tag:blogger.com,1999:blog-15828234240669059502024-03-08T14:03:50.539+01:00Blog o marketingu e-shopůMarketing pro e-shopy mě živí a pokud najdu téma, o kterém si myslím, že není dostatečně rozpracované na internetu, tak o něm píšu na tento web.Viktorhttp://www.blogger.com/profile/01644705910249945520noreply@blogger.comBlogger6125tag:blogger.com,1999:blog-1582823424066905950.post-25162318939866607682020-05-25T21:14:00.003+02:002020-05-25T21:18:21.997+02:00Jak chytře na UTM autotagging na Facebooku a Instagramu<i>UTM na Facebooku: autotagging nebo ruční značení?</i><br /><div><h2><br /></h2><h2>UTM parametry u placených kampaní na FB a IG</h2></div><div><br /></div>Používání UTM parametrů u Facebooku a Instagramu je celkem výzva, a to z několika důvodů:<br /><ol style="text-align: left;"><li>Facebook si reklamy zobrazuje kde chce (pokud to neomezíme) – na Facebooku, na Instagramu, v Messengeru nebo v Audience network - s jedním „source“</li><li>Pokud si nahráváme náklady na FB do GA přes kampaně a v názvu kampaně máme něco jiného, než v UTM campaign, tak se v GA ocitne kampaň 2x – u jedné jsou vidět náklady a kliknutí (ovšem s nulovými návštěvami) a u druhé návštěvy (ale zase s nulovými náklady apod.)</li><li>Není snadné udržet si názvosloví pro pořádek v GA</li></ol><br />Naštěstí Facebook přišel s autotaggingem, o kterém ale neví každý. Ten umožňuje jednotlivé UTM parametry propisovat automaticky, což může vypadat třeba takto: <a name='more'></a><br /><br />utm_source={{site_source_name}}&utm_medium=social<br />&utm_campaign={{campaign.name}}&utm_content={{adset.name}}<br />&utm_term={{ad.name}}<br /><div><br /></div><div>Místo „site_source_name“ se dynamicky propíše:<br /><ul style="text-align: left;"><li>fb – pokud návštěvník přišel z Facebooku</li><li>ig – pokud návštěvník přišel z Instagramu</li><li>msg – z Messengeru</li><li>an – z Audience network</li></ul><i>Pozn.: Je třeba myslet na to, že návštěvnost přes referral se v source bude stále značit jako facebook.com, instagram.com apod. Pokud byste to chtěli sjednotit, tak jedině přepisem přes filtry.</i><br /><br />Do UTM medium natvrdo propisujeme „cpc“ u vyloženě placených reklam, nebo „social“, pokud jsou to primárně neplacené a nevýkonnostní posty – i přesto, že ty úspěšné následně podpoříme zaplacením. Pokud do příspěvku dáme odkaz třeba přes zkracovač (bit.ly apod.), tak autotagging nemůžeme použít a musíme si UTM parametry sestavit ručně, třeba přes UTM builder. Toto má zajímavá úskalí, která rozepisuji níže.<br /><br />Do UTM campaign se automaticky propíše název kampaně z Facebooku. Ideální je tedy zadávat ho bez diakritiky a slova oddělená podtržítky, pomlkami nebo plusky, příp. svislítky – jak je kdo zvyklý. Na základě toho potom dochází k párování návštěv, tržeb a nákladů, pokud je posíláme do GA. Osobně doporučuji používat podtržítka a pomlky. Pluska GA nahrazují mezerami a svislítka, mezery a jiné se někdy přepisují zástupnými znaky.<br /><br />Do UTM content se dynamicky propisuje název Ad setu (reklamní sestavy).</div><div><br /></div><div>Do UTM term se analogicky propisuje název reklamy z FB business manageru.<br /><br /><br />Pokud potřebujeme, můžeme některý z UTM parametrů vyměnit za Placement (např. &utm_content={{placement}} ), čímž zjistíme umístění, ze kterého se návštěvník proklikl a které může nabývat těchto hodnot:<br /><ul style="text-align: left;"><li>Facebook_Desktop_Feed</li><li>Facebook_Mobile_Feed</li><li>Facebook_Right_Column</li><li>Facebook_Marketplace</li><li>Messenger_Home</li><li>Instagram_Feed</li><li>Instagram_Stories</li><li>Instagram_Explore</li></ul></div><div><br /></div><div><h2 style="text-align: left;">Vyhodnocování placených kampaní na sociálních sítích</h2><br />Při vyhodnocování mě v základním manažerském přehledu zajímají výkony (např. PNO) kampaní v GA takto:<br /><ul style="text-align: left;"><li>fb+ig / referral</li><li>fb+ig / social</li><li>fb+ig / cpc , toto rozděleno zvlášť na remarketing, který označujeme jako DynREM v campaign name a bez remarketingu (včetně source "msg" a "an")</li></ul>V Google Analytics filtrováno takto: <br /><ul style="text-align: left;"><li>Referral: fb|facebook|ig|instagram / referral (ty zkrácené verze jsou relevantní jen pokud přepisujeme původní verze přes filtry)</li><li>Social: fb|facebook|ig|instagram|IGshopping / social</li><li>CPC jen remarketing: fb|facebook|ig|instagram|msg|an / cpc campaign obsahuje "DynREM"</li><li>CPC bez remarketingu: fb|facebook|ig|instagram|msg|an /cpc campaign neobsahuje "DynREM"</li><li>Celkem</li></ul><br />...a potom ještě zvlášť Facebook a Instagram:<br /><ul style="text-align: left;"><li>Jen FB: fb|facebook|msg|an / cpc|social</li><li>Jen IG: ig|instagram|IGshopping / cpc|social</li></ul><h2 style="text-align: left;"><br /></h2><div><br /></div><h2 style="text-align: left;">UTM parametry u neplacených postů na FB a IG, které následně platíme</h2><div><br /></div>Autotagging na neplacené příspěvky nefunguje, takže tam do source můžeme dát "fb", pokud se jedná o příspěvěk na Facebooku, nebo "ig" na Instagramu.<br /><br />U příspěvků, které se rozhodneme následně zaplatit, máme 2 možnosti, z nichž ani jedna není ideální:<br /><span> </span>a) vzít UTM parametry z neplaceného příspěvku a použít je ve stejné podobě i u placeného postu<br /><span> </span><span> </span>b) vložit nové UTM parametry pomocí autotaggingu, např. pomocí zápisu výše takto: utm_source={{site_source_name}}&utm_medium=social<br />&utm_campaign={{campaign.name}}&utm_content={{adset.name}}<br />&utm_term={{ad.name}}<br /><br /></div><div>U verze a) budeme mít v GA sjednocená data u každého příspěvku, ať už ho platíme nebo ne. Na druhou stranu nebudeme mít rozlišené, odkud zákazník přišel (fb, ig…), ze kterého ad setu, ze které reklamy, příp. placementu.<br />Zádrhel u verze b) bude v tom, že u neplaceného příspěvku budeme mít UTM parametry zadané ručně, ale u následně placeného pak autotaggingové UTM. Pokud se tedy někdo proklikne přes odkaz v příspěvku a přes tlačítko u příspěvku, tak to bude generovat různé UTM parametry a v GA si výsledky jednoduše nezobrazíme společně. Jednotící označení může být alespoň „social“ v UTM medium. Pokud to chceme sledovat přesně, tak bychom třeba mohli přepsat nebo vymazat odkaz z příspěvku, ale vynulovaly by se nám interakce s příspěvkem (počty lajků, sdílení apod.), což by byla škoda.<br /><br />Výhodou verze b) je, že bychom viděli, odkud návštěvníci přišli - jestli z ig nebo fb a příp. z jakého placementu (feed, pravý sloupec apod.). <br />Taky pokud bychom mysleli na to, že bychom do campaign name dávali to stejné, co jsme měli v UTM campaign neplaceného příspěvku, tak by se nám v Google Analytics spojily tržby s náklady u tohoto příspěvku (viděli bychom tak tržby z neplaceného i placeného příspěvku oproti nákladům placeného příspěvku).<br />Pokud to tak neuděláme, tak se neplacený a placený příspěvek bude v GA zobrazovat pod jiným campaign name. Záleží tedy, jak to kdo chce zkoumat do hloubky.<br /><br /><i>Pozn. k dalšímu způsobu vyhodnocování: Pokud si vhodně označíme názvy kampaně, sady reklam a názvy reklam tak, že do nich propisujeme potřebné údaje, tak se výsledky dají detailně zkoumat přes kontingenční tabulku tím, že si z FB vyexportujeme výsledky, rozdělíme si údaje z názvů kampaní a spol. do sloupců, vytvoříme si kontingenčku s počítanými sloupci, jako je PNO apod. Jen je třeba myslet na to, že se jedná o data Facebooku, která nebudou sedět s daty GA a že takto uvidíme jen placené kampaně.</i><br /></div><div><br /></div><div><br /></div><div><h2 style="text-align: left;">Specifické odkazy u Instagramu</h2><div><br /></div>Aby bylo vyhodnocování ještě přesnější, je fajn označit i další místa na Instagramu, odkud mohou zákazníci chodit:<br /><ul style="text-align: left;"><li>z profilu - tam máme source "ig", medium "social", campaign "profile", tedy ?utm_source=ig&utm_medium=social&utm_campaign=profile, ideálně s použitím zkracovače, ať to nějak vypadá</li><li>z shoppable tags (reklamy s označeným zbožím z katalogu) - teď je Instagram značí nešťastně jako "IGShopping / Social", což by nebylo od věci přes filtry v GA přepisovat jako: source "ig", medium "social", campaign "IGShopping"</li><li>u nereklamních stories přidávat UTM na swipe-up: source "ig", medium "social", campaign "Instagram_Stories+swipe-up", tedy například ?utm_source=ig&utm_medium=social&utm_campaign=Instagram_Stories+swipe-up+nejaky+nazev+kampane </li><li>mimochodem podobně se dá zjišťovat i návštěvnost od influencerů, pokud mají na stories swipe-up a přidají si na odkaz UTM parametry, které jim předáme</li></ul><i><br /></i></div><div><i>Zdroje:<br /><a href="https://www.linkedin.com/pulse/how-get-auto-utm-tagging-your-facebook-ads-campaigns-van-jaarsvelt/" target="_blank">https://www.linkedin.com/pulse/how-get-auto-utm-tagging-your-facebook-ads-campaigns-van-jaarsvelt/</a> <br /><a href="https://www.facebook.com/business/help/1016122818401732 " target="_blank">https://www.facebook.com/business/help/1016122818401732 </a></i><br /></div><div><br /></div><div><br /></div><div>Používáte značení odkazů ze sociálních sítí jinak? Podělte se prosím v komentářích níže.<br /></div>Viktorhttp://www.blogger.com/profile/01644705910249945520noreply@blogger.com0tag:blogger.com,1999:blog-1582823424066905950.post-9253658328975486622019-11-26T22:51:00.002+01:002019-11-26T23:29:22.360+01:00Pokročilé statistiky, které pomohou s doobjednáváním zboží na sklad e-shopuSice se věnuji hlavně marketingu, ale s tím do velké míry souvisí i mít k dispozici skladem produkty, které se nejlépe prodávají. Pro většinu e-shopů je poslední kvartál nejdůležitější část roku, která vygeneruje třetinu až polovinu tržeb celého roku. Proto je fajn se na něj připravit i naskladněním důležitého zboží. V tomto článku se tedy zamýšlím nad tím, jak zefektivnit a zjednodušit systém objednávání, pokud na to nemáme nějaký sofistikovaný drahý software.<br />
<br />
Konkrétně přemýšlím nad tím, jak lépe odhadnout počet kusů konkrétního zboží, které má potenciál se prodat. Pokud e-shop zboží objednává u zahraničních dodavatelů s drahou dopravou a trvá to dlouho, tak se vyplatí dobře plánovat o to více. Jak tedy můžeme využít informace z loňských sezónních prodejů, informace o rychle vyprodaném zboží, nebo informace z hlídacího psa?<br />
<a name='more'></a><br />
<i>Článek rozvádí zamyšlení v <a href="https://www.viktorsevcik.cz/2019/01/algoritmus-pro-automatizovane-doobjednavani-zbozi-na-sklad-eshopu.html">tomto textu</a>.</i><br />
<br />
<br />
<h2>
Potenciál prodávanosti zboží podle dat z minulého roku</h2>
<br />
V tomto předchozím článku popisuji, jak jsem nad podklady pro doobjednávání přemýšlel, výsledkem je tato tabulka:<br />
<br />
Sloupce v tabulce: Barevný puntík signalizující, jestli je zboží možné objednat u dodavatele - Dodavatel - Kód zboží (proklik směřuje na detail zboží) - Název zboží (proklik otevře fotografii zboží) - Varianta zboží - Aktuální počet kusů skladem - Prodej za 4. kvartál loňského roku (v kusech) - Počet dní skladem ve 4. kvartálu loni - Průměrný počet prodaných kusů za den skladem ve 4. kvartálu loni (počet prodaných kusů děleno počtem dní skladem) - Tržby za den skladem ve 4. kvartálu loni - Predikce prodeje do konce roku (v kusech) - Predikce tržeb do konce letošního roku<br />
<br />
Asi je třeba vysvětlit položku “Predikce prodeje do konce roku” - zde se bere počet dní do konce roku od dnešního dne (pokud je dříve než 1.10., tak se bere jako počáteční právě toto datum). Toto číslo se vynásobí číslem “Průměrný počet prodaných kusů za den skladem ve 4. kvartálu loni” <br />
<br />
Analogicky poslední sloupec “Predikce tržeb do konce letošního roku” se dopočítá vynásobením sloupců “Predikce prodeje do konce roku” a “Tržby za den skladem ve 4. kvartálu loni”. Výsledné číslo samozřejmě není zcela spolehlivé a je třeba nad ním přemýšlet - jestli je produkt atraktivní i letos, nebo to byl módní výstřelek loňska, jestli jej budeme chtít více marketingově podpořit, jestli ho začala prodávat i konkurence, jestli povýšit číslo o procenta, o která má letos růst celý e-shop apod.<br />
Pokud ji máme k dispozici, tak se může místo tržeb uvažovat rovnou marže, čímž se dostaneme k produktům s největším potenciálem ještě přesněji. Podle posledního sloupce by měla být seřazená celá tabulka sestupně.<br />
<br />
Nejdůležitější čísla z této tabulky může být fajn zobrazit i na stránce detailu produktu. Snadno tak lze porovnat aktuální počet kusů skladem a predikci prodeje do konce roku.<br />
<br />
<br />
<h2>
Rychle vyprodané novinky</h2>
<br />
Pokud naskladníme nové zboží, chceme vědět, pokud se rychle vyprodá. Značí to, že může mít větší potenciál v dalších prodejích a je tedy vhodné zboží rychle doobjednat. Zvláště pokud se jedná o sezónní zboží, je třeba rychle jednat, což nám tato tabulka umožní.<br />
<br />
V takové tabulce navrhuji mít tyto sloupce: Dodavatel - Kód zboží (po prokliku se dostanu na detail zboží) - Název zboží (po prokliku se zobrazí fotografie zboží) - Varianta zboží (pokud je) - Datum prvního naskladnění - Počet prodaných kusů - Počet dní skladem - Průměrný prodej za den skladem (v kusech) - Tržby za den skladem - Počet kusů skladem<br />
<br />
Seřazeno podle tržeb za den skladem od nejvyššího k nejnižšímu. Na vrcholu tabulky bude tedy zboží, které by mělo mít nejvyšší potenciál. Pokud je to možné, dá se opět řadit ještě od nejvyšší marže za den skladem a seřazení bude ještě přesnější.<br />
<br />
V tabulce nemá smysl zobrazovat zboží, které už u dodavatele nelze doobjednat, nebo kterého bylo málo. Vhodné je také umožnit filtrovat - podle data, podle značky/dodavatele, podle toho, jestli je zboží aktuálně doskladněno apod.<br />
<br />
<br />
<h2>
</h2>
<h2>
</h2>
<h2>
Data z hlídacího psa pro doobjednávání</h2>
<br />
Pokud je v e-shopu implementován tzv. hlídací pes, tedy funkce, která zákazníkovi pošle e-mail ve chvíli, kdy se zboží opět doskladní, tak se dá podívat na to, kolik kusů konkrétního produktu je hlídáno. U těchto zákazníků je totiž výrazně vyšší pravděpodobnost, že zboží objednají. Pokud si tedy dostupnost konkrétního produktu nechává hlídat např. 30 lidí, je možné objednat více zboží, než když tuto informaci nemáme. Potom je otázka, jestli se toto zboží kupuje po jednom kuse, nebo po více a to zahrnout do výpočtu.<br />
<br />
Toto číslo je vhodné ukazovat jako další sloupec v tabulce, která nám slouží pro objednávání, nebo lze vytvořit další tabulku vyloženě s tímto přehledem. V tom případě stačí tyto sloupce: Barevné označení, jestli lze produkt ještě objednat u dodavatele - Název produktu - Varianta - Počet sledování - Cena za 1 kus - Cena celkem (počet sledovaných kusů krát cena za kus) - Počet kusů skladem (pokud naskladnění zboží odešle e-maily s hlídacím psem a tím se hlídání zruší, tak je tento sloupec zbytečný).<br />
<br />
Seřazení podle ceny celkem od nejvyšší by mělo ukázat zboží s největším potenciálem zisku. Pokud to je možné, zase můžeme sledovat spíše marži, nebo nechat jednoduché řazení podle počtu kusů. Prospěšné může být filtrování podle značek.<br />
<br />
<br />
<i>Jaká další data je možné využít při doobjednávání zboží?</i><br />
<br />
<br />Viktorhttp://www.blogger.com/profile/01644705910249945520noreply@blogger.com0tag:blogger.com,1999:blog-1582823424066905950.post-32530004690623904012019-03-07T23:33:00.000+01:002019-03-07T23:33:16.919+01:00Řazení zboží v kategoriích e-shopuPodle čeho řadit zboží v kategoriích e-shopu tak, aby fungovalo co nejeefektivněji, tedy aby mělo co nejpozitivnější vliv na tržby/marži a zároveň bylo co nejefektivnější pro zákazníka?<br />
<br />
<h3>
Možnosti řazení</h3>
Řazení <b>podle bestsellerů</b> - zde je velká pravděpodobnost, že si zákazník vybere, protože se podobné zboží líbí i dalším zákazníkům.<br />
<br />
<a name='more'></a><br />
Řazení <b>podle novinek</b> - u e-shopu, kam se chodí zákazníci pravidelně dívat na inspiraci nebo na sezónní zboží, to může být zajímavé, protože jim ukážeme nové zboží.<br />
<br />
<b>Ruční řazení</b> - podle pocitu, prodejů, toho co potřebuji vyprodat… V tomto případě by v administraci raději než označováním produktů pořadovým číslem, měla být možnost pomocí ajaxu přetahovat zboží nahoru a dolů, aby to bylo pohodlnější pro správu.<br />
<br />
<b>Podle skladovost</b>i - u zboží skladem stoupá pravděpodobnost, že si ho zákazník objedná, proto by se mělo řadit přednostně.<br />
<br />
<h3>
Doplňkové řazení</h3>
Do tohoto schématu můžeme dále přidávat prvky, které mohou dále zvýšit pravděpodobnost toho, že zákazníka zaujmeme. Pro toto zboží můžeme např. vyčlenit určité pozice, třeba od 20. produktu v pořadí:<br />
<br />
<b>Zboží ve slevě</b> - upozorníme na zboží, které potřebujeme vyprodat nebo podpořit jeho prodej.<br />
<br />
<b>Nedávno prohlížené zboží</b> - zákazník si mohl rozmyslet koupi zboží, u něhož už dříve navštívil detail produktu.<br />
<br />
<b>Komplementární zboží</b> ke zboží, které už si zákazník koupil. Například k sedačce křeslo ze stejné produktové řady.<br />
<br />
<b>Preference konkrétní značky</b> - pokud na základě minulých nákupů zákazníka dokážeme zjistit jeho oblíbenou značku, můžeme ji upřednostnit.<br />
<br />
Můžeme brát v potaz i <b>hodnocení produktů</b> a upřednostňovat ty s lepším hodnocením.<br />
<br />
<h3>
Jak tedy zboží finálně seřadit?</h3>
Třeba Alza na prvních pozicích vždy ukazuje představitele různých cenových úrovní - něco pro náročné za vyšší cenu, standardní kvalita a cena a něco pro cenově senzitivní zákazníky. Uvedení dražšího zboží na začátku může fungovat jako cenová kotva a při porovnání s ní by se mohlo další zboží zdát levnější.<br />
<br />
Největší smysl pro náš e-shop mně ale zatím dává střídat zboží: na lichých pozicích dát bestsellery seřazené podle souhrnné marže prodaného produktu za posledních 30 dní, na sudé pak novinky seřazené od nejnovějších. S tím, že od cca 20. pozice přidat i zboží ve slevě a nedávno prohlížené zboží.<br />
<br />
<br />
Každopádně doporučuji udělat A/B test pro zjištění, jestli se změna vyplácí. Nastavení testu však v tomto případě bývá celkem náročné.<br />
<br />
Máte tip na jiný přístup, který vám funguje?<br />
<div>
<br /></div>
Viktorhttp://www.blogger.com/profile/01644705910249945520noreply@blogger.com0tag:blogger.com,1999:blog-1582823424066905950.post-9704755169759657792019-01-07T23:01:00.000+01:002019-03-07T23:34:35.755+01:00Algoritmus pro automatizované doobjednávání zboží na sklad e-shopuKdyž nějaké zboží dochází na skladě e-shopu, je třeba na to
pružně reagovat, aby <b>nedošlo k jeho vyprodání</b> – zvlášť pokud se jedná o
důležité produkty. Dá se to řešit pomocí tabulky s docházejícím zbožím, v
kombinaci s <b>e-mailovým hlásičem</b>, který bude v předstihu posílat e-mail
nákupčím.<br />
<div class="MsoNormal">
Navrhuji tento algoritmus a rád bych zde prověřil, jak je možné
ho dále zdokonalit.</div>
<div class="MsoNormal">
<br />
<a name='more'></a></div>
<h3>
Algoritmus pro vyhodnocování počtu dní, kdy konkrétní zboží
dojde na skladě</h3>
<div class="MsoNormal">
Pro spolehlivé upozorňování vidím jako důležité 3 kroky:</div>
<ol start="1" style="margin-top: 0cm;" type="1">
<li class="MsoNormal" style="mso-list: l1 level1 lfo2; tab-stops: list 36.0pt;">musíme
vědět jak rychle se konkrétní zboží vyprodává</li>
<li class="MsoNormal" style="mso-list: l1 level1 lfo2; tab-stops: list 36.0pt;">v něm musíme zahrnout
i sezónní výkyvy v prodejnosti</li>
<li class="MsoNormal" style="mso-list: l1 level1 lfo2; tab-stops: list 36.0pt;">upozornit
potřebný počet dní předem, aby se zboží stihlo včas doobjednat a naskladnit</li>
</ol>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Pro <b>odhad, kdy se konkrétní produkt vyprodá</b>, je třeba brát
jen počet dní, po které je skutečně na skladě a lze koupit v e-shopu (dále budu
používat termín „dostupné“ zboží). Podělením počtu prodaných kusů počtem dní,
kdy bylo zboží dostupné, získáme průměrný počet kusů prodaných za den. <i><span style="color: #999999;">Číslo by mělo být zaokrouhlené na 1-2 desetinná čísla
podle toho, jak často se zboží prodává (pozn. 0,01 znamená 4 prodané kusy za
rok)</span></i>. <i>Příklad: zboží bylo dostupné 15.1.-4.2., tedy 20 dní, během
kterých se prodalo 10 kusů. 10/20=0,5 prodaného produktu za den.</i></div>
<div class="MsoNormal">
<br /></div>
<h4 style="margin-left: 0cm; text-indent: 0cm;">
Vliv sezónnosti</h4>
<div class="MsoNormal">
Aby algoritmus v únoru nedoporučoval objednávat počet kusů
zboží, který by odpovídal prodávanosti v předvánoční sezónně, je ideální
<b>rozdělit rok na 365 dnů</b> a sledovat průměrnou prodávanost v jednotlivých dnech v
loňském roce s tím, že<span style="mso-spacerun: yes;"> </span>bychom toto číslo
povýšili o procento růstu/poklesu, které očekáváme pro rok aktuální. Pokud
bychom tedy plánovali tento rok zvýšit prodeje o 10 %, vynásobili bychom čísla
v jednotlivých dnech 1,1krát. <i>Příklad: zboží bylo dostupné všech 365 dní v
roce a prodalo se ho 200 kusů, tedy průměrně 0,55 kusů denně. Ale v březnu se
ho prodávalo průměrně jen 0,1 kusů za den, zatímco v listopadu 2 kusy denně.
Pokud by byl plán prodat o 10 % zboží více, počítali bychom, že chceme v
průměrný listopadový den letos prodat 2,2 kusu produktu.</i></div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Tento algoritmus je možné aplikovat u zboží které jsme
prodávali už v minulém roce. Co ale udělat u novinek?</div>
<div class="MsoNormal">
<br /></div>
<h4 style="margin-left: 0cm; text-indent: 0cm;">
Nové zboží</h4>
<div class="MsoNormal">
Jednodušší je varianta, kdy je nové zboží zbožím
nahrazujícím původní – třeba nová generace stejného produktu s menší obměnou –
v tom případě je možné nastavit, aby nové zboží podědilo vývoj prodejnosti
zboží nahrazovaného (pokud už nebudeme původní zboží prodávat).</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Zajímavější to bude v případech, kdy se jedná o zcela nové
zboží. Pokud nejde zboží přirovnat k jinému zboží, aby podědilo vývoj
prodejnosti (třeba pro jistotu ponížený o určité procento), tak lze nejdříve
<b>objednat zkušební množství</b> a podle zájmu o něj pak doobjednat. Mohli bychom ale
také postupovat tak, že bychom jednotlivým dnům v roce <b>přiřadili proporcionální
hodnotu celkových tržeb/marže za celý rok</b>. <i>Příklad: pokud bychom měli hlavní
sezónu před Vánoci a nízkou v březnu, tak bychom v březnových dnech dosahovali
např. 0,1 % celkových ročních tržeb, zatímco v listopadových dnech třeba 1 %. </i><b>Každý
den v roce by tak měl určitou váhu</b> a podle ní bychom věděli, jestli zboží
objednávat méně nebo více.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Toto řešení by bylo vhodné pro zboží, které má stejné sezónní
výkyvy, jako celý e-shop průměrně. To bude ale nastávat málokdy, proto navrhuji
zboží přiřadit ke konkrétní <b>kategorii zboží</b> a sledovat váhy dní během roku jen
této kategorie, protože bude sezónu zohledňovat mnohem efektivněji. Váhy
jednotlivých dní by se tak nepočítaly z tržeb/marže všeho zboží v e-shopu, ale
jen ze zboží <b>ve stejné kategorii</b>. <i>Pozn.: pozor na to, aby statistiku
nezkreslovalo, pokud máme mimo sezónu zboží této kategorie vyprodané nebo jinak
nedostupné.</i></div>
<div class="MsoNormal">
<i><br /></i></div>
<div class="MsoNormal">
Váhy díky přiřazení ke kategorii mohou zpřesnit i
předpokládané prodeje u zboží, které není nové, ale často bylo v loňském roce
nedostupné a neměli bychom tak možnost váhy stanovit jinak. V tom případě
můžeme vzít prodejnost ve dnech, které známe a ostatní dny dopočítat podle vah
prodejnosti kategorie.</div>
<div class="MsoNormal">
<br /></div>
<h4 style="margin-left: 0cm; text-indent: 0cm;">
Objednání zboží,
které se brzy vyprodá?</h4>
<div class="MsoNormal">
Řekněme tedy, že známe počty předpokládaných prodejů každého
zboží v našem e-shopu. Na základě toho jsme schopni zjistit, <b>za kolik dní se
pravděpodobně které zboží vyprodá</b>. U každého dodavatele bychom pak měli
evidovat počet dní, se kterým musíme počítat od objednání do naskladnění a
zveřejnění v e-shopu. Algoritmus by nás tak měl na nutnost doskladnění
<b>upozornit v dostatečném předstihu</b>, tedy počet dní pro objednání + počet dní pro
nashromáždění dostatečného množství zboží u jednoho dodavatele, aby mohlo být
objednáno.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Teď musíme ošetřit to, že u každého dodavatele objednáváme v
jiných časových rozestupech, na základě toho, kdy se nám nashromáždí tolik
zboží k objednání, abychom splnili podmínky minimální objednávky dodavatele,
aby se nám vyplatila doprava, nebo splnili jinou podmínku.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
V administraci e-shopu by tedy měla být <b>tabulka ke každému
dodavateli</b>, ve které se bude hromadit seznam zboží k objednání, cílová částka
pro minimální hodnotu objednávky bez DPH, hodnota aktuálně připravované
objednávky a hodnota, za kterou ještě musíme doobjednat (minimální hodnota
mínus aktuální hodnota). Součástí této tabulky by měla být <b>možnost zobrazit
ostatní zboží tohoto dodavatele</b>, u kterého bude vždy <b>počet dní, během kterých
se zboží pravděpodobně vyprodá</b> (seřazené vzestupně) a <b>označení důležitosti
konkrétního produktu</b> – ideálně barevné ikonky např. TOP100, TOP300, TOP500
podle toho, jak je pro nás tento produkt důležitý z pohledu celkových
potenciálních tržeb/marže v následujícím období, třeba 1-2 měsíců. To nám
umožní <b>rychle přidat<span style="mso-spacerun: yes;"> </span>další zboží do
objednávky</b> tím, že budeme moci u každého produktu přidat počet kusů pro
objednání.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Pokud bychom chtěli systém ještě zdokonalit, mohli bychom si
zadat jak často chceme u kterého dodavatele objednávat (např. jednou za 30 dní)
a algoritmus může doporučovat přesný počet kusů zboží, který je třeba
doobjednat, aby vystačilo po potřebnou dobu. Dopočítal by zase množství na
základě loňské prodejnosti v těchto dnech a předpokládaného růstu.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Pokud tedy dosáhneme minimální hodnoty objednávky, ideální
je mít možnost exportu pro dodavatele, nebo si budeme muset vystačit s tím, že
objednávku přepíšeme do objednávkového systému dodavatele.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
<b>Na co bychom si měli dávat pozor?</b></div>
<div class="MsoNormal">
Pokud je objednávek některého zboží málo, ale v objednávce
je vždy hodně kusů, může to s algoritmem negativně zamávat. Přeženu do na
příkladu: pokud se zboží celý rok neprodá žádný kus kromě jednoho dne – může to
být náhoda, která se nemusí opakovat ve stejném dni<span style="mso-spacerun: yes;"> </span>příští rok nebo ani měsíci či celý rok.
Stejně tak pokud je jen pár objednávek do roka po více kusech, může to být
náhoda, která nemusí znamenat, že se následující rok prodá ve stejném dni nebo
měsíci.</div>
<div class="MsoNormal">
<br /></div>
<h3 style="margin-left: 0cm; text-indent: 0cm;">
Jak algoritmus
vylepšit?</h3>
<div class="MsoNormal">
Toto je zatím teoretická úvaha za použití selského rozumu,
která by využívala strojového učení a nesporně má mouchy. Určitě bude
potřebovat dozor s kritickým myšlením a budu muset ještě popřemýšlet, jak by
mohla fungovat lépe. Určitě by toho dost vyplynulo z praxe. Poradíte ještě před
implementací, jak by se dala zvýšit její spolehlivost?</div>
<div class="MsoNormal">
<br /></div>
<br />Viktorhttp://www.blogger.com/profile/01644705910249945520noreply@blogger.com0tag:blogger.com,1999:blog-1582823424066905950.post-24414278644956884682018-12-06T23:13:00.001+01:002019-03-05T22:42:24.179+01:00O jaké pokročilé informace obohatit marketingové XML feedy a co jsou custom labels?<br />
<div class="MsoNormal">
Aby bylo ve službách jako Favi, <a href="http://www.biano.cz/" target="_blank">Biano</a>, Glami, Google
merchant, Heureka, Zboží apod. možné lépe biddovat (= nastavovat vyšší cenu
prokliku u zboží, aby se častěji zobrazovalo), lze do produktového XML feedu
<b>přidávat další informace o zbož</b>í. Dá se pak produktům, u kterých je vyšší
pravděpodobnost prodeje, navýšit cena za proklik. Tím se zajistí, že se
potenciálním zákazníkům bude zobrazovat právě zboží, u kterého je <b>vyšší
pravděpodobnost, že si ho koupí</b>. Jak na to?<br />
<br /></div>
<div class="MsoNormal">
<o:p></o:p></div>
<a name='more'></a><br />
<h2>
Co jsou custom labely</h2>
<div class="MsoNormal">
<br />
Například Google umožňuje přidávat do feedu k produktům v
Merchant Center <a href="https://support.google.com/merchants/topic/6324338?hl=en&ref_topic=7294998" target="_blank">tyto informace</a>. Z jejich definice je použití zřejmé, proto se jim v tomto článku věnovat
nebudu. Často se ale může stát, že chceme využít další, pokročilé informace. K
tomu se využívají tzv. <a href="https://support.google.com/merchants/answer/6324473?hl=en&ref_topic=6324338" target="_blank">custom labely</a><u>.</u></div>
<div class="MsoNormal">
<br /></div>
<h2>
Čím lze tedy XML feed obohatit?</h2>
<div class="MsoNormal">
<br />
Rád bych přednostně zobrazoval zboží, u kterého je vyšší
pravděpodobnost, že si ho někdo koupí. Dává mně proto smysl X <b>nejprodávanějších
produktů ve feedu označit</b>, abych u nich mohl zvýšit cenu prokliku a tím zvýšit
frekvenci zobrazování. Teď si můžu říct, jestli chci takto označit 5 %, 3 %
nebo 1 % nejprodávanějších produktů, nebo třeba 100, 50 nebo 30
nejprodávanějších produktů. To záleží na typu sortimentu daného e-shopu a už
záleží na rozhodnutí, jestli čísla budeme brát <b>podle počtu prodaných kusů, nebo
podle tržeb</b>. Preferuji to druhé.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Pokud chci <b>omezit vliv sezónnosti</b>, můžu to časově omezit,
aby se braly v potaz jen nejprodávanější výrobky za posledních 30 dní, 10 dní
apod.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Z jiného pohledu dává smysl uvažovat <b>maržovost produktů</b> a
můžu chtít biddovat na zboží s největší marží. </div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Dalším omezením může být <b>minimální hodnota produktů</b>, abychom
zbytečně nepromovali třeba špendlíky, kterých by se prodalo hodně kusů, ale
cena nebo marže je příliš nízká. Podle typu sortimentu e-shopu tak můžeme do
feedu značit třeba jen zboží s cenou nad 100 nebo 200 Kč.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Největší smysl ale většinou dává nějaká <b>kombinace
prodávanosti, maržovosti a časového úseku</b> vyhodnocování – např. 20
nejprodávanějších produktů podle tržeb za posledních 10 dní, které mají marži
vyšší než 20 % a jejich jednotková cena je alespoň 200 Kč.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Do feedu také můžeme přidat <b>název kategorie</b> libovolné
hloubky a na základě toho vytvářet skupiny produktů pro inzerci. To ale spíš v
případě, kdy nám nevyhovuje label „product category“.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Zajímavé je dávat do custom labelu i <b>cenové hladiny zboží</b>,
tedy rozdělit si zboží podle ceny např. do množin 0-200 Kč, 201-500 Kč,
501-1000 Kč atp., pokud nám dává smysl pro tyto skupiny mít podobnou biddovací
strategii.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
<br /></div>
<h2>
Jak tyto informace přidat?</h2>
<div class="MsoNormal">
<br />
Pomocí tzv. <b>custom labelů</b>. U Googlu se označují jako např.
„g:custom_label_4“. U Facebooku a jiných prostě jako „custom_label_4“.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Do těchto labelů je pak fajn dávat textovou informaci, ve
které se člověk <b>i po čase vyzná</b>. Z našeho příkladu výše třeba něco jako
„100nejprodavanejsich“, u ostatních produktů „0“. Nebo třeba „top10“, „top30“,
„top50“ a zbytek „0“.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
Pravidla u XML feedů můžeme spravovat třeba pomocí aplikace
Mergado, nebo přes jednotlivé služby, kterým feedy dodávají data.</div>
<div class="MsoNormal">
<br /></div>
<div class="MsoNormal">
<o:p><br /></o:p></div>
<div class="MsoNormal">
Důležitá otázka na závěr: <b>jak to děláte vy?</b> Jaké informace přidáváte
do custom labelů a máte jinou nebo lepší biddovací strategii?</div>
<br />Viktorhttp://www.blogger.com/profile/01644705910249945520noreply@blogger.com0tag:blogger.com,1999:blog-1582823424066905950.post-60538359290840534272018-12-05T21:27:00.001+01:002018-12-06T23:26:27.006+01:00Blog o digitálním marketingu pro větší e-shopyMoje jméno je Viktor Ševčík a už se téměř 15 let věnuji digitálnímu marketingu, v poslední době s přesahem i mimo online. Žiju v Brně. <div>
<br /></div>
<div>
Pracoval jsem jak v marketingové agentuře, tak pro Seznam.cz, v korporaci i pro české e-shopy z oblasti parfémů, nábytku a bytových doplňků. Odkaz na <a href="https://www.linkedin.com/in/viktorsevcik/">LinkedIn</a>. </div>
<div>
<br /></div>
<div>
<a name='more'></a><br /> V posledních letech se z pozice marketingového managera více věnuji strategiím, datové analytice a atribucím, výkonnostnímu marketingu a zajímají mě pokročilé techniky automatizace a personalizace v marketingu. </div>
<div>
<br /></div>
<div>
Přestože je to úplně out, založil jsem si blog. V něm bych chtěl ukazovat některá marketingová řešení, se kterými se potýkám a ověřovat si tak správnost svých myšlenkových pochodů. A hlavně získat zpětnou vazbu, jak se tato řešení dají ještě vylepšit (což se vždy dají). </div>
<div>
<br /></div>
<div>
Protože vedu marketing spíš větších e-shopů, témata by měla být taková, která nejsou v češtině až tak často dohledatelná a nemá s nimi zkušenosti každý (online) marketér. </div>
<div>
<br /></div>
<div>
Doufám, že to bude zajímavé a oboustranně prospěšné. </div>
<div>
<br /></div>
<div>
Viktor</div>
Viktorhttp://www.blogger.com/profile/01644705910249945520noreply@blogger.com0