@mike-odin
Forumsvar skapade
-
Inlägg
-
Kolla även på intäkterna från sökande besökare vs icke-sökande besökare!
Ofta kan andelen besökare som använder sökrutan ligga kring 10% medan intäkterna från de sökande besökarna utgör 30-50% av försäljningen.Kan rekommendera Avinash blog om webbanalys för att få lite tips och inspiration. Den ger ett bra tänk kring analys, vilka typer nyckeltal man ska fokusera på, nya idéer till anpassade rapporter och mål mm.
Occam’s Razor by Avinash Kaushik – Digital Marketing and Analytics Blog
Lycka till!
Testa att söka efter webbanalytiker med viss teknisk bakgrund och erfarenhet från e-handel. De brukar vara väl bevandrade och allmänkunniga inom webben och har en känsla för vad som funkar och inte funkar. De kan även hjälpa till att införa ett tänk kring ett mer datadrivet beslutsstöd vilket jag tror kan vara bra.
Jag vet att killarna på Outfox är grymma och engagerade och att de kan köra bollplanksliknande upplägg. De är förstås en byrå, men med fokus på konverteringsoptimering och webbanalys.
Okej, jag har själv aldrig drivit handel själv så du kanske har rätt, men det du menar är alltså att den rörliga kostnaden per produkt ökar i takt med att försäljningsvolymen ökar?
Om den inte gör det så är vi ju ändå tillbaka på samma problem, men istället för 30% kan vi räkna på 10 eller 20% nettomarginal. Alternativet är förstås att de rörliga kostnaderna är såpass höga att den äter upp allt av den nya lägre marginalen, och då blir det ju förstås omöjligt att tjäna några pengar på en sån prissänkning (utan de positiva dynamiska effekterna).
Eller hur menar du att de rörliga kostnaderna ”tar ut de positiva dynamiska effekterna”? Har du ett enkelt räkneexempel?
Jag har kanske (förmodligen) fel i något av mina resonemang, så uppskattar era erfarenheter/synsätt på det hela.
@Parvelito 53954 wrote:
Om man nu skall lägga in komplexitet i det hela så får man också fundera över vilka rörliga kostnader man har. De behöver in i en kalkyl i nästa steg. 10% rabatt till kunden minskar inte de rörliga kostnaderna, utan betalningsförmedlare, transportföretag, emballageleverantörer etc vill ha lika mycket betalt ändå. Jag är rätt så säker på att de rörliga kostnaderna tar ut alla positiva dynamiska effekter flera gånger om.
Är inte de rörliga kostnaderna medräknade i din marginal då?
Om de rörliga kostnaderna ökar såpass att det tar ut positiva dynamiska effekter flera gånger om betyder det väl istället att du måste öka din försäljning med betydligt mer än 50%?Jo, visst är det många som analyserar korsförsäljning i sitt kampanjarbete.
Men det jag var ute efter med mitt inlägg var mycket mer generellt än att pinpointa en strategi kring prissättning, eller ta upp specifika produkter, jag ville bara belysa att det finns bieffekter till prissättningen som inte är försumbara, vare sig man väljer att räkna på dem eller inte!
Sen om det handlar om skrivare eller ballonger med 3% resp 50% marginal (jag vet inte om ballonger har 50% marginal), eller om 1% av kunderna blir återkommande kunder spelar ingen roll. Jag tycker bara det är viktigt att poängtera att orginalexemplet förutsatte att 0% av kunderna blir återkommande och ingen korsförsäljning sker.
Och för att ytterligare förtydliga vill jag inte på något sätt förminska vikten av OP, jag tycker det är grymt bra att lyfta fram enkla exempel på det här viset för att sprida kunskap. Mitt inlägg är bara ett komplement.
@nmn 53907 wrote:
Berätta gärna vilka skrivare man kan ha 30% marginal på, 3% är närmare verkligheten och då kan mnan inte ha några klampanjer öht.
Ersätt skrivare med produkt A, och kabeln med produkt B
@lunarmys 53892 wrote:
Eller kunder som bara letar efter prissänkta produkter..
Men självklart får man även räkna med att man skickar nyhetsbrev till fler som i framtiden kanske köper. Men om man inte har många många år av data och ett otroligt sofistikerat system för att räkna fram sånt, så blir det bara gissningar.
Absolut, det blir svårt att räkna, men poängen är att det finns värde utöver den direkta försäljningen som man kan räkna med (eller inte, men den finns där ändå
)Kul tråd! Skulle som sagt vara roligt med en veckans kluring!
Men nu är det dags att vara den som är den!
I praktiken kommer du oftast inte behöva öka försäljningen med 50% för att det ska gå jämnt upp.
Så fort konverteringsfrekvensen ändras så blir problemet mycket mer komplext. Det som inte tas med i beräkningen är frågeställningar såsom:– Driver kampanjprodukt A försäljning på produkt B?
– Drev prissänkningen en kund till er som annars hade gått till en konkurrent? Vilket värde ger det?Som ett extremt exempel, säg att du prissänker en skrivare som tidigare kostat 1000:- med 10%, och du har 30% marginal.
Du vet även att 80% av alla som köper en skrivare även köper en usb kabel till skrivaren där du har bra marginal, 70%, för 150:-.
Givetvis finns fler såna här associationer, såsom med bläckpatroner, toners, skrivarpapper mm, men för enkelhetens skull struntar vi i det.Ditt förväntade värde per sälj blir då istället:
(0.9-0.7)*1000 + 0.8*0.7*150 = 284
mot
0.3*pris + 0.8*0.7*150 = 384
Ekvationen att lösa blir nu 284x=384 -> x=1.352
Dvs, du behöver bara öka försäljningen med 35.2% helt plötsligt.Och nu har vi inte heller räknat med att ni kanske fått ett par lojala kunder under kampanjen.
Sen är det inte säkert att en prissänkt produkt driver samma försäljning på andra produkter som när den är normalprissatt, det är förmodligen olika från produkt till produkt.
Tanken med CLV är att kunna göra prediktioner om framtiden, och att bara titta på ett snitt över historien är vanskligt – du ska snarare titta på hur gruppernas köpbeteende ändras med tiden så att du kan dra slutsats om nästa 6 månader givet att de varit kunder 1 år och tillhör kundsegment A.
Ett problem med att titta enbart på ett snitt över x år är att CLV även är beroende av frekvensen av återkommande köp, inte enbart på värdet över en viss tid. Om du har 2 kunder, Klas och Anna, där Klas köpte för 12.000:- en gång 1 år sedan och inget sedan dess, medan Anna har köpt för 1000:-/månad i ett år så bör Anna ha en högre CLV än Klas, trots att de har genererat lika mycket sälj senaste året.
Mer avancerade metoder använder probabilistiska modeller där man försöker modellera slumpmomentet i exempelvis om en kund blir lojal eller inte, köpfrekvens och risken att kunden slutar vara kund och hur beteendet ändras över tid. Ofta betingat på vilken profil kunden har. En stor fördel med probabilistiska modeller är att du även kan modellera felmarginaler och varians hos kunder, och du får tillgång till en helt annan arsenal när det gäller analys av dina kunder som kan användas till annat som retention analys mm.
Om du ska använda en metod som liknar den i ditt inlägg (baserat på historiskt snitt) så råder jag dig att göra det med försiktighet, för det kommer garanterat ge en felaktig bild av kundens livstidsvärde (ofta en alldeles för hög värdering), vilket gör att den tappar syftet om du ska använda det som beslutsstöd i marknadsföringbudget mm.
Jag tror det viktigaste för att få till en enkel, men ändå vettig, CLV analys är arbeta med segmentering av dina kunder utifrån vilka mål du har med analysen.
Segmentera t ex på marknadsföringskanal som drog in kunden, när de först blev kunder, åldersgrupp, man/kvinna mm.Ett enkelt sätt att göra en duglig CLV på utan att börja med mer avancerade matematiska modeller är:
1) Hitta vilka segment du vill dela upp din kundbas i. Exempelvis marknadsföringskanal.
2) Hitta snittet för hur mycket en kund köper i sin första månad som kund, för varje segment. Hitta snittet för månad 2, 3, 4 osv.
3) För att hitta värdet av en ny kund de kommande 6 månaderna summerar du de 6 första månaderna i segmentets uträknade snitt från steg 2.
4) För att veta värdet av de nästa 12 månaderna för en kund som är 6 månader gammal, summerar du de nästföljande 12 månaderna från steg 2 (alltså månad 7 till och med 18 i segmentet)På så vis undviker du ett av de stora problemen med att köra ett snitt rakt av, nämligen att du ser inte varje månad som likvärdig, utan du lyckas få in effekten att kunden ändrar sitt köpbeteende med tiden.
