Wybór kraju

Wybór kraju

Jakie dane analizować w Twoim sklepie i jak to robić? [WYWIAD]

24 Kwi 2017   Aktualizacja: 26 Kwi 2017

Marta Siekierska

O tym, że big data to nie magia i jak dane mogą być wykorzystane przez właścicieli sklepów internetowych – rozmawiamy z Tomaszem Kowalakiem, szefem zespołu Business Intelligence w PayU.

Business Intelligence – co to właściwie jest i do czego służy?
Tomasz Kowalak: BI ma dostarczać wiedzy, rekomendować, co może zrobić przedsiębiorstwo, aby jak najlepiej wykorzystać pojawiające się szanse biznesowe lub odwrotnie: ograniczyć zagrożenia.

W jaki sposób?
Tomasz Kowalak: Wyobraźmy sobie, że prowadzimy sklep internetowy. Na początku otrzymujemy 20-30 maili dziennie z pytaniami dotyczącymi naszej oferty. Tyle jeszcze jesteśmy w stanie przeczytać i ocenić, czego potrzebują klienci. Ale jeśli tych maili przychodzi codziennie pięćset , a do tego dochodzą dwa tysiące wpisów w wyszukiwarce na stronie sklepu, to ręczna analiza jest już niewykonalna. Ale można do tego wykorzystać narzędzia do text miningu (wydobywania danych z tekstu – red.), które pozwalają bardzo szybko ustalić, czego poszukują klienci. Jeśli te dane wzbogacimy o informacje zewnętrzne o ruchu internetowym w poszczególnych kategoriach (dostępne np. na platformie SimilarWeb), to jesteśmy w stanie dużo szybciej reagować na potrzeby klienta i przygotować dopasowaną do jego potrzeb ofertę. A zatem dzięki analizie szerokiego zakresu danych widzimy pojawiające się szanse, czyli popyt na określone kategorie towarów, ale też ograniczamy koszty nieoptymalnych decyzji, podjętych na podstawie odczuć zamiast faktów.

Firmy faktycznie potrafią z tej analizy korzystać?
Tomasz Kowalak: Wiele przedsiębiorstw uczyniło z analizy gromadzonych danych siłę napędową dla swoich biznesów. Netflix bardzo szczegółowo analizuje zachowania klientów, obserwując, co i kiedy oglądają, z jakich urządzeń korzystają, czy w którym momencie zatrzymują film. To pozwala dopasowywać przekaz i ofertę pod konkretnego widza. Do jednego z hitów, „House of Cards”, Netflix nakręcił aż dziesięć wersji zwiastuna. Dla fanów Kevina Spacey przygotował taki, w którym aktor pojawia się częściej niż w zwiastunie dla tych widzów, którzy bardziej reagowali na odpowiednie… natężenie kolorów. Innymi słowy, przekaz dostosowany jest do percepcji i preferencji użytkownika, co zwiększa konwersję i w efekcie przychody serwisu.


Tomasz Kowalak

Przeczytaj też: Sklep jak showroom. Tak wygląda handel przyszłości

Czy te „magiczne” rozwiązania są dostępne jedynie dla dużych firm?
Tomasz Kowalak: Nie, choć oczywiście duże firmy mają większe budżety na analitykę oraz posiadają specjalistów do jej obsługi, co powoduje, że częściej stosują zaawansowane narzędzia. Jednak każda firma, niezależnie od wielkości, powinna analizować dostępne dane i na ich podstawie podejmować decyzje. Czy potrzebuje do tego profesjonalnych i zaawansowanych narzędzi analitycznych? Niekoniecznie. Jeśli prowadzimy mały sklep internetowy, który wysyła około 20 paczek dziennie, to nie potrzebujemy rozbudowanej analityki, żeby wiedzieć, gdzie znajdują się główni odbiorcy. Ale są obszary, w których analitykę można wykorzystywać od samego początku: zachowania klientów na stronie internetowej można śledzić choćby przy pomocy Google Analytics. Dowiemy się dzięki temu, w jaki sposób użytkownicy docierają na naszą stronę, czego szukają w sklepie, czy i jaka jest konwersja. To są już konkretne i łatwo dostępne informacje, które można wykorzystać w biznesie.

A do czego sklepy internetowe powinny wykorzystywać analitykę?
Tomasz Kowalak: Przede wszystkim właśnie do badania zachowania klientów na swoich stronach. Tego typu analizy powinny być wpisane w DNA każdego sklepu internetowego, zwłaszcza że dane o zachowaniu użytkowników są stosunkowo łatwe do pozyskania. Dodatkowo istnieją narzędzia, często darmowe, które wspierają tego rodzaju analizę.

Co oprócz Google Analytics?
Tomasz Kowalak: Google Analytics pozwala ustalić, skąd przyszli użytkownicy i które strony odwiedzili, ale też dostarcza ciekawe informacje na temat cech klientów, chociażby ich wieku czy płci. Nieco innym narzędziem jest Mixpanel, który bazuje na tzw. eventach – zdarzeniach definiowanych na poziomie użytkownika i stanowiących podstawę do analizy. Na bazie tych danych można tworzyć lejki pokazujące, na którym etapie procesu zakupowego tracimy klientów (jaka jest konwersja), czy wyłapywać zmiany zachowań w określonych populacjach klientów. Inne narzędzia, jak Clicktale, Crazyegg czy HotJar umożliwiają precyzyjne śledzenie, w co klikają klienci w sklepie internetowym. Na tej podstawie tworzy się mapy ciepła (heat maps), które pokazują, które elementy sklepu cieszą się największą popularnością. A to może pomóc choćby w określeniu, gdzie umieścić reklamę.

Analityka to z reguły droga zabawa?
Tomasz Kowalak: Dzisiaj nie trzeba już tak dużo inwestować w analitykę, ponieważ wiele rozwiązań, jak hurtownie danych, systemy raportujące czy narzędzia machine learning, dostępnych jest w chmurze, po coraz przystępniejszych cenach. Takie usługi oferuje Amazon, który założył platformę Amazon Web Services (AWS), umożliwiającą budowanie hurtowni danych i „wynajmowanie” narzędzi analitycznych na godziny. Podobne rozwiązania dostępne są na platformie Azure, należącej do Microsoftu.

Zobacz też: Magiczny przycisk zakupowy Amazona. Dlaczego działa?

Czy są jeszcze jakieś obszary działalności firm, których nie da się przeanalizować?
Tomasz Kowalak: Oczywiście. Wciąż wyzwaniem jest jak najlepsze „tłumaczenie” dostępnych danych na język działań podejmowanych przez przedsiębiorstwo. Robienie tego coraz szybciej, na podstawie coraz szerszego zakresu danych, w sposób coraz bardziej dopasowany do potrzeb odbiorców. W wielu obszarach, np. customer care, można zebrać ogromną ilość danych w przeróżnych formatach (z czatów, maili, rozmów telefonicznych), ale wyzwaniem jest przeanalizowanie ich w krótkim czasie. Automatyzacja procesów biznesowych powoduje, że coraz więcej obszarów jest dostępnych dla analityki. Warto się jednak zastanowić, czy wszystko powinno się analizować: Czy na pewno opłaca nam się zbierać dane ze wszystkich obszarów działalności firmy? Czy koszt ich zbierania nie przewyższa potencjalnych korzyści z wykorzystania zdobytych informacji? I wreszcie: czy faktycznie te dane są dla nas wartościowe?

Według firmy Forrester Research rozwój kompleksowych platform analitycznych, czyli tzw. Insight Platforms, był priorytetem wśród projektów technologicznych w 2016 roku. Czy Pana zdaniem ten trend utrzyma się w kolejnych latach?
Tomasz Kowalak: Ktoś kiedyś słusznie powiedział, że firmy nie potrzebują danych, lecz wniosków, które z nich płyną, i konkretnych działań, które za nimi podążają. Platformy mają nas przybliżyć do jak najlepszej realizacji tego postulatu poprzez integrację różnych aktywności analitycznych w jednym miejscu. Pozwalają przede wszystkim na lepsze zarządzanie źródłami danych, połączenie różnych technik analizy danych i wdrożenie rezultatów w aplikacjach czy systemach, które zrobią z nich największy pożytek.

A w jakich kierunkach będzie się rozwijała analityka w najbliższej przyszłości?
Tomasz Kowalak: Od kilku lat wyraźnie widać, że BI podąża w stronę zwiększania zakresu self-service'u, czyli samodzielnej pracy z danymi na każdym możliwym poziomie. Chodzi o to, aby z narzędzi analitycznych mogli korzystać nie tylko analitycy. W efekcie zmienia się rola departamentów IT w firmach – przestają być odpowiedzialne za przygotowywanie raportów, a stają się inspiratorami do wykorzystywania nowych technologii. Firmy będą też w coraz większym stopniu korzystać z rozwiązań dostępnych w chmurze. W prognozach dotyczących analityki systematycznie przewija się także temat sztucznej inteligencji, ale na razie jeszcze trudno mówić o rewolucji w tej dziedzinie.

Ostatnio modnym hasłem w świecie technologii jest machine learning. Jak samouczenie się maszyn wpływa na obszar Business Intelligence?
Tomasz Kowalak: Przede wszystkim umożliwia automatyczne budowanie modeli i algorytmów oraz ich zmianę wraz z pojawianiem się nowych informacji. Uczenie maszynowe ma ogromny wpływ na tempo konstruowania modeli. Kiedyś zespoły analityków były w stanie stworzyć kilka modeli w ciągu tygodnia – teraz w tym czasie powstają ich tysiące. Machine learning zmienia analitykę zwłaszcza w tych obszarach, które zależą od szybkości reagowania na zmiany. Dotyczy to np. działań związanych z wykrywaniem oszustw w transakcjach finansowych czy tworzeniem rekomendacji dla użytkowników, jak we wspominanym Netfliksie. Niektórzy twierdzą, że machine learning to w zasadzie nowa postać Busieness Intelligence.

Jak wykorzystywać dane w sklepie internetowym

Czy to oznacza, że analityka biznesowa jest już zależna wyłącznie od tempa rozwoju prac nad sztuczną inteligencją?
Tomasz Kowalak: Nie, ale sztuczna inteligencja będzie na nią bardzo silnie oddziaływać. Z pewnością pomoże w formułowaniu wniosków i zautomatyzuje proces podejmowania niektórych decyzji o charakterze operacyjnym. Przypuszczam jednak, że w przypadku decyzji strategicznych będzie pełnić głównie rolę wspierającą. Kluczowe decyzje często podejmuje się w oparciu o trudno kwantyfikowalne przeczucia, których nie można przełożyć na algorytm. Warto też się zastanowić, czy machine learning i sztuczna inteligencja – mimo tego, że są wsparciem dla biznesu – nie będą go jednocześnie ograniczać. Czy np. Netflix, który wykorzystuje zaawansowane algorytmy do analizy zachowania i preferencji użytkowników, nie stworzy ograniczeń dla rozwoju własnej działalności? Czy będzie w stanie podjąć ryzyko dotyczące nowej produkcji, która wykracza poza preferencje użytkownika? Czy spróbuje wykreować na nie popyt? Z pewnością znajdą się inni dostawczy treści, którzy zaufają intuicji i zaryzykują. I być może dzięki temu wygrają.

***

Tomasz Kowalak to lider zespołu Business Intelligence w PayU. Wcześniej pracował w Banku Zachodnim WBK. Był także wykładowcą finansów na Uniwersytecie Ekonomicznym w Poznaniu. Uwielbia czytać kryminały, pasjonują go finanse behawioralne i jak większość lubi podróżować.

Przeczytaj teraz: PayU i Google wdrażają w Polsce Android Pay. Co to oznacza?

Fotografia otwarciowa: CC by Negative Space/Pexels