Skład koszyka: Analiza asortymentu produktów bez wyolbrzymiania intencji

Dwie transakcje mogą mieć taką samą liczbę produktów i wartość, a jednocześnie odzwierciedlać różne historie handlowe. Jedna może obejmować kompletny rodzinny obiad z kilku kategorii. Druga może zawierać sześć sztuk jednego promowanego napoju. Pod względem wielkości koszyka wynik jest remisowy. Różnica tkwi w składzie koszyka.

Skład koszyka opisuje strukturę transakcji pod kątem kategorii, marek, przedziałów cenowych, rodzajów opakowań i funkcji produktów. Może pomóc zespołom ds. Retail Media zrozumieć kontekst zakupu, porównać koszyki z ekspozycją reklamową i koszyki kontrolne oraz zidentyfikować, w jaki sposób kampania zmieniła skład koszyka.

Nie ujawnia ona jednak z całą pewnością intencji. Koszyk jest dowodem behawioralnym, a nie zapisem toku rozumowania shoppersów.

Co obejmuje skład koszyka

Profil składu koszyka może zawierać:

• udziały kategorii i podkategorii;
• struktura marek i marek własnych;
• produkty z segmentu premium, mainstream i ekonomicznego;
• produkty objęte promocją i nieobjęte promocją;
• jednostki, odrębne jednostki magazynowe (SKU) oraz zakres kategorii;
• grupy operacyjne: produkty świeże, przechowywane w temperaturze pokojowej, mrożone lub inne;
• produkty docelowe, zamienne i uzupełniające;
• odnotowane etykiety transakcji, takie jak: promowane, powtórne, pierwszorazowe, potencjalne produkty zastępcze, potencjalne produkty uzupełniające lub nierozstrzygnięte.

Profil można wyrazić za pomocą liczby pozycji, ilości, przychodów lub marży. Należy określić, która podstawa została zastosowana. Kategoria może stanowić niewielki udział w liczbie jednostek, ale duży udział w wartości. Udziały mają charakter składowy i sumują się do stałej wartości całkowitej: jeden udział może wzrosnąć, ponieważ wzrosła jego licznik, ponieważ spadła inna część koszyka lub ponieważ miały miejsce obie te sytuacje. Należy analizować każdy udział obok bezwzględnej liczby jednostek, wartości oraz liczby koszyków, w których dany produkt się znajduje.

Dokumentacja Google Analytics dotycząca e-commerce obsługuje pola na poziomie pozycji, takie jak identyfikator, marka, kategoria, cena i ilość w zdarzeniach związanych z koszykiem i zakupem.[3] Sprzedawcy detaliczni potrzebują spójnej taksonomii i atrybutów produktów, zanim pola te będą mogły zapewnić wiarygodny profil składu.

Skład całego koszyka różni się od analizy par kierunkowych oraz od rekomendacji formułowanych, gdy koszyk jest jeszcze otwarty. Przedstawia on profil zakończonej transakcji, a nie odpowiada na żadne z tych powiązanych pytań.

Tworzenie profilu warstwowo

Warstwa transakcji

Zacznij od zakupionego koszyka. Policz sztuki, unikalne produkty, kategorie i wartość transakcji. Zapisz promocje, zwroty i zamiany.

Warstwa roli produktu

Oddzielaj zaobserwowane atrybuty od wywnioskowanych ról. Preferuj etykiety transakcji poparte bezpośrednio zdarzeniami, takie jak „promocja”, „powtórka”, „pierwszy zakup”, „kandydat na zamiennik” lub „kandydat na uzupełnienie”. Jeśli używana jest rola, taka jak „rutynowy”, „specjalny” lub „docelowy”, udokumentuj regułę, poziom pewności, dozwolone zastosowanie oraz uzasadnienie przedstawione analitykowi. Zapewnij alternatywę na wypadek braku rozstrzygnięcia, zamiast narzucać etykietę stanu umysłu. Role mogą się zmieniać w zależności od misji, więc nigdy nie traktuj ich jako stałych cech kupującego.

Warstwa kupującego i wizyty

Dodaj zmienne zastępcze dotyczące kanału, formatu sklepu, czasu, częstotliwości i misji. Zmienne te pomagają wyjaśnić, dlaczego skład koszyka się różni, ale nie należy ich mylić z samym składem koszyka.

Warstwa komercyjna

Zidentyfikuj reklamowany produkt, zestaw konkurencyjny, poziom promocji oraz kwalifikowalność do kampanii. Łączy to profil koszyka z decyzją, na którą ma wpływać plan medialny.

Przydatna tabela składu pozwala na rozdzielenie poszczególnych warstw. Połączenie wszystkich cech w jeden segment może skutkować etykietą, której żaden nabywca nie będzie w stanie wyjaśnić ani wykorzystać. Zablokuj lub wersjonuj hierarchię produktów dla okna analitycznego, spójnie przypisuj przeklasyfikowane jednostki magazynowe (SKU) w okresach przed i po, oraz ujawniaj produkty, które nie zostały przypisane lub zostały przypisane do kilku kategorii. W przeciwnym razie odchylenie taksonomiczne może spowodować zmianę składu.

Zakupy dokonywane razem nie zawsze oznaczają jeden cel

Badania dotyczące rekomendacji w ramach koszyka wskazują, że koszyki mogą zawierać wiele intencji, a shoppers mogą przełączać się między nimi w trakcie jednej sesji.[4] Koszyk spożywczy może łączyć produkty na obiad, śniadanie i uzupełnienie zapasów domowych. Zamówienie na platformie handlowej może łączyć niepowiązane potrzeby, ponieważ ekonomika dostawy sprzyja jednej transakcji.

Badania nad produktami uzupełniającymi również traktują zachowania związane z koszykiem i przeglądaniem produktów jako dowody, na podstawie których wyciąga się wnioski o powiązaniach, a nie jako doskonałe odzwierciedlenie intencji.[5] Niedawny preprint branżowy ostrzega, że surowe dane dotyczące wspólnych zakupów mogą generować nieprecyzyjne lub nieodpowiednie rekomendacje produktów uzupełniających, jeśli nie zostaną poddane ograniczeniom i weryfikacji.[6]

Należy stosować ostrożne sformułowania:

• „związane z” zamiast „spowodowane przez”;
• „zgodne z celem związanym z posiłkiem” zamiast „klient zamierzał przygotować posiłek”;
• „potencjalny produkt uzupełniający” zamiast „produkt niezbędny”;
• „zaobserwowane w tym samym koszyku” zamiast „preferowane razem”.

Takie podejście poprawia zarówno ochronę prywatności, jak i jakość podejmowanych decyzji.

Wzorce kompozycji, które mogą usprawnić planowanie mediów

Zakres kategorii

Szeroki koszyk może wspierać kreacje związane z okazją lub uzupełnianiem zapasów, podczas gdy wąski koszyk może wymagać bezpośredniego przekazu dotyczącego kategorii. Zakres to kontekst, a nie automatyczne pozwolenie na więcej reklam.

Miks portfolio marek

Firma posiadająca wiele marek może sprawdzić, czy reklamowana marka pojawia się obok innych produktów z portfolio, produktów konkurencji czy marek własnych. Wynik może wpłynąć na planowanie międzymarkowe, ale wspólna własność nie oznacza jeszcze dobrej relacji z klientem.

Zróżnicowanie przedziałów cenowych

Produkt docelowy może trafić do koszyków z produktami premium, koszyków z produktami ekonomicznymi lub do koszyków o zróżnicowanym przedziale cenowym. Może to pomóc w podejmowaniu decyzji dotyczących kreacji i asortymentu. Nie należy wyciągać wniosków na temat dochodów gospodarstwa domowego na podstawie jednej transakcji.

Miks promocji

Koszyk w okresie trwania kampanii może zawierać więcej produktów promocyjnych, nawet jeśli jego wartość wzrośnie. Należy oddzielić wpływ mediów, cen i promocji.

Mieszanka produktów uzupełniających i zastępczych

Promowany produkt może pełnić nową rolę, zastąpić produkt konkurencyjny lub zmienić wielkość opakowania. Każdy z tych efektów ma inne znaczenie handlowe.

W przypadku powiązań z kategoriami pokrewnymi, podobieństwo kategoryczne może pomóc w zdefiniowaniu audiencji. Skład koszyka pozwala następnie sprawdzić, co faktycznie pojawiło się w kontekście transakcji.

Przykład z praktyki

Marka kawy premium prowadzi kampanię onsite i in-store. Sprzedaż i średnia wartość koszyka wzrosły wśród shopperów, którzy mieli kontakt z kampanią.

Analiza składu koszyka pozwala ustalić, co zmieniło się w tych koszykach. Czy kawa premium zastąpiła kawę z segmentu masowego? Czy shoppers dodali do koszyka ciastka lub produkty śniadaniowe? Czy kupili większe opakowania ze względu na promocję? Czy w grupie, na którą skierowano reklamę, po prostu odnotowano więcej cotygodniowych zakupów zapasowych?

Raport może porównać:

• częstość występowania w kategorii kawy;
• udział marek i segmentów w koszykach z kawą;
• zakres kategorii i liczbę jednostek;
• obecność uzupełniającej kategorii śniadaniowej;
• udział produktów promowanych;
• całkowita wartość i marża;
• struktura misji zakupowych w grupie eksperymentalnej i kontrolnej.

Jeśli udział marek premium wzrośnie, a wskaźnik występowania kategorii kawy pozostanie na niezmienionym poziomie, kampania mogła wpłynąć na zmianę wyborów w obrębie tej kategorii. Jeśli wskaźnik występowania kategorii i zakres produktów śniadaniowych wzrosną jednocześnie, kampania mogła przyczynić się do rozszerzenia okazji konsumpcyjnej. Jeśli zmieni się jedynie wielkość opakowania promowanego produktu, mechanizmy cenowe mogą w znacznym stopniu wyjaśniać ten wynik.

Analiza składowa przekształca jedną linię sprzedaży w kilka mechanizmów, które można poddać testom.

Porównuj podobne elementy

Wytyczne IAB/MRC kładą nacisk na spójne definicje, przejrzyste źródła danych oraz jasny zakres atrybucji.[1] Porównania kompozycji powinny opierać się na tej samej taksonomii produktów, zasadach transakcji, logice okresów oraz filtrach dostępności.

Należy porównać co najmniej:

1. Stan przed rozpoczęciem kampanii: Czy koszyki w grupie eksperymentalnej i kontrolnej były podobne przed rozpoczęciem kampanii?
2. Obserwowany skład: które kategorie, marki, poziomy cenowe i role uległy zmianie?
3. Mechanizm handlowy: Czy zmiana polegała na dodaniu, zastąpieniu, wyborze produktu wyższej klasy, promocji czy zmianie struktury zakupów?
4. Oszacowanie przyczynowości: Czy skład różnił się od wiarygodnego scenariusza alternatywnego?

IAB i IAB Europe odróżniają atrybucję od inkrementalności i wymagają wiarygodnych scenariuszy kontrfaktycznych oraz kontroli błędów systematycznych.[2] Ma to znaczenie, ponieważ media są często kierowane na podstawie tych samych sygnałów behawioralnych, które są później wykorzystywane do opisania „wpływu”.

W miarę możliwości należy stosować losowy przydział do grupy eksperymentalnej. Jeśli konieczne jest dopasowanie, należy uwzględnić strukturę koszyka z okresu przedkampanijnego, kanał, sklep, wskaźniki zastępcze misji, promocję i dostępność. Nie należy porównywać narażonych nabywców produktów premium z całkowitą bazą shopperów i nazywać wynikowego składu produktów premium efektem kampanii.

W przypadku pełnego łańcucha zdarzeń należy stosować closed-loop measurement. Skład jest częścią wyniku zakupu, a nie zastępuje projektowanie przyczynowo-skutkowe.

Przydatne wskaźniki kompozycji

Należy wybrać niewielki zestaw wskaźników powiązanych z celem kampanii:

• częstość występowania produktu docelowego;
• udział kategorii w liczbie sztuk lub wartości;
• liczba różnych kategorii w koszyku;
• udział promowanych produktów;
• udział marek własnych lub marek w danej kategorii;
• udział produktów klasy premium;
• uzupełniająca rola;
• wyparcie produktów zastępczych;
• dodanie nowej kategorii;
• wkład w marżę, jeśli jest dostępny.

Należy przedstawiać rozkłady lub planowane segmenty, a nie tylko ogólne średnie. Jedna duża grupa misji może przesłaniać przeciwne efekty występujące gdzie indziej.

Należy unikać tworzenia pojedynczego „wskaźnika złożonego”, chyba że jego składniki, wagi i znaczenie biznesowe są jasno określone. Wskaźnik złożony może uprościć raportowanie, ale może również ukrywać, czy zmiana wynikała z ilości, ceny, promocji czy asortymentu.

Typowe błędy

Traktowanie składu koszyka jako intencji. Koszyk sugeruje kontekst, ale nie ujawnia myśli kupujących.

Stosowanie niestabilnej taksonomii produktów. Błędnie sklasyfikowane produkty powodują fałszywe przesunięcia między kategoriami.

Ignorowanie koszyków o wielu celach. Jedna transakcja może obejmować kilka niepowiązanych ze sobą zadań.

Mylenie analizy par z strukturą całego koszyka. Związek jest jednym z elementów, a nie pełnym obrazem składu koszyka.

Ignorowanie promocji i dostępności. Oba te czynniki mogą zmienić zawartość koszyka bez udziału mediów.

Wywodzenie wrażliwych cech. Wzorce zakupowe nie powinny stawać się spekulatywnymi etykietami osobistymi.

Raportowanie wyłącznie wartości. Przychody mogą rosnąć, podczas gdy zakres kategorii, liczba sztuk lub marża zmieniają się w inny sposób.

Twierdzenie o inkrementalności wynikającej z ujawnionych koszyków. Targetowanie często wybiera skład, który później „odkrywa”.

Lista kontrolna dla nabywców

Przed wykorzystaniem składu koszyka w planie lub raporcie należy zadać sobie pytanie:

• Jakie wymiary definiują profil?
• Czy udziały opierają się na liczbie sztuk, pozycjach, przychodach czy marży?
• Czy taksonomia produktów jest spójna w różnych okresach i kanałach?
• Jak obsługiwane są koszyki zawierające produkty o różnych przeznaczeniach?
• Które produkty są komplementarne, substytutami lub nieokreślone?
• Jaki mechanizm kampanii powinien zmieniać asortyment?
• Czy cena, promocja i dostępność są kontrolowane?
• Czy zabronione jest wyciąganie wniosków opartych na danych wrażliwych?
• Jakie porównanie lub grupa kontrolna potwierdza twierdzenie o skuteczności?
• Jaka decyzja wynika z każdego wzorca kompozycji?

Często zadawane pytania

Czy skład koszyka to to samo, co jego wielkość?

Nie. Wielkość mierzy ilość lub zakres. Skład wyjaśnia, z jakich kategorii, marek, poziomów lub ról składa się koszyk.

Czy skład koszyka to to samo, co zakupy krzyżowe?

Nie. Zakupy krzyżowe skupiają się na zdefiniowanej relacji między podmiotami. Skład opisuje całą strukturę transakcji.

Czy skład koszyka pozwala zidentyfikować cel zakupów?

Może dostarczyć dowodów zgodnych z celem zakupów, zwłaszcza w połączeniu z czasem, kanałem i kolejnością. Nie należy jej traktować jako pewnego zamiaru.

Czy skład koszyka należy mierzyć w jednostkach czy w wartości?

Należy stosować podstawę odpowiadającą danej decyzji, a często podawać obie wartości. Udział w sztukach i udział wartościowy odpowiadają na różne pytania.

Jakie jest główne zastosowanie Retail Media?

Określenie, w jaki sposób reklamowany produkt wpłynął na zawartość koszyka: dodanie, zamiana, wybór produktu wyższej jakości, rozszerzenie kategorii lub brak istotnych zmian w składzie koszyka.

Podsumowanie

Skład koszyka zakupowego ujawnia strukturę, a nie pewność. Należy stworzyć profil oparty na przejrzystej taksonomii, oddzielić ilość od wartości, uwzględnić różne cele zakupowe i porównywać podobne elementy. Następnie należy zastosować scenariusz kontrfaktyczny, aby zdecydować, czy media zmieniły zawartość koszyka, czy też po prostu trafiły na już istniejący skład koszyka.

Źródła

[1] Interactive Advertising Bureau i Media Rating Council, Wytyczne IAB/MRC dotyczące pomiaru Retail Media, 2024.

[2] IAB i IAB Europe, Wytyczne dotyczące pomiaru przyrostowego w mediach handlowych, 2025.

[3] Google Analytics, Pomiar e-commerce.

[4] arXiv, Rekomendacje w obrębie koszyka za pomocą sieci neuronowej (Neural Pattern Associator), 2024.

[5] arXiv, Wnioskowanie o produktach uzupełniających na podstawie koszyków i sesji przeglądania, 2018.

[6] Autorzy badania Allegro, *Poza relacją współzakupu: ewolucja rekomendacji produktów uzupełniających w serwisie Allegro*, preprint z września 2026 r.

Chcesz zobaczyć, jak to działa w praktyce?

Footprints AI pomaga markom i detalistom mierzyć to, co naprawdę ma znaczenie. Zobacz nasze historie sukcesu klientów lub skontaktuj się z nami, aby porozmawiać o strategii Retail Media.