поиск точек роста

Как искать точки роста конверсии лендинга: анализируем данные о поведении посетителей

Взаимодействие с какими элементами лендинга влияет на конверсию посетителей в лиды? Как анализировать и сравнивать данные о промежуточных Событиях на лендинге, которые косвенно влияют отправку веб-формы? Показываем процесс выдвижения и проверки гипотез о точках роста посадочной страницы на реальном примере. Показываем как использовать полученные результату для оптимизации лендинга.
Опубликовано: 28 февраля 2019 г.
Время чтения: 11 минут
Запуск лендинга, каким бы внешне замечательным он ни был, вовсе не означает того, что в работе интернет-маркетолога наступил долгожданный финал. Любой специалист в области лидогенерации понимает, что в этот момент только начинается настоящая работа над посадочной страницей.

С получением первых посещений начинается процесс оптимизации всех инструментов, которые используется в рамках рекламной кампании. Цель данного процесса – увеличение целевых обращений от посетителей лендинга, которые можно калифицировать как лид (в народе этот нелегкий труд еще называют - увеличением коэффициэнта конверсии).

К таким целевым обращениям можно отнести:
отправку веб-формы;
целевой звонок;
обращение в онлайн-чат;
обращения в мессенджер.
Процесс оптимизации представляет из себя поиск точек роста на основе анализа поведения пользователей на лендинге. О практических способах построения и проверки гипотез для увеличения обращений в онлайн-чат на лендинге, я ранее уже писал в этой статье. Тогда речь шла об аналитике данных взаимодействия со всплывающими окнами и триггерными сообщениями.

Если вы еще не прочли нашу статью об оптимизации всплывающих сообщений на лендинге, допущу небольшой спойлер: основная проблема с которой сталкивается большинство интернет-маркетологов в процессе оптимизации коэффициента конверсии цели - объем трафика, которого обычно недостаточно для проведения полноценных А/B тестов, о которых мы все так любим читать.

Иными словами, если для проведения сплит-теста ориентироваться на лиды, часто имеющегося количества уникальных посетителей лендинга:
или недостаточно для создания необходимой выборки для утверждения достоверности результатов теста;
или требуется непозволительно большое количество времени на сбор необходимой выборки.
Читайте также:
Если вы считаете, что ваш бизнес в состоянии генерировать прибыль больше той, которая есть сейчас
УМНЫЕ ЛЕНДИНГИ
ДЛЯ ОТДЕЛОВ ПРОДАЖ
Если вы интерент-маркетолог в условной «Розетке» и трафика для тестов у вас куры не клюют – дальше вам можно не читать. Для все остальных поведаю, что в ситуации когда трафика мало, а достоверный сплит-тест сделать хочется – в помощь анализ трафика в разрезе премежуточных Событий (Микроконверсий), которые косвенно свидетельствуют о разной степени заинтересованности посетителей.

Далее, для большей наглядности, весь процесс оптимизации элементов лендинга на основе данных о поведении пользователей, покажем на примере рекламной кампании нашего клиента – тату-студии "SAO Tattoo".

Настраивая инструменты интернет-аналитики перед запуском трафика мы создаем События для любого взаимодействия посетителей с лендингом. Поэтому, уже через 1-2 месяца привлечения трафика из различных платных Источников у нас появляется достаточное количество данных о том, как посетители взаимодействуют с посадочной.

В приведеном примере, в рамках оптимизации лендинга "SAO Tattoo", мы хотели проверить то, каким образом на коэффициент конверсии влияют следующие События:
скроллинг на 100 и 50 процентов длинны лендинга;
взаимодействие с блоком «Распространенные вопросы».
Достаточное количество данных об этих Событиях у нас набралось уже по истечении 2х месяцев ведения рекламной кампании. Поэтому далее, мы начали сегментацию Посетителей, на основе данных. В процессе сегментации создали два Пользовательских сегмента в Google Analytics с Условием присутствия в истории поведения Пользователей каждого из этих Событий.
Создание Пользовательского Сегмента в Google Analytics на событие - Прокрутка страницы на 100%.
В изображении выше показан пример одного из таких сегментов – посетители сайта, которые доскроллили лендинг до конца. Обратите внимание, что в строке «Фильтр», по умолчанию, указан параметр «Сеансы», тогда как для корректного анализа данных необходимо указать параметр «Пользователи».

Далее, для анализа эффективности данного сегмента создается похожий сегмент, только в этот раз, в строке «Фильтр» выбираем «Исключить».

В результате, у нас появляется возможность сравнивать созданные нами Пользовательские сегменты в разрезе Основных конверсий непосредственно в отчете об Источниках трафика.
Сравнение Пользовательских сегментов в отчете об Источниках трафика
Читайте также:
Здесь мы видим, что посетители, которые скролят страницу до конца, более чем, в 4 раза чаще отправляют заявки на запись к тату-мастеру с помощью веб-форм.

Однако то, что кажется блестящим результатом, на поверку может оказаться преждевременными выводами, т.к. выборка, на которой проводились тесты недостаточна, что бы назвать полученные результаты статистически значимыми.

Проверить статистическую значимость результатов сплит-тестирования можно с помощью А/Б калькуляторов. Вот один из самых универсальных и точных подобных инструментов для проверки выборок: http://www.evanmiller.org/ab-testing/sample-size.html

Для проверки статистической значимости нашего теста, с помощью данного калькулятора, необходимо сделать три шага:
Шаг 1
В поле Baseline conversion rate (Базовый коэффициент конверсии) указываем значение коэффициента конверсии цели «Отправка веб-формы» для сегмента Посетителей лендинга, которые не прокрутили страницу до конца. Это наше базовое минимальное значение коэффициента конверсии, по отношению к которому мы хотим проверить значимость полученных более высоких результатов.
Шаг 2
В поле Minimum Detectable Effect (Минимальный выявленный эффект) указываем разницу, между значение поля Baseline conversion rate и коэффициентом конверсии цели «Отправка веб-формы» для посетителей лендинга, которые проскроллили лендинг на 100%.
Шаг 3
Передвигаем ползунок, соответствующий полю Statistical power 1−β (Статистическая мощность), до максимального значения - 95%.

Полученное значение значительно меньше той выборки, которую мы использовали для определения статистической значимости результатов проведенного нами сплит-теста.
Определение объема необходимой выборки с помощью А/Б калькулятора
Как видим, бъем необходимой выборки для данного теста, значительно меньше той выборки, которую мы использовали для определения статистической значимости полученных результатов.
Как использовать полученные результаты?
Мы определили, что между глубиной скроллинга и коэффициентом конверсии цели «Отправка веб-формы», существует взаимосвязь. Теперь, на основе полученных данных, необходимо выдвигать гипотезы связанные с оптимизацией или изменением элементов лендинга, которые, в свою очередь, положительно повлияют на изменение коэффициента конверсии.

В нашем случае, гипотеза заключается в том, что увеличение коэффициента конверсии у пользователей, проскролливших страницу на 100% возможно, в случае если дать им возможность оставить заявку непосредственно в футере лендинга: Для проверки данной гипотезы были внесены следующие изменения в лендинге:
добавлена еще одна веб-форма в футере там, где размещена интерактивная карта с указанием расположением тату-студии
в мобильной версии, рядом с новой веб-формой, добавлена кнопка быстрого звонка в один клик.
Вероятнее всего, для определения статистической значимости проведенных в лендинге изменений потребуется гораздо более объемная выборка. Однако такой подход позволяет в конченом итоге, значительно увеличить коэффициент конверсии лендинга на имеющемся объеме трафика.
Если вы считаете, что ваш бизнес в состоянии генерировать прибыль больше той, которая есть сейчас
УМНЫЕ ЛЕНДИНГИ
ДЛЯ ОТДЕЛОВ ПРОДАЖ

Другие статьи о маркетинге

А здесь мы оперативно
отвечаем на вопросы
Write Close
Close
Есть вопросы?
Свяжитесь с нами любым удобным вам способом!
Telegram
WhatsApp
Viber
Phone
© 2014 Incase Digital
Контакты
Киев, ул. Евгения Коновальца,
32б, оф.65
тел. 38 099 470 81 64 (Telegram, Viber)
Киев, ул. Евгения Коновальца, 32б, оф.65