Качественные vs количественные данные: нюансы, которые не учитывают или как увеличить ARPU на 37,28%
Как мы уже писали в предыдущей статье, работая с UX, нельзя опираться на интуицию или «лучшие практики» — это может быть не только бесполезным, но и вредным. Чтобы получить нужный результат, необходимо опираться на данные исследований — то есть достоверную информацию, которая получена из систем аналитики или от пользователей. Но и тут есть нюансы.
Два вида данных
В рамках исследований можно получить два типа данных:
- Количественные — это данные в числовой измеримой форме, то есть цифры, показатели и метрики, например, процент отказов, коэффициент конверсии, количество посетителей и продаж.
Эти данные показывают, что и в каком количестве происходит — указывают на проблему и ее объемы.
Качественные данные — это история и контекст, которые показывают как и почему происходят те или иные события на сайте. То есть позволяют понять поведение пользователей, с какими барьерами они сталкиваются и как себя при этом ведут.
То есть количественные данные позволяют найти проблему и понять ее масштаб. А качественные данные дают возможность понять источник проблемы.
И количественные, и качественные данные можно получить только в результате исследований и анализа. При этом стоит иметь в виду, что если данные собирались некорректно или недостоверны, а при исследованиях были допущены ошибки, то и положительного результата не будет.
Для количественных данных источники — это инструменты веб- и сквозной аналитики. Качественные данные можно получить напрямую от пользователей или покупателей — из опросов, либо путем анализа записей сеансов, кастдева и т. д.
Пример из практики
Работали с интернет-магазином ковров, проводили для них исследования и веб-аналитику. На сайте магазина был сервис онлайн-примерки ковров в интерьере — отдельно подключенный платный сервис. У клиента были сомнения по поводу полезности данного сервиса.
Для начала обратились к количественным данным — Google Analytics, который показал, что:
- за месяц обратилось к карточкам товаров 162 701 человек;
- онлайн-примеркой воспользовались лишь 516 пользователей, то есть всего 0,3%.
На первый взгляд, вывод очевиден — сервис не нужен, им практически никто не пользуется. Но просто логически — это очень удобно, можно загрузить фотографию собственного интерьера и увидеть, как будет выглядеть ковер в нем еще до покупки и примерки в реальности.
Решили углубиться в исследования — запросили аналитику самого сервиса. Оказалось, что среди тех, кто пользовался сервисом примерки, конверсия была больше средней в 11 раз.
Дальше провели качественные исследования — опрос с рассылкой по базе покупателей. Задали вопрос: «Как вы думаете, такой сервис необходим?».
86% респондентов ответили, что считают такой сервис полезным и нужным, и лишь 16% ответили отрицательно. При этом все понимали о чем речь.
Стали анализировать дальше, изучив конкурентов. Выяснилось, что у всех крупных зарубежных игроков тоже есть аналогичная функция, но если сравнивать реализацию этого элемента на сайте клиента — она проигрывает сразу по всем пунктам.
Как онлайн-примерка была реализована у конкурентов:
- простой и понятный call-to-action;
- яркая кнопка с ховером, а у нашего клиента — просто надпись;
- блок расположен сразу под изображением товара или над ним, а у нашего клиента в коммерческом блоке с ценами.
В данном случае расположение кнопки сервиса было решающим, поскольку в онлайн-магазине большое значение имеет визуал и он же привлекает максимум внимания.
Примеры решений конкурентов
Почему нужно использовать оба вида данных
Чтобы гипотезы дали положительный результат, они должны опираться на достоверные данные, то есть основываться на результатах количественных и качественных исследований.
- Если учитывать только количественные данные, есть риск гнаться только за синтетическими показателями. Например, пытаться увеличить процент конверсий, без понимания того, почему пользователи отказываются от покупки, и на каком этапе это происходит.
Без подтверждения качественным исследованиями есть риск поддаться субъективизму, то есть опираться на догадки и интуицию при обосновании причинно-следственной связи.
Например, у вас высокий показатель отказов, но причин этому может быть масса — от ошибок в установке систем аналитики до нерелевантной аудитории, которая привлечена на сайт.
- Если же опираться только на качественные данные — есть риск того, что мы будем заниматься проблемой узкого сегмента.
Например, просмотрев запись сеанса пользователя, мы обнаружим, что он завершил его, столкнувшись с большим количеством полей. Но здесь стоит убедиться, что с такой проблемой сталкивается достаточное количество пользователей, что должно быть подтверждено количественными данными.
Именно поэтому при проведении исследований нужно опираться на оба вида данных.
То есть:
- Обнаружить проблему для значительной группы, когорты пользователей, которые объединены каким-либо общим признаком.
- Найти причину, по которой пользователи сталкиваются с этой проблемой: низкая скорость, недостаточная функциональность, неработающие элементы, недостатки удобства или навигации.
Пример из практики
Обратили внимание на то, что региональный трафик имеет коэффициент транзакций сравнительно ниже, чем трафик из Москвы и Питера.
Запустили опрос для региональных пользователей в карточке товара и чекауте. При перемещении курсора мыши в сторону закрытия вкладки появлялось модальное окно с одним лишь вопросом: «Почему вы не сделали заказ?».
Значительная часть пользователей отметили в качестве причины дорогую доставку.
Дополнительно проанализировали региональную выдачу по запросам — выяснили, что конкуренты в органике с аналогичным ассортиментом предлагают более выгодные условия по стоимости доставки. В массмаркете стоимость и сроки доставки сильно влияют на принятие решение о покупке.
Такой подход дает синергетический эффект — мы одновременно находим искомую проблему и экстраполируем ее на достаточный массив пользователей. Таким образом, получаем значительный прирост эффективности работы интернет-магазина.
Когда особенно важны оба типа данных
Фундаментально есть два подхода к изменениям в дизайне и функционале сайта:
Радикальный — революционный редизайн. Это глобальная переработка сайта с определенной периодичностью.
Причин для этого может быть несколько:
- дизайн морально устарел;
- кривой бэкенд;
- изменилась команда проекта;
- низкая прибыльность сайта.
Чаще всего какие-либо исследования не проводятся. Так, мы многократно при запросе на редизайн сталкивались с тем, что данные, либо собирались некорректно, либо в принципе отсутствовала такая культура, либо доработки в UX внедрялись несистемно. И результат, будь он успешным или нет, в принципе не был задокументирован в виде кейсов.
Легаси присуще не только коду, оно также встречается в UX. Поэтому, если причиной редизайна стали первые три пункта — риск обрушить все ключевые метрики возрастает многократно.
Для того чтобы сократить эти риски и как минимум сохранить текущие показатели, нужно собрать как можно больше количественных и качественных данных о проекте.
Все помнят кейс Кинопоиска, когда новая команда проекта решила радикально изменить дизайн.
«Очень многие посещали ваш сайт с самого его основания. Интерфейс «Кинопоиска» был многофункционален, крайне информативен и удобен. Но с такими резкими изменениями все совершенствования на протяжении стольких лет оказались напрасными — новый сайт просто невозможно узнать», — говорится в обращении пользователей.
Самое страшное, что было потрачено много времени и денег, а желаемого результата достичь не удалось.
В таком контексте более привлекательным кажется второй подход — эволюционный редизайн сайта. Суть этого подхода в том, чтобы улучшать интерфейс точечно, последовательно на каждом этапе взаимодействия пользователя с сайтом.
Задача в том, чтобы спроектировать сам каркас на основе решений, которые проверены на пользователях. В завершение останется лишь обновить стилистику.
В основе этого подхода процесс системной оптимизации конверсии — CRO.
При этом риски существенно снижаются поскольку:
- во-первых, все гипотезы строятся на данных исследований;
- во-вторых, проверяются тестами — и внедряются только успешные.
В результате мы не ждём полгода, чтобы выкатить новый дизайн для пользователей и разочаровать их, а получаем профит от внедрений сразу, улучшая пользовательский опыт.
Пример из практики — редизайн карточки товара
Работали с интернет-магазином детской одежды, проект находится под NDA, поэтому покажем только прототипы вариации первого экрана.
Провели небольшой кастдев и проанализировали отзывы этого же бренда на маркетплейсе, собрав информацию о том, на какие детали обращает внимание ЦА, выбирая одежду своим детям в этой категории.
В итоге полностью переработали блок со слайдером изображений:
- Отказались от слайдера на десктопе — изображения выводятся друг под другом;
- На смартфонах слайдер остался, но поменяли механику;
- Сами изображения сделали значительно крупнее;
- Внедрили элементы инфографики с наличием УТП.
Понятно, что основной процент трафика приходится на первый экран, поэтому было важно оптимизировать коммерческий блок, собрав все важные для принятия решения о покупке элементы в первом экране:
- Собрали выбор ростовки в селект;
- На смартфонах блок с выбором ростовки расположили в ряд;
- Вытащили из табов и переместили вверх информацию о доставке и оплате;
- Коммерческий блок фиксируется пока пользователь не проскроллит все изображения;
- Добавили возможность покупателям делиться своими фотографиями в отзывах.
- Если приглядеться, то можно найти ещё отличия.
Вид старой версии карточки товара:
Прототип новой версии:
Самое главное
- Количественные данные сообщают о проблеме, качественные сообщают о контексте;
- В идеале нужно обогащать гипотезы не только количественными, но и качественными данными;
- Революционный подход к редизайну сайта — это риск снизить важные метрики, выкатив новый дизайн в лучшем случае через полгода;
- Эволюционный подход — это системный процесс улучшения UX, задача которого получить пользу от внедрений сразу, улучшив пользовательский опыт.
В следующих статьях цикла мы разберем, как правильно выдвигать и приоритизировать гипотезы, проводить эксперименты, поговорим про культуру инноваций и экспериментов в компании — 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 :)
Если нужен свежий взгляд, нет ощутимого роста или пришло понимание, что развиваете UX в интернет-магазине не системно — обращайтесь в KISLOROD. Определим барьеры и точки роста важных для проекта KPI.