Tržby e-shopu klesly o 18 %. Kterých 18 %? Na tom celá diagnóza stojí.

„Tržby klesly“ není informace, na jejímž základě lze rozhodnout: je to příznak. Mezi příznakem a rozhodnutím stojí jedna dovednost: rozložit změnu na faktory tak, aby příčina měla jméno, číslo a vlastníka. Tento průvodce provede rozkladem krok za krokem: od tří složek výsledku přes vodopádový graf a dimenze až po diagnostický strom a pasti, které zkreslují srovnání.

První vrstva

Tři čísla, na která se rozloží každý pokles

Rovnice, kterou se začíná

Tržby jsou součinem tří složek, takže každý pokles musí projít některou z nich. Než zazní jakékoli „kvůli konkurenci“ nebo „kvůli trhu“, je potřeba vědět, která složka se pohnula.

tržby = návštěvy × konverze × průměrná hodnota objednávky  ·  změna tržeb v % ≈ součet změn složek v %

Přiblížení součtem funguje u běžných změn v řádu jednotek až desítek procent a stačí k určení směru hledání. Příklad, který provede celým článkem (e-shop s hračkami, týden proti týdnu, ilustrativní data): tržby −18 %, protože návštěvy −12 %, konverze −9 %, košík +3 %. Už z tohoto jednoho řádku je jasné, že problém není v cenách ani v košíku: zmizela část návštěvnosti a část ochoty nakupovat.

Vodopád

Vodopád: od výsledku k viníkům

Stejný rozklad nakreslený jako vodopád ukončí debaty typu „každý má svou teorii“. Jedna kaskáda ukáže, kolik poklesu vzala každá složka (index, předchozí týden = 100):

Rozklad změny tržeb · týden proti týdnue-shop s hračkami · ilustrativní data

100
−12 návštěvy
−8 konverze
+2,5 košík
82,5
předchozí
týden
méně návštěvnižší
konverze
vyšší
košík
aktuální
týden

Jak to číst: ze 17,5 bodu poklesu připadá 12 na návštěvnost, 8 na konverzi a košík 2,5 bodu vrátil zpět. Další hledání se tedy týká dvou otázek: odkud ubyla návštěvnost a co potlačilo konverzi. Vše ostatní (ceny, akce, košík) lze zatím nechat stranou.

Druhá vrstva

Druhá vrstva: kanály, kategorie, zákazníci

Složka ukazuje směr, dimenze ukazuje místo. Každá ze tří složek se dále rozkládá podle svých dimenzí: návštěvnost podle kanálů, konverze podle kategorií a zařízení, košík podle skladby produktů a slev. V našem příkladu:

DimenzeZměnaZávěr
Návštěvnost (návštěvy GA4): Google Ads−31 % návštěvtady je téměř celý úbytek návštěvnosti
Návštěvnost (návštěvy GA4): ostatní kanály celkem−2 % návštěvv mezích běžného kolísání
Konverze: kategorie „stavebnice“−41 %bestseller kategorie od středy není skladem
Konverze: ostatní kategorie−1 %žádné změny, kterými by se vyplatilo zabývat
Košík: průměrná hodnota+3 %vedlejší efekt: vypadly levné stavebnice, průměr vzrostl

Dvě pojmenovaná podezření místo obecné paniky: něco srazilo návštěvnost z Google Ads a něco udusilo konverzi v jedné kategorii. Všimněte si košíku: vzrostl kvůli problému a bez rozkladu by ho někdo stihl na poradě pochválit.

Diagnóza

Diagnostický strom: od příznaku k příčině

Třetí vrstvou jsou už konkrétní kontroly, jedna větev na každou složku:

Klesla návštěvnostvětev: relace

  • Placená: rozpočty a stavy kampaní, zamítnuté produkty v Merchant Center, změny nabídek
  • Organická: pozice v Search Console, sezónnost dotazu, změny na stránce výsledků vyhledávání
  • Direct/e-mail: kalendář rozesílek, měřicí kód po změnách v e-shopu

Klesla konverzevětev: ochota nakoupit

  • Jedno zařízení: chyba v košíku nebo platbách po aktualizaci (nejčastěji se rozbije mobil)
  • Jedna kategorie: dostupnost bestsellerů, ceny ve srovnání s konkurencí
  • Jeden kanál (konverze podle GA4): změnila se kvalita návštěvnosti (nové dotazy, nové kreativy, jiné skupiny)

Klesl košíkvětev: hodnota objednávky

  • Produktový mix: levné produkty převzaly podíl (akce? vyprodaný drahý bestseller?)
  • Slevy: veřejný kód unikl na slevové agregátory, hlubší akce
  • Hranice dopravy zdarma: změna hranice posunula chování při dokupování

Nultý krok diagnostiky

Nejdřív měření, potom byznys. Než pokles rozložíte na faktory, ověřte pokrytí GA4 a úplnost dat ze zdrojů: výpadek měření vytváří „poklesy“, které neexistují, a dokáže spolknout celý den hledání obchodních příčin. Jak to zkontrolovat za pár minut, popisuje průvodce auditem GA4.

Pasti

Čtyři pasti, které zkreslují srovnání

  1. Srovnávání nesrovnatelných období

    Pondělí se sobotou, týden s výplatou s týdnem bez ní, období s akcí s obdobím po ní. Srovnává se stejný den v týdnu a obdobné rozložení kalendáře, u sezónního zboží meziročně.

  2. Reakce na jediný den

    Denní tržby přirozeně kolísají. Jeden den mimo normál je pozorování, několik dní po sobě nebo celý týden pod normálem už je diagnóza. Výjimkou jsou signály výpadku, na které se reaguje okamžitě (více v průvodci monitoringem a anomáliemi).

  3. Míchání definic mezi zdroji

    Vytvořené proti zaplaceným objednávkám, s DPH proti bez DPH, relace proti uživatelům. Dekompozice se dělá v jednom slovníku, nejlépe na zaplacených objednávkách z e-shopu.

  4. Zastavení u prvního viníka

    „Klesla návštěvnost z Googlu“ je pořád jen symptom. Diagnóza končí u příčiny, se kterou se dá něco udělat: zamítnuté produkty, vyprodaná zásoba, vypnutá kampaň, změna stránky výsledků.

DataOrganizer

Jak DataOrganizer rozkládá změnu automaticky

DataOrganizer má dekompozici změn zabudovanou v analytickém jádru: rozdíl mezi obdobími rozkládá na složky a dimenze nad propojenými daty z e-shopu, analytiky a reklamních platforem a detekce anomálií ukazuje okamžik odchylky. Veškerá výše popsaná práce se vejde do jedné otázky:

AI asistent aplikace DataOrganizer
propojené zdrojetýden vs. týden
Tržby minulý týden klesly o 18 % oproti předchozímu. Co přesně se stalo?
AI
Rozkládám změnu na složky a dimenze…
AI

Dekompozice poklesu −18 % (měření úplné, pokrytí GA4 v normě):

SložkaZměnaZúžení
Relace−12 %dle GA4: Google Ads −31 %, ostatní kanály −2 %
Konverze−9 %kategorie „stavebnice“ −41 %, zbytek −1 %
Průměrný košík+3 %efekt vypadnutí levných produktů

Dvě pojmenované příčiny: od úterý má 84 produktů v Merchant Center stav zamítnuto (odtud úbytek relací z produktových kampaní) a bestseller kategorie „stavebnice“ je od středy vyprodaný, což srazilo konverzi kategorie. Doporučení: opravit atributy feedu a vyřadit vyprodaný produkt z kampaní do příští dodávky.

Anomálie tento týdenZměna podle kategoriíNoví vs. vracející se

Metodická poznámka: čísla v příkladu jsou ilustrativní a přiblížení „změna tržeb ≈ součet změn složek“ platí pro mírné změny. Při velkých pohybech se složky přesně násobí. Dekompozice říká, kde ke změně došlo; potvrzení příčiny vždy vyžaduje podívat se na místo, na které čísla ukazují.

Shrnutí

Pokles bez dekompozice plodí teorie, pokles po dekompozici plodí úkoly. Tři složky, pak dimenze, pak konkrétní bod ze stromu diagnostiky: toto pořadí mění „něco je špatně“ v seznam věcí k opravě s odpovědnými lidmi a termíny.

FAQ

Časté otázky k diagnostice poklesu tržeb

Jak najít příčinu poklesu tržeb?

Dvěma vrstvami dekompozice: nejdřív rozklad na relace × konverze × košík (každý pokles prochází některou ze složek), pak sestup do dimenzí: kanály u návštěvnosti, kategorie a zařízení u konverze, produktový mix a slevy u košíku. Diagnóza končí u příčiny, se kterou se dá něco udělat.

Jak spočítat vliv jednotlivých složek?

Pro běžné změny stačí přiblížení: % změna tržeb ≈ součet % změn složek (např. −12 % návštěvnost, −9 % konverze, +3 % košík dává zhruba −18 %). Při velkých pohybech se ukazatele obou období přesně násobí; k určení směru hledání přiblížení stačí.

Co zkontrolovat jako první?

Měření. Pokrytí GA4 a úplnost dat ze zdrojů dokážou vyrobit pokles, který neexistuje. Dekompozice má smysl až po ověření, že jsou čísla úplná; jinak se hledají obchodní příčiny pro výpadek pluginu.

Kdy reagovat a kdy jde ještě o šum?

Jednotlivý den srovnávejte se stejným dnem v týdnu v předchozích týdnech; jeden den mimo normál je pozorování, několik dní nebo celý týden už diagnóza. Výjimkou jsou otisky výpadku (skok nezaplacených objednávek, nulová zobrazení produktů): tam je reakce okamžitá.

Jak pomáhá DataOrganizer?

Dekompozice změn je zabudovaná v jádru: rozdíl mezi obdobími se automaticky rozkládá na složky a dimenze nad propojenými daty z e-shopu, analytiky a reklam. Detekce anomálií ukazuje okamžik odchylky a chat odpovídá na otázku „proč to kleslo“ pojmenovanou příčinou s čísly.

Tahák k celému průvodci

Diagnostika poklesu ve třech vrstvách

1. Složky: relace × konverze × košík. Změna tržeb se přibližně rovná součtu změn složek; to je první výběr podezřelých.

2. Dimenze: kanály u návštěvnosti, kategorie a zařízení u konverze, mix a slevy u košíku. Vodopádový graf a jedna tabulka zúží problém na konkrétní pojmenovaná místa.

3. Konkrétní krok: diagnostický strom vede k příčině, se kterou se dá něco udělat, a nultým krokem je „nejdřív zkontrolujte měření“. DataOrganizer tyto tři vrstvy zpracuje automaticky, takže od „kleslo to“ k seznamu úkolů vede jediná otázka v chatu.


DataOrganizer · dekompozice změn přímo v systému

Zeptejte se vlastních dat, proč prodeje klesly

Připojte e-shop, analytiku a reklamní platformy: změny se automaticky rozloží na složky a dimenze a anomálie se ohlásí samy. Demo účet hned, platíte jen za připojené zdroje.