Od surových dat k úspěchu v e-commerce: ETL pro e-commerce

E-commerce roste každým rokem a zdá se, že tento trend je nezastavitelný. Zákazníci se postupně přesouvají z offline nákupů na online, a tento trend se každý den zrychluje. Každá nová studie potvrzuje růst e-commerce průmyslu. Tento trend se dokonce týká relativně konzervativních sektorů.

V určitých případech mohou existovat výjimky, ale celkově, jak konkrétní e-commerce podnik roste, roste i jeho složitost. Pracovní síla se rozšiřuje, vytvářejí se nové pozice, přidávají se další prodejní kanály, nové reklamní platformy, partneři atd.

Současně se zvyšuje počet zdrojů dostupných informací a objem samotných dat. Každá objednávka, každá návštěva, každý klik, každý zobrazení reklamy – to vše jsou informace. Jsou tyto informace cenné? Pokud jsou správně interpretovány, ano. Dovedné korelování informací z různých zdrojů může vést k bezprecedentním výsledkům. Navíc vznikly nové profese zaměřené výhradně na práci s daty: Datoví analytici, Datoví vědci, Datoví inženýři, Datoví architekti, Weboví datoví analytici a Specialisté na bezpečnost dat.

Dalším problémem je, že jak podnik roste, stále více vazeb odděluje lidi od sebe. Stává se stále obtížnějším kontrolovat provozní metriky, které přímo ovlivňují klíčové výkonnostní ukazatele.

Podnik se rozšiřuje a vznikají nové pracovní skupiny a oddělení. Každý potřebuje data. Různé typy dat. Prodejní čísla, reklamní metriky, metriky zapojení zákazníků – pro analýzu, prognózy, plánování atd. Každý uvádí svá čísla, která slouží jako ukazatele jejich efektivity. Ale jak získat data, pokud jsou v různých zdrojích a formátech?

Navíc je zde otázka výběru centralizovaného systému pro analýzu a reporting, spolu s centralizovaným datovým úložištěm.

Bez centralizovaného úložiště: Ztráta příležitostí

Pro malé podniky není absence centralizovaného datového úložiště významným problémem. Za prvé, objem dat není velký. Za druhé, počet zdrojů dat zřídka přesahuje 3-5. Proto lze data vždy shromáždit do jedné tabulky Excel nebo nahrát několik CSV souborů do analytických systémů. Ano, vyžaduje to hodně manuální práce, ale není to příliš komplikované.

Jakmile však transformace na interní e-commerce podnik dosáhne střední velikosti, začínají se objevovat rozdíly. Různá oddělení vidí různá vstupní data a nedokážou vidět dopad svých akcí na celkový výsledek. Více lidí v organizaci začíná činit rozhodnutí na základě omezeného množství informací, což vede ke ztrátě jednoty a poklesu efektivity.

Výsledkem je zpomalení růstu klíčových metrik e-commerce podnikání.

Dalším kritickým bodem je potenciální ztráta nových motorů růstu:

• A: Mohou jednoduše zůstat bez povšimnutí;
• B: Nesprávně je posoudit v omezeném datovém prostředí a učinit špatné rozhodnutí.

ETL v kontextu e-commerce

ETL je proces shromažďování, transformace a ukládání dat do centralizovaného úložiště. Jako proces vznikl a byl formalizován již před nějakým časem, zpět v 70. letech. Nicméně, širokého použití získal až s růstem počtu webových služeb, což znamená, že zdroje dostupných dat se staly různorodými a rozvětvenými. V současnosti existují desítky jak bezplatných, tak placených služeb, které mohou plně pokrýt přenos různých dat do jednotného úložiště. Více informací naleznete zde: Konsolidujte všechna data na jednom místě: Síla ETL pro Shopify obchody

V kontextu e-commerce ETL plní funkci shromažďování dat z desítek zdrojů do jedné databáze. Tím získáte jednotné úložiště, kde jsou uložena všechna vaše data. To na oplátku standardizuje přístup k jakýmkoli datům a značně usnadňuje poskytování přístupu k potřebným informacím.

Výsledkem je, že všichni zaměstnanci, dodavatelé nebo jiné osoby či společnosti získávají přístup k datům, která potřebují pro své efektivní aktivity.

Pro většinu e-commerce databází budou zahrnuta následující informace:

• Data z vlastního obchodu nebo backendová data (objednávky, produkty, zásoby, transakce, daně);
• Analytická data - návštěvy, zobrazení, CTR z služeb jako Google Analytics, Search Console, Mixpanel/Amplitude;
• Reklamní platformy - kliknutí, zobrazení, náklady, výkon ze služeb jako Google Ads, FB, Criteo a desítky dalších;
• Marketing - Mailchimp, Sendgrid, Instagram, Hubspot a další;
• CRM data;
• Interní systémy a reporting (rozpočty, plány, cíle, dodavatelé atd.)

Datové úložiště pro e-commerce

Úložiště je ve většině případů cloudová databáze jako Google BigQuery, Amazon Redshift nebo Snowflake. Cloudové úložiště má několik klíčových výhod, včetně:

• Snadnost připojení;
• Bezpečnost;
• Dostupnost (provozní doba zřídka méně než 99,9%);
• Rychlost načítání dat;
• Škálovatelnost.

Je také možné nasadit místní datové úložiště založené na PostgreSQL nebo Microsoft SQL Server. Nicméně, to je obecně méně spolehlivé a nákladově efektivní řešení.

Je třeba poznamenat, že i když máte jedno datové úložiště, data mohou být snadno distribuována do přístupových skupin, známých jako Data Marts. Tímto způsobem budou mít různé skupiny a oddělení přístup pouze k datům nezbytným pro efektivní splnění jejich úkolů.

Jakmile jsou data získána, dalším krokem je analýza, generování reportů a výstup metrik. V této fázi jsou omezení pouze v představivosti těch, kteří pracují s daty a reportingovými systémy, využívajícími běžné nástroje jako PowerBI nebo Google Looker Studio.

Proč ETL?

ETL je v podstatě proces. Je nezbytný pro vytváření jednotného informačního (datového) prostředí a udržování jeho relevance. Nicméně, je to jeden z mála klíčových procesů. ETL pouze nekopíruje data ze zdroje do úložiště; také je správně strukturuje, čistí a připravuje.

Proces ETL hraje vedoucí roli při získávání a přípravě dat pro analýzu, reporting nebo obchodní analýzu.

Každé oddělení společnosti může těžit z dat nebo je dokonce musí používat jak pro plánování, tak pro hodnocení efektivity.

Co očekávat od implementace ETL

Není dostatečné implementovat proces ETL a vytvořit jednotné datové úložiště. Potřebujete schopnosti a dovednosti k extrakci užitečných informací z úložiště, a řada analytických systémů může být užitečná, typické jako Power BI a Looker Studio, a další specializované jako Exploratory.

Můžete postupně implementovat a používat různé reporty v závislosti na úkolech a cílech:

• 360stupňový přehled efektivity marketingu e-commerce;
• Analýza trychtýře a zlepšení konverze na každé fázi;
• Profilování zákazníků a zvyšování LTV;
• Vývoj nových produktů nebo služeb;
• Slevy a akce podložené historickými daty;
• Hodnocení a zlepšení zákaznického servisu;
• Efektivní řízení zásob;
• Zlepšení ROI

Pro každý z těchto úkolů mohou být vytvořeny specializované Shopify Reports - zaměřené na úzký okruh specialistů, souhrnné reporty pro střední manažery a vysoké reporty nebo dashboardy pro C-level manažery.

Důležité je, že všechny tyto reporty nebo Shopify Dashboards jsou vytvářeny ze stejných dat, ale s různými úrovněmi podrobnosti, což zajišťuje přesnost na všech úrovních.

A co AI?

Současným trendem je také implementace AI technologií v různých aspektech podnikání, od tvorby obsahu po segmentaci zákazníků. I zde může být jednotné datové úložiště prospěšné.

Představte si, že veškerá komunikace se zákazníky je uložena v databázi. Poměrně jednoduché AI modely mohou automaticky analyzovat obsah a:

• Klasifikovat žádosti do skupin;
• Určit sentiment (spokojenost zákazníků);
• Konsolidovat podobné žádosti a shrnout je do jedné nebo dvou vět;
• Identifikovat produkty nebo skupiny s nejvyšším počtem dotazů.

Zahájení vlastního centralizovaného datového úložiště

První fáze implementace čehokoli vždy začíná analýzou toho, co aktuálně máme a co chceme dosáhnout v budoucnu. Jasné pochopení potřeb (včetně budoucích perspektiv) je klíčovým faktorem ovlivňujícím dosažení cílů během implementačního procesu.

1. Za prvé, je zásadní jasně definovat potřeby reportování nebo analýzy a jejich požadavky.
2. Na základě toho můžete identifikovat soubor dat potřebných k vytvoření těchto reportů.
3. Po datech přicházejí datové zdroje. Máte přístup ke všem potřebným datovým zdrojům?

Další jsou technické kroky, ale jsou stejně důležité:

• Definujte strukturu existujících dat;
• Určete relevanci a kvalitu dat;
• Identifikujte požadovanou strukturu dat a na jejím základě vytvořte seznam transformací, které budou na data aplikovány;
• Vyberte ETL (Extract, Transform, Load) nástroje;
• Vyberte datové úložiště;
• Implementace, testování a úpravy.

Jak je zřejmé, některé kroky nejsou rychlé, ale cílem není udělat vše najednou. Nejprve je nutné vybudovat stabilní rámec a spustit celý interakční řetězec. Poté, jak se objeví potřeba nových dat, přidejte nové ETL procesy a rozšiřte datové úložiště odpovídajícím způsobem.

ETL a datové úložiště pro e-commerce

Pokud si stále nejste jisti, zda potřebujete implementovat centralizované datové úložiště a jakou hodnotu může přidat vašemu podnikání, zveme vás k rezervaci bezplatné online konzultace s naším technickým specialistou.