Prowadząc różnego rodzaju projekty, klienci zazwyczaj oczekują od osoby, która jest odpowiedzialna za ecommere aby na stronie było coraz więcej zamówień, najlepiej przy założeniu, że wydatki na reklamę nie będą większe. Przynajmniej ja mam takie doświadczenie w wielu projektach, być może Wy macie inne.

 

Jak najbardziej jest to zrozumiałe bo każdy chciałby mieć jak największy zysk, jest to również do zrobienia np. poprzez optymizacje współczynnika konwersji, kwestia jest tylko taka, że nie zawsze taka optymalizacja przekłada się na lepsze wyniki.

 

Co to jest  i na czym polega optymalizacja współczynnika konwersji pisałem już wcześniej więc w tym poście będzie trochę na inny temat.

 

Sposobów na optymalizację współczynnika konwersji jest bardzo dużo np.:

  • lepsze dopasowanie strony pod różne urządzenia
  • poprawa informacji na kartach produktowych
  • oferowanie klientom kilku opcji płatności czy dostawy
  • testowanie różnego rodzaju „Call to Action”
  • personalizacja treści na stronie
  • lepiej targetowana kampania
  • itd.

 

Oczywiście zanim zaczniemy testować jakieś zmiany czy poprawki na stronie, których celem ma być lepszy współczynnik konwersji, wcześniej poprzez odpowiednie badania czy analizę danych powinniśmy zlokalizować w czym jest największy problem.

 

Czasami jest to rzeczą prostą ale zazwyczaj tak jednak nie jest, bo może nałożyć się na to kilka rożnych czynników.

 

Dzisiaj będzie właśnie o nietypowym sposobie na optymalizację współczynnika konwersji. Nietypowy ze względu na to, że mam wrażenie, że dużo osób ten fakt pomija i od razu próbuje wprowadzać jakieś inne zmiany na stronie.

 

Kilka razy ostatnio spotkałem się z sytuacją, że w pewnym określonym czasie ruch na stronie klienta znacznie spadał i tak jak widzimy poniżej na wykresie ten czas w tym przypadku to data 2017-09-15 o godzinie 20 (linia czerwona), widzimy tam spadek ilości wizyt na stronie.

 

wizyty wg godzin

 

Niekoniecznie musi to mówić o tym, że na stronie coś złego się dzieje, natomiast jest to wskazówka w którym kierunku możemy pójść dalej aby zobaczyć z czego ten spadek wynika.

 

Spadek ilości wizyt niekoniecznie musi wiązać się z spadkiem współczynnika konwersji, chociaż w tym przypadku jak widać poniżej tak jest.

 

wspolczynnik konwersji wg godzin

 

Z czego wynika spadek ruchu i spadek współczynnika konwersji, odpowiedź tą nie do końca znajdziemy w statystykach Google Analytics.

 

Kolejnym krokiem w tym przypadku było sprawdzenie dostępności strony. Jak widać na poniższym wykresie (dane z całego tygodnia) strona w tym czasie miała problem z dostępnością, czas wczytywania strony w pewnym okresie był znacznie wyższy (kolor pomarańczowy) oraz w niektórych momentach strona była w ogóle niedostępna (kolor niebieski).

 

dostepnosc strony

 

 

Jeżeli odniesiemy to do czasu w którym był największy problem to wygląda to tak jak poniżej.

 

dostepnosc strony 2

 

kolor niebieski – oznacza to czy strona była dostępna, w przypadku gdy strona jest dostępna zmienna ta przyjmuje wartość zero i jej nie widać na wykresie, w każdym innym przypadku przyjmuje wartość 30 i jest widoczna na wykresie.

kolor pomarańczowy – oznacza czas ładowania strony w sekundach, skrypt próbuje pobrać zawartość strony maksymalnie przez 30 sekund później przerywa działanie.

 

Na powyższym wykresie widoczne jest, że strona 2017-09-15 około godziny 20

  • miała problem z dostępnością (kolor niebieski) co wyjaśnia spadek ruchu o którym była mowa powyżej
  • miała dużo wyższy czas ładowania (kolor pomarańczowy) niż to jest zazwyczaj, co z kolei wyjaśnia gorszy współczynnik konwersji o którym była mowa powyżej

 

Czy przykładowe sposoby na optymalizację współczynnika konwersji, które wymieniłem na początku postu rozwiązały by problem, raczej nie, ponieważ nie one były przyczyną tego co tu się działo.

 

Sytuacja, którą tu pokazałem wynikała z tego, że klient raz na jakiś czas robił jakieś większe przeliczenia na bazie danych w wyniku czego serwer był bardzo obciążony a czasami nawet niedostępny.

 

Problem w dalszym etapie został rozwiązany przez zmianę parametrów serwera i optymalizację skryptów, które wykonywały różne przeliczenia.

 

Wniosek z tego postu jest taki, że zanim zaczniemy poprawiać współczynnik konwersji poprzez różne działania optymalizacyjne to powinniśmy dobrze zdiagnozować w czym jest problem, niekoniecznie do źródła problemu musimy dojść za pomocą narzędzia Google Analytics.

 

Często z takim problem jak tu pokazałem, spotykam się w sytuacji gdy na sklepie robione są jakieś większe promocje w wyniku czego ruch bardzo wzrasta a wydajność serwera spada, co bardzo dobrze widać na takich wykresach jak pokazałem powyżej.

 

Odpowiadając na pytanie zawarte w temacie postu, zacznij monitorować ruch na stronie.

 

Mieliście może jakieś podobne sytuacje u siebie?