Najpierw pytanie
Zaczynamy od problemu, decyzji i znaczenia wyniku. Narzędzie dobieramy dopiero później.
Northline / Data Intelligence
Technologia, analityka i biznes w jednej perspektywie.
Northline Data Intelligence to butikowy partner analityczny dla firm internetowych i organizacji, które chcą lepiej mierzyć, rozumieć i wykorzystywać dane.
Zobacz sposób pracy ↓MMZałożyciel Northline
Kim jestem
Nazywam się Marek Mudrewicz.
Od ponad 10 lat pracuję na styku marketingu cyfrowego, pomiaru i analityki danych.
Zaczynałem od performance marketingu i SEM, dlatego rozumiem presję wyniku, budżetu oraz codziennych decyzji marketingowych. Później coraz głębiej wchodziłem w tracking, GA4, GTM, BigQuery i SQL — bo sam raport z platformy reklamowej przestał wystarczać do wyjaśnienia, co dzieje się w biznesie.
Dziś łączę perspektywę marketingu, analityki internetowej i danych biznesowych. Dzięki temu potrafię rozmawiać zarówno o implementacji technicznej, jak i o sprzedaży, marży, retencji, CAC, LTV czy priorytetach zespołu.
Marketing cyfrowy i SEMGA4, GTM i pomiarBigQuery i SQLE-commerce, SaaS i Enterprise
Filozofia
Northline nie istnieje po to, żeby produkować raporty.
Istnieje po to, żeby firmy przestały zgadywać. Dane mają pomagać podjąć decyzję, a nie tworzyć kolejną warstwę wykresów, których nikt nie potrafi przełożyć na działanie.
Jawne założenia
Definicje, ograniczenia i poziom pewności są częścią odpowiedzi, a nie dopiskiem małym drukiem.
Rezultat do użycia
Po projekcie zostaje działający pomiar, model, dokumentacja albo rekomendacja — nie tylko prezentacja.
Zakres bez szablonu
Audyt, wdrożenie i analiza wymagają innego procesu. Nie wciskamy każdego problemu w ten sam pakiet.
Sposób działania
Najpierw pytanie. Potem dane i narzędzia.
Proces dopasowujemy do projektu. Zachowujemy jednak logiczną kolejność, dzięki której wiadomo, po co wykonujemy każdy krok i co ma po nim zostać.
Kontekst
Ustalamy problem, decyzję i znaczenie wyniku dla biznesu.
Audyt
Sprawdzamy źródła danych, pomiar, definicje i ograniczenia.
Projekt
Projektujemy właściwe rozwiązanie: pomiar, raport, model danych albo analizę.
Wdrożenie
Budujemy, testujemy i dokumentujemy rozwiązanie.
Analiza
Wyjaśniamy wynik, zależności i poziom pewności wniosków.
Decyzja
Przekazujemy rekomendację, priorytety i następny krok.
Case studies
Od problemu biznesowego do decyzji opartej na danych.
Dwa realne projekty: pytanie biznesowe, przeprowadzona analiza, wykonana praca i rezultat dla organizacji. Nazwy klientów pozostają poufne.
01E-commerce / rentowność kampanii
ROAS rósł do 8–9. Marża nie rosła razem z nim.
Pytanie biznesoweCzy kampanie rzeczywiście zwiększają rentowność, czy tylko dobrze wyglądają w raporcie agencji?
- Problem biznesowy
- Agencja raportowała ROAS na poziomie 8–9 i dalszy wzrost wskaźnika. Właściciel nie widział jednak proporcjonalnego wzrostu marży, więc sam wynik z platformy reklamowej nie pozwalał ocenić realnego wpływu kampanii na biznes.
- Co wykazała analiza
- Audyt trackingu i sposobu zliczania konwersji wykazał, że Google Ads nie otrzymywał informacji o koszcie dostawy i podatku. Sprzedaż koncentrowała się na najtańszych produktach, ale kampanie nie były segmentowane według grup produktowych. Pomiar obejmował głównie purchase, bez pełnej ścieżki: view_item, add_to_cart i begin_checkout.
- Wykonana praca
- Uporządkowaliśmy mapę konwersji i wartości przekazywanych do Google Ads, zaprojektowaliśmy segmentację kampanii według produktów oraz przeprowadziliśmy warsztaty dla zespołu z atrybucji i KPI wykraczających poza ROAS.
- Rezultat dla decyzji
- Zespół dostał podstawę do oceny kampanii przez pryzmat marży, struktury sprzedawanych produktów i zachowania użytkowników w całym lejku. ROAS pozostał jedną z metryk, ale przestał pełnić rolę samodzielnego dowodu rentowności.
02SaaS / ekspansja zagraniczna
Churn rósł. Trzeba było wybrać rynki, na których warto inwestować.
Pytanie biznesoweKtóre zagraniczne rynki dają najlepszą relację popytu do przewidywanego kosztu pozyskania?
- Problem biznesowy
- Rosnący churn miał zostać skompensowany pozyskiwaniem lepiej płatnych klientów z zagranicy. Firma nie wiedziała jednak, na których rynkach rozpocząć prospecting i gdzie zwiększenie budżetu ma największy potencjał.
- Co wykazała analiza
- Dane o dotychczasowych klientach i kosztach pozyskania były rozproszone między CRM-em i Google Ads, a skala popytu na poszczególnych rynkach nie była porównana. Brakowało wspólnej listy kluczowych fraz branżowych oraz modelu zestawiającego wolumen, CPC i historyczny koszt pozyskania.
- Wykonana praca
- Połączyliśmy dane z CRM, Google Ads API i narzędzi do badania wolumenów wyszukiwania. Dla wspólnego zestawu branżowych słów kluczowych porównaliśmy rynki pod kątem popytu, CPC i prognozowanego kosztu pozyskania opartego na historycznych wynikach.
- Rezultat dla decyzji
- Powstał bubble chart i ranking rynków: oś X przedstawiała wolumen wyszukiwań, oś Y szacowany koszt pozyskania, a wielkość punktu łączny popyt dla analizowanego zestawu fraz. Rynki o dużym popycie i niskim prognozowanym CAC otrzymały najwyższy priorytet prospectingowy.
08 — Kontakt
Opowiedz, jaką decyzję blokują dziś dane.
Nie wiesz, którym danym ufać, jak ustawić właściwe wskaźniki albo jak połączyć informacje z wielu systemów i zespołów?
Na pierwszej rozmowie uporządkujemy temat, omówimy dostępne dane i ustalimy najlepszy kierunek działania.