Cześć!
Nazywam się Robert Stolarczyk i jestem współzałożycielem oraz CEO Data Octopus.
W tym miejscu chciałbym Ci nas przedstawić ułatwiając rozpoczęcie naszej współpracy.
Wierzę, że w ten sposób zwiększę szansę na skuteczne zrozumienie sposobu naszego działania i zaadresowania Twoich potrzeb biznesowych.
Ruszajmy!
Kim jesteśmy i co robimy?
Data Octopus to platforma Product Data Management.
Co to dokładnie oznacza?
Product dlatego, że skupiamy się na danych o produktach, ich agregacji, przetwarzaniu, aktywacji w celu poprawy sprzedaży e-commerce. Brzmi tajemniczo? Nie martw się zaraz wszystko stanie się jasne.
Data dlatego, że skupiamy się na danych. Naszym celem jest na nich bazowanie, ich wykorzystanie.
Management dlatego, że zarządzamy danymi z jednej strony zbliżając je do siebie, a z drugiej przetwarzając.
Czy to to samo co PIM (Product Information Management)?
Nie.
PIM to systemy, które skupiają się na pracy z danymi o produktach na potrzeby głównie silnika e-commerce. My skupiamy się na danych o produktach na potrzeby kanałów wyjściowych (outputs) jak Google Merchant Center, Meta Ads, systemy marketing automation, porównywarki cenowe, marketplace itd. Dla przykładu opis produkty przygotowany w ramach PIM najczęściej trafia do silnika e-commerce i feedu produktowego, który on generuje. Data Octopus traktuje taki plik jako input, od którego zaczyna swoją pracę.
W takim razie co robimy?
Najprościej mówiąc to wykorzystujemy dane o produktach do poprawy sprzedaży ecommerce.
Jak? Tego dowiesz się dalej.
Skąd się wzięliśmy?
Nie będziemy oryginalni dlatego, że pomysł na Data Octopus zrodziły realne potrzeby, które jako osoby zajmujące sie digital marketingiem z ramienia agencji widzieliśmy u klientów i na rynku.
Zauważyliśmy:
Rosnącą liczbę danych
Problemy z rozproszeniem danych w wielu miejscach oraz wielu formatach
Niespójność systemów, jeśli chodzi o standardy danych
Rozwój systemów reklamowych w coraz mocniejszym kierunku “black box”
Coraz większy apetyt systemów reklamowych na dobre dane na wejściu
Coraz większą wagę jakości a nie ilości danych
Brak analityki wielokanałowej z poziomu produktu, który utrudnia podejmowanie decyzji o tym, który produkt gdzie promować
Bak jednego narzędzia do obsługi wszystkich feedów na wszystkich rynkach
Ograniczenia GA4 związane z brakiem połączenia go z Google Big Query (krótki dostęp do danych, kardynalność, próbkowanie, wąskie raportowanie)
Brak możliwości dodania do feedu informacji pochodzących z Google Analytics, systemu ERP/CRM, systemu magazynowego i innych
Ograniczone kompetencje IT
Postanowiliśmy wykorzystać naszą wiedzę, doświadczenie, dostęp do rynku, danych, aby stworzyć produkt, który zaadresuje większość z tych trendów i wyzwań. Tak powstał Data Octopus.
Dlaczego identyfikujemy się z ośmiornicą?
Czy wiesz, że ośmiornica to jedno z najinteligentniejszych zwierząt na świecie? Identyfikujemy się z nią nie tylko dlatego, że nam też zależy na inteligentnym przetwarzaniu danych i łączeniu kropek. Ośmiornica ma 8 ramion i w zasadzie jej kształt idelanie pasuje do schematu przepyłwu danych Data Octopus. Brzmi skomplikowanie? Sam zobacz.
Dane wejściowe to wszystkie dane, które stanowią input do systemu. Mogą pochodzić z obsługiwanych przez system źródeł i formatów, o których poczytasz więcej tutaj.
Dane wyjściowe to wszystkie dane, które są już przetworzone przez Data Octopus na poziomie BigQuery z wykorzystaniem dodatkowych komponentów jak np Vertex AI.
Jakie problemy adresujemy?
Poniżej główne problemy e-commerce, które wspólnie z ich działami digital adresujemy we współpracy:
Dlaczego problemy, które adresujemy są ważne?
Systemy reklamowe są coraz bardziej inteligentne i automatyczne, ale do efektywnego działania potrzebują dobrych danych, które musza otrzymać w formie feedu. Żaden super samochód nie pojedzie szybko bez super paliwa. Żadne AI nie zadziała dobrze bez dobrego prompta.
Dane o produktach powinny pochodzić z kolejnych źródeł jak system magazynowy czy silnik e-commerce a dopiero 15% marketerów wykorzystuje więcej niż 1 źródło danych o produkcie do robienia feedów.
Na końcu dla dla e-commerce liczy się zysk. Jedynie 2,5% marketerów segmentujących produkty w ofercie wykorzystuje kontekst marży do tego aby optymalizować sprzedaż nie tylko pod COS/ROAS ale też zysk właśnie.
Coraz więcej danych oraz źródeł je generujące wymuszą nowoczesną architekturę przechowywania danych opartą o chmurę. Już 78% firm w USA wdrożyło rozwiązania chmurowe w swoich organizacjach. W PL jest to narazie, jeszcze 38% firm.
Ograniczenia 3th party data wynikające min. z rosnącej wagi prywatności danych, ograniczeń cookies oraz wzrastająca wagą 1st party data w personalizacji, kierowaniu i optymalizacji reklam wymuszają budowę repozytorium danych o produktach.
W co wierzymy? Jaka jest nasza misja?
Dla jakiego segmentu rynku e-commerce Data Octopus jest najbardziej wartościowy?
Wartość rośnie wraz ze skalą kilku czynników:
SKU
przychody
wydatki reklamowe
szerokość sprzedaży (liczba kanałów reklamowych, rynków)
ilość systemów, które pobierają informacje o produktach
waga Google BigQuery w ekosystemie danych e-commerce
To powoduje, że Feed Octopus jest najbardziej “lepki” dla średniego i wysokiego segmentu e-commerce.
W jaki sposób wykorzystujemy dane o produktach do poprawy sprzedaży e-commerce?
Dotychczas, aby segmentować produkty z wykorzystaniem wiedzy o marży czy stanie magazynowym wymagane było zaangażowanie i wewnętrzny develoment IT. To wiązało się z dłuższym czasem, potrzebą większych kosztów, zasobów, skomplikowaniem oraz często ograniczoną efektywnością.
Rezultatem tego procesu był tradycyjny układ produktów na koncie reklamowym zależny najczęściej od drzewa kategorii, jakie występuje w sklepie. Buty męskie znajdowały się w kampanii buty męskie, często miały podobny optymalizator i cele jak produkty z innej kategorii, a ich performance był oceniany na bazie tych samych metryk.
Z Data Octopus proces jest inny. Zaczynamy od tego, że zmniejszamy zapotrzebowanie na zasoby IT oraz Data Analyst. Sporo z niezbędnej pracy z danymi można wykonać bez dodatkowej infrastruktury IT na poziomie Data Octopus, Głównie w sekcji Data&Feeds, a środowisko raportowe w sekcji Reports odpowiada na szereg pytań, które w połączeniu z segmentami produktów zmniejszają zapotrzebowanie na angażowanie Data Analysta pracującego z danymi produktowymi.
W rezultacie produkty trafiają do najlepiej dopasowanych dla nich kampanii na podstawie danych. Dodatkowo są “trenowane” pod właściwe cele jak np. wzrost ilości wyświetleń czy konwersji. Nie każdy produkt ma takie same cele, optymalizator, strategię budżetową. Nie każdy produkt jest oceniany na bazie ROAS postawionego na tym samym poziomie.
W efekcie system wspiera lepsze dopasowanie strategii do tego, co produkt reprezentuje na bazie danych, zwiększa szansę na skuteczną aktywację sprzedaży większego fragmentu SKU. Co jednak super istotne to wykorzystując kontekst marży zwiększamy szansę na zarządzanie zyskiem i jego podniesienie, nawet jeśli przychody i zysk pozostaną na niezmienionym poziomie.
Jak wygląda przepływ danych i jakie są korzyści?
Poniżej poglądowy schemat przepływu danych.
Data Octopus pełni 3 ważne funkcje:
Segmentowanie produktów na bazie danych z mater modelu.
Selekcja produktów zanim trafią do konkretnego outputs na bazie danych.
Raportowanie na bazie danych przechowywanych w Google BigQuery.
Co to jest Master model i jak wygląda jego schemat?
Master Model danych o produktach, składa się 40-50 kolumn danych. Zawiera informacje z feedu produktowego, ale także dane pochodzące bezpośrednio z Google Analytics 4, Google Ads, silnika ecommerce oraz z dodatkowo przesłanych przez Ciebie arkuszy, importów z dodatkowymi danymi.
Master model zawiera:
dane z feedu produktowego - podstawowe informacje o produktach
dane z GA4 - wiedza o tym jak produkty angażują i konwertują
dane z GAds - wiedza o efektywności sprzedaży produktów
dane z innych źródeł - wiedza o marży na produkcie oraz finalnym zysku na jego sprzedaży
Poniżej poglądowy schemat struktury danych master modelu, jaki jest tworzony na poziomie Google BigQuery, a następnie przetwarzany przez Data Octopus.
Historie współpracy z wybranymi klientami.
Zainspiruj się kilkoma dotychczasowymi historiami sukcesu. Musisz wiedzieć, że aby do niego doszło niezbędna jest współpraca zasobów digital marketingowych e-commerce z narzędziem i zespołem Data Octopus. Nawet dobre dane na wejściu same nie zrobią różnicy jeśli nie zostaną odpowiednio pokierowane przez człowieka.
Intersport
4fizjo
Unitrailer
Butosklep
Za co ceni nas rynek?
1. Bazujemy na danych o produktach z wielu miejsc (feed, ads, analytics, silnik e-commerce, dodatkowe pliki itd). Daje to na wejściu szerszy obrazek, możliwość liczenia relacji pomiędzy tymi danymi etc.
2. Budujemy dla klientów w ramach współpracy zalążek Data warehouse oparty na BigQuery który potem z nimi zostaje lub pomagamy im stuningować ich BQ, jeśli już maja je założone. Dzięki temu klienci i ich dane są gotowe na to, aby być beneficjentami tego, jak Google rozwija BQ i Cloud. Przykładowo pojawia się i będzie pojawiać w jego obszarze sporo usprawnień opartych na AI.
3. Nie tylko agregujemy te dane, ale umiemy szybko na ich podstawie segmentować produkty oraz wskazać co z tym należy zrobić dalej na kontach. Aktywujemy dane pod konkretne cele biznesowe. Znów dane z wielu źródeł, znów szybko, nawet jak jest ich bardzo dużo, co doceniają więksi klienci, dla których głównie pracujemy.
4. Dostarczamy poza technologią człowieka, który jest partnerem działu digital, a szczególnie perfo. Działy digital takich firm Selsey, R-gol, Domodi, Allani, Moliera2 to bardzo cenią bo mimo ich rozbudowanych kompetencji brakowało im analityka danych wyspecjalizowanego w kontekście produktów i BigQuery.
5. Wyróżnia nas duża elastyczność. Coś, co dla innych rozwiązań jest sufitem customizacji często dla nas jest początkiem. W temacie segmentacji produktów czy custom raportów ograniczają nas tylko dane na wejściu i wyobraźnia.
6. Mamy bardzo duże doświadczenie, bo wywodzimy się z agencji digital marketingowej, więc wiemy, jakie e-commerce ma wyzwania na różnych poziomach i umiemy je zaadresować.
7. Nasi klienci w Q2/3 będą też beneficjentami tego, jak Google wdraża swój Gemini AI w BQ. Tutaj o tym pisałem trochę więcej.
8. Dzięki architekturze chmurowej radzimy sobie z dużymi operacjami na danych, gwarantujemy wysokie bezpieczeństwo i szybkie działanie.
9. Poza całą sekcją Data&Feeds dostarczamy też Reports, który bazuje na danych znajdujących się pod spodem w BQ i jest dziś oparty na Looker Studio (badamy też inne alternatywy). Nie jesteśmy zatem toolem stricte do robienia feedów.
10. Efekt sieciowy. Pracując z nami masz gwarancję, że przyjdziemy do Ciebie z rekomendacją tego, jak zrobić na poziomie paczki danych do systemu coś specjalnego, co pomoże Wam wykręcić lepsze wyniki. Jak coś wychodzi nam dobrze w projekcie A to staramy się, aby inne projekty były tego beneficjentami i to działa.