Как системный подход к веб-аналитике может повысить конверсию в интернет-магазине. И как поэтапно его внедрить

erid: 2VtzqujyY6s

Задача оптимизации конверсии состоит в повышении числа транзакций и величины среднего чека без привлечения дополнительного трафика — только за счет роста показателей эффективности UX. Для многих, кто руководит электронной коммерцией в компании — это типовая задача. Но как показывает практика, не всегда очевидно, как решить этот вопрос правильно.

О том, как решать эту задачу системно рассказывают эксперты ecommerce-агентства KISLOROD.

Что такое CRO, в чем польза, как нужно оптимизировать конверсии

CRO (conversion rate optimization) — оптимизация коэффициента конверсии, представляющая собой систему мероприятий для создания положительного опыта у пользователя, роста конверсии и других важных KPI магазина.

В чем польза:

1. Доход растет, а расходы на привлечение посетителей остаются прежними.
2. Риск бесполезных внедрений стремится к нулю, все гипотезы подтверждаются исследованиями и тестами.
3. Лояльность клиентов растет, а вместе с ней и количество повторных покупок.

В итоге получаем от UX максимум, показатели растут постепенно и рационально, без риска для бизнеса.

CRO — повторяющийся цикл изменений, которые позволяют увеличивать эффективность сайта.

При этом обязательно:

• помнить о целях бизнеса, KPI;
• учитывать потребности пользователей;
• подходить к каждому проекту индивидуально;
• максимально снижать субъективизм и опираться на данные;
• внедрять изменения постепенно и безопасно для проекта.

Каждый проект проходит определенные этапы:

1. Сбор и аналитика данных.
2. Поиск идей и описание гипотез.
3. Тестирование вариантов.
4. Анализ результатов.
5. Внедрение доработок.

После завершения последнего этапа работа начинается заново — набираются гипотезы на новый спринт.

Этапы CRO

Выше мы перечислили основные этапы процесса CRO. Сейчас рассмотрим их подробнее. 

1. Проверка и настройка инструментов для сбора данных

В первую очередь проверяем и настраиваем инструменты для сбора количественных данных: Google Analytics/Enhanced Ecommerce, "Яндекс.Метрику", Hotjar.

Если они уже установлены, то проверяем корректность настройки и полноту данных — бывает, что часть данных упускается, а часть дублируется или собирается некорректно.

Если сайт работает на "Битрикс" или находится у нас на техподдержке, то корректируем инструменты сами, а также внедряем расширенную электронную торговлю. Если сайт работает на другой платформе, и мы его не поддерживаем, то составляем техническое задание для исполнителей.

После внедрения изменений проверяем корректность и качество собранных данных. Некоторое время уходит на сбор нужного объема данных. Обычно достаточно 10–20 дней, но срок зависит от цикла покупок. Для более длинных циклов требуется больше времени.

Чтобы определить корректный срок для сбора данных, используем когортный анализ.

В примере ниже был обнаружен некорректный сбор данных — счетчики дублировались, из-за чего показатель отказов был нереально низким. После исправления ошибки данные стали собираться корректно.

Показатель отказов до и после фиксации ошибки

2. Анализ данных

В первую очередь исследуем количественные данные:

• данные систем аналитики;
• продукт и целевую аудиторию;
• ценностное предложение компании;
• процессы покупки в офлайне, чтобы применить опыт в онлайне.

Если требуется, то дополнительно проводим качественные исследования:

• технический аудит;
• анализ обратной связи от клиентов;
• немодерируемые тесты юзабилити;
• опросы на сайте и по электронной почте;
• конкурентный анализ для поиска лучших решений в конкретной нише;
• глубинные интервью для выявления потребностей клиентов — CustDev.

Количественные исследования позволяют найти проблемы, а качественные — понять, почему пользователь с ними сталкивается.

Так, в одном из проектов мы проводили опрос респондентов, чтобы подтвердить гипотезу о том, что покупателям действительно важна информация по организации вещей в чемодане.

Результаты опроса

По каждому исследованию составляем отдельный отчет. После сбора всей информации выявляем общие закономерности в результатах качественных и количественных данных.

3. Сбор инсайтов, скоринг идей и гипотез

Изучение данных аналитики дает инсайты — новое видение проблем и путей решения.

К примеру, видим, что процент транзакций среди пользующихся конфигуратором для подбора матраса выше, чем у пользователей, которые им не пользуются. Значит, нужно привлечь к конфигуратору больше внимание, например, вывести в главном меню.

Из инсайтов появляются идеи, которые мы собираем в единый бэклог. Часть идей можно реализовать сразу, они помечаются как Just Do It — это очевидные вещи, например, исправление багов.

С остальными работаем так — определяем контрольный показатель, после которого идея пойдет в работу. Собрав все идеи, проводим скоринг — оцениваем каждую и если она набирает достаточное количество баллов, то реализуем.

Лучшие идеи становятся основой гипотез — предположений, которые проверяются с помощью тестирования. Все гипотезы ранжируем по параметрам.

Указываем:

• Основные и дополнительные метрики, основной берем ARPU — среднюю выручку на одного пользователя.
• Длительность теста — от 14 дней, в зависимости от цикла покупки и трафика.
• Стоимость разработки вариаций — что-то можно реализовать быстро, с помощью Google Optimize, а для чего-то придется запускать производственный процесс.

4. Стратегия оптимизации и тестирования

Расставляем приоритеты гипотез, учитывая их перспективность и трудозатраты. Выбираем те, что с высокой вероятностью дадут лучший эффект при минимальных вложениях.

Презентуем работу команде клиента, защищаем и обсуждаем. В итоге получаем согласованную стратегию CRO на спринт, в которой перечислены гипотезы и порядок их тестирования.

5. Сплит-тестирование и оценка результата

Переходим к тестированию гипотез:

• разрабатываем функционал вариаций для сплит-тестов;
• настраиваем сплит-тестирование в Google Optimize;
• актуализируем данные по основному показателю и дополнительным метрикам;
• согласуем время и запускаем А/В-тест;
• получаем промежуточные результаты и проверяем с помощью калькулятора достоверности А/В-тестов или в Google Optimize;
• останавливаем тест в оговоренное время, измеряем основную и дополнительные метрики;
• фиксируем результат и презентуем его клиенту.

Полученные результаты описываем в собственной "Базе знаний".

Калькулятор достоверности А/В-тестов

Для корректного А/В-теста должен быть достаточный объем трафика. Если выборка небольшая, то результаты не будут статистически значимыми и не смогут подтвердить гипотезу. Либо, чтобы получить достоверные результаты, придется потратить намного больше времени.

Чек-лист для подтверждения результата тестирования:

• в тесте участвовало посетителей не меньше, чем рекомендовал калькулятор;
• минимальный срок тестирования — 2 недели;
• статистическая значимость — не менее 95%;
• основной показатель вырос на 2% или более;
• размер выборки сегмента достаточен.

Пример отчета по A/B-тестам

Если результат теста отрицательный — мы все равно получаем информацию о поведении посетителей. Документируем результат в базе кейсов проекта, накапливаем опыт и в следующий раз формулируем более удачные гипотезы.

Важно не подстраивать результаты под гипотезу, если тест ее не подтверждает — нужно переходить к другим гипотезам и снова проверять.

6. Внедрение выигрышной вариации

Если проект находится на техподдержке, мы самостоятельно внедряем решение. Если у клиента есть исполнители — контролируем внедрение. После чего следим за тем, как изменение влияет на ключевые показатели проекта.

Проблемы и ошибки

Один из наших клиентов, руководствуясь лучшими практиками в своей отрасли, решил объединить этапы в чекауте и вывести их подряд на одной странице. При этом дополнительных исследований не проводилось.

Ранее каждый этап подгружался в отдельном блоке после заполнения предыдущего.

Страница чекаута до изменений

Изменения внедрили, но количество заказов не выросло. Более того, конверсия снизилась на 31%, а процент выходов с сайта увеличился на 15%.

Типичные ошибки при оптимизации конверсии:

1. Субъективность, решения на основе догадок без опоры на объективные данные — повышают риск внедрить идею, которая будет паразитировать на конверсии.
2. Слепое копирование решений конкурентов и внедрение "лучших практик" — не гарантирует результата, так как не учитывает специфики проекта и целевой аудитории.
3. Ориентация на средние показатели отрасли — дает лишь общую картину, а в конкретных проектах показатели могут сильно разниться.
4. Хаотичные доработки — оптимизация конверсии проводится не системно, а опыт не аккумулируется.

Поэтому нужно упорядоченно внедрять изменения, которые основаны на данных и проверены аналитикой. Процесс оптимизации должен быть системным, а результаты фиксироваться в базе знаний.

Кейсы интернет-магазинов

Приведем короткие выдержки из двух кейсов. 

Кейс интернет-магазина органических продуктов

Что сделали:

1. Изучили данные и обнаружили большой отток посетителей на этапе оформления заказа.
2. Причина — проблемы в интерфейсе и низкая производительность сайта на этапе оформления заказа.
3. Выдвинули гипотезу, что обновление функций, повышение удобства корзины и страницы заказа увеличит средний чек и конверсию.
4. Внесли изменения и подтвердили гипотезу.

Результаты:

• Рост конверсии на 54%
• Увеличение среднего чека в 3 раза.

Рост среднего чека

Кейс интернет-магазина косметики

Что сделали:

1. Изучили данные веб-аналитики, карт кликов и скроллов. Выявили сложности при работе со стандартным поиском "Битрикс".
2. Сформулировали гипотезы по улучшению качества поиска на сайте.
3. Подтвердили верность гипотез.

Результаты:

• Рост транзакций на 142%.
• Рост ARPU на 167%.
• Снижение показателя отказов на 48%.

Рост коэффициента транзакций и ARPU

Оптимизация никогда не останавливается

После внедрения изменений нужно снова анализировать данные, проводить исследования и искать идеи на новый спринт, которые помогут повысить эффективность. После чего опять тестировать и внедрять проверенные решения.

Непрерывный процесс CRО — лучшая возможность системно и без рисков повышать ARPU, CR и другие важные показатели интернет-магазина.

Если нужен свежий взгляд, нет ощутимого роста или пришло понимание, что развиваете UX в интернет-магазине не системно — обращайтесь в KISLOROD. Определим барьеры и точки роста важных для проекта KPI. 

ИП Сазонов Иван Владимирович
ИНН: 212710112339