Egy webáruház mindennapi működése során rengeteg adat keletkezik; látható, hány látogató érkezett az oldalra, mely termékeket nézték meg, miből vásároltak, mekkora volt az átlagos kosárérték, mely kampányok hoztak rendelést, vagy éppen mely termékek készlete fogy gyorsan. Az adatok tehát többnyire rendelkezésre állnak, gyakran jóval nagyobb mennyiségben, mint amennyit napi szinten érdemes külön-külön figyelni.
A legfontosabb kérdés, hogy melyik mutató mond valóban valami fontosat az üzlet működéséről. Növekedhet például a webshop forgalma úgy, hogy közben romlik a nyereségesség, mert a hirdetési vagy logisztikai költségek még gyorsabban emelkednek. Egy népszerű termék is kerülhet az értékesítési lista élére úgy, hogy az alacsony árrés miatt valójában alig termel profitot. Ezen a ponton válik igazán hasznossá az üzleti intelligencia, vagy röviden BI. A BI nem egyszerűen több statisztikát és grafikont jelent, hanem azt, hogy a webshop különböző pontjain keletkező adatokat összekapcsoljuk, üzleti szempontból értelmezzük, majd olyan információvá alakítjuk őket, amely valóban segíti a döntéshozatalt. Nemcsak azt látjuk, hogy egy kampány hány vásárlást hozott, hanem azt is, hogy ezek a rendelések mennyire voltak nyereségesek. Nem csupán az derül ki, mely termékek fogynak jól, hanem az is, melyek termelik a legtöbb marzsot, hogyan alakul a készletforgás, vagy mely vásárlói csoportok térnek vissza nagyobb eséllyel.
Nem tagadhatjuk mi sem, hogy mindez nagyvállalati elemzőrendszernek tűnhet, de az e-kereskedelemben a BI ma már egy kisebb vagy közepes webshop számára is komoly előnyt jelenthet.
A BI nem csak egy újabb grafikon
A Business Intelligence fogalmát könnyű „nagyvonalúan” összekeverni a látványos dashboardokkal és kimutatásokkal, pedig attól, hogy egy webshop adatai szép grafikonokon jelennek meg, a vállalkozás még nem lesz adatvezérelt.
Érdemes meghatározni, mi is valójában az üzleti intelligencia. A Microsoft meghatározása szerint a BI különböző forrásokból származó aktuális és korábbi adatokat gyűjt össze, elemez és tesz értelmezhetővé az üzleti döntések számára. Száraz definíciónak tűnik, de a lényeg nem maga a riport, hanem az, hogy az adatokból felismerhető legyen, mi történik a vállalkozásban, mi áll a változások mögött, de a legfőképpen mire érdemes reagálni.
Egy webshopnál jól látszik a különbség. Az, hogy az előző hónap árbevétele 38 millió forint volt, önmagában csak egy adat. Ha viszont azt is látjuk, hogy a bevétel 12 százalékkal nőtt, miközben az árrés csökkent, mert az értékesítés nagyobb része alacsony marzzsal rendelkező kategóriákból érkezett, már valódi üzleti információt kaptunk.
Ezen a ponton már meghozhatjuk a döntésünket; a következő kampányban nagyobb hirdetési keretet kaphatnak azok a termékcsoportok, amelyek nemcsak forgalmat, hanem magasabb árrést termelnek. A BI valódi értéke éppen ebben mutatkozik meg: nem több adatot ad, hanem segít jobb döntést hozni a meglévő adatokból.
Az árbevétel önmagában keveset mond
Az e-kereskedelemben könnyű túl nagy jelentőséget tulajdonítani a látványos számoknak; forgalom, látogatószám, rendelések, árbevétel – mind fontos mutatók, de önmagukban könnyen félrevezető képet adhatnak a webshop valódi teljesítményéről.
Tegyük fel, hogy egy webáruház havi árbevétele 20 százalékkal nő. Ez elsőre egyértelmű sikernek tűnik, de ha közben a hirdetési költség 35 százalékkal emelkedett, az átlagos árrés pedig csökkent, már jóval árnyaltabb a helyzet. A növekvő bevétel ugyanis nem feltétlenül jelent növekvő nyereséget.
Hasonló a helyzet a termékeknél is. A legnagyobb darabszámban értékesített termék nem biztos, hogy a legtöbb hasznot termeli, miközben egy ritkábban vásárolt, magasabb árrésű termék összességében értékesebb lehet a vállalkozás számára. Az is előfordulhat, hogy egy alacsonyabb haszonkulcsú termék új vásárlókat hoz, akik később más kategóriákból rendelnek újra. Egy jó elemzési rendszer ezért nem áll meg annál, hogy megmutatja, mi történt; abban segít igazán, hogy az is érthetővé váljon, miért történt, és milyen üzleti döntést érdemes erre alapozni.
Milyen kérdésekre érdemes választ keresni?
Nézzük az alapigazságot, amit nem lehet megkérdőjelezni: egy jó BI-rendszer nem abból indul ki, hogy milyen grafikonokat lehet készíteni, hanem abból, hogy milyen üzleti kérdésekre kell választ adnia, mely termékkategóriák termelik a legtöbb profitot, hol nő a kereslet, és mely termékek állnak túl régóta a raktárban? Honnan érkeznek a legértékesebb vásárlók, mely marketingcsatornák hoznak sok rendelést, de kevés nyereséget, és hogyan változik az átlagos kosárérték vagy a visszatérő vásárlások aránya? Már ezek megválaszolása is jóval többet árul el egy webáruház állapotáról, mint egy egyszerű havi árbevételi kimutatás. A BI következő szintje pedig az, amikor már nemcsak azt vizsgáljuk, mi történt, hanem azt is, mi várható a következő időszakban.
A kereskedelmi rendszerek egyre több történeti adatot használnak fel keresleti minták, szezonális ingadozások és készletigények előrejelzésére. A Shopify 2026-os BI-összefoglalója szerint a prediktív retail analytics megoldások alkalmazói akár 30–50 százalékkal is csökkenthetik az előrejelzési hibákat. Az eredmény természetesen függ az adatok minőségétől és az alkalmazott modelltől, viszont jól mutatja, miért tolódik a BI szerepe egyre inkább a múltbeli adatok elemzésétől a várható üzleti helyzetek előrejelzése felé.
Van egy mutató, amit mindenki néz, és van tíz másik, amit kellene
A legtöbb webshop-tulajdonos pontosan tudja, mennyi volt a tegnapi bevétel, az átlagos kosárérték változását, az egyes termékcsoportok fedezetét, a visszatérő vásárlók arányát vagy a készlet forgási sebességét viszont már jóval kevesebben követik ugyanilyen rendszeresen. Pedig ezekből sokszor hamarabb látszik, hogy milyen irányba tart az üzlet.
Remek példa az átlagos kosárérték, amely az árbevétel és a rendelések számának hányadosa. Ha az árbevétel nő, miközben egy vásárlásra egyre kisebb összeg jut, érdemes megnézni, változott-e a termékösszetétel, túl nagy szerepet kaptak-e az akciók, vagy kevesebb kiegészítő termék kerül-e a kosarakba. Hasonlóan beszédes a konverziós arány is. Ha nő a látogatottság, de a rendelések száma alig változik, a nagyobb forgalom önmagában nem sokat ér. A háttérben állhat gyengébb minőségű forgalom, de kevésbé vonzó ajánlat, árprobléma, gyenge termékoldal vagy akár a vásárlási folyamat valamelyik akadálya is okozhatja ezt a jelenséget.
Pontosan az itt leírtak miatt nem szabad egyetlen KPI alapján megítélni a webshop teljesítményét. A számok önmagukban csak részleteket mutatnak; az igazán hasznos információt a közöttük lévő összefüggések adják.
A készletben álló pénzt látni kell
Amikor a webshopok elemzésére kerül sor, hajlamosak vagyunk túlontún nmagy figyelmet fordítani a marketingadatokra, pedig a készlet legalább ugyanilyen fontos üzleti tényező. Egy kereskedő számára a raktár nem egyszerűen termékeket jelent, hiszen jelentős mennyiségű pénz áll benne.
Egészen más készletezési döntést igényel egy olyan termék, amelyből három hónap alatt száz darab fogy el, mint egy másik, amelyből ugyanennyi idő alatt mindössze kettő. A túl nagy készlet feleslegesen köti le a tőkét, a készlethiány pedig közvetlenül elveszített bevételt jelenthet. Ha egy jól fogyó termék rendszeresen kifogy, akkor ráadásul a marketingre, SEO-ra és ügyfélszerzésre fordított korábbi munka egy részét sem tudjuk kihasználni.
Pontosan ezért a Sellvio riportjai sem kizárólag az értékesítési forgalomra koncentrálnak. A bevétel és az átlagos kosárérték mellett termék-toplisták, készletértékek és fogyási trendek is követhetők, így nemcsak az látszik, miből mennyit adtunk el, hanem az is, hol áll túl sok pénz a készletben, és hol fenyeget készlethiány.
A marketingadat önmagában szintén kevés
A Google Ads megmutatja, hogyan teljesítenek a Google-hirdetések, a Meta a Facebook- és Instagram-kampányokról ad információt, a Google Analytics pedig a weboldalon történő viselkedést követi. Ezek mind fontos adatok, de külön-külön csak egy részét mutatják annak, amit a kereskedőnek valóban tudnia kell. A döntést ugyanis arról kell meghozni, hogy melyik csatornára érdemes elkölteni a következő egymillió forintot. Ehhez már össze kell kapcsolni a marketing- és kereskedelmi adatokat.
Lehet például kiváló ROAS-a egy kampánynak úgy, hogy főként alacsony árrésű termékeket értékesít. Egy másik kampány első vásárlásra gyengébb eredményt mutathat, viszont olyan vevőket szerezhet, akik később többször is visszatérnek. Ilyenkor a rövid távú kampányeredmény önmagában félrevezető lehet.
A Sellvio nem akarja egyetlen zárt rendszerbe bezárni az adatokat
A BI értéke nagyban múlik azon, hogy hány releváns adatforrást képes összekapcsolni. Habár nem számossági verseny, egy webáruház akkor működik igazán jól elemzési szempontból, ha nem elszigetelt rendszerként kezeli az adatokat.
A Sellvio több analitikai és marketingeszközzel közvetlenül integrálható. A támogatott kapcsolatok között megtalálható a Google Analytics, a Google Tag Manager és a Facebook Pixel, de Hotjar, Smartlook és Inspectlet is használható a látogatói viselkedés részletesebb elemzésére. Emellett ERP-, marketingautomatizációs, számlázási, logisztikai és más üzleti rendszerek is bekapcsolhatók. BI-szempontból ennek azért van jelentősége, mert minden rendszer más kérdésre ad választ. A webshop rendelési adatai az értékesítésről mesélnek, a Google Analytics a felhasználói viselkedésről, a hirdetési platformok a kampányok teljesítményéről, az ERP és a pénzügyi rendszerek pedig a háttérben zajló üzleti folyamatokról.
A teljes kép akkor kezd kirajzolódni, amikor ezek az adatok már nem különálló rendszerekben élnek, hanem egymással összefüggésben értelmezhetők.
Nem feltétlenül kell minden kérdéshez elemző
Az üzleti intelligenciával szembeni ellenérzés sok esetben abból adódik, hogy a kereskedő túélzottan sok erőforrásigényt feltételez vele kapcsolatban. A hagyományos BI egyik gyenge pontja, hogy hiába áll rendelkezésre rengeteg adat, azokhoz nem mindig könnyű hozzáférni. A vezető feltesz egy kérdést, az elemző elkészíti a lekérdezést és a riportot, majd az eredményből gyakran újabb kérdések következnek. Egy egyszerű üzleti válasz megszerzése így könnyen hosszadalmas folyamattá válhat.
Ezen a problémán változtat sokat a generatív AI. A Sellvio üzleti elemzőjében természetes nyelven lehet kérdezni a webshop adatairól, a rendszer pedig az értékesítési, vásárlói és más kereskedelmi információk alapján trendeket, problémákat és növekedési lehetőségeket keres. Az eredmények PDF- vagy CSV-formátumban is exportálhatók.
Így nem feltétlenül kell külön riportot építeni ahhoz, hogy kiderüljön például, melyik kategória termelte a legtöbb profitot az előző negyedévben. Elég feltenni a kérdést, és az adatok feldolgozásának jelentős részét elvégzi a rendszer.
Ez természetesen nem teszi feleslegessé az emberi elemzést, inkább leveszi a kereskedp válláról a rutinszerű adatfeldolgozás egy részét, így több figyelem maradhat arra, ami üzletileg igazán fontos: hogyan értelmezzük az eredményt, és milyen döntést hozunk ebből adódóan.
Az API akkor válik fontossá, amikor a webshop kinövi az alapriportokat
Tény, hogy egy kisebb webáruház számára sokáig elegendők lehetnek a beépített statisztikák és a külső analitikai eszközök – a fókuszt valószínűleg egészen más területre kell helyeznie a bővített adatstruktúrák elemzése helyett. Azonban, ahogy nő a forgalom és összetettebbé válik a működés, megjelennek azok az elemzési igények, amelyeket már nem lehet néhány alapriporttal lefedni.
Ilyenkor merül fel például, hogy a vállalat saját Power BI vagy más BI-környezetben szeretné együtt vizsgálni a webshop, az ERP, a raktár, a pénzügy és a marketing adatait. Ehhez alapvető feltétel, hogy az e-kereskedelmi rendszerből az adatok strukturáltan és automatizálható módon legyenek kinyerhetők.
A Sellvio REST API-ján keresztül többek között a termékek, kategóriák, gyártók, termékparaméterek és rendelések adatai is lekérdezhetők. A listázó végpontok JSON mellett CSV- és XLSX-formátumú válaszokat is támogatnak, a webhookok pedig lehetővé teszik, hogy a külső rendszerek automatikusan értesüljenek a fontos eseményekről.
A rossz adatból a BI is rossz következtetést von le
Nem lehet eléggé kihangsúlyozni, hogy a BI és az AI csak annyira lehet megbízható, amennyire a mögötte lévő adatok azok. Ha a kiinduló információ hibás vagy hiányos, az elemzés is könnyen félrevezető eredményre jut. Pontatlan beszerzési árak mellett az árréselemzés sem lesz helyes, hibás konverziómérés esetén pedig torzulhat a marketingcsatornák összehasonlítása, de ugyanez igaz a rendelési adatokra is: ha a státuszok kezelése következetlen, a bevételi kimutatások sem feltétlenül a valós üzleti helyzetet mutatják.
Nem véletlen, hogy az adatminőség a BI egyik központi kérdése maradt. Minél több automatizált elemzést és AI-alapú döntéstámogatást használ egy vállalkozás, annál fontosabbá válik, hogy pontosan tudja, honnan származnak az adatai, mit jelentenek, és mennyire lehet rájuk építeni.
Nem kell mindent mérni csak azért, mert lehet
Érdemes picit lassítani és megbarátkozni a gondolattal… Egy modern webáruház akár több száz mutatót is képes előállítani, de ezek jelentős része a napi üzleti döntések szempontjából kevéssé fontos. Egy harminc KPI-t tartalmazó vezetői dashboard ezért nem feltétlenül jobb, mint egy jóval egyszerűbb rendszer.
Általában jobban használható öt-hat olyan mutató, amely közvetlenül kapcsolódik a vállalkozás céljaihoz; egy gyorsan növekvő webshopnál ilyen lehet a bevétel, az árrés, az ügyfélszerzési költség, az átlagos kosárérték, a konverzió és a visszatérő vásárlók aránya. Készletintenzív kereskedelemben ehhez érdemes hozzávenni a készletforgást és a beragadt készlet értékét is.
Más üzleti modellhez természetesen más mutatók tartoznak. A BI célja nem az, hogy minél több szám kerüljön a képernyőre, hanem az, hogy a megfelelő pillanatban a valóban fontos adat legyen előttünk.
Az igazán jó BI végül megváltoztatja a kérdéseinket is
Az adatvezérelt működés egyik legfontosabb hatása, hogy idővel maguk a kérdések is megváltoznak. Már nemcsak arra leszünk kíváncsiak, mennyi volt tegnap a forgalom, hanem arra is, mi okozta a változást, mely termékek, vásárlói csoportok vagy marketingcsatornák álltak mögötte, és egyszeri kilengésről vagy egy új trend kezdetéről van-e szó.
Innen már könnyen eljutunk a valódi üzleti kérdésekhez is. Mi történne, ha változtatnánk az árazáson? Érdemes több készletet rendelni egy gyorsan fogyó termékből? Mely kategóriákba célszerű több marketingpénzt tenni? A BI titka éppen ebben mutatkozik meg: nem ad minden helyzetre kész választ, viszont segít pontosabban és hasznosabban kérdezni, vagyis segít feltenni a jó kérdéseket, amelyekre hasznos válaszok születnek. A Sellvio beépített riportjai, analitikai integrációi, API-kapcsolatai és természetes nyelven használható Üzleti elemzője is ezt támogatja.
Létezik egy alapigazságként hangoztatott mondás e-kereskedelmi körökben, miszerint nem feltétlenül az a webshop kerül előnybe, amelyik a legtöbb adatot gyűjti, hanem az, amelyik gyorsabban felismeri, mire érdemes használni őket.