Praktik Terbaik Analytics untuk Toko eCommerce Besar

Pemasaran digital tidak berkisar pada satu metrik atau dasbor tertentu. Ini tentang strategi inti Anda. Jadi jangan hanya mengejar tren atau alat baru terpanas. Mengejar target yang selalu berubah ini sulit karena merek eCommerce tumbuh, seringkali menjadi tidak dapat dipertahankan ketika Anda telah mencapai status toko besar. Anda lebih baik meluangkan waktu sejenak dan melihat operasi secara keseluruhan.

Mengatasi analitik dan kebutuhan yang mereka targetkan untuk toko eCommerce besar adalah tentang menyesuaikan upaya Anda dan menetapkan harapan untuk berbagai pemangku kepentingan. Anda mendiskusikan lebih dari sekadar apa yang berhasil. Pada tingkat ini, Anda harus mengidentifikasi masalah dan hambatan, membuat data untuk mendukung perubahan, dan kemudian menyesuaikan perubahan tersebut dengan bahasa departemen terkait. Ini adalah campuran yang kompleks, dan praktik terbaik akan bervariasi.

Jadi, mari kita lihat beberapa kekuatan pemandu untuk praktik terbaik analitik di toko eCommerce.

Buat rencana manajemen perubahan

Analytics menawarkan berbagai opsi untuk toko mana pun, tetapi itu tidak boleh menjadi langkah pertama Anda. Tujuan melakukan analitik adalah untuk tumbuh dan berubah. Sukses di sini memerlukan rencana manajemen perubahan — mencakup analitik yang akan Anda lakukan, praktik umum yang akan terpengaruh, dan bagaimana Anda akan menindaklanjuti setiap perubahan yang mereka buat. Jangan biarkan percakapan analitik macet di dasbor.

Untuk membangun rencana manajemen perubahan yang efektif, Anda harus menentukan pemangku kepentingan dalam proyek terkait dan mengidentifikasi kapan mereka (atau tugas mereka) diperbarui berdasarkan analisis. Misalnya, jika Anda melihat data penjualan, tanyakan siapa yang akan terpengaruh. Untuk setiap peran dalam penjualan keluar dan masuk, ditambah pengoptimalan mesin telusur dan upaya pemasaran, tentukan siapa yang harus menyetujui tugas apa pun untuk diubah. Ini mudah bagi perusahaan kecil, tetapi begitu Anda mencapai tingkat perusahaan, banyak kepala departemen dan pimpinan terlibat dalam perubahan ini.

Anda bahkan mungkin tidak memiliki wewenang untuk mempengaruhi perubahan tetapi sedang membangun rekomendasi. Dalam hal ini, rencana manajemen perubahan Anda berfokus pada apa yang dibutuhkan oleh para pembuat keputusan tersebut. Apakah mereka paling terpengaruh oleh anggaran dan perhitungan ROI? Apakah mereka memiliki cukup waktu untuk menerapkan perubahan dan menyelesaikan tugas lain? Apakah ada batasan teknologi, tim, atau pola pikir yang dapat memperlambat perubahan? Anda memerlukan rencana untuk peningkatan dan perubahan berdasarkan analitik sekuat rencana Anda untuk menangkap data dan mengevaluasi analisis apa pun.

Pilih alat berdasarkan tujuan perusahaan

Sangat mudah untuk mengabaikan beberapa kesamaan antara bisnis eCommerce perusahaan dan situs eCommerce startup baru. Salah satu area terbesar dari tumpang tindih ini adalah bahwa banyak departemen bekerja dengan alat yang memperumit analitik atau bahkan tidak dimaksudkan untuk menangani tugas yang sedang Anda kerjakan hari ini. Dalam pengalaman kami, berbagai profesional terjebak dengan sisa makanan atau bekerja dengan modul yang ditempelkan ke platform yang tidak memikirkannya.

Bekerja dalam parameter perusahaan, Anda sering kali tidak dapat meminta seperangkat alat analitik. Sebagai gantinya, Anda harus menyajikan kasus penggunaan dan manfaat khusus untuk setiap alat yang diminta. Kami telah melihat bahwa analisis biaya-manfaat cenderung memiliki tren positif (dalam hal penerimaan oleh pengambil keputusan dan pemegang anggaran) saat Anda pertama kali ingin mempercepat operasi rutin untuk analis.

Anda biasanya bekerja di berbagai sumber data dan platform visualisasi di tingkat perusahaan. Jadi, fokuslah pada alat yang dapat memberi Anda kemampuan pelaporan lintas saluran atau mengurangi waktu pelaporan manual untuk analisis yang konsisten. Dengan cara ini, Anda dapat memotong biaya tenaga kerja perusahaan dan mendapatkan lebih banyak waktu untuk analisis atau manajemen KPI yang terkait langsung dengan aliran pendapatan.

Cari solusi yang menargetkan saluran pilihan Anda dan memenuhi kebutuhan bernilai tinggi. Misalnya, katakanlah penjualan sosial memimpin pertumbuhan Anda. Memanfaatkan alat untuk memproses data mentah dan tidak terstruktur atau menawarkan analisis sentimen dapat memberikan wawasan yang lebih dalam tentang mengapa seseorang membeli dari Anda dibandingkan dengan sekadar melacak tagar.

Jadilah strategis untuk mendapatkan wawasan

Trik untuk profesional analitik adalah memastikan bahwa aktivitas mereka berhubungan langsung dengan kebutuhan perusahaan yang lebih besar, seringkali seputar penghematan biaya. Meskipun hal itu telah dikatakan berulang kali, kami masih sering mendengar dari para profesional bahwa mereka belum mencari panduan di luar pemangku kepentingan departemen tentang di mana alat secara khusus dapat berdampak.

Terkadang, investasi terbaik bukanlah dasbor atau alat analitik baru, melainkan platform yang dapat menggabungkan data di satu tempat, menghapus silo data, dan mempercepat interaksi departemen dengan wawasan.

Mengejar solusi mahal atau mengkilap, seperti alat pemrosesan bahasa alami untuk aktivitas pemasaran, dapat secara drastis meningkatkan pengeluaran pemasaran Anda dan bahkan tidak memberikan hasil apa pun. Prioritaskan cara untuk meningkatkan area bisnis online yang penting, bukan hanya halaman pembayaran, dengan data produk terperinci dan pemahaman perusahaan.

Ciptakan pemahaman yang lebih dalam tentang nilai pelanggan

Tidak seorang pun yang membaca ini perlu diyakinkan tentang nilai pelacakan CLV atau CRR. Anda tahu bahwa mereka adalah sumber kehidupan dari program analitik. Anda juga mungkin melacaknya untuk dibandingkan dengan biaya akuisisi sehingga Anda dapat menentukan dengan cepat kapan Anda mencapai ROI positif per pelanggan baru.

Tingkat retensi kemudian membantu mengalokasikan anggaran iklan dan pengeluaran pemasaran keseluruhan untuk memastikan Anda mempertahankan jalur penjualan yang cukup kuat untuk mengimbangi setiap penghentian.

Jika Anda tidak yakin bagaimana memulai atau ingin menyegarkan data Anda, lihat platform pemasaran yang ada untuk alat atau kalkulator bawaan mereka.

HubSpot memiliki kalkulator metrik gratis yang dapat melacak ini dan indikator kinerja lainnya. Alat seperti ini adalah tempat yang baik untuk memverifikasi formula yang Anda gunakan dan mulai berpikir tentang bagaimana membangun gambaran holistik tentang kinerja Anda dengan semua metrik ini.

Tantangan dengan HubSpot dan beberapa lainnya adalah mereka memiliki data yang benar, tetapi visualisasi dan analisis aktual tidak didukung atau bisa sangat sulit untuk diotomatisasi dalam platform. Jika Anda memerlukan analitik lebih lanjut, cari mitra integrasi yang mengotomatiskan pengambilan data dan menggabungkannya dengan informasi dari sumber lain.

CLV adalah perhitungan langsung untuk sebagian besar. Ini adalah umur rata-rata pelanggan Anda dikalikan dengan nilai pelanggan rata-rata. Metrik nilai pelanggan ini adalah jumlah pembelian rata-rata yang dilakukan pelanggan dikalikan dengan nilai pesanan rata-rata.

CRR adalah perhitungan mudah lainnya. Pilih jangka waktu dan lihat pembelian pelanggan dalam jangka waktu tersebut. Urutkan CRM Anda untuk mengidentifikasi pelanggan dalam jangka waktu ini yang melakukan beberapa pembelian atau telah membeli dari Anda sebelum jangka waktu tersebut. Ambil kumpulan pelanggan itu dan bagi dengan jumlah total pelanggan yang membeli dari Anda selama periode waktu tersebut.

Meningkatkan pengembalian untuk audiens target Anda

Banyak perusahaan dapat meningkatkan permainan mereka di sini dengan menggabungkan CLV dan CRR dengan fokus pada nilai yang Anda ciptakan untuk pelanggan. Analisis ini akan mendorong Anda untuk berpikir lebih dari sekadar pengeluaran dan biaya. Untungnya, konten Anda yang paling berharga sering kali berada di balik formulir atau dikirimkan melalui email. Ini menautkan tindakan kembali ke akun tempat Anda dapat melacak permintaan bantuan pelanggan, unduhan tambahan, penjualan, dan peringkat jika Anda mengirimkan survei atau mengumpulkan skor NPS.

Gunakan CRM Anda untuk mengidentifikasi perusahaan rata-rata dan outlier positif, lalu buka akun mereka untuk melihat penyebaran data Anda. Apakah CLV yang lebih tinggi melacak dengan pelanggan yang lebih tua atau yang membeli satu set barang tertentu? Apakah mereka mengirimkan lebih banyak permintaan layanan atau memiliki metrik layanan yang lebih baik, seperti waktu penyelesaian keluhan yang lebih cepat? Di mana pembeli ini akan ditangkap dalam metrik CRR Anda — apakah mereka berbelanja selama liburan akhir tahun atau musim puncak Anda? Apakah mereka pembeli yang produktif setiap bulan?

Analisis di sini akan membantu Anda fokus pada saat, khususnya, seorang pelanggan memberikan nilai dan apa yang Anda lakukan yang berharga bagi pembeli terpenting Anda. Anda dapat mengidentifikasi saat-saat ketika Anda dapat mengurangi pengeluaran iklan dan penurunan CRR selama beberapa bulan, tetapi kemudian meningkatkannya untuk mencapai puncaknya dan menghasilkan pembelian yang sama atau lebih tinggi dengan pengeluaran yang lebih sedikit. Atau, karena banyak perusahaan eCommerce yang disempurnakan bertransisi ke tingkat perusahaan, Anda dapat mengidentifikasi bahwa pelanggan Anda telah beralih ke pembelian sepanjang tahun dengan memperhatikan penawaran dan edisi baru.

Untuk CLV dan CRR, beradaptasi dengan tren yang Anda temukan dapat berdampak positif sementara yang lain berubah negatif. Namun, memiliki pemahaman terpadu tentang bagaimana metrik ini berinteraksi dan bagaimana kekuatan luar, seperti dukungan dan musim, memengaruhinya, dapat membantu menentukan kapan perubahan lebih bermanfaat bagi perusahaan.

Selami lebih dalam ke tingkat konversi

Sementara sebagian besar toko eCommerce yang disempurnakan mengetahui pentingnya tingkat konversi, banyak yang tetap berpegang pada tingkat pemahaman permukaan, tanpa lebih dalam dari pengujian A/B hal-hal seperti warna tombol atau berapa persentase diskon yang mengatasi keberatan. Analytics harus mempertimbangkan perjalanan pengguna di situs Anda untuk melihat laman landas apa yang menyebabkan mereka keluar dan keluar dari proses penjualan.

Tempat yang bagus untuk memulai adalah menggunakan teknologi pemetaan panas untuk melihat apakah navigasinya mudah dan lebih memahami bagaimana orang menggunakan situs Anda. Peta panas adalah visualisasi aktivitas situs atau tindakan tertentu, menyoroti tempat paling populer di mana audiens Anda terlibat dan apa yang tidak mendapatkan klik.

Ada berbagai jenis peta panas yang melacak tindakan yang berbeda. Misalnya, peta klik menunjukkan di mana pengguna mengklik halaman arahan, sementara peta arahkan mouse menunjukkan bagaimana pengguna menggerakkan kursor untuk memahami ke mana mereka melihat. Peta gulir bisa menjadi alat umum yang baik karena menunjukkan seberapa jauh pemirsa Anda menggulir — naikkan bagian penting ke tempat di mana hampir semua orang dapat melihatnya!

Alat ini membantu Anda memahami elemen mana dari laman landas yang sesuai dengan pemirsa atau pengguna yang berhenti bertindak dalam corong. Menggabungkan ini dengan rasio pentalan, waktu durasi sesi, dan analisis rujukan dapat membantu Anda menentukan faktor persis apa yang mendorong konversi.

Iklan yang menghasilkan banyak klik yang dipasangkan dengan halaman arahan yang gagal dikonversi adalah pemborosan anggaran pemasaran Anda. Dalam hal ini, peta kursor mouse mungkin menunjukkan bahwa orang tidak melihat CTA konversi. Tweak di sini berarti Anda dapat menguji A/B penyesuaian versus halaman arahan baru untuk melihat apakah Anda dapat menangkap audiens Anda dengan pesan yang direncanakan.

Satu tempat untuk belajar secara teratur adalah halaman dan proses checkout Anda. Perhatikan di mana orang mengeklik dan menggulir, dan kapan mereka pergi. Anda dapat mengidentifikasi bahwa mereka pergi pada saat biaya baru dijelaskan, mendorong Anda untuk menambahkan perkiraan harga di keranjang Anda dari awal. Peta gulir pada formulir yang terlalu rumit mungkin menunjukkan bahwa audiens Anda menyerah ketika mereka sudah setengah selesai mengisi sesuatu.

Klik itu penting. Sebaiknya pikirkan secara luas tentang metrik ini. Misalnya, jika pengguna secara teratur mengklik bantuan layanan pelanggan, tetapi waktu tunggu meja bantuan Anda selalu 3 menit atau lebih, mengurangi waktu itu bisa menjadi cara untuk mengamankan penjualan. Namun, jika waktu responsnya cepat, Anda mungkin ingin masuk ke chatbot atau log agen untuk mempelajari pertanyaan yang diajukan orang dan melihat di mana Anda kehilangan mereka.

Opsi terbaik di sini adalah menyempurnakan analisis Anda dengan lapisan data tambahan. Anda mencari alasan potensial untuk bertindak sehingga upaya intelijen bisnis Anda menghasilkan respons yang andal. Peta panas adalah tempat yang bagus untuk memulai, dan Anda memiliki banyak pilihan. Di antara pilihan Anda adalah Hotjar klasik, Contentsquare yang berfokus pada AI, mouse dan pakar keystroke Mouseflow, Lucky Orange dengan integrasi obrolan mendalamnya, dan Smartlook yang memiliki alat andal untuk pelacakan keterlibatan.

Mengevaluasi nilai pengembalian

Pengembalian adalah fakta kehidupan dalam operasi toko eCommerce, dan semakin tinggi skala Anda, semakin Anda mengharapkannya. Musim liburan 2021 adalah yang terbesar untuk situs eCommerce sejauh ini, tetapi pengembalian situs web eCommerce juga meningkat, dengan sepertiga orang dewasa Amerika mengharapkan untuk mengembalikan sesuatu. Ini menjadikan pengembalian sebagai contoh yang bagus untuk mempelajari kapan harus mempertimbangkan operasi dalam analisis Anda.

Analisis dasar dapat melihat peningkatan pengembalian dan melihat alasan untuk membatalkan kebijakan atau menghindari produk tersebut. Namun, pencampuran data dari studi tentang kebijakan pengembalian akan mengubah pendekatan karena kebijakan pengembalian berkualitas tinggi yang mudah digunakan pelanggan sering kali berkorelasi dengan peningkatan penjualan dan CRR yang lebih tinggi.

Analisis penting adalah menentukan pengembalian apa yang dapat merugikan Anda dan bagaimana meminimalkannya. Misalnya, dalam salah satu ulasan yang ditautkan di atas, survei yang menanyakan konsumen yang telah mengembalikan produk sebelumnya menemukan bahwa lebih dari setengahnya menerima barang yang salah sebagai pengganti. Dalam hal ini, pengembalian asli bukanlah penguras modal terbesar. Operasi yang tidak benar berarti perusahaan membayar setidaknya tiga pengiriman — barang yang salah di sana dan kembali, lalu pengiriman ketiga dan semoga benar kepada pelanggan — alih-alih hanya mengirimkan barang yang benar ke pelanggan.

Kesalahan di luar kualitas produk itu sendiri sering mendorong biaya pengembalian. Ketika Anda telah mengidentifikasi pengembalian dan menganalisis kebijakan pengembalian perusahaan, jangan abaikan efek operasional. Gudang yang berjuang untuk memenuhi pesanan dengan benar atau secara rutin merusak inventaris sebelum pengiriman akhir akan menaikkan biaya tenaga kerja, per SKU, penerimaan, dan bahan.

Pengembalian substansial dan kesalahan terkait juga membutuhkan lebih banyak ruang fisik di gudang, yang membatasi potensi pendapatan relatif terhadap luas persegi. Dengan ruang gudang yang mahal di seluruh AS, ini juga bisa menjadi masalah yang membatasi pertumbuhan. Tingkat akurasi pesanan yang rendah dan masalah dengan manajemen pengembalian dapat menjadi pintu masuk ke analisis yang lebih dalam tentang nilai outsourcing untuk mengurangi kesalahan dan melindungi pendapatan.

Membungkus

Perpaduan yang tepat antara alat dan praktik terbaik merek eCommerce Anda yang disempurnakan adalah unik untuk toko Anda. Setelah Anda mencapai tahap besar atau perusahaan, alat yang dapat berintegrasi dan berbagi dengan orang lain sama pentingnya dengan alat yang memiliki model untuk tren terbaru. Beberapa metode yang telah teruji waktu memberikan pemahaman yang lebih luas, seperti peta panas dan pelacakan CRR, tetapi Anda berada pada tahap di mana daftar tweak tertentu akan memiliki aplikasi terbatas.

Pakar analitik hari ini di perusahaan seperti milik Anda sedang bekerja untuk membangun model gambaran besar yang terintegrasi di seluruh vertikal Anda. Mereka menciptakan pemahaman tingkat perusahaan sehingga solusi dapat diberikan dengan cara yang dapat didukung oleh kepemimpinan dan pemangku kepentingan. Mengubah analitik menjadi tindakan adalah mendongeng, dan praktik terbaik Anda harus fokus pada membangun data dan kecerdasan bisnis yang Anda butuhkan untuk membuat kisah yang menarik.