Не понимаете, почему у вас не покупают — проведите сплит-тестирование и найдите проблемные места на сайте

Как правило, до 99% пользователей не доходят до оплаты заказа — кто-то теряется на этапе просмотра карточки товара, кто-то — после этапа добавления в корзину, а кто-то — в момент оформления заявки. Причин может быть множество: одним не понравился товар, других не устроила цена, третьим — что-то на сайте помешало совершить покупку.

Цель сплит-тестирования — выявить уязвимые места на сайте и устранить их. Если коротко, процесс выглядит так: получаем задачу, смотрим, как пользователи ведут себя на сайте и на каких этапах уходят → выдвигаем гипотезу, с чем это может быть связано → проверяем ее, устранив помехи. Результат, к которому стремимся, всегда достижимый и измеримый — например, увеличить CR на 5%, снизить закрытие карточек товаров на 15% и т.д.

В статье подробно покажем, как это делаем мы в своей практике: рассмотрим варианты анализа данных на примере наших проектов, определим проблему и покажем решение.

Проанализируйте количественные и качественные данные, чтобы понять, как ведут себя пользователи на сайте

Аналитические данные показывают, когда пользователи заходят на сайт, сколько там проводят времени и какие действия совершают. На основании этого мы можем предположить, где на сайте зарыта проблема, которая мешает пользователям доходить до покупки.

Выделяют количественные и качественные данные. Они взаимосвязаны, помогают более глубоко оценить работу сайта и понять, что не так. С учетом и того, и другого типа данных мы формулируем гипотезу в дальнейшем.

Количественные данные отвечают на вопросы «Сколько?», «Где», «Когда?»

Вы сможете увидеть посещаемость ресурса с разных устройств (мобильный телефон, десктоп) в определенный период, основную аудиторию, глубину просмотра, время на сайте, отказы, конверсию и другие показатели. Измеряются они в абсолютных (деньги, товары, количество пользователей) и относительных единицах измерения (проценты).

Количественные данные дают нам первостепенную информацию о работе сайта и помогают конкретизировать проблему — сузить ее от общего к частному. То есть вместо обширного «доход упал» мы рассматриваем вопрос более детально:

1. Плохо конвертируется платный трафик.
2. Отдельные страницы сайта препятствуют конверсии.
3. Один из источников трафика приносит мало конверсий.
4. Мобильное или десктопное устройство дает большой трафик, но мало конверсий.

В работе мы пользуемся Яндекс. Метрикой и Google Analytics, системами сквозной аналитики и другими сервисами для анализа пользовательского поведения — тем же Amplitude.

На одном из наших проектов коэффициент добавления в корзину был в районе 2%, а выкуп из корзины — всего 15%. Мы провели аудит и поняли, что пользователи отсеиваются на этапе оформления заказа. Однако для точной гипотезы не хватало качественных данных.

Качественные данные отвечают на вопрос «Почему?», «Как?»

Итак, мы нашли, где зарыта проблема. Теперь следует задать вопрос — а почему так происходит? Здесь нужны качественные данные. Они показывают исчерпывающую информацию о поведении аудитории на сайте. Вы сможете понять, понравился ей сайт или нет, а также детально разобрать факторы, которые мешают совершить покупку.

Существует масса возможностей для получения качественной веб-аналитики. Ниже подборка наших фаворитов:

1. Сервисы аналитики (Яндекс.Метрика или Microsoft Clarity)

   Покажут, какой контент интересует пользователей больше, откуда они переходят на сайт и какие действия совершают, а также из-за чего прерывается воронка продаж.

2. CustDev пользователей

   Это способ получения инсайтов о продукте в процессе интервью с пользователями. Вы сможете понять, что на вашем сайте не хватает кнопки «Добавить в избранное», а раздел «Акции» вовсе не такой удобный, как вы себе представляли.

3. UX-тесты

   Для этого исполнителю ставится определенная задача — например, купить лампу в стиле лофт. «Исследователя» выбирают, исходя из того, что продается на сайте. В случае с лампой выбор упадет, скорее, на новосела или дизайнера, нежели на студента.

   Исполнитель после выполнения задания делится ощущениями о том, насколько легко или сложно было купить товар, а также что мешало это сделать.

4. Конкурентный анализ

   Мы считаем, что заимствование у конкурентов полезных нововведений пойдет сайту лишь на пользу. Имеются в виду специальные пометки «New», «Топ-товар», а также логика демонстрации карточек в каталоге.

   Допустим, на сайте одной из доставок японской еды в меню есть аппетитные фотографии суши, роллов и других блюд. А в корзине отсутствуют фотографии напротив каждой позиций.

   Это может стать проблемой при покупке — пользователю легче отказаться от блюда без фото, ведь внимание будет устремлено исключительно на цену. К тому же, будущий покупатель может забыть о том, что из себя представляет желаемая еда.

Вернемся к примеру выше, когда пользователи отсеивались на этапе оформления заказа. На основе количественных данных мы предположили, что низкие показатели связаны с ошибками в работе корзины и оформлением доставки. Мы начали проверку, почему так происходит.

Оказалось, что на этапе заполнения формы доставки пользователи не могли выбрать свою улицу — некоторых не было в выпадающем списке. Помимо этого, не было окошка для комментариев — пользователи не могли добавить адрес вручную и просто закрывали страницу.

Разработчики внесли изменения на сайте: добавили недостающие улицы в выпадающем списке, а также сделали окошко для комментариев. После этого выкуп из корзины увеличился на 18%. Мы пришли к выводу, что наша гипотеза подтвердилась.

Без количественных данных мы бы не узнали, с каких страниц сайта происходит отток, а без качественных — по какой причине.

Сформулируйте гипотезу — почему пользователь уходит

В жизни проблемы решаются разными способами. Так и в интернет-маркетинге к положительному результату могут привести разные гипотезы. Важно понять на основе всех типов данных, что стопорит пользователей вашего сайта.

У одного из наших клиентов был низкий коэффициент добавления товаров в корзину из каталога. Благодаря количественной аналитике мы поняли, что основной отток пользователей происходит не на этапе оформления, а в процессе поиска товаров.

Мы предположили, что это может быть связано с невозможностью сравнить товары между собой, недостаточным описанием в карточках, объемным фильтром.

Каждую гипотезу мы проверили — добавили более подробное описание в карточках товаров, кнопку «Сравнить», но именно упрощение фильтра существенно увеличило коэффициент добавления в корзину. Фильтр включал такие параметры как цена, бренд, цвет, сезон, свойства, назначение и т.д. Качественная аналитика подсказала, что аудитория пользовалась 1-2 параметрами фильтра вместо 11 возможных.

Разработчики убрали фильтр с главной страницы каталога, оставив его на подкатегориях товаров. Теперь он включает два наиболее популярных параметра — цену и бренд. Каталог стал выглядеть просто и понятно, по сравнению с первым вариантом.

Спустя 1,5 месяца после упрощения фильтра коэффициент добавления в корзину увеличился на 29%.

Или обратитесь к профессионалам — и да, это быстро окупится

Разбираться в тонкостях сплит-тестирований хорошо, но не у всех есть на это время. Если вы понимаете, что велик шанс запутаться в аналитике, обратитесь к профессионалам. Это будет эффективно и быстро окупится. Смотрите ниже нашу схему работы и результаты по одному из проектов.

Оцениваем стоимость каждого процентного пункта прироста

Рассчитывается индивидуально и обычно составляет от 5 000 до 15 000 рублей. Зависит от направления деятельности клиента, сложности и объема работы. На том проекте один процентный пункт прироста CR стоил 8 000 рублей.

Проверяем гипотезу и считаем эффект

Мы выдвинули и протестировали нашу гипотезу, внеся необходимые изменения на сайт. Базовый CR составлял 0,78%, а в результате изменений он вырос до 0,9%.

Рассчитали изменение CR по формуле:

Посчитали вознаграждение агентству, умножив количество процентных пунктов на стоимость одного пункта прироста:

15 пп * 8 000 = 120 000 рублей

Таким образом наш доход прямо пропорционален разнице в процентных пунктах между базовым и тестовым результатами.

Насколько это выгодно клиенту?

Ежемесячный трафик клиента — 15 000 пользователей, а средний чек 6 000 рублей. Рассчитаем доход от сайта за месяц по формуле:

Количество пользователей*CR*средний чек

Вознаграждение агентству, напомним, составило 120 000 рублей. Это значит, что наши услуги окупились почти за месяц, а клиент, помимо своего привычного ежемесячного дохода, начал зарабатывать дополнительно 108 000 рублей каждый месяц от успешно внедренной гипотезы.