KPI w e-commerce. Jak ogarnąć GMV, AOV, CAC, LTV i marżę, żeby sprzedaż rosła sensownie?

Gdzie uciekła marża?

Znasz ten moment: kampania wygląda świetnie, sprzedaż idzie jak burza, a wykres GMV pnie się dumnie w górę. Wszystko wskazuje na sukces — dopóki nie logujesz się na konto firmowe i nie widzisz, że pieniądze na koncie jakoś nie nadążają za entuzjazmem z prezentacji.
Niby wszystko „rosło”, a jednak coś się nie zgadza.

Właściciele e-commerce znają to uczucie aż za dobrze. W pewnym momencie każdy zadaje sobie to samo pytanie: gdzie uciekła marża?

Nie będę Cię zasypywać setką modnych wskaźników. Ten tekst nie jest o analizie dla samej analizy, tylko o praktycznym podejmowaniu decyzji — takich, które mają wpływ na rentowność. Chodzi o kilka liczb, które naprawdę robią różnicę.
Nie ma tu „magii danych”, tylko zdrowy rozsądek, trochę matematyki i sporo obserwacji z codziennej pracy z firmami, które próbują poukładać swoje e-commerce od środka.

5 wskaźników, które ustawiają kierunek (i jak je policzyć)

GMV (Gross Merchandise Value, łączna wartość brutto zamówień)

GMV to punkt wyjścia — łączna wartość wszystkich zamówień z danego okresu, zanim odejmiesz cokolwiek. Prosty wzór:

GMV = suma wartości zamówień (w danym okresie)

Na papierze to wygląda klarownie, ale w praktyce GMV potrafi być mylące. Wzrost bywa spektakularny, zwłaszcza w czasie promocji typu „-20% na wszystko”. Tyle że te kampanie często zwiększają wolumen, niekoniecznie zysk.

W jednym ze sklepów, z którymi pracowałem, GMV urosło o 40% w miesiąc. Brzmi świetnie — do momentu, gdy doliczyliśmy rabaty i prowizje marketplace’u. Marża spadła o połowę. W rzeczywistości sklep sprzedawał więcej… ale głównie rzeczy, na których prawie nic nie zarabiał.

GMV samo w sobie nie jest miarą sukcesu, raczej temperatury rynku. Pokazuje, czy kierunek jest dobry, ale nie powie Ci, czy jedziesz na rezerwie. Zerkaj na rytm — sezonowość, dni tygodnia, momenty kampanii. To daje kontekst, ale nigdy pełnego obrazu.

AOV (Average Order Value, średnia wartość zamówienia)

AOV, czyli średnia wartość zamówienia, to wskaźnik, który z pozoru zawsze cieszy. Im wyższy, tym lepiej — przynajmniej na pierwszy rzut oka.

AOV = GMV / liczba zamówień

Wyższy AOV może oznaczać skuteczny upsell lub dobrze ustawiony próg darmowej dostawy. Ale równie dobrze może sygnalizować, że promocje są zbyt agresywne i klienci kupują więcej tylko dlatego, że „się opłaca”.

W jednym sklepie beauty właściciel był zachwycony: po wprowadzeniu darmowej dostawy od 200 zł średni koszyk podskoczył o 25%. Tylko że po kilku tygodniach okazało się, że klienci „dobijali” do progu tanimi produktami, a koszt transportu zjadał cały dodatkowy zysk.

AOV warto więc zawsze oglądać w parze z marżą kontrybucyjną. Jeśli jedno rośnie, a drugie spada — coś się rozjeżdża. Czasem winny jest rabat, czasem zbyt hojna dostawa, a czasem po prostu brak kontroli nad bundlingiem.

Nie chodzi o to, żeby AOV był wysoki — tylko żeby miał sens.

CAC (Customer Acquisition Cost, koszt pozyskania klienta)

CAC to koszt pozyskania nowego klienta — wskaźnik, który wydaje się oczywisty, dopóki nie spróbujesz go policzyć.

CAC = (koszt płatnego ruchu + marketing) / liczba nowych klientów

Wielu właścicieli sklepów wrzuca do jednego worka wszystko: kampanie brandowe, remarketing, performance. Efekt? „Średni” CAC, który niczego nie mówi.
W jednym sklepie z branży home décor zsumowany raport z Google Ads pokazywał 42 zł. Po rozdzieleniu brand vs. performance okazało się, że klienci wracający kosztowali 9 zł, a nowi — prawie 80 zł.

Takie odkrycie potrafi zmienić całe podejście do budżetu.
Dlatego CAC warto segmentować — według kanału, kampanii, a nawet urządzenia.
I jeszcze jedno: mieszanie brandu z performance’em to jak wrzucanie kawy i herbaty do jednego kubka. Niby oba napoje, ale smak nie do wypicia.

LTV (Customer Lifetime Value, wartość życiowa klienta)

LTV to wskaźnik cierpliwości. Pokazuje, ile pieniędzy zostawia u Ciebie klient przez cały okres relacji z marką.

LTV ≈ ARPU × marża % × średnia liczba zakupów/rok × horyzont (lata)

_{ARPU (Average Revenue Per User) — średni przychód na klienta/użytkownika w okresie.}

Na papierze brzmi jak marzenie. W praktyce — często zbyt optymistyczne. Wiele firm zakłada, że klienci wrócą „bo lubią markę”. Rzeczywistość jest bardziej brutalna: spora część nigdy nie wraca.

Dlatego lepiej liczyć LTV na danych z 6–12 miesięcy.
Jeszcze lepiej — kohortowo. Grupuj klientów według miesiąca pozyskania i śledź ich zachowanie w czasie. Jeśli kohorta z marca 2024 wydaje więcej po pół roku niż ta ze stycznia, wiesz, że coś robisz dobrze.

LTV nie jest magiczną liczbą w Excelu. To efekt wszystkiego — logistyki, obsługi, komunikacji, jakości produktu. Można powiedzieć, że to „ocena” Twojego sklepu wystawiona przez klientów, tylko w walucie, nie w gwiazdkach.

Marża kontrybucyjna (Contribution Margin)

Tu kończy się iluzja wzrostu. Marża kontrybucyjna pokazuje, ile naprawdę zostaje po odjęciu kosztów — nie tych księgowych, tylko operacyjnych: towaru, dostawy, prowizji, rabatów.

Marża kontrybucyjna = GMV – (COGS + dostawy + prowizje + rabaty)

_{COGS (Cost of Goods Sold) — koszt własny sprzedanych towarów (zakup/produkcja produktów).}

To wskaźnik, który potrafi zniszczyć iluzję sukcesu.
Jeden z moich klientów z branży modowej był przekonany, że dwie kampanie robią 30% całego obrotu. Po wdrożeniu marży kontrybucyjnej wyszło, że… obie przynoszą straty.

Dlatego warto patrzeć na marżę nie tylko w skali całego sklepu, ale też:

• na poziomie SKU — które produkty naprawdę zarabiają,
• na poziomie koszyka — czy rabaty nie zjadają zysku,
• na poziomie kanału — czy reklama rzeczywiście dowozi marżę, czy tylko ruch.

Zysk nie żyje w raportach reklamowych. On żyje w danych operacyjnych.
I to tam najczęściej trzeba go szukać.

Jedno „źródło prawdy” dla liczb

(i dlaczego raport z reklamy to za mało)

Zaskakująco wielu właścicieli sklepów opiera decyzje o budżetach marketingowych wyłącznie na danych z reklam. Łatwo to zrozumieć — są pod ręką, kolorowe, dają wrażenie kontroli. Problem w tym, że raport z Google Ads czy Meta pokazuje jedynie kliknięcia, nie zyski. To trochę tak, jakby właściciel restauracji oceniał rentowność po liczbie wydrukowanych menu.

W praktyce „źródłem prawdy” w e-commerce powinien być system, który naprawdę zna Twoje zamówienia. Nie kampania, nie GA4, tylko sklep, ERP (system zarządzania zasobami) albo WMS (system magazynowy). To one wiedzą, co zostało sprzedane, w jakiej cenie, z jakim rabatem i ile kosztowało wysłanie paczki do klienta.

Model danych, który sprawdza się w małych i średnich firmach, można zamknąć w dwóch prostych tabelach:

• Zamówienie: ID, kanał, koszty (COGS – koszt towaru, dostawa, prowizje), marża kontrybucyjna.
• Klient: data pierwszego zakupu, kanał pozyskania, segment RFM (Recency, Frequency, Monetary).

Te tabele zasilasz z trzech źródeł:

• Sklep / ERP / WMS – pełna historia zamówień i kosztów,
• CRM – dane o klientach i ich zachowaniach,
• Ads / GA4 – informacje o kampaniach i źródłach ruchu.

Zasada jest prosta: to ERP wydaje „wyrok” o przychodzie, a nie reklamy.
Dane z Ads czy GA4 mogą jedynie sugerować, skąd przyszedł klient, ale tylko system sprzedażowy potwierdzi, ile naprawdę zostawił pieniędzy.

Kiedy połączysz te dane w jedno spójne źródło, zaczynasz zadawać inne pytania. Już nie „ile kliknięć przyniosła kampania?”, ale „który kanał przynosi sprzedaż z dodatnią marżą?”.
Bez takiego podejścia skalowanie budżetu marketingowego przypomina strzelanie na oślep — coś trafia, ale trudno powiedzieć co.

Dashboard operacyjny MŚP — co na jednej stronie

Kiedy dane są już poukładane, pojawia się pytanie: jak to wszystko pokazać, żeby miało sens?
Nie potrzebujesz analitycznego kombajnu z dziesiątkami wykresów. Dobry dashboard dla sklepu to nie dzieło sztuki, tylko narzędzie do szybkich decyzji.

Na górze strony wystarczy sześć wskaźników — najważniejsze z punktu widzenia codziennego zarządzania:

• GMV (Gross Merchandise Value) – wartość brutto zamówień,
• Liczba zamówień,
• AOV (Average Order Value) – średnia wartość koszyka,
• Marża %,
• CAC (Customer Acquisition Cost) – koszt pozyskania klienta,
• LTV/CAC – relacja wartości klienta do kosztu pozyskania (Twój kompas strategiczny: zielone > 3, żółte 1–3, czerwone < 1).

Pod spodem dodaj kilka kafelków taktycznych, które pomagają ocenić kondycję operacyjną sklepu:

• procent zwrotów,
• lead time wysyłki – średni czas od zamówienia do nadania,
• procent ticketów WIS (Where Is Shipment) w obsłudze klienta,
• CR checkout – współczynnik ukończenia koszyka.

Niżej pojawia się widok per kanał lub kampania.
Każdy kanał (np. Meta, Google, newsletter, marketplace) ma swój wiersz z GMV, marżą, CAC i LTV/CAC. Jedno spojrzenie i wiesz, które źródła generują zysk, a które tylko „robią ruch”.

Na samym dole warto dodać mini-tabelę SKU (Stock Keeping Unit) – top 10 produktów według marży kontrybucyjnej, nie przychodu. Bo to właśnie one finansują resztę biznesu, nawet jeśli nie mają najbardziej efektownych wyników sprzedażowych.

Właśnie tak wygląda dashboard, którego właściciele firm faktycznie używają, a nie tylko oglądają w prezentacjach.
Nie potrzebujesz setek wskaźników — wystarczy jedno przejrzyste „okno na liczby”, które pozwala zauważyć problem, zanim przerodzi się w stratę.

Jak łączyć wskaźniki, żeby podejmować decyzje

(trzy scenariusze z życia e-commerce)

Każdy wskaźnik to tylko fragment układanki. Sam GMV brzmi dumnie, AOV wygląda dobrze, CAC wydaje się stabilny, ale dopiero razem tworzą sensowny obraz. Czasem dopiero ich zestawienie ujawnia, że coś w biznesie zaczyna się rozjeżdżać.

“Rośnie GMV, spada marża”

Brzmi znajomo? Sprzedaż pnie się w górę, raport wygląda świetnie, ale na koncie mniej niż miesiąc temu.
Zbyt agresywne rabaty, rosnące koszty dostaw albo wysokie prowizje marketplace’ów — to najczęstsze przyczyny.
Na papierze GMV błyszczy, a w rzeczywistości marża kontrybucyjna (czyli GMV pomniejszone o koszty towaru, dostawy, prowizje i rabaty) topnieje z tygodnia na tydzień.

Co możesz zrobić:

• sprawdź progi darmowej dostawy — może są ustawione zbyt nisko,
• przejrzyj mix kampanii — być może inwestujesz w kanały, które generują ruch, ale nie zysk,
• przetestuj bundling – zestawy, które zwiększają wartość koszyka bez zjadania marży.

Czasem GMV rośnie, bo… po prostu sprzedajesz nie to, co warto.

“AOV stoi, CAC rośnie”

Kiedy koszt pozyskania klienta rośnie, a średnia wartość koszyka stoi w miejscu, może to sugerować, że dany kanał reklamowy się nasycił. Albo że reklamy trafiają do mniej dopasowanego odbiorcy.
To częsty efekt braku testów nowych kreacji albo powtarzania tego samego komunikatu miesiącami.

W jednym sklepie z branży wyposażenia wnętrz AOV od miesięcy wynosił stabilne 180 zł, ale CAC skoczył z 35 do 62 zł.
Dlaczego? Grupy lookalike się wypaliły, a kampanie remarketingowe zaczęły kanibalizować ruch organiczny.

Jak reagować:

• odśwież landing page (LP) lub kreacje reklamowe,
• przetestuj nowe kanały pozyskania (np. TikTok, współprace z mikroinfluencerami, newsletter partnera),
• podziel kampanie na mniejsze segmenty – według zachowań, nie demografii.

Jeśli CAC rośnie szybciej niż AOV, to nie zawsze wina reklam. Czasem po prostu klient potrzebuje więcej czasu, żeby się przekonać.

“CAC ok, LTV nie dowozi”

Ten scenariusz bywa zdradliwy. Kampanie działają, klienci przychodzą tanio, ale… nie wracają.
Na pierwszy rzut oka wszystko gra, tylko w tle dzieje się coś, co powoli obniża wartość całego biznesu.

LTV (Customer Lifetime Value – wartość życiowa klienta) nie rośnie, bo po zakupie panuje cisza. Brak follow-upów, brak rekomendacji, brak powodów, by wrócić.

Jak to naprawić:

• uruchom sekwencje posprzedażowe (np. e-mail po 7 lub 30 dniach z propozycją uzupełnienia produktu),
• zaprojektuj program wymiany lub upgrade’u (zniżka na kolejną wersję produktu),
• promuj akcesoria i dodatki, które naturalnie zwiększają częstotliwość zakupów.

LTV to nie statystyka w arkuszu — to odbicie całego doświadczenia klienta. Czasem wystarczy drobna poprawka w obsłudze, by wskaźnik ruszył w górę.

Jak liczyć LTV „po ludzku”

(kohorty i segmentacja RFM w praktyce)

W teorii LTV da się obliczyć jednym wzorem. W praktyce — to trochę bardziej skomplikowane. Potrzebujesz prostego systemu, który pokaże, kto rzeczywiście wraca i kiedy.

Kohorty

Zamiast liczyć LTV dla całej bazy, podziel klientów według miesiąca pierwszego zakupu.
Wtedy możesz obserwować, jak zachowują się różne grupy:

• po 3 miesiącach,
• po 6 miesiącach,
• po roku.

Przykład z jednego sklepu modowego: klienci pozyskani w marcu 2024 generowali średnio 240 zł przychodu po pół roku, a ci z czerwca – już 310 zł. Różnica nie w trendzie, tylko w działaniach retencyjnych.

RFM

Drugi krok to segmentacja RFM (Recency, Frequency, Monetary) — prosta, ale piekielnie skuteczna.

• Recency: jak dawno klient kupił,
• Frequency: jak często wraca,
• Monetary: ile wydaje.

Na tej podstawie możesz wyodrębnić segmenty:

• „champions” (kupują często i dużo),
• „at risk” (nie wracali od dawna),
• „new customers” (świeży ruch do aktywacji).

Dzięki temu nie mierzysz LTV „na oko” — widzisz, które grupy warto reanimować, a które premiować.

I jeszcze jedno: nie mieszaj B2B z B2C.
Firmy mają inny cykl zakupowy, wyższe kwoty, ale mniejszą częstotliwość. Konsumenci kupują częściej, ale mniej. Wspólny wskaźnik LTV dla obu segmentów tylko zaciemni obraz.

Operacje a KPI — co psuje liczby (i jak to naprawić)

Gdy liczby „nie grają”, rzadko winny jest arkusz kalkulacyjny. Częściej problem siedzi w magazynie, w integracjach albo w drobnych nawykach zespołu. Operacje potrafią podnosić lub zjadać marżę zanim reklama w ogóle zdąży coś sprzedać. I tak — nawet bardzo porządny raport nie pomoże, jeśli dane wejściowe są niepełne albo spóźnione.

Brak aktualnych stanów magazynowych

Fałszywy CR (conversion rate, współczynnik konwersji) często zaczyna się od „ducha” w stanach. System pokazuje dostępność, której już nie ma, więc klienci składają zamówienia, a Ty tydzień później oddajesz pieniądze. Efekt? Zwroty, utrata zaufania, marża topnieje.
Co robię u klientów: włączamy synchronizację stanów co 5–10 minut i blokadę sprzedaży, gdy stan = 0. Proste, a potrafi ściąć liczbę anulacji o 30–40% w miesiąc.
Więcej o tym znajdziesz w artykule Integracje ERP, WMS i CRM – jak je poukładać krok po kroku.

Brak trackingu przesyłek

Jeśli klient nie wie, gdzie jest paczka, napisze do supportu. A potem napisze raz jeszcze. Lawina ticketów „WIS – Where Is Shipment” rośnie, a Ty dopłacasz do CAC (Customer Acquisition Cost, koszt pozyskania klienta) w sposób, którego w raportach reklamowych nie widać.
Szybka ulga: automatyczne statusy (e-mail/SMS) w kluczowych momentach: nadanie, w doręczeniu, opóźnienie z nową datą. To zwykle tnie WIS-y o połowę w dwa tygodnie.
Zobacz, jak można to zautomatyzować w tekście Obsługa klienta i WIS – jak ograniczyć koszt supportu.

Długi czas do nadania przesyłki

Każdy dodatkowy dzień czekania to minusy w NPS (Net Promoter Score) i — z dużym prawdopodobieństwem — niższe LTV (Customer Lifetime Value, wartość klienta w czasie). Klient „nie obraża się”, po prostu nie wraca.
Co zwykle działa: mierzenie lead time’u per kurier i per magazyn (np. 1,9 dnia vs 3,2 dnia), a potem prosta zmiana SLA lub zmiana przewoźnika na newralgicznych trasach.
Więcej o automatyzacji przeczytasz tutaj: Automatyzacja e-commerce z realnym ROI.

Jakość danych produktowych

Błędny koszt zakupu, pomylone SKU (Stock Keeping Unit, indeks produktu), nieaktualne ceny — to gotowy przepis na rozjechaną marżę kontrybucyjną.
Minimalny standard: cotygodniowy import cen zakupu z ERP (system zarządzania zasobami), walidacje „pustych” pól i alert, gdy koszt nagle spada lub rośnie o >15%. Lepiej zapalić lampkę wcześniej, niż szukać marży po fakcie.

Krótko mówiąc: jeśli KPI kłócą się z intuicją albo z saldem na koncie, nie zaczynaj od cięcia budżetu reklam. Najpierw sprawdź operacje.

Pomaga w tym proces opisany w artykule Import produktów z CSV i ERP – jak zadbać o jakość danych.

Błędy, które regularnie widzę w raportach

To lista, która — niestety — powtarza się w firmach każdej wielkości. Z zewnątrz wygląda niewinnie, a w środku potrafi kompletnie wypaczyć obraz rentowności.

• CAC liczone „na oko”. Bez podziału na nowych i powracających. Wydaje się, że taniejesz w pozyskiwaniu, a tak naprawdę drożeją tylko nowi (np. 78 zł), podczas gdy „stali” zaniżają średnią (np. 9 zł).
• GMV z marketplace’u 1:1. Brak prowizji i kosztów wysyłki w modelu. To nie przychód, tylko obrót brutto. Zdarza się, że „rekordowy” miesiąc po doliczeniu prowizji kończy się marżą bliską zera.
• AOV napompowany rabatem. Średni koszyk rośnie, ale marża per zamówienie spada. Jeżeli próg darmowej dostawy jest za niski (np. 149 zł przy przeciętnym koszcie wysyłki 17–19 zł), to prawdopodobnie płacisz za ten wzrost.
• LTV „z deklaracji”. Szacunki oparte na życzeniach zamiast na kohortach 3/6/12 miesięcy. Na slajdzie wygląda dobrze, w kasie — już mniej.
• Brak spójnych ID. Różne order_id i customer_id w ERP, CRM i narzędziach reklamowych. Bez wspólnego klucza nie połączysz kosztu z przychodem, a zysk zostanie „gdzieś pomiędzy”.

Jeśli widzisz u siebie choć jeden punkt z powyższych, zacznij od uporządkowania definicji i identyfikatorów. W e-commerce to właśnie drobna niespójność w danych częściej psuje wynik niż „słabsza” kreacja reklamowa. A budżety łatwiej skroić rozsądnie, gdy patrzysz na liczby, które naprawdę mówią prawdę.