Dlaczego w e-commerce warto ufać danym, a nie intuicji

Przeczytaj transkrypcję:

Próbujemy transkrybować nasze podcasty za pomocą programu komputerowego. Prosimy o wyrozumiałość w przypadku literówek, ponieważ bot nie zawsze działa w 100% poprawnie.

Francois Marchand: Dane. Wokół nas jest tak wiele danych. Co się dzieje, gdy liczby rozmijają się z biznesową intuicją? Czy liczby zawsze mają rację? Jak śledzić i stosować wnioski płynące z danych, aby podejmować lepsze decyzje? To dobre pytania, prawda? 

Witamy w podcaście The Ecomm Manager. Naszą misją jest pomóc ci odnieść sukces na drodze e-commerce dzięki praktycznym poradom ekspertów, którzy osiągnęli duży sukces. Jestem waszym gospodarzem, Francois Marchand. 

Dziś rozmawiam z Mattem Rantą. Jest szefem praktyki transformacji cyfrowej, e-commerce i strategii w Nimble Gravity. Porozmawiamy o tym, dlaczego w osiąganiu sukcesu w e-commerce warto ufać danym bardziej niż intuicji. Zostańcie z nami, aby poznać najlepsze praktyki dotyczące gromadzenia i analizowania danych w e-commerce, dowiedzieć się, jakie wskaźniki menedżerowie e-commerce często pomijają oraz jak dane pomagają rozwijać firmę.

Bardzo się cieszymy, że jesteś dziś z nami, Matt. Witaj w podcaście The Ecomm Manager. 

Matt Ranta: Tak, bardzo dziękuję za zaproszenie. Cieszę się na tę rozmowę i przede wszystkim doceniam tę możliwość. 

Francois Marchand: Opowiedzmy trochę o tobie i o tym, czym zajmujesz się w Nimble Gravity. Zacznijmy od osób, które cię nie znają: czym jest Nimble Gravity? I jak rozpocząłeś współpracę z tą firmą?

Matt Ranta: Oczywiście. Nimble Gravity to grupa konsultantów i współpracujący zespół ekspertów, których pasjonuje siła danych. Uważamy, że w wielu sytuacjach — właściwie niemal we wszystkich — dane są ważniejsze niż opinie. Staramy się kierować tą zasadą we wszystkich obszarach, w których działamy: e-commerce, strategii transformacji cyfrowej, data science, analityce, a także inżynierii. 

Obejmuje to również tworzenie zespołów inżynierów pracujących nad produktami programistycznymi dla firm. Istniejemy od około trzech lat. Dołączyłem do organizacji, ponieważ tworzy ją grupa dawnych przyjaciół i byłych współpracowników. Wielu z nas pracowało razem w poprzedniej organizacji, Arrow Electronics, a następnie ponownie połączyliśmy siły. To naprawdę świetna zabawa. 

Francois Marchand: Czym dokładnie zajmuje się szef praktyki transformacji cyfrowej, e-commerce i strategii? 

Matt Ranta: To dobre pytanie. Zakres jest bardzo szeroki. Możemy pomagać początkującej marce uruchomić jej pierwszą stronę internetową albo doradzać organizacji przechodzącej dużą transformację cyfrową, dzieląc się doświadczeniami z podobnych procesów. Wskazujemy napotykane wcześniej wyzwania, używane i odrzucone platformy oraz powody tych decyzji, a także pomagamy przejść przez proces wyboru. Możliwości jest naprawdę wiele.

Z perspektywy strategii może to oznaczać ocenę talentów w organizacji i zrozumienie zachodzących w niej procesów, pracę z metodyką Agile oraz wdrażanie jej w organizacji. Zakres może obejmować także doradztwo zarządcze i strategię zarządzania, które kojarzymy z dużymi organizacjami, takimi jak typowe firmy konsultingowe z Wielkiej Czwórki.

Francois Marchand: Współpracujesz z wieloma firmami. Ilu klientów ma obecnie Nimble Gravity? 

Matt Ranta: Nie podajemy dokładnej liczby, ale jest ich kilkudziesięciu, nie kilkuset. Powiedziałbym, że bliżej górnej granicy kilkudziesięciu. Są bardzo różnorodni. Współpracujemy z organizacją zajmującą się ochroną dzikiej przyrody, monitorowaniem aktywności zwierząt na terenach chronionych i w obszarach ochrony przyrody.

Tworzymy też oprogramowanie dla pracowników monitorujących dany obiekt lub teren i pomagamy im nim zarządzać. Pracujemy z markami odzieżowymi, dużymi organizacjami zajmującymi się dystrybucją produktów medycznych i wieloma innymi firmami. Różnorodność klientów jest ogromna. Nie koncentrujemy się wyłącznie na przykład na technologii finansowej czy biomedycynie. Mamy bardzo zróżnicowaną grupę klientów, więc praca jest niezwykle interesująca. 

Francois Marchand: Wspomniałeś o danych. To oczywiście obszar, z którym ściśle pracujesz i w którym Nimble Gravity jest ekspertem. Chodzi o zagłębianie się w dane, a właśnie o tym chcemy dziś porozmawiać: dlaczego w e-commerce warto ufać danym zamiast intuicji, gdy zależy nam na sukcesie? 

Niezależnie od tego, czy chodzi o stworzenie marki od podstaw, maksymalizację sprzedaży czy optymalizację konkretnych aspektów działalności. Porozmawiajmy o tym. 

Matt Ranta: Mogę podać bardzo konkretny przykład możliwości, z którą zetknąłem się w pewnym momencie kariery. Kiedy dołączyłem do Arrow Electronics, sprowadzono nas jako grupę osób, aby pomóc przeprowadzić transformację cyfrową i przyspieszyć rozwój cyfrowy firmy.

Wielu z nas pochodziło z branż innych niż komponenty elektroniczne. Nie rozumieliśmy więc koniecznie sposobu myślenia inżynierów, którzy są głównymi odbiorcami produktów elektronicznych. Mieliśmy za to pewne wyobrażenie o typowych konsumentach elektroniki użytkowej, wynikające z mojego doświadczenia — o osobach kupujących telewizory i podobne produkty.

Inni członkowie zespołu mogli mieć doświadczenie w innej dziedzinie, na przykład w sprzęcie sportowym. Zaczęliśmy więc testować reklamy, w tym reklamy displayowe, w mediach związanych z komponentami elektronicznymi, które — jak wiedzieliśmy — odwiedzali inżynierowie, oraz w serwisach agregujących.

Wykorzystaliśmy techniki i schematy z branż, w których wcześniej pracowaliśmy. Stosowaliśmy duże wezwania do działania, jasne, wyraziste reklamy i podobne rozwiązania, ponieważ chcieliśmy przyciągnąć uwagę odbiorców i skłonić ich do interakcji. Zgadnijcie co?

Nie znosili tego. Inżynierowie w ogóle tego nie lubią. Odkryliśmy, że woleli reklamy wtapiające się w tło, być może zawierające schemat komponentu elektronicznego — coś, czego zazwyczaj nie umieścilibyśmy w tradycyjnej reklamie typu B2C.

Preferowali je do tego stopnia, że jeśli znacie współczynniki klikalności reklam displayowych, wiecie, że zwykle są one dość niskie — wynoszą ułamki procenta. Tymczasem reklamy, które naszym zdaniem miały działać, osiągały setki procent klikalności. Później zaczęliśmy uzyskiwać dwa, trzy, a nawet pięć procent klikalności w reklamach zawierających schematy wtapiające się w tło i pozbawionych jakiegokolwiek wezwania do działania.

Było to całkowicie sprzeczne z intuicją i właśnie dlatego trzeba testować różne rozwiązania. Należy analizować dane i rozumieć, co naprawdę się dzieje, ponieważ powiedzą nam to klienci. Nie możemy zawsze opierać się na z góry przyjętych założeniach lub przeczuciach i oczekiwać, że przyniosą stuprocentowo pozytywny rezultat oraz dużą poprawę względem obecnych działań.

Francois Marchand: Czy wymagało to wielu testów A/B? Czy musieliście przeprowadzić weryfikację koncepcji, aby dojść do tego wniosku? 

Matt Ranta: Tak, zdecydowanie. Współpracowaliśmy z partnerami wewnętrznymi i zewnętrznymi, którzy lepiej rozumieli sposób myślenia inżynierów. Przeprowadziliśmy testy A/B i otrzymaliśmy potwierdzenie. Następnie przyspieszyliśmy działania i iteracyjnie rozwijaliśmy reklamy, które działały, nadal je testując, ponieważ zauważyliśmy, że im więcej iteracji przeprowadzaliśmy, tym lepsze były rezultaty.

Francois Marchand: Rozmawialiśmy o współczynnikach klikalności i innych pomiarach, których możemy używać w e-commerce. To oczywiście ważne, gdy mówimy o stronach docelowych, reklamach displayowych i podobnych działaniach. Jaki jest jednak często pomijany wskaźnik i dlaczego ma tak duże znaczenie?

Matt Ranta: Świetne pytanie. Myślę często o trzech wskaźnikach, które bywają pomijane i wzajemnie na siebie wpływają: współczynniku ponownych zakupów, częstotliwości zakupów oraz czasie między zakupami. Tego rodzaju informacje można uzyskać między innymi dzięki analizom RFM.

Uważam, że warto je uwzględniać, a nawet obliczać na poziomie pojedynczego klienta, ponieważ później można tworzyć kohorty. Dzięki temu rozumiemy harmonogram zakupów, zwłaszcza w przypadku produktów zużywalnych, które klienci kupują ponownie. Wiemy wtedy, kiedy powinniśmy się z nimi komunikować.

W poprzednich rolach wiedziałem, że średnio mijały 121 dni, zanim 85% mojej grupy kupujących dokonało drugiego zakupu. Kupili coś pierwszego dnia, a następnie wracali po drugi zakup 121. dnia. Wiedziałem więc, że jeśli kohorta klientów dotarła do setnego dnia i nadal nie dokonała drugiego zakupu, powinienem się z nimi skontaktować. 

Powinienem wysłać im ofertę, wyświetlić komunikat po wejściu na stronę, wysłać wiadomość e-mail — cokolwiek, co pomoże przyspieszyć moment zakupu. Jeśli minęło 121 dni lub więcej, potrzebuję taktyki utrzymania albo reaktywacji klienta. 

Muszę umieścić takie osoby w innej sekwencji wiadomości e-mail. Powinienem też wykorzystać listy remarketingowe dla reklam w wyszukiwarce Google, aby ponownie do nich dotrzeć, tak by widzieli nasze reklamy, kiedy szukają tego samego produktu — na przykład jeśli zapomnieli, gdzie go kupili.

Takie działania pomagają rozwijać firmę dzięki danym i dodatkowym wskaźnikom, na które wiele osób nie zwraca uwagi. 

Francois Marchand: Czy takie rzeczy mierzy się za pomocą konkretnych narzędzi? Można to robić w systemie CRM, na pulpitach analitycznych i tak dalej. Z jakich narzędzi korzystasz, aby skutecznie śledzić wskaźniki, takie jak współczynnik ponownych zakupów czy częstotliwość zakupów? Czy są narzędzia, które ułatwiają tę pracę menedżerom e-commerce? 

Matt Ranta: To może zabrzmieć szaleńczo, ale Excel świetnie nadaje się do tego rodzaju analiz. Jeśli historia zakupów klientów jest stosunkowo łatwa do opanowania, Excel będzie dobrym rozwiązaniem. Jeśli mamy milion rekordów, trzeba prawdopodobnie przenieść dane do środowiska dużych zbiorów danych, które potrafi przetwarzać i przekształcać więcej niż milion rekordów.

Następnie warto skonfigurować pulpity analityczne i raportowanie na preferowanej platformie, takiej jak Tableau, Looker lub podobne narzędzie. Wspólnie z zespołem data science można opracować obliczenia, a następnie regularnie odświeżać raporty. 

W internecie można znaleźć świetne poradniki dotyczące obliczania częstotliwości zakupów i przeprowadzania analiz RFM. Oba rodzaje materiałów pomogą dojść do potrzebnych wyników.

Firmy takie jak Amazon publikowały nawet w Amazon Science informacje o modelowaniu ponownych zakupów i sposobie jego przeprowadzania. Można się z nimi zapoznać i uczyć od osób, które robiły to wcześniej, a także sprawdzić uzyskane przez nie wartości referencyjne.

Istnieje wiele dobrych rozwiązań, ale na początek wystarczy dowolne narzędzie do przekształcania danych, z którym czujesz się swobodnie. 

Francois Marchand: Jeśli prowadzisz małą lub średnią firmę, a nie przedsiębiorstwo na dużą skalę, prawdopodobnie wystarczy Excel. Sprawdzi się też Arkusz Google. Jeśli jednak zamierzasz się rozwijać i sprzedawać na większą skalę, warto zainwestować w narzędzia oparte na subskrypcji lub narzędzia SaaS, które pomogą przejść na wyższy poziom. Czy tak? 

Matt Ranta: Tak, zdecydowanie. 

Francois Marchand: W jaki sposób śledzenie tych danych pomaga rozwijać firmę? Rozmawialiśmy o skalowaniu. Jeśli chcesz się rozwijać, jak to zrobić? 

Matt Ranta: Tego rodzaju dane dostarczą wielu cennych informacji. Można je wykorzystać w prognozowaniu, ponieważ będziesz wiedzieć, kiedy kohorta klientów, którzy dokonali pierwszego zakupu, prawdopodobnie dokona drugiego.

Możesz uwzględnić to w przyszłych prognozach, a także w działaniach podejmowanych w międzyczasie. W tym samym czasie pozyskujesz przecież nowych klientów, którzy dokonują pierwszego zakupu. Masz więc bazę danych pozwalającą zrozumieć, kiedy mogą dokonać kolejnego zakupu.

Z perspektywy marketingu możesz zacząć określać terminy wysyłki wiadomości e-mail do poszczególnych kohort, dopasowywać komunikaty na stronie internetowej i planować dowolne wiadomości wychodzące. Możesz nawet wykorzystać marketing bezpośredni nadal świetnie działa. Możesz wysyłać automatyczne pocztówki na podstawie danych z systemów. 

Umieszczasz ofertę w prawdziwej skrzynce pocztowej i przekazujesz komuś specjalną ofertę ograniczoną czasowo na stronie. Jeśli potrzebujesz, możesz szybciej wygenerować przychód, zachęcając klientów do działania. Możesz też tworzyć wiadomości e-mail reaktywujące klientów i proponować im konkretne oferty.

Dane pozwalają robić to inteligentnie. Zamiast wysyłać wiadomość reaktywującą całej kohorcie osób, które nie dokonały drugiego zakupu, wiesz, do której mniejszej grupy należy ją wysłać i kiedy. Dzięki temu nie proponujesz 10-procentowej zniżki konsumentowi, który prawdopodobnie i tak dokonałby ponownego zakupu.

Ofertę 10% zniżki wysyłasz osobie, która być może o tobie zapomniała albo zaczęła szukać gdzie indziej. Nie oddajesz więc pieniędzy, których nie musiałeś oddawać. Istnieje wiele inteligentnych sposobów wykorzystania tych danych, które mogą wpłynąć na całą działalność i jej rentowność. To fantastyczny zestaw wskaźników do analizowania. 

Francois Marchand: Oczywiście uzyskasz prawdopodobnie lepszy zwrot z inwestycji, jeśli nie będziesz marnować pieniędzy na działania marketingowe, szczególnie w przypadku marketingu fizycznego, gdzie wysyłka materiałów wiąże się z kosztami. Oszczędzanie pieniędzy ma ogromne znaczenie.

Matt Ranta: Zdecydowanie. Dla nowej, młodej i małej firmy, która próbuje się rozwijać, ma to ogromne znaczenie. 

Francois Marchand: Czy to dobry sposób na budowanie modeli subskrypcyjnych? Skoro znamy współczynnik ponownych zakupów i czas, jaki mija, zanim ktoś dokona kolejnego zakupu, czy możemy na podstawie tych danych stworzyć model subskrypcji?

Matt Ranta: Oczywiście, choć zależy to od kilku czynników. Jeśli masz gotowy suplement, który chcesz oferować w subskrypcji, a butelka zawiera 120 tabletek i klient ma przyjmować trzy dziennie, to masz określony czas, po którym będzie potrzebował kolejnego opakowania.

Jeśli jednak mówimy o produktach zużywalnych, których klienci nie używają w takiej samej ilości, na przykład kremie do twarzy, sytuacja wygląda inaczej. Jedna osoba może wyciskać z opakowania bardzo dużo produktu, a inna używać go oszczędniej.

Możesz analizować dane i odkryć, że produkt należy wysyłać co 45 albo co 60 dni, zależnie od większości klientów. Dotyczy to również żywności, którą ludzie spożywają w różnym tempie. Dane świetnie pomagają ustalić właściwy harmonogram, zasugerować go konsumentom i zaproponować odpowiednią cenę. 

Francois Marchand: Dziękuję. Doceniam te informacje, ponieważ często otrzymujemy pytania o modele subskrypcyjne i o to, czy dobrze działają. Amazon korzysta z nich na dużą skalę. Jeśli jednak jesteś mniejszą firmą i chcesz zacząć oferować taki model, nie chcesz tracić czasu na produkt, którego klienci nie potrzebują szybko kupować ponownie. To dobry sposób, aby to śledzić. 

Matt Ranta: Zdecydowanie. 

Francois Marchand: Czy można czasem bardziej ufać intuicji niż danym, aby osiągnąć sukces?

Matt Ranta: Uwielbiam to pytanie. Po pierwsze, istnieją dane wskazujące, że tak. Głupotą byłoby to ignorować i odpowiedzieć „nie”. Wskazałbym tu na innowacje i obszary kreatywne. Myślę, że wraz z rozwojem sztucznej inteligencji, uczenia maszynowego i coraz głębszego wykorzystywania tych technologii w różnych dziedzinach życia będziemy obserwować znacznie więcej danych dotyczących tych dwóch obszarów. 

W przypadku innowacji często brakuje jednak danych i mamy do czynienia z nieznanym. Spójrzmy na iPhone’a. Odniósł on ogromny sukces pod każdym względem. Jeśli cofniemy się do momentu, w którym projekt powstał w Apple, z pewnością istniało zainteresowanie palmtopami i podobnymi urządzeniami.

Nie było jednak wystarczającej ilości danych rynkowych, które pokazałyby: „Tak, zdecydowanie powinniście stworzyć iPhone’a”. Gdybyś zapytał kogoś: „Czy spodobałoby ci się połączenie kalkulatora z kamerą?”, odpowiedziałby: „Nie, raczej nie. Nie widzę powodu, żeby to robić”.

Żadne dane nie udowodniłyby tego w stu procentach. W tym przypadku potrzebne są przeczucie i intuicja, a także zrozumienie całego rynku oraz jego psychologii. Dotyczy to osób napędzających innowacje i działających kreatywnie, na przykład tworzących muzykę. 

Niektórzy po prostu wiedzą, czym jest przebojowa piosenka. Oczywiście istnieje już sztuczna inteligencja zdolna analizować takie utwory i tworzyć kolejne przeboje. Nadal jednak potrzebny będzie udział człowieka i kreatywność, a osoby działające w tej dziedzinie muszą nadal ufać intuicji. 

Francois Marchand: Jeśli tworzysz zupełnie nowy produkt albo budujesz nową kategorię — a tworzenie kategorii jest ważne w technologii i przy nowych produktach — nie masz danych, które pomogłyby ci podjąć decyzję. A może jednak są? Czy możesz analizować inne firmy lub marki, które z powodzeniem stworzyły coś nowego, i sprawdzać dane z ich rozwoju?

Matt Ranta: Do pewnego stopnia tak. Możesz przeanalizować ich proces, próby i błędy, a także sposób generowania pomysłów i testowania koncepcji. Dane mogą pomóc wyznaczyć kierunek, w którym powinieneś podążać. Nie oznacza to jednak, że ktoś przeszedł dokładnie tę samą drogę i może być stuprocentowym przewodnikiem.

Myślę, że potrzebne jest połączenie obu podejść. 

Francois Marchand: Czy uważasz, że rozwój sztucznej inteligencji i jej ogromna popularność sprawią, że analityka danych stanie się bardziej predykcyjna? Czy korzystanie z narzędzi AI do analizowania danych sprawi, że firma będzie działać lepiej? 

Matt Ranta: Zdecydowanie. Myślę, że sztuczna inteligencja nam w tym pomoże i że firma będzie działać lepiej, jeśli wykorzysta AI w ramach analityki danych.

Już pojawiają się narzędzia, które to robią i pomagają ludziom dokładnie w tym, o czym mówisz. Ostrzegłbym jednak przed całkowitym pomijaniem udziału człowieka. Nie sądzę, aby sztuczna inteligencja była już w 100% wolna od błędów. Dobrym przykładem jest CNET.

Serwis publikował artykuły tworzone przez AI, w których znalazło się wiele błędów merytorycznych. Zwrócono na to uwagę, więc trzeba było je ponownie napisać, poprawić i odpowiednio oznaczyć. Uważam, że udział człowieka nadal będzie konieczny.

Trzeba sprawdzić, czy wszystko przebiegło prawidłowo, oraz zweryfikować wiarygodność i zaufanie do konkretnego systemu i narzędzia. Czy oznacza to, że później można już zawsze całkowicie zrezygnować z udziału człowieka? Być może, ale niekoniecznie. Nadal zachęcałbym do sprawdzania tych procesów.

Czy za pomocą AI tworzysz dobry kod? Być może. Czy zawiera błędy, ponieważ dane, które przeanalizował system, również zawierają błędy? Prawdopodobnie tak. Ktoś powinien to sprawdzić, ponieważ jeśli narzędzie takie jak ChatGPT zostało wytrenowane na całym internecie, wszyscy wiemy, że znajdują się tam zarówno świetny kod produkcyjny, jak i kod rozbudowany oraz niezbyt dobry.

Jeśli nie usunięto tego obciążenia z danych i procesu treningowego, nie można uczciwie powiedzieć, że system zawsze stworzy wartościowy i działający kod, który możemy opublikować bez sprawdzenia przez człowieka. 

Francois Marchand: Internet jest pełen intuicji wszystkich innych ludzi. To prowadzi nas z powrotem do początku. Czy jest coś jeszcze, co uważasz za ważne i czym chciałbyś się podzielić na temat wykorzystywania danych do podejmowania decyzji z menedżerami e-commerce i właścicielami firm?

Matt Ranta: To świetne pytanie. Myślę, że wiąże się ono również z zestawem narzędzi, sposobem myślenia i kulturą organizacji. Warto podkreślić, że podczas analizowania danych kluczowe znaczenie ma szybkość. Trzeba przygotować siebie i organizację na szybkie pobieranie, przekształcanie i analizowanie danych, aby naprawdę wykorzystać ich potencjał.

Jeśli korzystasz z zestawu narzędzi i przydzielasz osobom badania, które zajmują im 12 miesięcy — co w przypadku części omawianych przez nas analiz jest absurdalnie długim czasem — nie uzyskasz potrzebnej wartości. Musisz zastanowić się, jak znacznie przyspieszyć ten proces.

Czy należy zatrudnić więcej ekspertów? Zdobyć inne narzędzia? Po prostu używać zestawu narzędzi, który lepiej znasz? Niezależnie od rozwiązania, przygotuj się na szybkość i połącz ją z przekonaniem, że dane są lepsze od opinii. Wtedy znajdziesz się na dobrej drodze. 

Francois Marchand: Jaka jest twoja najważniejsza rada dla osoby, która chce odnieść sukces jako menedżer e-commerce? Wspominałeś już o tym, ale jeśli możesz, podaj nam krótką, najważniejszą wskazówkę. 

Matt Ranta: Najważniejsza rada, jaką mogę dać świetnemu menedżerowi e-commerce, który chce rozwijać firmę, to analizowanie danych i zagłębianie się we wszystkie analizy. Nie bój się. Zacznij przyglądać się danym, testować i iteracyjnie rozwijać działania, aby osiągnąć rzeczywisty wzrost. Wynika on z zachowań klientów widocznych we wszystkich twoich analizach, zarówno jakościowych, jak i ilościowych. To najważniejsza rzecz, którą powinieneś zrobić już teraz. 

Francois Marchand: Skoro mówimy o narzędziach i rekomendacjach, wszystkie znajdą się w notatkach do odcinka. Jeśli szukasz rekomendacji Matta, prześle nam kilka linków. Zamieścimy też odnośniki do innych artykułów w serwisie The Ecomm Manager. Chciałbym również wspomnieć, że przeprowadziłem z Mattem świetny wywiad, w którym rozmawialiśmy o tym, jak stworzyć skuteczną stronę internetową e-commerce. Możecie go znaleźć w serwisie The Ecomm Manager; będzie również w notatkach do odcinka. 

Matt, gdzie można śledzić twoją pracę, dowiedzieć się, czym zajmujesz się w Nimble Gravity i poza tą firmą?

Matt Ranta: Najlepsze miejsca są dwa: strona internetowa Nimble Gravity, czyli nimblegravity.com, oraz LinkedIn. Można się ze mną połączyć albo obserwować mnie na LinkedIn, gdzie publikuję wszystkie informacje. 

Francois Marchand: Matt, bardzo dziękuję, że do nas dołączyłeś. Rozmowa o danych była prawdziwą przyjemnością. Wiemy już, że intuicja jest przydatna przy tworzeniu, wynajdywaniu i opracowywaniu koncepcji produktów, które chcemy wprowadzić na rynek.

Kiedy jednak przechodzisz do kolejnego etapu, chcesz skalować działalność i rozwijać firmę, przyjrzyj się danym. Sprawdź wyniki dotyczące współczynnika ponownych zakupów, częstotliwości zakupów i klikalności reklam. To właśnie te wskaźniki mają znaczenie. Matt, myślę, że dziś to potwierdziłeś. 

Jeszcze raz dziękuję za udział w podcaście The Ecomm Manager.

Matt Ranta: Bardzo dziękuję za zaproszenie. Naprawdę to doceniam. To była świetna rozmowa. 

Francois Marchand: Bardzo dziękuję. Do usłyszenia następnym razem.