Какое решение примешь при уменьшении конверсии в покупку и увеличении конверсии клика по карточке?

Анализ ситуации: больше кликов, но меньше покупок

Эта классическая ситуация в аналитике, когда верхняя часть воронки улучшилась, но нижняя ухудшилась. Это не парадокс, а признак проблемы в понимании пути пользователя. Разберу пошагово, как Product Analyst должен это диагностировать и решить.

Шаг 1: Диагностика проблемы

Ключевое понимание: если растёт клик, но падает покупка, это означает, что мы привлекаем неправильных пользователей или разочаровываем их на этапе покупки.

Вопросы для анализа:

1. Что случилось с click-through rate (CTR)?

   • CTR по карточке UP (хорошо, дизайн привлекает)
   • Но куда они идут дальше?

2. Где падает воронка?

   Клик на карточку → Открытие продукта (страница товара) → Добавление в корзину → Оформление заказа → Платёж → Успех
   

   Нужно найти, где именно пользователи уходят:

   • После клика пользователи не открывают страницу товара?
   • Открывают, но не добавляют в корзину?
   • Добавляют, но не оформляют?
   • Оформляют, но платёж не проходит?

3. Кого мы привлекли?

   • Возможно, изменение дизайна карточки привлекло другой сегмент пользователей
   • Новые пользователи vs постоянные?
   • Мобила vs desktop?
   • Дешёвые товары, на которые все кликают, но покупают редко?

Шаг 2: Гипотезы

Есть несколько вероятных сценариев:

Гипотеза 1: Low-Quality Traffic (вероятность: высокая)

• Карточка стала более заметной и привлекла пользователей, которые просто кликают ради клика
• Они не заинтересованы в покупке
• Пример: добавили emoji или яркий цвет на карточку → увеличился CTR на 30%, но эти клики от скроллящих юзеров

Гипотеза 2: Неправильные ожидания (вероятность: высокая)

• Дизайн обещает одно, а страница товара показывает другое
• Клик → разочарование → отвал
• Пример: на карточке показано изображение в хорошем свете, но на странице товара видны реальные фото + отзывы негативные

Гипотеза 3: Технические проблемы (вероятность: средняя)

• Страница товара медленнее загружается
• Добавлен новый скрипт, замедливший сайт
• На мобилке видны ошибки при клике
• Метрика: время между кликом и загрузкой страницы

Гипотеза 4: Продуктовые изменения (вероятность: средняя)

• Возможно, одновременно с изменением дизайна карточки была другая разработка
• Например, изменена цена, или товар стал недоступен на части рынка
• Проверка: был ли A/B тест или это просто совпадение по времени?

Гипотеза 5: Сегментирование (вероятность: низкая-средняя)

• Увеличился CTR в одном сегменте, упала покупка в другом
• Пример: CTR выросла среди новых пользователей, но они конвертируют хуже (это ожидается)

Шаг 3: Как я буду расследовать (как PA)

Шаг 3.1: Сравнение когорт

SELECT 
  cohort_date,
  COUNT(DISTINCT user_id) as users,
  COUNT(DISTINCT CASE WHEN clicked_card THEN user_id END) as card_clicks,
  COUNT(DISTINCT CASE WHEN made_purchase THEN user_id END) as purchases,
  ROUND(
    COUNT(DISTINCT CASE WHEN clicked_card THEN user_id END)::float / 
    COUNT(DISTINCT user_id), 4
  ) as ctr,
  ROUND(
    COUNT(DISTINCT CASE WHEN made_purchase THEN user_id END)::float / 
    COUNT(DISTINCT user_id), 4
  ) as conversion_rate,
  ROUND(
    COUNT(DISTINCT CASE WHEN made_purchase THEN user_id END)::float / 
    COUNT(DISTINCT CASE WHEN clicked_card THEN user_id END), 4
  ) as purchase_after_click
FROM user_events
WHERE DATE(event_date) >= CURRENT_DATE - 30
GROUP BY DATE(cohort_date)
ORDER BY cohort_date DESC;

Шаг 3.2: Анализ воронки

SELECT 
  'Step 1: Card Impression' as step,
  COUNT(DISTINCT user_id) as count
FROM events
WHERE event_type = 'card_impression'
  AND DATE(event_date) >= CURRENT_DATE - 7

UNION ALL

SELECT 
  'Step 2: Card Click',
  COUNT(DISTINCT user_id)
FROM events
WHERE event_type = 'card_click'
  AND DATE(event_date) >= CURRENT_DATE - 7

UNION ALL

SELECT 
  'Step 3: Product Page View',
  COUNT(DISTINCT user_id)
FROM events
WHERE event_type = 'product_page_view'
  AND DATE(event_date) >= CURRENT_DATE - 7

UNION ALL

SELECT 
  'Step 4: Add to Cart',
  COUNT(DISTINCT user_id)
FROM events
WHERE event_type = 'add_to_cart'
  AND DATE(event_date) >= CURRENT_DATE - 7

UNION ALL

SELECT 
  'Step 5: Purchase',
  COUNT(DISTINCT user_id)
FROM events
WHERE event_type = 'purchase'
  AND DATE(event_date) >= CURRENT_DATE - 7
ORDER BY step;

Шаг 3.3: Анализ по сегментам

SELECT 
  device_type,
  CASE WHEN user_id IN (SELECT user_id FROM first_purchase) THEN 'New' ELSE 'Existing' END as user_type,
  COUNT(DISTINCT user_id) as users,
  ROUND(
    COUNT(DISTINCT CASE WHEN made_purchase THEN user_id END)::float / 
    COUNT(DISTINCT user_id), 4
  ) as conversion_rate
FROM user_events
WHERE DATE(event_date) >= CURRENT_DATE - 7
GROUP BY device_type, user_type;

Шаг 3.4: Проверка времени загрузки

SELECT 
  PERCENTILE_CONT(0.50) WITHIN GROUP (ORDER BY load_time_ms) as p50_load_time,
  PERCENTILE_CONT(0.95) WITHIN GROUP (ORDER BY load_time_ms) as p95_load_time,
  COUNT(*) as page_loads
FROM page_load_events
WHERE page = '/product'
  AND DATE(event_date) >= CURRENT_DATE - 7;

Шаг 4: Вероятные выводы и решения

Вывод A: "Падает на шаге Product Page View"

• Диагноз: Пользователи кликают, но не загружают страницу
• Решение:
  • Проверить время загрузки (может быть, слишком медленно)
  • Проверить мобильный опыт (может быть, баги на мобилке)
  • Может быть, изменился URL или структура (302 редирект?)

Вывод B: "Падает на шаге Add to Cart"

• Диагноз: Пользователи видят информацию о товаре, но не решают купить
• Возможные причины:
  • Цена кажется высокой
  • Отзывы плохие на странице продукта
  • Недостаточно фото/информации
  • Доставка дорогая
• Решение:
  • A/B тест: улучшение описания товара
  • A/B тест: более привлекательные фото
  • Проверить, изменилась ли цена или доступность

Вывод C: "Падает на шаге Checkout"

• Диагноз: Пользователи хотят купить, но не завершают платёж
• Возможные причины:
  • Форма оформления заказа слишком сложная
  • Нет любимого способа оплаты
  • Высокие комиссии при оплате
  • Технические ошибки при платеже
• Решение:
  • Упростить форму заказа
  • Добавить больше способов оплаты
  • Проверить логи ошибок платёжной системы

Вывод D: "CTR выросла среди новых пользователей, они конвертируют хуже"

• Диагноз: Это может быть ожидаемое поведение
• Решение:
  • Проверить LTV новых пользователей (может они конвертируют позже)
  • Убедиться, что качество трафика не изменился
  • Может быть, нужна специальная воронка для новых пользователей

Шаг 5: Что я НЕ буду делать

❌ Ошибка 1: "CTR растёт, это успех, развернём!"

• Неправильно, потому что покупки падают

❌ Ошибка 2: "Откатим изменение, оно сломало всё"

• Неправильно, потому что не знаем, что сломалось

❌ Ошибка 3: "Пользователи просто стали меньше покупать в целом"

• Нужно проверить, падает ли конверсия по другим каналам или только у нас

Шаг 6: Рекомендация

Моя рекомендация как Product Analyst:

1. Немедленно: Провести анализ воронки (шаг 3.2), чтобы найти точку отвала

2. На основе результатов:

   • Если отвал на Product Page View → Проверить performance/mobile
   • Если отвал на Add to Cart → Провести user research или сессионные реплеи
   • Если отвал на Checkout → Проверить платёжные логи и UX формы

3. Решение может быть:

   • Откатить изменение дизайна карточки (если это вызвало низкокачественный трафик)
   • Улучшить информацию на странице продукта
   • Оптимизировать форму оформления заказа
   • Ничего не менять, если это сегментирование и LTV новых пользователей улучшится

4. Долгосрочно:

   • Установить мониторинг всей воронки, чтобы видеть такие проблемы автоматически
   • Никогда не оптимизировать на одной метрике (CTR) без учёта конверсии
   • Всегда смотреть на full funnel, а не на отдельные метрики

Вывод

Это не парадокс, а сигнал о проблеме. Product Analyst должен буквально распечатать воронку на стену и спросить: "Где пользователи исчезают?" Ответ на этот вопрос даст правильное решение. Без этого анализа любое решение будет слепым выстрелом.