Data Mining w e-commerce

Data Mining to proces polegający na wydobywaniu, a wręcz drążeniu danych, w celu pozyskania wiedzy o regułach, rządzących sprzedażą w e-commerce.
31 października 2022

Handel elektroniczny wciąż się rozwija, co wiąże się także z rosnącą konkurencją w branży.  Sklepy internetowe, chcące zachować rentowność, nie mogą pozwolić sobie na to, by nie wykorzystywać danych. A wręcz przeciwnie – powinny je nie tylko zbierać, ale też dogłębnie eksplorować, w celu pozyskania informacji, stanowiących jedną z podstaw do podejmowania skutecznych decyzji w e-biznesie. Tutaj z pomocą przychodzi Data Mining (eksploracja danych). To bardzo dokładana analiza, pozwalająca m.in. na lepsze poznanie zachowań klientów. Znajomość mechanizmów Data Mining (narzędzi i technik), może ułatwić rozwiązywanie wielu problemów, z którymi mierzą się sklepy internetowe. Dane są istotne m.in. w doborze skutecznych działań e-marketingowych i usprawnieniu procesów zachodzących w  e-commerce, co ma doprowadzić do zwiększenia konkurencyjności e-sklepu i realizacji zakładanych celów biznesowych.

Spis treści:

  1. Data Mining – co to jest?
  2. Data Mining – techniki eksploracji danych dla sklepów internetowych
  3. Data Mining – znaczenie eksploracji danych w e-commerce
  4. Eksploracja danych w Google Analytics 4 –  wybrane metody
  5. Google Search Console –  dlaczego warto drążyć dane z wyszukiwania?
  6. Automatyzacja marketingu, a eksploracja danych w e-commerce
  7. Jak Data Mining może usprawnić e-biznes?
  8. Streszczenie
  9. Podsumowanie

Data Mining – co to jest?

Data Mining (eksploracja danych) to jeden z etapów odkrywania wiedzy, zawartej w zbiorze informacji (m.in. o użytkownikach), które firmy zbierają za pośrednictwem różnych narzędzi analitycznych. Inaczej termin ten określa się także drążeniem, wydobywaniem lub ekstrakcją danych. Proces ten polega na dogłębnym analizowaniu informacji, zawartych w bazach danych, z wykorzystaniem nowoczesnych metod i technik (zarówno statystycznych, jak i informatycznych).

Eksploracja danych często pozwala odkryć nieznane wcześniej zależności oraz schematy (przedstawiane np. w formie reguł logicznych), posiadające m.in. wartość ekonomiczną. Oznacza to, że „odkrycia” z eksploracji mogą skutecznie wspomagać podejmowanie decyzji finansowych i marketingowych w wielu firmach. Niektórzy twierdzą nawet, że eksploracja nie jest poszukiwaniem nowych zależności, ale poszukiwaniem środków finansowych w bazach danych, stąd też określają ją mianem – „minning for dollars”. W praktyce każde przedsiębiorstwo, które zbiera dane o swoich klientach, może wykorzystywać metody z zakresu Data Mining do realizacji własnych celów.

Zapisz się na newsletter i bądź na bieżąco z naszymi artykułami z bloga. Nie przegap najciekawszych naszych wpisów.

Administratorem udostępnionych przez Ciebie danych osobowych jest Ideo Force Sp. z o.o. Podanie danych osobowych jest dobrowolne, jednak ich niepodanie uniemożliwi świadczenie usług na Twoją rzecz. Dowiedz się więcej o zasadach przetwarzania Twoich danych osobowych oraz przysługujących Ci uprawnieniach w Polityce prywatności.

Eksploracja danych otwiera duże możliwości, zwłaszcza przed firmami, funkcjonującymi w branży online. Te mają do swojej dyspozycji szereg narzędzi, umożliwiających im nie tylko zbieranie informacji o użytkownikach, ale także ich późniejszą analizę. Narzędzia do eksploracji danych, mogą być z powodzeniem wykorzystywane do optymalizowania procesów sprzedażowych, w systemach sklepów internetowych. Trzeba jednak wiedzieć, jak efektywnie wykorzystać potencjał danych (wydobywać z nich wartościowe informacje), które często pochodzą z niepowiązanych ze sobą źródeł.

Data Mining – techniki eksploracji danych dla sklepów internetowych

Istnieje kilka technik analitycznych, które mogą być wykorzystywane w odniesieniu do danych internetowych. Z powodzeniem mogą być one stosowane m.in. przez e-commerce lub inne firmy, które korzystają z rozwiązań e-marketingowych. Do metod tych zalicza się  np. analizę statystyczną. Technika ta może być wykorzystywana w odniesieniu do dużych zbiorów danych, w trakcie poszukiwania często powtarzających się w nich zależności (tzw. przesiewania zbiorów). Ten typ analizy może być wstępem do dalszej eksploracji, choć e-sklepy mogą używać jej także, w celu wyciągnięcia ogólnych wniosków, np. na temat tych podstron serwisu, po których odwiedzeniu, użytkownicy opuszczają witrynę. Tego typu wnioskowanie, pomaga określić obszary strony, które mogą wymagać optymalizacji – np. pod kątem funkcjonalności czy treści, które powinny dostarczać precyzyjnych informacji i odpowiadać na potrzeby użytkowników.

Inną z technik jest analiza asocjacji. W dużym uproszczeniu polega ona na tym, aby poszukiwać zależności pomiędzy danymi. Związki mogą polegać na występowaniu takich samych elementów w niektórych z analizowanych danych. Jak może działać to w e-commerce? Przykładem jest analizowanie transakcji sprzedaży. Modele asocjacyjne, mogą wykazać np. że „osoba, która korzysta z podstrony A oraz B, z dużym prawdopodobieństwem (np. 90%), w tej samej sesji może chcieć skorzystać również z podstrony C”. Biorąc pod uwagę taką regułę, można stworzyć łącze dla osób, które prawdopodobnie będą zainteresowane również skorzystaniem z podstrony C. Reguły asocjacyjne, mogą więc znaleźć praktyczne zastosowanie, m.in. w procesie przygotowywania akcji promocyjnych czy katalogu produktów. Dodatkowo skutecznie wspierają one optymalizację sprzedaży, mogąc stać się bazą do oferowania klientom produktów, które z dużym prawdopodobieństwem, będą chcieli nabyć (cross-selling).

Do innych metod, które mogą być wykorzystywane przez sklepy internetowe, należy także klasteryzacja (grupowanie) oraz klasyfikacja. W metodzie tej zbiór danych dzieli się na klastry (grupy). Każda z grup powinna zawierać elementy, które są do siebie podobne, ale równocześnie klastry powinny być zróżnicowane. W e-commerce metoda ta może być wykorzystywana do klasyfikowania klientów, ułatwiając m.in. przygotowywanie skutecznych kampanii e-marketingowych oraz dobór grup docelowych do określonych działań promocyjnych. Czym jednak klasteryzacja różni się od klasyfikacji? W klasyfikacji obiekty są przydzielane do odpowiednich kategorii, na podstawie przyjętego wcześniej kryterium klasyfikacji. Tymczasem w klasteryzacji, obiekty dzieli się na zróżnicowane grupy, które następnie zostają scharakteryzowane.

Inną metodą są wzorce sekwencji. Technika ta polega na analizowaniu zdarzeń, do których doszło w określonym przedziale czasu. Technikę wykorzystuje się m.in. do śledzenia nawigacji użytkownika po witrynach internetowych, w celu wykrycia zależności (np. użytkownik, który odwiedził serwis A, następnie przejdzie do serwisu D). Wzorce sekwencji mogą pomóc w przewidzeniu zachowania użytkowników, a co za tym idzie, dobraniu najodpowiedniejszych form promocji i spełnieniu oczekiwań, dotyczących użyteczności cyfrowego produktu.

Data Mining – znaczenie eksploracji danych w e-commerce

Eksploracja danych w e-commerce jest kluczowa dla znalezienia obszarów, w których e-sklepy mogą zwiększać przewagę konkurencyjną. To istotne zwłaszcza w momencie, w którym liczba firm sprzedających online wciąż rośnie, a cena produktów już dawno przestała być jedynym czynnikiem wpływającym na decyzje zakupowe konsumentów. Działania związane z budowaniem konkurencyjności, muszą więc dotyczyć również innych aspektów, ważnych z perspektywy pozyskania potencjalnych klientów. Jest to m.in. dbanie o użyteczność cyfrowego produktu (a co za tym idzie, o doświadczenia użytkowników, którzy z niego korzystają), odpowiednią widoczność e-sklepu w sieci oraz stosowanie rozwiązań, sprzyjających utrzymywaniu stałych relacji z odbiorcami. Co jednak zrobić, by tego typu działania były efektywne? Kluczem do sukcesu jest analiza zachowania użytkowników sklepu internetowego, prowadzona w nurcie Data Mining.

Eksploracja danych w Google Analytics 4 –  wybrane metody

Google Analytics to jedno z podstawowych narzędzi analityki internetowej. Działanie narzędzia opiera się na osadzeniu krótkiego skryptu w witrynie, który zbiera informacje o zachowaniach jej użytkowników. Są to między innymi: liczba użytkowników, dane o zaangażowaniu, odwiedzane podstrony i wiele więcej. Dane te są niezwykle istotne w procesie trafnego podejmowania decyzji marketingowych i biznesowych.

Źródło: Niektóre ze zdarzeń zbieranych przez Google Analytics 4.

Google Analytics jak każde narzędzie ewoluuje. Dotychczasowa wersja (Google Analytics Universal) już 1 lipca 2023 roku przestanie zbierać nowe dane. Do tego czasu użytkownicy, którzy chcą nadal korzystać z narzędzia, są zobligowani do przejścia na jego nową wersję – Google Analytics 4. Ta daje m.in. większe możliwości, w zakresie identyfikowania użytkowników i badania jakości ich wizyt na stronie. Nowa odsłona programu dostarcza nam wielu nowych informacji, które nie były standardowo zbierane przez poprzednika. Wśród nich znajdują się między innymi dane takie, jak: procent scrollowania strony czy klikane przez użytkowników linki. Dzięki braku próbkowania, narzędzie pozwala zbierać jeszcze dokładniejsze dane i dogłębniej analizować zachowania osób, korzystających z danej strony czy aplikacji.

Źródło: Jeden z raportów dostępnych w Google Analytics 4.

W Google Analytics użytkownicy mają możliwość dokonania integracji narzędzia z BigQuery. To tzw. hurtownia danych w chmurze, będąca miejscem do połączenia informacji z różnych źródeł (np. z systemu CRM czy systemów reklamowych). W GA4 eksport danych ma charakter ciągły, co oznacza, że informacje są przesyłane niemalże automatycznie (zajmuje to kilka sekund.. Co jednak najważniejsze, użytkownicy nie muszą też martwić się o kwestie prawne, związane z RODO. Dokonując integracji GA4 z BigQuery, można  łatwo zautomatyzować anonimizację adresów IP, co sprawia, że użytkownik ma pewność, iż przestrzega przepisów prawa, obowiązujących na danym obszarze. BigQuery umożliwia nie tylko przechowywanie danych z różnych źródeł, ale też tworzenie zapytań (nawet o niespróbkowane scieżki klientów w witrynie), dotyczących dużych zbiorów danych, umożliwiając szybką pracę i sprawne tworzenie raportów.

Dostęp do obszernych zasobów danych, to jednak nie wszystko. Aby wyciągnąć kluczowe z perspektywy e-biznesu wnioski, trzeba dokonać ich eksploracji. Taką funkcję także oferuje użytkownikom Google Analytics 4. Użytkownicy mogą sami tworzyć w narzędziu raporty, zawierające informacje, dotyczące zachowania użytkowników w witrynie czy aplikacji. Metod eksploracji w GA4 jest kilka. To m.in. eksploracja swobodna, eksploracja ścieżki, pokrywanie się segmentów, eksploracja sekwencji ścieżki czy eksploracja kohort lub wartość od początku śledzenia.

Przejdź na Google Analytics 4 nawet w 1 dzień!
Zapytaj o ofertę.

Pod tym względem nowa odsłona popularnego narzędzia analitycznego jest dużo bardziej zaawansowana. Użytkownicy GA4 otrzymują rozbudowaną możliwość zestawiania ze sobą zgromadzonych danych w różnych konfiguracjach – co poprzednio było mocno ograniczone. Dzięki temu możliwe jest odkrywanie wniosków, które nie są widoczne w predefiniowanych raportach.

Dzięki wykorzystaniu eksploracji użytkownicy mogą  analizować dane na swoich zasadach i odkrywać zależności, które mają bezpośrednie przełożenie na funkcjonowanie ich biznesów. Opcje filtracji i segmentacji, wspomagają skupienie uwagi na kluczowych danych, co sprzyja wyciąganiu trafnych wniosków i dobieraniu optymalnych rozwiązań, usprawniających procesy, zachodzące w e-commerce.

Źródło: Różne typy eksploracji danych dostępne w Google Analytics 4.

Jak to działa w praktyce?

  • Eksploracja swobodna – użytkownik może zwizualizować dane np. w postaci tabeli lub wykresu (m.in. liniowego lub słupkowego). Może filtrować, dokonywać segmentacji i porównywać ze sobą konkretne dane. Jeśli wizualizacja zostanie przeprowadzona w oparciu o wykres liniowy, użytkownik może skorzystać z funkcji „wykrywania anomalii”, która pozwala szybko wykrywać nieprawidłowości w danych.
  • Eksploracja sekwencji ścieżki – dzięki tej metodzie, użytkownik może sprawdzić, jaki był wpływ konkretnego zdarzenia, na kolejne działania podejmowane przez odwiedzających. Może także odkryć, które podstrony są najczęściej odwiedzane przez nowych użytkowników tuż po otwarciu witryny, ale też ocenić, czy w ich działaniach nie występują zapętlenia, co mogłoby wskazywać na to, że w którymś z miejsc natknęli się na trudności.
  • Eksploracja ścieżki – w Google Analytics 4 możliwe jest budowanie i śledzenie dowolnych ścieżek użytkownika, dzięki czemu mamy wgląd w ich zachowania.
  • Wartość od początku śledzenia – dzięki tej metodzie eksploracji można uzyskać odpowiedzi na pytania, jak kształtuje się wartość użytkownika w czasie. Metoda pozwala przeanalizować to, jak użytkownicy zachowywali się od początku śledzenia.

To tylko część z możliwości analitycznych, oferowanych przez Google Analytics 4. W zakresie eksploracji danych niewątpliwie istnieje jednak spora różnica, pomiędzy starszą a nowszą wersją narzędzia. W Universal Analytics użytkownicy mieli do swojej dyspozycji wiele standardowych raportów, gotowych do analizy, podczas gdy w GA4 jest ich mniej, a nacisk stawiany jest na samodzielne tworzenie raportów od podstaw. To z kolei wydaje się być krokiem w stronę zwiększenia świadomości użytkowników, którzy muszą orientować się, które dane mogą być kluczowe z perspektywy ich e-biznesu. Z pewnością tego rodzaju podejście sprzyja wnioskowaniu i odkrywaniu zależności.

Google Search Console –  dlaczego warto drążyć dane z wyszukiwania?

Google Search Console zapewnia dostęp do raportów, zawierających dane istotne, z perspektywy optymalizacji witryny (zarówno technicznej, jak i tej pod kątem znajdujących się w niej treści). Im więcej wiemy m.in. na temat zapytań, które użytkownicy wpisują w wyszukiwarkę, tym skuteczniejsze działania optymalizacyjne jesteśmy w stanie podjąć.

W narzędziu można znaleźć m.in. raport skuteczności. To właśnie w tym miejscu znajdują się dane, takie jak np. łączna liczba kliknięć, średni CTR, łączna liczba wyświetleń, czy np. średnia pozycja (wskaźnik pokazujący, jak wysoko e-sklep pojawia się w wynikach wyszukiwania, zważywszy na konkretną frazę kluczową). Użytkownicy mogą także sprawdzić, jakie zapytania są najczęściej wyszukiwane przez osoby odwiedzające stronę czy też, z jakich korzystają one urządzeń (jeśli okaże się, że w większości są to np. urządzenia mobilne – warto gruntownie przemyśleć strukturę wersji mobilnej witryny).

Źródło: Jeden z raportów w Google Search Console, który przedstawia efektywność pozyskania ruchu z organicznych wyników wyszukiwania.

Dlaczego warto drążyć dane z raportu skuteczności?

Przede wszystkim dlatego, że dostarczają one cennych informacji na temat efektywności dotychczas podejmowanych działań. Eksploracja danych pozwoli ocenić kierunek, w którym powinno być prowadzone dalsze pozycjonowanie lub optymalizacja strony. Nierzadko może okazać się także, że popularne frazy przynoszą witrynie gorsze wyniki niż rzadziej używane wyrażenia z tzw. długiego ogona. Analiza raportu pozwala ocenić również, które podstrony e-sklepu osiągają najlepsze wyniki w organicznych wynikach wyszukiwania. Taka informacja może stać się impulsem do przeprowadzenia optymalizacji podstron, odnoszących słabsze wyniki. W tym wypadku Data Minning może pomóc w skutecznym wyznaczeniu celów pozycjonowania, pośrednio dostarczając także informacji na temat tego, jak zwiększyć sprzedaż w e-sklepie.

Automatyzacja marketingu, a eksploracja danych w e-commerce

Jedną z metod wykorzystania marketing automation jest pozyskiwanie adresów mailowych użytkowników sklepów internetowych (newsletter, zalogowaniu użytkownicy) i ich odpowiednia segmentacja, w oparciu o zainteresowania czy rodzaj aktywności na stronie. Działanie tego typu umożliwia podejmowanie spersonalizowanych decyzji marketingowych w odniesieniu do indywidualnej grupy odbiorców. Dla przykładu możliwa jest automatyczna wysyłka maila z przypomnieniem o porzuconym koszyku, czy wysyłka życzeń urodzinowych z kodem rabatowym.

Dzięki zbieraniu danych system automatyzacji jest w stanie spersonalizować m.in. czas, w którym klient otrzyma konkretny komunikat reklamowy, jego treść, a także formę oraz kanał, którym reklama dotrze do klienta (np. za pośrednictwem e-mail marketingu). Marketing automation pozwala więc zbierać dane i segmentować je w ten sposób, aby podejmować trafne i spersonalizowane decyzje marketingowe wobec konkretnych grup odbiorców – nie wszyscy użytkownicy naszych sklepów internetowych są bowiem tacy sami, posiadają podobne potrzeby czy wykazują tożsame zachowania.

Marketing automation może również pełnić inną rolę. Dzięki mechanizmom tego typu możliwe jest zachęcanie określonych grup użytkowników do dzielenia się cennymi z punktu widzenia marki i funkcjonowania biznesu informacjami. Dla przykładu klient, który zdecydował się na zakup naszego produktu drogą online, może po kilku godzinach od transakcji otrzymać mailową prośbę o wyrażenie opinii na temat przebiegu procesu zakupowego. W ten sposób marka jest w stanie poznać perspektywę klienta i wprowadzić odpowiednie zmiany, jeśli nie wszystko funkcjonuje tak, jak należy. W ten sposób możliwe jest również pozyskiwanie opinii, które warto zaprezentować na stronie internetowej przyszłym klientom, aby budować zaufanie do witryny.

Dane, które firma pozyskuje dzięki marketing automation, pozwalają nie tylko lepiej poznać użytkowników, ale przede wszystkim ich zwyczaje zakupowe. Drążenie danych zebranych w wyniku automatyzacji w połączeniu z informacjami o użytkownikach, pozyskiwanych np. w wyniku działania narzędzi analitycznych, przyczynia się do zwiększenia efektywności kampanii e-marketingowych, a co za tym idzie realizacji celów, związanych np. z maksymalizacją sprzedaży w sklepie internetowym.

Jak Data Mining może usprawnić e-biznes?

Data Mining to proces, który przekłada się na optymalizację działań, podejmowanych przez sklepy internetowe. Dzięki eksplorowaniu danych e-sklepy mają wiedzę, potrzebną do przygotowywania efektywnych działań promocyjnych. Na bazie danych można dokładniej spersonalizować przekaz marketingowy, a co za tym idzie, dotrzeć do odbiorców z grupy docelowej. Dane są też podstawą do efektywnej optymalizacji użyteczności oraz zwiększania dostępności cyfrowego produktu.

Optymalizacja działań promocyjnych w wyniku Data Mining jest możliwa, dzięki poszukiwaniu związków, pomiędzy poszczególnymi parametrami określającymi działania użytkowników na stronie internetowej. Związków tych szuka się np. pomiędzy nośnikami reklamy, kreacjami reklamowymi, grupami docelowymi, konkretnym zachowaniem (zdarzeniami) użytkownika w witrynie, czy stronami docelowymi (landing pages) a poziomem konwersji. Wykrycie tych zależności pozwala skupić się na obszarach cechujących się największą efektywnością biznesową lub podjąć adekwatne działania optymalizacyjne, co w konsekwencji przekłada się na osiągnięcie wysokiego wskaźnika ROI z kampanii e-marketingowych.

Eksploracja danych pozwala nie tylko zoptymalizować działania promocyjne, ale także spersonalizować przekaz i dopasować go do potrzeb użytkowników. Oznacza to, że komunikat marketingowy skupia się na prezentowaniu klientowi produktów i usług, które z dużym prawdopodobieństwem będzie chciał zakupić. Dzięki dopasowaniu działań promocyjnych do klienta można nie tylko skutecznie zainteresować go ofertą i zwiększyć jego satysfakcję, ale też obniżyć koszty prowadzenia kampanii.

Data Mining efektywnie wspomaga także proces zwiększania użyteczności cyfrowych produktów. Eksplorując dane, można odkryć zależności asocjacyjne, dotyczące m.in. nawigacji klienta po stronie, a także ocenić tzw. lepkość e-sklepu, czyli sprawdzić, jak długo klient jest w stanie skupiać się na poszczególnych podstronach. Drążenie danych, które dotyczą zachowania użytkowników, jest więc podstawą do rozpoczęcia prac w zakresie zwiększenia funkcjonalności witryny. Im większa użyteczność e-sklepu (w praktyce np. możliwość zakupu, bez konieczności rejestracji konta w witrynie czy czytelna architektura informacji), tym lepsze doświadczenia użytkowników, a co za tym idzie, także współczynnik konwersji.

Streszczenie 

  • Data Mining polega na eksploracji danych, które e-sklepy mogą zbierać m.in. dzięki wykorzystaniu narzędzi analitycznych (m.in. Google Analytics). Inaczej pojęcie to określa się także drążeniem danych.
  • Istnieje kilka technik eksploracji danych, z których mogą korzystać sklepy internetowe. Jest to m.in. analiza statystyczna, analiza asocjacji, klasteryzacja oraz klasyfikacja i wzorce sekwencji.
  • Eksploracja danych jest podstawą do określenia obszarów funkcjonowania e-sklepu, których optymalizacja może przyczynić się do zwiększenia konkurencyjności firmy.
  • Google Analytics 4 daje użytkownikom możliwość skorzystania z kilku metod eksploracji danych w narzędziu. Metody te to m.in. eksploracja swobodna czy eksploracja sekwencji ścieżki.
  • Źródłem danych, stanowiących podstawę do eksploracji jest również Google Search Console, w którym użytkownik może skorzystać m.in. z raportu skuteczności.
  • Sposobem na zbieranie danych o klientach, które następnie mogą być drążone, w celu wyciągnięcia wniosków np. dotyczących zachowania użytkowników, jest także automatyzacja marketingu.
  • Eksploracja danych może usprawnić wiele obszarów e-biznesu, wspomagając m.in. skuteczne zwiększenie użyteczności cyfrowego produktu. 

Podsumowanie

Dane, które firmy gromadzą o klientach, są jednym z najważniejszych i największych  aktywów w e-commerce. To właśnie ich dogłębna eksploracja pozwala dopasowywać ofertę, witrynę, a także formy e-marketingu do oczekiwań klientów, tym samym zwiększając ich satysfakcję. Dzisiaj Data Mining w e-commerce to już konieczność. Wszystko przez wzgląd na silną konkurencję, w której skuteczne prowadzenie handlu online wymaga korzystania z optymalnych rozwiązań. Ich dobór  najlepiej oprzeć o wiedzę, doświadczenie i oczywiście twarde dane.

Paweł Szczyrek
AUTOR
Creative and Content Manager
tel.665 157 583
Napisz do mnie
UDOSTĘPNIJ
in tw fb
Ocena artykułu:
Twoja ocena:
Średnia ocen użytkowników 5.0 na podstawie 3 ocen

Inne wpisy