E-kereskedelmi analitika: kulcsmutatók, eszközök és riportfelület útmutató (2026)

Az e-kereskedelmi analitika az a rendszer, amivel egy áruház megérti, mi fogy, ki vásárol, mely csatornák hoznak nyereséges vásárlókat, és hol akadnak el a vevők.

A hiba az, ha egyszerre akarsz minden számot mérni. A jobb analitikai program döntésekkel indul: melyik terméket toljuk, melyik forgalmi forrást finanszírozzuk, melyik pénztárproblémát javítsuk, melyik vásárlói szegmenst tartsuk meg, és melyik életciklus-kampányba fektessünk többet.

A mai keresési viselkedés gyakorlatias szándékot mutat. Az emberek a legjobb e-kereskedelmi analitikai eszközöket keresik, a valóban számító mutatókat, riportpéldákat, illetve beállítási útmutatót a Google Analytics 4-hez, a Shopifyhoz, az e-mail analitikához, a hőtérképekhez és a vásárlói adathoz. A Shopify hivatalos dokumentációja a riportfelületeket és a jelentéseket emeli ki az eladásokhoz, a látogatásokhoz, a tranzakciókhoz, a webteljesítményhez és a merchandising döntésekhez. A Google Analytics dokumentációja az e-kereskedelmi eseményekre és a mérés beállítására fókuszál. A Brevo riportdokumentációja pedig megmutatja, miért kell óvatosan értelmezni az e-mail mutatókat, amióta az Apple Mail Privacy Protection és a botforgalom feltornászhatja a megnyitásokat és a kattintásokat.

Ez az útmutató megtartja az eredeti cikk hasznos szerkezetét: mutatók, eszközök, riportfelület felépítése, növekedési használati esetek, e-mail analitika és egy induló terv. Minden szakaszt teljes analitikai kézikönyvvé bővít az e-kereskedelmi csapatoknak.

Gyors válasz

A legjobb e-kereskedelmi analitikai eszközkészlet általában rétegzett rendszer:

Ha a nulláról indulsz, ne bonyolult analitikai csomaggal kezdj. Kezdd ezekkel:

1. A kereskedelmi platformod saját analitikája.
2. A GA4 e-kereskedelmi eseményei.
3. A Google Search Console.
4. Az e-mail és SMS riportjaid.
5. Egyetlen riportfelület napi, heti és havi nézettel.
6. Egy folyamat, amivel a mérés minőségét ellenőrzöd, mielőtt megbíznál a számokban.

Utána tedd hozzá a vásárlóiadat-szinkront, a hőtérképeket, a kohorszelemzést és a fejlett termékanalitikát, amikor konkrét döntéseket javítanak.

Alapvető e-kereskedelmi mutatók

A jó analitika elválasztja a hiúsági mutatókat a döntési mutatóktól.

A hiúsági mutató jól néz ki, de nem változtat meg egy döntést. A döntési mutató megmondja, hova költs, mit javíts, melyik közönséget célozd, melyik terméket emeld ki, vagy melyik vásárlói utat fejleszd.

Bevételi és nyereségességi mutatók

A bevétel önmagában kevés. Egy áruház úgy is növelheti a bevételét, hogy közben árrést veszít, gyenge minőségű vásárlókat szerez, túl agresszíven ad kedvezményt, vagy több lesz a visszaküldés.

A bevételi mutatókkal ilyen kérdésekre válaszolj:

• Mely termékek érdemelnek több forgalmat?
• Mely termékek fogynak, de alacsony árréssel vagy sok visszaküldéssel?
• Mely kampányok hoznak nyereséges rendelést, nem csak rendelést?
• Mely csomagok növelik a kosárértéket a fedezet rontása nélkül?
• Mely csatornákhoz kell más ajánlat, mert alacsony értékű vásárlókat vonzanak?

Konverziós és tölcsérmutatók

A konverziós arány fontos, de nem univerzális eredményjelző. Egy drága termékeket, hosszú vásárlási ciklust, nagykereskedelmi vevőket vagy erős mobilos felfedezést kezelő áruház máshogy konvertál, mint egy olcsó, impulzusvásárlásra épülő bolt.

Szegmensenként nézd a konverziót, ne egyetlen oldalszintű számra támaszkodj.

A cél nem egyszerűen a konverziós arány növelése. A cél a minőségi konverzió növelése úgy, hogy közben véded a kosárértéket, az árrést, az ügyfélminőséget és a vásárlói élményt.

Egy nagy kedvezmény például emelheti a konverziót, miközben csökkenti a nyereséget. Egy jobb termékajánló emelheti a kosárértéket és az árrést akkor is, ha a konverzió nem mozdul. Egy pénztárjavítás javíthatja a mobilos konverziót anélkül, hogy az asztali változna.

Vásárlói gazdaságosság

A vásárlói mutatók megóvnak attól, hogy kampányszemüvegen át nézd az üzletet. Az e-kereskedelmi növekedés azon múlik, milyen vásárlókat szerzel, nem csak az első rendelésükön.

A hirdetési megtérülés hasznos, de nem lehet az egyetlen mutató. A hirdetési rendszerek olyan vásárlókat is maguknak írhatnak, akik amúgy is vásároltak volna. Az utolsó kattintásos riport alulértékelheti az e-mailt, az organikus keresést, az affiliate-et, a közvetlen látogatást vagy a márkakeresletet. A MER, a fedezet és a kohorszmegtartás tágabb képet ad.

Marketing- és csatornamutatók

A csatornamutatók akkor értékesek, ha a vásárlói viselkedéshez és a bevételhez kötődnek.

Az e-mail, az SMS, a WhatsApp, a fizetett keresés, a fizetett közösségi, az affiliate, az organikus keresés és a hivatkozó forgalom esetén kövesd:

• A csatornánkénti bevételt.
• A csatornánkénti rendeléseket.
• A csatornánkénti új vásárlókat.
• A csatornánkénti visszatérő vásárlókat.
• A csatornánkénti kosárértéket.
• A csatornánkénti fedezetet.
• Az ismételt vásárlás arányát akvizíciós csatornánként.
• A leiratkozási, kizárási, spampanasz- és felfüggesztési arányokat.
• Az asszisztált konverziókat vagy a beszélgetés által segített bevételt, ahol releváns.

Az e-mail és SMS analitika külön figyelmet érdemel. A megnyitás és a kattintás hasznos irányjelző, de nem a végső üzleti eredmény. A Brevo riportdokumentációja megjegyzi, hogy a friss riportok tartalmazhatják az Apple Mail Privacy Protection és a botforgalom hatását, ami feljebb tolhatja a jelentett megnyitást és kattintást. Ezért az üzleti döntésekhez megbízhatóbb a bevétel, a konverzió, a leiratkozás, a kizárás és a szegmensviselkedés.

Analitikai eszközkészlet

A legjobb e-kereskedelmi analitikai eszköz nem ugyanaz minden vállalkozásnak. A helyes készlet függ a platformtól, a forgalom összetételétől, a vásárlás bonyolultságától, az adatminőségtől, a csapat méretétől, és attól, hogy egyszerű riport kell-e vagy mélyebb vásárlóiadat-vezénylés.

Shopify Analytics vagy platformanalitika

Kezdd ott, ahol a rendelések ténylegesen születnek.

A Shopify Analytics a natív forrás az eladásokhoz, a látogatásokhoz, a tranzakciókhoz, a termékjelentésekhez, a riportkártyákhoz és az áruházi jelentésekhez. Azért hasznos, mert a kereskedelmi platform saját értelmezését tükrözi a rendelésekről, a vásárlókról, a termékekről, az értékesítési csatornákról és a tranzakciókról.

Használd a platformanalitikát ehhez:

• Eladás- és rendeléskövetés.
• Termék- és változatteljesítmény.
• Kedvezmény- és promócióelemzés.
• Értékesítési csatornák riportja.
• Visszaküldési és kiszolgálási kontextus.
• Üzemeltetési mutatók.
• Tulajdonosi riportfelületek.

A korlátja az, hogy a platformanalitika általában nem magyarázza el a teljes vásárlás előtti utat. Nem feltétlenül mutatja az összes marketingérintést, keresési kifejezést, munkamenet-felvételt, e-mail automatizálást vagy szegmenslogikát. Ezért legyen ez az alapréteg, ne az egyetlen réteg.

Google Analytics 4

A GA4 a szokásos webanalitikai réteg az e-kereskedelmi eseményekhez és a forgalom elemzéséhez.

Használd a GA4-et ehhez:

• Látogatások és felhasználók.
• Forgalmi források és kampányok.
• Landolóoldal-elemzés.
• E-kereskedelmi események: termékmegtekintés, kosárba helyezés, pénztár indítása, vásárlás és visszatérítés.
• Tölcsérvizsgálat.
• Eszközökön és munkameneteken átívelő viselkedés, ahol a mérés ezt engedi.
• Közönség- és eseményelemzés.

A GA4 hasznos, de gondos beállítást igényel. Az e-kereskedelmi eseménynevek, a tételazonosítók, a pénznem, a tranzakcióazonosítók, a visszatérítések, a duplikált események, a hozzájárulási mód és a pénztárkövetés mind ellenőrzést kíván. Ha a tranzakcióazonosítók duplázódnak vagy az esemény kétszer sül el, hibás lesz a bevétel. Ha az UTM paraméterek következetlenek, zajos lesz a csatornariport.

Google Search Console

A Search Console elengedhetetlen az organikus kereséshez.

Ebből érted meg:

• Mely kifejezések hoznak megjelenést és kattintást.
• Mely oldalak nyernek vagy veszítenek organikus láthatóságot.
• Az átlagos pozíciót kifejezésenként és oldalanként.
• A márkás és nem márkás keresési keresletet.
• A termék-, kategória-, útmutató- és összehasonlító oldalak teljesítményét.
• Az indexelési és technikai keresési problémákat.

A Search Console nem mutat közvetlenül bevételt, de megmondja, mely organikus keresési szándékok nőnek vagy csökkennek. Párosítsd a GA4-gyel, a Shopifyval és a vásárlói, rendelési adattal, hogy lásd, mely organikus oldalak vezetnek rendeléshez.

Brevo és a marketingplatform analitikája

A marketingplatformodnak meg kell mutatnia, hogyan teljesítenek a kampányok és az automatizálások.

A Brevónál vagy hasonló e-mail, illetve SMS platformnál kövesd:

• A kampánykiküldéseket.
• A kézbesítéseket.
• A visszapattanásokat.
• A megnyitásokat és kattintásokat, óvatosan.
• A leiratkozásokat és a panaszokat.
• A bevételi vagy konverziós eseményeket, ahol integrált.
• Az automatizálások teljesítményét folyamatonként.
• A szegmensek teljesítményét.
• A listanövekedést és a feliratkozási forrást.
• A kizárási és hozzájárulási változásokat.

Ne kezelj minden megnyitást szándékként. Az Apple Mail Privacy Protection és a botforgalom torzítja a megnyitási és kattintási adatokat. A megnyitást és a kattintást diagnosztikai jelzésként használd, majd a kampány minőségét bevétellel, konverzióval, leiratkozással, ismételt vásárlással és az életciklus-szakaszok közti mozgással igazold.

A Brevót használó Shopify csapatoknak a Tajo segít szinkronban tartani a Shopify vásárlóit, rendeléseit, termékadatait, életciklus-eseményeit és a Brevo kapcsolati kontextusát, hogy a kampányanalitika ne rekedjen külön rendszerekben.

A Tajo a vásárlóiadat-szinkronhoz

Az analitika ott törik el, ahol a vásárlói, rendelési, termék-, hozzájárulási és kampánykontextus különálló eszközökben él.

A Tajo akkor hasznos, ha egy e-kereskedelmi csapatnak erre van szüksége:

• A Shopify vásárlói és rendelési adatainak szinkronizálása a Brevóba.
• A kapcsolati attribútumok naprakészen tartása.
• A vásárlási előzmény használata kampányokban és automatizálásokban.
• Szegmentálás életciklus-szakasz, rendelésszám, termékkategória vagy ügyfélérték szerint.
• Az e-mail, SMS és WhatsApp folyamatok összehangolása az áruházi adattal.
• A kézi CSV exportok visszaszorítása.
• A kampányteljesítmény és a vásárlói kontextus visszacsatolása az üzemeltetési folyamatokba.

Az analitikai haszon gyakorlati. A riportfelület akkor hasznosabb, ha ugyanazok a vásárlói, rendelési és kampányazonosítók összehasonlíthatók az áruházi analitika, a marketinganalitika és az életciklus-riportok között.

Microsoft Clarity, Hotjar típusú eszközök és munkamenet-felvétel

A viselkedéselemző eszközök megmagyarázzák azt, amit a számok nem tudnak.

Használj hőtérképet és munkamenet-felvételt ehhez:

• Termékoldali zavar.
• Pénztári súrlódás.
• Mobilos használhatósági gondok.
• Dühkattintások.
• Halott kattintások.
• Görgetési mélység.
• Navigációs problémák.
• Tétovázás az űrlapnál és a szállítási lépésnél.
• Landoló oldalak forgalommal, de gyenge konverzióval.

Ne találomra nézz felvételeket. Indulj kérdésből: „Miért esett vissza a mobilos pénztárkonverzió?” vagy „Miért kap ez a termékoldal forgalmat, de kevés kosárba helyezést?” Aztán az adott szegmensre válogass felvételeket és hőtérképeket.

Mixpanel és termékanalitika

A Mixpanel és a hasonló eseményelemző eszközök akkor a legerősebbek, ha az e-kereskedelmi élmény appszerű, előfizetéses, bejelentkezéses, piactér jellegű vagy erősen eseményvezérelt.

Használj termékanalitikát ehhez:

• Előfizetési életciklus-viselkedés.
• Fiókregisztráció és bevezetés.
• Ismételten használt funkciók.
• A termékajánlókkal való interakció.
• A hűségprogram használata.
• Kohorszmegtartás.
• Kísérletek elemzése.
• Az első vásárlás után is folytatódó vásárlói utak.

Egy egyszerű katalógusáruháznak elég lehet a GA4 és a Shopify. Egy előfizetéses kereskedelemnél, piactérnél, apphoz kötött terméknél vagy tagsági élménynél a termékanalitika olyan viselkedést mutat meg, amit a rendelési jelentések nem látnak.

A riportfelület felépítése

Az e-kereskedelmi riportfelület igazodjon a működési ritmushoz. A napi nézet más, mint a havi kohorszelemzés. Ha mindent egy képernyőre zsúfolsz, zajt kapsz.

Napi üzemeltetési nézet

Ezzel kapod el gyorsan a hibákat.

Kövesd:

• Bevétel.
• Rendelések.
• Konverziós arány.
• Látogatások.
• Átlagos kosárérték.
• Sikertelen fizetések.
• Pénztári lemorzsolódás.
• Legjobb termékek.
• Készlet- vagy kiszolgálási kivételek.
• E-mail és SMS küldési hibák.
• Hirtelen változások a forgalmi forrásokban.

A napi nézet anomáliakeresésre való. Erre válaszoljon: „Elromlott ma bármi?”

Heti növekedési nézet

Ez a marketing- és merchandising döntésekhez kell.

Kövesd:

• Csatornánkénti bevétel.
• Csatornánkénti rendelések.
• Új és visszatérő vásárlók bevétele.
• Csatornánkénti kosárérték.
• Konverziós arány eszköz és forrás szerint.
• A kosárba helyezés és a pénztár tölcsérének teljesítménye.
• Kampánybevétel.
• Automatizálási bevétel.
• Legjobb landoló oldalak.
• Legjobb termékek és kategóriák.
• Kedvezményhasználat.
• E-mail és SMS feliratkozások, kizárások, leiratkozások.

A heti nézet erre válaszoljon: „Hova költsünk, mit teszteljünk, javítsunk vagy toljunk a jövő héten?”

Havi vásárlói és nyereségességi nézet

Ez a mélyebb üzleti elemzéshez kell.

Kövesd:

• Vásárlói kohorszok.
• Az ismételt vásárlás aránya.
• A második vásárlásig eltelt idő.
• Az ügyfélérték akvizíciós források szerint.
• A CAC csatornánként.
• A MER.
• A fedezet termék vagy kategória szerint.
• A visszaküldési és visszatérítési arány.
• A kedvezményfüggőség.
• A feliratkozók számának növekedése.
• A hűség- vagy VIP szegmens mozgása.

A havi nézet erre válaszoljon: „Jobb vásárlókat szerzünk és egészségesebb üzletet építünk?”

Negyedéves tervezési nézet

Ez a stratégiai döntésekhez kell.

Kövesd:

• A csatornaösszetételt.
• A termékkategóriák növekedését.
• Az árréstrendeket.
• A megtartási trendeket.
• A vásárlói szegmensek teljesítményét.
• A keresési láthatóságot.
• Az életciklus-kampányok érettségét.
• Az eszköz- és integrációs hiányokat.
• Az attribúcióba vetett bizalmat.
• A kísérletek tanulságait.

A negyedéves nézet erre válaszoljon: „Mely fogadások alakítsák a következő negyedévet?”

Bevételnövelés analitikával

Az analitika csak akkor hasznos, ha megváltoztatja a munkát. Minden mutató kössön egy döntéshez.

Javítsd a konverziós arányt

Ne azzal kezdd, hogyan növeld globálisan a konverziót. Először találd meg azt a szegmenst, ahol a konverzió gyenge és értékes.

Példák:

• A mobilforgalom rosszabbul konvertál, mint az asztali.
• A fizetett közösségi forgalom kosárba tesz, de nem vásárol.
• Egy kategóriaoldal keresési forgalmat kap, de kevés termékkattintást.
• A pénztárindítások rendben vannak, de sok a lemorzsolódás a szállítási lépésnél.
• A visszatérő vásárlók böngésznek, de nem rendelnek újra.

Aztán válaszd a megfelelő javítást:

• Tedd világosabbá a termékoldalt.
• Adj méret-, kompatibilitási vagy összetevő-útmutatást.
• Javítsd a mobilos elrendezést és a sebességet.
• Tisztázd a szállítási és visszaküldési szabályokat.
• Szüntesd meg a meglepetésköltségeket.
• Adj hozzá fizetési opciókat.
• Javítsd a termékajánlókat.
• Küldj elhagyott kosár leveleket, vagy SMS utánkövetést, ahol van hozzájárulás.
• Teszteld a landoló oldal szövegét és az ajánlat illeszkedését.

Az eredményt konverzióval, látogatónkénti bevétellel, kosárértékkel, árréssel és visszaküldési aránnyal mérd. Egy konverziónövekedés gyengébb, ha rosszabb minőségű rendelésekből jön.

Növeld az átlagos kosárértéket

A kosárérték növekedése releváns értékből jöjjön, ne véletlenszerű upsellből.

Az analitikával keresd meg:

• A gyakran együtt vásárolt termékeket.
• Az erős kiegészítő eladási aránnyal bíró kategóriákat.
• Azokat a tételeket, amelyek ismételt vásárlást hoznak.
• A jó árrésű csomagokat.
• Azokat az ingyenes szállítási küszöböket, amelyek növelik a nyereséget.
• Azokat a termékajánlókat, amelyek növelik a kosárértéket.
• Azokat a vásárlás utáni ajánlatokat, amelyek nem rontják a bizalmat.

Taktikák:

• Csomagok.
• Termékkészletek.
• Keresztértékesítés.
• Mennyiségi kedvezmény.
• Ingyenes szállítási küszöb.
• Személyre szabott ajánlók.
• Utántöltési ajánlatok.
• Vásárlás utáni upsell.

A kosárértéket a konverziós aránnyal és a fedezettel együtt nézd. Az a csomag, ami emeli a kosárértéket, de túl sokat visz el az árrésből, nem biztos, hogy skálázandó.

Növeld az ügyfélértéket

Az ügyfélérték akkor nő, ha a vásárlók újra vásárolnak, magasabb árrésű terméket vesznek, előfizetők maradnak, vagy könnyebb őket kiszolgálni.

Az analitikával azonosítsd:

• Azokat az első termékeket, amelyek erős ismételt vásárlást hoznak.
• Azokat a termékkategóriákat, amelyek hűséges vásárlót termelnek.
• Azokat az akvizíciós csatornákat, ahol magasabb az ismételt vásárlás.
• Azokat a szegmenseket, amelyeknek vásárlás után edukáció kell.
• Azokat a vásárlókat, akik valószínűleg utántöltenek.
• Azokat a vásárlókat, akik inaktívvá válnak.
• Azokat a VIP vásárlókat, akik korai hozzáférést vagy exkluzív ajánlatot érdemelnek.

Az életciklus-kampányok közé tartozhat:

• Üdvözlő és bevezető folyamatok.
• Vásárlás utáni edukáció.
• Véleménykérés.
• Utántöltési emlékeztetők.
• Keresztértékesítő és következő legjobb termék kampányok.
• Hűségkampányok.
• Újraaktiváló kampányok.
• VIP korai hozzáférés.

Ezeknél a kampányoknál mérd a bevételt, az ismételt vásárlást, a leiratkozásokat, a panaszokat és a szegmensek közti mozgást. Egy megtartási kampány ne csak átmeneti rendeléscsúcsot hozzon, hanem javítsa a vásárlói kapcsolatot.

Csökkentsd az ügyfélszerzési költséget

Az ügyfélszerzési költség akkor javul, ha jobb közönséget célzol, javítod a konverziót, növeled az ügyfélértéket, vagy leállítod azokat a csatornákat, amelyek gyenge vásárlókat hoznak.

Az analitikával hasonlítsd össze:

• A CAC-t csatornánként.
• Az első rendelés árrését csatornánként.
• Az ismételt vásárlást csatornánként.
• Az ügyfélértéket csatornánként.
• A kedvezményhasználatot csatornánként.
• A visszatérítési és visszaküldési arányt csatornánként.
• A második rendelésig eltelt időt csatornánként.

Egy magas CAC-jú csatorna is lehet erős, ha jól megtartható vásárlókat hoz. Egy alacsony CAC-jú csatorna is lehet gyenge, ha csak kedvezményvadászokat hoz, akik soha nem térnek vissza.

E-mail marketing analitika

Az e-mail az egyik legerősebb e-kereskedelmi csatorna lehet, de könnyű rosszul mérni.

Három szinten kövesd az e-mailt:

A megnyitási arány segít diagnosztizálni a tárgysort, a kézbesíthetőséget vagy a listafáradtságot, de nem lehet az egyetlen sikermutató. A Brevo dokumentációja kiemeli az Apple Mail Privacy Protection és a botforgalom miatti riportváltozásokat. Vagyis egy kampány egészségesebbnek tűnhet a megnyitásokban és a kattintásokban, mint a tényleges vásárlói viselkedésben.

Az e-kereskedelmi e-mailnél ezt helyezd előre:

• Címzettenkénti bevétel.
• Konverziós arány.
• Az e-mailből származó kosárérték.
• Az ismételt vásárlás aránya.
• Szegmensszintű teljesítmény.
• Folyamatszintű teljesítmény.
• Leiratkozási és panaszarány.
• Kézbesíthetőségi problémák.
• Kizárási szabályok.

A Shopify és Brevo párosnál a Tajo segít összekötni az áruházi adatot a kampánykontextussal, hogy az e-mail analitika friss rendelési előzményt, termékkategóriát, életciklus-szakaszt, hozzájárulást és ügyfélértéket használhasson.

Adatminőség és attribúció-ellenőrzés

A rossz analitika magabiztos rossz döntéseket szül. Mielőtt skáláznál egy riportfelületet, futtass végig egy ellenőrzőlistát.

A mérés ellenőrzése

Nézd meg:

• A vásárlási esemény egyszer sül el.
• A tranzakcióazonosítók egyediek.
• A bevétel a helyes pénznemet használja.
• Az adók, a szállítás, a kedvezmények és a visszatérítések következetesen kezeltek.
• A termékazonosítók egyeznek a Shopify, a GA4, az e-mail és a riportok között.
• A kosárba helyezés, a pénztárindítás és a vásárlás eseményei ugyanazt a tételadatot használják.
• A hozzájárulási beállításokat tiszteletben tartja a rendszer.
• A pénztárlépések mérve vannak, ahol lehetséges.
• A domainek közti vagy a fizetési szolgáltatóhoz irányuló átirányítások nem törik el a munkamenetet.

UTM és kampányellenőrzés

Nézd meg:

• Vannak UTM elnevezési szabályok.
• A fizetett közösségi, a fizetett keresés, az e-mail, az SMS, az affiliate, az influenszer és az organikus kampányok következetes nevezéktant használnak.
• Az e-mail automatizálások más kampánynevet használnak, mint az egyszeri hírlevelek.
• A belső linkek nem írják felül az eredeti akvizíciós forrást.
• A kampányriportok elkülönítik az első rendeléses akvizíciót a visszatérő vásárlók bevételétől.

Attribúció-ellenőrzés

Egyetlen attribúciós modell sem tökéletes.

Hasonlítsd össze:

• A platform attribúcióját.
• A GA4 attribúcióját.
• A Shopify rendelési forrását.
• Az e-mail platform riportjait.
• A hirdetési rendszer riportjait.
• A MER-t.
• A kohorszmegtartást.

Ha a számok nem egyeznek, ne átlagold őket vakon. Értsd meg, mit próbál mérni az egyes eszköz. Egy hirdetési rendszer az attribuált konverziókra optimalizál. A Shopify a rendelést jelenti. A GA4 modellezi a forgalmat és az eseményeket. A Brevo a kampány-elköteleződést és a konverziókat riportálja. Egy pénzügyi riportot a készpénz, a visszatérítések és a fedezet érdekli.

A cél nem egyetlen varázsszám. A cél olyan riportrendszer, amivel jobb döntéseket hozol.

Bevezetési terv

Ha az áruház analitikája ma gyenge, ezt a sorrendet kövesd.

1. Határozd meg a döntéseket

Írd le, milyen döntéseket kell támogatnia a riportfelületnek:

• Mely termékeket toljuk?
• Melyik csatorna kapjon több büdzsét?
• Melyik pénztárproblémát javítsuk?
• Melyik szegmens kapjon életciklus-kampányt?
• Melyik kampányt állítsuk le?
• Melyik termékkategóriának van árrés- vagy visszaküldési gondja?
• Mely vásárlók fognak valószínűleg újra vásárolni?

Ezt az eszközválasztás előtt csináld meg.

2. Telepítsd az alapmérést

Állítsd be:

• A Shopify vagy a platform analitikáját.
• A GA4 e-kereskedelmi eseményeit.
• A Google Search Console-t.
• Az e-mail és SMS riportokat.
• A hozzájárulási vezérlőket.
• A fizetés és a pénztár mérését, ahol lehetséges.

Ellenőrizd tesztrendelésekkel, az eseményszámok átnézésével, a tranzakcióazonosítók összevetésével és a bevétel visszaigazolásával.

3. Egységesítsd a kampányadatot

Hozz létre UTM szabályokat ezekre:

• Fizetett keresés.
• Fizetett közösségi.
• E-mail kampányok.
• E-mail automatizálások.
• SMS kampányok.
• Affiliate.
• Influenszerek.
• Organikus közösségi.
• Partnerségek.

Dokumentáld a nevezéktant. Az analitika minősége következetes bemeneten áll.

4. Szinkronizáld a vásárlói és rendelési kontextust

Kösd össze azokat a rendszereket, amelyeknek közös adat kell.

Shopify és Brevo csapatoknál ez lehet:

• Vásárlói profilmezők.
• E-mail és SMS hozzájárulás.
• Rendelésszám.
• Az utolsó vásárlás dátuma.
• A megvásárolt termékkategóriák.
• Az ügyfélérték.
• Az életciklus-szakasz.
• Kosár- vagy pénztáresemények.
• Szegmenstagság.

Itt segít egy olyan eszköz, mint a Tajo. A kézi exportok átmenetileg működnek, de elavult adatot és riportelcsúszást okoznak.

5. Alakítsd ki a riportritmust

Építs négy nézetet:

• Napi üzemeltetés.
• Heti növekedés.
• Havi vásárlói és nyereségességi kép.
• Negyedéves tervezés.

Tartsd fókuszban mindegyiket. A napi nézetbe ne kerüljön minden kohorszdiagram. A havi nézethez ne kelljen végigolvasni a tegnapi rendeléseket.

6. Egyszerre egy kísérletet futtass

Az analitika akkor javul, ha a csapat egy dolgot változtat, és megméri az eredményt.

Példák:

• Írj újra egy nagy forgalmú termékoldalt.
• Javíts meg egy pénztárlépést.
• Adj hozzá egy vásárlás utáni folyamatot.
• Tesztelj egy csomagot.
• Javíts egy kategórialandoló oldalt.
• Szegmentálj egy e-mail kampányt vásárlási előzmény szerint.
• Változtass meg egy fizetett landoló oldal ajánlatán.

Mérd a változás előtti és utáni hatást a releváns mutatókon. Ha a riportfelület nem tudja megmutatni a hatást, előbb a mérésen javíts, csak utána skálázz több kísérletet.

Hogyan kezdj hozzá

Ha ezen a héten építesz e-kereskedelmi analitikát, ezt a gyakorlati utat kövesd:

1. Ellenőrizd, hogy az áruházi analitikád egyezik a tényleges rendelésekkel.
2. Állítsd be vagy auditáld a GA4 e-kereskedelmi eseményeit.
3. Kösd be a Google Search Console-t.
4. Nézd át az e-mail és SMS riportokat, benne a bevétellel, a leiratkozásokkal és a kizárásokkal.
5. Készíts heti riportot bevétellel, rendelésekkel, konverziós aránnyal, kosárértékkel, látogatónkénti bevétellel, a legjobb csatornákkal, a legjobb termékekkel, a kosárelhagyással, a pénztárelhagyással és a kampánybevétellel.
6. Válassz egy növekedési problémát: pénztári lemorzsolódás, alacsony kosárérték, gyenge ismételt vásárlás, gyenge organikus landolóoldal-konverzió vagy alulteljesítő kampányok.
7. Futtass egy javítást, és mérd a hatását legalább egy teljes vásárlási cikluson át.
8. Tedd hozzá a Tajón keresztüli vásárlóiadat-szinkront, amikor a Shopify, a Brevo, a kampány-, a hozzájárulási és az életciklus-riportnak közös kontextus kell.

Az e-kereskedelmi analitika nem arról szól, hogy neked legyen a legtöbb diagramod. Arról szól, hogy friss, megbízható adattal hozz jobb döntéseket.

Kapcsolódó cikkek

• E-kereskedelmi trendek 2026: 15 trend, ami idén alakítja az online kiskereskedelmet