Detale w ścieżce zakupowej mają znaczenie w każdym e-commerce. W segmencie premium ich waga jest jednak jeszcze większa – gdy transakcji jest mniej, ale ich wartość pozostaje wysoka, nawet niewielkie tarcie może przełożyć się na odczuwalną stratę sprzedaży.
Tak było w tym projekcie. Nasz klient chciał lepiej zrozumieć zachowania użytkowników i sprawdzić, które produkty oraz kategorie najczęściej kończą się zakupem, a które odpadają po drodze. Analiza miała pomóc odpowiedzieć na pytania związane z konwersją i optymalizacją ścieżki zakupowej.
W praktyce wydarzyło się coś więcej. Dzięki szczelnemu śledzeniu i pracy na danych eventowych udało się wychwycić nieoczywisty problem, który nie tylko utrudniał zakup, ale też zaburzał interpretację danych o konwersji poszczególnych kroków zakupowych.
Klient działa w branży retail / e-commerce, w segmencie mebli premium i wyposażenia wnętrz. Model biznesowy jest omnichannelowy i obejmuje zarówno sprzedaż online, jak i salony stacjonarne. Firma działa głównie na rynku polskim.
Z perspektywy analitycznej istotne było to, że biznes operuje na:
Po stronie klienta współpraca odbywała się przede wszystkim z:
Celem analizy było dokładniejsze poznanie zachowań użytkowników na etapie koszyka. Klienta interesowało między innymi:
Był to więc klasyczny temat związany z analizą konwersji i zachowań zakupowych. Jednak już na etapie pracy z danymi okazało się, że część obrazu jest bardziej złożona, niż sugerowały to standardowe wskaźniki.
W toku analizy zauważyliśmy istotny wzorzec zachowań: część użytkowników dodawała produkty do koszyka dopiero na stronie koszyka, a nie na karcie produktu.
To nie było przypadkowe. Wynikało z konstrukcji ścieżki zakupowej.
Nie był to problem, który musiał od razu rzucać się w oczy. W segmencie mebli premium wiele produktów kupuje się pojedynczo – jedną sofę, jeden stół czy jeden regał – więc brak możliwości wyboru liczby sztuk na karcie produktu przez długi czas mógł pozostawać niezauważony.
Ograniczenie stawało się istotne przede wszystkim przy produktach kupowanych w większej liczbie, zwłaszcza krzesłach. W tych przypadkach użytkownik najpierw musiał dodać produkt do koszyka, a dopiero tam zwiększyć jego liczbę.
Na pierwszy rzut oka mogło to wyglądać jak naturalne zachowanie użytkownika. W rzeczywistości było skutkiem ograniczenia UX, które wpływało zarówno na wygodę zakupu, jak i na sposób odczytywania danych.
Z analizy wynikało, że 12% wszystkich dodań do koszyka następowało dopiero na stronie koszyka.
To był bardzo ważny sygnał. Taka sytuacja pokazywała, że część użytkowników zainteresowanych zakupem kilku sztuk tego samego produktu nie przechodziła ścieżki w sposób naturalny i wygodny.
Wpływ był wielowymiarowy.
Po pierwsze, doświadczenie zakupowe traciło na intuicyjności. Teoretycznie użytkownik mógł dodać ten sam produkt do koszyka wielokrotnie już z poziomu karty produktu, ale nie była to ścieżka szczególnie wygodna. W efekcie część osób przechodziła do koszyka wcześniej, aby dopiero tam sprawniej ustawić docelową liczbę sztuk.
Po drugie, zakup się wydłużał. Każdy dodatkowy krok to potencjalne miejsce frustracji, wahania lub porzucenia procesu.
Po trzecie, zaburzeniu ulegała interpretacja danych. Jeśli część aktywności związanej z dodaniem produktu do koszyka przenosi się z karty produktu na poziom koszyka, to standardowe odczyty dotyczące konwersji poszczególnych etapów mogą prowadzić do niepełnych lub błędnych wniosków.
W praktyce oznaczało to, że klient mógł oceniać skuteczność ścieżki zakupowej na podstawie obrazu, który nie do końca oddawał rzeczywiste intencje użytkowników.
W ramach analizy przyjrzeliśmy się dokładnie momentowi dodania produktu do koszyka i sprawdziliśmy, czy akcja następowała na karcie produktu, czy dopiero w koszyku. Zestawiliśmy te dane z kategoriami i typami produktów, żeby zobaczyć, gdzie wzorzec występuje najczęściej i z czego może wynikać.
Od strony technicznej analiza opierała się na danych eventowych z platformy e-commerce oraz danych GA4 dostępnych w BigQuery. Kluczowe było szczelne śledzenie zdarzeń koszykowych, spójna identyfikacja produktów i dobra jakość danych, bo tylko to pozwalało poprawnie odtworzyć rzeczywistą ścieżkę użytkownika.
Dzięki temu mogliśmy precyzyjnie wskazać, że zjawisko dodawania produktów do koszyka dopiero na etapie koszyka koncentrowało się przede wszystkim wokół krzeseł, czyli kategorii naturalnie częściej kupowanej w większej liczbie sztuk.
Biznesowo przełożyło się to na coś więcej niż sam raport. Klient zyskał jasną diagnozę, że część zachowań w koszyku nie wynikała z naturalnych decyzji użytkowników, ale z ograniczenia na karcie produktu. To pozwoliło spojrzeć na dane o konwersji w bardziej trafny sposób i wskazać konkretny obszar do poprawy w ścieżce zakupowej.
Analiza na danych i wynikająca z niej rekomendacja dały klientowi konkretną podstawę do dalszych działań. Problem został precyzyjnie nazwany, osadzony w danych i przełożony na jasny kierunek zmian po stronie IT.
W praktyce oznaczało to możliwość zakolejkowania modyfikacji karty produktu — tak, aby użytkownik mógł wybrać liczbę sztuk już przed przejściem do koszyka, szczególnie w przypadku produktów częściej kupowanych po kilka sztuk.
Tagi:
Historie sukcesów
Ostatnie wpisy na blogu
