Historia Marketing Managera — Transcript

Historia marketing managera pokazuje wyzwania integracji danych marketingowych i sprzedażowych w jednym raporcie dla lepszej kontroli działań.

Key Takeaways

Integracja danych z różnych systemów jest kluczowa dla rzetelnej analizy marketingowej i sprzedażowej.
Ważne jest uwzględnienie tylko opłaconych transakcji, aby uniknąć zawyżania przychodów.
Metryka ERS pomaga ocenić efektywność wydatków reklamowych w kontekście wygenerowanych przychodów.
Automatyzacja i wizualizacja raportów w narzędziach takich jak Google Data Studio usprawnia codzienną pracę zespołu.
Brak spójnych danych może prowadzić do podejmowania decyzji na podstawie przeczucia, co jest ryzykowne.

Summary

Firma Sklep X prowadzi sprzedaż online i inwestuje w Google Ads, Facebook Ads oraz afiliację.
Właściciele mieli problem z rozbieżnymi danymi z różnych systemów i brakiem jasności co do rzeczywistych przychodów.
Zatrudniono marketing managera, który miał stworzyć spójny raport łączący dane sprzedażowe, marketingowe i kosztowe.
Raport miał zawierać dane o przychodach z opłaconych zamówień, koszty reklam i wskaźnik ERS (Effective Revenue Share).
Marketing manager zebrał dane z panelu sklepu, Google Analytics oraz systemów reklamowych (Google Ads, Facebook Ads, Ceneo).
Występowały rozbieżności między danymi z panelu sklepu a Google Analytics, m.in. brakujące zamówienia i różne kolumny danych.
Kluczowym polem do łączenia danych był Order ID, a do filtrowania opłaconych zamówień Order Status.
Stworzono nową metrykę Revenue Paid, uwzględniającą tylko opłacone transakcje, co pozwoliło na dokładniejszą analizę efektywności.
Wizualizacja i udostępnianie raportów odbywa się za pomocą Google Data Studio, co ułatwia codzienną kontrolę i segmentację danych.
Marketing manager otrzymał pochwałę za skuteczne wdrożenie raportu, który stał się podstawą codziennych spotkań i decyzji.

Chapters

Full Transcript — Download SRT & Markdown

Speaker A

Zanim zacznę, mam do ciebie jedno pytanie. Ile czasu w tym tygodniu ty, albo ktoś w twoim zespole, spędził na pobieraniu, przeklejaniu i łączeniu danych z różnych systemów? Godzinę? Trzy? A może tyle, że nikt już nawet nie liczy, bo po prostu tak to u nas działa.

Speaker A

Jeżeli choć przez sekundę musiałeś czy musiałaś się zastanowić nad odpowiedzią, to ta lekcja jest o tobie.

Speaker A

Opowiem ci historię. Historię, która pewnie dla wielu z was będzie brzmiała bardzo znajomo. Historia pewnego marketing managera.

Speaker A

Zacznijmy od poznania pewnej firmy, a konkretnie sklepu internetowego. Nazwijmy go Sklepem X. Niech to będzie sklep z akcesoriami, ubrankami i zabawkami dla niemowląt. Co ważne, działający tylko online, bez żadnych stacjonarnych punktów odbioru.

Speaker A

Od strony technicznej będzie to sklep działający na platformie Shopper. To tam będzie cała obsługa zamówień, stanu magazynowego i bazy klientów.

Speaker A

Jako że jest to sklep internetowy, to musi oczywiście prowadzić jakieś działania marketingowe, żeby pozyskiwać klientów. Standardowo powiedzmy inwestuje w reklamę Google Ads, Facebook Ads oraz jakąś afiliację.

Speaker A

Czy coś jeszcze powinniśmy wiedzieć? W sumie to tak. Do monitorowania ruchu na stronie i analizowania skuteczności działań marketingowych wykorzystuje popularne narzędzie Google Analytics.

Speaker A

Przez dłuższy czas firma była rozwijana głównie przez właścicieli, którzy zajmowali się niemal wszystkimi procesami.

Speaker A

Od pilnowania stanów magazynowych, przez odpowiadanie na maile, po tworzenie grafiki banerów. Starali się też samodzielnie prowadzić działania marketingowe.

Speaker A

Ale była jedna rzecz, która spędzała im sen z powiek. W piątek wieczorem przeglądali wyniki tygodnia i nigdy nie wiedzieli, czy to był dobry tydzień, czy zły.

Speaker A

Dane z Google Ads mówiły jedno, dane ze sklepu mówiły drugie. A co tak naprawdę zarobili, tego nikt nie wiedział.

Speaker A

Decyzje podejmowali na przeczucie, bo na nic innego już nie mieli czasu. I w końcu stwierdzili: "Dobra, dość tego" i postanowili zatrudnić marketing managera, kto ogarnie zarówno działania reklamowe, jak i analitykę i raportowanie.

Speaker A

Podczas jednej z pierwszych rozmów z marketing managerem szefowie przedstawili mu swoje pierwsze marzenie, jakie mają w związku z jego zatrudnieniem.

Speaker A

A konkretnie marzenie o raporcie, który da im upragnione poczucie spokoju i kontroli. Zwłaszcza nad działaniami marketingowymi, które wiążą się z dość dużymi nakładami finansowymi.

Speaker A

Głównie zależało im na informacjach takich jak: suma wygenerowanego przychodu przez dany kanał marketingowy, suma kosztów poniesionych na reklamę w danym kanale marketingowym oraz kluczowy wskaźnik efektywności, na jakim pracowali, czyli ERS, z angielskiego Effective Revenue Share, który pokazuje udział kosztów reklamowych

Speaker A

w wygenerowanych przychodach. To taka odwrotność ROAS-u. Inaczej mówiąc, chcieli po prostu wiedzieć, ile wydali na reklamę i ile z tego zarobili. Ale co trzeba podkreślić, wszystko to miało być w jednym raporcie, w jednym widoku, aktualne i poprawne.

Speaker A

Niby nie brzmi to zbyt skomplikowanie i wymagająco, ani nie wydaje się też jakieś trudne technicznie.

Speaker A

Jednak podejrzewam, że wiele firm dalej takiego jednego, spójnego raportu nie posiada. Zwłaszcza na tych pierwszych etapach swojej działalności.

Speaker A

Wracając do naszej historii. Marketing manager od razu zabrał się do pracy i ułożył plan przygotowania takiego raportu, który składał się z czterech kroków.

Speaker A

Najpierw ustalenie wymagań, aby mieć pewność, czy przygotowuje ten raport na właściwych danych. Dalej pobranie danych z odpowiednich źródeł.

Speaker A

Kolejny krok to połączenie tych danych i na koniec dostarczenie wymarzonego raportu do właścicieli firmy.

Speaker A

Idąc zgodnie z tym planem i punktem pierwszym, udało mu się otrzymać listę wymagań dla tego raportu.

Speaker A

Dostał informację, że uwaga, w raporcie muszą być wszystkie przychody z panelu sklepowego, które zostały opłacone.

Speaker A

To jest tutaj słowo klucz. Raport powinien być możliwy do analizowania w czasie, ponieważ szefowie chcieliby analizować dzień po dniu skuteczność poszczególnych kanałów i wiedzieć, czy bieżące decyzje dotyczące optymalizacji tych działań są właściwe.

Speaker A

Do transakcji z panelu sklepu powinny być przypisane źródła marketingowe z narzędzia Google Analytics, który na co dzień jest wykorzystywany do monitorowania ruchu.

Speaker A

Dodatkowo koszty reklamowe powinny uwzględniać dane ze wszystkich systemów reklamowych. Raport powinien być możliwy do analizy przez pryzmat ich wcześniej wspomnianego, kluczowego wskaźnika efektywności, o którym już mówiłem, czyli metryki ERS.

Speaker A

Obrazującej udział kosztów w wygenerowanych przychodach. Kolejnym krokiem według planu, po ustaleniu wymagań, było zebranie potrzebnych danych.

Speaker A

Idąc po kolei, marketing manager musiał najpierw pobrać dane z panelu CRM sklepu, gdzie miał informacje o wszystkich transakcjach oraz ich statusach płatności.

Speaker A

Po drugie, pobrać dane z Google Analytics, gdzie znajdowały się informacje o transakcjach oraz przypisanych do nich kanałach marketingowych. I po trzecie, pobrać dane kosztowe wykorzystywanych systemów, czyli Google Ads, Facebook Ads oraz Afiliacja.

Speaker A

Powiedzmy, że to będzie Ceneo. Zastanówmy się. Wszystkie te czynności wymagały zalogowania się do interfejsu danego narzędzia.

Speaker A

Znalezienie odpowiedniego widoku danych, ustawienie poprawnego zakresu dat i pobranie odpowiednich informacji do arkusza kalkulacyjnego.

Speaker A

Teraz przejdźmy do bardziej technicznej części, żeby pokazać, z jakimi problemami musiał mierzyć się nasz bohater.

Speaker A

I mały offtop. Podejrzewam, że mogą być osoby, dla których będzie to trochę skomplikowane. Ale mam nadzieję, że każdy zrozumie główne przesłanie.

Speaker A

A w razie jakichkolwiek pytań zawsze możecie do mnie napisać na LinkedInie. Dobra, to co takiego się dalej wydarzyło? Najpierw marketing manager pobrał dane o sprzedaży z panelu sklepu, pamiętał o tym, że musiał pobrać dane o transakcjach z informacją

Speaker A

o przychodzie oraz statusie transakcji. Przy eksporcie danych z panelu wybrał więc tylko najważniejsze pola. Takie jak Date, czyli data zamówienia, która będzie niezbędna do analizy danych w trasie.

Speaker A

Order ID, czyli identyfikator zamówienia. Revenue, czyli wartość przychodu z zamówienia. Oraz Order Status, czyli status transakcji, który mówi nam o tym, czy zamówienie zostało opłacone, czy też nie. I dzięki temu będzie można wyfiltrować te nieopłacone transakcje.

Speaker A

Przeglądając przykładowy fragment pobranego pliku, widać, że znajduje się w nim pięć transakcji sumujących się na 4750 złotych przychodu.

Speaker A

Ale tylko cztery transakcje były opłacone. Czyli tak naprawdę nie jest 4750 złotych, a cztery tysiące przychodu.

Speaker A

Licząc tylko te poprawne zamówienia zakończone udaną płatnością. Nawet na takich małych liczbach to dość istotna kwestia do uwzględnienia.

Speaker A

Kolejnym krokiem było pobranie raportu z panelu Google Analytics. Na szczęście sklep miał już wdrożoną implementację modułu rozszerzonego e-commerce, zawierającego najważniejsze zdarzenia procesu zakupowego.

Speaker A

Dlatego przy eksporcie danych była możliwość pobrania pól takich jak Date, czyli data zamówienia, znowu Order ID, czyli identyfikator zamówienia, Revenue, czyli wartość przychodu z zamówienia oraz, uwaga, Channel lub źródło medium, który mówi nam o tym, z jakiego kanału marketingowego

Speaker A

przyszedł użytkownik, który właśnie dokonał zamówienia. Patrząc na te dwa źródła danych, menadżer zauważył, że różnią się one dwoma kolumnami. Order Status, którego nie mamy dostępnego w danych Google Analytics.

Speaker A

Oraz Channel, którego z kolei nie mamy dostępnego w danych znajdujących się w platformie sklepu.

Speaker A

Poza tym dane różnią się jeszcze liczbą zamówień. W panelu sklepu widać pięć zamówień, a w danych Google Analytics widać tylko cztery zamówienia.

Speaker A

No cóż, brakuje więc tutaj zamówienia o numerze dwa. I wcale nie jest to nasze nieopłacone zamówienie, o którym mówiliśmy wcześniej.

Speaker A

Zastanówmy się, dlaczego może się tak dziać? Pamiętajmy, że Google Analytics to tylko narzędzie. Narzędzie działające na zasadzie uruchamiania odpowiedniego kodu, skryptu na stronie. I taki skrypt może być czasami zablokowany p

Speaker A

jak chociażby dość popularne adblocki. Jeżeli użytkownik posiada taką wtyczkę i dokona transakcji, to ta transakcja znajdzie się w bazie danych sklepu.

Speaker A

Bo sklep nie jest traktowany jako system analityczny lub reklamowy. Ale zabraknie tego zamówienia w Google Analytics, właśnie ze względu na blokadę tego skryptu. Na brak danych w Google Analytics może również wpłynąć błąd przy implementacji narzędzia.

Speaker A

Na przykład brak zaimplementowanego zdarzenia transakcji przy niektórych formach dostawy czy płatności. Myśląc więc o przygotowaniu omawianego raportu, głównym źródłem danych powinny być dane z panelu sklepu.

Speaker A

Ponieważ na pewno zawierają one wszystkie informacje o transakcjach. Dopiero do nich później możemy dołączyć to, co udało się zmierzyć przez inne narzędzia.

Speaker A

Czyli w tym przypadku będą to dane pobrane z systemu Google Analytics. Połączenie naszych danych przedstawionych w tej historii można wykonać na podstawie pola Order ID, które znajduje się w obu źródłach danych. I na szczęście jest spójne.

Speaker A

Czyli do tabeli z danymi CRM możemy dołączyć atrybut informujący nas o danym kanale marketingowym.

Speaker A

W ten sposób powstaje tabela bazująca na dwóch źródłach danych. Brakujące transakcje marketing manager może oznaczyć informacyjnie, na przykład jako kanał marketingowy typu adblock. Będą to takie transakcje, których nie znaleźliśmy w Google Analytics i nie udało się ich połączyć z danymi z panelu sklepu.

Speaker A

Kolejnym krokiem jest zalogowanie się do każdego systemu reklamowego i wyeksportowanie arkuszy z danymi o kosztach za dany dzień. Marketing manager musi wejść po kolei do systemów: Google Ads, Facebook Ads, Ceneo.

Speaker A

I pobrać dane z polami takimi jak data oraz wydatki marketingowe, pobierając każdy plik, dopisuje dodatkowo informacje, z jakiego systemu reklamowego te dane zostały pobrane. W taki sposób, aby te nazwy były spójne z nazwami kanałów Google Analytics.

Speaker A

I ostatnim etapem będzie połączenie danych kosztowych z transakcjami. Ale tutaj pojawia się kolejne wyzwanie.

Speaker A

Gdyż dane na poziomie zamówień i dane na poziomie transakcji mają, jak to się nazywa, inny poziom agregacji. Wiem, brzmi to skomplikowanie, ale już tłumaczę, o co chodzi. W tabeli z zamówieniami, gdzie do zamówienia jest przypisane źródło ruchu Google Ads, występuje kilka razy.

Speaker A

A my w tabeli z kosztami mamy jedną informację, ile na to wszystko wydaliśmy danego dnia.

Speaker A

Dodając wartość kosztu do każdej transakcji, zobaczylibyśmy, że doprowadziliśmy po prostu do multiplikacji danych. W takiej sytuacji bardzo łatwo o błąd i trzeba na to uważać. Chyba, że chcemy później poczuć taki zimny dreszcz, kiedy przeglądając gotowy raport, zorientujemy się, że coś zrobiliśmy nie tak.

Speaker A

Nie polecam nikomu takiego uczucia. W związku z tym marketing manager musi najpierw pogrupować dane w tabeli z transakcjami w taki sposób, aby zsumować wartości dla danej daty i kanału marketingowego.

Speaker A

Ze względu na różne statusy oraz identyfikatory występujące przy transakcjach, najlepszym sposobem w tym przypadku jest stworzenie nowej metryki bazującej na polach Revenue oraz Order Status, którą możemy w tym przypadku nazwać na przykład Revenue Paid.

Speaker A

W docelowej tabeli pomijamy również kolumnę Order ID, gdyż wartość dla wszystkich zamówień została już wcześniej zsumowana. I nie ma tutaj już potrzeby tego wykorzystania.

Speaker A

Wtedy te dane można pogrupować po dacie oraz danym kanale marketingowym. Zobacz, dopiero w tym momencie można połączyć dane o kosztach reklamowych z danymi transakcjami i uzyskać finalny wkład danych do raportu dla, uwaga, jednego dnia.

Speaker A

Ale co najważniejsze, raport jest już praktycznie gotowy. Ostatnim wymaganiem było jeszcze obliczenie wskaźnika ERS.

Speaker A

Czyli, jak już wspominałem, Effective Revenue Share. Aby to osiągnąć, trzeba dodać kolejną kolumnę w naszej tabeli i obliczyć ten wskaźnik, dzieląc koszty przez przychody.

Speaker A

I przekształcić otrzymaną wartość do procentów. Na przykładowych danych z raportu widać, że w kanale marketingowym Facebook Ads firma wydała 150 zł i wygenerowała 1000 zł przychodu.

Speaker A

Licząc oczywiście tylko zamówienia opłacone. Co przełożyło się finalnie na ERS wynoszący piętnaście procent. Patrząc na cały biznes, widzimy, że nasze wydatki marketingowe wyniosły 450 złotych.

Speaker A

A suma przychodu, oczywiście tego opłaconego, wynosi cztery tysiące. W związku z tym ERS wynosi trochę ponad 11%.

Speaker A

Sklepy internetowe bardzo często posługują się tą metryką. Wyznaczając sobie konkretny cel, na przykład ustalają, że maksymalny ERS dla całej sprzedaży nie powinien przekroczyć 15%.

Speaker A

Przypominam, że im niższy ERS, tym lepiej. Jeżeli marketing manager miałby taki cel, to mógłby bliżej przyjrzeć się działaniom w Afiliacji i wykonać jakieś kroki optymalizacyjne.

Speaker A

Bo w tym przypadku Afiliacja ma ERS na poziomie dwudziestu procent. Warto dodać, że ustalenie odpowiedniej, czy maksymalnej wartości współczynnika ERS jest indywidualne dla każdego sklepu, gdyż jest to zależne od branży i marżowości sprzedawanych produktów.

Speaker A

Podsumujmy to i spójrzmy jeszcze raz na drogę do przygotowania tego, jakby nie patrzeć, dość prostego raportu, z punktu widzenia informacji, jakie się tam znajdują. Marketing manager musiał pobrać dane ze wszystkich systemów do osobnych plików.

Speaker A

Potem to wszystko ze sobą połączyć, mierząc się z takimi wyzwaniami jak łączenie niepełnych danych Google Analytics z danymi CRM.

Speaker A

Agregację i grupowanie danych na różnych poziomach. Ale na szczęście mimo tych trudności, udało mu się.

Speaker A

Raport jest gotowy i nasz marketing manager dostarczył go do swoich szefów. I na samym końcu usłyszał...

Speaker A

najgorsze - pochwałę. Pochwałę od szefa, który uznał, że wykonał świetną robotę i informację, że chciałby mieć taki raport codziennie na spotkanie o godzinie jedenastej.

Speaker A

Marketing manager doskonale zdawał sobie sprawę, że będzie musiał teraz poświęcać nawet godzinę każdego dnia na przygotowanie raportów. Ale przecież wraz z rozwojem sklepu pojawi się więcej kanałów marketingowych i narzędzi, które będzie musiał w swoim raporcie uwzględnić.

Speaker A

Perspektywa pracy w ten sposób wydawała mu się nie tylko monotonna, ale budziła w nim wręcz lęk przed utratą czasu na jakieś inne, bardziej wartościowe, kreatywne zadania. Marketing manager wpadł więc na pomysł, aby spotkać się z kolegą, który pracuje

Speaker A

na podobnym stanowisku, w trochę innym, większym sklepie internetowym, żeby podpytać i dowiedzieć się, jak oni sobie radzą z problemami dotyczącymi raportowania.

Speaker A

Po krótkiej rozmowie dowiedział się, że firma, w której pracuje jego znajomy, rozrosła się i działa na siedmiu różnych rynkach. Dla każdego takiego rynku mają osobne platformy sklepowe, osobne konta reklamowe i osobne usługi Google Analytics.

Speaker A

Gdyby przyjąć model działający w firmie marketing managera w celu przygotowania raportu na takie codzienne spotkanie, musiałby on wyciągać dane z co najmniej trzydziestu pięciu różnych źródeł i na ich podstawie przygotować raport.

Speaker A

Szybko zrozumiał, że tworzenie takich raportów zajęłoby mu zdecydowanie za dużo czasu. Zapytał więc kolegę, czy mają oni kilka osób albo wręcz cały dział do przygotowania samych raportów w firmie. Bo on na tą chwilę sobie tego nie wyobraża.

Speaker A

Kolega jednak go zaskoczył, ponieważ odpowiedział, że raporty u niego w firmie nie bazują na ręcznym pobieraniu danych do arkusza kalkulacyjnego, bo jak słusznie zauważył, przy takiej skali musieliby zatrudnić kilka osób do przygotowania samych raportów.

Speaker A

A dodatkowo byłyby one podatne na błędy. Przy pobieraniu tylu danych i przyklejaniu ich do Excela bardzo łatwo byłoby się pomylić.

Speaker A

Marketing manager spytał się więc, jak oni to wszystko robią? W odpowiedzi usłyszał coś takiego: Wszystkie niezbędne dane są co godzinę pobierane automatycznie do jednego miejsca, naszej hurtowni danych w chmurze.

Speaker A

Następnie przetwarzamy te dane na raporty, a do wizualizacji tych danych korzystamy z narzędzia Google Data Studio. Dzięki temu łatwo udostępniamy te raporty w chmurze i segmentujemy dane w zależności od tego, czy dany odbiorca raportu może mieć dostęp do konkretnych informacji.

Speaker A

Poza tym nasza firma potrzebuje wielu różnych raportów. Mamy więc ich kilka, między nimi takie jak raport mówiący o efektywności kanałów, czyli podobny do tego, co akurat robi marketing manager.

Speaker A

Raport analizujący kanały przez pryzmat produktów, aby wiedzieć, gdzie powinniśmy reklamować jakie produkty. Raport segmentujący klientów, ponieważ są klienci, co wydają sto złotych, a są tacy, którzy wydali pięć tysięcy. Czyli czasem jeden klient jest pięćdziesiąt razy bardziej wartościowy od innego

Speaker A

i trzeba to stale analizować. Bardzo ważnym raportem jest też u nas raport realizacji budżetów i celów, który musimy na bieżąco monitorować i sprawdzać. Jeżeli wydamy za mało, nie uda nam się osiągnąć na stronie tego, co byśmy chcieli i wygenerujemy mniejsze przychody.

Speaker A

Z drugiej strony, jeżeli wydamy za dużo, czasem może okazać się nieopłacalne dla naszego biznesu.

Speaker A

Takie raporty pozwalają nam to kontrolować. Poza samymi raportami dużo działamy z wykorzystaniem tych danych w akcji, automatyzuje nam to pracę.

Speaker A

Dzięki integracji tych danych z innymi platformami możemy szukać nowych klientów, którzy są podobni do tych, którzy wydają u nas najwięcej. Wykorzystujemy też sztuczną inteligencję, która pomaga nam analizować i przetwarzać nasze dane. AI pomaga nam wyciągnąć wnioski, ale też tworzyć predykcje na przyszłość. Jak widzisz,

Speaker A

wykorzystujemy dane w działaniu, ale robimy to mądrze - pochwalił się kolega z tej większej firmy.

Speaker A

Spójrzmy teraz na te dwie firmy oczami kogoś z zewnątrz. Firma X zaczyna każdy dzień od pytania: Czy mamy już dane? Marketing manager loguje się do kolejnych systemów, pobiera pliki, skleja je w Excelu.

Speaker A

I zanim raport jest gotowy, minęła połowa poranka. A jeżeli akurat jest na urlopie? No cóż, wtedy raportu nie ma.

Speaker A

Firma Y zaczyna każdy dzień od odpowiedzi. Dashboard odświeżył się w nocy. Dane z siedmiu rynków są w jednym miejscu, a decyzja o budżecie na dziś zapada przed dziesiątą.

Speaker A

Jedna firma goni dane, druga działa na danych. I właśnie dlatego możemy powiedzieć, że firma X jest jak ślimak, nie tylko porusza się wolno.

Speaker A

Każdego dnia ryzykuje, że zostanie zadeptana przez firmę Y, która jak gepard działa na siedmiu rynkach jednocześnie i zostawia konkurencję daleko w tyle. Firma Y to firma data-driven, firma oparta na danych.

Speaker A

I tak doszedłem do końca historii. Miało być krótko, wiem, trochę się rozgadałem. Mam jednak nadzieję, że teraz rozumiesz, jaką przewagę konkurencyjną daje dobrze zbudowana i zarządzana hurtownia danych.

Speaker A

Ale to nie koniec historii marketing managera. Na początku tej lekcji zapytałem cię, ile czasu tygodniowo tracisz na dane. Mam nadzieję, że teraz widzisz, że to nie jest tylko kwestia wygody czy oszczędności czasu, to kwestia tego, po której stronie tej historii chcesz być.

Speaker A

Czy po stronie firmy, która goni raporty, czy po stronie firmy, która podejmuje decyzje. W następnej lekcji wyjaśnię ci, czym dokładnie jest hurtownia danych i jak działa od środka.

Speaker A

Do zobaczenia.

Topics:marketing managerraport marketingowyintegracja danychGoogle AnalyticsGoogle AdsFacebook Adse-commerceanaliza danychEffective Revenue Shareautomatyzacja raportów

Frequently Asked Questions

Dlaczego ważne jest uwzględnienie tylko opłaconych zamówień w raporcie?

Uwzględnienie tylko opłaconych zamówień pozwala na dokładne określenie rzeczywistych przychodów firmy, eliminując zamówienia anulowane lub nieopłacone, które mogłyby zawyżać wyniki finansowe.

Co to jest wskaźnik ERS i jak pomaga w analizie marketingowej?

ERS (Effective Revenue Share) to wskaźnik pokazujący udział kosztów reklamowych w wygenerowanych przychodach, odwrotny do ROAS. Pomaga ocenić efektywność wydatków reklamowych względem przychodów.

Jakie narzędzia wykorzystano do przygotowania i wizualizacji raportu?

Do przygotowania raportu marketing manager pobierał dane z panelu sklepu, Google Analytics oraz systemów reklamowych, a do wizualizacji i udostępniania raportów użyto Google Data Studio.

Get More with the Söz AI App

Transcribe recordings, audio files, and YouTube videos — with AI summaries, speaker detection, and unlimited transcriptions.

App Store Google Play

Or transcribe another YouTube video here →