Case Study CRO: 2 “zwycięskie” testy A/B dla polskiej marki kosmetycznej

phdoctor_grafika_case_study_1

Projekt: optymalizacja konwersji e-commerce #CRO

Klient: Ph.Doctor – polska marka kosmetyków stworzona przez dermatolog dr Ninę Wiśniewską. Sklep internetowy Ph.Doctor odnotowuje około 170 000 sesji miesięcznie.

W tym artykule pokażę Ci jak zwiększyć sprzedaż w e-commerce, dzięki optymalizacji konwersji (CRO). Opiszę 2 – wydawałoby się – niewielkie zmiany, które znacząco zwiększyły konwersję. Pokażę Ci, jak tego dokonaliśmy, abyś mógł_mogła zastosować te same metody w swoim biznesie.

Efekty 5-miesięcznej współpracy? Dodatkowe setki tysięcy sprzedaży w skali miesiąca.

Zanim przejdziemy do opisu konkretnych działań, które podjęliśmy, przejdźmy szybko przez to, co udało nam się osiągnąć. 

Mówiąc “nam”, mam na myśli wspólną pracę zespołu Digispot (z naszą sprawdzoną metodologią CRO i doświadczeniem) oraz zespołu Ph.Doctor wraz z ich topowymi produktami, zasięgami i świetnym marketingiem.

Co udało nam się osiągnąć?

  1. Ponad 50% wzrost sprzedaży w okresie styczeń-maj 2023 w porównaniu do okresu styczeń-maj 2022
  2. Ponad 10 zwycięskich testów w ciągu 5 miesięcy. Każdy ze zwycięskich wariantów przynosił dodatkowe 10 000 – 125 000 zł w skali miesiąca.
  3. Uporządkowanie procesu zarządzania programistami i zmianami w sklepie.
Współczynnik konwersji w Ph.Doctor

Przejdźmy teraz do tego, jak udało nam się to osiągnąć.

Jak zawsze – zaczęliśmy od researchu, czyli od poszukiwania odpowiedzi na pytania GDZIE i DLACZEGO ucieka sprzedaż

1. Dokładne zrozumienie biznesu i klientów Ph.Doctor.
Bez dobrego zrozumienia przewag konkurencyjnych i grupy docelowej, działania CRO nie będą skuteczne. Dlatego wsłuchanie się w głos klientów i zrozumienie ich potrzeb, problemów oraz czynników decyzyjnych to punkt startowy każdego dobrego programu CRO. 

W jaki sposób zgłębiliśmy wiedzę o klientach Ph.Doctor? Wyszliśmy od pogłębionych warsztatów biznesowych, a następnie przeanalizowaliśmy opinie klientów, ich wpisy na social media, opinie o konkurencji. Wiedzę o klientach możesz poglębić także ankietami czy wideo-rozmowami z klientami.

2. Analiza Google Analytics.

Dzięki analizie Google Analytics znaleźliśmy sporo problemów, przez które w sklepie uciekał konwersja. Odkryliśmy m.in., że:

  • stosunkowo mało osób korzysta z wyszukiwarki sklepowej (później na podstawie tej informacji przeprowadziliśmy test, w którym powiększyliśmy searcha, co przełożyło się na wzrost sprzedaży), 
  • okresowo występują spadki współczynnika finalizacji zakupów (dzięki czemu później doszliśmy do tego, że jedna z integracji sklepu z bramką płatności nie wytrzymuje dużego ruchu w okresie promocji. Co więcej – okazało się, że klienci, których płatność nie przeszła nie dostawali żadnej automatyzacji mailowej, która zachęciła by ich do ponowienia płatności.)

    Więcej informacji o tym jak wykorzystujemy Google Analytics do identyfikowania gdzie ucieka sprzedaż, znajdziesz tutaj.

3. Analiza ekspercka ścieżki zakupowej przy użyciu naszego autorskiego Modelu 7K.
Analiza ekspercka w oparciu o Model 7K polega na przeanalizowaniu sklepu pod kątem 7 czynników wpływających na konwersję e-commerce, czyli:

  • Klarowność informacji i designu
  • Komunikacja wartości
  • Tarcie
  • Dystraktory
  • Dopasowanie
  • Wiarygodność
  • Motywatory (psychologia)

Analiza ścieżki zakupowej odegrała kluczową rolę podczas optymalizacji konwersji w Ph.Doctor. Na jej podstawie zidentyfikowaliśmy kilkadziesiąt potencjalnych problemów i rozwiązań tych problemów (hipotez). Co konkretnie odkryliśmy?

  • Problemy z Klarownością informacji na stronach produktowych – m.in. brak informacji o czasie wysyłki czy potencjalne problemy ze zrozumieniem opisów produktowych napisanych dosyć specjalistycznym językiem
  • Potencjał do lepszego Dopasowania stron kategorii do dużej liczby powracających klientów (poprzez skrócenie ścieżki zakupowej i dodanie buttona Dodaj do koszyka na pozimie listingu produktów)
  • Potencjał do zwiększenia Wiarygodności na stronach produktowych (poprzez dodanie liczby opinii o produkcie w widocznym miejscu – opisuję to w dalszej części tekstu)
  • Błędy funkcjonalne występujące na niektórych rozdzielczościach i urządzeniach (które potem naprawiliśmy)
  • i wiele, wiele więcej.

Więcej o Modelu 7K możesz przeczytać tutaj

4. Rozmowa z Działem Obsługi Klienta
Rozmowy z liderką Działu Obsługi Klienta w Ph.Doctor były jednym z najbardziej wartościowych źródeł informacji. Weronika okazała się prawdziwą skarbnicą wiedzy i przekazała nam mnóstwo informacji o problemach, frustracjach i motywacjach klientów Ph.Doctor. Na podstawie rozmów z Działem Obsługi Klienta stworzyliśmy listę najczęściej zadawanych pytań oraz listę obiekcji, niepewności i wątpliwości. Okazało się m.in., że:

  • klienci często dopytują jaki jest czas wysyłki zamówienia (co dało nam informację, że najprawdopodobniej termin dostawy jest zbyt słabo komunikowany na ścieżce zakupowej i potwierdziło obserwację z analizy eksperckiej)
  • proces zakupu na fakturę jest niezrozumiały dla części klientów i należy poprawić ten proces.
  • jest dużo powtarzających się pytań dotyczących produktów – m.in. z czym bezpiecznie łączyć poszczególne kosmetyki oraz jaka kuracja jest dla nich najlepsza (dzięki czemu mogliśmy m.in. poprawić copywriting)

5. Heatmapy, scrollmapy i nagrania użytkowników

Wykorzystując Hotjar zauważyliśmy, że część użytkowników Ph.Doctor ma problem ze znalezieniem produktów, które ich interesują. Było to spowodowane tym,że kategorie produktowe w głównym menu sklepu nie rzucały się w oczy. Dodatkowo zaobserwowaliśmy, jeszcze kilka potencjalnych problemów z architekturą informacji. Na tej podstawie przeprowadziliśmy testy, które finalnie pozwoliły nam dojść do wersji menu, które konwertuje najlepiej.

Wyniki researchu przedstawiliśmy w raporcie w Notion, spriorytetyzowaliśmy je, a następnie przeprowadzaliśmy kolejno testy, żeby zweryfikować czy proponowane przez nas rozwiązania realnie podnoszą sprzedaż Ph.Doctor*.

* jednym z największych błędów podczas optymalizacji sklepów internetowych jest bazowanie na intuicji i domysłach, a nie na realnych badaniach i wynikach testów.

Zespół Ph.Doctor ma stały, transparentny dostęp do Notion i widzi w nim:

  • jakie badania aktualnie przeprowadzamy, 
  • wszystkie potencjalne problemy i hipotezy wraz z dokładnym opisem i priorytetami (stale szukamy co obniża konwersję i dokładamy nowe hipotezy)
  • jaki jest status testów,
  • jaki jest status wdrożeń programistycznych,
  • i wiele, wiele więcej.

Inne metody researchu, z których korzystamy współpracując z naszymi Klientami:

  • analiza wiadomości z czatu,
  • User Testing,
  • analiza formularza, 
  • analiza sklepów konkurencji.
  • wywiady w formie wideo z klientami,
  • tree testing,
  • card sorting,
  • ankiety.

Przeprowadzanie researchu nie jest sexy. Zdecydowanie dużo wygodniej jest wdrożyć “dobre praktyki UX/UI”. 

Sęk w tym, że “dobre praktyki” nie działają wszędzie. Każdy sklep jest inny. Każdy sklep ma inną grupę docelową i inne problemy. I w końcu – każdy sklep potrzebuje innych rozwiązań tych problemów.

Optymalizowanie sklepu jedynie na podstawie “dobrych praktyk UX/UI” może sprawdzić się w małych sklepach z niskim ruchem. Natomiast przy większej skali – dobry research, a następnie przeprowadzenie testów, to klucz do realnej i skutecznej optymalizacji sklepu.

W sklepie Ph.Doctor wprowadziliśmy wiele optymalizacji, ale oto dwie – wydawałoby się – małe zmiany, które miały duży wpływ na konwersję

Już za chwilkę opiszę 2 tytułowe testy, ale zanim to zrobię, chcę zrobić krótkie wprowadzenie:

Research pozwolił nam:

  • dokładnie zrozumieć zachowania użytkowników Ph.Doctor,
  • znaleźć problemy, przez które ucieka konwersja
  • sformułować potencjalne rozwiązania tych problemów (hipotezy)

To właśnie dzięki dobremu researchowi zaplanowaliśmy testy, które są kluczowe w całym procesie CRO.

Dlaczego testy są tak istotne?

Przede wszystkim dlatego, że podjęcie decyzji możesz poprzeć danymi. Test weryfikuje, czy wprowadzenie konkretnej zmiany w Twoim sklepie jest dobre. Na podstawie wyniku testu możesz dowiedzieć się, jakie jest prawdopodobieństwo, że zmieniona wersja strony sprzedaje lepiej od wersji oryginalnej.

Nie chcę przedłużać, więc nie będę opisywał tutaj wszystkich testów, które przeprowadzilśmy w Ph.Doctor. Pokażę Ci jedynie 2 małe zmiany na karcie produktu, które przyniosły znaczące efekty.

Dotyczą one 2 czynników wpływających na konwersję (klarowność informacji i wiarygodność), które są istotne dla każdego e-commerce.

1. Zwiększenie klarowności informacji: jak dodanie komunikatów o czasie wysyłki i zwrotach w widocznym miejscu karty produktu podniosło sprzedaż o 3.65%

Jak wspomniałem wcześniej – w trakcie researchu zebraliśmy informacje, że spora część odwiedzających dopytywała mailowo i przez media społecznościowe o to, kiedy zamówiony produkt do nich dotrze. 

Jeśli mamy taką informację – wiemy, że ewidentnie coś jest nie tak. No, bo w końcu gdyby było to dla nich jasne – nie pytaliby o to Działu Obsługi Klienta.

Do tej pory informacja o czasie wysyłki widniała jedynie w FAQ, natomiast nie była widoczna na karcie produktu. 

Dodatkowo – oprócz komunikatu o wysyłce, pod buttonem dodaj do koszyka, postanowiliśmy umieścić także informacje o 14-dniowych zwrotach.

Sformułowaliśmy hipotezę testu:

Dodanie informacji o terminie dostawy i zwrotach zwiększy klarowność informacji i podniesie konwersję. 

A następnie przeprowadziliśmy test:

Wariant A (bez informacji o zwrotach i wysyłce w widocznym miejscu pod buttonem dodaj do koszyka):

Wariant B (z dodanymi komunikatami o zwrotach i wysyłce pod buttonem dodaj do koszyka):

Wyniki testu:

  • Wariant B konwertował o 3.65% lepiej
  • 88,3% prawdopodobieństwo, że wariant B konwertuje lepiej

Okazało się, że umieszczenie informacji o czasie dostawy i zwrotach w FAQ nie wystarczało. Dodanie tych komunikatów na kartę produktu zwiększyło sprzedaż.

2. Wiarygodność: jak umieszczenie liczby opinii w widocznym miejscu karty produktu pomogło zwiększyć sprzedaż o 4.08%

Nie od dziś wiemy, że człowiek jest istotą społeczną i, że często kieruje nami coś, co nazywamy społecznym dowodem słuszności (social proof). Zapewne doskonale wiesz o co chodzi, więc nie będę się rozwodził.

Co jednak istotne – przez długi czas w sklepie Ph.Doctor social proof nie był do końca wykorzystywany.

W sklepie, owszem, były zbierane opinie, natomiast ich liczba była pokazywana jedynie na stronie głównej i na samym dole karty produktu. 

Mimo tego, że mnóstwo produktów miało zebranych ponad 100 opinii, nie były one pokazywane w widocznym miejscu karty produktu.

Sformułowaliśmy hipotezę testu:

Umieszczenie liczby opinii nad buttonem dodaj do koszyka, obok gwiazdek, zwiększy wiarygodność i podniesie konwersję.

Następnie przeprowadziliśmy test:

Wariant A (bez liczby opinii obok gwiazdek):

Wariant B (z dodaną liczbą opinii obok gwiazdek):

Wyniki testu:

  • Wariant B konwertował o 4.08% lepiej (a na desktop o około 9%)
  • 97% prawdopodobieństwo, że wariant B konwertuje lepiej

Okazało się, że umieszczenie liczby opinii nad buttonem dodaj do koszyka znacząco podniosło sprzedaż.

3-4% wzrosty sprzedaży wydają Ci się małe? 

Zanim stwierdzisz, że CRO jest nieopłacalne, pamiętaj, że kilka/kilkanaście takich optymalizacji, które podniosą konwersję o 3-4% mogą dać sumarycznie bardzo duże wzrosty sprzedaży. Np. o 30%.

Zastanów się w jaki inny sposób mógłbyś_mogłabyć zwiększyć sprzedaż o 30%. Możesz to zrobić np. poprzez zwiększenie ruchu, jednak to wiąże się z dużo wyżyszm kosztem niż przeprowadzenie researchu, testów i wdrożenie zmian na stronie.

Poza tym, dla wielu biznesów o dużej skali, nawet 1-2% optymalizacje konwersji przynoszą dodatkowe miliony przychodu w skali roku.

Zwycięstwo wariantu B nie zawsze jest celem (nie kłamię!)

Tytuł tego Case Study brzmi: “2 zwycięskie testy A/B dla polskiej marki kosmetycznej”, ALE pamiętaj o tym, że szukanie zwycięskiego wariantu wcale nie jest jedynym celem testowania.

Sednem testowania jest bowiem wyciąganie wniosków, weryfikowanie hipotez i nauka co podwyższa, a co obniża sprzedaż w Twoim sklepie.

Przegrana wariantu B wcale nie jest złą informacją. Ba, można nawet stwierdzić, że jest to dobra informacja, bo dzięki niej nie wdrożysz zmiany, która obniża Twoją sprzedaż. 

Gdybyś nie przeprowadził_a testu, prawdopodobnie od razu wdrożył_wdrożyłabyś zmianę i  nawet nie wiedział_a, że spowodowała ona spadek konwersji.

Zatem przegrana wariantu B, jest równie wartościową informacją jak wygrana. Ponieważ pozwala Ci zaoszczędzić pieniądze.

Co więcej – pewne badania pokazały, że jedynie co szósty test wygrywa. Musisz przyznać, że to mało. To tylko pokazuje jak istotne jest przeprowadzanie eksperymentów i jak błędne potrafią być decyzje podejmowane bez odpowiedniego poparcia danymi.

Oczywiście co 6 zwycięski test to nie jest standard, do którego powinieneś dążyć. Przegrane testy to normalna sprawa, natomiast zbyt wiele przegranych testów może oznaczać, że hipotezy, które testujesz nie są podparte wystarczającą ilościa dowodów z researchu. 

A im więcej “słabych hipotez” tym więcej czasu i pieniędzy tracisz na nieefektywne testowanie. Dla przykładu: w Digispot, u większości klientów, co 3-4 test jest zwycięski. Osiągamy takie wyniki, głównie dzięki naszej metodologii zorientowanej na dokładny research.

Na koniec – wielkie podziękowania dla zespołu Ph.Doctor!

Bycie częścią zespołu Ph.Doctor to absolutna przyjemność. Chcemy podziękować za zaufanie do Digispot i naszej metodologii CRO. 

Cieszymy się, że możemy pomagać Wam się rozwijać i zwiększać sprzedaż bez wydawania więcej na reklamy.

Twój e-commerce generuje ponad 1500 transakcji miesięcznie?

Umów bezpłatną konsultację z naszym ekspertem CRO i porozmawiajmy o tym jak możesz skuteczniej zamieniać odwiedzających w kupujących w Twoim sklepie internetowym.

Oceń artykuł:

Please rate Stellar

0 / 5

O AUTORZE

digispot

Główny architekt strategii e-commerce