Często nasi klienci i marketerzy zadają podobne pytania: „Jakie elementy na stronie wpływają najbardziej na wzrost konwersji?”, „Które zmiany w checkout przynoszą największe efekty?” czy „Jak często testy A/B przynoszą negatywny wynik i co wówczas robić?”. To naturalne, że szukamy gotowych, uniwersalnych „złotych rad”. Jednak zamiast na nich polegać, warto skupić się na dogłębnym zrozumieniu własnych użytkowników oraz na metodycznym testowaniu zmian w kontekście konkretnej strony, branży i grupy docelowej.
Rozwiązania, które sprawdziły się u innych – prezentowane na konferencjach czy w case studies – choć cenne, nie gwarantują sukcesu w każdym przypadku. Fakt, że optymalizacja przyniosła wzrost konwersji w jednym sklepie internetowym, nie oznacza, że zadziała u wszystkich. Dlatego, zamiast szukać uniwersalnych odpowiedzi, kluczowe jest nauczenie się analizowania danych, wyciągania wniosków i samodzielnego testowania różnych rozwiązań. Tylko w ten sposób można zbudować skuteczną strategię optymalizacji opartą na realnych zachowaniach użytkowników, a nie na ogólnikowych rekomendacjach. Nasze doświadczenie, zdobyte w kilkudziesięciu projektach i ponad 200 testach A/B, to potwierdza.
Czym są testy A/B i dlaczego są kluczowe?
Testy A/B w praktyce: kiedy „złote zasady” zawodzą?
Ewolucja optymalizacji konwersji: od CRO do CXO
Optymalizacja doświadczeń (CXO): trzy filary sukcesu
Podsumowanie
Dla uporządkowania wiedzy, warto przypomnieć, czym są testy A/B. Mechanizm polega na tym, że użytkownicy trafiający do serwisu są dzieleni na dwie grupy. W teście A/B analizujemy dwie wersje strony – wersję oryginalną (kontrolną) oraz wersję B, w której wprowadzamy określone zmiany. Celem testu jest sprawdzenie, czy zmodyfikowany element wpływa na wskaźniki konwersji. Każdą z wersji analizujemy osobno, porównując ich efektywność. Na tej podstawie wyciągamy wnioski, które wspierają decyzje dotyczące dalszych optymalizacji.
W testach A/B analizujemy dane ilościowe, porównując współczynniki konwersji dla wersji A i wersji B. Różnica między nimi to efekt testowanej zmiany. Kluczowe jest to, że wszystkie inne czynniki, które mogą wpływać na sprzedaż w sklepie internetowym, są identyczne dla obu wersji. To właśnie główna zaleta testów A/B — umożliwiają analizę wpływu pojedynczego elementu na zachowanie użytkowników. Celem testów A/B jest systematyczne zwiększanie konwersji. Warto jednak zaznaczyć, że same testy nie generują wzrostów. To zmiany wprowadzane na podstawie wyników testów prowadzą do realnych efektów. Zmiany te są częścią szerszego procesu optymalizacji.
W tym wpisie przedstawiam proces, który stoi za skutecznymi testami A/B — jego elementy, momenty przełomowe oraz sytuacje, w których przestaje działać zgodnie z oczekiwaniami. Zamiast omawiać popularne sposoby na zwiększanie konwersji znane z case studies czy prezentacji konferencyjnych, warto przyjrzeć się im krytycznie. Wiele z tych metod może nie działać w konkretnym przypadku, mimo że brzmią przekonująco i są szeroko promowane. W tym wpisie przedstawiam pięć rzeczywistych testów A/B. Każdy z nich został publicznie udostępniony, dlatego można je samodzielnie sprawdzić i przeanalizować. Opisane testy pokazują, jak łatwo można wyciągnąć błędne wnioski z danych, jeśli nie podejdzie się do analizy z odpowiednią ostrożnością. To ważna lekcja dla wszystkich, którzy wykorzystują testy A/B w e-commerce lub digital marketingu. Oceniając skuteczność rozwiązań, nie wystarczy kierować się wynikami innych firm – trzeba zweryfikować, czy dane rozwiązanie działa w naszej konkretnej sytuacji. Serwis goodui.org prezentuje wyniki testów A/B w formie porównania dwóch wersji stron. W każdym teście przedstawiona jest wersja oryginalna oraz zmodyfikowana, a celem jest ocena, która z nich osiągnęła lepszy wynik pod względem konwersji.
W jednym z testów goodui.org analizowano kartę produktu. Po lewej stronie znajdowała się wersja oryginalna, a po prawej zmodyfikowana, w której dodano testimonial w formie wideo. Test miał na celu sprawdzenie, czy taki element wpływa na wzrost współczynnika konwersji. Około 15% uczestników wskazało poprawnie. Kto był zdania, że wygrała wersja B? W tej grupie było więcej osób, choć część nie miała zdania. Zwyciężyła jednak wersja A, co oznacza, że większość się pomyliła.
Drugi test dotyczył dodawania produktu do koszyka. W oryginalnej wersji sklepu internetowego, po dodaniu produktu, z boku ekranu pojawiała się informacja potwierdzająca ten krok. Właściciele sklepu postanowili sprawdzić, czy to miejsce nadaje się do cross-sellingu. W nowej wersji pojawił się top layer, przyciemniający resztę strony i prezentujący dodatkowe produkty. Kto uważa, że wygrała wersja A? Kilka osób podniosło rękę. W trzecim teście analizowaliśmy wpływ informacji o postępie w checkout. W wersji oryginalnej użytkownik widział tekstowe oznaczenie: „krok 1 z 4”. W wersji testowej zastosowaliśmy graficzny wskaźnik pokazujący, na jakim etapie procesu zakupowego aktualnie się znajduje. Wielu uczestników zakładało, że wersja B okaże się skuteczniejsza. Tymczasem wyniki pokazały coś innego — to wersja A osiągnęła lepsze rezultaty.
W kolejnym teście A/B zwyciężyła wersja B. Dotyczył on procesu dodawania do koszyka na karcie produktu. W wersji oryginalnej przycisk call to action znajdował się na dole strony, przez co był niewidoczny, dopóki użytkownik nie przewinął całej treści. W wersji B zastosowano pływający przycisk call to action, który był stale widoczny. Zdecydowana większość użytkowników lepiej reagowała na wersję B, co potwierdziły wyniki testu. W branży digital marketingu większość specjalistów ma już spore doświadczenie i wyczucie, co powinno działać, a co nie. Wszyscy funkcjonujemy w podobnym środowisku i mamy świadomość, jakie są dobre praktyki, a co budzi wątpliwości.
Różnorodność opinii na temat poszczególnych specjalizacji jest naturalna — nie brakuje też żartów czy memów dotyczących analityków internetowych. To pokazuje, jak mocno zakorzenione są pewne stereotypy i postrzeganie ról w świecie Digital Analytics. Jak postrzegają nas przedstawiciele różnych grup – rodzice, przyjaciele, klienci? Najwięcej satysfakcji daje kontakt z klientami. Często firmom, z którymi współpracujemy, wydaje się, że wzrosty, jakie osiągamy wspólnie, są efektem przypadkowych działań. Tymczasem wyniki testów A/B pokazują, że to, co wydawało się skuteczne, w praktyce nie działa. To nie magia, ale rezultat dobrze zaplanowanego procesu: identyfikujemy, co nie działa, a następnie to poprawiamy.
Brzmi atrakcyjnie, ale początki nie były proste. Gdy zakładaliśmy Conversion w 2010 roku, mieliśmy wrażenie, że trafiliśmy na zestaw gotowych rozwiązań – jakbyśmy znaleźli księgę sprawdzonych metod na poprawę konwersji. Z czasem okazało się, że skuteczność analityki online opiera się nie na uniwersalnych receptach, ale na ciągłym testowaniu, analizowaniu i wdrażaniu zmian opartych na danych. W latach 2010–2012 niektóre rozwiązania e-commerce działały niemal automatycznie. Przykładem było dodanie komunikatu w checkout, że użytkownik znajduje się w bezpiecznej strefie zakupów. W tamtym czasie wiele sklepów wykorzystywało ten zabieg, ponieważ podnosił on poczucie bezpieczeństwa użytkownika i wpływał pozytywnie na konwersję.
Obecnie niewiele sklepów wciąż informuje o „bezpiecznej strefie” podczas finalizacji zamówienia. Podobnie było z informowaniem o przewidywanym terminie dostawy — kiedyś wystarczyło dodać taką informację w koszyku, by testy A/B wskazywały nawet 10% wzrost konwersji. Dziś to już standard, który użytkownicy uznają za oczywisty element procesu zakupowego. To pokazuje, jak dynamicznie zmieniają się zachowania konsumentów i standardy w e-commerce. Warto regularnie testować nowe rozwiązania, nawet jeśli kiedyś coś działało „samograjem”, ponieważ schematy, które kiedyś zwiększały konwersję, dziś mogą być niewystarczające. Spróbujmy podejść do tego jeszcze raz.
W przypadku różnych metod ratowania porzuconych koszyków – takich jak bezpieczna strefa zakupów, rezerwacja koszyka czy próby jego odzyskania – często efekt końcowy przypomina prezentację Cybertrucka Elona Muska. Zaprezentowany jako pojazd z kuloodpornymi szybami, miał udowodnić swoją wytrzymałość podczas konferencji prasowej. Demonstracja zakończyła się jednak pęknięciem szyby na oczach całego świata. Podobnie bywa z niektórymi wdrożeniami funkcji e-commerce. Choć koncepcja wygląda dobrze na papierze, rzeczywiste działanie w praktyce może zawieść oczekiwania. Warto zatem dokładnie testować i analizować każdy element procesu zakupowego, zanim zostanie on zaprezentowany użytkownikom. Eksperyment, który przeprowadziliśmy, pokazuje, że rozwiązania skuteczne w innych firmach nie zawsze sprawdzają się u każdego. Nawet pomysły, które na pierwszy rzut oka wydają się niedorzeczne, mogą przynieść dobre rezultaty w konkretnym kontekście.
Przechodząc do dalszej części — jednym z kluczowych procesów wpływających na wzrost współczynnika konwersji jest optymalizacja konwersji, znana jako Conversion Rate Optimization (CRO). W Conversion zajmujemy się CRO od początku istnienia firmy. W początkowych latach, około 2010–2012, proces ten był znacznie prostszy. Przez pewien czas analiza danych była znacznie prostsza. Wystarczyło mieć dostęp do odpowiedniego „podręcznika”, który pozwalał szybko wdrożyć skuteczne rozwiązania. Jednak sytuacja zaczęła się zmieniać w latach 2012–2016. W tym okresie coraz większe znaczenie zaczęła odgrywać mobilność. Uczestnicy konferencji z tamtych lat z pewnością pamiętają, że jednym z najczęściej zadawanych pytań było: „Czy to działa na mobile?”. Właśnie wtedy u wielu naszych klientów realizowaliśmy liczne projekty związane z wdrażaniem RWD (responsive web design). Wraz z popularyzacją smartfonów konieczne stało się przeprojektowanie stron internetowych tak, aby dostosowywały się do różnych rozdzielczości ekranów i nadal prezentowały kluczowe treści w sposób czytelny i intuicyjny.
Obecnie temat użyteczności nabrał jeszcze większego znaczenia. Na potwierdzenie — według danych sprzed dwóch tygodni, w Polsce działa już około 42 tysięcy specjalistów z obszaru UX, czyli osób zajmujących się projektowaniem doświadczeń użytkownika. W latach 2012–2016 obserwowaliśmy dynamiczny rozwój dobrego designu projektowanego od zera. Wraz z jego upowszechnieniem zaczęliśmy zauważać, że testy A/B w naszych projektach coraz rzadziej przynosiły pozytywne rezultaty. Po pierwsze, rzadziej udawało się osiągać istotne statystycznie zwycięstwa w testach. Po drugie, prowadziło to do coraz mniejszej liczby wprowadzanych zmian.
Nie oznacza to jednak, że cały proces przestał działać. Rok wcześniej, podczas prezentacji na scenie A, przedstawiłem konwersję jako wypadkową dwóch czynników: motywacji użytkownika oraz poziomu oporu, jaki stawia serwis. Porównałem wtedy serwis do mostu. Po jednej stronie rzeki stoją odwiedzający, po drugiej – klienci. Jeśli użytkownik ma odpowiednią motywację, a serwis nie stawia zbędnych barier, to użytkownik z powodzeniem przechodzi na drugą stronę – staje się klientem. Warto pamiętać, że skuteczność optymalizacji i testów A/B zależy nie tylko od jakości designu, ale również od tego, jak dobrze rozumiemy potrzeby użytkowników i potrafimy im umożliwić realizację ich celów.
W podejściu do optymalizacji konwersji zaszła istotna zmiana. W przypadku sklepów internetowych mamy do czynienia z dwoma różnymi celami, które często się ścierają. Z jednej strony jest to cel e-commerce, czyli realizacja transakcji — cel właściciela sklepu. Z drugiej strony — cel użytkownika, z którym odwiedza sklep. Motywacje użytkowników są bardzo zróżnicowane. Badania pokazują, że istnieje kilkadziesiąt powodów, dla których użytkownicy odwiedzają sklep internetowy. Mogą szukać inspiracji, sprawdzać szczegóły techniczne, czytać opisy produktów, porównywać ceny lub przeglądać opinie innych klientów. Ważne jest, że tylko jedna z tych motywacji pokrywa się z celem właściciela sklepu — złożeniem zamówienia. Według analiz, jedynie około 4% użytkowników odwiedza sklep internetowy z zamiarem natychmiastowego zakupu. Pozostała większość realizuje inne potrzeby — informacyjne, porównawcze lub inspiracyjne.
Zrozumienie tych intencji jest kluczowe w procesie optymalizacji konwersji. Dopasowanie komunikacji, układu strony i treści do różnych etapów ścieżki zakupowej użytkownika może znacząco zwiększyć skuteczność działań e-commerce. Optymalizacja wyłącznie pod kątem współczynnika konwersji nie jest najlepszym podejściem, zwłaszcza jeśli weźmiemy pod uwagę, że średnio ponad 90% użytkowników odwiedzających sklep internetowy nie przychodzi z zamiarem złożenia zamówienia. W e-commerce spotykają się dwa cele: cel użytkownika i cel biznesowy. Tylko w jednym przypadku te cele się pokrywają — gdy użytkownik dokonuje zakupu. W pozostałych przypadkach warto zadbać o inne potrzeby i oczekiwania użytkowników.
Właśnie dlatego w 2020 roku zmieniliśmy podejście do optymalizacji sklepów. Nazwaliśmy je optymalizacją doświadczeń. W tym podejściu doświadczenie oznacza punkt styku i zbieżności trzech celów: celu użytkownika, celu biznesowego oraz celu projektowego (czyli tego, jak zmiana wpływa na satysfakcję użytkownika). Podczas testów A/B patrzymy nie tylko na realizację celu biznesowego, czyli konwersję, ale również na to, czy użytkownik jest zadowolony z wprowadzonych zmian. Ma to szczególne znaczenie w przypadku procesów zakupowych, które rozciągają się w czasie i obejmują wiele wizyt. Dla przykładu — w branży turystycznej między pierwszą wizytą a dokonaniem zakupu mija średnio 16 wizyt i około 3 tygodnie. Jeżeli podczas jednej z wcześniejszych wizyt użytkownik nie zrealizuje swojego celu lub nie znajdzie potrzebnych informacji, istnieje duże ryzyko, że nie wróci do serwisu, gdy będzie gotowy do zakupu. Dlatego warto dbać o doświadczenie użytkownika na każdym etapie jego ścieżki. Metodyka, o której mowa, rozpoczyna się od zdefiniowania celu użytkownika lub celu biznesowego w e-commerce. W przypadku e-commerce cele są zazwyczaj oczywiste i nie wymagają skomplikowanego definiowania. Kluczowe znaczenie mają dane i analizy, które pozwalają zrozumieć zachowania użytkowników. Następnie przechodzimy do fazy discovery, czyli etapu odkrywania. Analizujemy, co sprawia użytkownikom trudność, jakie mają cele oraz gdzie na ścieżce zakupowej występują wąskie gardła. Na podstawie analizy danych powstaje lista zmian, które należy wdrożyć w sklepach internetowych. Kolejnym krokiem jest faza developmentu, w której kluczową rolę odgrywają testy A/B. Warto podkreślić, że przeprowadzenie tego procesu tylko raz nie wystarczy. W sytuacji, w której standardy UX są powszechnie znane i stosowane, rzadko zdarzają się poważne błędy, które można szybko wyeliminować i natychmiast poprawić konwersję. Dlatego istotne jest podejście iteracyjne. W zależności od projektu, czasem wystarczą dwie iteracje, a niekiedy już po jednej można zauważyć wzrost współczynnika konwersji. Każda kolejna seria testów A/B, która ułatwia użytkownikom realizację ich celów, zwiększa prawdopodobieństwo ich powrotu na dalszym etapie procesu zakupowego.
Poniżej przedstawione jest dobre podsumowanie istoty Customer Experience Optimization (CXO). Optymalizacja powinna uwzględniać trzy kluczowe elementy: współczynnik konwersji biznesu e-commerce, współczynnik konwersji użytkownika oraz koszt wdrożenia. W praktyce oznacza to, że nie wystarczy skupiać się wyłącznie na standardowej metryce, jaką jest współczynnik konwersji. Warto analizować również konwersję użytkownika – czyli to, jak użytkownicy postrzegają doświadczenie zakupowe i jak chętnie angażują się w działania na stronie. Jednym z najczęściej stosowanych wskaźników jest Net Promoter Score (NPS). Zbierając dane w testach A/B, warto uwzględniać nie tylko dane ilościowe, ale również jakościowe, takie jak opinie użytkowników czy oceny satysfakcji.
W podejściu CXO należy patrzeć szerzej – analizując nie tylko efektywność biznesową i zachowania użytkowników, ale również koszty operacyjne związane z wdrożeniem zmian. Ostatecznie, poza użytkownikami i zespołem e-commerce, w równaniu tym są także właściciele firmy, których interesy również trzeba uwzględnić. Optymalizacja e-commerce w ujęciu CXO to proces trójwymiarowy. Nie wymaga skomplikowanej, wielowymiarowej analizy matematycznej – wystarczy świadomie zarządzać trzema podstawowymi obszarami: biznesem, użytkownikiem i kosztem. Właściciele sklepów internetowych często myślą o rozwoju serwisu przez pryzmat redesignu. Tymczasem gruntowna przebudowa strony to zwykle długi i kosztowny projekt, który często kończy się przekroczeniem budżetu, a przez pierwsze miesiące po wdrożeniu może obniżać wyniki biznesowe.
Zamiast skupiać się wyłącznie na dużych zmianach wizualnych, warto pamiętać o dwóch kluczowych elementach: użytkowniku i celach komercyjnych. Jeśli użytkownik za każdym razem łatwo realizuje swój cel na stronie, rośnie szansa, że wróci w przyszłości i dokona zakupu. Od momentu, gdy zaczęliśmy analizować dane nie tylko ilościowo i przez pryzmat e-commerce, ale również z perspektywy użytkownika, liczba skutecznych zmian w testach A/B w naszych projektach zaczęła rosnąć. To podejście pozwala nam lepiej rozumieć potrzeby odbiorców i skuteczniej optymalizować serwisy.
Wnioski płynące z pracy nad konwersją są jednoznaczne: nie ma uniwersalnych „złotych zasad”, które zawsze działają. Skuteczność zmian zależy od dobrze zaprojektowanego procesu. W naszym przypadku standardowe podejście do CRO (Conversion Rate Optimization) zaczęliśmy modyfikować około 2020 roku. Od tego momentu uwzględniamy nie tylko cele biznesowe i konwersje, ale również cele użytkownika oraz koszt wdrożenia proponowanych rozwiązań. Tak narodziło się podejście, które nazwaliśmy Conversion Experience Optimization. Od kiedy zaczęliśmy je stosować, serwisy naszych klientów zyskały realne, pozytywne zmiany – zarówno dla użytkowników, jak i dla biznesu.
Nie każda zmiana wprowadzona w ramach optymalizacji od razu przekłada się na wyraźny wzrost współczynnika konwersji. Warto jednak pamiętać, że skuteczność całego procesu analitycznego zależy od jakości danych, na których bazujemy. Jako firma specjalizująca się we wdrażaniu i wykorzystaniu danych online, podkreślamy znaczenie solidnych fundamentów w analityce. Jeśli już na samym początku nie zadbamy o poprawność i kompletność danych, cały proces traci sens. Znane w branży pojęcie GIGO (Garbage In, Garbage Out) trafnie oddaje istotę problemu — złej jakości dane prowadzą do błędnych wniosków i nieskutecznych działań.
Warto skorzystać z przygotowanej przez nas checklisty, dostępnej na naszej stronie. Powstała ona w odpowiedzi na potrzeby klientów, z któryrymi pracujemy przy mapowaniu ich procesów i celów. Często okazuje się, że mimo świadomości znaczenia danych, zespoły nie ufają ich jakości. Sytuacja ta jest szczególnie powszechna w momentach zmiany pracy czy redefinicji celów KPI. Checklista zawiera zestaw kluczowych punktów kontrolnych, które warto sprawdzić w swoich serwisach. Na naszym kanale YouTube znajduje się materiał wideo, w którym omawiamy te elementy. To praktyczne podejście oparte na zasadzie Pareto: 20% działań pozwala uzyskać 80% pewności, że dane są wiarygodne, a proces Conversion Experience Optimization można przeprowadzić na solidnych podstawach. Życzę powodzenia w realizacji analiz i pracy z danymi. Warto pamiętać, że proces analityczny nie kończy się po pierwszym raporcie. W e-commerce cele są wspólne dla trzech stron: biznesu, użytkownika i właściciela produktu. Dla biznesu to przede wszystkim transakcje i przychody. Dla użytkownika – realizacja jego motywacji i potrzeb. Dla właściciela – osiągnięcie tych celów w sposób logiczny i przy optymalnych kosztach.
Tagi:
Historie sukcesów
Ostatnie wpisy na blogu
