Tijekom svakodnevnog rada webshopa nastaje golema količina podataka; vidljivo je koliko je posjetitelja stiglo na stranicu, koje su proizvode pregledavali, što su kupili, kolika je bila prosječna vrijednost košarice, koje su kampanje donijele narudžbe ili pak kojim se proizvodima zalihe brzo tope. Podaci su, dakle, uglavnom dostupni, često u znatno većoj količini nego što ih se na dnevnoj razini isplati zasebno pratiti.
Najvažnije je pitanje koji pokazatelj doista govori nešto bitno o poslovanju. Promet webshopa može, primjerice, rasti dok se profitabilnost istodobno pogoršava, jer troškovi oglašavanja ili logistike rastu još brže. I popularan proizvod može dospjeti na vrh prodajne ljestvice, a da zbog niske marže zapravo jedva stvara profit. Upravo u toj točki poslovna inteligencija, skraćeno BI, postaje istinski korisna. BI ne znači jednostavno više statistika i grafikona, nego to da podatke koji nastaju na različitim točkama webshopa povezujemo, tumačimo iz poslovne perspektive, a zatim ih pretvaramo u informacije koje doista pomažu u donošenju odluka. Ne vidimo samo koliko je kupnji donijela neka kampanja, nego i koliko su te narudžbe bile profitabilne. Ne otkriva se samo koji se proizvodi dobro prodaju, nego i koji stvaraju najviše marže, kako se kreće obrtaj zaliha ili koje se skupine kupaca vraćaju s većom vjerojatnošću.
Ni mi ne možemo zanijekati da sve to može zvučati kao analitički sustav velikih korporacija, no u e-trgovini BI danas može predstavljati ozbiljnu prednost i za manji ili srednji webshop.
BI nije samo još jedan grafikon
Pojam Business Intelligence lako je „velikodušno” pobrkati s atraktivnim dashboardima i izvještajima, no to što se podaci webshopa prikazuju na lijepim grafikonima još ne znači da je tvrtka vođena podacima.
Vrijedi definirati što je poslovna inteligencija zapravo. Prema Microsoftovoj definiciji, BI prikuplja, analizira i čini razumljivima aktualne i povijesne podatke iz različitih izvora radi poslovnog odlučivanja. Zvuči kao suhoparna definicija, no bit nije sam izvještaj, nego to da se iz podataka može prepoznati što se događa u tvrtki, što stoji iza promjena i, prije svega, na što se isplati reagirati.
Kod webshopa razlika je dobro vidljiva. To da je prihod prošlog mjeseca iznosio 38 milijuna forinti samo je podatak. No ako vidimo i da je prihod porastao 12 posto dok se marža smanjila, jer je veći dio prodaje stigao iz kategorija s niskom maržom, dobili smo pravu poslovnu informaciju.
U toj točki već možemo donijeti odluku; u sljedećoj kampanji veći oglasni budžet mogu dobiti one skupine proizvoda koje ne stvaraju samo promet, nego i višu maržu. Prava vrijednost BI-ja pokazuje se upravo u tome: ne daje više podataka, nego pomaže donijeti bolju odluku iz postojećih podataka.
Prihod sam po sebi govori malo
U e-trgovini lako je pridati preveliku važnost atraktivnim brojkama; promet, broj posjetitelja, narudžbe, prihod – sve su to važni pokazatelji, no sami po sebi lako mogu dati zavaravajuću sliku stvarnih rezultata webshopa.
Pretpostavimo da mjesečni prihod webshopa raste 20 posto. Na prvi pogled to izgleda kao nedvojben uspjeh, no ako je trošak oglašavanja istodobno porastao 35 posto, a prosječna marža se smanjila, situacija je već znatno nijansiranija. Rastući prihod, naime, ne znači nužno i rastuću dobit.
Slično je i s proizvodima. Proizvod prodan u najvećem broju komada ne stvara nužno najviše dobiti, dok proizvod koji se kupuje rjeđe, ali s višom maržom, za tvrtku u konačnici može biti vrjedniji. Može se dogoditi i da proizvod s nižom maržom dovodi nove kupce koji kasnije ponovno naručuju iz drugih kategorija. Dobar analitički sustav zato ne staje na tome da pokaže što se dogodilo; istinski pomaže u tome da postane razumljivo i zašto se dogodilo te koju poslovnu odluku na tome vrijedi temeljiti.
Na koja pitanja vrijedi tražiti odgovore?
Pogledajmo temeljnu istinu koju nije moguće osporiti: dobar BI sustav ne polazi od toga kakvi se grafikoni mogu izraditi, nego od toga na koja poslovna pitanja mora odgovoriti – koje kategorije proizvoda stvaraju najviše profita, gdje raste potražnja i koji proizvodi predugo stoje u skladištu? Odakle dolaze najvrjedniji kupci, koji marketinški kanali donose mnogo narudžbi, ali malo dobiti, te kako se mijenja prosječna vrijednost košarice ili udio ponovljenih kupnji? Već odgovori na ta pitanja otkrivaju znatno više o stanju webshopa nego jednostavan mjesečni izvještaj o prihodu. Sljedeća razina BI-ja nastupa kada više ne ispitujemo samo što se dogodilo, nego i što se može očekivati u sljedećem razdoblju.
Trgovački sustavi koriste sve više povijesnih podataka za predviđanje obrazaca potražnje, sezonskih oscilacija i potreba za zalihama. Prema Shopifyjevu BI pregledu za 2026. godinu, korisnici prediktivnih retail analytics rješenja mogu smanjiti pogreške predviđanja i za 30–50 posto. Rezultat, naravno, ovisi o kvaliteti podataka i primijenjenom modelu, no dobro pokazuje zašto se uloga BI-ja sve više pomiče od analize prošlih podataka prema predviđanju očekivanih poslovnih situacija.
Postoji jedan pokazatelj koji svi gledaju i deset drugih koje bi trebalo
Većina vlasnika webshopova točno zna koliki je bio jučerašnji prihod, no promjenu prosječne vrijednosti košarice, maržu pojedinih skupina proizvoda, udio kupaca koji se vraćaju ili brzinu obrtaja zaliha jednako redovito prati znatno manje njih. A upravo se iz tih pokazatelja često ranije vidi u kojem smjeru ide posao.
Izvrstan je primjer prosječna vrijednost košarice, koja je kvocijent prihoda i broja narudžbi. Ako prihod raste dok na jednu kupnju otpada sve manji iznos, vrijedi provjeriti je li se promijenio sastav proizvoda, jesu li akcije dobile preveliku ulogu ili u košarice dolazi manje dopunskih proizvoda. Jednako je rječita i stopa konverzije. Ako posjećenost raste, a broj narudžbi se jedva mijenja, veći promet sam po sebi ne vrijedi mnogo. U pozadini može stajati promet slabije kvalitete, ali tu pojavu mogu uzrokovati i manje privlačna ponuda, problem s cijenama, slaba stranica proizvoda ili neka prepreka u procesu kupnje.
Upravo zbog ovdje opisanog ne smije se uspješnost webshopa procjenjivati na temelju jednog jedinog KPI-ja. Brojke same po sebi pokazuju samo detalje; istinski korisnu informaciju daju međusobne veze među njima.
Novac koji stoji u zalihama treba vidjeti
Kada dođe do analize webshopova, skloni smo posvetiti previše pozornosti marketinškim podacima, iako su zalihe barem jednako važan poslovni čimbenik. Za trgovca skladište ne znači jednostavno proizvode – u njemu stoji znatna količina novca.
Posve drukčiju odluku o zalihama zahtijeva proizvod od kojeg se u tri mjeseca proda sto komada od onoga od kojeg se u istom razdoblju prodaju svega dva. Prevelike zalihe nepotrebno vežu kapital, a nedostatak zaliha može značiti izravno izgubljeni prihod. Ako se proizvod koji se dobro prodaje redovito rasproda, k tome ne možemo iskoristiti ni dio prijašnjeg rada uloženog u marketing, SEO i stjecanje kupaca.
Upravo se zato ni Sellviovi izvještaji ne koncentriraju isključivo na prodajni promet. Uz prihod i prosječnu vrijednost košarice mogu se pratiti i top-liste proizvoda, vrijednosti zaliha i trendovi prodaje, pa se ne vidi samo čega smo koliko prodali, nego i gdje u zalihama stoji previše novca te gdje prijeti nedostatak zaliha.
Ni marketinški podatak sam po sebi nije dovoljan
Google Ads pokazuje kako funkcioniraju Google oglasi, Meta daje informacije o Facebook i Instagram kampanjama, a Google Analytics prati ponašanje na web-stranici. Sve su to važni podaci, no zasebno pokazuju samo dio onoga što trgovac doista treba znati. Odluku, naime, treba donijeti o tome na koji kanal vrijedi potrošiti sljedećih milijun forinti. Za to je već potrebno povezati marketinške i trgovačke podatke.
Kampanja može, primjerice, imati izvrstan ROAS dok prodaje uglavnom proizvode s niskom maržom. Druga kampanja kod prve kupnje može pokazivati slabiji rezultat, ali može dovesti kupce koji se kasnije više puta vraćaju. U takvim slučajevima kratkoročni rezultat kampanje sam po sebi može zavarati.
Sellvio ne želi zatvoriti podatke u jedan jedini zatvoreni sustav
Vrijednost BI-ja uvelike ovisi o tome koliko relevantnih izvora podataka može povezati. Iako nije riječ o natjecanju u brojkama, webshop iz analitičke perspektive doista dobro funkcionira kada podatke ne tretira kao izolirani sustav.
Sellvio se može izravno integrirati s više analitičkih i marketinških alata. Među podržanim vezama nalaze se Google Analytics, Google Tag Manager i Facebook Pixel, a za detaljniju analizu ponašanja posjetitelja mogu se koristiti i Hotjar, Smartlook i Inspectlet. Osim toga, mogu se priključiti i ERP, sustavi za marketinšku automatizaciju, fakturiranje, logistiku i drugi poslovni sustavi. Iz BI perspektive to je važno zato što svaki sustav odgovara na drugo pitanje. Podaci o narudžbama webshopa govore o prodaji, Google Analytics o ponašanju korisnika, oglašivačke platforme o uspješnosti kampanja, a ERP i financijski sustavi o poslovnim procesima koji se odvijaju u pozadini.
Cjelovita se slika počinje ocrtavati kada ti podaci više ne žive u zasebnim sustavima, nego ih je moguće tumačiti u međusobnoj povezanosti.
Za svako pitanje nije nužno potreban analitičar
Otpor prema poslovnoj inteligenciji u mnogim slučajevima proizlazi iz toga što trgovac uz nju pretpostavlja pretjerano velike resursne zahtjeve. Jedna od slabih točaka tradicionalnog BI-ja jest to što podacima, ma koliko ih bilo, nije uvijek lako pristupiti. Voditelj postavi pitanje, analitičar izradi upit i izvještaj, a iz rezultata često slijede nova pitanja. Dobivanje jednostavnog poslovnog odgovora tako lako može postati dugotrajan proces.
Taj problem uvelike mijenja generativna umjetna inteligencija. U Sellviovu poslovnom analitičaru o podacima webshopa moguće je pitati prirodnim jezikom, a sustav na temelju prodajnih, kupovnih i drugih trgovačkih informacija traži trendove, probleme i prilike za rast. Rezultati se mogu izvesti i u PDF ili CSV formatu.
Tako nije nužno graditi poseban izvještaj da bi se, primjerice, saznalo koja je kategorija stvorila najviše profita u prošlom tromjesečju. Dovoljno je postaviti pitanje, a znatan dio obrade podataka obavi sustav.
To, naravno, ne čini ljudsku analizu suvišnom, nego prije skida s trgovčevih ramena dio rutinske obrade podataka, pa više pozornosti može ostati za ono što je poslovno doista važno: kako protumačiti rezultat i koju odluku iz toga donijeti.
API postaje važan kada webshop preraste osnovne izvještaje
Činjenica je da manjem webshopu ugrađene statistike i vanjski analitički alati mogu dugo biti dovoljni – fokus vjerojatno treba staviti na posve drugo područje umjesto na analizu proširenih podatkovnih struktura. No kako promet raste i poslovanje postaje složenije, pojavljuju se analitičke potrebe koje se više ne mogu pokriti s nekoliko osnovnih izvještaja.
Tada se, primjerice, javlja potreba da tvrtka u vlastitom Power BI ili drugom BI okruženju zajedno promatra podatke webshopa, ERP-a, skladišta, financija i marketinga. Za to je temeljni uvjet da se podaci iz sustava e-trgovine mogu izvući strukturirano i na automatiziran način.
Preko Sellviova REST API-ja mogu se, među ostalim, dohvatiti podaci o proizvodima, kategorijama, proizvođačima, parametrima proizvoda i narudžbama. Krajnje točke za izlistavanje uz JSON podržavaju i odgovore u CSV i XLSX formatu, a webhookovi omogućuju da vanjski sustavi automatski budu obaviješteni o važnim događajima.
Iz loših podataka i BI izvlači pogrešne zaključke
Ne može se dovoljno naglasiti da BI i AI mogu biti pouzdani samo onoliko koliko su pouzdani podaci iza njih. Ako je polazna informacija pogrešna ili nepotpuna, i analiza lako dolazi do zavaravajućeg rezultata. Uz netočne nabavne cijene ni analiza marže neće biti ispravna, a kod pogrešnog mjerenja konverzija može se iskriviti usporedba marketinških kanala; isto vrijedi i za podatke o narudžbama: ako se statusi vode nedosljedno, ni izvještaji o prihodima ne moraju prikazivati stvarnu poslovnu situaciju.
Nije slučajno da je kvaliteta podataka ostala jedno od središnjih pitanja BI-ja. Što više automatiziranih analiza i AI podrške u odlučivanju tvrtka koristi, to postaje važnije da točno zna odakle potječu njezini podaci, što znače i koliko se na njih može osloniti.
Ne treba mjeriti sve samo zato što je moguće
Vrijedi malo usporiti i pomiriti se s ovom mišlju… Moderan webshop može proizvesti i više stotina pokazatelja, no znatan dio njih malo je važan za svakodnevne poslovne odluke. Upravljački dashboard s trideset KPI-jeva zato nije nužno bolji od znatno jednostavnijeg sustava.
Obično je upotrebljivije pet-šest pokazatelja izravno povezanih s ciljevima tvrtke; kod brzorastućeg webshopa to mogu biti prihod, marža, trošak stjecanja kupaca, prosječna vrijednost košarice, konverzija i udio kupaca koji se vraćaju. U trgovini s intenzivnim zalihama tome vrijedi dodati i obrtaj zaliha te vrijednost zaliha koje stoje.
Drugom poslovnom modelu, naravno, pripadaju drugi pokazatelji. Cilj BI-ja nije da na zaslon dospije što više brojki, nego da u pravom trenutku pred nama bude podatak koji je doista važan.
Istinski dobar BI na kraju mijenja i naša pitanja
Jedan od najvažnijih učinaka rada vođenog podacima jest da se s vremenom mijenjaju i sama pitanja. Više nas ne zanima samo koliki je bio jučerašnji promet, nego i što je uzrokovalo promjenu, koji su proizvodi, skupine kupaca ili marketinški kanali stajali iza nje te je li riječ o jednokratnom odstupanju ili početku novog trenda.
Odatle lako dolazimo i do pravih poslovnih pitanja. Što bi se dogodilo kada bismo promijenili cijene? Isplati li se naručiti više zaliha proizvoda koji se brzo prodaje? U koje kategorije vrijedi uložiti više marketinškog novca? Tajna BI-ja pokazuje se upravo u tome: ne daje gotov odgovor za svaku situaciju, ali pomaže pitati preciznije i korisnije, odnosno pomaže postaviti dobra pitanja na koja se rađaju korisni odgovori. To podupiru i Sellviovi ugrađeni izvještaji, analitičke integracije, API veze te Poslovni analitičar koji se može koristiti prirodnim jezikom.
U krugovima e-trgovine postoji izreka koja se ponavlja kao temeljna istina: prednost ne stječe nužno webshop koji prikuplja najviše podataka, nego onaj koji brže prepozna za što ih vrijedi iskoristiti.