Nahrávky relací fungují. Ale jak. Jak vypadá skutečné zavedení. Jakých výsledků dosahují skutečné týmy. Případové studie ukazují cestu od zavedení k výsledkům. E-shop objeví opuštění mobilní pokladny pomocí nahrávek. Zhlédne sedmdesát mobilních relací. Zjistí, že návštěvníci váhají právě při výběru mezi platební kartou a online peněženkou. Přidá mobilní platbu. Konverze na mobilu vzroste z 1.2 procenta na 1.8 procenta. Roční dopad na tržby je čtyři sta dvacet tisíc dolarů. SaaS produkt sleduje nahrávky zaškolení. Zjistí, že noví uživatelé dvanáct minut klikají po administraci a hledají tlačítko exportu. Přesune tlačítko z vnořeného menu na hlavní panel nástrojů. Využívání funkce vzroste z osmi procent na dvacet tři procent nových uživatelů. To nejsou teoretické příklady. To jsou skutečné výsledky týmů, které nahrávky zavedly správně. Nahrávky relací přinášejí výsledky, když je proces disciplinovaný. Případové studie to dokazují. Rozdíl mezi týmy, které s nahrávkami uspějí, a těmi, které ne, je důslednost provedení. Správný nástroj záleží. Správná struktura týmu záleží. Správný proces měření záleží. Ale nejvíc záleží na správné disciplíně. Týmy, které sledují nahrávky cíleně, zdokumentují zjištění, otestují změny a změří výsledky, uspějí soustavně.
Tento článek vysvětluje případové studie nahrávek relací a skutečné výsledky zavedení.
Případová studie e-shopu: tření u mobilních platebních možností
E-shop s outdoorovým vybavením měl na počítači dobré výsledky, ale na mobilu se prodeje trápily. Konverze na počítači byla 2.8 procenta. Na mobilu 1.1 procenta. Poměr mobil ku počítači byl 39 procent. Předpokládali, že mobilní návštěvnost je horší kvality. Mýlili se.
Nahrávky relací zavedli koncem srpna. Stanovili si cíl pochopit tření specifické pro mobil. Zhlédli dvacet opuštěných relací pokladny na mobilních zařízeních. Vzorec se objevil okamžitě. Čtrnáct z dvaceti odcházejících dorazilo na obrazovku výběru způsobu platby. A tam se zastavili. Pokladnu nedokončili.
Tým sledoval pozorněji. Návštěvníci došli k platebním možnostem, uviděli jen dvě (platební kartu a online peněženku), pak rolovali dolů a hledali další. Vrátili se nahoru. Zastavovali se nad oblastí plateb. Pak zavřeli prohlížeč. Relace skončila.
Tým udělal rozhovory s několika zákazníky. Zjištění: šedesát tři procent jejich mobilních kupujících preferovalo platbu přes mobilní peněženku nebo Google Pay. Web nenabízel ani jedno. Návštěvníci tyto možnosti hledali. Nenašli je. Odešli.
Zavedení trvalo dva týdny. Napojili platbu přes mobilní peněženku a Google Pay. Přeuspořádali platební obrazovku. Platební možnosti udělali větší a přehlednější. Přidali nápovědu, která vysvětlovala, jaké způsoby platby jsou k dispozici.
Výsledky po dvou týdnech. Konverze na mobilu se zlepšila z 1.1 procenta na 1.6 procenta. To je zvýšení o čtyřicet pět procent. Průměrná hodnota objednávky byla sto devadesát dolarů. Zvýšení přineslo přibližně tři sta sedmdesát tisíc dolarů dalších ročních tržeb. Nástroj stál šest tisíc dolarů. Práce na zavedení zabrala čtyřicet hodin. Celková investice byla osm tisíc dolarů. Návratnost investice byla čtyři tisíce šest set procent.
Případová studie SaaS: špatná objevitelnost funkce brzdí přijetí
SaaS firma s nástrojem na řízení projektů uvedla funkci sledování času. Oznámila ji zákazníkům. Očekávala, že využívání bude stabilně růst. Po měsíci mělo sledování času zapnuto jen šest procent uživatelů. Po třech měsících dosáhlo využívání vrcholu devíti procent a ustrnulo. Nemohli pochopit, proč je tak nízké.
Zavedli nahrávky relací, aby pochopili tření při přijímání funkce. Zhlédli třicet nahrávek nových uživatelů během prvního týdne. Dalších třicet nahrávek stávajících uživatelů v prvním měsíci po uvedení sledování času.
Zjištění: Noví uživatelé funkci sledování času nikdy neviděli. Byla v podmenu pod kartou Nastavení. Noví uživatelé Nastavení neprozkoumávali, dokud produkt nepoužívali několik týdnů. Stávající uživatelé o funkci nevěděli, protože oznamovací e-mail měl nízkou míru otevření.
Tým sledoval jednu obzvlášť výmluvnou nahrávku. Pokročilý uživatel strávil v produktu čtyřicet tři minut, procházel několik částí, ale sledování času nikdy neobjevil. Skutečný problém: Sledování času nebylo vidět v hlavním pracovním postupu. Uživatelé k němu při skutečné práci neměli přístup.
Zavedení trvalo šest týdnů. Tým přidal sledování času přímo do zobrazení úkolů. Když uživatelé úkol vytvořili nebo upravili, uviděli tlačítko sledování času. Tlačítko bylo nenápadné, ale přítomné. Přidali nápovědu v bublině, která vysvětlovala, k čemu slouží.
Výsledky po dvou týdnech od nasazení. Využívání sledování času vyskočilo z devíti procent na třicet dva procent. Po šesti týdnech dosáhlo čtyřiceti jednoho procenta. Měsíční opakované tržby od zákazníků používajících sledování času vzrostly o sto padesát tisíc dolarů ročně. Nástroj stál deset tisíc dolarů. Zavedení stálo pět tisíc dolarů. Návratnost investice byla šest set šedesát sedm procent.
Případová studie B2B: skryté tření ve formuláři pro získávání kontaktů
B2B softwarová firma pořádala čtvrtletní webináře. Kontakty sbírala formulářem. Míra dokončení formuláře byla třicet dva procent. To znamenalo, že šedesát osm procent návštěvníků, kteří se k formuláři dostali, ho nedokončilo. Potřebovali víc kontaktů, ale nemohli si dovolit zvyšovat náklady na návštěvnost.
Zavedli nahrávky relací, aby pochopili opouštění formuláře. Zhlédli padesát nahrávek návštěvníků, kteří formulář opustili. Každou nahrávku označili polem, u kterého k odchodu došlo.
Překvapivé zjištění: Odchody nebyly rozloženy rovnoměrně. Devatenáct návštěvníků odešlo u pole Název firmy. Dvacet dva u pole Telefon. Jen dva u pole E-mail. Když návštěvníci došli k poli Název firmy, zaváhali. Když došli k poli Telefon, formulář odmítal nesprávně formátovaná čísla. Návštěvníci zkoušeli různé formáty. Nakonec to vzdali.
Tým analyzoval požadavky formuláře. Název firmy byl nepovinný. Telefon se sbíral, ale nebyl zásadní. Obě pole přidávala tření bez přidané hodnoty.
Zavedení trvalo týden. Název firmy udělali nepovinným a přesunuli ho níž. Pole Telefon úplně odstranili. Formulář zjednodušili z osmi povinných polí na čtyři povinná pole.
Výsledky po třech týdnech. Míra dokončení formuláře vzrostla z třiceti dvou procent na padesát jedna procent. To je zvýšení o padesát devět procent. Dříve sbírali přibližně osmdesát kontaktů na webinář. Teď sbírali sto třicet kontaktů na webinář. Cena za kontakt klesla o čtyřicet dva procent. Roční dopad byl přibližně šest set tisíc dolarů dalšího obchodního potenciálu. Nástroj stál pět tisíc dolarů. Celková investice byla pět tisíc dolarů. Návratnost investice byla tisíc dvě stě procent.
Případová studie SaaS: složité zaškolení způsobuje brzký odchod zákazníků
SaaS produkt pro datovou analytiku měl silné získávání zákazníků ve freemium modelu, ale slabý přechod na placené tarify. Míra odchodu v prvním měsíci byla třicet osm procent. Vedení si myslelo, že uživatelé nechápou hodnotu. Oba předpoklady byly špatně.
Zavedli nahrávky relací, aby pochopili chování uživatelů na začátku. Zhlédli padesát nahrávek uživatelů během první hodiny. Pak porovnali uživatele, kteří přešli na placený tarif, s těmi, kteří odešli.
Zjištění: Uživatelé, kteří přešli na placený tarif, dokončili první analýzu do patnácti minut a pak prozkoumávali další funkce. Zkusili vytvořit druhou analýzu. Uživatelé, kteří odešli, dokončili první analýzu a pak odešli jinam. Už se nevrátili.
Rozdíl nebyl ve schopnostech. Byl v jistotě. Uživatelé, kteří přešli na placený tarif, se cítili kompetentní. Uživatelé, kteří odešli, měli pocit, že splnili úkol, kvůli kterému přišli. Nechápali, proč by produkt potřebovali nad rámec původního případu použití.
Zavedení trvalo osm týdnů. Zaškolení přepracovali. Po dokončení první analýzy ukázali obrazovku "Co dál". Tři navrhované analýzy, které mohli podle svých dat spustit. Přidali kontextovou nápovědu. Přidali ukazatel průběhu, který ukazoval, kolik z produktu už prozkoumali.
Výsledky po měsíci nového zaškolení. Měsíční odchod klesl z třiceti osmi procent na dvacet čtyři procenta. Přechod na placený tarif ve třetím měsíci vzrostl z osmnácti procent na třicet dva procent. Celoživotní hodnota zákazníka vzrostla o čtyřicet procent. Roční dopad na tržby byl přibližně jeden celý dva miliony dolarů. Nástroj stál osm tisíc dolarů. Zavedení stálo dvanáct tisíc dolarů. Celková investice byla dvacet tisíc dolarů. Návratnost investice byla pět tisíc devět set procent.
Časté otázky
Jak se tyto týmy rozhodly zaměřit právě na tyto problémy?
Začaly metrikami. Konverze na mobilu byla nižší než na počítači. Využívání funkce nesplňovalo očekávání. Dokončování formulářů bylo pod průměrem oboru. Metriky ukázaly, kde problémy jsou. Pak týmy použily nahrávky relací, aby pochopily proč. Metriky ukazují, že problém existuje. Nahrávky ukazují, proč existuje. S Tvůrcem webů WEMASY to můžete nastavit přímo na svém webu.
Použily tyto týmy A/B testování k ověření změn?
Většina ano. Tým kolem platebních možností nasadil změny všem uživatelům, protože problém byl jasný. Tým řešící objevitelnost funkce otestoval nové umístění na padesáti procentech uživatelů, než ho nasadil všem. Tým kolem formuláře otestoval zjednodušenou verzi na padesáti procentech uživatelů. Tým kolem zaškolení otestoval přepracovaný zážitek nejdřív na nových uživatelích v konkrétním regionu. Testování snížilo riziko.
Jak dlouho tyto změny trvalo zavést?
Časové osy zavedení se lišily. Změny platebních možností trvaly dva týdny. Oprava objevitelnosti funkce trvala šest týdnů, protože vyžadovala koordinaci designu a vývoje. Zjednodušení formuláře trvalo týden. Přepracování zaškolení trvalo osm týdnů, protože bylo komplexní. O časové ose rozhodovala složitost.
Selhala některá z těchto změn nebo přinesla nečekané výsledky?
Tým kolem platebních možností sledoval možné potíže. Obával se, že změna platebních možností může zvýšit podvody. Nezvýšila. Konverze na mobilu vzrostla bez nárůstu podvodů. Tým řešící objevitelnost funkce pozorně sledoval využívání. Nechtěných zapnutí bylo minimum. Úspěšná zavedení přesto sledují vedlejší účinky.
Jak tyto týmy přesně změřily návratnost, když výsledky mohly ovlivnit i jiné faktory?
Ošetřily vnější proměnné. E-shop potvrdil, že se kvalita návštěvnosti nezměnila. SaaS firmy porovnaly uživatele, kteří přešli na placený tarif, s těmi, kteří odešli, a zjistily, že proměnnou bylo zaškolení, ne kvalita návštěvnosti. Kontrola proměnných zvyšuje důvěru ve výsledky.
Mohou podobné návratnosti dosáhnout i menší firmy, nebo je to omezeno na větší organizace?
Velikost firmy o návratnosti nerozhoduje. Malý e-shop s nižším objemem transakcí může vidět podobné procentuální zlepšení, ale menší absolutní dopad na tržby. Malá SaaS firma s menší zákaznickou základnou může vidět menší roční dopad na tržby. Procentuální zlepšení ale bude podobné. Zvýšení konverze o čtyřicet pět procent prospívá firmám všech velikostí.