Skalowanie e-commerce bez marnowania budżetu. 27 metryk, które pomogą Ci ułożyć strategię optymalizacji konwersji

Paradygmat skalowania przez zwiększanie ruchu

W świecie e-commerce każdy wie, iż pozyskiwanie ruchu staje się coraz droższe. Koszty kliknięć w Google i Meta Ads rosną, a reklamy przestały być uniwersalnym lekarstwem na niską sprzedaż.

Jeszcze kilka lat temu w e-commerce obowiązywała prosta zasada: chcesz zwiększyć sprzedaż? Kup więcej ruchu. Dziś ten model już się nie sprawdza. Koszty kliknięć rosną, konkurencja jest większa niż kiedykolwiek, a pozyskiwanie ruchu stało się najdroższym sposobem na skalowanie sprzedaży. Nic dziwnego, iż właściciele i menedżerowie e-commerce zaczęli szukać innych metod zwiększania wyników.

4 dźwignie wzrostu w e-commerce

Bo prawda jest taka, iż ruch to tylko jedna z czterech dźwigni sprzedaży. Oto jedyne sposoby na zwiększenie sprzedaży w sklepie internetowym:

• Zwiększanie ruchu.
• Zwiększanie współczynnika konwersji.
• Zwiększanie średniej wartości zamówienia.
• Zwiększanie częstotliwości zakupów.

W tym momencie wielu menedżerów przerzuca uwagę na zwiększanie częstotliwości zakupów, średniej wartości zamówienia i współczynnika konwersji. Przyjrzyjmy się na chwilę temu ostatniemu.

Dlaczego sam CR nic nie mówi

„Zwiększmy CR o jeden punkt procentowy i przychody urosną”. Brzmi dobrze, ale to tylko część prawdy. CR to wskaźnik, na który wpływa mnóstwo czynników – od źródła ruchu, przez ofertę i ceny, aż po działania konkurencji czy sezonowość.

Sam współczynnik konwersji bez kontekstu mówi niewiele, więc nie dowiesz się z niego, co działa, a co nie. Dopiero wejście głębiej w dane, rozbicie analizy na poszczególne kroki lejka czy segmenty użytkowników przestawia pełniejszy obraz.

I tu dochodzimy do sedna. Zamiast ślepo patrzeć na CR albo bazować jedynie na złotych radach w stylu: „dodaj BLIK”, „usuń pop-upy”, „skróć formularz”, „zmniejsz koszty wysyłki” – warto oprzeć strategię na danych. W artykule pokażę Ci konkretne metryki podzielone na cztery obszary, które pomogą Ci bardziej granularnie przeanalizować sytuację, zobaczyć, gdzie naprawdę uciekają pieniądze i jak je odzyskać. To one są kompasem do skalowania biznesu i optymalizacji strony.

1. Konwersja i ścieżka zakupowa

Tutaj lista wszelkich metryk pokazujących, jak użytkownicy przechodzą przez ścieżkę zakupową, jak się zachowują i gdzie odpadają. To absolutny fundament.

1. Drop-off karta produktu koszyk

Jaki procent użytkowników wchodzi na kartę produktu i nie dodaje go do koszyka? Jak to wygląda w przypadku różnych segmentów (urządzenia, przeglądarki, rozdzielczości, itd.)?

2. Drop-off koszyk checkout

Jaki procent użytkowników wchodzi do koszyka i nie przechodzi do checkoutu? Jak to wygląda w przypadku różnych segmentów?

3. Drop-off checkout zakup

Jaki procent użytkowników porzuca zamówienie? Na którym kroku checkoutu?

Analiza ścieżki zakupowej

Średnio 2/3 koszyków w e-commerce jest porzucanych. Tak było też w przypadku jednego z dużych e-sklepów w branży fashion, w którym współczynnik porzuceń oscylował wokół benchmarku – ok. 67%. Duża marka w większości przypadków = lepsze wyniki niż benchmarki, więc widać było, iż jest tu spory potencjał do poprawy.

Po dokładniejszej analizie lejka okazało się, iż początkowe etapy (koszyk → pierwszy krok checkoutu, dalej do kroku drugiego) wyglądały całkiem dobrze. Problemy zaczynały się później. Zaobserwowaliśmy:

• 23% wsp. porzuceń w trzecim kroku (wybór dostawy i płatności). To sporo – w podobnie zbudowanych checkoutach często widzieliśmy ten wskaźnik poniżej 15%. Hipotezy? Niejasny komunikat na buttonie CTA, zbyt duża liczba metod dostawy i ich mylący podział, sposób prezentacji kwoty do zapł Sporo drobnych tarć, które w sumie zniechęcały. Po przeprojektowaniu i testach A/B udało się to poprawić.
• 21% userów odpadało na czwartym kroku checkoutu (podsumowanie). Tu z kolei w trakcie kolejnych analiz zauważyliśmy potencjał do poprawy podsumowania i komunikatu o czasie wysył W wielu podobnych checkoutach obserwowaliśmy ten wskaźnik w okolicach 10–15%. Rozwiązanie znów było proste: pogłębienie analiz, przeprojektowanie + testy A/B.

Ten przykład dobrze pokazuje, iż „67% porzuceń koszyka” to nie wyrok – dopiero rozbicie ścieżki na kroki ujawnia, gdzie faktycznie tracimy klientów i jak te miejsca naprawić.

4. Konwersja na poszczególnych krokach formularzy

Na którym kroku formularza użytkownicy porzucają zamówienie? Co to mówi o możliwości optymalizacji? Użytkownicy mogą porzucać poszczególne kroki ścieżki zakupowej w różnych momentach – na wyborze dostawy, na wyborze płatności, na etapie zaznaczania zgód. Warto dokładnie wiedzieć, na którym etapie i jaki procent z nich odpada, bo to cenne wskazówki do ulepszenia procesu zakupowego.

Analiza ścieżki zakupowej i konwersji

W e-sklepie sprzedającym szklarnie zauważyliśmy, iż wielu klientów porzuca zakupy na etapie dostawy. Aby znaleźć przyczynę, przeprowadziliśmy wywiady z działem obsługi i testy użyteczności. Okazało się, iż winne były dwa niejasne komunikaty: „Dostawa przez producenta” i „Czas dostawy: 15 dni roboczych”.

Klienci nie wiedzieli, kim jest „producent” i kto faktycznie dostarczy im zamówienie. W rzeczywistości pod tym określeniem kryła się sama firma, ale z komunikatu wynikało, iż uczestniczy w tym trzecia strona. Również długi czas dostawy budził obawy – użytkownicy podejrzewali, iż produkty jadą z Azji, choć faktycznie szklarnie były wytwarzane w Polsce na zamówienie (stąd wydłużony czas dostawy).

Zamiast „Dostawa przez producenta” lepiej sprawdziłby się komunikat: „Produkty dostarczą nasi kierowcy specjalizujący się w transporcie szklarni”, a przy czasie dostawy warto dodać: „ponieważ szklarnie produkujemy na zamówienie”. Paradoksalnie to, co było przewagą sklepu – własna produkcja i transport – zostało zakomunikowane w sposób, który wzbudzał niepewność.

5. Cofanie się na ścieżce zakupowej

Przykładowo powrót z checkoutu do koszyka. jeżeli ponad połowa użytkowników cofa się z ostatniego kroku checkoutu do poprzedniego – coś może być nie tak. Wysoki poziom cofnięć może oznaczać brak istotnych informacji.

6. Najczęstsze landingi i bounce rate

Warto sprawdzić, które strony lądowania zgarniają najwięcej ruchu i jak sobie radzą. To one są pierwszym kontaktem użytkownika z Twoim sklepem – jeżeli tu coś zawiedzie, może on opuścić sklep po kilku sekundach.

Co to bounce rate? BR w GA4 to odsetek sesji, które trwały krócej niż 10 sekund, nie zawierały żadnego kluczowego zdarzenia i obejmowały tylko jedną stronę lub ekran. To odwrotność współczynnika zaangażowania.

Jaki bounce rate jest wysoki? Nie istnieje uniwersalna odpowiedź na to pytanie. Wiele zależy od kanałów marketingowych czy typów stron. Na stronach głównych średni BR wg Contentsquare to ok. 20%. Na landingach z kampanii BR bywa wyższy.

Jednym z najczęstszych powodów wysokiego współczynnika bounce rate jest niedopasowanie reklam do landing page’a. Na pewno zdarzyła Ci się taka sytuacja: trafiasz na świetną reklamę, klikasz w nią, przechodzisz na stronę i to, co na niej zastajesz, jest zupełnie niespójne z tym, co można było obejrzeć w reklamie. Warto przeanalizować własne reklamy i landingi pod tym kątem i zweryfikować, czy są spójne. Jednak są też inne ważne przyczyny wysokiego współczynnika bounce rate (ramka 1).

Spójrz na przykład na ilustracji 1. Na pierwszy rzut oka wydaje się, iż nie ma tu nic ciekawego. Paid search generuje najwięcej ruchu, transakcji i ma wysoki CR. Natomiast, jeżeli się przyjrzysz, widać, iż ma stosunkowo wysoki bounce rate. Może to sugerować problemy z komunikacją lub z dopasowaniem.

Segmentacja według urządzenia pokazuje, iż wysoki współczynnik odrzuceń wynika z ruchu mobilnego, podczas gdy na desktopie jest on faktycznie znacznie niższy od średniej.

Problem znaleziony. Co dalej? Teraz czas dokładnie przeanalizować landingi, kampanie mobilne i heatmapy, żeby zrozumieć, co tak naprawdę zawiodło. Ten przykład świetnie pokazuje, iż segmentacja to podstawa. Średnie potrafią kłamać – dopiero analiza w podziale na segmenty daje prawdziwy obraz sytuacji. Więcej przykładów segmentacji znajdziesz w ramce 2 na końcu artykułu.

7. Strony z największym ruchem (pojedyncze URL i content grouping)

Na jakich adresach URL masz najwięcej ruchu? To na ich optymalizacji warto się skupić. Jaki procent użytkowników łącznie trafia na stronę główną, listingi, podstrona produktowa (PDP), koszyk (ilu użytkowników przechodzi przez listinig itd.)?

8. Heatmapy (kliknięcia, first click, last click, dead click, rage click, scroll depth) na najważniejszych stronach

Dla wielu użytkowników Hotjar i Clarity to przede wszystkim narzędzia do przeglądania nagrań sesji czy map wszystkich kliknięć. W rzeczywistości jednak oferują znacznie więcej – dokładniejsza analiza może ujawnić wartościowe insighty dotyczące zachowań użytkowników.

Analiza ścieżki zakupowej i konwersji

W e-commerce naszego klienta sprzedającym konfigurowane łóżka użytkownicy mogą dostosować swoje łóżko na tysiące sposobów: poprzez wybór rozmiaru, rodzaju materaca, tkaniny, stelażu i wielu innych parametrów. Serce całego biznesu stanowi więc konfigurator na karcie produktu – i to właśnie na nim skupiliśmy się w analizie.

Na pierwszy rzut oka mieliśmy sporo hipotez, co można poprawić, ale zamiast działać intuicyjnie, sięgnęliśmy po dane. I tu przydały się heatmapy. Przeanalizowaliśmy m.in. first clicki.

Wyszło na to, iż jednym z najczęstszych pierwszych kliknięć była… chęć obejrzenia zdjęcia, które przedstawiało wymiary łóżka. To była jasna wskazówka: użytkownicy desperacko szukali informacji o wymiarach, a skoro klikali w grafikę, znaczyło to, iż nie były one wystarczająco dobrze wyeksponowane ani na stronie produktu, ani na listingu. Wniosek? Trzeba je mocniej podkreślić i dopracować grafikę – są ważniejsze dla użytkowników niż zakładaliśmy.

Kolejnym etapem była analiza danych last click. Wyniki pokazały, w których miejscach konfiguratora użytkownicy rezygnowali z dalszej interakcji. Największy odsetek porzuceń odnotowano na etapie wyboru tkanin łóżka. Takie podejście pozwoliło precyzyjnie wskazać istotny obszar wymagający optymalizacji bez konieczności opierania się na subiektywnych przypuszczeniach.

2. AOV i dosprzedaż

Spójrz teraz na kolejną dźwignię – średnią wartość zamówienia. Poza spojrzeniem jak AOV (average order value) zmienia się w czasie, warto mierzyć i analizować poniższe metryki:

9. Średnia wartość wizyty

Pokazuje, jak wartościowi są użytkownicy np. z poszczególnych źródeł czy urządzeń.

10. Średnia liczba produktów per transakcja

Jaka jest liczba produktów per transakcja, jak to wygląda w czasie i jak zmieniają się trendy? Odnotowujesz niski wynik? Może oferta jest jednoproduktowa i klienci nie mają powodu dokładać nic do koszyka? Może brakuje rekomendacji lub cross-sellingu w ważnych momentach (strona produktu, koszyk)? A może UX koszyka utrudnia dodanie drugiego produktu?

Wysoki wynik? Super – ale może być też efektem promocji typu „kup 3 w cenie 2”. Warto więc sprawdzić, czy marża nie ucierpiała zbyt mocno.

11. Procent transakcji z dosprzedażą

Jeśli dosprzedaż to istotny element Twojej strategii sprzedażowej, warto ją mierzyć.

12. Upsell/Cross-sell conversion rate

Procent użytkowników, którym pokazano ofertę cros-ssell/upsell i którzy z niej skorzystali.

13. Attach rate (jaki procent produktów A jest sprzedawanych z produktem B)

Klasyk: telefon + case, buty + impregnat. Warto szukać takich par i zastanawiać się jak zwiększać dosprzedaż.

14. Sprzedaż per kategorie (zmiany trendów)

Spadek/wzrost AOV może być spowodowany po prostu sezonowością lub zwiększoną popularnością tańszego produktu w danym okresie, a nie tym, iż pojawiły się jakieś problemy z UX czy dosprzedażą. Dlatego warto to mierzyć i analizować segmenty.

3. Odnajdywanie produktu

Kolejny segment metryk, które mówią, jak użytkownicy eksplorują ofertę i docierają do produktów – to istotne, a często pomijane. Oczywiście wyszukiwanie i nawigacja mają wpływ na konwersję i AOV, ale są na tyle istotne, aby rozważyć je osobno.

15. CTR z listingów do PDP

Jaki procent użytkowników przechodzi z listingów na kartę produktu?

Analiza łatwości odnajdowania produktów

U jednego z klientów zauważyliśmy, iż ten wskaźnik wynosi jedynie 15%. U większości klientów obserwujemy CTR na listingach około 50%, u niektórych choćby ponad 60% – zatem jest tu duży potencjał. Szczególnie, iż dużo użytkowników przechodziło przez listingi i to one były jednym z najczęstszych stron lądowania.

To też pokazuje, iż każdy sklep powinien mieć inną strategię optymalizacji. zwykle najwięcej jest do ugrania w niższych etapach ścieżki zakupowej (karta produktu, koszyk). A tutaj priorytetem był listing. W trakcie dalszych badań i analiz przeprowadziliśmy szczegółową analizę segmentów, ścieżki zakupowej, heatmap i w efekcie zoptymalizowaliśmy strony kategorii i filtrowanie.

16. Procent sesji z interakcją z filtrowaniem

Mało osób korzysta z filtrów? Może UX nie zachęca, a może po prostu asortyment jest zbyt mały, by było co filtrować. A jeżeli filtrów używa sporo osób, ale potem nie przechodzą na karty produktów — to też sygnał. Użytkownicy coś filtrują, ale nie znajdują nic, co by ich zainteresowało. Warto wtedy sprawdzić, gdzie leży problem: w ofercie, dostępności czy może w samym działaniu filtrów. I koniecznie zobaczyć, w jakich kategoriach dzieje się to najczęściej.

17. Heatmapy (m.in. scroll depth na listingach)

Jak głęboko użytkownicy scrollują na listingu? Jaki procent dociera do listy produktów? jeżeli scrollują zbyt płytko – warto przemyśleć zmiany.

Analiza scroll depth

U jednego z klientów zaobserwowaliśmy, iż na najważniejszych kategoriach jedynie 72% użytkowników widzi listę produktów. Reszta do niej nie doscrollowywała. Było to spowodowane opisem kategorii na górze strony oraz rozbudowaną listą podkategorii wraz ze zdjęciami. To, co miało usprawnić UX użytkowników, w rzeczywistości powodowało problemy.

18. CTR w wynikach wyszukiwania

Jaki procent użytkowników, którzy widzą wyniki wyszukiwania wewnętrznego przechodzą na kartę produktu? jeżeli wskaźnik ten wynosi poniżej 50%, może to oznaczać, iż wyniki wyszukiwania nie spełniają oczekiwań użytkowników. Być może prezentowane produkty są słabo dopasowane do ich intencji – albo niski CTR dotyczy tylko wybranych kategorii. W takim przypadku to cenna wskazówka, iż oferta w tych obszarach jest zbyt ograniczona.

19. Najczęściej wyszukiwane frazy

To często prawdziwa kopalnia insightów. Najpopularniejsze wyszukiwania mogą wskazywać produkty, które warto mocniej wyeksponować w sklepie. Być może użytkownicy szukają czegoś, czego nie masz w menu lub w ogóle w asortymencie (a z jakiegoś powodu klienci szukają tego w Twoim sklepie – to może też nasuwać wnioski na temat rozwoju kategorii produktowych).

20. Liczba prób wyszukiwania w jednej sesji

Dużo takich prób to potencjalny problem z UX lub indeksacją. jeżeli ktoś wpisuje 3–4 razy frazy i nie przechodzi na PDP, to powinno stanowić sygnał alarmowy.

21. Procent zapytań w wyszukiwarce zakończonych brakiem wyników

Wysoki procent zapytań zakończonych brakiem wyników może oznaczać, iż użytkownicy szukają niedostępnych produktów lub używają innych określeń niż te w treściach. Może to też świadczyć o słabym działaniu samej wyszukiwarki – np. braku obsługi odmian, literówek czy synonimów.

22. Product browse depth (ile produktów ktoś obejrzał)

Jaki jest odsetek użytkowników, którzy widzieli dwa lub więcej produktów? Jaki procent użytkowników widziało cztery lub więcej produktów? jeżeli większość użytkowników widzi tylko jeden produkt i opuszcza stronę, to sygnał, iż listingi, kategorie lub rekomendacje produktowe na kartach produktów nie są angażujące.

4. Retencja i częstotliwość zakupów

Tutaj jeszcze mały przegląd metryk, które warto analizować w kontekście retencji i lojalizacji klientów:

23. Second purchase rate

Procent kupujących, którzy robią drugą transakcję w określonym oknie (np. 30/60/90 dni). Niska wartość najczęściej wynika po prostu z asortymentu o niskiej powtarzalności (np. łóżka), ale często też świadczy o braku skutecznych działań posprzedażowych. Wysoka wartość potwierdza sens inwestycji w działania retencyjne/lojalizacyjne.

24. Liczba zakupów per klient lifetime

Pokazuje, ilu klientów faktycznie wraca po kolejne zakupy. Segmentuj przez kampanie i kategorie – dzięki temu lepiej zrozumiesz zachowania klientów i efektywność poszczególnych działań marketingowych. Sprawdź też rozkłady (nie tylko średnie) – możliwe, iż wyniki ciągnie mała grupa heavy buyers.

25. Wartość lifetime klienta (LTV)

To łączna wartość, jaką klient zostawia w sklepie przez cały „czas życia”. W LTV licz zysk, a nie przychód, ponieważ ten drugi nie uwzględnia kosztów, rabatów i zwrotów. Porównuj LTV do CAC (Customer Acquisition Cost) – to pozwala ocenić, ile możesz bezpiecznie wydać na pozyskanie klienta (CAC) i czy biznes faktycznie się spina.

26. Retention by cohort

Pokazuje, jaki procent klientów wraca po 30, 60 czy 90 dniach od pierwszego zakupu.

27. Churn rate (utrata klientów)

Pokazuje, ilu klientów odpada po określonym czasie bez zakupu. Wysoki churn oznacza słabą lojalność lub zbyt rzadki kontakt z klientem po pierwszym zamówieniu. Monitoruj ten wskaźnik, jeżeli retencja w Twoim biznesie jest istotna – wzrost churnu to pierwszy sygnał, iż coś w Twojej retencji zaczyna się psuć.

Oczywiście to nie wszystkie metryki, na które warto zwracać uwagę. Jest ich jeszcze dużo więcej. W strategii optymalizacji konwersji w e-commerce warto wziąć pod uwagę nie tylko powyższe metryki, ale także dane jakościowe i głos klientów. Pisałem o tym więcej w artykułach: „Nie daj się oszukać danym. 6 pułapek, w które możesz wpaść podczas analizy w e-commerce” zamieszczonym w 29. numerze „E-commerce w Praktyce” oraz „Intuicja kontra dane, czyli jak efektywnie zoptymalizować stronę internetową bez szkodliwych »misiów«”, opublikowanym w 65. numerze „Marketera+”.

Segmentacja to podstawa

Masz już przegląd kilkudziesięciu kluczowych metryk. Ale to nie wszystko. Kluczowa informacja – średnie kłamią. Segmentacja natomiast pozwala dojść do sedna i źródła problemu.

Analiza scroll depth

U jednego z klientów zaobserwowaliśmy, iż na najważniejszych kategoriach jedynie 72% użytkowników widzi listę produktów. Reszta do niej nie doscrollowywała. Było to spowodowane opisem kategorii na górze strony oraz rozbudowaną listą podkategorii wraz ze zdjęciami. To, co miało usprawnić UX użytkowników, w rzeczywistości powodowało problemy.

Analiza pokazała, iż na urządzeniach mobilnych dużo bardziej widoczny był przycisk „złóż zamówienie jako gość”, podczas gdy na komputerze ginął w układzie strony. W tym konkretnym biznesie rejestracja nie była istotnym wskaźnikiem biznesowym – aż 99% klientów kupowało jednorazowo (była to związane z charakterystyką produktu), więc strategia skupiała się na maksymalnym ułatwieniu ścieżki zakupu, a nie na budowaniu powracalności.

Dlatego przebudowaliśmy widok desktopowy tak, aby mocniej wyeksponować zakupy bez rejestracji. Efekt? Konwersja na desktopach wzrosła i przebiła mobile – bez strat po stronie urządzeń mobilnych. To dobry przykład, iż optymalizacja konwersji zawsze powinna być osadzona w szerszej strategii biznesowej i modelu działania e-commerce – bo to, co ma sens w jednym sklepie, w innym może być błędem.

Nie patrz na liczby bez kontekstu

Ślepe patrzenie na ogólny CR to droga donikąd. Prawdziwe skalowanie zaczyna się wtedy, gdy rozbijasz dane na mniejsze metryki i widzisz, gdzie naprawdę tracisz pieniądze.

Zanim wlejesz kolejne tysiące w Google Ads czy Meta Ads – sprawdź te 27 wskaźników. W wielu przypadkach wzrost sprzedaży nie wymaga większych budżetów, tylko mądrzejszego wykorzystania ruchu, który już masz i odpowiedniego ustalenia priorytetów: czy najpierw skupić się na optymalizacji kart produktów, dopracowaniu landingów z wysokim bounce rate czy poprawie dosprzedaży?