Perioade aliniate, o singură sursă de cifre, trafic, conversie și coș mediu, marja după reduceri, reclame și retururi: cum faci analiza onestă după Black Friday 2026.

În săptămâna de după Black Friday, primul raport pe care îl văd aproape la fiecare magazin e o singură cifră: vânzările au crescut sau au scăzut față de anul trecut. E o cifră utilă, dar spune foarte puțin. Anul acesta Black Friday a căzut vineri, 27 noiembrie 2026, iar anul trecut pe 28 noiembrie 2025, deci și calendarul s-a mutat. Mai jos îți arăt ce compar eu după campanie, cum aliniez perioadele, cum descompun venitul în trafic, conversie și coș mediu, cum ajung la profitul real după reduceri, reclame și retururi și cum scriu concluziile astfel încât să-mi folosească la anul. La final ai un comparator în care pui cifrele tale și primești interpretarea.
Black Friday cade mereu în a patra vineri din noiembrie, deci data se schimbă de la un an la altul. În 2025, Black Friday a fost pe 28 noiembrie, iar Cyber Monday pe 1 decembrie. În 2026, Black Friday a fost pe 27 noiembrie, iar Cyber Monday pe 30 noiembrie. Asta are două consecințe practice:
Atenție la Google Analytics 4: comparația cu anul anterior din selectorul de date pune față în față aceleași date calendaristice, nu aceleași zile ale săptămânii. În documentația Google am văzut că opțiunea „anul anterior, potrivit după ziua săptămânii” a fost scoasă. Pentru Black Friday îmi extrag deci cele două perioade separat și le compar eu.
Pentru comenzi și venituri, sursa mea principală e platforma magazinului, nu raportările Google Ads sau Meta. Fiecare platformă de reclame își atribuie comenzile după regulile ei, iar aceeași comandă poate apărea în ambele. Folosesc GA4 pentru trafic și rata de conversie, iar platformele de reclame doar pentru cost.
Verifică să calculezi la fel ambii ani: venituri cu sau fără TVA, cu sau fără transport, comenzile anulate scoase sau nu. Dacă între timp ai schimbat tracking-ul sau setările de consimțământ, traficul din GA4 poate să nu fie comparabil cu anul trecut. Notează asta lângă cifre, nu o ascunde.
Un exemplu cu cifre inventate, pentru perioada vineri până luni:
Indicator Sesiuni Anul trecut 42.000 Anul acesta 51.000 Schimbare +21,4% Indicator Rata de conversie Anul trecut 2,00% Anul acesta 1,82% Schimbare -0,18 pp Indicator Valoarea medie a comenzii Anul trecut 250 lei Anul acesta 260 lei Schimbare +4,0% Indicator Venituri fără TVA Anul trecut 210.000 lei Anul acesta 241.800 lei Schimbare +15,1% Indicator Cost reclame pe comandă Anul trecut 45 lei Anul acesta 56 lei Schimbare +23,6% Indicator Contribuție după reclame și retururi Anul trecut 46.640 lei Anul acesta 39.620 lei Schimbare -15,1%Veniturile au crescut cu 15%, iar banii rămași au scăzut cu 15%. Asta e exact situația pe care o singură cifră de vânzări o ascunde.
Venitul este produsul a trei lucruri: sesiuni înmulțite cu rata de conversie, înmulțite cu valoarea medie a comenzii. Când știi care dintre ele s-a mișcat, știi și unde să cauți cauza:
Aici se schimbă de obicei concluzia. Pornesc de la venituri fără TVA, scad retururile, scad costul produselor pe care clienții le-au păstrat și scad reclamele. Ce rămâne e contribuția campaniei, înainte de costurile fixe. Am explicat de ce mă uit la ea și nu doar la ROAS în articolul despre marja de contribuție față de ROAS.
Retururile au o capcană de timp. Pentru cumpărăturile online din UE, consumatorul are 14 zile de la livrare ca să se retragă din contract, iar coletele de Black Friday ajung adesea abia în săptămâna următoare. O analiză făcută pe 2 decembrie nu are încă retururile reale. Eu fac o primă variantă imediat, cu procentul de retur de anul trecut, și o variantă finală la mijlocul lui decembrie.
O campanie care vinde mai ales clienților existenți poate arăta foarte bine în rapoarte și totuși să nu aducă nimic nou: o parte din acei oameni ar fi cumpărat oricum în decembrie, la preț întreg. Eu număr clienții noi după emailul de comandă, din platforma magazinului, nu din GA4, care numără dispozitive și browsere, nu oameni.
Ponderea clienților noi spune cât ai investit în viitor. Valoarea ei reală se vede abia după câteva luni, când știi câți au comandat a doua oară. Am scris despre asta în clienții de Black Friday și a doua comandă.
Înainte să trag concluzii, scriu lângă tabel tot ce a fost diferit între ani. Lista mea scurtă:
Mă uit și la săptămânile din jur. Vânzările scad de obicei înainte de Black Friday, pentru că oamenii așteaptă reducerile, și scad din nou după. Dacă weekendul a crescut, dar ai pierdut aceeași sumă în săptămânile din jur, ai mutat vânzări, nu le-ai creat. Am explicat ce se întâmplă cu rezultatele după vârf în de ce scade ROAS-ul după Black Friday.
O analiză bună se termină cu trei sau patru propoziții de tipul „la anul fac altfel”. De exemplu: oprim reclamele pe produsele cu marjă mică după ce ajung la plafonul de cost pe comandă, pregătim stoc dublu pentru primele cinci produse, pornim lista de email cu două săptămâni mai devreme. Păstrează tabelul și notițele într-un singur document, ca să-l ai la îndemână în octombrie anul viitor. Rapoartele din GA4 pe care le folosesc pentru asta sunt descrise în rapoartele GA4 importante pentru magazine online.
Pentru clienții mei fac analiza în două etape: o primă variantă în prima săptămână după Cyber Monday, cu retururi estimate, și una finală la jumătatea lui decembrie. Iau comenzile și costurile din magazin, traficul din GA4 și costurile din platformele de reclame, aliniez zilele după Black Friday și închei cu o listă scurtă de decizii pentru anul următor.
Pune cifrele pentru aceeași perioadă din ambii ani; comparatorul îți arată schimbările, ce a mișcat venitul și ce s-a întâmplat cu banii rămași.
O analiză onestă după Black Friday compară zile aliniate, ia cifrele dintr-o sursă, descompune venitul în trafic, conversie și coș mediu și se oprește la contribuția după reclame și retururi, nu la vânzări. Dacă vrei să facem împreună analiza și raportarea pentru magazinul tău, vezi pagina de Data Analytics sau scrie-mi pe contact.