u, co jeszcze bardziej wybrzmiewa, to dane są istotne do tego, żeby widzieć co jeszcze można poprawić i jak można poprawić. I nie tylko te dane z perspektywy: „a tu mam dane z Google Analytics, a tu mam dane sprzedażowe, a tu mam dane w ERP-ie, a tu jeszcze dane w Allegro”. Nie no, to jest jeszcze za mało, mimo tego, że to już jest jakieś mięso dla biznesu. Ale zespolenie tego wszystkiego, taka demokratyzacja tych danych też w zespole wśród członków e-commerce’u jako firmy, daje dopiero podstawę do tego, żeby jeszcze lepiej ten e-commerce poprowadzić, nie?
Oczywiście są pewne obszary, jak dane związane z użytkownikami, gdzie jeszcze jest narzucona taka zasmażka w ostatnim czasie w postaci RODO, w postaci ciasteczek, które nam trochę wiąże ręce, ale z zewnątrz to pięknie wygląda. No ale w ten sposób tak naprawdę możemy sobie rozróżnić te dane związane z użytkownikami, dane związane z biznesem stricte – czyli tam gdzie są pieniądze – i te dane związane z ruchem użytkowników na stronie. I w ten sposób, jeżeli zespolimy wszystko razem, no to daje nam tą synergię i tam jest ten klucz dla biznesu – dane.
Bo z mojej perspektywy rozmawiam z wieloma właścicielami e-commerce’ów. Wszyscy mówią, że dane są ważne, że analizowanie jest ważne. I nikt tego nie robi. Mało kto to robi, mało kogo mentalnie też na to stać, bo jest wiele procesów innych w firmie, które są procesami namacalnymi, procesami, które można chwycić, dokumentami, które można chwycić, nawet taśmą pakową, którą można chwycić albo podać rękę klientowi. A jeżeli chodzi o dane, no to tutaj musimy tak naprawdę zejść do poziomu często dzisiaj – no bo już nie posługujemy się tak papierem w codzienności – do tego, żeby usiąść przed tym monitorem i przewertować czasem sterty tych danych, żeby wyciągnąć jakiś wniosek.
No i tutaj też się pojawiają rozwiązania, które pozwalają nam dzisiaj na to, żeby na pstryknięcie właściwie palca znaleźć odpowiedź w tych informacjach, w tych danych, nie? I nie każdy wie nawet jak się do tego zabrać. Co więcej, jest też tak, że nawet nie wiedzą jak zadać pytanie, jak w głowie sobie zadać pytanie: „o co ja mam zapytać i co ja chcę osiągnąć?”. Nawet narzędzi i systemów, które opracowują te dane jest masa, ale nawet nie są w stanie niektórzy, bo nie mają doświadczenia po prostu ku temu, żeby chwycić sobie namacalnie tą jakąś swoją bazę danych, gdzieś ją wrzucić i zaprezentować. Nie wiedzą jak posegregować te dane, jak je zaprezentować. I to jest może też ten próg wejścia, który jest dla wielu za wysoki, żeby w ogóle rozpocząć jakąkolwiek przygodę z danymi.
Bartek: Okej, to zaraz przejdziemy do narzędzi. Jeszcze ja się podzielę jednym tematem. Jak rozpoczynaliśmy naszą przygodę w promowaniu e-commerce wiele lat temu, to byłem przekonany, że właściciele tych e-commerce będą super ekspertami od marketingu. No bo w e-commercie jakby bez marketingu czy bez reklam nie ma to racji bytu, więc spodziewałem się, że to będą super eksperci i nawet mieliśmy tam te wiele, wiele lat temu trochę taką nieśmiałość, że no jak my mamy tutaj rozmawiać z takimi ludźmi, nie? No i okazuje się, że tak nie jest. Że właściciele e-commerce’ów często to są firmy handlowe, czyli trzeba tanio kupić, drogo sprzedać i oni się często znają na tym jaki towar albo skąd go kupić, jak go przetransportować – czyli na logistyce – ale na tej warstwie marketingowo-sprzedażowej w ogóle się nie znają.
Łukasz: Dla mnie to szokujące. Znaczy do dzisiaj dla mnie jest to szokujące, nie? Bo jakby, no to jest core ich biznesu – sprzedaż. A wielu z nich no nie ma o tym pojęcia, nie ma doświadczenia. Dzisiaj już jest trochę lepiej, bo się edukują na przykład w taki sposób, że oglądają ten kanał, ale dalej poziom wiedzy jest bardzo niski.
Bartek: To jest dla mnie szokujące. Powiedziałeś o tym, że nie wiedzą jak się zabrać do analizy danych. W sumie ja też nie wiem. Jakbym był takim przykładowym właścicielem e-commerce’u, załóżmy, że sprzedaję butelki na wodę, to co ja powinienem zrobić?
Łukasz: Coś, co właściwie jest takim hasłem niesionym na wielu językach e-commerce’u, czyli Google Analytics jako podstawa.
Bartek: Jak się do tego zabrać w ogóle?
Łukasz: Dzisiaj większość systemów sklepów e-commerce, takich jak powiedzmy WooCommerce, nie wiem, Shoper, IdoSell, jakby z dobrodziejstwem inwentarza daje już powiedzmy wtyczkę czy daje już system, który nam pozwala wpiąć kody Google Analyticsa i żeby to po prostu zaczęło działać.
Bartek: No i wydaje się, że to jest łatwe, proste, przyjemne. Jedno kliknięcie, integracja z GA4 i…
Łukasz: Dokładnie tak. No ale jak zawsze jest takie hasło „to zależy” i diabeł tkwi w szczegółach. No i potem właśnie jak już się połączy te dane, już nie wchodząc w szczegóły jak jest to w miarę proste, pojawiają się babole. Czyli na przykład nie wszystkie zamówienia wpadają do tego Analyticsa, mówię z perspektywy właściciela sklepu.
Bartek: Tak jest.
Łukasz: No i teraz dalej jestem tym właścicielem. No ja dzisiaj widzę, że się sprzedało, powiedzmy, abstrahując, 10 produktów, mamy 10 zamówień, no ale w Analyticsie widzę siedem, nie? Dlaczego ja widzę tylko siedem? Czy ja dobrze to widzę? No i tutaj wchodzi ten pierwszy taki, no totalnie minimalny poziom. No mówię z perspektywy analityka czy tam agencji: „No drogi kliencie, tak, no tak zawsze będzie dzisiaj, ponieważ nie wszystkie zamówienia trafiają do tego Analyticsa”.
Bartek: Powiedzmy jeszcze dlaczego.
Łukasz: Dokładnie tak. No i ten taki poziom podstawowy, dlaczego nie trafiają? No bo dzisiaj już z perspektywy tych 15 lat ten świat się totalnie zmienił, jeżeli chodzi o tą analitykę. No i dzisiaj mamy chociażby ciasteczka, wyrażanie zgody na ciasteczka, jakieś modelowanie behawioralne, które może się pojawić w Google Analyticsie, jeżeli mamy duży zbiór tych danych. Jeżeli użytkownik nie wyrazi zgody na te ciastka, no to jakiś tam rekord wpadnie do Analyticsa, ale już o sprzedaży nie bardzo. Tak? Powiedzmy, użytkownik gdzieś tam się pojawił na stronie, jest sobie jako ciasteczko, wisi jako tam client ID czy też user ID. No ale nie każdy, kto wyrazi zgodę, trafi do Analyticsa. Więc już się pojawia ten pierwszy poziom rozbieżności.
No i taki właściciel e-commerce’u mówi: „A ten Google Analytics jest taki śmaki i owaki, no bo on nie zbiera mi wszystkiego, no ale no zbiera to, co może zebrać, czyli zbiera maksimum na tym poziomie”. Tak? Taki mamy świat dzisiaj.
Bartek: Tak, taki mamy ten świat.
Łukasz: No ale biznes no nie porusza się statystyką, tylko tym, co się pojawia na koniec miesiąca czy tam 10-tego. No liczy się ile zostało sprzedane, ile było tych zamówień, ile zwrotów i tak dalej. Google Analytics niestety tego nie pokaże, ale jest tak naprawdę podstawą do tego, żeby działał cały świat marketingu. Bo system sklepu może – ale to się bardzo rzadko zdarza – nie mieć danych o tak zwanych UTM-ach. Czyli nie mamy informacji skąd ten klient, czy ten użytkownik w ogóle trafił na stronę, nie mamy ścieżki użytkownika w systemie sklepu. Więc Google Analytics – no całujmy go po rękach, że jest taki jaki jest, ale jest. Mając te dane statystyczne pozwala nam na statystyce działać i podejmować decyzje w oparciu o to, co się zadziało w Analyticsie.
Bartek: Możemy jakieś przykłady właśnie takich decyzji?
Łukasz: Mógłbyś rozwinąć jeszcze bardziej pytanie o jakie?
Bartek: Jasne. Nie no bo, podłączyliśmy tego Analyticsa. Zgromadzą nam się dane, no i widzimy milion różnych cyfr. I teraz chcielibyśmy coś z nich wyciągnąć, nie? I teraz od czego powinniśmy zacząć albo od czego ty byś zaczął analizowanie tych danych?
Łukasz: Najprostsza rzecz, rzecz do której maksymalnie dużo biznesów sięga – czyli lejek sprzedażowy. Prosta rzecz tak naprawdę, czyli spojrzenie na to ile użytkowników statystycznie jako zbiory zanonimizowane, czyli nie mówimy o tym, że to jest konkretnie, nie wiem Adam Nowak czy Jan Kowalski, tylko mówimy sobie, że jest jakaś grupa, która weszła na stronę, jest to powiedzmy nie wiem 100 osób, potem była na karcie kategorii, to jest powiedzmy, nie wiem, 80 osób, była na karcie produktu i tutaj powiedzmy mamy nie wiem 120 osób nagle, bo analityka też może się zmieniać w danych momentach. Czyli na stronie głównej albo na pageview było mniej, a potem już na karcie produktu jakimś cudem było więcej.
No to o tym też może zaraz, no bo jeżeli działają reklamy i kierują bezpośrednio na kartę produktu, to zazwyczaj będzie więcej. Czyli ten lejek też może nie być taki zbudowany stricte jak piramida, że równo jest na każdym kroku, tylko rzeczywiście ma jeszcze jakieś tam wyrwy i powstaje taka piramida powiedzmy schodkowa, bardziej taka gdzieś tam elementy te są klockowe.
No i mając ten lejek, jak już dojdzie sobie do tej karty produktu, no to ile dodało do koszyka, ile potem było na procesie już płatności i ile z tego kupiło. Tak, może też być tak, że na procesie płatności też będzie więcej niż osób, które dodało do koszyka. No bo jeżeli mamy chociażby nie wiem jakiś remarketing zbudowany, który może prowadzić też do koszyka, marketing automation, który ma link, który prowadzi: „ej drogi kliencie, zostawiłeś coś w koszyku”, no to trafi do tego koszyka z powrotem jako link, więc tego kroku też może być więcej.
No i taki właściciel tego e-commerce’u, żeby go wyedukować, jeżeli nie ma tej wiedzy i nie ma też takiego samozacięcia, żeby wywnioskować skąd co jest, no to może powiedzieć: „A to to są dane do niczego, to ja już dalej tego nie będę analizował”. No bo to się nie spina w żaden sposób. No a jest też jakby druga strona medalu – agencji czy też jakiegoś ewangelizatora Google Analytics, który mu wytłumaczy, dlaczego dany krok wygląda tak, a nie inaczej. No i powiedzmy, co z tym można zrobić, bo zapytałeś jakie decyzje można podejmować. To jest istotne.
Bartek: Dokładnie.
Łukasz: Jeżeli powiedzmy mamy te dane z perspektywy jakiegoś okresu, niech to będzie tydzień, tak? I możemy te dane porównać z tygodniem wcześniej. I nagle widzimy, że na kroku dodania do koszyka tydzień do tygodnia jest spadek tych zdarzeń, tych czynności o powiedzmy 20%. To z czegoś to musi wynikać, nie? To jest taki no bardzo podstawowy przykład.
Bartek: O takie przykłady mi chodzi.
Łukasz: Bardzo podstawowy przykład, który nam obrazuje, że musimy się pochylić trochę nad tymi danymi. Tu też nie ma złotej jakiejś, nie wiem, rady jak podejść do takich informacji, do takich danych. Trzeba zacząć grzebać i szukać dalej. Tak jak nie wiem, pies szukający trufli, tak? Gdzieś musi się rozejrzeć, gdzie znaleźć ten złoty skarb.
Tak, no może się okazać, że była jakaś zmiana, która została dokonana ogólnie, globalnie na karcie produktowej. I tu też taki wyświechtany przykład, ale on jest chyba najprostszy, najlepszy. Zmienił się kolor batona „dodaj do koszyka”. I to może być chociażby taka podstawowa zmiana, albo może być zmiana bardzo wysoko idąca, typu dla niektórych użytkowników tak zmienił się kod strony, że oni po prostu nie są w stanie nacisnąć tego przycisku. Abstrahując, nie?
Bartek: No różne rzeczy mogą być. Takie przykłady, które widziałem: nie działa wtyczka do paczkomatów na przykład, nie? I jakby było szary checkout, nie? Można było wybrać paczkomaty, klienci odpadali, koniec. No bo była aktualizacja WooCommerce’a. Ktoś nie zaktualizował sobie wtyczki do integracji z InPostem i przez tydzień nie można było zrobić, nie? My robiliśmy audyt tego e-commerce’u i patrzymy no właśnie na podstawie danych: coś tu nie gra, coś tu nie gra. Zainstalowaliśmy tam Clarity, obejrzeliśmy nagrania. Aha, dobra. Wysypuje się. Gdzie ona się wysypywała? Jakoś tak śmiesznie było, że na Androidzie działała, na iOSie nie działała. Na desktopie też działała. No i klient, który weryfikował – i wszystko działa. Ale patrząc, że to się działo tylko dla użytkowników na iOSie, no to było łatwo zdiagnozować problem. Zaktualizowaliśmy to wszystko u klienta, no i wróciło to do normy.
Łukasz: Druga strona medalu, bo też sobie tak o tym pomyślałem, gdzie można znaleźć pozytywną jakby chęć szukania w danych w analityce. Nagle na tym samym kroku dodania do koszyka na przykład, mamy tydzień do tygodnia wzrost 50%. No i co się od razu nasuwa? Ej, gdzieś jest pewnie błąd, coś zrobiliśmy, że ten event się dwa razy, trzy razy wyświetla. To może być jedna rzecz. A druga, która może być pozytywna – no tak zmieniliśmy sobie kod strony, że produkt można dodawać teraz ze strony kategorii do koszyka na przykład.
Bartek: I może być to niewspółmierne, bo nagle wyświetleń produktów jako zdarzenia mamy tyle samo…
Łukasz: Tydzień do tygodnia, ale dodań do koszyka mamy więcej, nie? Ale jak ktoś nie zerknie, nie zejdzie tak do tego poziomu szukania tych informacji, bo no umówmy się, nie zawsze właściciel e-commerce ma tak szeroką wiedzę, co na dany czas się zmienia w strukturze chociażby kodu. Gdzieś to leży, powiedzmy sobie, zależy w jakiej metodologii sobie działają takie e-commercey. Czy to jest e-commerce, mówiąc garażowy, czy już taki, który sobie powiedzmy działa, nie wiem, w Agile’u, w jakimś Scrumie i sobie iteruje rozwój tego sklepu. No i jeżeli jest powiedzmy gdzieś tam zakolejkowany, że będzie zmiana kodu i będzie zmiana właśnie dodania tego batonu na kartę kategorii, no to można wtedy sobie te dane analizować pozytywnie, nie? Czy był taki wzrost.
Ale mogą być jeszcze wracając do początku, gdzie mówiłem o tych UTM-ach i tym, że te dane nie siedzą w systemie sklepowym i tym co mówiliśmy, że pierwszym krokiem jest zbieranie tych danych w Google Analytics, no to potem też trzeba, bo mówimy sobie o zdarzeniach, ale możemy też sobie mówić o tym, żeby poukładać w ogóle te dane, czy one dobrze są zbierane. Chociażby już o samym Analyticsie i czy jest tak, czy te dane kampanijne dobrze nam spływają.
Coś, co jest takim no wyświechtanym też błędem każdego, kto zaczyna w ogóle przygodę z e-commercem, to jest to, że nie znajduje, nie wskazuje bramek płatnościowych w Google Analyticsie. Nie wskazuje adresów tych bramek, przez co traci tą informację atrybucji, skąd ten klient zakupił produkt. No i ma na przykład, że kupił z PKO czy tam z innej bramki płatnościowej.
No i to są takie rzeczy, które rzeczywiście na początku ktoś, kto jest wprawny, ktoś kto już ma powiedzmy utarte szlaki z Google Analyticsem jest w stanie wskazać, zobaczyć tak naprawdę w pół minuty czy tak jest, czy nie jest i może: „a jest dobrze, lecę dalej”. Nie trzeba wtedy oczywiście te adresy tych bramek płatnościowych wykluczyć. No i czyścimy sobie tą informację o atrybucji, nie?
No jak jesteśmy już przy atrybucji, no to tutaj też w Google Analyticsie możemy sobie spojrzeć w ogóle czym jest atrybucja. Bo nie każdy kto nas słucha dzisiaj może o tym wiedzieć. Czyli mówimy o tym, jeżeli sobie założymy, że naszym celem jest sprzedaż, zdarzenie sprzedaży, tak, czy z drugiej strony zakupu – cel – to możemy sobie powiedzieć, że atrybucja będzie wskazaniem tego, skąd, jakim działaniem użytkownik trafił do nas do sklepu i kupił finalnie.
Natomiast, żeby to nie było tak, tak łatwo nie brzmiało, to jak mamy taką ścieżkę pod tytułem: użytkownik zobaczył reklamę albo wpisał coś w Google, wszedł na stronę, wyszedł, zobaczył reklamę remarketingową w Mecie, scrollował na Facebooku, kliknął w nią, dokonał dopiero zakupu – to atrybucja typu last click powie, że sprzedał Facebook. Atrybucja typu first click powie, że sprzedał Google. A prawda jest taka, że to gdzieś po środku.
Bartek: Tak. I tutaj też od kilku lat, kiedy się pojawił Analytics 4, daje nam bardzo okrojoną wersję informacyjną, bo nam mówi tylko o konwersjach, które sobie zaznaczymy jako konwersja w panelu Google Analyticsa.
Łukasz: No i ci co zajmują się e-commercem zaznaczają, że konwersją jest sprzedaż. Ktoś kto ma usługi to zaznaczy sobie jakiegoś leada i tak dalej, i tak dalej. Uzupełnienie formularza. Ale trzymając się tego e-commerce’u, jeżeli zaznaczę sobie, że tą konwersją jest sprzedaż, to w tych danych atrybucyjnych, o atrybucji opartej o dane, Analytics stara się być sprawiedliwy i to mówię z takim przymrużeniem oka, bo to jest takie staranie, ale no wszyscy w branży powiedzmy mówią, że no jednak i tak Google Ads jest faworyzowany.
Bartek: Jakby nie patrzeć, no jedna firma robi i Google żyje jeszcze z adsów.
Łukasz: Nie wiadomo z czego będzie jeszcze taka dygresja na dniach, tygodniach się rozegrał temat… Można sobie podłączać do Analyticsa koszty z innych platform, w tym przypadku też chociażby z Mety, ale to też trzeba być bardzo dokładnym w zaznaczaniu UTM-ów w panelu reklamowym Meta, ale to może na inny temat gdzieś kiedyś.
No i wracając, i ta atrybucja oparta o dane pozwala nam, tak jak wspomniałeś, że użytkownik zobaczy jedną, drugą reklamę z różnych systemów, a nawet może zobaczyć z jednego systemu, ale z różnych kampanii, gdzie mamy te UTM-y. Żeby być trochę bardziej szczegółowym, ale powiem: mamy UTM źródło, medium i kampania. To są jakby takie trzy parametry, które pozwalają nam w sumie jako zbite jako trzy elementy – tak powiedzmy imię i nazwisko u każdego z nas. No to mamy źródło, medium i kampanię i te trzy elementy są wspólne. Powiedzieć skąd ten użytkownik rzeczywiście kupił.
Czyli mamy te parametry UTM i jeżeli w tej atrybucji opartej o dane mamy użytkownika, który widział jedną kampanię – czyli jeden tych zestaw trzech UTM-ów – i drugi zestaw trzech UTM-ów, to potrafi rozbić to na połowie jedną konwersję. I w tym modelu atrybucji, który jest w standardzie dzisiaj w Google Analytics 4, a kiedyś w Universalu go w ogóle nie było, pozwala nam bardziej dokładnie, o ile tak mogę powiedzieć, wskazać skąd ta sprzedaż nastąpiła.
Bartek: No bo jaka była ścieżka w ogóle użytkownika, czyli na które komunikaty reklamowe reagował w ogóle.
Łukasz: Tak. Tak. No mamy w Analyticsie tą całą dodatkową jeszcze zakładkę, gdzie rzeczywiście jest taki fajny wykresik pokazujący co było na początku, co jest pośrodku, co jest na końcu i zależnie od tego, który z tych elementów sobie zaznaczymy, to inaczej nam przekaże też informacje o tych UTM-ach w tym miejscu.
No i tu już mamy Google Analyticsa. Kolejny worek, no to są te dane kampanijne z systemów reklamowych, czyli z Google Adsa i z Meta Ads. No i tutaj już się pojawiło coś, co tak naprawdę napędziło mnie, nas do działania, mówię z perspektywy Data Organizera, do tego, żeby trochę ewangelizować, trochę demokratyzować te dane. Bo kiedyś działaliśmy sobie w tym zespole, w którym pracujemy dzisiaj sobie na co dzień usługowo i działaliśmy na narzędziach klasy BI, czyli takich, które nam pozwalają prezentować dane, żeby pokazywać klientom dane właśnie z działań reklamowych. Co się klika, ile jest wyświetleń, jaki jest CTR i tak dalej, i tak dalej, jaka jest sprzedaż, jakie są konwersje.
No i coś co się działo na styku – my byliśmy powiedzmy pośrodku, tak? Po jednej stronie jest klient, po drugiej stronie jest agencja, a my byliśmy tym takim tłumaczem trochę, nie? Jak jest ten serial ostatnio był na Netflixie „1670”, tak? I nagle się pojawił Andrzej, który musiał być tłumaczem tureckim.
Bartek: Tak, tak.
Łukasz: To my musimy być trochę takim tłumaczem, ale bardziej kompetentnym niż Andrzej, nie? Bo tak, bo biznes pokazywał swoje dane z systemu sklepu i mówi: „Ej, my mamy tyle zamówień”. Agencja mówi… A jeszcze gorzej jak jeden klient, jedna firma ma kilka agencji, nie? To już jest w ogóle dramat. Tak, bo część robi powiedzmy Metę, część robi Adsa, część robi jeszcze TikToka, albo jeszcze marketing automation, organik.
Bartek: No a też taka moja rada drodzy słuchacze, jak macie możliwość, macie czas i budżet, żeby mieć jedno miejsce od wszystkiego, bo to rzeczywiście potem ułatwia i skraca czas do wszystkiego. Jest po prostu prościej.
Łukasz: Jeżeli mogę zrobić dygresję, z mojego doświadczenia to jest zdecydowanie najlepszy model, bo wiadomo kogo winić albo nagradzać.
Bartek: Aha. A jeżeli są różne agencje… Mieliśmy taki case. My robiliśmy Metę, jakaś inna agencja robiła Google Adsy i my mówimy: „Słuchajcie, remarketing w ogóle nie działa, co jest niemożliwe, żeby remarketing nie działał, więc coś jest nie tak z tym ruchem z Google’a, który my remarketujemy”. A oni mówią: „Nie, wy coś źle robicie”. Mówię: „No słuchajcie, robimy tych e-commerce’ów dużo, widzimy, że ten ruch po prostu, który wy generujecie, a my remarketujemy, on nie działa. On nie konwertuje. Coś musi być nie tak. Chętnie wam z tym pomożemy. Pokażcie nam konta reklamowe albo zróbmy calla, to wspólnie się zastanowimy, co poprawić, żeby ten cały lejek działał lepiej”.
„Nie pokażemy, wy źle robicie”. No i klient dzwoni do mnie i mówi: „Panie Bartku, ja to panu ufam, wierzę, bo z wami to się jakoś normalnie rozmawia. No ale to są znajomi prezesa, tamta agencja od Google’a”. Klasyk. „Ja nic z tym nie mogę zrobić, nie? Jak pan mi może pomóc?”. Jak ja mogę pomóc? No muszę mieć dostęp tego konta. Albo przejąć, albo zróbmy drugie konto, puśćmy ruch. No nie wiem.
No koniec końców skończyło się tak, że przejęliśmy całość. Oni oczywiście generowali ruch z jakichś reklam displayowych, bardzo duży, bardzo tani, ale zupełnie nie do grupy docelowej, to nie miało szansy konwertować. No i jak zrobiliśmy tam odpowiednie kampanie, to zaczęło wszystko działać. Ale klient przez 2 lata… 2 lata się z nimi biliśmy o to. 2 lata. Przez 2 lata miał beznadziejny ruch z Google’a, miał przez to słabszą sprzedaż, słabszy remarketing i nie wiedział co ma zrobić. Jak ma jedną agencję, która jest odpowiedzialna za performance, za marketing automation, SEO czy nawet takie rzeczy UX-owe, to wiadomo kogo winić albo kogo nagradzać, nie? Moim zdaniem jest najlepszy model.
Łukasz: I czasem też jeżeli mogę tak powiedzieć, bo też takie doświadczenia mam, że jedna agencja podbierała tak naprawdę raportowo ruch drugiej. I to zazwyczaj się rozgrywało na tematach brandowych, kampanie brandowe po prostu, żeby wszystko pod brand podciągnąć.
Bartek: Tak i potem: „No przecież jest sprzedaż, jest sprzedaż”. Ale finalnie powiedzmy ta sprzedaż netto no utrzymywała się na tym samym poziomie, tylko się przepychali jedni z drugim.
Łukasz: Ale wracając do tego przykładu, o którym mówiłem. Będąc pośrodku jako ten usługodawca tego, powiedzmy tutaj pokazywania tych wszystkich danych, było tak, że i biznes, czyli e-commerce i agencje musiały tłumaczyć sobie, że ej, te dane są dobre, nie?
Bartek: Bo jedna strona miała rację i druga strona miała rację, ale nie było tego mianownika wspólnego tłumaczenia tego.
Łukasz: I my będąc tym ewangelizatorem w tych raportach zbijaliśmy się jeszcze przed tłumaczeniem: „Ej, wy źle dane pokazujecie, nie? Ja mam tyle”. „A ja mam tyle, nie?”. No ty masz tyle, ty masz tyle, bo tak to po prostu działa, nie? Czyli no system sklepu zbiera wszystko łącznie z tym, że na bieżąco aktualizuje statusy zamówień.
I tu na chwilę jeszcze wracając do Google Analyticsa. Większość implementacji Google Analyticsa wstecznie – nie mówię wstecznie, czyli jeżeli powiedzmy dzisiaj mamy powiedzmy nie wiem niedzielę, tak? A była sprzedaż w poniedziałek, to w niedzielę nie zostanie zaktualizowany w Analyticsie status zamówienia z poniedziałku. Jeżeli użytkownik po drodze wykonał te wszystkie czynności, czyli wyraził zgodę, zgodził się, że będzie śledzony, że to jego zamówienie wpadnie do Analyticsa… Ale mimo wszystko, no na palcach może jednej ręki jestem w stanie policzyć firmy e-commerce, które rzeczywiście wstecznie do Analyticsa uaktualniają status zamówienia.
Czyli mamy dwie historie, tak? Czyli biznes, który ma na bieżąco informacje o tym, ile się sprzedało, ile jest zamówień. A z drugiej strony mamy agencje, które w większości bazują tylko na danych z Analyticsa, statystycznych, gdzie mamy dane o nie wszystkich zamówieniach z niewiadomym statusem tych zamówień. Są to zamówienia brutto, nie netto. W tych zamówieniach są dodatkowo jeszcze często koszty dostawy i jeszcze się zdarza tak, że – i zaraz przejdziemy sobie do atrybucji, bo mamy kilka atrybucji. Mamy atrybucję powiedzmy zamówień, atrybucję produktów i tą atrybucję opartą o dane. Jest jeszcze tak, że nie każdy e-commerce – to też wiele zależy od implementacji – dane atrybucyjne o produktach ma niezaktualizowane o rabaty. Czyli ogólną sumę zamówienia wysyłają zrabatowaną, ilość produktów wysyłają zrabatowaną.
Bartek: Tak, bo może być tak, że powiedzmy, mówię zrabatowaną z gratisem na przykład, że dostajesz trzy produkty, tak? Ale tak naprawdę dostałeś trzy… Znaczy dostałeś trzy, tak? A dwa zostały sprzedane, a jeden jest gratisowo. No i w tej atrybucji produktowej są nagle dane o trzech produktach z innymi cenami regularnymi. To się kompletnie nie zgadza – liczba produktów, nie zgadza się wartość zamówienia.
Łukasz: Tak. No ale taka jest rzeczywistość i w niej muszą się agencje poruszać. Znaczy to też nie muszą do końca, bo mają powiedzmy nas z tym Data Organizerem, ale o tym może zaraz. Mając te dane statystyczne z Analyticsa, muszą się w tej rzeczywistości poruszać, bo innych danych po prostu nie ma do tego, żeby automatycznie te systemy też się mogły uczyć, mogły się rozwijać, mogły podejmować decyzji w oparciu o te dane takie jakie one są. No i mając te dane z tych wszystkich worków, no musimy te dane po prostu tak posklejać, żeby nabrały wspólnego mianownika i też ewangelizować. I dane ze sklepu są dobre, i dane z Analyticsa są dobre, takie jakie są. Najlepsze jakie mogą być.
Bartek: Tak, najlepsze jakie mogą być.
Łukasz: I przy tych danych systemów reklamowych, Meta Ads, Google Ads – nawet jak jest już jedna agencja – to nie możemy sobie zebrać do kupy tego, co mamy w Google Ads i w Meta Ads i pokazać, że to jest suma zamówień. I nie możemy pokazać, że to jest taka ilość zamówień, która jest jakby sumą jednego i drugiego, bo to tak już wspomniałeś – i co jest nam znane – może być tak, że jedna sprzedaż, która widnieje w Analyticsie jako jedna, a może w ogóle w Analyticsie jej nawet nie ma. Powiedzmy tak, to w Mecie i w Google Ads widnieje tu jedna i tu jedna, tak? A w systemie sklepu w ogóle jej na przykład nie ma, tak? Bo jeszcze w systemie sklepu w międzyczasie w ogóle zmienił się jej status zamówienia, jest anulowana w ogóle, nie?
Więc każda z tych perspektyw jest dobra, bo jest najlepsza, jaka może być i trzeba po prostu przyjąć to na klatę, że takie te dane są i tak je po prostu raportować, nie? Bo innej sytuacji nie ma, innej możliwości. No i tutaj wchodzimy trochę my cali na biało i mówimy: „No takie macie dane, takie one są, tak trzeba je przyjąć, ale nie możemy powiedzieć, że dane ze sklepu są lepsze, dane z Meta są lepsze czy z czegoś są lepsze, jak są już wyprasowane, poukładane i wiadomo, że każde są dobre, nie?”.
Bartek: Czy de facto, bo ja dyskusję często prowadzę, dla mnie zawsze dane ze sklepu są najlepsze, no bo tam de facto jest prawda, tak? Co się sprzedało, za ile, co zostało zrealizowane, co zostało ewentualnie anulowane, ale nie mamy całej ścieżki. Nie ma roboty dla SEOCA, nie ma roboty dla… no tak wiadomo, nie mówię tutaj danych sprzedażowych.
Bo mamy taki model rozliczeń z klientem success fee, gdzie się rozliczamy faktycznie od wygenerowanego przychodu. No i mamy dyskusję pod tytułem skąd będziecie ten przychód brali. I to jest tak, no mówię, najlepsze dane są w sklepie, no bo tam mamy rzeczywistą sprzedaż. Więc jeżeli jesteśmy odpowiedzialni całościowo za marketing, czyli za performance, SEO, marketing automation, to możemy brać dane ze sklepu i rozliczać się z danych ze sklepu, bo tam jest ta rzeczywista sprzedaż. Już nie wchodzimy w zwroty. Mówimy zwroty to już jest wasz problem. To jest kwestia produktu, bo to już byłoby zbyt skomplikowane. Patrzymy na to, co się sprzedało.
No natomiast część klientów mówi: „Okej, super, tylko że my chcemy z wami robić tylko Google Adsy, nie? Bo Metę robimy sami, mamy wewnętrznego eksperta, jesteśmy z tego zadowoleni, albo freelancera, albo agencję, albo coś tam. Marketing automation to w ogóle nie chcemy tykać, bo na przykład sprzedajemy kanapy i nam to niepotrzebne. Ale tego golasa to byśmy wam oddali”. Mówię: „No to super, no to mamy opcję B, rozliczamy się z danych z panelu reklamowego albo z Analyticsa”. No mówi: „No tak, no ale tam przecież będzie taka sytuacja, że czasami niektóre konwersje mogą się liczyć podwójnie”. No będzie, ale też będzie taka, że niektóre się w ogóle nie zliczą albo, że zamówienie właśnie zostanie w Analyticsie przyjęte, ale później zostanie anulowane. No będzie. No i niestety musimy z tym dealować, z tym żyjemy. To jest pewne ryzyko. Dalej uważam, że model rozliczenia success fee dla klienta jest lepszy niż po prostu stała opłata. Nieważne jakie wyniki osiąga agencja.
Tutaj mi się przypomina taki temat. Czasami się zdarza, że klienci mają afiliację chociażby Trade Trackera. No i tam rzeczywiście płacą jakby prowizję od sprzedaży. No i na koniec miesiąca, zazwyczaj tak to wyglądało jeszcze w modelu usługowym, jak działaliśmy, że Trade Tracker wystawiał plik z zamówieniami, które były przypisane do niego. No ale na koniec jeszcze klient dostawał tą ten przywilej, tą możliwość, żeby zwalidować tą listę zamówień i taki powiedzmy dżentelmeński trochę układ, nie? Bo to nieuchwytne tak naprawdę, trzeba sobie zaufać. I klient dostawał tą listę i mówi, a powiedzmy, nie wiem, 90% z tych zamówień było zrealizowane, ale tutaj mamy anulację, anulację, anulację. No to my tylko dajemy zielone światło, żeby prowizję ściągnąć tylko z tych 90%, nie?
I tu jeszcze następuje ten dodatkowy element, że jeszcze powiedzmy będąc takim pro-klienckim, taka firma jak Trade Tracker powiedzmy mówi: „Okej, no to my się zgadzamy na to, że wy jeszcze sobie po wszystkim zwalidujecie po statusach zamówień”. Mimo tego, że Trade Tracker działa tak jak Google Analytics, jak i inne narzędzia na tym samym jakby poziomie i statusie dostępności do danych, bo no porusza się w tych samych przeglądarkach, tak samo, tak? Czyli te UTM-y tak samo jakby zbiera, no i może zebrać tylko tyle ile może, ale tej informacji o statusach po prostu nie ma, nie? Tak to wygląda.
Bartek: Ja miałem taką sytuację z jednym z klientów, ale akurat Criteo, jeżeli chodzi o sieci afiliacyjne, że przypisywali sobie gigantyczną liczbę zamówień i jak zaczęliśmy to weryfikować, raz, że statusy to oczywiście, ale jak no masz jakiś model atrybucji, nie? Robisz last click, no to i przypisujesz sobie wszystkie zamówienia z last clicka, no to siłą rzeczy ta cała reszta marketingu, która jest realizowana nie dostaje swojej porcji. Ktoś bierze, spija śmietankę tylko, nie? I my tam wywalczyliśmy dla klienta kilkadziesiąt tysięcy złotych, no bo tam faktury za parę miesięcy analizowaliśmy, gdzie faktycznie się Criteo zgodziło, że to nie powinno być, nie powinna być ich sprzedaż, nie?
Łukasz: To też bardzo fajny ruch i tutaj też z Criteo też działa, działamy, działaliśmy i rzeczywiście jest tak, że tam można otworzyć tą furtkę atrybucji opartej o dane z Google Analyticsa, gdzie rzeczywiście będzie bardziej miarodajny ten układ, że ta jedna konwersja może być rozbita, nie wiem, na cztery, tak? No i inna proporcja wtedy wypadnie tego jednego zamówienia. No i finalnie koniec końców to jedno zamówienie w ogóle może nie być widoczne dla Criteo, mimo tego, że w Last Clicku jakby było ich, nie? No tak, tak to działa.
Bartek: Okej. Dobrze. Jeszcze mamy takie narzędzie jak Looker.
Łukasz: Looker. Tak. Jak ja zaczynałem w ogóle tą swoją cydowy McDonaldową karierę, Lookera jeszcze nie było. Trzeba było raportować w Excelach, w tabelkach. Nie było chyba jeszcze w ogóle Google Sheetów na tamten czas i te dane były tak naprawdę bardzo skromne. No i się raportowało, powiedzmy, nie wiem, raz w tygodniu, raz w miesiącu, jak był czas… w sensie było go mniej, no to raz w miesiącu.
No i pojawił się Looker w pewnym momencie, tak? Czyli narzędzie, które bezpośrednio wewnątrz wbudowanym mechanizmem było w stanie zaprezentować Google dane z Google Analyticsa, na tamten czas jeszcze z Universal Analytics. No i wybrać tylko te metryki, tylko te dane, które chcemy zaprezentować w formie wykresu, w formie tabelki z powiedzmy wybierakiem danych, daty czy tam jakichkolwiek informacji. Tak. I to narzędzie tak naprawdę pozwala dzisiaj już z dzisiejszej perspektywy tworzyć samemu raporty w oparciu o źródła, które chcemy podłączyć do tego narzędzia.
I tu też możemy się bawić w demokratyzację danych wewnątrz firmy, pokazywać większej ilości osób niż tylko tym, którzy mają dostęp do Google Analyticsa pewne informacje z tego konkretnego źródła. No ale tu tak jak mówiliśmy, diabeł tkwi w szczegółach. Znowu musi być ktoś, kto wie, co chce zaprezentować i czy to, co zaprezentował w tym narzędziu, jest dobrze zaprezentowane, bo tutaj jest tak naprawdę ta informacja, którą musimy zweryfikować, nie?
Czy jeżeli zebraliśmy sobie powiedzmy ilość użytkowników, czy zaprezentowaliśmy atrybucje, czy w dzisiejszym czasie Google Analytics 4, czy w ogóle wybraliśmy dobre parametry tej atrybucji, tak? Czyli wybraliśmy informacje o atrybucji na użytkownika, czy na sesję, czy na zdarzenie. Tam w tych parametrach można się bardzo pogubić. Dzisiaj kiedy był ten Looker na początku, to było w miarę proste.
No i też się szybko ładował, bo o tym w ogóle mało kto mówi. Szybkość dostania się do danych, do spojrzenia na nich, zweryfikowania i zobaczenia tego wniosku na samym końcu, na którym nam zależy. Wtedy ten Looker działał dosyć szybko. W międzyczasie pojawiły się różne konektory, takie chociażby niektórym znane chociażby Supermetrics, czyli takie narzędzie, które nam pozwala dobrać się do danych chociażby z Meta Adsów albo na pewien czas, jak jeszcze nie było takiej możliwości, z Google Adsów albo w ogóle z innych systemów czy z baz danych.
W międzyczasie jeszcze się pojawił BigQuery, tak? Chmura, baza danych, którą można sobie postawić samemu. Pojawił się taki widok w Universal Analytics. Jak jeszcze pracowałem w Santanderze, to tam mieliśmy taki ekskluzywny, powiedzmy, dostęp do tego jako no taki duży podmiot. Widok w Universalu Web + App, czyli można było w jednym usłudze zobaczyć widok z danych z tego, co się dzieje w przeglądarce i tego, co się dzieje jakby w aplikacji, tak? No i wtedy pojawiło się już takie BigQuery, gdzie te dane mogły lądować do chmury, było ich więcej, były bardziej segregowane i z takiego BigQuery można było też do Lookera to zaciągać.
Jest jeszcze taka usługa dodatkowa – mówimy sobie o Looker Studio, czyli narzędziu bezpłatnym, bo jest jeszcze Looker taki osobny, który siedzi bezpośrednio w Google Cloudzie, jest usługą dodatkową, często płatną i on ma trochę więcej możliwości, ma inne możliwości, więc mówimy o Looker Studio cały czas. I gdy się pojawił BigQuery, pojawiło się więcej tych danych, pojawiły się konektory, no to próg wejścia stawał się coraz wyższy i w ogóle podłączanie tych danych stało się coraz trudniejsze.
No bo kto w organizacji nagle ma dostęp do Meta Adsa, kto ma dostęp do Google Adsa? Wymiana maili z klientem: „A za ile dacie ten dostęp?”, „A czy dodaliście dobry?”. Się okazuje na końcu, że jest jeszcze całe narzędzie, cały worek Business Managera w Mecie, tak? Czy dobre dostępy są ponadawane w Business Managerze, czy do poziomu reklamowego, czy do konta. No i tego robi się tak dużo, że potem taki Looker zanim ujrzy światło dzienne to może minąć z dobre pół roku czasami.
Bartek: Tak. My robimy w standardzie dla klientów za darmo.
Łukasz: Tak. I czasami jest tak, że jakby wybranie metryk, wybranie tego, co biznes, na czym biznesowi zależy… Bo dla jednych będzie to na przykład: „A nam zależy, że chcemy widzieć, które kolory najczęściej się sprzedają”. Na przykład. Albo: „Nam zależy w ogóle na tym, że które opakowania idą najczęściej albo jakie produkty idą komplementarnie” i tak dalej, i tak dalej. Więc potrzeb potem indywidualnych jest na tyle dużo, że każdy może sobie to zbudować inaczej i w międzyczasie takie Lookery też jako powiedzmy te dashboardy, w których są prezentowane dane ewoluują i my tak kiedyś właśnie działaliśmy, robiliśmy. No ale powiedzmy sława się rozniosła, tak? No i nie da się w pewnym momencie robić tak dużo indywidualnych dashboardów. Pamiętać ile rzeczy było pozmienianych, z jakich źródeł, co jest do końca pobrane. A czasami jak taki Looker się wysypie – bo on się potrafi też wysypać i to na grubo się potrafi wysypać – i szukanie potem igły w stogu siana też zajmuje dużo czasu.
No i ten Looker, który jest tak bardzo napchany różnymi formułami, różnymi połączeniami, czasami bardzo długo się ładuje. A jeszcze trzeba wspomnieć o tym, że kiedy się pojawił taki natywny konektor BigQuery w Analyticsie i te dane były prezentowane w Lookerze, to nagle ci wszyscy co mieli doświadczenie z Universalem tracili cierpliwość, bo było tak, że ładowali te dane w Lookerze, Looker się ładował, odświeżyli dwa, trzy razy Lookera i nagle pusto, wszystko nie działa, nie działa, nie działa, bo były limity, nie?
Z czasem, jak było coraz więcej wdrożeń Google Analytics 4, te limity były zwiększane i ten Looker się szybciej ładuje. No a też nieskromnie mówiąc jeszcze daleko im do nas tak naprawdę, jeżeli chodzi o ładowanie tych danych. Trwa to po prostu dużo, dużo za długo czasami dla firm.
No i jeszcze kolejna rzecz. Looker też jako to narzędzie, które ma wspierać biznes, prezentować dane, prezentuje je w formie desktopowej i dopiero od niedawna ma też możliwość prezentowania takiego szybkiego, powiedzmy szybkiej wajchy do prezentowania tych danych w bardziej przyjazny sposób na urządzeniach mobilnych. Kiedyś jak tego nie było, a klient chciał mieć dostęp do tych danych i z komórki i z komputera, to trzeba było tworzyć dwa raporty, żeby to się ładnie wyświetlało. No bo no niektórzy są też estetami, czyli nie tylko liczy się co, ale jak i to po prostu też musiało wyglądać, nie? Z komórki i czytanie takich małych mróweczek, no to to mało praktyczne.
Bartek: Dobra, to idźmy do waszego rozwiązania, bo przeszliśmy sobie już wiemy, dlaczego te dane są ważne, wiemy jakie są wyzwania ze zbieraniem danych, wiemy jakie mamy standardowe możliwości i jakie są bolączki tych standardowych możliwości, ale na końcu jest wasze rozwiązanie, czy DataOrganizer. W czym ono jest lepsze? O tym, o czym mówiliśmy.
Łukasz: Nieskromnie powiem, że we wszystkim, ale już tak bez żartu…
Bartek: To możemy skończyć. Dziękujemy.
Łukasz: Bez żartu jest tak, że narzędzie jest trochę jak meble z Ikei. Co mam na myśli? Że tak naprawdę każdy, kto ma swój e-commerce, ma dostęp do danych, a nawet ma zerową wiedzę, jest w stanie sobie takiego w tym rozumieniu jakby Lookera postawić, tak? Ale to nie jest tylko taki Looker, to nie jest tylko taki dashboard, to nie jest tylko prezentowanie danych, ale to jest narzędzie, które w 5 minut tak naprawdę robi całą robotę, której użytkownik nie widzi. Czyli jest procesem ETL-owym, czyli zbiera te dane, transformuje je i ładuje. Jest bazą danych, jest jednocześnie narzędziem do raportowania, do prezentacji, do wnioskowania. No i ma cały mechanizm asystenta AI-owego, że siedząc sobie tutaj mogę wyciągnąć telefon i zacząć gadać ze swoimi danymi szybko, miło i przyjemnie i odpowie mi na te wszystkie informacje.
I ta osoba, która zdecyduje się korzystać z Data Organizera, nie musi mieć kompletnie żadnej wiedzy, jeżeli chodzi o to, jak te dane ma, kto ma do nich dostępy, jak to działa, bo prowadzimy za rękę jak instrukcja składania mebli z Ikei, jak to zrobić, żeby to zaczęło działać. Proste mechanizmy autoryzacyjne, bardzo bezpieczne i tu też trzeba nadmienić, że dbamy o klientów, naszych klientów, czyli jesteśmy w pełni zgodni z RODO, więc na żadnym etapie nie procesujemy, nie przetwarzamy, nie segmentujemy danych o użytkownikach sklepów, o klientach sklepów, ale mimo wszystko w pewien sposób zanonimizowany prezentujemy te dane zbiorczo o klientach nowych, powracających. Więc taki mechanizm też jest.
No i taka osoba, która zdecyduje się korzystać w 5 minut, dosłownie 5 minut, jest w stanie odpalić sobie coś, co działa całkowicie, po prostu działa i może podłączyć sobie dane z systemu sklepu, z Google Analyticsa, z systemów afiliacyjnych, z systemów reklamowych.
Kiedyś jeszcze było tak, że jak działaliśmy sobie usługowo, to niektórzy mieli chrapkę jeszcze na to, żeby prezentować dane logistyczne, kosztowe, żeby wyliczać marżę. I już dzisiaj doszliśmy do tego momentu, że też te dane u siebie prezentujemy, ale wielu klientów na tamten czas mówiło: „No nie, no to są dane za bardzo wrażliwe, nie chcemy ich pokazywać, za dużo osób miałoby dostęp, a my jesteśmy jednak po to, żeby te dane demokratyzować, pokazać jak największej ilości osób, współpracowników w tym też w rozumieniu powiedzmy agencji, która no tak jak wspomniałeś, jeżeli jest szansa na to, żeby pracować na danych ze sklepu, to się na tych danych pracuje i tak się rzeczywiście dzieje, że firmy dzielą się tymi danymi bardzo szeroko”.
No i co tak naprawdę dalej? Jak mamy zebrane te wszystkie informacje, możemy się nimi podzielić z różnymi podmiotami, no to jest taki moment, że ej, za dużo osób ma dostęp do tych danych. Wprowadziliśmy też mechanizm, który pozwala twórcy jakby tego bytu, który sobie założy, czyli temu właścicielowi sklepu, decydować, kto ma dostęp do tego narzędzia, kto ma dostęp do konkretnych danych, do konkretnych tabel. Więc jeżeli właścicielowi zależy, żeby mieć te dane o marżowości i ma je dobrze wpięte w swoim sklepie, w silniku sklepu, a my dane po API sobie ciągniemy z tego silnika sklepu, no to te dane widzi i potem decyduje, którą kartę, które dane komu udostępni. No i tak jak mówiłem, może bez limitu właściwie dać dostępy na maila też w bardzo prosty sposób do narzędzia, do tych tabel, do tego, żeby miał tam dostęp. W wielkim skrócie tak to działa.
Bartek: Czyli mamy lepszy dostęp do danych, szybszy zakładam dostęp do danych, łatwiejszy, tak? Lepiej, szybciej, łatwiej. I do tego mamy asystenta AI. W czym on może pomóc?
Łukasz: Tak naprawdę no tutaj ogranicza nas tylko wyobraźnia. No i te dane, które mamy zagregowane, zebrane. Wiemy już, że dane są na pewno dobrze zagregowane. Nie mówię o tym, czy dobrze spływają, bo o tym musi zadecydować, czy to ktoś, kto implementuje analitykę, czy też sam właściciel. Zdarzają się klienci, którzy się podłączą i nagle widzą, że na przykład nie mają w ogóle zdarzeń wyświetleń kategorii albo nie mają w ogóle zdarzeń, nie wiem, zwrotów, tak? No tego ogólnie, tak? Albo by chcieli. No i to jest też ten moment, że mogą sobie szybko, łatwo zweryfikować, co jeszcze trzeba poprawić w tych danych, w tych kodach, które przesyłają.
No i w czym może pomóc? Mamy takich użytkowników, mamy taką wiedzę, że są osoby, które w ogóle nie ogarniają AI i wiedzą, że AI jest do wysłania maila, do stworzenia jakiegoś tam krótkiego przepisu jak zrobić, nie wiem, rosół, tak? Albo jak zagospodarować sobie dzień w Trójmieście albo weekend w Trójmieście, tak? No i pięknie zbuduje taką odpowiedź. No ale nie zbuduje nam odpowiedzi, jak mam sprzedawać lepiej w swoim sklepie, co w moim sklepie idzie. No bo ten AI taki zewnętrzny jakiś Gemini czy Claude, nie ma tych danych, nie ma ich poukładanych, nie ma kontekstu. O tym też zaraz, bo kontekst tutaj jest naprawdę najistotniejszą właściwie rzeczą.
Mając te dane dobrze poukładane, tak naprawdę w chwilę AI jest w stanie odpowiadać jakie produkty są bestsellerami, jakie produkty leżą na magazynie, tak jak mówiliśmy, jakie kolory się sprzedają, jakie, nie wiem, marki, co mam robić ze swoimi kampaniami, jakie mam zwiększać, dlaczego, jaka jest elastyczność cenowa. Tak naprawdę wszystko to, o co byśmy zapytali menadżera w swojej firmie, w e-commercie, o ile go w ogóle mamy, to ten AI odpowie na te pytania, odpowie. Już dzisiaj mogę powiedzieć, że dobrze, a czasami nawet bardzo dobrze. Po odpowiedzi też zasugeruje o co jeszcze dopytać.
A jeżeli ktoś zada pytanie bardzo ogólne, to zanim odpowie, jeszcze zapyta się o doprecyzowanie. Tak, czyli ten przykład trzymajmy się tych bestsellerów, nie? Podaj mi bestsellery. Zanim poda odpowiedź, to on zapyta o to, z jakiego kanału ma podać te bestsellery, bo też trzeba powiedzieć, że mamy takich klientów, którzy mają powiedzmy, nie wiem, 15, 16 i więcej sklepów, rynków, my to też tak nazywamy, albo kanałów. I te dane z wszystkich tych bytów jest w stanie połączyć w jednym miejscu tak samo sprawnie, tak samo szybko i ma raportowanie 100 razy lepsze niż w Lookerze, bo zanim się coś takiego by ustawiło w Lookerze, no wieki by minęły, a potem rozbijanie tego na konkretne rynki też by zajęło bardzo dużo czasu. Więc doprecyzuje skąd ma podać te informacje, zapyta w jakim okresie czasu ma zebrać te informacje i odpowiedzieć.
No i to jest ogromna przewaga, bo tak naprawdę właściciel będąc nawet na swoim pierwszym spotkaniu z agencją, gdzie nie musi być kompletnie przygotowany, jest w stanie odpowiadać o swoich danych chociażby tych sklepowych bądź z Analytics. I też jest tak, co już wspomniałem, ale też może nie wybrzmiało, że bardzo łatwo podłącza swoje te dane, bo proces autoryzacji jest taki jak powiedzmy zakładanie konta przez konto Google w OLX-ie czy w jakichś innych usługach, gdzie po prostu autoryzuje się swoim użytkownikiem hasłem i te dane mam już właściwie do wyboru. Tak, czyli jeżeli mam więcej dostępów albo pod moim kontem Google’a, mam więcej Analyticsów, to mogę sobie wybrać, które będę chciał mieć konkretnie do tej usługi, do tego kanału przypisane.
I tak się dzieje też z Metą, tak się dzieje też z Allegro, bo Allegro też może sobie podłączyć czy tam właśnie Criteo, Trade Trackera.
Bartek: Super. Testowałem wczoraj trochę, bo może tak możemy powiedzieć, że jest demo na stronie, które można sobie przetestować i zobaczyć w praktyce jak wygląda, chociaż takie negatywne trochę to demo.
Łukasz: Dawaj.
Bartek: Nie, no bo otworzyłem jakiś tam dashboard i patrzę 90% liczb na czerwono, wszystko spada.
Łukasz: To są dane wymyślone tak naprawdę. I co więcej, to jest też dla nas dosyć żmudna robota tworzyć takie demo, bo w momencie kiedy my rozwijamy nasz produkt i podczepiamy kolejne informacje z API, niedługo już się ukażą takie właśnie informacje o dostępności, o statusie dostępności produktów, o tych marżach, czy też za jakiś czas będą to konkretne tam marki, czy też kategorie, no to potem dobrać, dowymyślać te dane. No nie jest łatwo, nie?
Oczywiście tutaj już AI może nam pomóc dopowiedzieć, ale no umówmy się, to demo nie jest po to, żeby ono było spójne i logiczne, tylko żeby pokazało, że działa, bo rzeczywiście jest tak, że czasami te dane przeczą sobie w tym widoku demo, ale no też nie znam narzędzia tak łatwo dostępnego, żeby wejść sobie w demo, zobaczyć. Nie zbieramy żadnych leadów, nie mamy takiej ścieżki jak większość takich powiedzmy SaaS-ów usługowych: „Umów się na spotkanie, pogadasz”. Wręcz w drugą stronę, nie?
Onboarding też jest bardzo prosty i przyjemny. Podłączasz się i w czasie onboardingu dostając maile możesz się umówić na spotkanie, nawet jeżeli już jesteś na pierwszym kroku, czyli stworzyłeś konto, zalogowałeś się i widzisz tam powiedzmy ten nasz pierwszy taki ekran, gdzie masz informacje, czym jest ten kanał, że możesz go nazwać i jak kogoś już to przerasta, to też może się z nami skontaktować, umówić na spotkanie, służymy pomocą i przeprowadzimy przez ten proces. Mimo tego, że no uważamy, że już jest na tyle prosty, że każdy powinien go przejść, ale no nie każdy potrafi, więc jesteśmy, nie?
Bartek: Super. No jeszcze wracając do demo, to testowałem asystenta AI i faktycznie pyta szeroko o kontekst, bo pierwsze pytanie jakie zadałem było: „jak zwiększyć sprzedaż w sklepie?” i kontekst, czyli czy co chcemy zwiększyć – przychody, czy marżę, w jakim okresie czy na konkretnych produktach. I jakby bardzo dobrze ten system działa. Ja jako właściciel takiego mniejszego, może nawet e-commerce’u, który nie ma aż tak dużego doświadczenia, albo po prostu kogoś, kto nie ma dużego doświadczenia w analizie danych, to myślę, że można bardzo ciekawe informacje wykopać.
Łukasz: Pokładamy nadzieję i wierzymy w to, że ten asystent AI-owy jest szybki, łatwy i przyjemny w użytkowaniu, bo daje od razu odpowiedź. Ale z drugiej strony nie wiem czy każdy jest w stanie nawet głosowo zbudować sobie pytanie, bo mając komórkę jest w stanie to tak sobie zrobić albo jak ma tak skonfigurowany laptop, że też może sobie głosowo to pytanie tam wklepać, czy ta czynność będzie czasowo dla niego krótsza do tego, że on wiedząc już jak gdzieś ma dojść, po prostu sobie tam dwoma czy trzema kliknięciami dojdzie.
To jest ten etap, który chcemy rozwijać i kontekst. Mówiłeś o tym kontekście, że tam zapytał ciebie, co tam ma więcej doprecyzować, ale to dla nas ciągle jest za mało, nie? Jest w ogóle taki obszar, gdzie działaliśmy usługowo i ludzie, właściciele sklepów chcieli wiedzieć na przykład: „jak mają się przygotować na kolejny Black Friday?”. Mając dane z zeszłego roku. No ale umówmy się, że to są dane ze sklepu i są dane, powiedzmy, z kosztów, z kampanii, z klików i tak dalej, nie? Ale nie mamy danych o tym, jakie były stany magazynowe. Nie mamy danych o tym, jak strona wyglądała. Nie mamy danych o tym, czy w międzyczasie byli jacyś influencerzy. Chyba, że mamy jakieś dane o kodach rabatowych i ktoś to w ogóle jakoś ogarnia i pamięta.
Więc taki mediaplan, który był zbierany na bieżąco, to jest dopiero ta informacja, która nam jest w stanie zbudować tą informację, dlaczego te dane były takie rok temu i dopiero wyciągnąć jakieś wnioski. I nie ma dzisiaj takiego złotego tutaj rozwiązania, które nam pozwoli na to, żeby taki mediaplan funkcjonował.
Są organizacje i firmy, które no trzymają taki mediaplan i rozwijają tą działkę, żeby mieć ten kontekst. Ale my chcemy dać możliwość uzupełniania przed zadawaniem pytaniem w AI-u takiego panelu, gdzie będzie można dać kontekst indywidualnie, czyli ja jako Łukasz Wołkowicz albo na organizację, powiedzmy, jakby tam nie wiem, Data Organizer miał kiedyś e-commerce i miał taki sklep, to mogę dać też cały kontekst na organizację. I w tym kontekście rzeczywiście pod konkretne jakby nie zapytania, ale jakby ciąg zapytań mogę dodać, że w zeszłym roku były takie, takie, takie działania, były takie działania z influencerami, na stoku nie mieliśmy takich produktów, takich produktów w ogóle jeszcze nie było i tak dalej, i tak dalej. Z tą wiedzą, którą ten AI nie wie, nie?
I dopiero mając ten kontekst, ten realny kontekst, nie tego, co się wydarzyło, co się może też wydarzy, bo możemy i takie informacje mu sprzedać, że frachtem już powiedzmy płynie kontener z takimi takimi produktami, przygotuj nam działania pod to, wiedząc, że w zeszły miesiąc albo w zeszłym roku wyglądało to tak i tak. Więc ten kontekst chcemy dodać plus jeszcze kontekst konkretnej branży. Inaczej będzie wyglądała rotacja klientów, inaczej będzie wyglądał ilość koszyków powielonych zamówień w branży powiedzmy sprzedaży, nie wiem, wózków dla dzieci, a inaczej będzie to karmy dla psów, nie? Więc ten kontekst też będzie bardzo istotny, bo AI no nie ogarnie tego w tym rozumieniu, no bo może sobie ubzdurać, że no ten wózek będę kupował jedno jako klient co miesiąc, powiedzmy tak marketing automation na wózki, nie? Oczywiście jest w stanie to jakoś powiązać i połapać, ale nie tak dobrze, jak my go zasilimy w ten kontekst. Więc to jest kolejna rzecz, którą chcemy dać pewnie niebawem, żeby biznes mógł sobie doładować na sterydach tego AI jeszcze.
Bartek: Fajnie. Super. Dzięki za tą rozmowę. Myślę, że dużo cennej wiedzy. Jakby nasi słuchacze, oglądający chcieli się z tobą skontaktować, dopytać o coś, to jak to najlepiej zrobić?
Łukasz: Serdecznie zapraszam na DataOrganizer.io. Może też DataOrganizer. Tam w bardzo prosty sposób znajdziecie i telefon, i maila, czy też możecie właśnie skorzystać z demo albo już zobaczyć konkretnie na tutorialach jak podłączyć się i czy w ogóle to narzędzie jest dla was.
Bartek: Jakbyś miał jeszcze powiedzieć dla kogo jest najbardziej, dla jakiej skali e-commerce’ów albo…
Łukasz: Jasne, najbardziej się sprawdza tam, gdzie mamy kilka kanałów sprzedażowych, czyli powiedzmy takie minimum, powiedzmy, mamy swój e-commerce, mamy dodatkowo Allegro i gdzieś mamy jakąś jeszcze trzecią nogę w postaci drugiego zdublowanego e-commerce’a.
Bartek: Okej, dzięki. To jeszcze na koniec, jak każdy szanujący się youtuber, będę wdzięczny za łapki w górę, za subskrypcję. Mam nadzieję, że wam się podobało tak jak i mnie. Jeszcze raz dzięki.
Łukasz: Dzięki bardzo.
