Skip to content

Analiza danych sprzedażowych e-commerce

Utworzone: 23.08.2025

Cel projektu:

Celem było zrozumienie zachowań klientów, sezonowości sprzedaży oraz identyfikacja najlepiej sprzedających się produktów i kategorii w sklepie e-commerce. Analiza miała wspomóc decyzje marketingowe i sprzedażowe oraz wskazać obszary do optymalizacji.

Krok po kroku:

  • Pozyskanie danych za pomocą zapytań SQL z Power query
  • Skopiowanie wyników do Google Sheets
  • Przesłanie danych do Looker Studio
  • Stworzenia dashboardu

Kluczowe wyniki:

  1. Sezonowość

    • Trzy główne fale sprzedaży: luty–kwiecień, lipiec–sierpień, październik–grudzień
    • Najlepszy miesiąc: listopad (11,4 tys. zł), najsłabsze: lipiec i wrzesień (po 6,9 tys. zł)
    • Rekomendacja: intensyfikacja działań marketingowych przed szczytami oraz promocje w okresach spadku sprzedaży

  2. Klienci

    • 205 klientów w bazie: 59% stali, 41% jednorazowi
    • Rekomendacja: inwestycja w retencję i programy lojalnościowe zamiast wyłącznie pozyskiwania nowych klientów

  3. Produkty i kategorie

    • Największa sprzedaż łączna: Stuff Device – 1 778 zł
    • Najczęściej kupowany: Many Tool – 7 szt. za 1 486 zł
    • Najbardziej dochodowe zamówienia: 450–499 zł
    • Kategoria lider: kategoria 17 – 5 025 zł
    • Rekomendacja: rozwój bestsellerów, cross-selling i bundling w najbardziej dochodowych segmentach

  4. Rynki

    • Najwyższa średnia wartość koszyka: Australia (277 zł)
    • Najwięcej klientów: USA (49 osób)
    • Najniższa średnia wartość koszyka: UK (244 zł)
    • Rekomendacja: rozwój w Australii i USA, optymalizacja oferty w UK

  5. Analiza przychodów (Pareto)

    • 31% zamówień → 50% przychodu
    • 58% zamówień → 80% przychodu
    • Wniosek: przychody rozłożone równomiernie, mniejsze ryzyko zależności od wąskiej grupy klientów

Wnioski i rekomendacje:

  • Planowanie działań marketingowych zgodnie z sezonowością
  • Maksymalizacja zysków w segmencie 450–499 zł przez upsell i bundling
  • Rozwój retencji klientów i programów lojalnościowych
  • Ekspansja bestsellerów i tworzenie zestawów „best sellers”
  • Priorytetowe rynki: Australia i USA, optymalizacja działań w UK

Narzędzia:

  • Looker Studio - wizualizacja danych i raportowanie
  • Google Big Query - przechowywanie danych
  • Google Sheets - wyniki z zapytań

Umiejętności:

  • Zapytania SQL
  • Tworzenie dashboardu
  • Analiza i storytelling o danych
  • Obsługa narzędzi Google
  • Segmentacja klientów i analiza częstotliwości zamówień
  • Analiza koszyka zakupowego, wartości zamówień i najlepiej sprzedających się produktów
  • Analiza geograficzna pod kątem wartości koszyka i liczby klientów

Efekt Wskazanie najbardziej dochodowych produktów, segmentów klientów i rynków, a także opracowanie konkretnych rekomendacji marketingowych i sprzedażowych wspierających wzrost przychodów i retencję klientów.

Dashboard