Как системно оптимизировать конверсию в интернет-магазине

В этой статье

Чем отличается стратегия оптимизация конверсии или CRO

CRO (conversion rate optimization) — системные действия по созданию положительного опыта у покупателя и увеличению за счёт этого коэффициента конверсии. Цель оптимизации конверсии — повысить число транзакций и величину среднего чека без привлечения дополнительного трафика, только за счёт роста показателей продаж.

Отличительные признаки CRO:

систематичность — действия по оптимизации конверсии сайта выполняются постоянно по определённому алгоритму;
опора на данные — аналитику и исследования, а не на домыслы;
индивидуальный подход к повышению конверсии.

Преимущества системной оптимизации конверсии

1. Выше доход при аналогичных расходах на привлечение посетителей

Привлекать трафик недёшево. Особенно обидно, когда почти все пользователи уходят без покупки. Оптимизировав коэффициент конверсии, вы получите больше от уже привлечённых посетителей. Сэкономленные средства можно вложить в трафик, который будет приходить уже на более эффективный сайт.

Продвижение медцентров и клиник: три кейса о SEO, TikTok и Instagram*

Как получить измеримые результаты в фарммаркетинге.

Показываем на примерах →

Спецпроект

2. Меньше вероятность внедрения бесполезных изменений

Выполняя доработки на сайте на основании интуиции или потому что где-то о чём-то прочитали, вы скорее всего не попадёте в потребности аудитории и только зря потратите время и бюджет. Важно избегать субъективизма, опираться на данные.

В рамках стратегии оптимизации конверсии гипотезы проверяются А/В-тестированием. Более того, мы берём в работу гипотезы, на которые наталкивают минимум два источника — например, обнаружили явление при изучении веб-аналитики и услышали о том же от респондентов во время опроса. Такой подход минимизирует риск слива ресурсов на проверку заведомо проигрышной гипотезы.

Новый вариант реализуем только после уверенной победы — так риск внедрить изменения, которые снизят конверсию, стремится к нулю.

3. Повышение лояльности пользователей и рост количества повторных покупок

При использовании CRO коэффициент конверсии растёт потому, что растёт удобство интернет-магазина для клиентов. А чем удобнее и приятнее покупателям совершать покупки, тем чаще они вас рекомендуют и возвращаются за новыми товарами.

Что ещё важно понимать про оптимизацию конверсии

Прежде чем мы перейдём непосредственно к инструкции по CRO, отметим два момента:

не сто́ит ориентироваться на средние коэффициенты конверсии;
оптимизация ради оптимизации — ошибка.

Почему не сто́ит ориентироваться на средние значения конверсии

Коэффициент конверсии зависит от многого, в том числе от ниши. По данным Growcode, наблюдается сильный разброс коэффициентов конверсии по нишам — от 0,99% до 3,79%.

Средние показатели конверсии по отраслям

В российском ecommerce значения расходятся ещё больше — от 1,3 до 21,7%.

Ориентироваться на средние показатели конверсии можно на старте, но зацикливаться на чужих значениях не стоит. Старайтесь понять важные для аудитории критерии удобства покупки и прежде всего улучшать пользовательский опыт.

Почему оптимизация ради оптимизации — ошибка

Повышение конверсии не должно быть оторвано от целей проекта. Конверсию можно быстро поднять, максимально снизив цены. Но какой толк от высокого показателя конверсии, если вы не получите прибыли?

Важно ориентироваться не только на конверсию, но и на другие ключевые метрики. Мы обычно выбираем основным показателем средний доход на пользователя за период (ARPU), а конверсия выступает дополнительным показателем. Вывод тот же, что и в предыдущем пункте: не забывайте о юзабилити, ищите подходы, которые помогут построить долгосрочные отношения с покупателями.

Инструкция по оптимизации конверсии от KISLOROD

Когда мы решили системно заниматься CRO в клиентских проектах, то стали изучать разные варианты процесса. Стандартная стратегия оптимизации конверсии выглядела просто:

сбор и анализ данных;
выявление инсайтов и идей, описание гипотез;
тестирование вариаций;
анализ результатов;
внедрение изменений;
снова сбор данных.

Но в разных подходах были нюансы, а главное, не учитывались ключевые, на наш взгляд, моменты. Мы стремились:

действовать в интересах бизнеса (доход и прибыль) и пользователей (UX);
избавиться от субъективизма эвристических методов анализа;
менять интерфейс максимально безопасно для проекта и покупателей.

В итоге мы разработали собственный подход к оптимизации коэффициента конверсии, в котором учтены упомянутые выше моменты. Расскажем подробнее о каждом этапе, чтобы вы могли взять алгоритм за основу или полностью перенять его.

1. Настройка инструментов для количественных исследований

Работа начинается с настройки базовых инструментов для сбора данных — Google Analytics/ Enhanced Ecommerce, Яндекс Метрики, Hotjar. Или проверки адекватности их работы, если они были настроены до нас. Проверить корректность настроек действительно важно: часто сталкиваемся с тем, что данные собираются неполно или дублируются.

Например, в одном из проектов выявили занижение показателя отказов. После исправления настроек данные стали собираться корректно.

Сбор данных по показателю отказов

После мы убеждаемся в качественном сборе данных и ждём их накопления. Срок зависит от цикла покупок, чем он длиннее, тем за больший период нужно анализировать данные. В среднем — это 10–20 дней. Для точного определения срока сбора используем когортный анализ.

2. Анализ полученных данных

Мы изучаем продукт и ценностное предложение проекта, а также анализируем:

данные из систем веб-аналитики;
целевую аудиторию;
процесс покупки в офлайне для переноса опыта в онлайн.

При необходимости проводим:

конкурентный анализ для сбора идей;
немодерируемое тестирование юзабилити;
анализ обратной связи;
опросы — на сайте, по почте, Customer Development;
технический аудит.

Пример результатов опроса респондентов

Собрав информацию, сопоставляем результаты количественных и качественных исследований. Первые привлекают внимание к проблемам, а вторые помогают узнать больше о поведении пользователей.

3. Накопление инсайтов, приоритизация идей и гипотез

Изучая данные исследований, мы получаем новое видение проблемы или её решения — инсайт. Допустим, отмечаем, что после работы с онлайн-примерочной покупают чаще, но функционалом пользуются редко. Значит, к примерочной нужно привлечь внимание, вызвать желание ею воспользоваться.

Из инсайтов рождаются идеи, которые собираем в бэклог. Очевидные, не требующие проверки вещи, маркируем как Just Do It (просто сделай это). Для оставшихся выбираем контрольный показатель. Приоритезируем идеи с помощью авторского фреймворка.

Далее формулируем гипотезы по чеклисту и шаблону, ранжируем гипотезы по параметрам в плане оптимизации. Для каждой гипотезы отмечаем:

основной и дополнительные показатели — обычно основным выступает ARPU, но при небольшом трафике можно выбрать другие метрики;
продолжительность теста — от двух недель, в зависимости от цикла покупки и количества посетителей;
стоимость создания новых вариантов — что-то воплощается в жизнь быстро и бюджетно, средствами Google Optimize, а для чего-то запускается полноценная разработка.

4. Подготовка плана проведения тестирования

Теперь можно приоритизировать гипотезы по перспективности и стоимости. Стараемся выявить те, которые с большей вероятностью дадут профит при минимальных затратах средств и времени.

Проделанную работу презентуем клиентам. Обсуждаем результаты выполненных исследований и необходимость проведения дополнительных. В итоге согласовываем стратегию оптимизации конверсии, в которой определена очередность гипотез для последующего тестирования.

5. А/В-тестирование. Анализ результатов, занесение кейса в Базу знаний

На этом этапе приступаем к тестированию:

создаём вариации для сплит-тестов;
настраиваем тест в Google Optimize;
актуализируем данные по главному и дополнительным показателям;
в выбранное время запускаем сплит-тест;
проверяем достоверность теста с помощью калькулятора достоверности сплит-тестирования или прямо в Google Optimize;
останавливаем тест в выбранное время;
замеряем показатели;
фиксируем результат;
презентуем итоги теста клиенту;
заносим кейс в Базу знаний.

Пример отчёта по A/B-тестированию

Для корректного сплит-тестирования необходима большая выборка. Если трафика недостаточно, результаты не будут статистически значимыми, а значит доказать справедливость гипотезы будет невозможно. Или придётся существенно увеличить сроки тестирования.

Перед тем, как сделать выводы о положительном результате, нужно пройтись по чеклисту:

в тесте было не меньше участников, чем предлагал калькулятор;
тест проводился минимум 14 дней;
статистическая значимость превышала 95%;
основная метрика выросла на 2% или более;
достаточен размер выборки сегмента.

Отрицательный результат — не повод расстраиваться, ведь после теста мы знаем о пользователях больше, чем до него. И за счёт этого опыта в следующий раз выдвинем более удачные гипотезы.

Не подстраивайте результаты теста под гипотезу. Если она не подтверждается, займитесь другими гипотезами и тестами.

6. Внедрение выигрышной вариации

Если проект на техподдержке, мы сами внедряем выигрышный вариант. В ином случае контролируем внедрение. Остается не забывать отслеживать, как нововведение влияет на изменение ключевых метрик.

Несколько кейсов

Рассмотрим, как работает стратегия оптимизации конверсии на примерах из практики.

Кейс интернет-магазина косметики: +142% рост количества транзакций, +167% рост ARPU, -48% снижение показателя отказов

Изучили данные веб-аналитики, карт скроллов и кликов. Выявили сложности при работе со стандартным поиском Битрикс.
Сформулировали гипотезу, что внедрение поискового движка Sphinx и появление новых функциональных возможностей поиска положительно скажутся на ключевых показателях этапа воронки.
Подтвердили гипотезу и получили рост количества транзакций на 142%, рост среднего дохода на пользователя за период на 167%, снижение показателя отказов на 48%.

Рост количества транзакций и дохода на пользователя

Кейс онлайн-гипермаркета матрасов: ✖2 рост конверсии

Подключили расширенную электронную торговлю и сервисы для работы с тепловыми картами и проведения опросов, изучили данные.
Выполнили качественные исследования для подтверждения гипотез, выдвинутых на основании данных веб-аналитики. Сформировали план CRO с приоритезацией гипотез.
Работали над улучшением интерфейса, листинга, функционала фильтрации и сортировки, производительности магазина. Конверсия выросла более чем в 2 раза — с 0,9 до 1,9%.

Кейс интернет-магазина целебных трав: +54% рост конверсии, ✖3 увеличение среднего чека

Изучили данные веб-аналитики и обнаружили большой отток посетителей на этапе чекаута. Причина — низкая скорость сайта из-за проблем в бэкенде на этапе чекаута и несовершенства интерфейса оформления заказа.
Выдвинули гипотезу, что обновление функционала и улучшение юзабилити корзины и чекаута увеличат конверсию и средний чек.
Подтвердили гипотезу, увеличили конверсию на 54%, а средний чек в 3 раза.

Увеличение среднего чека

Кейс интернет-магазина одежды: ✖3,3 рост конверсии, +12% рост ARPU, +4,74% увеличение среднего чека

Проанализировали данные систем веб-аналитики и выявили неудобства на этапе чекаута. Собрали лучшие практики с рынка в рамках конкурентного анализа.
Выдвинули гипотезу, что объединение корзины и страницы оформления заказа положительно скажется на юзабилити и ключевых метриках проекта.
Сначала объединили корзину и страницу оформления заказа: конверсия выросла в 3,3 раза — с 0,61% до 2%. Затем выполнили редизайн: средний доход на пользователя за период вырос на 12%, конверсия на 12%, средний чек на 4,74%.

Оптимизация коэффициента конверсии никогда не останавливается

После внедрения изменения нужно опять анализировать данные и искать идеи, проводить исследования. Но всё же системная оптимизации конверсии — оптимальное решение для повышения ARPU, CR и других важных для ecommerce метрик с минимальными рисками. Надеемся, что мы вдохновили вас использовать системный подход к работе с ключевыми метриками проекта.

Источник фото на тизере: