Saya ingin berbagi tutorial mengenai fitur terbaru dari GR Flow, sebuah tools yang saya kembangkan untuk membantu para penjual online. Fitur ini memungkinkan kita untuk mengecek performa pesanan COD, angka RTS (Return to Sender), dan distribusi pesanan secara keseluruhan. Anda bisa melihat berapa pesanan COD, berapa prepaid, berapa yang mengalami komplain, dan berapa yang akhirnya retur.
Saya pribadi sering menggunakan BigSeller untuk mengelola semua toko, karena di sana semua data sudah terintegrasi dan mudah terlihat. Namun, saya tahu banyak yang belum menggunakan BigSeller. Jika Anda belum ingin beralih ke BigSeller, tools GR Flow ini bisa menjadi solusi efektif untuk mengecek berapa persentase COD yang gagal, berapa pesanan yang dikomplain, dan sebagainya.
Link untuk mengakses GR Flow (yang bersifat gratis) serta panduan instalasinya bisa Anda dapatkan setelah bergabung di grup WhatsApp ghanirozaqi.com. Cari saja di deskripsi grup WhatsApp tersebut.
Menggunakan GR Flow untuk Analisis Pesanan
Setelah Anda berhasil menginstal GR Flow, Anda akan melihat ikon GR Flow muncul di kanan atas browser Anda. Masukkan akses kode yang Anda miliki (kode akses ini mungkin berbeda-beda tergantung grup WhatsApp tempat Anda bergabung). Kemudian, pilih menu "Distribusi Pesanan" dan klik "Start".
Saya akan menunjukkan contoh dari salah satu toko saya yang belakangan ini memiliki angka retur COD yang cukup tinggi. Menurut data BigSeller, angka retur toko saya berada di kisaran 20-25%. Di GR Flow, angkanya mungkin sedikit berbeda, dan ini sangat wajar. Tujuan utama dari tools ini bukanlah untuk mendapatkan persentase yang akurat hingga nol koma sekian, melainkan untuk memahami distribusi pesanan kita secara umum, yang nantinya bisa menjadi masukan penting untuk menyusun strategi penjualan.
Proses Ekspor dan Analisis Data
Setelah GR Flow menampilkan tampilannya, langkah selanjutnya adalah mengunduh semua data pesanan Anda dari platform marketplace (misalnya, Shopee). Pastikan Anda mengunduh semua pesanan, bukan hanya yang perlu dikirim atau sudah dikirim. Pilih rentang tanggal yang diinginkan, misalnya 1 September hingga 30 September, atau 30 hari terakhir. Setelah file pesanan berhasil diunduh, cukup 'drag and drop' file tersebut ke antarmuka GR Flow. Hasil analisis akan langsung muncul.
Berdasarkan analisis GR Flow, angka COD RTS toko saya mencapai 23%, tidak jauh berbeda dengan data BigSeller yang menunjukkan sekitar 25%. Tingginya angka RTS ini, saya duga, disebabkan oleh viralnya produk toko saya di program afiliasi, terutama di platform seperti Facebook atau Instagram. Hal ini memicu banyak pesanan impulsif. GR Flow akan menampilkan pembagian pesanan: berapa pesanan COD dan berapa pesanan non-COD.
Dari total pesanan saya, 428 adalah pesanan COD (sekitar 80%), dan 113 adalah pesanan prepaid atau transfer. Dari 428 pesanan COD tersebut, 171 berhasil terselesaikan, sementara 118 dibatalkan. Pembatalan ini bisa beragam alasannya, mulai dari perubahan pesanan (biasanya sebelum pesanan diproses kirim) hingga yang paling krusial: pengiriman gagal. Saya mencatat ada 100 pesanan COD yang mengalami pengiriman gagal, yang mana ini sekitar 23% dari total pesanan COD saya.
Fitur ini juga memungkinkan analisis untuk rentang waktu yang lebih panjang. Jika Anda ingin menganalisis data lebih dari 30 hari (karena ekspor maksimal biasanya per 30 hari), Anda bisa mengunduh beberapa file ekspor. Misalnya, saya mengunduh data bulan Agustus dan September. Setelah kedua file tersebut berhasil diunduh, Anda cukup mengunggahnya bersamaan ke GR Flow. Sistem akan memproses keduanya. Dalam kasus saya, meskipun dengan data dua bulan, angka RTS tetap konsisten di 23.4%.
Menyusun Strategi Berdasarkan Data RTS
Mengecek rasio RTS sangat penting. Banyak yang mengeluh tentang masalah retur, namun berapa persisinya? Angka 23% ini bagi saya sudah termasuk bermasalah, dan saya sedang mencari strategi untuk mengatasinya. Penting untuk diingat bahwa rasio ini bisa sangat bervariasi tergantung kategori produk, musim, atau tren. Angka saya bisa saja berubah bulan depan, dan mungkin saja rasio Anda saat ini justru lebih tinggi dari saya.
Analisis ini akan sangat membantu dalam merumuskan strategi. Dengan rasio RTS yang tinggi ini, langkah pertama saya adalah menghitung ulang profitabilitas. Jika masih menguntungkan, saya akan melanjutkan. Namun jika tidak, saya mungkin akan mempertimbangkan untuk menaikkan harga produk. Kenaikan harga ini bertujuan untuk meng-cover biaya akibat kegagalan COD. Selain itu, saya juga perlu mengecek kondisi barang yang mengalami RTS. Jika banyak barang yang rusak saat kembali ke gudang, mau tidak mau saya harus menaikkan harga. Kerugian 23% dari RTS adalah angka yang signifikan. Jika semua barang yang kembali rusak, maka pesanan yang berhasil harus menanggung kerugian dari pesanan COD yang gagal ini, yang berarti harga jual harus disesuaikan.
Meskipun COD membantu mempercepat penetrasi pasar online, ada sisi gelapnya, seperti kegagalan COD, retur, penipuan (bom COD), dan berbagai masalah lainnya. Secara global, COD memang efektif untuk mempercepat adopsi belanja online, namun tantangan seperti COD gagal dan RTS menjadi 'flip side' yang perlu diwaspadai.
Apa Itu RTS?
Apa itu RTS? RTS adalah singkatan dari 'Return to Sender', 'Return to Shipper', atau 'Return to Seller'. Ini terjadi ketika pesanan tidak berhasil sampai ke tangan pelanggan. Meskipun umumnya terjadi pada pesanan COD, pesanan prepaid (yang dibayar melalui virtual account, SPayLater, atau metode non-COD lainnya) juga bisa mengalami RTS. Penyebabnya bisa bermacam-macam: pelanggan menolak saat kurir tiba, kurir kesulitan menemukan alamat, atau kondisi tak terduga seperti hujan atau banjir yang menghambat pengiriman.
Angka RTS toko saya adalah 23%. Saya menyarankan Anda untuk mengecek rasio RTS toko Anda secara berkala. Jangan hanya mengandalkan perasaan bahwa 'belakangan banyak retur', tetapi ketahui persentase pasti dan berapa angka yang sehat untuk bisnis Anda. Rata-rata toko saya memiliki rasio RTS sekitar 10%. Bahkan, ada produk seperti Al-Quran yang jarang sekali mengalami RTS. Untuk komplain, angka sehatnya biasanya di bawah 2%.
Silakan Anda mencoba tools GR Flow ini. Untuk panduan instalasi dan akses kode, Anda bisa bergabung di grup WhatsApp ghanirozaqi.com. Semoga bermanfaat!
0 Response to "Menganalisis COD Gagal dan Distribusi Pesanan dengan GR Flow Ghani Rozaqi"
Posting Komentar