4. Prognozowanie popytu w sklepie internetowym
4.2. Popyt w sklepie internetowym
Prognozowanie popytu w sklepie internetowym jest zadaniem niezwykle interesu-jącym ze względu na specyficzny charakter handlu internetowego. Należy jednak pa-miętać, że uzyskane prognozy mogą być obarczone znacznym błędem, ponieważ
otwarte środowisko sieciowe, w którym odbywa się handel, podlega dynamicznym nieprzewidywalnym zmianom. W dalszej części rozdziału zostaną przeanalizowane cechy charakterystyczne popytu w sklepach internetowych.
Charakterystyka klientów sklepów internetowych jest nieco inna niż sklepów tra-dycyjnych. Przede wszystkim w handlu elektronicznym nie występuje bariera geogra-ficznego dostępu do sklepu. Można więc uznać, że potencjalnymi klientami sklepu internetowego są osoby mające dostęp do Internetu i posługujące się językiem, w któ-rym zbudowany jest interfejs klienta. W przypadku gdy witryna jest wielojęzyczna, lub sklep ma kilka witryn w różnych językach, zasięg geograficzny klientów jest ogromny, a liczba potencjalnych klientów sięga setek milionów. Obecnie bariera języ-kowa również przestaje być problemem dla klienta e-sklepu, ze względu na powsta-wanie coraz doskonalszych automatycznych translatorów. Przykładem tego typu wie-lojęzycznego tłumacza jest Google Translator. Oczywiście należy sobie zdawać sprawę z niedoskonałości automatycznego tłumaczenia, które wciąż wymaga od czy-tającego tekst dużej dozy inteligencji, aby zrozumieć co „tłumacz miał na myśli” [Chodak, Ropuszyńska-Surma, 2008A].
Brak ograniczeń geograficznych skutkuje większą różnorodnością klientów, a co za tym idzie większym zróżnicowaniem gustów, zainteresowań, potrzeb itp. Hetero-geniczność klientów powinna przekładać się na spłaszczenie dystrybuanty, będącej obrazem rozkładu sprzedawanych towarów. W sklepach o dużej liczbie pozycji asor-tymentowych dystrybuanta przypomina długi ogon, co świadczy o tym, że w e-handlu sprzedają się nie tylko bestsellery. Ta ogromna różnorodność klientów i generowany przez nich popyt są w stanie pozytywnie zaskoczyć właściciela sklepu zamówieniami na towary, które zalegały w magazynie, jednak z drugiej strony kwestia ta znacznie utrudnia prognozowanie popytu [Chodak, Ropuszyńska-Surma, 2008A].
Analizując popyt w sklepie internetowym, należy również pamiętać o charakterysty-ce potencjalnego klienta. Jak już wspomniano, potencjalnym klientem jest każdy inter-nauta posługujący się językiem, w którym stworzona jest witryna sklepu. Badając popyt w polskich sklepach internetowych, należy więc przeanalizować charakterystykę pol-skiego internauty. Warto zwrócić tu uwagę na strukturę wiekową – z badania NetTrack przeprowadzonego w okresie luty–kwiecień 2010 r. przez firmę MillwardBrown SMG/KRC wynika, że wśród internautów dominują osoby w wieku 25–39 lat (38%), a tuż za nimi plasują się osoby w wieku 15–24 lat (30%). Osoby w wieku 40–59 lat stanowią 28%, a osoby powyżej 60 roku życia to jedynie 4% populacji internautów [http://www.bankier.pl/wiadomosc/52-proc-Polakow-korzysta-z-internetu-2158198.html]. Z danych tych wynika, że wśród polskich internautów dominują ludzie młodzi, co po-winno zostać uwzględnione podczas prognozowania popytu w sklepie internetowym [Chodak, Ropuszyńska-Surma, 2008A].
Kolejnym wyróżnikiem sklepów internetowych dotyczącym popytu jest wskaźnik konwersji, czyli procent klientów odwiedzających sklep, którzy dokonują zakupu. W przypadku pojedynczych towarów powinno się wyliczyć stosunek klientów, którzy
kupili dany produkt do tych, którzy oglądali dany produkt w sklepie internetowym, czyli wygenerowali zapytanie do serwera o wyświetlenie strony zawierającej opis produktu. Należy pamiętać, że odsetek osób, które weszły do sklepu internetowego i zrealizowały transakcję zakupu jest znacznie mniejszy niż w tradycyjnych sklepach [Chodak, Ropuszyńska-Surma, 2008A]. Można tu wysunąć tezę, że w sklepach inter-netowych potencjalny popyt jest znacznie większy niż w tradycyjnych, ponieważ każdy klient odwiedzający witrynę sklepu może w dowolnej chwili podjąć decyzję o zakupie towaru. Jednak to nie potencjalny, lecz rzeczywisty popyt generuje przy-chody, należy więc precyzyjnie oszacować wskaźnik konwersji.
Warto również wspomnieć o wpływie działań marketingowych na sprzedaż w sklepie internetowym. W przypadku tradycyjnych sklepów dotarcie z bezpośrednią reklamą do wszystkich potencjalnych klientów wiąże się ze znacznymi kosztami i mogą sobie na to pozwolić jedynie duże sieci handlowe. Efekt zwrotny takich kosz-townych kampanii reklamowych bywa różny, ponieważ klient po otrzymaniu np. ga-zetki reklamowej musi zapoznać się z ofertą i w bliżej nieokreślonej przyszłości udać się do sklepu. Marketing internetowy umożliwia natychmiastową realizację transakcji zakupu przez klienta zachęconego reklamą, np. banerem lub mailingiem. Ta cecha handlu elektronicznego może przełożyć się na bardzo gwałtowne zwiększenie sprze-daży zareklamowanej pozycji. Można więc wysnuć hipotezę, że popyt w sklepie in-ternetowym silniej koreluje z podejmowanymi działaniami marketingowymi. Progno-zując popyt dla sklepu internetowego, konieczne jest uwzględnienie w modelu prognostycznym działań marketingowych, takich jak mailing, kampania banerowa, kampania w serwisach społecznościowych czy płatna reklama w wyszukiwarkach [Chodak, Ropuszyńska-Surma, 2008A].
Kolejną interesującą kwestią dotyczącą popytu w sklepie internetowym, a związa-ną z działaniami marketingowymi jest struktura witryny. Często używanym narzę-dziem jest cross-selling, polegający na oferowaniu towarów komplementarnych do tego, który ogląda klient. Relacja komplementarności może być na sztywno ustawiona w systemie lub wynikać z analizy zachowania się klientów. Prognozując popyt, należy uwzględnić relacje komplementarności między towarami. Jeśli są one predefiniowane, czyli administrator sklepu sam decyduje, jakie towary zostaną wyświetlone, jako uzu-pełnienie dla oglądanego towaru, uwzględnienie tych relacji wydaje się proste. W przypadku, gdy dobór wyświetlanych towarów dokonywany jest w sposób dyna-miczny, na podstawie akcji podejmowanych przez klienta, należy powstające relacje między towarami analizować, gdyż mogą one znacząco wpływać na popyt [Chodak, Ropuszyńska-Surma, 2008A].
Kolejnym wykorzystywanym w działaniach marketingowych instrumentem jest cena (por. marketing mix). Polityka cenowa i promocja sprzedaży, w zależności od elastyczności cenowej popytu, wpływa na wielkość sprzedaży oraz przychody przed-siębiorstwa. Producenci decydując się na promocję produktu polegającą na obniżce ceny muszą się liczyć z tym, że konkurenci zareagują na ich ruch i również zmniejszą
ceny. Dlatego na rynku można zauważyć „efekt domina” wprowadzanych działań mar-ketingowych przez jednego z dystrybutorów. Ponadto reakcja konsumenta na zmianę ceny jest zazwyczaj zgodna z prawem popytu, jednak siła tej reakcji, mierzona współ-czynnikiem elastyczności cenowej popytu, może być inna w przypadku zakupów w tradycyjnych punktach sprzedaży, a inna w sklepach internetowych. W tradycyjnym handlu konsument ma zazwyczaj ograniczone możliwości porównania ofert cenowych produktów u innych dostawców. W sklepach internetowych porównanie ofert cenowych jest stosunkowo proste i uzyskanie przeglądu cenowego rynku dla danego towaru nie wymaga czasochłonnych zabiegów. W handlu internetowym klienci mogą skorzystać chociażby z internetowych serwisów porównywania cen, zwanych popularnie porów-nywarkami cenowymi, których obecnie w polskim Internecie działa już kilkadziesiąt (np. Ceneo.pl, Skapiec.pl). Z tego powodu wrażliwość na cenę jest jeszcze większa. Potwierdzają to również badania (por. [Ellison, Ellison, 2001]). Fakt ten jest istotną przesłanką, aby w prognozowaniu popytu na produkty oferowane w sklepach interneto-wych uwzględniać ceny konkurentów [Chodak, Ropuszyńska-Surma, 2008A].