Секрет «брошенных корзин»: как отслеживать незавершенные покупки в Google Analytics
Проблема «брошенных корзин» известна каждому онлайн-ритейлеру. По статистике, около 77% покупателей покидают сайт интернет-магазина, так и не завершив покупку товаров, добавленных в корзину. Сегодня мы хотим рассказать о простом способе отслеживания показателя «брошенных корзин» в Google (сайт нарушает закон РФ) Analytics и дать несколько советов, как с помощью полученных результатов работать над оптимизацией конверсии.
Статистика по незавершенным заказам
Количество «брошенных корзин» варьируется может варьироваться в зависимости от ряда факторов, например, от качества дизайна сайта, сложности оформления заказа, и в том числе от индустрии. По данным SaleCycle на 4 квартал 2017 года средний процент отказа от покупок в ритейле составляет в 76,2%. Внутри одной индустрии, процент отказов от покупок отличается в зависимости от тематики и сегмента. Например, коэффициент «брошенных корзин» в категории потребительной электроники значительно выше, чем в сегменте «одежда и обувь».
К сожалению, по разным причинам клиенты будут продолжать оставлять покупки незавершенными, поэтому грамотный ритейлер должен уметь работать с отказами покупателей и мотивировать их возвращаться к оформлению заказа.
Для этих целей используются, например, email-напоминания о брошенном просмотре и брошенной корзине, которые отправляются пользователям через некоторое время после их ухода из интернет-магазина.
Для грамотного построения маркетинговой коммуникации с посетителями сайта интернет-магазина нужно анализировать факты брошенных просмотров и брошенных корзин, а также сегментировать пользователей и оценивать различия между сегментами.
Это легко отслеживать в Google (сайт нарушает закон РФ) Analytics. С 2017 года Google (сайт нарушает закон РФ) значительно упростил алгоритмы работы с системой, поэтому отслеживать брошенные покупки стало значительно проще.
Как отслеживать коэффициент «брошенных корзин»
Войдите в свою учетную запись Google (сайт нарушает закон РФ) Analytics и перейдите в раздел «Конверсии» (Conversions) в левой части экрана, а затем выберите пункт «Поведение покупателей» (Shopping Behavior). Если у вас еще нет учетной записи в системе, то можно воспользоваться демо-аккаунтом.
На этой вкладке находится отчет, где показаны разные этапы поведения клиента на сайте за выбранный период времени.
Диаграмма отказов от покупки (или «брошенных корзин»), а также таблица со статистикой показывают поведение посетителей, которые зашли на сайт, но не завершили оформление заказа.
Google (сайт нарушает закон РФ) Analytics считает эти показатели автоматически после подключения enhanced eCommerce Tracking.
Большинство систем анализа покупательского поведения на сайтах интернет-магазинов, включая Google (сайт нарушает закон РФ) Analytics, считают брошенными корзинами как сеансы, в который товар был просто оставлен в корзине, так и сеансы, когда заказ был брошен уже в процессе оформления, т.е. на этапе оплаты или доставки.
Для деятельности ритейлера анализ статистики поведения пользователей в интернет-магазине позволяет выявить возможные тенденции отказов от совершения покупки. Например, если процент брошенных покупок на этапе оформления заказа будет слишком высоким, то это говорит проблемах с интерфейсом: требуется слишком много шагов для оформления заказа, необходимо заполнить излишнее количество полей и т.д.
Кроме оценки общих данных, интересно посмотреть на сегменты пользователей. Например, вы можете увидеть разницу в поведении новых клиентов и покупателей, возвращающихся к вам повторно, а также другие интересные результаты.
Чтобы создать новый сегмент, наведите курсор на одну из красных стрелок на диаграмме.
Откроется диалоговое окно, в котором вы сможете создать сегмент.
Выделенные сегменты могут применяться к любым другим отчетам. Например, вы можете увидеть, влияет ли тип используемого устройства на отказ от покупки. Можно применять одни и те же сегменты к источникам трафика, регионам проживания пользователей, их демографическим показателям, используемым ими браузерам и т.д.
Как оптимизировать конверсию на основе данных по «брошенным корзинам»
Главная цель — понять, каким образом посетителя ведут себя на вашем сайте, и вовремя внести изменения в дизайн страниц, если вдруг вы выявите проблемы, которые затрудняют пользование сайтом.
Если большой процент отказов приходится на страницу формы оплаты, может быть, конфигурация формы оплаты слишком сложна для пользователей или они не находят удобного для себя способа оплаты.
Проводите А/Б тесты пользовательского поведения, чтобы выявить существующие проблемы и определить эффективность обновленных версий страниц.
Существует множество причин большого количества «брошенных корзин». Например, ваш сайт может некорректно отображаться в определенных браузерах, либо стоимость доставки может быть слишком высокой для клиентов из определенных регионов.
По данным Statista, слишком долгий процесс оформления заказа для 21% процента пользователей является критичной проблемой, из-за которой он бросает свои покупки.
Если пользователь все-таки ушел с сайта, не закончив оформление заказа, нужно постараться вернуть его с помощью триггерного письма о брошенной корзине. Конверсия таких писем составляет от 5 до 20%.
Важно не только отправлять письма о брошенных корзинах, но и постоянно их оптимизировать — стараться улучшать показатели этих писем с помощью тестирования различных деталей. Например, добавление баннера «Распродажа» в футер email-рассылки по сценарию «Брошенная корзина» позволило интернет-магазину ekonika.ru увеличить конверсию на 44,3%.
Заключение
Теперь вы знаете об простом инструменте для отслеживания покупательского поведения на сайте вашего интернет-магазина. Важно применять Google (сайт нарушает закон РФ) Analytics совместно с другими методами оптимизации конверсии, потому что это лишь способ выявления определенных проблемных областей сайта интернет-магазина. На основе этих данных, вы сможете понять, почему ваши онлайн-покупатели ведут себя именно таким образом. Чтобы глубже разобраться в причинах отказов клиентов от покупок проводите опросы пользователей, собирайте отзывы, а также используйте методику A/Б-тестирования покупательского поведения.