Ellity Business Intelligence

Co je analytický model a k čemu slouží

Analytický model je sada pravidel, která vyhodnotí chování zákazníků pomocí vybraných metrik. Každý zákazník získá skóre (0–100) a je zařazen do segmentu (např. Champions, Loyal, Lost).

Díky modelu rychle poznáte, kdo je pro vás nejcennější, kdo je na cestě pryč, a komu se vyplatí poslat reaktivační či věrnostní nabídku.

Typické použití: cílení kampaní, řízení odměn, prioritizace péče, monitoring reaktivace a retence.

Jak vytvořit první model (krok za krokem)

1) Otevřete nastavení Ellity BI

Přejděte do Nastavení → Ellity BI.

Pokud ještě žádný model nemáte, uvidíte prázdnou obrazovku s tlačítkem Vytvořit první model (viz obrázek „Vytvoření prvního analytického modelu“).

2) Základní údaje modelu

Zadejte:

Název a popis – pomůže rozeznat účel modelu (např. „RFM – e-shop 180 dní“).
Časové okno – období, ze kterého se metriky počítají (např. 90–180 dní dle délky vašeho nákupního cyklu).

Doporučení: Zvolte tak dlouhé období, aby většina aktivních zákazníků stihla min. 2 nákupy.

3) Vyberte metriky a nastavte váhy

V sekci Metriky modelu vyberte metriky a nastavte jejich váhy (0–100 %, vyšší = důležitější).

Součet všech vah musí být 100 % (viz obrázek „Metriky modelu“).

Pro každou metriku můžete také vybrat normalizační metodu a případně ji invertovat, pokud je to vhodné.

Normalizační metody

Min-Max

Jednoduchá škála 0-100 mezi nejnižší a nejvyšší hodnotou. Nejčitelnější volba. Hodí se pro podíly a tam, kde chcete 'rychlé a jasné' výsledky. Pozor na extrémy - mohou roztáhnout škálu.

Z-Score CDF

'Pravděpodobnost' vůči průměru (0-100). Porovnává s průměrem a rozptylem, dává pocit pravděpodobnosti (nejedná se ale o skutečnou pravděpodobnost, muselo by se kalibrovat na historii). Skvělé pro odhad rizika odchodu. Hůř snáší extrémní hodnoty.

Robust MAD

Stabilní i při extrémech (medián + MAD). Stabilní metoda, která se nenechá rozhodit extrémy. Hodí se tam, kde jsou dlouhé pauzy mezi nákupy nebo pár výjimečně drahých objednávek. Ideální pro: recency (doba od posledního nákupu), rozestupy mezi nákupy (IPT) a průměrnou hodnotu objednávky (AOV).

Rank Quantile

Percentil - pořadí mezi všemi zákazníky. Neřeší absolutní hodnoty, jen pořadí. Ideální pro 'TOP X %' a férové porovnání (např. monetary, frequency). Výsledek je vždy pěkně rozprostřený.

Výchozí metody pro metriky

Doba od posledního nákupu (RECENCY)

Robust MAD: Většina nakupuje 'nedávno', pár je dlouho ticho → je potřeba robustní metoda.

Doporučeno: robust_mad. Alternativa: zscore_cdf, když chceš číst výstup jako 'pravděpodobnost' rizika.

Průměrná doba mezi nákupy (IPT)

Robust MAD: Pravidelné nákupy vs. pár extrémně dlouhých pauz → robustní vyhrává.

Doporučeno: robust_mad. Alternativa: zscore_cdf pro 'pravděpodobnost dalšího nákupu'.

Celková hodnota nákupů (MONETARY)

Rank Quantile: Pár VIP utrácí výrazně víc → percentily férově seřadí.

Doporučeno: rank_quantile. Alternativa: minmax, když chceš lineární, snadno čitelné skóre.

Počet nákupů (FREQUENCY)

Rank Quantile: Většina nakupuje občas, pár velmi často → percentily jsou fér.

Doporučeno: rank_quantile.

Průměrná hodnota nákupu (AOV)

Robust MAD: Velké objednávky umí zkreslit průměr → robustní metoda to uhlídá.

Doporučeno: robust_mad. Alternativa: rank_quantile pro jednoduché pořadí.

Podíl vrácených objednávek (RETURN_RATE)

Min-Max: Už je to 0-1 → převeď jednoduše na 0-100.

Doporučeno: minmax. Alternativa: rank_quantile pro relativní pořadí mezi zákazníky.

Podíl nákupů, u kterých byly použity body (ENGAGEMENT_POINTS)

Min-Max: Podíl v 0-1 → jednoduché a čitelné.

Doporučeno: minmax. Alternativa: rank_quantile pro porovnání napříč bázi.

Doba, po kterou zákazník nakupuje (LIFESPAN)

Robust MAD: Většina je krátce, pár hodně dlouho → robustní lépe zvýrazní odchylky.

Doporučeno: robust_mad.

Co je to invertování?

Invertování mění směr škály metriky. Když je metrika invertována, nižší hodnoty dostanou vyšší skóre a naopak. To je užitečné pro metriky, kde 'lepší' znamená nižší hodnotu (např. recency - doba od posledního nákupu).

Defaultně invertované metriky:

Recency - doba od posledního nákupu (větší hodnota = horší zákazník)

Interpurchase time - rozestupy mezi nákupy (větší hodnota = horší zákazník)

Return rate - podíl vrácených objednávek (větší hodnota = horší zákazník)

Kdy neinvertovat (pro Churn modely):

Pokud vytváříte model pro odhad rizika odchodu zákazníka (Churn), neinvertujte tyto metriky. Vyšší skóre pak bude znamenat vyšší riziko odchodu.

Kdy invertovat (pro RFM modely):

Pro klasické RFM segmentace invertujte metriky, kde 'větší = horší'. Vyšší skóre pak bude znamenat lepšího zákazníka.

Praktický start:

RFM – Recency 40 %, Frequency 30 %, Monetary 30 %.

Churn - Interpurchase time 100 %

Metriky jednoduchého modelu pro předpověď odchodu zákazníka (Churn model)

4) Nastavte segmenty podle skóre

V sekci Segmentace podle skóre vytvořte segmenty s rozpětím 0–100 (viz obrázek „Segmentace podle skóre“).

Rozsahy jsou intervaly zleva uzavřené a zprava otevřené. Musí pokrýt celé rozmezí 0–100 a musí na sebe navazovat.
Běžná šablona:
- Champions: 80–100
- Loyal: 60–80
- Recent: 30–60
- Need to reactivate: 20–30
- Lost: 0–20

5) Uložte model

Klikněte na Uložit.

Model je připravený pro analýzy (distribuce segmentů, trendy, přechody mezi segmenty, export do CSV).

Jak se počítá skóre (zjednodušeně)

Systém z vašeho časového okna načte hodnoty vybraných metrik pro každého zákazníka.
Každou metriku normalizuje na škálu 0–1 (interní metodika; směr „více je lépe“ je zohledněn).
Výsledné skóre = součet (metrika × váha) napříč metrikami.
Podle skóre se zákazník zařadí do segmentu, který odpovídá zadanému rozsahu.

Intuice: Nižší Recency (nakoupil nedávno) → lepší skóre. Vyšší Frequency/Monetary → lepší skóre. Vyšší Return rate (více vratek) → horší skóre, atd.

Dostupné metriky (definice, jednotky, interpretace)

Níže uvedené metriky přesně odpovídají implementaci v systému.

Recency – dny od posledního nákupu
- Definice: počet dní od poslední objednávky do dnešního dne.
- Jednotka: dny (celá čísla).
- Interpretace: nižší je lepší (nakoupil nedávno).
Monetary – celková hodnota nákupů
- Definice: součet hodnot objednávek v období.
- Jednotka: měna vašeho účtu (Kč/EUR), jiná měna se automaticky přepočítává dle denního kurzu.
- Interpretace: vyšší je lepší (hodnotnější zákazník).
Frequency – počet nákupů
- Definice: celkový počet objednávek v období.
- Jednotka: počet (celé číslo).
- Interpretace: vyšší je lepší (častější nákupy).
Avg order value – průměrná hodnota objednávky
- Definice: Monetary / Frequency.
- Jednotka: měna účtu.
- Interpretace: vyšší je lepší (větší košík).
Interpurchase time – průměrný čas mezi nákupy
- Definice: (poslední nákup − první nákup) / (počet nákupů − 1).
- Jednotka: dny (desetinné).
- Interpretace: nižší je lepší (nakupuje častěji).
- Pozn.: pokud má zákazník v období jen 1 nákup, hodnota je 0 (není co průměrovat).
Return rate – podíl vrácených objednávek - objednávka v Shoptet stavu Stornovaná
- Definice: 1 − (valid_count / total_count).
- Jednotka: podíl 0–1 (zobrazit lze i v %).
- Interpretace: nižší je lepší (méně vratek = kvalitnější nákupy).
Points used – podíl nákupů s použitím bodů
- Definice: points_used_count / total_count.
- Jednotka: podíl 0–1 (zobrazit lze i v %).
- Interpretace: vyšší = častěji uplatňuje body (citlivost na odměny/slevy).
Lifespan – doba, po kterou zákazník nakupuje
- Definice: (poslední nákup − první nákup) v dnech / 30, zaokrouhleno na celé měsíce.
- Jednotka: měsíce (celá čísla).
- Interpretace: vyšší je lepší (se značkou je „déle“).
- Pozn.: pokud jsou < 2 nákupy, hodnota je 0.

Doporučení k nastavení

Začněte jednoduše (RFM): Recency 40 %, Frequency 30 %, Monetary 30 %.
Zvažte doplnění kvality: přidejte Return rate s nižší vahou (např. 10–20 %).
Citlivost na odměny: pro věrnostní programy zvažte Points used (10–20 %).
Časové okno ≈ nákupní cyklus: pro rychloobrátkové zboží kratší (60–90 dní), u pomala (180+).
- Subscription-friendly (káva, holení apod.) – 30 dní a méně.
- Spotřební / doplňkový (krmivo, kosmetika, suplementy) – 30-90 dní.
- Móda & doplňky – 90-180 dní.
- Hobby / sezónní – 180-365 dní.
- Dlouhoživotní (elektronika, nábytek) –365 dní
- Smíšený – dle uvážení, například 180 dní.
Segmenty: držte jasné hranice, bez překryvů, pokrývající 0–100.
Pojmenování: název modelu uveďte s obdobím (např. „RFM 180d“).

Nejčastější chyby

Váhy nedávají 100 % → model nelze uložit.
Překryv segmentů nebo nepokryté rozmezí 0–100 → zákazníci by se neřadili správně, model nelze uložit..
Nevhodné časové okno → zkreslené metriky (např. příliš krátké u pomalého sortimentu).
Ignorování vratek → chybí kontrola kvality (doporučeno sledovat Return rate).

Doporučené akce pro segmenty v RFM analýze

Níže najdete praktické tipy, jak pracovat se segmenty definovanými v modelu (např. Champions, Loyal, Recent, Need to reactivate, Lost). Vychází z metrik Recency, Frequency, Monetary a doplňkových metrik (např. Return rate, Points used).

Champions (80–100)

Cíl: udržet spokojenost a hodnotu nákupů, budovat ambasadory.

VIP péče a exkluzivita: přednostní přístup k novinkám, limitkám, early-access akce, předobjednávky.
Odměny bez silných slev: bonusové body, dárky k objednávce, doprava zdarma – šetřete marži.
Referral & UGC: aktivujte doporučovací program, pošlete motivaci k recenzím/fotkám.
Personalizace: doporučení prémiových/bundle produktů podle historie.
KPI: AOV (průměrná hodnota objednávky), NPS/recenze, podíl opakovaných nákupů.

Loyal (60–79)

Cíl: zvýšit frekvenci a hodnotu košíku, posun do Champions.

Věrnostní motivátory: krokové odměny (milníky), dvojnásobné body v určité dny.
Cross-sell/upsell: chytré doplňky k posledně koupenému zboží, předplatná.
Programové výhody: klubové ceny, delší lhůty vrácení, servisní benefity.
Automatizace: připomínky spotřebního zboží dle interpurchase time.
KPI: Frequency, AOV, Points used (využití odměn).

Recent (30–59)

Cíl: dotlačit k 2. nákupu a vytvořit návyk.

Onboarding série: poděkování, návod „jak z produktu vytěžit maximum“, tipy a triky.
Druhý nákup s lehkým stimulem: malý bonus místo plošné slevy - dárek k objednávce.
Časování podle Recency: připomínka ve chvíli, kdy obvyklí zákazníci dělají další nákup.
Snižte bariéry: doprava zdarma nad určitou částku, jednoduchý výběr doplňků.
KPI: konverze na 2. nákup, čas do 2. nákupu, AOV druhého nákupu.

Need to reactivate (20–29)

Cíl: zamezit odchodu, obnovit návyk.

Win-back kampaně: omezená nabídka s jasnou deadlinou (bonus body, dárky, šetřit marži).
Důvod odchodu: krátký průzkum spokojenosti (kvalita, cena, doprava); nabídněte řešení.
Relevantní novinky: ukažte nové kolekce/alternativy k poslednímu nákupu.
Kanály s nízkým CPA: e-mail/SMS push dřív než placené reklamy.
KPI: reaktivace (návrat do 30 dní), změna Recency, odhad CLV po reaktivaci.

Lost (0–19)

Cíl: rozhodnout, koho ještě oslovovat a koho „nechat odejít“.

Levné, jednorázové pokusy: repermission e-mail, výprodej/clearance, poslední nabídka.
Segmentace podle hodnoty: vysoké Monetary → zvažte individuální návrh; nízká hodnota → omezte nákladné kanály.
Čistota databáze: odhlašujte neaktivní kontakty (doručitelnost, reputace).
Remarketing jako akvizice: pracujte s nimi jako s novými zákazníky.
KPI: reaktivace, doručitelnost e-mailů, náklady na pokus vs. získaná marže.

Tipy napříč segmenty

Return rate↑: snižte agresi slev, nabídněte lepší edukaci k výběru velikostí/variant, zlepšete popisy.
Points used↑: stavte kampaně na bodech (boostery, dny 2× body), ale hlídejte profit.
Interpurchase time využijte pro časování připomínek a replenishment kampaní.
ProductAnalysis: doporučujte kombinace produktů, které se spolu běžně kupují.
Testujte předměty e-mailů, incentive a časování per segment; sledujte dopad na CLV a marži.

Kde model využijete dál

Seznam zákazníků – filtrování podle modelu a segmentu. Segmentace zákazníka v nastavených modelech se počítá automaticky 1x denně.
Reporty – distribuce segmentů, přechody mezi segmenty v čase, vývoj metrik, export CSV pro přenos do analytických platforem.
Kampaně & věrnost – cílení odměn a reaktivačních nabídek přes externí služby.

Dostupnost a automatické výpočty

V trial verzi je k dispozici omezený počet analytických modelů.

Pokud je zapnutá funkce Ellity BI, systém automaticky přepočítává segmentaci zákazníků 1× denně v nočních hodinách a vždy zohlední data za předchozí den.

Kromě toho lze spouštět výpočty podrobných reportů jak pro porovnání distribucí zákazníků mezi segmenty, tak pro přechody mezi segmenty mezi dvěma zvolenými dny. Tyto detailní výstupy obsahují pro každého zákazníka jeho aktuální segment, celkové skóre a také vstupní hodnoty metrik použité pro výpočet. Kompletní dataset lze stáhnout jako CSV pro další zpracování v externích nástrojích.