{"id":13760,"url":"\/distributions\/13760\/click?bit=1&hash=3388ba15c914e93bf42e7b84a842bfb878869a35e460a86df78995d13819ad04","title":"\u041f\u0440\u043e\u0434\u044e\u0441\u0435\u0440\u044b vc.ru \u043f\u0440\u043e\u0432\u0435\u0440\u044f\u044e\u0442 \u0448\u0443\u043c\u043e\u0434\u0430\u0432 \u0432 \u0422\u0431\u0438\u043b\u0438\u0441\u0438","buttonText":"\u042d\u0442\u043e \u043a\u0430\u043a?","imageUuid":"bf749ef5-3154-5029-a8d8-4dcbcbfac3ff","isPaidAndBannersEnabled":false}

Вы генерируете продуктовые гипотезы на тест? Нет. Показываю. Красивое…

В прошлой статье мы писали про синергию количественных и качественных данных в процессе CRO. В этой статье расскажем, как генерировать и приоритизировать продуктовые гипотезы на тест.

Это блог e-commerce агентства KISLOROD.

Занимаемся разработкой и развитием ecom-проектов. Рассказываем о том, как улучшить пользовательский опыт и прокачать важные метрики интернет-магазина. Подписывайтесь на блог в Telegram, чтобы не пропустить полезный контент.

Хорошие гипотезы рождаются на стыке двух типов данных — качественных и количественных.

  1. Количественные данные расскажут о проблемах: высоком проценте отказов и брошенных корзин, низком коэффициенте конверсии.
  2. Качественные данные помогут понять контекст и историю: почему так происходит, как пользователь взаимодействует с сайтом и что ему мешает.

Качественные данные, которые указывают на сложности пользователей, обязательно должны быть подкреплены количественными. То есть проблема должна затрагивать группу или сегмент пользователей, иначе есть риск решать задачи только для одного посетителя.

Поскольку мы говорим об электронной коммерции, то основная область поиска — это воронка продаж и путь клиента на сайте — Customer Journey.

Сценарии или нелинейные воронки

Воронка продаж — это самое наглядное представление пути пользователя к целевому действию — по ходу движения по воронке остается все меньше потенциальных клиентов.

Давайте посмотрим на примере, как могут протекать сценарии:

Вариант 1. Пользователь видит рекламу в «Яндекс.Директ», переходит на сайт, быстро смотрит отзывы на товар и совершает покупку.

Путь клиента: открытие→намерение→покупка.

Это линейное продвижение по воронке, но таких клиентов меньшинство.

Вариант 2. Пользователь видит рекламу, переходит на сайт и смотрит товар, читает отзывы на сайтах-отзовиках, смотрит обзоры на YouTube, потом переходит в соцсети. У клиента появляется доверие к бренду, он идет сразу на сайт и делает покупку.

Путь клиента: открытие→интерес→вовлечение→покупка.

У каждого клиента свои покупательские привычки и разные точки входа, поэтому прохождение воронки не может быть всегда прямым и линейным.

Сценарии

Customer Journey Map — это карта путей клиента, именно она дает возможность определить распространенные маршруты и сценарии поведения покупателей.

Сценарии — это нелинейное прохождение воронки продаж, которые объединяются по некоторым признакам, повторяющихся в части аудитории. То есть, сегмент вашей аудитории будет действовать чаще определенным образом, в рамках привычного сценария.

Например, в примере ниже, согласно данным, высокий показатель отказов и низкую конверсию имеют пользователи из регионов, город которых нельзя выбрать в шапке сайта. По умолчанию была возможность выбрать только те города, в которых были офлайн-магазины ритейлера.

Поэтому идея внедрить функционал автоматического определения города, ручную корректировку города пользователем, если город определится некорректно, персонализацию по региону на странице условий доставки, а также в карточке и чекауте — кажется вполне разумной, можно смело рассчитывать на рост всех KPI для региональных пользователей.

Анализируя пути клиентов и сценарии их поведения, можно найти узкие места в воронке продаж — то есть те этапы, которые вызывают затруднение. С помощью исследований можно выдвинуть гипотезу об устранении барьеров, что в итоге приведет к увеличению количества перешедших на новый этап воронки.

Так, устранив препятствие, мы дадим возможность большему количеству посетителей совершить целевое действие.

Нелинейные пути в воронке продаж

Чаще всего пользователи ведут себя нелинейно, то есть прохождение воронки продаж — это не движение от точки А к точке Б. Пользователь может искать альтернативы, сравнивать цены, ждать аванса, бросать корзины и возвращаться.

Чтобы получить реальную картину прохождения воронки, нужно использовать когортный анализ.

С его помощью пользователи разбиваются на группы, которые совершили одно и то же действие в определенный период. Например, группа пользователей впервые посетила сайт 13 сентября, а покупку совершила 15 сентября.

Когорты пользователей в Google Analytics

Вот примеры когорт пользователей:

  • впервые посетили сайт и оформили заказ;
  • впервые попали в раздел блога и оформили заказ;
  • подписались на рассылку, и вернувшись на сайт по email-рассылке, купили товар.

При анализе когорт также необходимо проводить сегментацию аудитории, то есть объединять по определенным признакам: психографическим, демографическим, социальным.

При нелинейном пути в воронке продаж найти узкие места помогут качественные данные — информация о том, какой опыт получает каждый посетитель.

Чтобы понять, как ваши клиенты оценивают свой пользовательский опыт, нужно ответить на несколько вопросов:

  1. С какими проблемами они сталкиваются на пути клиента?
  2. Какие элементы сайта вызывают трудности?
  3. На каком этапе они вынуждены покинуть его?
  4. Какие элементы на странице привлекают больше всего внимания?
  5. Какие элементы увлекают и ведут на следующий этап воронки?
Результаты опроса

Ответить на эти вопросы поможет использование инструментов качественных данных, к которым относятся: тепловые карты, записи сессий, опросы пользователей, глубинные и проблемные интервью. Подробнее об этом в этой статье. Ссылка→

После того как собраны все необходимые данные, можно приступать к поиску идей для решения проблем и формированию гипотез.

Идеи vs гипотезы

Когда вы изучаете данные, у вас могут появиться предположения — идеи о том, что если произвести какое-либо изменение на сайте, то вы получите определенный результат.

Например, если:

  • в корзине при удалении товара выводить форму подтверждения, то это уменьшит показатель отказов;
  • в чекауте блок выбора доставки и оплаты вывести выше, чем форму ввода контактных данных, то процент конверсий вырастет;
  • объединить поля формы имени и фамилии в одно поле — имя, то это повысит процент тех, кто отправил форму;
  • в корзине вывести блок с релевантными товарными рекомендациями под каждый товар в заказе, то это повысит средний чек;
  • объединить корзину и чекаут, то это увеличит конверсию.

Однако, идея — это всего лишь догадка, чтобы подтвердить ее или опровергнуть используется гипотеза.

Чем гипотеза отличается от идеи

Гипотеза — это конкретное осмысленное предположение, основанное на данных исследований, которое требуется подтвердить или опровергнуть.

Пример.

  • Идея

Если на мобильных устройствах в карточке товара закрепить кнопку добавления товара в корзину внизу экрана, то увеличится показатель добавлений в корзину.

  • Гипотеза

Согласно данным Google Analytics, только 10% посетивших карточку товара на мобильных устройствах, добавляют товар в корзину. Если закрепить кнопку «В корзину» внизу экрана для мобильных пользователей, то это приведет к росту: CR добавления в корзину, CR в заказы, ARPU в разрезе мобильных устройств.

Гипотеза ложится в основу последующего тестирования — исследований, которые дадут достоверную картину, основанную на данных.

Проработка гипотез

Чтобы определить работоспособность гипотезы, нужно ответить на несколько вопросов:

  1. Сколько времени потребует реализация гипотезы?
  2. Какие затраты необходимы: время, бюджеты, специалисты?
  3. Сколько времени будет длиться проверка гипотезы?
  4. Ключевая метрика, на которую хотим повлиять?
  5. Что хотим выяснить с помощью гипотезы?
  6. Как это повлияет на цели бизнеса и проекта?

Шаблон для формулировки гипотезы

Все гипотезы формируются по единому шаблону, который мы разработали сами:

«Согласно данным из [Источника 1] (Скриншот подтверждения) и [Источника 2] (Скриншот подтверждения), если [Идея] для [Группы пользователей], то это приведет к росту следующих показателей: [KPI 1], [KPI 2], ...».

Скоринг идей и гипотез

При изучении данных аналитики, технического аудита, тестирования юзабилити, CustDev, анализа обратной связи и конкурентного анализа можно собирать различные предположения. Все идеи заносятся в отдельную таблицу — бэклог.

Ряд очевидных вещей — таких как ошибки верстки и проблемы с функционалом — сразу отправляются в категорию Just Do It (просто сделай это). Проблема фиксируется в таблице и отправляется на исправление разработчикам.

Для того чтобы понять, какими идеями и гипотезами стоит заняться в первую очередь, проводится скоринг. Логично браться за те идеи, что смогут принести максимальный эффект при минимальных вложениях.

Сделать это можно с помощью различных инструментов, например, фреймворка ICE Score.

ICE расшифровывается как Impact, Confidence и Ease.

То есть:

  1. «Влияние» — демонстрирует, насколько реализация гипотезы улучшит ключевую метрику.
  2. «Уверенность» — отображает вашу убежденность в том, что идея значима и ее будет просто реализовать.
  3. «Легкость» — говорит о необходимом количестве ресурсов для внедрения гипотезы.

Формула расчета приоритета:

ICE Score = Impact х Confidence х Ease

Каждый участник команды оценивает все показатели от 1 до 10 баллов. Затем оценки участника перемножаются и суммируются с итоговыми баллами других участников. В итоге каждая гипотеза получает свой ICE Score.

Изучая разные фреймворки, мы столкнулись с тем, что часть параметров носит субъективный характер или дублирует друг друга по смыслу и типам данных. Мы решили отказаться от таких параметров и ориентироваться только на те, что основаны на данных или опираются на более важный показатель скоринга.

Для того чтобы 20% усилий давало 80% результата, разработали фреймворк, в котором заимствованы параметры из разных систем.

Скорим идеи по следующим параметрам:

  1. Количество источников, которые подтверждают проблему.

  2. Показатель утечки в воронке.
  3. Расстояние до момента конверсии.
  4. Ценность страницы.
  5. Достаточность трафика для размера выборки.
  6. Линия сгиба.

Нужно отметить, что мы разделяем таблицы скоринга идей и гипотез. Например, чтобы идея с большей вероятностью стала гипотезой, должно быть как минимум два источника данных, которые подтвердят наличие проблемы.

Переносим все значения из таблицы скоринга идеи, для того чтобы не потерять причинно-следственную связь и дополнительно указываем еще ряд важных для нас параметров:

  1. Длительность тестирования.
  2. Трудозатраты на разработку вариаций и проведения теста.

Если для оценки параметра требуется градация по баллам, то он оценивается в интервале значений от 0 до 2, если по принципу «Да/Нет», то выставляем 1 или 0 соответственно.

Для общего понимания всех участников процесса важно дать обоснование для каждой оценки. Например, для параметра «Линия сгиба», обоснование следующее:

  • 1 — Тест нацеливается на область страницы, которую видят все или большинство посетителей.
  • 0 — Карты прокрутки показывают целевую область, которую не видит основная масса пользователей.

Все сформулированные гипотезы на спринт собираем в одном месте — таблице или списке.

CRO: митинг и спринты

HADI-цикл

Совместно с командой клиента работаем спринтами: проводим митинг, на котором обсуждаем:

  1. Результаты гипотез, которые взяли в работу в прошлом спринте: какие из них стоит доработать, какие масштабировать, а с каким стоит расстаться.
  2. Ретроспективу спринта: что удалось сделать, а что не получилось, что помешало, что можно улучшить и как убрать препятствия.

  3. Будущие гипотезы: презентуем гипотезы, которые предлагаем протестировать.

По итогу встречи составляется план на очередной спринт, в который включены гипотезы, необходимые для запуска теста.

Здесь важно отметить готовность команды клиента к нововведениям — лучшие результаты показывают компании, в которых принята культура инноваций и экспериментов. В таких компаниях сотрудники вовлечены в процесс, активно предлагают и принимают идеи.

О том, как культура инноваций помогает в работе над сайтом, мы расскажем в следующей статье.

Собираем базу кейсов

Результаты каждой гипотезы мы описываем в кейсах, которые собираем в собственной «Базе знаний». Это дает опыт, который повышает эффективность и ускоряет результат в аналогичных проектах. Ведь теперь мы с большей вероятностью знаем с погрешностью на специфику проекта — сработает или нет та или иная гипотеза.

Подробнее об этом в этой статье. Ссылка→

Тезисно

  • Чаще всего клиенты выбирают нелинейные пути прохождения воронки.

  • Узкие места воронки продаж — это барьеры для конверсии.
  • Чтобы повысить процент конверсий — нужно устранить препятствия.
  • Изучение данных поможет понять опыт пользователя и улучшить его.
  • Перед внедрением изменений необходимо выдвигать и тестировать гипотезы.
  • Идея должна подтверждаться как минимум двумя источниками.
  • Гипотезы необходимо подтверждать исследованиями и экспериментами.

Чтобы узнать больше о CRO — присоединяйтесь к нашему каналу в Telegram и подписывайтесь на блог на VC.RU.

Ставьте +1 к оценке статьи, если было полезно, — вам несложно, а нам приятно :)

0
Комментарии
Читать все 0 комментариев
null