Egyre többször hallasz A/B tesztelésről, olvasol a konverziós arány javításáról, de még mindig úgy érzed, nincs egy átfogó képed arról, hogy milyen lehetőséget jelent mindez a webáruházad számára? Mit is takar valójában a CRO, azaz a sokat emlegetett konverzióoptimalizálás? Valóban elég pár best practice-t követni, és átszínezni a CTA gombot ahhoz, hogy dőljenek a megrendelések?
Ebben a cikkben egy konverziókutatási keretrendszert mutatunk be, aminek segítségével te magad is felmérheted, hogyan illeszthető be ez az eszköz a marketingstratégiádba.
Mi az a CRO, és mi nem?
A CRO (conversion rate optimization), magyarul a konverziós arány optimalizálását jelenti. Habár a nevében alapvetően benne van, hogy a konverziós arány az egyik fő KPI, ami a tevékenység eredményességét méri, azonban ha csak erre fókuszálnánk, bőven elég lenne levinni az árakat, és máris nőne a konverziós arány. Éppen ezért helyesebb az a definíció, amely szerint a CRO a növekedésről szól. Arról, hogyan maximalizáld az értéket a látogatóid után, akiknek a webáruházba terelésére már amúgy is rengeteg energiát fektettél. Kvázi azt mutatja meg, hogyan csinálj több pénzt, hogyan növekedjen az üzleted egyéb erőforrás bevonása nélkül.
Fontos azonban leszögezni, hogy a CRO nem taktikák és best practice-ek halmaza. Egy jól felépített CRO-projekt szisztematikus és megismételhető folyamat, minden lépése előre eltervezett, adatokkal alátámasztott. Nem csak az A/B tesztelésről szól, habár az is kritikus része a konverzió optimalizálásnak, de valójában csak a komplett CRO folyamat jéghegyének csúcsa. Rengeteg ingyenes és felhasználóbarát A/B tesztelő eszköz elérhető, melynek segítségével bárki könnyen futtathat kísérleteket. A nehézsége a dolognak nem ebben rejlik, hanem abban, hogy MIT teszteljünk.
Hogyan épül fel egy konverziókutatás?
Egy alap konverziókutatás az alábbi lépésekből épül fel:
- Célok kitűzése
- Mérés beállítása és adatgyűjtés
- Az adatok elemzése, problémák feltérképezése
- Az így nyert információk hipotézisekké alakítása
- Hipotézisek priorizálása, tesztelése
- A tesztek eredményeinek elemzése – TANULÁS
Hogyan gyűjtsünk adatot?
Az alábbi adatgyűjtési módszertant a CXL dolgozta ki, és ez csak egy a lehetséges módszertanok közül. Ahány CRO, annyiféleképpen egészíti ki, dolgozza át az alapsémát. A fő irányvonalak azonban többnyire adottak.
1. Technikai elemzés
Mielőtt bárminek nekiállnánk, ez a zéró, a kiindulópont. Ugyanis a bugok, az alacsony oldalbetöltési sebesség a legnagyobb konverziógyilkosok. Talán nem is gondolnád, de a Shopify kutatása alapján az online vásárlók 47%-a elvárja, hogy 2 másodpercnél gyorsabban töltődjön be az oldal. A BigCommerce még messzebb ment, és azt állítják, hogy 1 másodperc késés az oldalbetöltésben 7% konverziós arány esést eredményez. Számokból és esettanulmányokból nincs hiány, de a lényeg, hogy a vevő nem vár. Ha lassú az oldal, akkor máshol vásárol: ott, ahol gyorsan és hatékonyan szolgálják ki.
És ha már itt tartunk: rendben van, hogy a laptopodon viszonylag gyorsan betölt az oldal, de mi a helyzet az okostelefonnal? Biztos vagy benne, hogy minden böngészőn és minden eszközön tökéletesen jelenik meg a tartalmad? A technikai elemzés az egyes eszközök és böngészők konverziós arányát és teljesítményét is elemzi, és megkeresi a javítandó területeket.
2. Heurisztikus elemzés
A heurisztikus elemzés első körben az érdeklődés területét határozza meg. Ebben a fázisban a webáruház oldalról oldalra történő átvizsgálása következik, szervezett, strukturált formában. Az alábbi lehetséges kritériumokat érdemes megfontolni minden aloldal esetében:
- Relevancia: megfelel-e az adott aloldal a felhasználói elvárásoknak mind dizájn, mind pedig tartalom szempontjából? Hogyan lehet még javítani rajta?
- Egyértelműség: az oldalon található tartalom/ajánlat a lehető legegyértelműbb? Hogyan tehetjük azt még világosabbá, egyszerűbbé?
- Érték: milyen értéket kommunikál az adott oldal felhasználóval?
- Visszatartó erők: mi okoz kétséget, tétovázást és bizonytalanságot az adott oldalon? Mi bonyolítja a folyamatot? Hogyan lehet egyszerűsíteni?
- Zavaró elemek: van-e bármi, ami elvonja a felhasználó figyelmét?
Ha lépésről lépésre minden fontos aloldalon végigcsinálod az elemzést, a végeredmény egy hosszú lista lesz, tele feltételezésekkel, lehetséges problémákkal. Viszont ne ess abba a hibába, hogy máris eldöntött igazságként, felfedezett lehetőségként tekintesz rájuk! Ugyanis ezek még mindig csak a te szubjektív meglátásaid, melyeket a konverziós kutatás következő szakaszában kvalitatív és kvantitatív eszközökkel validálni kell.
3. Webanalitikai elemzés
A kutatás harmadik fázisának legjobb barátja a Google Analytics. Rengeteget lehetne beszélni az Analytics beállításokról, mérési hibákról, KPI-okról, mutatókról, éppen ezért állítottunk össze egy külön kollekciót az erre vonatkozó írásainkból. Amennyiben nincs időd elmélyedni az Analytics haladó szintű felhasználásában, úgy érdemes szakember segítségét kérned. Ugyanis amíg a heurisztikus elemzés az érdeklődési irányokat lőtte be, úgy a webanalitikai elemzés igyekszik adatokkal is alátámasztani a fenti prekoncepciókat.
4. Hőtérképes elemzések
Számtalan eszköz segíti árnyalni a képet arról, hogyan is teljesít a weboldalad, és hogyan használják a felhasználóid valójában. A hőtérkép az egyik legtöbbet emlegetett eszköz, ami vizuálisan és aggregálva mutatja meg neked a vásárlóid viselkedését egy-egy oldalon.
Több fajtája is létezik. A scroll map abban segít, hogy egy-egy oldalon meddig görgettek le a felhasználók, így megmutatja, hova tedd a legfontosabb információkat. A click maps segítségével felmérheted, hova kattintanak gyakran és ritkábban a felhasználóid. Például egy erőteljes vizuális elemre, képre gyakran kattintanak, de nincs link mögötte? Máris egy probléma, amit érdemes felvenni a listára. A hover vagy move map pedig azt mutatja, hogy merre jár a látogatód az egérmutatója, miközben az adott oldalt böngészi. Viszont figyelem: ez nem egyenlő a szemkövetéssel, inkább a navigációs menü anomáliáinak felkutatásában lehet hathatós segítség.
5. Kvalitatív adatgyűjtés: session replay és kérdőívek
Míg a kvantitatív adatok azt a kérdést válaszolják meg, hogy HOL ütköznek a látogatók nehézségekbe, addig a kvalitatív adatokkal arra keressük a választ, hogy MIÉRT? Hasznos eszköz erre a felhasználói felvételek elemzése. A webanalitikai elemzésből már látszik, hogy a checkout folyamat egy bizonyos szakaszában sokan abbahagyják a vásárlást? Nem kell több ezer felvételt végignézned, hogy rátalálj arra a kérdésre az űrlapon, ami a leginkább elbizonytalanítja a potenciális vevőt.
A felugró popup kérdőívezést sokan zavarónak tartják, viszont nagyon sokat segíthet abban, hogy kitaláld, mi akadályozza meg a felhasználókat egy bizonyos cselekvés végrehajtásában. A kérdőívezés helyes módjáról a későbbiekben majd készítünk egy összefoglalót, mert mint mindennek, ennek is megvan a módszertana.
6. Felhasználóiélmény-tesztek
Akármilyen gondosan is lett egy webáruház megtervezve, döbbenetes tapasztalatokhoz juttathat, ha megfigyeled, hogy egy új felhasználó hogyan lép interakcióba az oldaladdal. A módszer viszonylag egyszerű: ültess le 5 embert a célcsoportodból, és adj neki feladatokat! Például vásároljon egy S-es női farmert, vagy keressen meg valamit az oldalon. Kérd meg, hogy hangosan kommentelje a folyamat során a gondolatait, tapasztalatait, te pedig figyelj, hogy hol hezitál, mennyi idő megtalálni a kért dolgot, teljesíteni a teljes funnelt, stb.
Hipotézisek felállítása, priorizálása
Ha a fenti elemzést végigcsináltad, mostanra már egy hatalmas listád van kisebb-nagyobb problémából, A/B tesztelésre váró ötletekből. Ezek egy részét sikerült is adatokkal alátámasztani, vannak közte középszerű ötletek és olyanok is, amiket nem tudsz értékelni. Mivel nem lehet mindent egyszerre kitesztelni, érdemes priorizálni őket! Természetesen erre is számos keretrendszer található, komplexek és kevésbé bonyolultak. Most ez utóbbiból mutatunk egyet.
Minden egyes meghatározott problémához rendelünk egy úgynevezett ICE számot, amit az alábbi dimenziók átlagaként kapunk meg. 1-10-ig pontozd:
- Impact, azaz hatás: mi lesz a hatása, ha ezt a hibát kijavítom?
- Confidence, azaz bizonyosság: mennyire vagyok benne biztos, hogy ez működni fog?
- Ease, azaz könnyűségi faktor: mennyire könnyű implementálni?
Azonosítottad a problémákat, priorizáltad, tudod, melyikben van a legnagyobb növekedési potenciál. Azt hinnéd, mostanra már készen is vagy, és jöhet a tesztelés. Igen ám, de a problémákra válasz is kell, ezek pedig a hipotézisek. A teszteléssel mindig hipotéziseket tesztelünk, és a jó vagy rossz eredményekből pedig tanulunk. Egy egyszerű példával talán érthetőbbé válik:
Azonosított probléma: A felhasználók nagy részének fontos a termék mérete, viszont az erről található információk a lap alján találhatók, ameddig már csak a 12%-uk görget le.
Hipotézis: Ha a termékméret-információkat hajtás fölé helyezem, azzal segítem a felhasználó gyorsabb informálódását, ezáltal nagyobb magabiztossággal folytatják a vásárlást.
Tesztek eredményeinek kiértékelése, tanulás
Most már jöhetnek a tesztek. Az A/B tesztelés elméletével és a tesztelés gyakorlati kivitelezésével korábbi cikkeinkben foglalkoztunk részletesen. Ne lepődj meg, ha nem minden tesztnek lesz statisztikailag szignifikáns eredménye. Ne feledd, a cél a tanulás. Tény, hogy minél több erőfeszítést teszel a kutatómunkába és a hipotézisek összeállításába, annál nagyobb arányban fogsz sikeres tesztekkel találkozni. De ha mégsem, az sem baj. Elég kevés az esély, hogy 2-3 teszttel az oldalad összes problémáját feloldd. Senki sem tudja melyik teszt fog igazán működni: ha tudná, akkor nem lenne szükség tesztelésre. Inkább figyelj, tanulj, változtass és tesztelj újra!
