Celem inicjatywy jest transformacja modelu finansowania marketingu młodej agencji turystycznej (działającej na rynku od ok. 2 lat), koncentrującej się na obsłudze ściśle określonego, wyspecjalizowanego segmentu klientów.

W obecnej fazie rozwoju firma nie dysponuje w pełni uzasadnionymi danymi dotyczącymi behawioru odbiorców, sezonowych wahań popytu oraz efektywności poszczególnych kierunków. Jak dotychczas, budżet marketingowy był dystrybuowany w równych odstępach co miesiąc, niezależnie od rzeczywistego zainteresowania klientów danymi terminami czy destynacjami.

Taka liniowa strategia rozrzutnie wykorzystuje zasoby w okresach niskiego popytu, jednocześnie nie pozwalając na sprytne dotarcie do potencjalnych odbiorców w szczytowych oknach decyzyjnych. Projekt zakłada przejście na model oparty na danych, który pozwoli zsynchronizować nakłady reklamowe z obserwowanymi wzorcami zachowań klientów, zoptymalizować alokację budżetu pod kątem najbardziej konwertujących kierunków oraz dostosować komunikat do dominujących segmentów demograficznych.

The goal of this initiative is to transform the marketing funding model of a young travel agency (operating for approximately 2 years), focusing on a strictly defined, specialized customer segment.

In its current phase, the company lacks fully substantiated data on audience behavior, seasonal demand fluctuations, and the effectiveness of individual destinations. To date, the marketing budget has been distributed in equal monthly installments, regardless of actual customer interest in specific dates or destinations.

This linear strategy wastes resources during low-demand periods while failing to reach potential customers during peak decision windows. The project aims to transition to a data-driven model that synchronizes advertising spend with observed customer behavior patterns, optimizes budget allocation toward the most converting destinations, and tailors messaging to dominant demographic segments.

Metodologia i źródła danych
Methodology and data sources

Badanie opiera się na półtorarocznych zbiorach operacyjnych pozyskanych z dwóch wewnętrznych źródeł:

Raporty sprzedażowe — zapisy transakcyjne, terminy wylotu, ceny, prowizje, liczba osób

Formularze zgłoszeniowe — data wpłynięcia zapytania, wybrany kierunek, dane demograficzne

The study is based on 18 months of operational data from two internal sources:

Sales reports — transaction records, departure dates, prices, commissions, group sizes

Enquiry forms — submission dates, selected destinations, demographic data

Etapy przygotowania danych
Data preparation stages
Raw collection
Pozyskanie danych z raportów i formularzy
Data acquisition from reports and forms
Cleaning
Usunięcie pól technicznych, pustych kolumn i metadanych
Removal of technical fields, empty columns, metadata
Anonymization
Anonimizacja imion, nazwisk i identyfikatorów klientów
Anonymization of names and customer identifiers
Aggregation
Agregacja SQL w Superset, eksport do CSV
SQL aggregation in Superset, CSV export
Visualization
Wizualizacja w Tableau i dashboard webowy
Tableau visualization and web dashboard
Kluczowe metryki
Key metrics
Okres analizy
Analysis period
18 mies.
2023-08 → 2025-06
2023-08 → 2025-06
Konwersja
31.58%
średnia całkowita
overall average
Segment główny
Primary segment
35–54 lat
dominująca grupa wiekowa
dominant age group
Stack narzędziowy
Tool stack
Superset SQL Tableau Chart.js CSV Python
Powiązane projekty
Related Projects

Dashboard został zaprojektowany na podstawie pięciu kluczowych bloków analitycznych, odpowiadających na konkretne pytania biznesowe dotyczące efektywności marketingowej i optymalizacji budżetu.

The dashboard was designed around five key analytical blocks, addressing specific business questions about marketing effectiveness and budget optimization.

🔒 Prywatność i Dane: Ten projekt został opracowany w oparciu o rzeczywiste dane biznesowe zanonimizowane na potrzeby pracy analitycznej. Cała analiza AI została wykonana z wykorzystaniem lokalnego AI-Rig — żaden z danych nie został przesłany do zewnętrznych lub komercyjnych modeli AI. 100% poufności danych wrażliwych było kluczowym celem tego projektu.
🔒 Privacy & Data: This project was built on real business data anonymized for analytical purposes. All AI analysis was performed using the local AI-Rigno data was sent to any external or commercial AI models. Maintaining 100% confidentiality of sensitive data was a core project goal.
Destynacje — Top 15
Destinations — Top 15
Analiza pokazuje, które destynacje generują największą liczbę bookingów. Turkey dominuje z 268 rezerwacjami — ponad 2× więcej niż drugi w kolejności Thailand (113). Top 3 destynacje stanowią niemal połowę wszystkich bookingów.
The analysis reveals which destinations generate the highest booking volumes. Turkey dominates with 268 bookings — more than 2× the runner-up Thailand (113). The top 3 destinations account for nearly half of all bookings.
Kluczowe spostrzeżenia
Key insights
Top 3 destynacje (Turcja, Tajlandia, Djerba) stanowią ~48% wszystkich bookingów
Top 3 destinations (Turkey, Thailand, Djerba) account for ~48% of all bookings
Turkey samodzielnie generuje 22% całkowitej liczby rezerwacji (268 z 1,213)
Turkey alone generates 22% of all bookings (268 of 1,213)
Dystrybucja jest mocno nachylona — 5 destynacji stanowi >60% wolumenu
Distribution is heavily skewed — 5 destinations make up >60% of volume
Ostatnie 5 destynacji (od Malty po Maroko) generuje łącznie tylko ~10% bookingów
The bottom 5 destinations (Malta through Morocco) generate only ~10% of bookings combined
Rekomendacja: Powiązać promocję mniej popularnych kierunków z najlepiej sprzedającymi się destynacjami. Klient zainteresowany Turcją automatycznie otrzymuje alternatywną ofertę — np. Grecję, Korfu lub Maltę jako tańszą lub bardziej ekskluzywną opcję. W ten sposób zwiększamy ekspozycję słabszych kierunków bez dodatkowych nakładów marketingowych.
Recommendation: Cross-promote less popular destinations alongside best-selling ones. A customer interested in Turkey automatically receives an alternative offer — such as Greece, Korfu or Malta as a more affordable or more exclusive option. This increases exposure for weaker destinations without additional marketing spend.
Okno rezerwacji
Booking Window
Analiza okna decyzyjnego klienta pokazuje, kiedy dokonywane są rezerwacje względem daty wylotu. 808 sprzedaży (67%) następuje z wyprzedzeniem ponad 121 dni — klienci tej agencji to typowi "planners", a nie last-minute.
The booking window analysis reveals when customers make reservations relative to departure. 808 sales (67%) occur more than 121 days in advance — this agency's clients are classic "planners," not last-minute bookers.
Kluczowe spostrzeżenia
Key insights
67% sprzedaży (808) ma wyprzedzenie >121 dni — dominacja długiego planowania
67% of sales (808) are made >121 days ahead — long-term planning dominates
Tylko 0.25% sprzedaży to last minute (0-7 dni) — segment ten jest pomijalny
Only 0.25% of sales are last-minute (0-7 days) — this segment is negligible
Okno 61-120 dni to drugi istotny przedział: 330 sprzedaży (27%)
The 61-120 day window is the second key range: 330 sales (27%)
Rozkład wykładniczo rośnie wraz z długością wyprzedzenia — im wcześniej, tym więcej
Distribution grows exponentially with lead time — the earlier, the more bookings
Rekomendacja: Kampanie marketingowe uruchamiać 3-4 miesiące przed szczytem sezonu, aby trafić w okno decyzyjne klientów. Oferty last minute nie są efektywne dla tego segmentu — lepiej skierować środki na budowanie wcześniejszej świadomości.
Recommendation: Launch marketing campaigns 3-4 months before peak season to align with the customer decision window. Last-minute offers are not effective for this segment — redirect funds toward early awareness building.
Wiek klientów
Customer Age
Rozkład wiekowy klientów agencji ujawnia wyraźną dominację dwóch grup: 35-44 (89 osób) i 45-54 (78 osób), które łącznie stanowią ~70% bazy klientów. To kluczowa informacja dla pozycjonowania przekazu marketingowego.
The age distribution reveals clear dominance by two groups: 35-44 (89 people) and 45-54 (78 people), which together form ~70% of the customer base. This is critical information for positioning marketing messaging.
Kluczowe spostrzeżenia
Key insights
Grupa 35-44 to największy segment: 89 osób (38.7%)
The 35-44 group is the largest segment: 89 people (38.7%)
Grupa 45-54 to drugi segment: 78 osób (33.9%)
The 45-54 group is the second segment: 78 people (33.9%)
Młodsi klienci (25-34) to tylko 13.9% bazy — niedoreprezentowani
Younger clients (25-34) are only 13.9% of the base — underrepresented
Segment 55+ stanowi marginalne 11.3% — niski potencjał wzrostu
The 55+ segment makes up a marginal 11.3% — low growth potential
Rekomendacja: Komunikacja marketingowa i wizualizacje powinny być dostosowane do dojrzałego klienta (35-54 lat). Należy unikać zbyt młodzieżowego tonu. Warto zbadać, dlaczego grupa 25-34 jest niedoreprezentowana i czy istnieje potencjał do jej akwizycji przez dedykowane oferty.
Recommendation: Marketing communications and visuals should target the mature customer (35-54). Avoid overly youthful tone. Investigate why the 25-34 group is underrepresented and whether dedicated offers could drive acquisition in this segment.
Zapytania vs konwersja — sezonowość
Enquiries vs Conversion — Seasonality
Wykres przedstawia zależność między liczbą zapytań (słupki) a wskaźnikiem konwersji (linia) w okresie 16 miesięcy. Widoczna jest wyraźna sezonowość oraz interesująca odwrotna korelacja w miesiącach letnich — gdy zapytań jest dużo, konwersja spada.
This chart shows the relationship between enquiry volume (bars) and conversion rate (line) over 16 months. Clear seasonality is visible with an interesting inverse correlation in summer months — when enquiries peak, conversion drops.
Kluczowe spostrzeżenia
Key insights
Najwyższy poziom zapytań: luty 2024 (80) i kwiecień 2024 (72) — szczyty przedsezonowe
Highest enquiry levels: February 2024 (80) and April 2024 (72) — pre-season peaks
Konwersja spada drastycznie latem: z 55% w czerwcu do 12% w sierpniu 2024
Conversion drops drastically in summer: from 55% in June to 12% in August 2024
Najniższa konwersja: listopad 2024 (6%) przy niskim wolumenie zapytań (31)
Lowest conversion: November 2024 (6%) with low enquiry volume (31)
Wiosna (luty-kwiecień) to optymalny okres zarówno pod względem wolumenu, jak i konwersji (58-73%)
Spring (February-April) is the optimal period for both volume and conversion (58-73%)
Średnia konwersja w całym okresie: 31.58% — wysoka zmienność miesięczna
Average conversion over the entire period: 31.58% — high monthly variability
Rekomendacja: Budżet reklamowy powinien być front-loaded — skoncentrowany na pierwszych 4 miesiącach roku (luty-maj), gdy zarówno wolumen zapytań, jak i konwersja są najwyższe. W okresie letnim i jesiennym (czerwiec-listopad) utrzymać jedynie minimalne nakłady, ponieważ konwersja jest niska niezależnie od poziomu zapytań.
Recommendation: Advertising budget should be front-loaded — concentrated in the first 4 months of the year (February-May) when both enquiry volume and conversion are highest. During summer and fall (June-November), maintain only minimal spend since conversion remains low regardless of enquiry levels.
Efektywność konwersji według destynacji
Conversion Efficiency by Destination
Porównanie efektywności konwersji dla kluczowych destynacji ujawnia paradoks Egiptu — wysokie zainteresowanie (74 bookingi w top 15) przy niskiej konwersji. Podczas gdy Turcja i Tajlandia efektywnie zamieniają leady na sprzedaż, Egipt wymaga pilnego audytu.
A comparison of conversion efficiency across key destinations reveals the Egypt paradox — high interest (74 bookings in the top 15) but low conversion. While Turkey and Thailand efficiently convert leads to sales, Egypt requires an urgent audit.
Destynacja Destination Efektywność Efficiency Rekomendacja Recommendation
Turkey Wysoka High Zwiększ budżet Scale budget
Thailand Wysoka High Utrzymaj i optymalizuj Maintain & optimize
Egypt Niska Low Audyt cen i przekazu Audit pricing & messaging
Kluczowe spostrzeżenia
Key insights
Turkey: wysoka efektywność — rekomendacja zwiększenia budżetu i skalowania działań
Turkey: high efficiency — recommended budget increase and scaling
Thailand: wysoka efektywność — rekomendacja utrzymania i dalszej optymalizacji
Thailand: high efficiency — recommended maintenance and further optimization
Egypt: niska efektywność — generuje najwięcej zapytań, ale najniższą konwersję. Strategia promocyjna wymaga korekty.
Egypt: low efficiency — generates the most enquiries but the lowest conversion. Promotional strategy requires recalibration.
Rekomendacja: Przeprowadzić audyt cen i przekazu dla Egiptu, aby zidentyfikować bariery zakupowe. Możliwe przyczyny niskiej konwersji: zbyt wysoka cena względem konkurencji, niejasny przekaz w materiałach marketingowych, lub silna konkurencja na tym kierunku. W międzyczasie przesunąć budżet z Egiptu na Turcję i Tajlandię.
Recommendation: Conduct a pricing and messaging audit for Egypt to identify purchase barriers. Possible causes of low conversion: prices too high vs competitors, unclear marketing messaging, or strong competition on this route. In the meantime, reallocate budget from Egypt to Turkey and Thailand.

Na podstawie analizy behawioralnej i finansowej wyodrębniono cztery główne obszary optymalizacji — od front-loadingu budżetu, przez fokus na konwersję, segmentację wiekową, po wdrożenie pętli informacyjnej.

Based on behavioral and financial analysis, four main optimization areas were identified — from budget front-loading, through conversion focus, age segmentation, to implementing an information feedback loop.

01
Front-loading budżetu
Budget Front-loading
Uruchamianie kampanii 2–3 miesiące przed szczytowymi okresami wyszukiwania (luty, kwiecień, listopad), co bezpośrednio koreluje z oknem decyzyjnym klienta.
Launch campaigns 2–3 months before peak search periods (February, April, November), directly correlating with the customer decision window.
02
Fokus na konwersję
Conversion Focus
Przesunięcie nakładów na kierunki o udowodnionej skuteczności zamiany leadów na bookingi, z jednoczesnym audytem promocji Egiptu w celu zidentyfikowania barier zakupowych.
Shift spending to destinations with proven lead-to-booking conversion, while auditing Egypt promotions to identify purchase barriers.
03
Segmentacja wiekowa
Age Segmentation
Dostosowanie wizualizacji i copywritingu pod dominujące grupy 35–44 oraz 45–54 lat, które stanowią trzon bazy klientów.
Tailor visuals and copywriting to dominant 35–44 and 45–54 age groups, which form the core of the customer base.
04
Pętla informacyjna
Feedback Loop
Wdrożenie ankiet post-decision do zbadania przyczyn rezygnacji z rezerwacji i podniesienia obecnego wskaźnika konwersji.
Implement post-decision surveys to investigate reasons for booking abandonment and increase the current conversion rate.
Podsumowanie strategiczne
Strategic Summary
Szczyty zapytań
Enquiry peaks
82 / 72
luty 2024 · kwiecień 2024
Feb 2024 · Apr 2024
Konwersja
31.58%
średnia całkowita
overall average
Top destynacja
Top destination
Turkey
268 bookingów
Przejście na model oparty na danych pozwoli zsynchronizować nakłady reklamowe z obserwowanymi wzorcami zachowań klientów, zoptymalizować alokację budżetu pod kątem najbardziej konwertujących kierunków oraz dostosować komunikat do dominujących segmentów demograficznych. Transitioning to a data-driven model will synchronize advertising spend with observed customer behavior patterns, optimize budget allocation toward the most converting destinations, and tailor messaging to dominant demographic segments.