На прикладі маркетплейса з оренди майданчиків для проведення заходів.
Що таке aha-момент? Момент, коли користувач розуміє, у чому цінність продукту і як він цю цінність отримає. Це розуміння кратно збільшує його бажання зробити наступний крок по воронці (залишити заявку, оформити замовлення, купити). Як знайти aha-моменти на вашому сайті за допомогою аналітики?
У проєктах, де є каталог (інтернет-магазини, сайти забудовників, маркетплейси), aha-моменти, як правило, заховані у фільтрах. Ваше завдання – визначити, який фільтр є aha-моментом і чинить найбільший вплив на конверсію з перегляду каталогу в перехід у картку товару (лота).
Це можна зробити в різних системах аналітики. Ось як це працює в Google Analytics на прикладі маркетплейса з оренди майданчиків для проведення заходів.
Крок № 1
Розмічаємо дії користувача на сайті та налаштовуємо надсилання подій у Google Analytics. Як правило, це роблять розробники, також ви можете скористатися Google Tag Manager.
Наприклад, необхідна нам дія відвідувача сайту – використовує фільтр “тип майданчика”. У підсумку, коли користувач вибирає тип майданчика, в Google Analytics відлітає подія: Категорія: Filters, Дія: Used, Ярлик: Type of venue.
Крок № 2
Створюємо цілі в Google Analytics.
Наприклад, перехід у картку обраного майданчика та оформлення заявки/бронювання майданчика.
Крок № 3
У розділі “Користувацькі інструменти та об’єкти” відкриваємо “Сегменти” і створюємо сегмент користувачів, які виконали необхідну нам дію.
Наприклад, ви припускаєте, що aha-момент – це використання фільтра за типом майданчика, і ви вже надсилаєте події з сайту в Google Analytics під час використання цього фільтра. У такому разі ви створюєте сегмент користувачів, які виконали цю дію.
Для цього в “умовах”:
- замініть “сеанси” на “користувачів”, щоб отримувати аналітику за людьми, а не за сесіями;
- виберіть необхідну “подію”: використовує фільтр “тип майданчика”.
Крок № 4
У Google Analytics відкриваємо розділ “Конверсії”, обираємо період часу і сегмент, який нас цікавить. Вуаля!
Конверсія користувачів, які використовували фільтр, у 2,7 раза вища, ніж конверсія всіх користувачів. Але (!) перш ніж робити висновки, перевіряємо результати на калькуляторі статистичної значущості.
У нашому прикладі статистична значущість є.
Отже, за допомогою аналітики ми знайшли можливий aha-момент.
Що далі?
Перевірте, чи справді це aha-момент: наприклад, через погіршуючий експеримент.
Підніміть підтверджений aha-момент вище по воронці AAARRR – на етап інформування.
Направляйте відвідувачів сайту використовувати цей фільтр.
Шукайте і перевіряйте інші aha-моменти.
