Как повысить конверсию лендингов

Эффективность посадочной страницы — краеугольный камень любой рекламной кампании. Как повысить конверсионность лендинга? Ответ напрашивается сам собой — необходимо провести А/B-тестирование и выявить самый рабочий вариант. Это идеальное решение, если необходимо проверить изменение одного или двух параметров — цвет кнопки «Заказать» или призыва к действию. Если же речь идет о тестировании множественных комбинаций элементов, необходимо применять мультивариантное тестирование (MVT). Подробнее о данном методе, его эффективности и сферах применения расскажет Евгений Трофименко, известный эксперт в отрасли SEO, профессиональный оптимизатор, разработчик сервиса для оптимизации конверсии лендингов.

— Что такое многовариантное тестирование? Чем оно отличается от классического A/B-тестирования?

— Изначально многовариантное тестирование — это увеличение возможностей обычного А/B-тестирования за счет изменения разных параметров в одном тесте. Например, можно сделать А/B-тест трех заголовков страницы, трех картинок, форм, видов кнопки заказа. Multivariate testing (многовариантное тестирование) проводит эти тесты одновременно, меняя сразу все тестируемые параметры.

Каждый А/B-тест имеет свой уровень статистической достоверности, который тем больше, чем больше накоплено показов и действий. Достаточным обычно считается число накопленных действий около 100 (это же рекомендует Google). Для того чтобы получить хорошие данные в MVT, нужно накопить примерно 100 конверсий по каждому уникальному варианту лендинга. Получается, что если у нас было три варианта заголовка, картинки, кнопки заказа — это уже 27 уникальных комбинаций, и нам требуется ~ 2700 конверсий по ~100 на каждый вариант.

— Как при одновременном тестировании множества факторов исключается эффект взаимозависимости? Иными словами, как определить, какое именно изменение влияет на решение пользователя?

— Многое определяется независимостью тестируемых факторов. Используя самое сильное предположение о том, что факторы могут зависеть друг от друга, и комбинации отдельных факторов могут давать существенно лучшие или худшие результаты, мы должны будем накопить очень много данных. А можно предположить, что факторы независимы. Например, цвет кнопки влияет только сам по себе, но не влияет совместно с цветом заголовка. Но может быть, что эффект (и восприятие результата) будет лучше, если эти цвета совпадут. Это и есть взаимное влияние параметров.

В реальности истина где-то посередине. Какие-то параметры независимы, какие-то зависимы. Например, игровой ноутбук = хороший процессор + хорошая видеокарта, рабочий ноутбук = много оперативки + много диска. Будет ли иметь успех комбинация хороший процессор + много диска? Вряд ли, он не вписывается в шаблоны. Вопрос в том, что решать эту проблему только анализом накопленных данных не получается — если мы захотим анализировать каждый сегмент, он будет слишком маленьким по количеству накопленных данных, это недостаточно достоверно, а накопить необходимый объем данных не всегда возможно.

— И какое же вы предлагаете решение?

— Для решения проблемы с очень малыми сегментами мы используем интерактивность. При возникновении гипотезы мы можем сразу начать ее проверять — показывать человеку комбинации факторов, которые прямо сейчас считаем перспективными, и накопить данные именно по отдельным сегментам, которые нас интересуют.

Это известная область статистики, даже есть название — «многорукие бандиты». Но ее особенность заключается в том, что она хоть и интерактивна, но поддерживает ограниченное число вариантов. При большом числе ручек (>10-30) требуемое количество накопленных действий быстро растет. Наш же метод позволяет работать с очень большим числом вариантов, при этом нет необходимости накапливать большой объем статистики по каждому незначительному изменению.

— Какие факторы влияют на конверсию посадочных страниц?

— Все, какие только можно придумать: цена, качество, доверие, «кто мы», «почему купить именно у нас», сроки, отзывы, гарантии, легкость оплаты и много другого. Все это еще нужно умножить на варианты визуального оформления этих триггеров, на порядок их следования. Но проблема заключается в том, что точной информации о приоритетах никто не имеет, все это нужно тестировать.

— Учитывает ли MVT индивидуальные данные пользователя, историю его поисковых запросов, геоположение и т.п.?

— Для меня в MVT индивидуальными параметрами являются те параметры, которые нужно учитывать при оптимизации лендинга, но на которые я не могу влиять. История запросов не учитывается, но можно использовать особенности поискового запроса «прямо сейчас» (например, наличие групп слов про цену, сроки, отзывы, город и т.д.). К перечисленным параметрам можно добавить тип браузера, свежесть версии, тип устройства (смартфон, планшет, компьютер), время суток (утро, день, вечер), любые исторические данные, которые известны клиентскому сайту.

Информацию о том, что именно было кликнуто посетителем — баннер или текстовое объявление — и какое именно, можно учитывать как индивидуальный параметр. И это очень полезная информация. Более того, имеет смысл под одну группу поисковых запросов делать объявления, затрагивающие разные «боли» посетителя (например, классические сроки, цену и качество). И даже при запросе общего вида («продвижение сайтов»), пользователь что-то дополнительное сообщит о себе и своих приоритетах, кликнув одно из этих объявлений. Всю эту информации можно использовать при оптимизации лендинга.

— Какие вы можете назвать основные ошибки посадочных страниц?

— Основная ошибка при создании посадочных страниц — думать, что существует «правильный ответ», «правильный список элементов». Все индивидуально, и лендинг про диеты будет кардинально отличаться от лендинга про фотостоки. В одном случае нужно упирать на скорость действия, в другом на доверие или цену.

Есть много блоков, из которых должен состоять лендинг, каждый такой блок сообщает о чем-то нужном и чем-то полезен пользователю. Но проблема в том, что разные блоки пригодятся для разных аудиторий, а тут надо и думать головой и тестировать. Да и внимание у человека не бесконечное. Отличный список блоков есть в докладе Сергея Спивака «Как сделать продающий сайт» (ДИ2014), но вы всегда сможете придумать улучшения под свою аудиторию.

Сейчас мы видим какой-то бум шаблонных «правильных» лендингов. Наверное, это благодаря «Бизнес-Молодости». На каждом обязательно таймер обратного отсчета, меня лично эти таймеры страшно раздражают. Я бы понял, если бы эти ограничения по срокам были обоснованы чем-то (сезонность, редкая оптовая закупка), тогда акция со скрипом, но подойдет, а так посетителя считают за дурака.

Для меня основная ошибка посадочных страниц — полное или частичное отсутствие каких-то объяснений по смыслу самого предложения. Таймер, форма, картинка, заголовок — и вперед. Создатели таких лендингов предполагают, что человек, кликнувший на объявление, уже готовый покупатель. Но зачастую это не так, его нужно убеждать, а для этого искать совокупность его потребностей, тестировать.

— Где метод многовариантного тестирования может применяться помимо контекстной рекламы и SEO?

— Фактически где угодно. Важное условие, чтобы каждый показ лендинга был управляем со стороны сервиса (интерактивным) и сигнал об успешной конверсии быстро приходил бы сервису (хотя бы в течение дня).

Мы начали говорить про лендинг как про одну страницу, но можно оптимизировать и сайты в целом — подбирать шаблон, цвета, играться расположением и видимостью корзины, структурой карточки продукта. Можно использовать разные сигналы в качестве целевых: помещение товара в корзину, оформление заказа, посещение страницы контактов и т.д. Аналогично можно работать с увеличением эффективности email-рассылок.

Можно увеличивать кликабельность партнерской рекламы (клик = целевое действие), подбирая много параметров оформления рекламного блока РСЯ — шрифты, число объявлений, цвета и фоны, расположение элемента. Например, так на 80% был увеличен CTR блока РСЯ для сайта bigpicture.ru.

Пример на графике приведен для сайта muzhzdorov.ru, тут используется метрика – число визитов, которые не закончились конверсией (кликом), между двумя соседними конверсиями. Это удобная метрика для того, чтобы отслеживать быстрые изменения конверсии «прямо сейчас». Наглядно результат виден со скользящим средним – улучшение (уменьшение числа пустых визитов) на 80%.

Метод вариантного тестирования можно применять в RTB-технологиях. Есть много параметров по конкретному просмотру (классификаций по полу, группам интересов, времени этих интересов, времени дня, гео, источнику и т.д.) и много параметров рекламы, которые можно показать пользователю (классификации по группам товаров и услуг, b2b-b2c, типу рекламы, конкретному рекламному материалу). Можно увеличивать конверсию целевого действие — клика или покупки (некоторые RTB работают и по лидам).