Szkolenia z Google Analytics, Google Tag Managera i Optymalizacji Konwersji 5-8 czerwca 2017, WARSZAWA

Zarejestruj się już dziś »


Właściwe podejście do optymalizacji konwersji w 6 krokach

Przeczytałeś na blogu amerykańskiego eksperta z branży internetowej o zaletach optymalizacji współczynnika konwersji. Z wypiekami na twarzy i wizją nagłego wzrostu przychodów przycisnąłeś programistę, żeby jeszcze dziś zmienił na stronie kolory przycisków i wielkość nagłówków. Po 3 dniach zauważyłeś, że współczynnik konwersji w porównaniu z poprzednimi 3 dniami wzrósł o 20%, więc w euforii kupiłeś drogiego szampana i rozpocząłeś świętowanie swojego sukcesu wraz z resztą zespołu. Problem w tym, że tydzień później współczynnik konwersji spadł o 30%. Stwierdzasz, że ta cała optymalizacja konwersji to kolejna bajka chcących Cię naciągnąć konsultantów i zaprzestajesz dalszych działań. A nie powinieneś!

Jak nie zabierać się za optymalizację konwersji

Opisany powyżej scenariusz jest całkiem prawdopodobny, jeśli potraktujesz optymalizację współczynnika konwersji jako szybki i niezawodny sposób na wzrost przychodów, którego implementacja polega na wprowadzaniu w witrynie zmian, które wymyśliłeś pod prysznicem. Historia zawiera kilka typowych błędów, popełnianych przez początkujące w temacie osoby.

Podstawowy błąd to zmiana przypadkowych elementów. Fakt – istnieją elementy na stronie internetowej, których poprawienie można wskazać bez dodatkowych analiz i z niemal 100% pewnością przyniesie to wzrosty. Zdarza się to jednak rzadko, dlatego pomysły na to, co zmienić w witrynie nie powinny wynikać z Twojego widzimisię, a z solidnych analiz ilościowych i jakościowych, które pozwalają zrozumieć zachowanie użytkowników i poznać ich problemy.

Warto zauważyć, że w przytoczonej historii nie odbyły się testy A/B – zmiany zostały wprowadzone od razu dla wszystkich użytkowników. Współczynnik konwersji porównany w czasie, czego absolutnie nie powinno się robić, zwłaszcza na tak krótkiej przestrzeni czasu, jak 3 dni. Na zachowanie użytkowników ma wpływ wiele czynników zewnętrznych, takich jak dzień tygodnia, urządzenie z którego korzystają, etap procesu zakupowego, działania konkurencji, oferta, a nawet pogoda (jak myślisz, dlaczego w Wielkiej Brytanii rynek e-commerce tak dobrze się rozwija? Odpowiedź brzmi: deszcz :). Dlatego aby ocenić, czy współczynnik konwersji faktycznie wzrósł, należy przeprowadzić test A/B, który niweluje wpływ zewnętrznych czynników i pokazuje, czy faktycznie zmieniona wersja jest skuteczniejsza od oryginału.

Niepoprawnym działaniem jest też zbyt szybkie wyciąganie wniosków i pochopna interpretacja wyniku testu. Przed upływem 10-14 dni nie powinno się stwierdzać, czy dany test zakończył się sukcesem lub porażką – widzieliśmy wiele przypadków, gdzie wersja strony przynosząca po 3 dniach 20% wzrostu po upływie kolejnych 7 dni przynosiła spadek na poziomie 10%.

Jako największy błąd należy natomiast sklasyfikować brak analiz testu i rezygnację z dalszych prób w przypadku uzyskania negatywnego wyniku. Porażka w teście A/B to istotny element nauki o zachowaniu użytkowników serwisu – dzięki niej dowiesz się, co nie działa i skuteczniej sformułujesz hipotezy, które przetestujesz w kolejnym teście. Nam też nie zawsze to wychodzi – sporo testów przeprowadzanych przez Conversion kończy się porażką, ale wyciągamy z nich wnioski, dzięki czemu finalnie udaje nam się wprowadzić zmiany, dzięki którym podnosimy współczynnik konwersji. Tak było w przypadku optymalizacji strony docelowej dla Lukas Bank, gdzie osiągnęliśmy wzrost współczynnika konwersji o 26% dopiero po kilku próbach.

Poznaj poprawny, 6-etapowy proces optymalizacji konwersji

Wiesz już, czego nie robić podczas optymalizacji współczynnika konwersji – to już połowa sukcesu. Teraz przedstawię Ci 6-etapowy proces, który stosujemy przy współpracy z naszymi klientami. Jego poprawne wdrożenie w Twojej firmie sprawi, że będziesz testować odpowiednie elementy, uzyskiwać wiarygodne rezultaty i poprawnie wyciągać wnioski z prowadzonych działań niezależnie od ich wyniku.

6 etapowy proces optymalizacji konwersji
We współpracy z naszymi klientami wykorzystujemy 6-etapowy proces optymalizacji współczynnika konwersji. Jego implementacja w Twojej firmie sprawi, że będziesz testować odpowiednie elementy witryny i uzyskiwać wiarygodne rezultaty.

Krok 1: zebranie danych i wnikliwa analiza

Proces optymalizacji współczynnika konwersji należy rozpocząć od zebrania, a następnie analizy danych ilościowych oraz jakościowych. Dane ilościowe pozwalają na zidentyfikowanie elementów witryny, które wymagają poprawy. Do tego typu analiz warto wykorzystać Google Analytics (oczywiście wcześniej należy zadbać o poprawną konfigurację narzędzia).

Analizy ilościowe Google Analytics
Dzięki analizom ilościowym, przeprowadzanym np. w Google Analytics, dowiesz się, które elementy serwisu internetowego wymagają poprawy. Warto je uzupełnić analizami jakościowymi, dostarczającymi odpowiedzi na pytanie: dlaczego te elementy nie działają?

Informacje o tym, które elementy witryny są nieefektywne to dopiero początek – musisz przecież poznać powody ich niskiej skuteczności. W tym celu warto przeprowadzić badania jakościowe. Należą do nich m.in. ankiety wśród użytkowników serwisu, badania użyteczności czy analiza ekspercka (heurystyczna). Więcej o konkretnych typach analiz i wykorzystywanych w nich narzędziach przeczytasz w innych wpisach na naszym blogu.

Krok 2: opracowanie rekomendacji zmian

Przeprowadzone w pierwszym etapie analizy to baza do stworzenia listy rekomendacji zmian w serwisie. To kluczowy etap procesu optymalizacji współczynnika konwersji – to tutaj zapada decyzja o tym, jakie elementy witryny oraz w jakiej kolejności przetestujesz. Rekomendacje najlepiej spisywać w arkuszu kalkulacyjnym zawierającym takie kolumny, jak zmieniana podstrona (np. karta produktu), problem, rozwiązanie, źródło rekomendacji (np. badania użyteczności).

Po wypisaniu wszystkich rekomendacji musisz nadać im priorytety. Do ich określenia najlepiej wykorzystać ocenę dwuczynnikową, gdzie oceniasz potencjał wzrostu oraz trudność wdrożenia (w skali od 1 do 5). Im wyższy potencjał wzrostu, tym więcej punktów przydzielasz rekomendacji. Ocena trudności wdrożenia działa odwrotnie – im łatwiejsze jest zakodowanie zmiany w serwisie, tym więcej punktów otrzymuje rekomendacja.

Przykładowo jeśli planujesz zmianę nagłówka, która zajmie programiście tylko 5 minut i według Ciebie przyniesie duży wzrost współczynnika konwersji, jej potencjał wzrostu oceniasz na 4, a trudność wdrożenia na 5. Siła rekomendacji to natomiast iloczyn tych dwóch ocen:

potencjał wzrostu X trudność wdrożenia = siła rekomendacji

W przypadku Twojej zmiany nagłówka siła rekomendacji to 20 (na 25 możliwych punktów) – powinna się więc znaleźć wysoko na liście priorytetów do przetestowania. Oceniając potencjał wzrostu danej rekomendacji powinieneś mieć na uwadze liczbę użytkowników, którzy wchodzą w interakcję ze wskazaną podstroną lub elementem. Jeśli zmieniasz elementy ścieżki zakupowej, to mają one wpływ na wszystkich kupujących, więc zmiana będzie miała duży potencjał wzrostu. W przypadku usprawniania funkcji dodawania do ulubionych, z której korzysta 1% użytkowników, potencjał wzrostu – nawet jeśli opracujesz genialne rozwiązanie – jest niewielki, ponieważ ta zmiana będzie mieć znikome przełożenie na współczynnik konwersji.

Krok 3: Projektowanie zmian i dobór narzędzi

Wybrałeś już, które elementy chcesz zmienić w swojej witrynie. Pora na opracowanie rozwiązań graficznych, a następnie ich zakodowanie. Na tym etapie potrzebny jest wkład kilku specjalistów – musisz zaangażować w prace grafika i programistę, a jeśli istnieje taka możliwość, to także copywritera.

Gdy opracujesz już finalny wygląd zmienionej wersji strony, upewnij się, że dział IT poprawnie przeniesie Twoją wizję na kod. Przed startem testu dokładnie sprawdź zmienioną wersję witryny, ponieważ ewentualne błędy np. w walidacji formularzy czy linkowaniu zaburzą wyniki testu i nie dowiesz się, czy wprowadzone przez Ciebie usprawnienia rzeczywiście poskutkowały wzrostem współczynnika konwersji.

Analizy ilościowe Google Analytics
Zaprojektowanie zmian na stronie to dopiero połowa sukcesu – pamiętaj o tym, żeby dokładnie sprawdzić zakodowaną przez programistów wersję. Błędy techniczne potrafią mocno wypaczyć wyniki testu A/B, dlatego powinieneś je wyeliminować przed startem testu.

Musisz jeszcze przygotować narzędzie do przeprowadzania testów. Gdy testujesz landing page lub proste, pojedyncze podstrony, możesz skorzystać z darmowych eksperymentów Google Analytics. Jeśli testujesz elementy szablonu strony, jak np. wszystkich stron kategorii, najprościej skorzystać z gotowej aplikacji jak Optimizely czy Visual Website Optimizer. Wystarczy, że Twój dział IT wklei na wszystkie podstrony serwisu wygenerowany przez aplikację kawałek kodu JavaScript. Uruchamianie i kontrola testu odbywa się z poziomu panelu administracyjnego, który z łatwością opanujesz.

Krok 4: Testowanie zaprojektowanych zmian

Wyróżnia się dwa rodzaju testów: testy A/B oraz testy wielowymiarowe. Testy A/B polegają na testowaniu dwóch lub więcej odmiennych wersji witryny. Mechanizm dzieli odwiedzających serwis na dwie grupy i wyświetla im odpowiednią wersję witryny. Testy wielowymiarowe polegają na testowaniu kombinacji różnych wariantów poszczególnych sekcji witryny. Przykładowo jeśli testujesz nagłówek i przycisk, a każdy z nich ma dwie odmiany, to łączna liczba kombinacji równa się cztery. Testy wielowymiarowe wymagają dużego ruchu na stronie, aby osiągnąć istotność statystyczną.

Niezależnie od tego, na który z rodzaju testów się zdecydujesz (na początek zalecamy testy A/B), musisz pamiętać o kilku żelaznych zasadach. Po pierwsze, test powinien trwać 10-14 dni. Taki okres czasu jest potrzebny, aby wyeliminować wpływ czynników zewnętrznych na wynik testu, takich jak dzień tygodnia, pogoda, czy wysyłki mailingów promocyjnych. Powinien też objąć pełny cykl zakupowy klienta, który przykładowo w poniedziałek i wtorek wyszukuje dostępne na rynku produkty, w środę i czwartek je porównuje, w piątek podejmuje decyzję, a kupuje w sobotę po południu. Uchwycenie w teście pełnego cyklu pozwala uzyskać wiarygodne rezultaty.

Analizy ilościowe Google Analytics
Do przeprowadzania testów A/B możesz wykorzystać darmowe eksperymenty Google Analytics, bądź skorzystać z płatnych aplikacji, takich jak Optimizely lub Visual Website Optimizer. Pamiętaj, aby podczas testu unikać dużych promocji skierowanych do byłych klientów, ponieważ duży odsetek powracających użytkowników biorących udział w teście zaburzy jego wyniki.

Z racji tego, że użytkownicy nie lubią zmian, wersja zmieniona serwisu prawdopodobnie będzie osiągać gorsze wyniki wśród powracających użytkowników, którzy są przyzwyczajeni do serwisu i klikają w nim „na pamięć”. Ważne, abyś w trakcie trwania testu nie przeprowadzał wyjątkowych promocji kierowanych do własnej bazy mailingowej, zwłaszcza jeśli Twój serwis charakteryzuje się dużą liczbą powracających klientów, ponieważ wypaczy to wyniki testu – stali klienci trafiający na wersję zmienioną będą gorzej konwertować.

Krok 5: wyłonienie zwycięzcy testu

Po upływie 10-14 dni pora sprawdzić, która z testowanych wersji okazała się skuteczniejsza. Musisz tutaj zwrócić uwagę na istotność statystyczną wyników testu. Jeśli będzie ona niższa niż 95%, to istnieje duża szansa, że uzyskane rezultaty są przypadkowe i wdrożenie na stałe zmian do serwisu może nie przynieść wzrostu współczynnika konwersji w długim okresie.

Ważne, aby każda z testowanych wersji osiągnęła co najmniej 100 konwersji. W przeciwnym wypadku wyniki testu mogą być obarczone dużym czynnikiem losowym. W teście warto zwrócić uwagę na to, która z wersji była skuteczniejsza wśród nowych oraz powracających użytkowników i przy decydowaniu o wdrażaniu zmian na stałe wziąć pod uwagę, że powracający użytkownicy z czasem zaadaptują się do zmian i prawdopodobnie zaczną konwertować na tej wersji równie skutecznie, co nowi użytkownicy.

Po określeniu zwycięskiej wersji pora wdrożyć ją na stałe w serwisie i kierować na nią 100% ruchu. Warto zrobić to jak najszybciej, ponieważ każdy dzień zwłoki to strata równa różnicy między współczynnikami konwersji osiąganymi na testowanych wersjach. Pamiętaj, aby nie wdrażać jednocześnie zmian z dwóch różnych testów. Fakt, że zmiany testowane oddzielnie przynosiły wzrost współczynnika konwersji wcale nie oznacza, że ich połączenie będzie równie skuteczne.

Krok 6: analiza testu

Niezależnie od wyniku testu konieczna jest jego szczegółowa analiza. Nie wystarczy porównać współczynników konwersji między wersjami. Musisz się dowiedzieć, jak na poszczególnych wersjach przedstawiała się efektywność ścieżek zakupowych, jak wyglądały wskaźniki zaangażowania użytkowników (np. średni czas trwania sesji czy współczynnik odrzuceń) czy z jakimi elementami użytkownicy wchodzili w interakcję.

Twoim celem w procesie optymalizacji współczynnika konwersji powinno być doprowadzenie do sytuacji, kiedy do konkretnego segmentu użytkowników jesteś w stanie dopasować wersję strony, która jest dla nich najskuteczniejsza. Dlatego warto sprawdzić skuteczność testowanych wersji w odniesieniu do segmentów użytkowników, wydzielonych np. względem źródeł ruchu. Użytkownicy wchodzący na stronę bezpośrednio są zwykle na innym etapie procesu zakupowego, niż użytkownicy wchodzący z reklam AdWords. Warto o tym pamiętać i dążyć do dopasowania przekazu marketingowego do potrzeb poszczególnych segmentów użytkowników.

Indywidualizacja przekazu
Celem procesu optymalizacji współczynnika konwersji powinna być indywidualizacja przekazu kierowanego do poszczególnych segmentów użytkowników. Pozwala to zmaksymalizować efektywność witryny.

Efektem analizy testu powinna być wiedza, którą wykorzystasz do przygotowania rekomendacji zmian oraz hipotez do kolejnego testu. W tym momencie następuje zapętlenie procesu – wracasz znów do analiz (które warto co jakiś czas odświeżać) i po kolei przechodzisz kolejne etapy, aż zakończysz i przeanalizujesz kolejny test.

Podsumowanie

Wdrożenie w firmie opisanego powyżej procesu optymalizacji współczynnika konwersji wytworzy cykl stałego zwiększania efektywności witryny. Jest to podejście dużo skuteczniejsze, niż nagłe testowanie przypadkowych elementów, bądź po prostu zmienianie strony i porównywanie współczynnika konwersji w czasie. Dowodem na to jest projekt, który zrealizowaliśmy wraz ze Skąpiec.pl, polegający na ciągłej optymalizacji konwersji zamiast redesignu witryny – o jego efektach przeczytasz w .

Autor: Damian

Damian odpowiada za szkicowanie oraz testowanie nowych rozwiązań na stronach internetowych naszych klientów. Jest absolwentem Szkoły Głównej Handlowej na kierunku Finanse i Rachunkowość, a niebawem dołoży do tego dyplom z Zarządzania. Wpisy na blogu Conversion to pochodna jego wieloletniego zainteresowania dziennikarstwem. W wolnych chwilach ugania się za piłką na warszawskich orlikach.





x

Pobierz najnowsze case study

Przeczytaj jak Limango Polska wykorzystuje potencjał analityki internetowej w swojej organizacji.

Pobierz case study
Przeczytaj poprzedni wpis:
Ciągła optymalizacja współczynnika konwersji lepsza niż kolejny redesign serwisu

Osoby odpowiedzialne za efektywność firmy w internecie od czasu do czasu się zmieniają. Jeszcze częściej zmieniają się trendy w wyglądzie...

Zamknij