Как мы пошли чинить мобильную корзину, а в итоге подняли заказы в региональном десктопе на 19,6%

Когда мы начали работать с интернет‑магазином одежды премиум‑класса, конверсия из корзины в оформление на мобайле была вдвое ниже десктопной. Мы пошли искать причину в мобильной корзине, а в процессе нашли потери, завязанные не на устройство, а на город пользователя. В итоге доработка корзины подняла заказы в региональном десктопе на 19,6%. Рассказываем весь путь: от анализа воронки до замера результата, включая то, что у нас не получилось.

С чего мы начали

Первым делом мы всегда смотрим на метрики. Когда приходит новый магазин, берем ограниченный список показателей, которые напрямую влияют на выручку. Конверсии по основным этапам, брошенные корзины, разбивка по устройствам.

В этом проекте сразу выплыло два момента.

Первый. Пользователи, которые используют фильтры и сортировку, покупают заметно чаще тех, кто этого не делает. И это логично, ведь человек с фильтрами уже примерно знает, что ищет. Но доля таких визитов была небольшой, всего 7,4% на десктопе и около 5% на мобайле, то есть большинство людей идут в каталог вслепую. Это потенциальная точка роста на будущее, но в этот раз мы сфокусировались на другом.

Когда видишь такой разрыв, понятно, что дело не в нежелании людей покупать, а в том, что им что‑то конкретное мешает дойти до конца именно на телефоне. С этим и надо было разобраться.

Сначала чиним то, что сломано

Точки роста подождут. Если у магазина есть критичные проблемы, сначала надо закрыть их, а уже потом думать про развитие. Представьте, вы зашли в корзину на телефоне, собрали товары, а сумма не пересчитывается и условия доставки в вашем городе не обновляются. Скорее всего, вы закроете вкладку. Поэтому фильтры мы отложили и взяли в работу сценарий корзина → оформление → покупка, где показатели были хуже всего.

Цифры говорят что, но не почему

Мы пошли двумя путями. Первый — отсмотрели сессии в вебвизоре. Вебвизор записывает, как реальные люди ведут себя на сайте: куда нажимают, где зависают, на каком шаге закрывают вкладку. Это один из самых дешевых способов найти конкретные гипотезы, увидеть паттерны в поведении и докопаться до причин. Смотрели сессии двух типов. Успешные, где человек попадал в корзину, переходил к оформлению и покупал. И неуспешные, где он доходил до корзины, но дальше что‑то шло не так и покупки не случалось. Сравнение этих двух групп и показывает, что именно ломает путь.

Второй путь — прошли всю воронку руками, своими глазами по шагам, как обычный покупатель. Получился небольшой экспертный аудит интерфейса, где мы зафиксировали недочеты и проблемные места.

В ходе исследований мы находим не только проблемы, но и гипотезы роста. Иногда замечаешь закономерность в поведении пользователей, которую можно использовать для улучшений, даже если на этом месте ничего не сломано.

Пять кластеров проблем

После отсмотра сессий получилась таблица с описанием каждого сценария: что пользователь делал, где застрял, на каком шаге ушел. Дальше мы сгруппировали все найденные проблемы, и получилось пять кластеров.

Кластер 1. Город и доставка. Пользователи из городов кроме Москвы и Санкт‑Петербурга не могут узнать в корзине актуальные условия доставки. Город вводится вручную, но информация не обновляется. В итоге они не понимают, доставят ли им товар и за сколько, и уходят.

Кластер 2. Уходят за информацией о наличии. Пользователи добавили товар в корзину, но не видят, есть ли он в магазинах и не догадываются, что информация о наличии будет в оформлении. Чтобы проверить наличие, приходится переходить на страницу товара. Часть из них к корзине уже не возвращается.

Кластер 3. Корзина не пересчитывается. На мобайле пользователи выбирают нужные товары чекбоксами или удаляют лишнее свайпом, а итоговая сумма не меняется. Доверие к корзине падает, реальная стоимость непонятна, и они либо уходят, либо тратят время на перепроверку.

Кластер 5. Непонятная программа лояльности. Авторизованные пользователи или те, кто только что зарегистрировался, ожидают увидеть в корзине скидку или баллы, но не находят. Идут разбираться в условиях программы, а вернувшись, все равно не понимают, почему скидка не применилась. В итоге часть из них закрывает сайт, так и не оформив заказ.

Проверяем, какие проблемы стоит решать

Когда причины понятны, оцениваем масштаб. Прежде чем заказывать дизайнеру и разработчику доработку, спросите себя, насколько часто проблема вообще встречается. Если она попадается в 1% визитов, это не приоритет. Если в 40%, это уже критично и напрямую бьет по выручке. Поэтому мы смотрим на частотность и берем в работу самые частые проблемы.

Но проверять частотность нужно не у всех проблем, да и возможно это не всегда. Часть проблем давно изучена в исследованиях независимых институтов, научных журналов и консалтинговых компаний: Baymard Institute, Nielsen Norman Group, Smashing Magazine и других. Если проблема описана там, ее можно просто брать и исправлять. А где частотность все же важна, проверить ее иногда не дают сами данные, точнее их нехватка. Вот как это вышло с нашими кластерами.

Кластер 1. Город и доставка. Тут надо сказать, что фокус по ходу сместился. Шли смотреть, почему мобайл вдвое хуже десктопа, а данные показали, что проблемы завязаны не на устройство, а на город. Так появился разрез регионы против столиц. Частотность подтвердили. Доля заказов из регионов, то есть из городов кроме Москвы и Санкт‑Петербурга, составляла около 20–30% от общего числа, а доля визитов из регионов доходила до 46%. При этом конверсия из корзины в оформление у региональных пользователей была ниже, чем у столичных. На десктопе этот разрыв достигал 8 процентных пунктов, а на мобайле всего 1,2 процентного пункта.

Кластер 2. Уход за информацией о наличии. Частотность подтвердили, но косвенно. Пользователи переходили из корзины на страницы товаров в 52,5% случаев. Но понять по данным, проверяют ли они именно наличие, нельзя. И даже если проверяют, для оценки эффекта от таких решений есть отдельный метод, о нем расскажем ниже. Поэтому частотность высокая, но косвенная.

Кластер 3. Корзина не пересчитывается. Частотность тут подтверждать не стали. По данным Baymard Institute, 14% пользователей бросают корзину, потому что не могут заранее увидеть или рассчитать итоговую стоимость заказа, а еще 39% уходят из‑за неожиданных дополнительных расходов. Так что если корзина не показывает реальную сумму, это критично само по себе, без дополнительной валидации.

Кластер 4. Смена города при самовывозе. Здесь та же логика. По данным Baymard Institute, сложный и запутанный процесс оформления — одна из главных причин отказа от покупки, ведь только из‑за этого заказ бросают 17% покупателей. Сбой со сменой города как раз усложняет сценарий и отбрасывает пользователя на шаг назад, так что частотность подтверждать не нужно, нужно просто починить.

Кластер 5. Программа лояльности. Частотность оказалась низкой, проблема прослеживалась всего в 2% визитов. Этот кластер отложили в бэклог и вернемся к нему в следующих циклах работы.

Формулируем гипотезы и считаем прогноз

Кластер 1. Город и доставка.

Почему берем именно уровень Москвы и Санкт‑Петербурга. Конверсия в этих городах задает потолок (8 п.п. разница с регионами), к которому регионы могли бы подтянуться, если убрать барьер.

Но весь разрыв закрыть нельзя, и тут важна поправка на атрибуцию. На зазор влияет и видимость условий доставки, и само их содержание, то есть стоимость, сроки, число ПВЗ, плюс общее доверие к магазину. Мы меняем только видимость, поэтому и закладывать в прогноз полное закрытие разрыва нельзя. За ориентир взяли половину потолка, около 4 п.п.

Отдельная оговорка по мобайлу. Там потолок всего с разницей в 1,2 п.п., так что значимого прироста не ждем. Цель по мобайлу не ставим, а просто следим, чтобы не было регрессии.

Кластер 2. Информация о наличии.

Прогноз тут считать не стали. Мы не можем точно сказать, проверяют ли пользователи именно наличие, а значит и эффект от решения посчитать заранее нельзя. Для таких случаев есть отдельный метод проверки спроса, о нем расскажем ниже.

Кластер 3. Корзина не пересчитывается.

Поймем, что правы, если конверсия из корзины в оформление вырастет относительно текущего показателя, по аналогии с кластером 1.

Кластер 4. Смена города при самовывозе.

Этот фикс нельзя было прогнозировать так же, как первый кластер. Он распространяется на всех пользователей сразу, то есть незатронутого сегмента, с которым можно сравнить, просто нет. Поэтому количественный прогноз тут не делали, а исправили по лучшим практикам.

Описываем решения

Дальше для каждого кластера описали, что именно нужно сделать. Кластеры 1, 3 и 4 — это по сути баги, поэтому тут все просто: зафиксировали, что конкретно починить и как должно работать. Ничего особенного, обычная постановка задачи на разработку.

Интереснее с кластером 2. Прежде чем тратить ресурсы на полноценную функциональность, мы решили проверить спрос методом fake‑door. Суть в том, что мы показываем элемент будущей функции до того, как она реально сделана, и смотрим, нужна ли она пользователям.

В корзину добавили кнопку «Проверить наличие в магазинах». По нажатию всплывал поп‑ап с текстом, что наличие можно посмотреть на странице товара, где указаны все доступные магазины и остатки. Дальше замеряли CTR кнопки, то есть долю пользователей, которые на нее нажали. Если спрос подтвердится, проектируем и разрабатываем полноценный функционал.

Тут важно сразу оговориться. Даже если спрос на кнопку окажется высоким, точно спрогнозировать, как функция повлияет на конверсию из корзины в оформление, все равно сложно. Но косвенно прикинуть эффект можно, и этого хватит, чтобы решить, стоит вообще браться за разработку или нет. Что в итоге показала кнопка, расскажем в результатах.

Результаты

После доработки замерили показатели снова. Покажу по кластерам, где есть что показать.

Кластеры 1 и 3. Корзина.

С мобайлом интереснее. Там конверсия из корзины в оформление у региональных пользователей снизилась на 1,5 п.п., и это уже чистый эффект, очищенный от внешнего фона по контрольной группе. На первый взгляд выглядит как регресс. Но смотреть на один шаг в отрыве от воронки нельзя.

В той же выборке конверсия из корзины в покупку почти не изменилась, всего +0,2 п.п., про нее подробнее дальше. То есть ни одной покупки мы не потеряли. Пользователи, которые перестали переходить в оформление, и так не дошли бы до покупки — просто теперь они видят невыгодные условия доставки сразу в корзине, и отсев происходит на шаг раньше.

Это совпало с прогнозом. На мобайле разрыв между регионами и столицами был всего 1,2 п.п., расти было почти некуда, и значимого движения мы не ждали.

А вот чего мы не добились честно. Изначальный разрыв, с которого все началось, был между мобайлом и десктопом в целом: конверсия из корзины в оформление на телефоне вдвое ниже. Мы рассчитывали, что наши правки сильнее отразятся именно на мобайле, ведь большинство проблем в корзине мы видели как раз там. Но двукратный разрыв так и не сократился. Значит, дело не только в тех багах, что мы починили, а в чем‑то еще, специфичном для мобильного сценария. Причину этого разрыва нам еще предстоит найти, и это один из следующих фокусов работы.

Кластер 4. Смена города при самовывозе.

Конверсия из оформления в покупку на мобайле выросла на 5,1 п.п., на десктопе просела на 1,0 п.п. И тут важная оговорка. UX‑исправления выкатили сразу всем пользователям, контрольной группы под них не было. Поэтому здесь у нас только сравнение «до и после», а доказать причинно‑следственную связь с фиксом нельзя.

Рост на мобайле выглядит крупным, но списывать его целиком на интерфейс некорректно. Фикс города выше по воронке отсек часть случайных пользователей еще в корзине, поэтому до оформления теперь доходит более теплая аудитория, и конверсия шага растет отчасти просто за счет состава. Подтверждение в том, что на полной воронке из корзины в покупку мобайл почти не сдвинулся, всего +0,2 п.п. То есть прибавка в 5,1 п.п. — это перераспределение внутри воронки, а не новые покупки. На десктопе просадка в 1,0 п.п. небольшая и тоже без контроля, так что ее нужно проверять отдельно.

Общая воронка. Корзина → покупка.

Конверсия из корзины в покупку на мобайле выросла на 0,2 п.п., на десктопе просела на 0,6 п.п. На уровне всего сайта картина нейтральная. Но это как раз тот случай, когда среднее по сайту прячет результат точечного изменения, а не отражает его.

Фиксы были адресными. Исправление выбора города в корзине касалось только регионов, а UX‑правки в оформлении всех. Поэтому и эффект надо искать в этих сегментах, а не в среднем по сайту. И он там есть. В региональном десктопе конверсия из корзины в покупку выросла на 6,2 п.п. В пересчете на заказы это плюс 19,6%. Результат согласуется с контролируемым эффектом на шаге корзина → оформление, где было плюс 8,8 п.п., и это самый весомый подтвержденный эффект всей работы.

Региональный мобайл остался на месте, всего 0,3 п.п., ровно как прогнозировали. Запаса до потолка почти не было, и главное, что фикс не навредил.

Откуда тогда минус 0,6 на общем десктопе. В него зашиты Москва и Санкт‑Петербург, а их десктопная конверсия за период просела на 4,1 п.п. по внешним причинам. Этот сегмент фикс города вообще не затрагивал. Получается, минус в среднем создан тем, чего наши изменения не касались, и он разбавляет реальный рост регионов.

Кластер 2. Информация о наличии.

Спрос подтвердился с двух сторон. Прямой сигнал — на тестовую кнопку нажали 8,1% пользователей на мобайле и 9,8% на десктопе. Но сильнее оказался косвенный сигнал. Еще 15,2% на мобайле и 17,1% на десктопе вообще без всякой кнопки сами уходили из корзины на страницу товара, чтобы проверить наличие. Это и есть та самая закономерность в поведении, про которую мы говорили в начале: пользователи подсказали точку роста сами. Поведение, за которое человек платит лишним действием, доказывает потребность надежнее, чем клик.

Но точное влияние на конверсию заранее предсказать нельзя. Fake‑door измеряет спрос, а не причинно‑следственную связь с ростом покупок. Сколько функция добавит к конверсии, покажет только запуск с контролируемым замером.

Косвенный ориентир мы планируем нащупать позже. В данных видны сессии, где пользователь уходил из корзины на страницу товара, проверял наличие и покидал сайт без покупки. Логично предположить, что часть из них была готова купить, но потерялась по дороге, ведь пришлось разорвать сценарий и идти за информацией, которой не оказалось в корзине. Дай мы возможность проверить наличие прямо в корзине, часть таких пользователей, вероятно, дошла бы до покупки. Эту гипотезу и планируем проверить, когда возьмемся за функцию.

Что в итоге

+6,2 п.п. и +19,6% заказов в регионах. Адресное изменение нужно мерить там, куда оно нацелено. Мы правили корзину для регионов, и эффект был именно там: плюс 6,2 п.п. к конверсии в покупку и плюс 19,6% к заказам в региональном десктопе. В среднем по сайту те же правки выглядели как ноль, потому что агрегат разбавлен сегментами, которых изменение не касалось. Смотри мы только на общую цифру, решили бы, что работа прошла впустую.

Шаг воронки не существует отдельно от воронки. На мобайле конверсия из корзины в оформление просела, но покупок мы не потеряли ни одной. Просто перестали прогонять через лишний шаг тех, кто все равно не купил бы. Поэтому шаг нельзя оценивать в отрыве от всей воронки.

Не каждую проблему надо проверять одинаково. Часть подтверждается данными, часть давно известна по исследованиям юзабилити, а часть можно дешево проверить, например через fake‑door, прежде чем тратить ресурс на разработку.

Не всегда получаешь тот результат, который ждал. С чего начинали, того и не добились — разрыв между мобайлом и десктопом так и остался. Мы думали, что фиксы сильнее зайдут на мобайле, но нет. Причину еще придется искать. И это обычная история, когда работаешь с гипотезами, ведь часть из них не подтверждается. Тут даже минус полезен, потому что теперь понятно, что дело не в тех багах, которые мы уже починили.

Работа на этом не заканчивается. Спрос на проверку наличия в корзине подтвердился, и теперь впереди в первую очередь прогноз и оценка эффекта, и только потом уже сама реализация. Развитие магазина это не разовый проект, а постоянный цикл: находим проблему, проверяем гипотезу, считаем потенциал, измеряем результат и идем дальше.