Mentionsy Mentionsy
Growth, Scale & Automate
Growth, Scale & Automate

Dlaczego Twoja firma NIE jest data driven (i nawet o tym nie wiesz) [Adrian Andrzejczyk]

25.02.2026 ·1 godz 22 min · 1 rozdział · 1 sponsor

W tym odcinku Growth Scale Automate Oskar Szarek rozmawia z Adrian Andrzejczyk o praktycznym wykorzystaniu danych w marketingu i sprzedaży.Rozmowa dotyczy m.in. pracy z GA4, hurtowni danych, automatyzacji raportowania oraz sposobów oceny skuteczności kanałów reklamowych. Adrian dzieli się doświadczeniem z projektów dla małych firm i dużych organizacji, pokazując, gdzie dane realnie pomagają w podejmowaniu decyzji.🔍 W odcinku:🟠 Wdrażanie hurtowni danych krok po kroku🟠 Automatyzacja raportów i eliminacja pracy ręcznej🟠 Analiza ścieżek zakupowych🟠 Modele atrybucji i badania incrementalne🟠 Pomiar wpływu brandu na sprzedaż🟠 Narzędzia dla MŚP i Enterprise💼 Gość: Adrian Andrzejczyk🔗 LinkedIn: https://pl.linkedin.com/in/adrianandrzejczykPodcast Adriana: https://www.youtube.com/@itosieliczy🚀 Odcinek dla osób rozwijających e-commerce, marketing i sprzedaż w oparciu o dane.📩 Subskrybuj, aby nie przegapić kolejnych rozmów.🔗 Social media:➡️ Facebook: /growthscaleautomate➡️ TikTok: /growthscaleautomate➡️ Instagram: /growthscaleautomate➡️ LinkedIn: /growthscaleautomate-------------#GrowthScaleAutomate #Analityka #Marketing #GA4 #Dane #Ecommerce #PodcastBiznesowy-------------03:00 – Data driven marketing w polskich firmach05:00 – GA4 i jakość danych07:30 – Automatyzacja raportowania i hurtownie danych10:30 – Praca z danymi w e-commerce14:00 – Data driven vs data inspired marketing18:00 – Problemy z atrybucją i last click22:00 – Ścieżka klienta i kanały sprzedaży26:00 – Badania incrementalne i pomiar skuteczności reklam30:00 – Budowanie marki w oparciu o dane34:00 – Pomiar brandu i Google Trends38:00 – BigQuery i integracja źródeł danych42:00 – Analityka w MŚP i Enterprise46:00 – Serverside tracking i jakość danych50:00 – Jak skalować biznes dzięki danym54:00 – Najczęstsze błędy firm w analityce58:00 – Podsumowanie i rekomendacje

61:32 · Synerise 2

ekspedientka ci mówi, że dzisiaj masz taki i taki rabat albo na te konkretne produkty. System w czasie rzeczywistym też przetwarza Twoje stany magazynowe na tej konkretnej placówce itd. To obsługa klienta ma bezkonkurencyjny feedback na temat tej osoby. Kiedy ona była w online, kiedy w aplikacji, co ona robi itd. Ona nie dostaje tych danych takich jak analityk, tylko konkretne rekomendacje. Dostaje ramkę rekomendacji z tymi produktami. Co możesz wybrać. I to jest, słuchaj, to jest kształt, to jest kolor, to są takie szczegóły. Na których kiedyś wygrał Amazon. O, to jest dobry przykład. O Amazonie też piszę w książce. Amazon wygrał tym, że miał tak dokładną analitykę połączoną z AI i dawał nam tak precyzyjne rekomendacje, że Ty wchodziłeś na Amazona i widziałeś te żyletki do maszynki, które miałeś kupić.

W ogóle nie wiesz czemu, to się wyświetliło na stronie głównej. Przecież tylko raz byłeś na Amazonie i to dwa miesiące temu. I te silniki, które miał kiedyś Amazon którymi Amazon zrobił sobie przewagę konkurencyjną i zdobył pozycję lidera, bo tak naprawdę AI już wtedy, czy może bardziej Machine Learning, dane były kołem zamachowym całego Amazona. Dzisiaj my to mamy na wyciągnięcie ręki i możemy to wdrożyć w naszych sklepach nawet offline'owych. No co się później dzieje? Oczywiście mamy tu informację o tym zakupie offline'owym. Mamy to w naszym jednym źródle prawdy, które możemy zintegrować z BigQuery i tam prowadzić dalsze analizy. I tu akurat w tym przypadku robimy też analizę, bo powiem tak, mi wyszło bardzo niskie lifetime value przy analizie tego klienta.

Pokazano wszystkie 2 dopasowania. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.