U svakodnevnom radu online prodavnice nastaje ogromna količina podataka; vidi se koliko je posetilaca stiglo na sajt, koje proizvode su pogledali, šta su kupili, kolika je bila prosečna vrednost korpe, koje kampanje su donele porudžbine ili kojim proizvodima se zalihe brzo tope. Podaci su, dakle, uglavnom na raspolaganju, često u znatno većoj količini nego što ih vredi pojedinačno pratiti iz dana u dan.
Najvažnije pitanje je koji pokazatelj zaista govori nešto bitno o radu posla. Promet web shopa može, na primer, da raste dok se profitabilnost pogoršava, jer troškovi oglašavanja ili logistike rastu još brže. I popularan proizvod može da dospe na vrh prodajne liste tako da zbog niske marže zapravo jedva stvara profit. Na ovom mestu postaje zaista korisna poslovna inteligencija, skraćeno BI. BI ne znači jednostavno više statistike i grafikona, već to da podatke koji nastaju na različitim tačkama web shopa povezujemo, tumačimo iz poslovnog ugla, a zatim ih pretvaramo u informacije koje zaista pomažu donošenju odluka. Ne vidimo samo koliko je kupovina donela neka kampanja, već i koliko su te porudžbine bile profitabilne. Ne saznaje se samo koji se proizvodi dobro prodaju, već i koji stvaraju najviše marže, kako se kreće obrt zaliha ili koje grupe kupaca se vraćaju sa većom verovatnoćom.
Ni mi ne možemo da poreknemo da sve ovo može delovati kao analitički sistem velike korporacije, ali u e-trgovini BI danas i manjem ili srednjem web shopu može doneti ozbiljnu prednost.
BI nije samo još jedan grafikon
Pojam Business Intelligence lako je „velikodušno" pomešati sa atraktivnim kontrolnim tablama i izveštajima, a ipak – od toga što se podaci web shopa prikazuju na lepim grafikonima, preduzeće još neće postati vođeno podacima.
Vredi definisati šta je zapravo poslovna inteligencija. Prema Microsoft-ovoj definiciji, BI prikuplja, analizira i čini razumljivim aktuelne i ranije podatke iz različitih izvora za potrebe poslovnih odluka. Deluje kao suva definicija, ali suština nije sam izveštaj, već to da se iz podataka može prepoznati šta se dešava u preduzeću, šta stoji iza promena i, pre svega, na šta vredi reagovati.
Kod web shopa razlika se dobro vidi. To što je prihod prošlog meseca bio 38 miliona forinti, samo po sebi je tek podatak. Ako, međutim, vidimo i da je prihod porastao 12 procenata, dok se marža smanjila jer je veći deo prodaje stigao iz kategorija sa niskom maržom, dobili smo pravu poslovnu informaciju.
Na ovom mestu već možemo doneti odluku; u sledećoj kampanji veći budžet za oglašavanje mogu dobiti one grupe proizvoda koje ne stvaraju samo promet, već i višu maržu. Prava vrednost BI-ja pokazuje se upravo u tome: ne daje više podataka, već pomaže da iz postojećih podataka donesemo bolju odluku.
Sam prihod govori malo
U e-trgovini je lako pridati preveliki značaj upadljivim brojkama; promet, broj posetilaca, porudžbine, prihod – sve su to važni pokazatelji, ali sami po sebi lako mogu dati varljivu sliku o stvarnom učinku web shopa.
Pretpostavimo da mesečni prihod online prodavnice poraste 20 procenata. Na prvi pogled to deluje kao nedvosmislen uspeh, ali ako je u međuvremenu trošak oglašavanja porastao 35 procenata, a prosečna marža se smanjila, situacija je već znatno nijansiranija. Rastući prihod, naime, ne znači nužno i rastući profit.
Slična je situacija i sa proizvodima. Proizvod prodat u najvećem broju komada ne mora da donosi najviše zarade, dok proizvod koji se kupuje ređe, ali ima višu maržu, u zbiru može biti vredniji za preduzeće. Može se desiti i da proizvod sa nižom stopom zarade dovodi nove kupce, koji kasnije ponovo poručuju iz drugih kategorija. Dobar analitički sistem zato se ne zaustavlja na tome da pokaže šta se dogodilo; zaista pomaže u tome da postane razumljivo i zašto se dogodilo, i koju poslovnu odluku vredi zasnovati na tome.
Na koja pitanja vredi tražiti odgovore?
Pogledajmo osnovnu istinu koja se ne može dovesti u pitanje: dobar BI sistem ne polazi od toga koji se grafikoni mogu napraviti, već od toga na koja poslovna pitanja treba da odgovori – koje kategorije proizvoda stvaraju najviše profita, gde raste tražnja i koji proizvodi predugo stoje u magacinu? Odakle stižu najvredniji kupci, koji marketinški kanali donose mnogo porudžbina, ali malo profita, i kako se menja prosečna vrednost korpe ili udeo ponovljenih kupovina? Već odgovori na ova pitanja otkrivaju znatno više o stanju online prodavnice nego jednostavan mesečni izveštaj o prihodu. Sledeći nivo BI-ja je kada više ne ispitujemo samo šta se dogodilo, već i šta se može očekivati u narednom periodu.
Trgovinski sistemi koriste sve više istorijskih podataka za predviđanje obrazaca tražnje, sezonskih oscilacija i potreba za zalihama. Prema Shopify-jevom BI pregledu za 2026. godinu, korisnici prediktivnih retail analytics rešenja mogu smanjiti greške u prognozama čak za 30–50 procenata. Rezultat naravno zavisi od kvaliteta podataka i primenjenog modela, ali dobro pokazuje zašto se uloga BI-ja sve više pomera od analize prošlih podataka ka predviđanju očekivanih poslovnih situacija.
Postoji jedan pokazatelj koji svi gledaju, i deset drugih koje bi trebalo
Većina vlasnika web shopova tačno zna koliki je bio jučerašnji prihod, ali promenu prosečne vrednosti korpe, maržu pokrića pojedinih grupa proizvoda, udeo kupaca koji se vraćaju ili brzinu obrta zaliha znatno manje njih prati sa istom redovnošću. A iz njih se često ranije vidi u kom pravcu ide posao.
Odličan primer je prosečna vrednost korpe, koja je količnik prihoda i broja porudžbina. Ako prihod raste, dok na jednu kupovinu otpada sve manji iznos, vredi proveriti da li se promenio sastav asortimana, da li su akcije dobile preveliku ulogu ili u korpe dospeva manje dopunskih proizvoda. Slično je rečita i stopa konverzije. Ako posećenost raste, a broj porudžbina se jedva menja, veći saobraćaj sam po sebi ne vredi mnogo. U pozadini može stajati saobraćaj slabijeg kvaliteta, ali ovu pojavu mogu izazvati i manje privlačna ponuda, problem sa cenama, slaba stranica proizvoda ili neka prepreka u procesu kupovine.
Upravo zbog ovde opisanog ne sme se učinak web shopa procenjivati na osnovu jednog jedinog KPI-ja. Brojke same po sebi pokazuju samo detalje; zaista korisnu informaciju daju veze koje postoje među njima.
Novac koji stoji u zalihama mora da se vidi
Kada dođe red na analizu web shopova, skloni smo da previše pažnje posvetimo marketinškim podacima, a zalihe su bar jednako važan poslovni faktor. Za trgovca magacin ne znači jednostavno proizvode, jer u njemu stoji značajna količina novca.
Sasvim drugačiju odluku o zalihama zahteva proizvod od kojeg se za tri meseca proda sto komada, nego neki drugi od kojeg za isto vreme odu svega dva. Prevelike zalihe nepotrebno vezuju kapital, a nedostatak zaliha može značiti direktno izgubljen prihod. Ako se proizvod koji se dobro prodaje redovno rasproda, uz to ne možemo iskoristiti ni deo ranijeg rada uloženog u marketing, SEO i pridobijanje kupaca.
Upravo zato se ni Sellvio izveštaji ne koncentrišu isključivo na prodajni promet. Pored prihoda i prosečne vrednosti korpe mogu se pratiti i top-liste proizvoda, vrednosti zaliha i trendovi prodaje, pa se ne vidi samo šta smo i koliko prodali, već i gde u zalihama stoji previše novca i gde preti nestašica.
Ni marketinški podatak sam po sebi nije dovoljan
Google Ads pokazuje kakav učinak imaju Google oglasi, Meta daje informacije o Facebook i Instagram kampanjama, a Google Analytics prati ponašanje na sajtu. Sve su to važni podaci, ali pojedinačno pokazuju samo deo onoga što trgovac zaista treba da zna. Odluku, naime, treba doneti o tome na koji kanal vredi potrošiti sledećih milion forinti. Za to je već potrebno povezati marketinške i trgovinske podatke.
Kampanja može, na primer, imati odličan ROAS tako što prodaje uglavnom proizvode sa niskom maržom. Druga kampanja na prvu kupovinu može pokazati slabiji rezultat, ali može dovesti kupce koji se kasnije više puta vraćaju. U takvim slučajevima kratkoročni rezultat kampanje sam po sebi može biti varljiv.
Sellvio ne želi da zatvori podatke u jedan jedini zatvoren sistem
Vrednost BI-ja u velikoj meri zavisi od toga koliko relevantnih izvora podataka može da poveže. Iako nije reč o takmičenju u brojnosti, online prodavnica iz analitičkog ugla zaista dobro funkcioniše onda kada podatke ne tretira kao izolovan sistem.
Sellvio se može direktno integrisati sa više analitičkih i marketinških alata. Među podržanim vezama nalaze se Google Analytics, Google Tag Manager i Facebook Pixel, ali se za detaljniju analizu ponašanja posetilaca mogu koristiti i Hotjar, Smartlook i Inspectlet. Pored toga, mogu se povezati i ERP, sistemi za marketinšku automatizaciju, fakturisanje, logistiku i drugi poslovni sistemi. Iz BI ugla to je značajno zato što svaki sistem odgovara na drugo pitanje. Podaci o porudžbinama web shopa govore o prodaji, Google Analytics o ponašanju korisnika, oglasne platforme o učinku kampanja, a ERP i finansijski sistemi o poslovnim procesima koji se odvijaju u pozadini.
Celovita slika počinje da se ocrtava onda kada ti podaci više ne žive u odvojenim sistemima, već se mogu tumačiti u međusobnoj povezanosti.
Nije nužno potreban analitičar za svako pitanje
Otpor prema poslovnoj inteligenciji u mnogim slučajevima potiče otuda što trgovac uz nju pretpostavlja preterano velike potrebe za resursima. Jedna od slabih tačaka tradicionalnog BI-ja je to što, iako je na raspolaganju mnoštvo podataka, do njih nije uvek lako doći. Rukovodilac postavi pitanje, analitičar napravi upit i izveštaj, a iz rezultata često slede nova pitanja. Dobijanje jednostavnog poslovnog odgovora tako lako može postati dugotrajan proces.
Na ovom problemu mnogo menja generativna veštačka inteligencija. U Sellvio poslovnom analitičaru pitanja o podacima web shopa mogu se postavljati prirodnim jezikom, a sistem na osnovu prodajnih, kupovnih i drugih trgovinskih informacija traži trendove, probleme i mogućnosti rasta. Rezultati se mogu izvesti i u PDF ili CSV formatu.
Tako nije nužno graditi poseban izveštaj da bi se saznalo, na primer, koja je kategorija stvorila najviše profita u prethodnom kvartalu. Dovoljno je postaviti pitanje, a značajan deo obrade podataka obaviće sistem.
To, naravno, ne čini ljudsku analizu suvišnom, pre skida sa trgovčevih ramena deo rutinske obrade podataka, pa više pažnje može ostati za ono što je poslovno zaista važno: kako da protumačimo rezultat i koju odluku da donesemo na osnovu toga.
API postaje važan onda kada web shop preraste osnovne izveštaje
Činjenica je da manjoj online prodavnici dugo mogu biti dovoljne ugrađene statistike i spoljni analitički alati – fokus verovatno treba staviti na sasvim drugu oblast umesto na analizu proširenih struktura podataka. Međutim, kako promet raste i poslovanje postaje složenije, pojavljuju se one analitičke potrebe koje se više ne mogu pokriti sa nekoliko osnovnih izveštaja.
Tada se, na primer, javlja potreba da kompanija u sopstvenom Power BI ili drugom BI okruženju zajedno posmatra podatke web shopa, ERP-a, magacina, finansija i marketinga. Za to je osnovni uslov da se podaci iz sistema za e-trgovinu mogu izvući strukturirano i na način koji se može automatizovati.
Preko Sellvio REST API-ja mogu se, između ostalog, dohvatiti podaci o proizvodima, kategorijama, proizvođačima, parametrima proizvoda i porudžbinama. Endpointi za listanje pored JSON-a podržavaju i odgovore u CSV i XLSX formatu, a webhook-ovi omogućavaju da spoljni sistemi automatski budu obavešteni o važnim događajima.
Iz loših podataka i BI izvlači pogrešan zaključak
Ne može se dovoljno naglasiti da BI i AI mogu biti pouzdani samo onoliko koliko su pouzdani podaci koji stoje iza njih. Ako je polazna informacija pogrešna ili nepotpuna, i analiza lako dolazi do varljivog rezultata. Uz netačne nabavne cene ni analiza marže neće biti ispravna, a u slučaju pogrešnog merenja konverzija može se iskriviti poređenje marketinških kanala; isto važi i za podatke o porudžbinama: ako se statusi vode nedosledno, ni izveštaji o prihodima ne moraju prikazivati stvarnu poslovnu situaciju.
Nije slučajno što je kvalitet podataka ostao jedno od centralnih pitanja BI-ja. Što više automatizovanih analiza i podrške odlučivanju zasnovane na AI koristi preduzeće, to postaje važnije da tačno zna odakle potiču njegovi podaci, šta znače i koliko se na njih može graditi.
Ne treba meriti sve samo zato što je to moguće
Vredi malo usporiti i pomiriti se sa ovom mišlju… Moderna online prodavnica može da proizvede i više stotina pokazatelja, ali značajan deo njih je malo važan iz ugla svakodnevnih poslovnih odluka. Menadžerska kontrolna tabla sa trideset KPI-jeva zato nije nužno bolja od znatno jednostavnijeg sistema.
Obično je upotrebljivije pet-šest pokazatelja koji su direktno povezani sa ciljevima preduzeća; kod web shopa koji brzo raste to mogu biti prihod, marža, trošak pridobijanja kupaca, prosečna vrednost korpe, konverzija i udeo kupaca koji se vraćaju. U trgovini sa intenzivnim zalihama tome vredi dodati i obrt zaliha i vrednost zaglavljenih zaliha.
Drugom poslovnom modelu, naravno, pripadaju drugi pokazatelji. Cilj BI-ja nije da na ekran dospe što više brojki, već da u pravom trenutku pred nama bude zaista važan podatak.
Zaista dobar BI na kraju menja i naša pitanja
Jedan od najvažnijih efekata rada vođenog podacima je to što se vremenom menjaju i sama pitanja. Više nas ne zanima samo koliki je juče bio promet, već i šta je izazvalo promenu, koji proizvodi, grupe kupaca ili marketinški kanali stoje iza nje, i da li je reč o jednokratnom odstupanju ili o početku novog trenda.
Odavde već lako stižemo i do pravih poslovnih pitanja. Šta bi se dogodilo ako bismo promenili cene? Vredi li poručiti više zaliha proizvoda koji se brzo prodaje? U koje kategorije je svrsishodno uložiti više marketinškog novca? Tajna BI-ja pokazuje se upravo u tome: ne daje gotov odgovor za svaku situaciju, ali pomaže da pitamo preciznije i korisnije, odnosno pomaže da postavimo dobra pitanja iz kojih se rađaju korisni odgovori. To podržavaju i Sellvio ugrađeni izveštaji, analitičke integracije, API veze i Poslovni analitičar koji se može koristiti prirodnim jezikom.
U krugovima e-trgovine postoji izreka koja se ponavlja kao osnovna istina: prednost ne stiče nužno onaj web shop koji prikuplja najviše podataka, već onaj koji brže prepozna za šta ih vredi koristiti.