Аналіз воронки — це метод дослідження того, як користувачі рухаються визначеною послідовністю кроків до конкретної мети, такої як покупка, реєстрація чи підписка, щоб виявити, де найбільша частка користувачів втрачає зацікавленість до досягнення цієї мети. Воронку зазвичай візуалізують як низку етапів, наприклад візит на лендинг, перегляд товару, додавання до кошика, початок оформлення замовлення та покупка, із зазначенням кількості чи відсотка користувачів, що залишаються на кожному етапі, так що відносний розмір відпадіння між будь-якими двома послідовними кроками одразу видно кожному, хто переглядає звіт, без потреби безпосередньо інтерпретувати сирі таблиці подій чи запускати окремий запит для кожного етапу. Воронки можна будувати як закриті, що вимагають від користувачів проходження кожного кроку в суворому порядку, щоб їх було враховано, або як відкриті, що дозволяють користувачам входити в будь-якій точці послідовності, і вибір між ними суттєво змінює те, як слід інтерпретувати отримані відсотки відпадіння.
Цей метод важливий, бо перетворює єдиний агрегований коефіцієнт конверсії на справжній діагностичний інструмент. Знання про те, що вебсайт загалом конвертує на рівні 2 відсотків, мало що говорить про те, що саме виправляти, тоді як знання про те, що 60 відсотків користувачів полишають процес саме між переглядом вартості доставки та завершенням оплати, дає конкретну, перевірювану ціль для наступного спринту команди. Тому аналіз воронки — основна методика для переходу від усвідомлення того, що проблема з конверсією існує, до точного розуміння того, де саме на шляху користувача ця проблема виникає, і це необхідний перший крок, перш ніж будь-яку зміну дизайну чи контенту можна обґрунтовано пріоритизувати над іншою конкуруючою ідеєю. Перегляд тієї самої воронки впродовж послідовних періодів також показує, чи попереднє виправлення справді втрималося, адже крок, що покращився після одного релізу, може непомітно погіршитися через місяці, коли в інших місцях сторінки випускаються не пов'язані з ним зміни.
Воронки зазвичай будують і аналізують за допомогою інструментів, як-от звіти дослідження воронки в Google Analytics 4, Mixpanel чи Amplitude, які всі вимагають заздалегідь визначити кожен крок як відстежувану подію, а тому точне відстеження подій є абсолютною передумовою надійного аналізу воронки будь-якого виду. Аналітики зазвичай будують і загальну воронку, і кілька сегментованих версій, наприклад розділяючи воронки за джерелом трафіку, типом пристрою чи статусом нового або повторного відвідувача, оскільки крок, що в агрегованому вигляді нібито працює задовільно, може приховувати серйозну проблему для одного сегмента, як-от мобільних користувачів, і при цьому працювати цілком добре для іншого, як-от десктопних користувачів, що приходять із брендованого пошуку з високим наявним наміром купити.
Часта помилка — визначати кроки воронки надто широко чи надто слабко пов'язаними з реальним користувацьким інтерфейсом, наприклад вважати все багатопольове оформлення замовлення одним кроком замість поділу на інформацію про доставку, платіжну інформацію та перегляд замовлення, що приховує саме ту деталізовану точку відпадіння, яку аналіз мав виявити з самого початку. Ще одна поширена пастка — аналізувати воронку лише за лінійною послідовною логікою, коли реальна поведінка користувачів часто нелінійна: відвідувачі повертаються назад, щоб порівняти товари, відкривають кілька вкладок або повертаються через кілька сесій і пристроїв, перш ніж зрештою конвертуватися, — моделі, які суворо покрокова модель воронки може сильно викривити, якщо їх навмисно не врахувати в базовому аналізі та конфігурації звітності.
У консалтингу з CRO аналіз воронки зазвичай є другим кроком проєкту після аудиту відстеження подій, і він безпосередньо визначає пріоритет того, який етап тестувати першим, — як правило, етап із найвищим показником відпадіння відносно його потенційної відновлюваної цінності в термінах виручки. Консультанти часто поєднують кількісні дані воронки з якісними дослідженнями, такими як записи сесій користувачів, що відпали на певному кроці, чи опитування на сторінці при виході з питанням, чому відвідувач вирішив не продовжувати, щоб перейти від виявлення того, де користувачі йдуть, до розуміння того, чому вони пішли, — саме це зрештою формує добре націлену, підкріплену доказами гіпотезу, в яку варто інвестувати ресурси тестування. Подання висновків воронки поряд із оцінною виручкою від закриття певного розриву, а не лише самого відсотка відпадіння, також зазвичай робить розмови про пріоритизацію з нетехнічними стейкхолдерами значно конкретнішими та переконливішими.
Інші терміни на літеру F
Фасетна навігація (Faceted Navigation)Прапорець функції (Feature Flag)Тестування першого кліку (First Click Testing)First Contentful Paint (FCP)Першосторонні дані (First-Party Data)Закон Фіттса (Fitts's Law)П'ятисекундний тест (Five-Second Test)Ефект мерехтіння (Flicker Effect)Оптимізація форм (Form Optimization)Обмеження частоти показів (Frequency Capping)Фрикція (Friction)
