V vsakodnevnem delovanju spletne trgovine nastaja ogromno podatkov; vidimo, koliko obiskovalcev je prišlo na stran, katere izdelke so si ogledali, kaj so kupili, kakšna je bila povprečna vrednost košarice, katere kampanje so prinesle naročila ali prav kateri izdelki hitro izginjajo z zaloge. Podatki so torej večinoma na voljo, pogosto v precej večjih količinah, kot jih je smiselno vsak dan spremljati posamezno.
Najpomembnejše vprašanje je, kateri kazalnik resnično pove nekaj pomembnega o delovanju posla. Promet spletne trgovine lahko na primer raste, medtem ko se dobičkonosnost slabša, ker stroški oglaševanja ali logistike naraščajo še hitreje. Tudi priljubljen izdelek se lahko znajde na vrhu prodajne lestvice, a zaradi nizke marže v resnici komaj ustvarja dobiček. Na tej točki postane poslovna inteligenca, na kratko BI, zares uporabna. BI ne pomeni preprosto več statistik in grafov, temveč to, da podatke, ki nastajajo na različnih točkah spletne trgovine, povežemo, jih interpretiramo s poslovnega vidika in nato pretvorimo v informacije, ki resnično podpirajo odločanje. Ne vidimo le, koliko nakupov je prinesla kampanja, temveč tudi, kako dobičkonosna so bila ta naročila. Ne izvemo samo, kateri izdelki se dobro prodajajo, ampak tudi, kateri ustvarjajo največ marže, kako se giblje obračanje zalog ali katere skupine kupcev se z večjo verjetnostjo vračajo.
Tudi mi ne moremo zanikati, da je vse to lahko videti kot analitični sistem za velike korporacije, a v e-trgovini lahko BI danes pomeni resno prednost tudi za manjšo ali srednje veliko spletno trgovino.
BI ni le še en graf
Pojem Business Intelligence je zlahka »velikodušno« zamenjati z atraktivnimi nadzornimi ploščami in izpisi, vendar podjetje še ne postane podatkovno vodeno zgolj zato, ker so podatki spletne trgovine prikazani na lepih grafih.
Vredno je opredeliti, kaj poslovna inteligenca v resnici je. Po Microsoftovi opredelitvi BI zbira, analizira in za poslovne odločitve naredi razumljive aktualne in pretekle podatke iz različnih virov. Zveni kot suhoparna definicija, a bistvo ni samo poročilo, temveč to, da je iz podatkov mogoče prepoznati, kaj se v podjetju dogaja, kaj stoji za spremembami in predvsem, na kaj se je vredno odzvati.
Pri spletni trgovini je razlika dobro vidna. Podatek, da je prihodek prejšnjega meseca znašal 38 milijonov forintov, je sam po sebi le številka. Če pa vidimo tudi, da je prihodek zrasel za 12 odstotkov, medtem ko se je marža znižala, ker je večji del prodaje prišel iz kategorij z nizko maržo, smo dobili že pravo poslovno informacijo.
Na tej točki lahko sprejmemo tudi odločitev; v naslednji kampanji lahko večji oglaševalski proračun dobijo tiste skupine izdelkov, ki ne ustvarjajo le prometa, temveč tudi višjo maržo. Prava vrednost BI se pokaže prav v tem: ne daje več podatkov, temveč pomaga iz obstoječih podatkov sprejemati boljše odločitve.
Prihodek sam po sebi pove malo
V e-trgovini je atraktivnim številkam zlahka pripisati prevelik pomen; promet, število obiskovalcev, naročila, prihodki – vse to so pomembni kazalniki, a sami po sebi lahko hitro dajo zavajajočo sliko o dejanski uspešnosti spletne trgovine.
Recimo, da mesečni prihodek spletne trgovine zraste za 20 odstotkov. Na prvi pogled je to videti kot nedvoumen uspeh, a če so se medtem stroški oglaševanja povečali za 35 odstotkov, povprečna marža pa se je znižala, je slika precej bolj niansirana. Rastoči prihodek namreč ne pomeni nujno rastočega dobička.
Podobno je pri izdelkih. Izdelek, prodan v največjem številu kosov, ne ustvarja nujno največ dobička, medtem ko je lahko redkeje kupljen izdelek z višjo maržo za podjetje v celoti vrednejši. Zgodi se lahko tudi, da izdelek z nižjo maržo pripelje nove kupce, ki pozneje znova naročajo iz drugih kategorij. Dober analitični sistem se zato ne ustavi pri tem, da pokaže, kaj se je zgodilo; zares pomaga pri tem, da postane razumljivo tudi, zakaj se je zgodilo in katero poslovno odločitev je smiselno na tem utemeljiti.
Na katera vprašanja je vredno iskati odgovore?
Poglejmo temeljno resnico, ki je ni mogoče postaviti pod vprašaj: dober BI-sistem ne izhaja iz tega, kakšne grafe je mogoče izdelati, temveč iz tega, na katera poslovna vprašanja mora odgovoriti. Katere kategorije izdelkov ustvarjajo največ dobička, kje raste povpraševanje in kateri izdelki predolgo stojijo v skladišču? Od kod prihajajo najvrednejši kupci, kateri marketinški kanali prinašajo veliko naročil, a malo dobička, in kako se spreminjata povprečna vrednost košarice ali delež ponovnih nakupov? Že odgovori na ta vprašanja povedo o stanju spletne trgovine bistveno več kot preprost mesečni izpis prihodkov. Naslednja raven BI pa nastopi, ko ne proučujemo več le tega, kaj se je zgodilo, temveč tudi, kaj je mogoče pričakovati v prihodnjem obdobju.
Trgovinski sistemi uporabljajo vse več zgodovinskih podatkov za napovedovanje vzorcev povpraševanja, sezonskih nihanj in potreb po zalogah. Po Shopifyjevem BI-pregledu za leto 2026 lahko uporabniki prediktivnih rešitev retail analytics zmanjšajo napake napovedi tudi za 30–50 odstotkov. Rezultat je seveda odvisen od kakovosti podatkov in uporabljenega modela, a dobro kaže, zakaj se vloga BI vse bolj premika od analize preteklih podatkov k napovedovanju pričakovanih poslovnih situacij.
Obstaja en kazalnik, ki ga gledajo vsi, in deset drugih, ki bi jih morali
Večina lastnikov spletnih trgovin natančno ve, kolikšen je bil včerajšnji prihodek; spremembo povprečne vrednosti košarice, pokritje posameznih skupin izdelkov, delež vračajočih se kupcev ali hitrost obračanja zalog pa enako redno spremlja že precej manj ljudi. Pa se iz teh podatkov pogosto prej vidi, v katero smer gre posel.
Odličen primer je povprečna vrednost košarice, ki je količnik prihodka in števila naročil. Če prihodek raste, medtem ko na posamezen nakup odpade vse manjši znesek, je vredno preveriti, ali se je spremenila sestava izdelkov, ali so akcije dobile preveliko vlogo oziroma ali v košarice prihaja manj dopolnilnih izdelkov. Podobno zgovorna je tudi stopnja konverzije. Če obisk raste, število naročil pa se komaj spreminja, večji promet sam po sebi ni vreden veliko. V ozadju je lahko slabša kakovost prometa, a ta pojav lahko povzročijo tudi manj privlačna ponudba, težava s cenami, šibka stran izdelka ali celo katera od ovir v nakupnem procesu.
Prav zaradi tu opisanega uspešnosti spletne trgovine ne smemo presojati na podlagi enega samega KPI. Številke same po sebi kažejo le podrobnosti; zares uporabno informacijo dajo povezave med njimi.
Denar, ki stoji v zalogi, je treba videti
Ko pride na vrsto analiza spletnih trgovin, smo nagnjeni k temu, da marketinškim podatkom namenimo preveliko pozornost, čeprav je zaloga vsaj enako pomemben poslovni dejavnik. Za trgovca skladišče ne pomeni zgolj izdelkov, saj v njem stoji precejšnja količina denarja.
Povsem drugačno odločitev o zalogah zahteva izdelek, ki se ga v treh mesecih proda sto kosov, kot drug, ki se ga v enakem času prodata komaj dva. Prevelika zaloga po nepotrebnem veže kapital, pomanjkanje zaloge pa lahko pomeni neposredno izgubljen prihodek. Če dobro prodajan izdelek redno zmanjka, poleg tega ne moremo izkoristiti niti dela prejšnjega dela, vloženega v marketing, SEO in pridobivanje strank.
Prav zato se tudi Sellviova poročila ne osredotočajo izključno na prodajni promet. Poleg prihodkov in povprečne vrednosti košarice je mogoče spremljati tudi lestvice najuspešnejših izdelkov, vrednosti zalog in trende prodaje, tako da ni vidno le, česa in koliko smo prodali, temveč tudi, kje v zalogi stoji preveč denarja in kje grozi pomanjkanje zaloge.
Tudi marketinški podatek sam po sebi ne zadošča
Google Ads pokaže, kako se obnesejo oglasi v Googlu, Meta daje informacije o kampanjah na Facebooku in Instagramu, Google Analytics pa spremlja vedenje na spletni strani. Vse to so pomembni podatki, a vsak zase kažejo le del tega, kar mora trgovec v resnici vedeti. Odločiti se je namreč treba o tem, za kateri kanal je vredno porabiti naslednji milijon forintov. Za to pa je treba marketinške in trgovinske podatke že povezati.
Kampanja ima lahko na primer odličen ROAS, a prodaja predvsem izdelke z nizko maržo. Druga kampanja lahko pri prvem nakupu pokaže slabši rezultat, a pridobi kupce, ki se pozneje večkrat vrnejo. V takih primerih je lahko kratkoročni rezultat kampanje sam po sebi zavajajoč.
Sellvio podatkov ne želi zapreti v en sam zaprt sistem
Vrednost BI je močno odvisna od tega, koliko relevantnih virov podatkov zna povezati. Čeprav ne gre za tekmovanje v številu, spletna trgovina z analitičnega vidika zares dobro deluje takrat, ko podatkov ne obravnava kot izoliran sistem.
Sellvio je mogoče neposredno integrirati z več analitičnimi in marketinškimi orodji. Med podprtimi povezavami so Google Analytics, Google Tag Manager in Facebook Pixel, za podrobnejšo analizo vedenja obiskovalcev pa je mogoče uporabiti tudi Hotjar, Smartlook in Inspectlet. Poleg tega je mogoče priključiti tudi ERP, sisteme za marketinško avtomatizacijo, izdajanje računov, logistiko in druge poslovne sisteme. Z vidika BI je to pomembno zato, ker vsak sistem odgovarja na drugo vprašanje. Podatki o naročilih spletne trgovine govorijo o prodaji, Google Analytics o vedenju uporabnikov, oglaševalske platforme o uspešnosti kampanj, ERP in finančni sistemi pa o poslovnih procesih, ki potekajo v ozadju.
Celotna slika se začne risati takrat, ko ti podatki ne živijo več v ločenih sistemih, temveč jih je mogoče interpretirati v medsebojni povezavi.
Za vsako vprašanje ni nujno potreben analitik
Odpor do poslovne inteligence v mnogih primerih izvira iz tega, da trgovec v povezavi z njo predpostavlja pretirano velike potrebe po virih. Ena od šibkih točk tradicionalnega BI je, da do podatkov, čeprav jih je na voljo ogromno, ni vedno lahko dostopati. Vodja postavi vprašanje, analitik pripravi poizvedbo in poročilo, iz rezultata pa pogosto sledijo nova vprašanja. Pridobitev preprostega poslovnega odgovora tako zlahka postane dolgotrajen proces.
To težavo močno spreminja generativna umetna inteligenca. V Sellviovem poslovnem analitiku lahko o podatkih spletne trgovine sprašujete v naravnem jeziku, sistem pa na podlagi prodajnih, nakupovalnih in drugih trgovinskih informacij išče trende, težave in priložnosti za rast. Rezultate je mogoče izvoziti tudi v formatu PDF ali CSV.
Tako ni nujno treba zgraditi ločenega poročila, da bi na primer izvedeli, katera kategorija je v prejšnjem četrtletju ustvarila največ dobička. Dovolj je postaviti vprašanje in sistem opravi pomemben del obdelave podatkov.
To seveda ne naredi človeške analize odvečne, prej trgovcu z ramen vzame del rutinske obdelave podatkov, tako da več pozornosti lahko ostane za tisto, kar je poslovno zares pomembno: kako interpretiramo rezultat in kakšno odločitev iz tega sprejmemo.
API postane pomemben, ko spletna trgovina preraste osnovna poročila
Dejstvo je, da manjši spletni trgovini lahko vgrajene statistike in zunanja analitična orodja dolgo zadoščajo – fokus mora verjetno usmeriti na povsem drugo področje, ne v analizo razširjenih podatkovnih struktur. Ko pa promet raste in delovanje postaja kompleksnejše, se pojavijo analitične potrebe, ki jih ni več mogoče pokriti z nekaj osnovnimi poročili.
Takrat se na primer pojavi želja, da bi podjetje v lastnem okolju Power BI ali drugem BI-okolju skupaj proučevalo podatke spletne trgovine, ERP, skladišča, financ in marketinga. Osnovni pogoj za to je, da je podatke iz e-trgovinskega sistema mogoče pridobiti strukturirano in na avtomatiziran način.
Prek Sellviovega REST API je mogoče med drugim poizvedovati po podatkih izdelkov, kategorij, proizvajalcev, parametrov izdelkov in naročil. Končne točke za izpis seznamov poleg JSON podpirajo tudi odgovore v formatih CSV in XLSX, webhooki pa omogočajo, da so zunanji sistemi samodejno obveščeni o pomembnih dogodkih.
Iz slabih podatkov tudi BI potegne napačne sklepe
Ni mogoče dovolj poudariti, da sta BI in AI lahko le toliko zanesljiva, kolikor so zanesljivi podatki za njima. Če je izhodiščna informacija napačna ali pomanjkljiva, tudi analiza zlahka pride do zavajajočega rezultata. Ob netočnih nabavnih cenah tudi analiza marž ne bo pravilna, pri napačnem merjenju konverzij se lahko popači primerjava marketinških kanalov, enako pa velja za podatke o naročilih: če je upravljanje statusov nedosledno, tudi izkazi prihodkov ne kažejo nujno dejanskega poslovnega stanja.
Ni naključje, da je kakovost podatkov ostala eno osrednjih vprašanj BI. Več ko avtomatiziranih analiz in odločitvene podpore na osnovi AI uporablja podjetje, pomembneje je, da natančno ve, od kod prihajajo njegovi podatki, kaj pomenijo in koliko se je mogoče nanje zanesti.
Ni treba meriti vsega samo zato, ker je mogoče
Vredno se je malce ustaviti in se sprijazniti z mislijo … Sodobna spletna trgovina lahko ustvari tudi več sto kazalnikov, a je pomemben del teh z vidika vsakodnevnih poslovnih odločitev manj pomemben. Vodstvena nadzorna plošča s tridesetimi KPI zato ni nujno boljša od precej preprostejšega sistema.
Običajno je uporabnejših pet ali šest kazalnikov, ki so neposredno povezani s cilji podjetja; pri hitro rastoči spletni trgovini so to lahko prihodek, marža, strošek pridobivanja strank, povprečna vrednost košarice, konverzija in delež vračajočih se kupcev. V zalogovno intenzivni trgovini je k temu vredno dodati še obračanje zalog in vrednost zastale zaloge.
K drugemu poslovnemu modelu seveda sodijo drugi kazalniki. Cilj BI ni, da bi bilo na zaslonu čim več številk, temveč da imamo v pravem trenutku pred sabo resnično pomemben podatek.
Zares dober BI na koncu spremeni tudi naša vprašanja
Eden najpomembnejših učinkov podatkovno vodenega delovanja je, da se sčasoma spremenijo tudi sama vprašanja. Ne zanima nas več le, kolikšen je bil včerajšnji promet, temveč tudi, kaj je povzročilo spremembo, kateri izdelki, skupine kupcev ali marketinški kanali so stali za njo in ali gre za enkratno nihanje ali začetek novega trenda.
Od tod zlahka pridemo tudi do pravih poslovnih vprašanj. Kaj bi se zgodilo, če bi spremenili cene? Se splača naročiti več zaloge hitro prodajanega izdelka? V katere kategorije je smiselno vložiti več marketinškega denarja? Skrivnost BI se pokaže prav v tem: ne daje pripravljenega odgovora za vsako situacijo, pomaga pa spraševati natančneje in koristneje, torej pomaga postavljati dobra vprašanja, na katera nastanejo uporabni odgovori. To podpirajo tudi Sellviova vgrajena poročila, analitične integracije, API-povezave in poslovni analitik, ki ga je mogoče uporabljati v naravnem jeziku.
V e-trgovinskih krogih obstaja rek, ki ga ponavljajo kot temeljno resnico: prednosti ne pridobi nujno tista spletna trgovina, ki zbere največ podatkov, temveč tista, ki hitreje prepozna, za kaj jih je vredno uporabiti.