Ви зробили гарний сайт. На перший погляд усе справно працює. У звітах ви бачите найвищі показники трафіку, але конверсій мало. Щоб зрозуміти, на якому етапі користувачі йдуть і що заважає оформити покупку, необхідно регулярно аналізувати шлях користувача та оптимізувати його. Як це зробити? Розповідає керівник відділу інноваційних проектів компанії iConText, що входить до iConText Group, Ігор Нефьодов.
Для початку – пара слів про те, що таке шлях користувача, він же Суstomer Journey. Це шлях, який людина проходить при взаємодії із брендом: від формування інтересу до замовлення чи покупки. Шлях користувача — майже те саме, що вирва продажів, тільки з боку не бізнесу, а потенційного клієнта.
При цьому шлях користувача складніший. Користувач може кілька разів повертатися на той самий етап або пропускати якийсь із них, перш ніж підійде до оформлення замовлення. Крім того, шлях не закінчується після покупки та включає післяпродажну взаємодію з брендом.
Щоб краще утримувати потенційних клієнтів на сайті та вести їх до конверсії, потрібно налагодити систематичну роботу за допомогою користувача – аналізувати та оптимізувати його. Насамперед для цього потрібно скласти Customer Journey Map – карту шляху користувача.
Як скласти Customer Journey Map
Customer Journey Map – це послідовний та докладний опис усіх етапів шляху користувача. Його можна скласти у таблиці або візуалізувати в інфографіці. Зовнішній вигляд тут не головне, головне точність.
Визначте ключові точки торкання користувача з сайтом
Для початку складіть список – які цільові дії на сайті повинен зробити користувач, щоб просунутися до покупки. Наприклад:
- реєстрація;
- відвідування каталогу;
- перехід у картку товару;
- додавання товару до кошика.
Передбачте не тільки ідеальний варіант – коли користувач відвідує сайт і в цей же сеанс купує. Такий сценарій працює далеко не завжди, тому важливо додати до списку додаткові цільові дії, наприклад
- прокручування двох екранів вниз на головній сторінці;
- перегляд відео;
- скачування pdf;
- Підписка на розсилку.
Подібні дії допомагають сегментувати аудиторію та наздоганяти за допомогою ремаркетингових кампаній тих, хто був на сайті, але нічого не замовив. Наприклад, можна налаштувати рекламу на тих, хто переглянув понад 15 секунд відео товару на сайті.
Позначте кожну точку торкання як подію в системах аналітики
Тепер, коли у вас є список точок торкання користувача з сайтом, потрібно налаштувати аналогічні події в системах аналітики – найзручніше налаштовувати події через Google Tag Manager.
Найкраще продублювати ці події у своїй CRM-системі – це дасть додаткові гарантії, що дані враховуються правильно.
Завдання на цьому етапі – налаштувати відстеження, що саме користувач робить на сайті. При цьому всі дії повинні узгоджуватися з більш глобальними етапами картки: “Поінформованістю”, “Прийняттям рішення”, “Замовленням”.
На даний момент системи аналітики не дозволяють точно відстежувати дії користувачів на етапі поінформованості. Але таку можливість надають спеціальні трекери (наприклад, Campaign Manager, Weborama), а також трекери медійної реклами. Вони дають змогу відстежити шлях користувача з моменту, коли він побачив рекламний банер.
Детально налаштовується і відстежується зазвичай лише останній етап, тому що саме він пов’язаний із продажами. Але навіть події, що відносяться до цього етапу, часто-густо некоректно налаштовані.
Наприклад, аналітики не завжди враховують зміни, що впроваджуються на сайті, оскільки відділи розробки та маркетингової аналітики не перетинаються на постійній основі. В результаті, частина даних про поведінку користувачів може губитися або дублюватися. Щоб цього не сталося, важливо перевіряти коректність налаштувань та проводити систематичні аудити.
Як проаналізувати шлях користувача
Отже, вважатимемо, що на попередньому етапі ми налаштували події і дані стали накопичуватися у статистиці. Переходимо до наступного етапу – обробки даних.
Вивантажте дані
Отримайте дані будь-яким зручним способом – наприклад, вивантажте статистику у чистому вигляді з Google Analytics. На основі отриманих даних ви зможете визначити конверсію під час переходу користувача з одного етапу на інший.
Залежно від обсягу даних, вивантаження можна проводити і з інтерфейсу. Але якщо даних багато, потрібно використовувати API або налаштовувати інтеграцію з Google Big Query, де немає семплінг.
Семплінг, або семпування даних — це коли під час підготовки звітів беруться в повному обсязі дані, лише частина (вибірка), наприклад, 40%, та був показники пропорційно підганяються під 100% і відображаються у звіті. У результаті можливо розбіжність за кількістю конверсій, оплат і за сумами транзакцій.
Стратифікуйте дані за параметрами, характерними для аудиторії
У таблицю з даними можна додавати додаткову стратифікацію за статтю, віком, каналом входу, іншими характеристиками аудиторії та на основі цієї інформації сегментувати користувачів. Це дозволить уникнути феномена Сімпсона.
На графіку, якщо пропустити лінію тренда між усіма точками (пунктирна лінія), вона покаже негативний тренд. Але якщо дані, за якими вона будувалася, поділити на дві категорії, припустимо, за статтю (жінки та чоловіки), ви побачите інші тренди.
Пояснимо з прикладу, як стратифікація дозволяє припустити помилку при інтерпретації даних. Очевидно, що шлях старих і нових користувачів різниться, тому що людина, яка вже заходила на сайт, знайома з системою. Якщо їх об’єднати, буде один тренд. Ви побачите, що користувачі добре знають сайт та йдуть простим шляхом. Але якщо зробити стратифікацію на нових та старих користувачів, ви побачите, що нові по-іншому поводяться на сайті. Однак ці дані просто губляться на тлі інших, і в результаті ви отримуєте неправильну картину.
Знайдіть точки з найменшою конверсією в наступний крок
Все, що відбувається на цьому етапі, – аналітична робота. Ви дивитеся, де конверсія нижче, висуваєте гіпотези, чому вона нижча, погано це чи добре. Наприклад, якщо вам потрібно, щоб при заповненні форми, користувач вводив паспортні дані, очевидно, що на цьому етапі конверсія нижче. Якщо ви не можете виключити цей етап, не зможете вплинути на конверсію.
Оптимальний варіант візуалізації даних для аналізу – діаграма Санкей. Вона дозволяє зрозуміти, яким буде наступний крок кожного конкретного користувача.
Наприклад, на схемі нижче вертикальні лінії означають переходи з одного етапу на інший, причому для кожного відвідувача можуть відрізнятися, а ширина смуг відповідає за кількість користувачів. Перевага в тому, що ви бачите дані з усіх користувачів одночасно.
Чому конверсія може бути низькою? Ось кілька найпоширеніших причин:
- Форма не працює у принципі або працює некоректно. Наприклад, для якихось користувачів вона просто не спрацьовує. Тому якщо у вас на сайті дуже проста форма, а конверсія при цьому низька, варто перевірити, чи вона відпрацьовує коректно для різних користувачів і в різних браузерах.
- Великий обсяг даних для введення. Це значно знижує конверсію. І тут питання в тому, чи дійсно потрібна ця інформація або від неї можна відмовитися. Особливо це для мобільних пристроїв, де незручно вводити інформацію вручну.
- Довге завантаження контенту. Якщо сторінка або форма довго вантажиться, користувачі з великою ймовірністю залишать ресурс. Цей фактор також є важливим у випадку з мобільними користувачами.
Таким чином, різке падіння конверсії, особливо в динаміці, найчастіше пов’язане саме з технічними помилками. Тому основне завдання на наступному етапі — зрозуміти, що не так як це можна виправити.
Як тестувати гіпотези з оптимізації шляху користувача
Завдання на етапі оптимізації — висунути гіпотезу, що спричинило зниження конверсії, придумати, як цю гіпотезу можна перевірити, а потім вносити зміни в ті точки дотику, які, виходячи з аналізу, мають найнижчу конверсію в наступний крок вирви. .
Для перевірки гіпотези потрібно створити альтернативну версію сторінки або елемента інтерфейсу, де, на вашу гіпотезу, виправлена причина падіння конверсії. Так ви зможете зібрати статистику за обома версіями та порівняти отримані дані.
Використовуйте репрезентативну вибірку
Якщо ви збираєтеся тестувати варіанти не на всіх користувачах, а на обмеженій вибірці, дуже важливо правильно сформувати цю вибірку, щоб вона була максимально наближена до аудиторії сайту.
Наприклад, 60% відвідувачів вашого сайту – жінки, а 40% – чоловіки. Вибірка повинна повторювати це співвідношення, якщо ви знаєте, що поведінка чоловіків на сайті відрізняється від поведінки жінок.
При цьому користувачеві повинен випадково показуватися або перший або другий варіант безвідносно його характеристик. Імовірність показу кожного варіанту має становити 50%. Так ви отримаєте репрезентативні результати.
Не закінчуйте А/Б тест, поки не отримаєте достатній обсяг даних
Можна одночасно тестувати кілька гіпотез – обмежень немає. Але потрібно більше часу, щоб накопичити дані і отримати результат. Наприклад, великі ресурси типу Booking.com тестують десятки та сотні гіпотез одночасно, оскільки обсяг трафіку дозволяє це робити та швидко отримувати результати. Але якщо на місяць на сайт заходять 100 користувачів, і при цьому у вас п’ять варіантів тесту, є ризик, що на збір потрібного обсягу даних знадобляться місяці, а то й роки.
Критеріями достатнього обсягу даних можуть бути статистична значимість і статистична потужність. Рекомендую досліджувати ці теми.
Проводите А/Б-тести поступально і систематично.
Як це працює: ви проводите А/Б-тестування, отримуєте дані, робите висновки. Потім запускаєте другий тест – знову збираєте відомості та робите висновки. Такий підхід дозволяє збирати інформацію про якість змін, що впроваджуються, на кожному етапі.
Наприклад, на сайті банку коефіцієнт конверсії мобільного трафіку нижче ніж десктопного. Висувається гіпотеза: можливо, причина — складна форма із заповненням юридичних даних. Проводимо А/Б-тест: частини аудиторії під час заходу з мобільного браузера показуємо лише форму зворотного зв’язку. Результат: конверсія на кінцеву цільову дію зростає до рівня конверсії мобільного трафіку.
Систематичне та поступальне тестування не завжди можливе для дрібних сервісів, сайтів та додатків, оскільки не буде достатнього обсягу даних. У цьому випадку доводиться покладатися на свою чи чиюсь експертну думку, як зробити краще. Наприклад, можна опитати клієнтів, показати сайт стороннім людям, щоб спробували пройти всі етапи до замовлення товару. Якщо виявите очевидні проблеми, одразу усуньте їх, виключивши А/Б-тестування.
Звичайно, це не статистичний підхід, але в ньому можна працювати, коли немає альтернативи.
Автоматизуйте запуск тестів
А/Б-тести можна за допомогою спеціалізованих сервісів, наприклад Google Optimize. Він дозволяє одночасно вбити двох зайців: внести зміни на сайт (змінити форму, колір кнопки та інше) через плагін у браузері та провести коректний А/Б-тест, налаштувавши рандомізацію. Головне – попередньо коректно інтерпретувати дані з урахуванням портрета цільової аудиторії, особливостей її поведінки та специфіки продукту.
Як це працює? Ви вносите зміни на сайті, і вони автоматично підтягуються до Google Optimize. Потім ви вибираєте аудиторію, вказуєте інші налаштування та запускаєте тест. Система сама проводить розрахунки.
Головна перевага Google Optimize – просунутий алгоритм тестування, в основі якого лежить байєсівський підхід. Це дозволяє швидше отримувати результати тестів навіть при невеликому обсязі даних, тому що в моделі враховуються раніше зібрані, вже відомі дані про величину, що вимірюється (в нашому випадку – конверсії). У результаті ви розумієте, що варіант А з такою точністю принесе більше конверсій, ніж варіант Б. Це прискорює процес прийняття рішення.
Для порівняння, якщо ви проводите стандартний А/Б-тест з використанням частотного підходу, то просто чекаєте, поки накопичиться достатньо даних, потім розраховуєте статистичні критерії, дивіться і вирішуєте, чи достатньо інформації для прийняття рішення. Якщо ні, то чекаєте ще, наприклад, на місяць.
І останнє: не можна один раз оптимізувати шлях користувача та забути про це на довгий час. Це систематична робота, оскільки поведінка користувачів постійно змінюється, з’являються послуги, які дозволяють щось покращити та протестувати нові гіпотези. Так, якщо раніше при натисканні на кнопку “Далі” користувач для отримання наступних даних переходив на нову сторінку, то зараз нові дані можна підвантажувати прямо на сторінці за допомогою реактивного програмування.
Важливо стежити за змінами, регулярно аналізувати шлях користувача, тестувати нові гіпотези та вносити коригування. Тільки в цьому випадку ви зможете покращити споживчий досвід, збільшити конверсію та продаж.