Analiza lejka (funnel analysis) to metoda badania, jak użytkownicy przechodzą przez zdefiniowaną sekwencję kroków prowadzących do konkretnego celu, takiego jak zakup, rejestracja czy subskrypcja, w celu zidentyfikowania, gdzie największy odsetek użytkowników rezygnuje przed osiągnięciem tego celu. Lejek jest zwykle wizualizowany jako seria etapów, na przykład wizyta na stronie docelowej, wyświetlenie produktu, dodanie do koszyka, rozpoczęcie kasy i zakup, z liczbą lub odsetkiem użytkowników pozostających na każdym etapie, tak aby względna wielkość odpadania między dowolnymi dwoma kolejnymi krokami była natychmiast widoczna dla każdego, kto przegląda raport, bez konieczności interpretowania surowych tabel zdarzeń czy uruchamiania osobnego zapytania dla każdego etapu. Lejki można budować jako zamknięte, wymagające od użytkowników ukończenia każdego kroku w ścisłej kolejności, aby zostali policzeni, lub otwarte, pozwalające użytkownikom wejść w dowolnym punkcie sekwencji, a wybór między nimi istotnie zmienia sposób, w jaki należy interpretować uzyskane odsetki odpadania.
Ta metoda ma znaczenie, ponieważ przekształca pojedynczy zbiorczy współczynnik konwersji w rzeczywiste narzędzie diagnostyczne. Wiedza, że witryna konwertuje na poziomie 2 procent, mówi bardzo niewiele o tym, co konkretnie naprawić, natomiast wiedza, że 60 procent użytkowników rezygnuje konkretnie między obejrzeniem kosztów dostawy a ukończeniem płatności, daje konkretny, testowalny cel na następny sprint zespołu. Analiza lejka jest zatem podstawową techniką służącą do przejścia od zauważenia, że problem z konwersją istnieje, do dokładnego zrozumienia, w którym miejscu ścieżki użytkownika ten problem faktycznie powstaje, co jest niezbędnym pierwszym krokiem, zanim jakakolwiek zmiana projektowa lub treściowa będzie mogła zostać rozsądnie uznana za ważniejszą od innego konkurującego pomysłu. Przeglądanie tego samego lejka w kolejnych okresach ujawnia również, czy wcześniejsza poprawka rzeczywiście się utrzymała, ponieważ etap, który poprawił się po jednym wydaniu, może po cichu się pogorszyć miesiące później, gdy gdzie indziej na stronie wdrażane są niezwiązane zmiany.
Lejki buduje się i analizuje zazwyczaj w narzędziach takich jak raporty eksploracji lejka w Google Analytics 4, Mixpanel czy Amplitude, które wszystkie wymagają wcześniejszego zdefiniowania każdego kroku jako śledzonego zdarzenia, co czyni dokładne śledzenie zdarzeń bezwzględnym warunkiem wiarygodnej analizy lejka jakiegokolwiek rodzaju. Analitycy zwykle budują zarówno lejek ogólny, jak i kilka jego wersji segmentowanych, na przykład z podziałem na źródło ruchu, typ urządzenia czy odwiedzających nowych i powracających, ponieważ etap, który w ujęciu zbiorczym wydaje się działać zadowalająco, może maskować poważny problem w jednym segmencie, takim jak użytkownicy mobilni, podczas gdy działa doskonale w innym, takim jak użytkownicy komputerów stacjonarnych przybywający z wyszukiwania marki z wysoką istniejącą intencją zakupu.
Częstym błędem jest definiowanie kroków lejka zbyt szeroko lub zbyt luźno w odniesieniu do rzeczywistego interfejsu użytkownika, na przykład traktowanie całej wielopolowej kasy jako jednego kroku zamiast rozbicia jej na dane do wysyłki, dane płatnicze i podsumowanie zamówienia, co ukrywa właśnie ten szczegółowy punkt odpadania, który analiza miała ujawnić. Inną częstą pułapką jest analizowanie lejka wyłącznie z użyciem liniowej, sekwencyjnej logiki, podczas gdy rzeczywiste zachowania użytkowników są często nieliniowe: odwiedzający cofają się, by porównać produkty, otwierają wiele kart lub wracają w wielu sesjach i na wielu urządzeniach, zanim w końcu dokonają konwersji, a takie wzorce ścisły, krokowy model lejka może poważnie zniekształcić, jeśli nie zostaną celowo uwzględnione w konfiguracji analizy i raportowania.
W doradztwie CRO analiza lejka jest zazwyczaj drugim krokiem współpracy, po audycie śledzenia zdarzeń, i bezpośrednio zasila ustalanie, który etap testować w pierwszej kolejności, zwykle ten o najwyższym odsetku odpadania względem jego potencjalnej, możliwej do odzyskania wartości w ujęciu przychodowym. Konsultanci często łączą ilościowe dane z lejka z badaniami jakościowymi, takimi jak nagrania sesji użytkowników, którzy odpadli na konkretnym etapie, lub ankiety wyjściowe na stronie pytające, dlaczego odwiedzający zdecydował się nie kontynuować, aby przejść od ustalenia, gdzie użytkownicy odchodzą, do zrozumienia, dlaczego odeszli, co ostatecznie kształtuje dobrze ukierunkowaną, popartą dowodami hipotezę wartą zainwestowania zasobów testowych. Przedstawianie ustaleń z lejka wraz z szacowaną wartością przychodową zamknięcia danej luki, a nie tylko samym procentem odpadania, sprawia także, że rozmowy o priorytetach z interesariuszami nietechnicznymi są znacznie bardziej konkretne i przekonujące.
Więcej terminów na literę F
Nawigacja fasetowa (Faceted Navigation)Flaga funkcji (Feature Flag)Test pierwszego kliknięcia (First Click Testing)First Contentful Paint (FCP)Dane first-party (First-Party Data)Prawo Fittsa (Fitts's Law)Test pięciu sekund (Five-Second Test)Efekt migotania (Flicker Effect)Optymalizacja formularzy (Form Optimization)Limit częstotliwości (Frequency Capping)Tarcie (Friction)
