Home > Blog > Analityka > Optymalizacja współczynnika konwersji (CRO) i znaczenie liczb w tym procesie

Optymalizacja współczynnika konwersji (CRO) i znaczenie liczb w tym procesie

Optymalizacja współczynnika konwersji (CRO) wielu osobom kojarzy się wyłącznie ze stosowaniem sztuczek marketingowych mających zachęcić użytkowników do dokonywania konwersji np. zakupu w sklepie internetowym. Jednak poznając ten proces z bliska szybko uświadomisz sobie, że optymalizacja strony to w głównej mierze proces z zakresu analityki, UX i przede wszystkim statystyki. To świat liczb, wymiarów i metryk, w którym bardzo łatwo się pogubić. Optymalizacja konwersji pomoże Ci zarabiać.

Artykuł ten ma na celu przybliżyć Ci czym jest optymalizacja współczynnika konwersji (CRO), pokazać najważniejsze pojęcia, liczby i wartości z obszaru optymalizacji współczynnika konwersji w każdym e-biznesie.

SPIS TREŚCI:

  • Jak obliczyć współczynnik konwersji?
  • Jaki wpływ ma średni CR na poziom przychodu e-biznesu?
  • Kiedy rozpocząć prace nad optymalizacją współczynnika konwersji?
  • Jak obliczyć wielkość próby i długość trwania testu A/B?
  • Ile testów możesz prowadzić w tym samym czasie?

Optymalizacja współczynnika konwersji (CRO) to nowy bohater coraz większej grupy e-commerce’ów w Polsce i na świecie. W internecie, w mediach czy na portalach społecznościowych pojawia się coraz większa liczba inspirujących case study, które dobitnie pokazują jak bardzo skuteczna w zwiększaniu przychodu w e-biznesie może być optymalizacja strony.

Jak obliczyć współczynnik konwersji?

Zacznijmy od tego czym w ogóle jest konwersja. To każda zdefiniowana przez Ciebie pożądana akcja użytkownika na stronie. To może być zapis do newslettera, wypełnienie formularza czy też po prostu zakup produktu. Optymalizacja współczynnika konwersji (CRO) może dotyczyć każdej z tych akcji. Przyjęło się jednak, że głównym celem optymalizacji prowadzonych przez właścicieli e-commerce jest dokonanie zakupu przez użytkownika i to właśnie na tej konwersji skupimy się w dalszej części artykułu. 

Aby obliczyć współczynnik konwersji musisz znać liczbę użytkowników, którzy korzystają z Twojego sklepu w wybranym czasie. Jeśli w ciągu jednego dnia Twój sklep odwiedzi 1000 użytkowników, którzy dokonają 10 transakcji zakupowych, to Twój współczynnik konwersji wynosi 1%. W narzędziu Google Analytics przyjęto jednak, że kalkulacja wartości współczynnika konwersji liczona jest nie z liczby użytkowników, a z liczby wygenerowanych przez nich sesji. W związku z tym jeśli w danym dniu w narzędziu miałeś zarejestrowane 5000 sesji i 10 dokonanych transakcji zakupowych to Twój współczynnik wynosi 0.2%.

Współczynnik konwersji vs przychód

Co mówi nam ta wartość współczynnika konwersji? Przede wszystkim określa potencjał w generowaniu przychodów na stronie. W bardzo łatwy sposób możesz teraz określić, ile zyskasz lub stracisz w zależności od wahania wolumenu ruchu na Twojej stronie czy przede wszystkim od wahania samej wartości współczynnika. 

Przyjmijmy, że średnia wartość zamówienia (AOV) w Twoim e-sklepie wynosi 100 zł. Bazując na przyjętym we wcześniejszym przykładzie poziomie współczynnika konwersji (0,2%), jeśli na stronie będziesz miał dziennie około 10 000 sesji, to Twój przychód wyniesie 2000 złotych. 

Mając już wiedzę na temat trzech kluczowych zmiennych w naszej kalkulacji możesz puścić wodze fantazji i sprawdzić, jak będzie wyglądał Twój dzienny przychód, jeśli poziom współczynnika konwersji zwiększy się o np. 0,5 punkta procentowego i będzie wynosił 0,7%. Przy takim założeniu 10 000 sesji wygeneruje już 70 transakcji. Przy niezmiennym średnim AOV Twój dzienny przychód wyniesie 7 000 złotych. To 3,5x większy przychód! 

Jeśli jesteś właścicielem sklepu lub pracujesz w branży e-commerce to na pewno wiesz, że ten przykład był mocno pokazowy i nie ma nic wspólnego z rzeczywistością. Według badań* średni współczynnik konwersji dla e-commerce wynosi około 2,86%. Topowe e-commerce w Polsce bez problemu wykręcają wyniki ponad 5 000 000 sesji miesięcznie. Przy AOV wynoszącym 100 złotych ten współczynnik mówi nam o przychodach rzędu 14 300 000 złotych. Nawet niewielka zmiana poziomu współczynnika w wyniku optymalizacji do poziomu np. równych 3,00% gwarantuje już wzrost przychodu o 700 000 złotych! Te liczby dobitnie pokazują, jak istotna jest optymalizacja współczynnika konwersji (CRO) w każdym e-biznesie.

Optymalizacja współczynnika konwersji (CRO) – kiedy zacząć?

To jedno z najważniejszych pytań w kontekście CRO. Kiedy rozpocząć proces? Moment rozpoczęcia optymalizacji opartej na badaniach i eksperymentach nie jest wcale taki oczywisty i prosty do określenia. To właśnie na tej decyzji poległo bardzo dużo e-sklepów, decydując się na rozpoczęcie optymalizacji albo zbyt wcześnie, gdy ilość generowanych sesji jeszcze nie pozwalała na istotne statystycznie testy A/B, lub zbyt późno, gdy “przepalono” już bardzo duże budżety na próby zwiększenia przychodów poprzez pozyskiwanie nowego ruchu na niezoptymalizowaną stronę.

Optymalizacja współczynnika konwersji e-biznesu to zbiór różnych działań, mających na celu zwiększenie poziomu konwersji. Dlatego część z nich, jak audyty poprawności konfiguracji środowiska analitycznego, audyty UX czy audyty ścieżki zakupowej, możesz wykonać bez względu na miesięczną liczbę sesji w Twoim e-sklepie. Warto postawić na szczegółową ewaluację strony już na samym początku. To pozwoli na uzyskanie bardzo cennego feedbacku w odniesieniu do przyjętych standardów i trendów na rynku. 

Przed rozpoczęciem optymalizacji bazującej na hipotezach i badaniach w postaci testów A/B oraz multiwariancyjnych musisz już jednak sprawdzić, czy na pewno masz odpowiednią liczbę “uczestników” do przeprowadzenia tych badań. Mowa oczywiście o wolumenie ruchu na stronie. Każdy, nawet najmniej skomplikowany test A/B, musi mieć zagwarantowaną odpowiednią liczbę sesji, aby wyniki z tego testu były uzasadnione statystycznie i mogły potwierdzić, czy testowana przez Ciebie zmiana faktycznie podniesie poziom konwersji.

Statystyka, a optymalizacja współczynnika konwersji (CRO)

Do obliczenia odpowiedniego wolumenu ruchu na Twojej stronie możesz wykorzystać dostępne w Internecie specjalnie przygotowane kalkulatory do testów A/B (np. https://www.abtasty.com/sample-size-calculator/). To narzędzia pozwalające uzyskać informacje na temat wymaganej wielkości próby testu (liczby sesji) oraz czasu jego trwania.

Aby móc rozpocząć kalkulacje warto wspomnieć również o minimalnym wykrywalnym efekcie (MDE). Termin ten określa procentową zmianę współczynnika konwersji w stosunku do jego wartości bazowej. Przy MDE równym 10% i CR 3,0% będziemy w stanie “monitorować” współczynnik konwersji w przedziale 2,7-3,3%.

Przyjmijmy, że Twój poziom konwersji wynosi 3% i chcesz go podnieść o 10% do poziomu 3,3%. By móc wykryć taką możliwość w trakcie testu A/B potrzebujesz około 51 486 sesji per każda testowana przez Ciebie wariacja zmiany. Jeśli prowadzisz test czterech wersji, to do próby potrzebujesz już ponad 200 000 sesji. 

Czas na ustalenie długości trwania takiego eksperymentu. Przyjmijmy, że Twój dzienny pułap to około 10 000 sesji. Na przeprowadzenie testu potrzebujesz zatem 20 dni. Każdy kolejny wariant to wydłużenie testu o kolejne dni. 

Warto wspomnieć tutaj również o znaczeniu oraz mocy statystycznej. Pierwszy termin określa po prostu “pewność” wyników. Przyjęło się, aby wartość ta była w okolicach 95% dla e-commerce. Moc statystyczna to z kolei procent prawdopodobieństwa znalezienia określonego w kalkulacji minimalnego wykrywalnego efektu. Standardy określają ją na poziomie 80%.  Tego typu obliczenia pozwalają na uzyskanie szybkiej odpowiedzi na pytanie “czy moja strona jest gotowa na przeprowadzenie danego testów A/B?”. Im bardziej chcemy być dokładni w naszych kalkulacjach, tym większą pulę sesji potrzebujemy na przeprowadzenie takiego badania. Statystyka pozwoli Ci na uniknięcie straty czasu na przeprowadzenie testów, które mogą nie mieć znaczenia w optymalizacji.

>>> Zobacz nasze case studies

Eksperymenty multiwariancyjne

W trakcie konfiguracji testów A/B bardzo często zadajemy sobie pytanie jakie powinny być proporcje w podziale wersji. Klasyczny test A/B zakłada podział wersji na równe proporcje szans 50/50. Oznacza to, że każdy użytkownik będzie mieć 50% szansy na zobaczenie wariantu A lub B. Taki równy podział gwarantuje nam najłatwiejszą interpretację uzyskanych wyników. Oczywiście narzędzia do konfiguracji testów dają nam możliwość zmian proporcji. Jest to przydatne np. gdy nie jesteśmy mocno pewny wersji B i na mniejszej próbce chcemy sprawdzić, czy w ogóle zostanie ona “przyjęta” przez użytkowników strony. 

Jeśli Twój e-sklep posiada odpowiedni wolumen ruchu na stronie to możesz pozwolić sobie na przeprowadzenie kilku niezależnych eksperymentów, testując na jednej grupie użytkowników np. nową komunikację na głównym banerze promocyjnym, a na drugiej grupie zmodyfikowane CTA w karcie produktu. Testy te możesz jednak skierować do wszystkich użytkowników.

Przyjmijmy, że chcesz sprawdzić nowy wariant dwóch elementów na stronie głównej – listy polecanych produktów i nowe menu. Jeśli każdy z tych testów będzie posiadał dwa możliwe warianty, a proporcje szans ich ekspozycji będą wynosiły 50/50 to realnie Twoja strona główna będzie dostępna dla użytkowników w czterech wariantach.

Taki podział oznacza, że każdy z użytkowników będzie miał 25% szans na zobaczenie jednej z tych kombinacji dwóch testowanych elementów. Przy wyliczaniu odpowiedniej próby i czasu trwania musisz te dwa testy potraktować jako jeden wspólny multiwariancyjny. Im większa liczba równoczesnych testów na stronie, tym większa ilość ruchu, którą potrzeba, aby te analizy “zasilić” danymi. Korzystając ze standardowej wersji Google Optimize możesz prowadzić 5 testów równocześnie. 

Wykorzystuj znaczenie liczb

Rola statystyki w przeprowadzaniu testów jest bardzo duża. Nie ma znaczenia czy jesteś na początku swojej drogi z optymalizacją czy w środku tego procesu. Liczby, które możemy odczytać z posiadanych przez nas danych mają bardzo duże znaczenie. Umiejętne wykorzystanie tych insightów pozwoli na wyeliminowanie błędów koncepcyjnych i zaoszczędzić tym samym sporo czasu i pieniędzy, które możesz później relokować na pozyskiwanie nowych użytkowników na zoptymalizowaną stronę. 

Cube Group

Cube Group

Agencja digital

Tekst został przygotowany przez ekspertów z zespołu Cube Group, agencji digital, w której łączymy strategie digital marketingowe, SEM, SEO, social, content, performance, analitykę, kreację i technologię. Zespół Cube Group na co dzień pracuje dla takich marek jak m.in. mBank, Vectra, Credit Agricole, Innogy i więcej. Zgarniamy przy tym najważniejsze wyróżnienia branżowe (Effie, MIXX Awards, Golden Arrow, European Performance Marketing Awards, Performance Marketing Diamonds, Efekton Awards, Ekomersy i Aulery).