Rozdíl mezi počtem návštěvníků, které váš e-shop dostane, a počtem objednávek, které vytvoří, není náhodný. Má své příčiny. Analytika chování návštěvníků e-shopu je soubor nástrojů a metod, které vám pomohou je najít.
Co vám říká analytika chování návštěvníků e-shopu?
Data o chování odpovídají na otázku, na kterou samotné tržby odpovědět nemohou. Nejen kolik lidí koupilo, ale co dělal místo toho každý návštěvník, který nekoupil.
Když se podíváte na behaviorální vrstvu své analytiky, díváte se na cestu mezi příchodem návštěvníka a jeho rozhodnutím. Jak dlouho zůstal na stránce produktu? Doscrolloval až dolů? Přidal do košíku a pak se zastavil u platby? Přišel z placené reklamy a odešel do tří sekund? Každý z těchto signálů ukazuje na něco konkrétního v tom, kde se zážitek rozpadá.
Dvě nejčastější chyby, kterých se e-shopy v analytice dopouštějí, jsou to, že sledují jen součty, a že kontrolují návštěvnost bez propojení s chováním. Celkový počet návštěv říká, kolik lidí přišlo. Data o chování návštěvníků říkají, co dělali, když dorazili, a kde jejich cesta skončila před nákupem.
Které metriky ukazují, jak se návštěvníci e-shopem pohybují?
Pět metrik vám dá nejjasnější obrázek chování návštěvníků ještě předtím, než přidáte hlubší analýzu.
Míra okamžitého opuštění
Míra okamžitého opuštění je procento relací, ve kterých návštěvník zobrazí jednu stránku a odejde bez další interakce. Vysoká míra okamžitého opuštění na stránce produktu znamená, že většina návštěvníků nezůstane dost dlouho na to, aby se zabývala tím, co prodáváte. Míra okamžitého opuštění u jednotlivých stránek je užitečnější než průměr za celý web, protože příčiny se liší podle toho, kde k odchodu dochází a co tito návštěvníci nejspíš hledali.
Doba na stránce
Průměrná doba na stránce ukazuje, jak hluboce se návštěvníci s vaším obsahem zabývají. Stránka produktu, na které většina návštěvníků stráví méně než patnáct sekund, je stránka, kde je něco hned odradí nebo neudrží pozornost. Velmi dlouhá doba na stránce ale nemusí vždy znamenat, že stránka funguje dobře. Může také znamenat, že návštěvníci hledají informace, které by měly být zřejmé, a nenacházejí je.
Hloubka scrollování
Data o hloubce scrollování ukazují, jak daleko dolů po stránce návštěvníci čtou, než odejdou. Pokud jsou vaše recenze produktů nebo klíčové specifikace pod místem, kde osmdesát procent návštěvníků přestane scrollovat, tento obsah nikdo nevidí. Hloubka scrollování vám ukáže, které prvky leží pod tím, kam většina návštěvníků dojde, a pomůže vám rozhodnout, jestli je posunout na stránce výš.
Stránky odchodu
Vaše stránky odchodu jsou poslední stránky, které návštěvníci vidí, než odejdou. Pokud se stránka produktu opakovaně objevuje mezi nejčastějšími stránkami odchodu, má tato stránka problém s konverzí, který stojí za prošetření. Pokud je nejčastější stránkou odchodu potvrzení objednávky, je to očekávané chování. Stránky odchodu vám ukazují, kde cesty končí a jestli jsou tyto konce normální, nebo signálem tření.
Míra přidání do košíku
Míra přidání do košíku měří procento návštěvníků stránky produktu, kteří zboží přidají do košíku. Odděluje ty, kteří se produktem zabývají, od těch, kteří odcházejí bez zájmu. Nízká míra přidání do košíku na hojně navštěvované stránce produktu je jasný signál, že samotná stránka svou práci nedělá, ať už jde o text, obrázky, srozumitelnost ceny nebo chybějící informace.
Jak analýza trychtýře ukáže, kde návštěvníci odpadají?
Nákupní trychtýř je sled kroků, kterými návštěvník prochází od prvního příchodu do vašeho e-shopu po dokončení nákupu. Většina analytických nástrojů umožňuje definovat trychtýř zadáním stránek v tomto sledu a pak sleduje, kolik návštěvníků přejde z jednoho kroku na další.
Typický trychtýř e-shopu vede přes vstupní stránku, stránku produktu, přidání do košíku, pokladnu a potvrzení objednávky. V každém kroku někteří návštěvníci pokračují a někteří odejdou. Analýza trychtýře vám ukáže velikost těchto odpadů při každém přechodu.
Nejužitečnější, co vám analýza trychtýře dává, je konkrétnost. Ne „naše konverze je nízká“, ale „ztrácíme čtyřicet procent návštěvníků mezi stránkou produktu a košíkem a dalších třicet procent mezi košíkem a platbou“. To jsou dva různé problémy, které vyžadují dvě různé reakce.
Jakmile víte, kde je největší odpad, víte, kam nasměrovat pozornost jako první. U většiny e-shopů vznikají největší ztráty na stránkách produktů a v pokladně. Podrobněji o tom, co odhání návštěvníky v posledním kroku, najdete v článku proč kupující opouštějí košík a co s tím můžete dělat.
Co ukazují nahrávky relací a teplotní mapy, čeho se metrikami nedobereme?
Metriky říkají, co se stalo. Nahrávky relací a teplotní mapy pomáhají pochopit proč.
Nahrávka relace je přehrání skutečné návštěvy vašeho e-shopu. Můžete sledovat, kam návštěvník pohyboval kurzorem, na co klikl, jak daleko scrolloval a kde se zastavil a odešel. Nahrávky relací jsou jedním z nejpřímějších způsobů, jak pochopit chování návštěvníků, protože ukazují skutečný zážitek z používání vašeho e-shopu, ne jeho abstrakci.
V nahrávce hledáte tření. Návštěvníka, který opakovaně přejíždí kurzorem k tlačítku, které není tam, kde ho čeká. Návštěvníka, který na mobilu proscrolluje kolem tlačítka přidat do košíku, protože při této velikosti obrazovky není vidět. Návštěvníka, který si přečte podmínky vrácení zboží, zavře je a pak košík opustí. Každé z těchto pozorování ukazuje na něco konkrétního, co se dá otestovat.
Teplotní mapy shrnují chování z mnoha relací do jediného obrázku. Teplotní mapa kliků ukazuje, kam návštěvníci klikají nejčastěji. Pokud klikají na obrázek, který není odkazem, čekali, že na něj kliknout jde. Teplotní mapa scrollování ukazuje, jak daleko dolů po stránce většina návštěvníků čte. Pokud většina vašich návštěvníků přestane scrollovat dřív, než dojde k recenzím produktů, tyto recenze nedělají tu konverzní práci, kterou od nich čekáte. Posunout je na stránce výš je oprava jednou změnou, kterou data z teplotní mapy udělají zřejmou.
Jak zdroj návštěvnosti ovlivňuje chování návštěvníků ve vašem e-shopu?
Ne všichni návštěvníci se chovají stejně a zdroj, ze kterého přijdou, je jedním z největších faktorů, které jejich chování ve vašem e-shopu utvářejí.
Návštěvník, který hledal přímo název vašeho produktu, má vysoký nákupní záměr. Ví, co hledá. Vaším úkolem je potvrdit, že přišel na správné místo, a odstranit každou překážku nákupu. Návštěvník, který klikl na široce zaměřenou reklamu na zvýšení povědomí ve zdroji obsahu, možná dřív nákup vůbec neplánoval. Rozhlíží se. Co potřebuje od stránky vašeho produktu, se liší od toho, co potřebuje návštěvník z vyhledávání s vysokým záměrem.
Rozpad metrik chování podle zdroje návštěvnosti tyto vzorce jasně odhalí. Návštěvníci z organického vyhledávání u dotazů zaměřených na konkrétní produkt často vykazují kratší dobu na stránce a vyšší konverzi, protože přicházejí s tím, že vědí, co chtějí. Návštěvníci z placených sociálních sítí z kampaní zaměřených na povědomí častěji okamžitě odcházejí, zejména když vstupní stránka neodpovídá tónu nebo vizuálu reklamy, která je přivedla.
Když se vám celková konverze zdá nízká, rozdělte návštěvnost podle zdroje, než usoudíte, že problém je ve stránce produktu. Stránka produktu může pro návštěvnost s vysokým záměrem fungovat dobře. Problém může být v tom, že velká část vaší placené návštěvnosti má nízký záměr a přistává na stránce, která není navržená pro to, v jaké fázi rozhodování se návštěvník nachází.
Jak číst analytiku stránek produktů?
Na stránkách produktů se děje většina nákupních rozhodnutí a signály chování na těchto stránkách patří k nejvýpovědnějším datům v celém vašem e-shopu.
Dívejte se na stránky produktů jednotlivě, ne souhrnně. Vaše nejúspěšnější stránka produktu je jedno srovnávací měřítko. Vaše nejhůř si vedoucí stránka produktu s vysokou návštěvností je vaše největší příležitost. Porovnejte, v čem se liší. Je text delší? Je tam víc obrázků? Jsou tam recenze zákazníků? Je cena jasnější?
Klíčové signály ke sledování na každé stránce produktu jsou doba na stránce, hloubka scrollování, míra přidání do košíku a odpad mezi přidáním do košíku a dokončením pokladny. Každý z nich zužuje, kde problém leží. Nízká míra přidání do košíku naznačuje, že stránka návštěvníky nepřesvědčuje. Vysoká míra přidání do košíku s vysokým odpadem v pokladně naznačuje, že problém je v zážitku z pokladny, ne na stránce produktu samotné.
Podrobný průvodce tím, co dělá stránky produktů konverzními, najdete v článku co dělá dobrou stránku produktu. O tom, jak snížit odpad mezi košíkem a nákupem, čtěte v článku jak navrhnout stránku pokladny, která snižuje odpad.
Jak v analytice oddělit chování na desktopu a na mobilu?
Mobilní a desktopoví návštěvníci se nechovají stejně. Když je v analytice berete jako jedno publikum, schováváte problémy, které vás stojí prodeje.
Většina e-shopů dnes dostává přes polovinu návštěvnosti z mobilních zařízení. Mobilní konverze je u většiny e-shopů nižší. Ten rozdíl představuje skutečné tržby, ale zavřít ho můžete, jen když vidíte, odkud se bere.
V analytice rozdělte data o chování podle typu zařízení. Stránka produktu s přijatelnou konverzí na desktopu může mít na mobilu výrazně nižší konverzi. Když se podíváte na nahrávky relací konkrétně z mobilních návštěvníků, často najdete příčinu: tlačítka příliš malá na spolehlivé klepnutí, obrázky produktů, které se správně nepřizpůsobí, nebo formuláře v pokladně, které se na malé obrazovce těžko vyplňují. Tyto problémy nejsou vidět, když se díváte na sloučená data konverze ze všech zařízení.
Průvodce tím, co obnáší optimalizace pro mobily u online obchodu, najdete v článku jak udělat svůj e-shop vhodný pro mobily.
Jak využít data o chování návštěvníků k určení priorit oprav?
Když máte data o chování z několika zdrojů včetně analýzy trychtýře, nahrávek relací, teplotních map a metrik na úrovni stránek, výzvou se stává rozhodnutí, kde začít.
Nejspolehlivější přístup je zkombinovat dvě míry: velikost odpadu (kolik návštěvníků se to týká?) a kvalitu důkazů (jak jasně data vysvětlují příčinu?). Stránka produktu, která ztrácí dvě stě návštěvníků týdně dřív, než přidají do košíku, přičemž nahrávky relací ukazují, že návštěvníci důsledně proscrollují popis bez zastavení, je příležitost s vysokou jistotou a velkým dopadem. Stránka pokladny, která ztrácí padesát návštěvníků týdně bez jasného signálu chování, má nižší prioritu, dokud nenasbíráte víc důkazů.
Cílem behaviorální analýzy není pochopit všechno najednou. Je to získat dost jistoty k tomu, abyste provedli jednu konkrétní změnu, změřili ji a poučili se z výsledku. Rámec pro systematické testování takových změn najdete v článku co je optimalizace konverzního poměru a proč na ní záleží.
Pokud teprve budujete analytický základ pro takovou analýzu, začněte článkem jak nastavit analytiku a sledovat to, na čem záleží, od prvního dne.
Jak vám WEMASY pomáhá sledovat chování návštěvníků
Nástroj WEMASY Analytika a přehledy sleduje návštěvy, zdroje návštěvnosti a výkon na úrovni stránek na vašem webu a v e-shopu. Vidíte, na které stránky návštěvníci vstupují, ze kterých odcházejí a jak se chování liší podle zdrojů návštěvnosti. V kombinaci s e-shopemod WEMASY máte data o objednávkách i o chování na webu na jednom místě, bez propojování samostatných nástrojů. Co je zahrnuto v jednotlivých tarifech, zjistíte na ceníku.
Často kladené otázky
Jaký je rozdíl mezi návštěvou a relací v analytice e-shopu?
Ve většině analytických nástrojů je relace jedno souvislé období aktivity na vašem webu. Pokud návštěvník odejde a vrátí se o dvě hodiny později, počítá se to jako dvě relace. Pojem „návštěva“ obvykle označuje stejný koncept. Rozdíl je důležitý při výpočtu konverze. Pokud jako jmenovatele použijete relace, vracející se návštěvník, který prochází víckrát, než koupí, se projeví jako několik relací, což snižuje procento konverze oproti situaci, kdy za základ vezmete unikátní návštěvníky. S tvůrcem webů od WEMASY to můžete nastavit přímo ve svém e-shopu.
Jaká míra okamžitého opuštění je u stránky produktu považována za příliš vysokou?
Univerzální měřítko neexistuje. Stránka produktu se sedmdesátiprocentní mírou okamžitého opuštění u návštěvníků z organického vyhledávání může fungovat dobře, pokud zbývajících třicet procent konvertuje ve vysoké míře. Důležitější než absolutní číslo je vývoj v čase a to, jak se míra okamžitého opuštění liší u podobných stránek ve vašem e-shopu. Náhlý nárůst míry okamžitého opuštění na dříve stabilní stránce je jasnější signál než číslo, které bylo vždycky vysoké.
Kolik návštěvnosti potřebujete, aby byly nahrávky relací užitečné?
I malý počet nahrávek relací, deset až dvacet od skutečných návštěvníků na konkrétní stránce, může odhalit problémy s použitelností, které v agregovaných datech nejsou vidět. Nepotřebujete tisíce relací, abyste zjistili, že návštěvníci na mobilu přehlížejí vaše tlačítko přidat do košíku nebo že klikají na obrázek v očekávání, že se otevře větší. Poznatky o chování z malého vzorku nahrávek často odhalí problémy, které by samotná data z analytiky za celý měsíc neukázala.
Dá se chování návštěvníků pochopit jen z vestavěné analytiky vašeho e-shopu?
U většiny e-shopů vestavěná analytika pokrývá zdroje návštěvnosti, zobrazení stránek, míru okamžitého opuštění a základní data o trychtýři. To stačí k určení největších míst odpadu ve vašem trychtýři a k porovnání výkonu stránek produktů mezi sebou. Nahrávky relací a teplotní mapy vyžadují další nástroje. Vestavěná data jsou správným výchozím bodem a odhalí většinu významných problémů dřív, než budete potřebovat specializovanější analýzu.
Jak často byste měli kontrolovat analytiku chování?
Týdenní kontrola konverzního trychtýře, nejčastějších stránek odchodu a míry přidání do košíku dává dost častý rytmus na zachycení náhlých změn. Měsíční kontroly dat z teplotních map a chování podle zdroje návštěvnosti vám umožní sledovat vzorce v dostatečně dlouhém okně, aby byly vidět smysluplné trendy. Denní kontrola je málokdy užitečná, pokud právě aktivně neprovozujete test a nesledujete, jestli se ve výkonu vašeho e-shopu něco nezměnilo.