Снижение конверсии на eBay

Анализ снижения конверсии на eBay на 12%

Гипотезы о причинах

Гипотеза 1: Конкуренция (вероятность 70%)

• Amazon Prime Day или другие крупные распродажи конкурентов
• Новые маркетплейсы (Shein, AliExpress) забирают аудиторию
• Увеличение предложений на eBay от новых продавцов (выбор парализует пользователя)
• Более низкие цены на конкурирующих площадках

Признаки: Если конверсия упала одновременно с акциями конкурентов или после их маркетинговой кампании.

Гипотеза 2: Изменение в интерфейсе платежей (вероятность 65%)

• eBay изменил процесс checkout (добавили лишние шаги)
• Увеличилась сложность при вводе платежной информации
• Новые проверки fraud (дополнительные подтверждения, которые пугают)
• Проблемы с интеграцией платежных систем (PayPal, карты)

Признаки: Падение конверсии именно на шаге "добавить в корзину → оплата", а не на шаге просмотра товара.

Гипотеза 3: Доверие и репутация (вероятность 55%)

• Увеличилось количество мошенников на платформе
• Рост отрицательных отзывов и жалоб
• Появились подделки популярных товаров
• Медийные скандалы о мошенничестве на eBay

Признаки: Снизилась конверсия, но пользователи остаются в продукте (много time-on-page), но не покупают.

Гипотеза 4: Изменение в рекомендациях и выборе товаров (вероятность 60%)

• Алгоритм рекомендаций показывает не релевантные товары
• Пользователи видят товары, которые не хотят (цена слишком высокая, плохой рейтинг)
• Фильтры стали сложнее или исчезли
• Mobile версия стала хуже (много мобильного трафика)

Признаки: Пользователи ищут, но не находят нужные товары. High bounce rate.

Гипотеза 5: Цены и ставки (вероятность 50%)

• eBay поднял комиссии для продавцов → они повысили цены
• Появилось больше аукционов вместо BUY NOW (сложнее/дольше покупать)
• Стоимость доставки значительно выросла
• Изменился алгоритм отображения итоговой цены (пользователи не видят, сколько будет в сумме)

Признаки: Средний чек вырос, но кол-во покупок упало. Пользователи ищут более дешевые товары.

Гипотеза 6: Technical issues (вероятность 40%)

• Скорость сайта упала (медленная загрузка товаров)
• Баги в приложении (платежи не отправляются)
• Mobile версия сломана
• Проблемы с производительностью в пиковые часы

Признаки: Error rate вырос. Много bounce rate из сессий. Support tickets о технических проблемах.

---

Данные для проверки гипотез

Уровень 1: Общие метрики (сбор за 1 день)

Воронка конверсии:

• Product View → Add to Cart: сколько упало
• Add to Cart → Proceed to Checkout: сколько упало
• Checkout Start → Payment: сколько упало
• Payment → Order Confirmation: сколько упало

Пример:

Шаг 1 (View → Cart): было 15%, упало до 13% (-2%)
Шаг 2 (Cart → Checkout): было 40%, упало до 35% (-5%)
Шаг 3 (Checkout → Payment): было 80%, упало до 75% (-5%)
Шаг 4 (Payment → Confirmation): было 95%, упало до 92% (-3%)
Основное падение: на шаге Cart → Checkout (-5%)

Сегментация:

• Desktop vs Mobile (где упало больше)
• Новые vs старые пользователи
• Разные категории товаров (электроника, книги, одежда)
• Разные регионы (US, EU, Asia)
• Device типы (iPhone, Android, Windows, Mac)

Уровень 2: Детальная аналитика (сбор за 3-5 дней)

Для Гипотезы 2 (платежи):

• Хeatmap checkout экрана (где люди кликают, где зависают)
• Session recordings (видео как пользователи платят)
• Error logs (какие ошибки выбросили)
• Payment method distribution (какие способы используют)
• Время на каждый шаг платежа

Для Гипотезы 1 (конкуренция):

• Search query trends (какие товары ищут, но не находят)
• Traffic from referral sources (пришли с Google, Pinterest, соцсети)
• Product page data: рейтинг продавца, отзывы, цена
• Price comparison: наши цены vs конкуренты (парсить Amazon, Walmart)

Для Гипотезы 3 (доверие):

• Seller rating distribution (% 5-звездочных продавцов упал)
• Negative reviews rate
• Complaints to customer support
• Return rate (люди покупают и возвращают)
• Sentiment анализ отзывов

Для Гипотезы 4 (рекомендации):

• Search to product ratio (сколько товаров видят в результатах)
• Filter usage (используют ли люди фильтры)
• Mobile UX metrics (time-on-page, scroll depth)
• Product relevance score (поиск "iPhone" показывает iPhone)

Для Гипотезы 5 (цены):

• Average item price (средняя цена товара вырос/упал)
• Average shipping cost
• Average total cost (товар + доставка + налоги)
• Price elasticity (если цена вырос на 10%, конверсия упала на X)
• Auction vs Buy Now ratio

Для Гипотезы 6 (техника):

• Server response time (Largest Contentful Paint, First Input Delay)
• Error rates (404, 500)
• API response times
• User-reported bugs (support tickets)
• Browser console errors

---

План A/B тестирования

Тест 1: Упрощение checkout (высокий приоритет)

Гипотеза: Упростить checkout на 1 шаг = +3-5% конверсии

Вариант A (контроль): Текущий 5-шаговый checkout

1. Адрес доставки
2. Способ доставки
3. Платежный метод
4. Подтверждение условий
5. Финальное подтверждение

Вариант B (тест): 3-шаговый checkout

1. Адрес + способ доставки (объединены)
2. Платеж
3. Финальное подтверждение

Размер теста: 20% пользователей (делим 80/20) Длительность: 2-3 недели (достаточно данных) Статистическая значимость: 95% confidence level, min 5000 поездок на каждый вариант

Метрики:

• Conversion Rate (главная метрика)
• Checkout completion rate
• Avg time on checkout page
• Cart abandonment rate
• Revenue per visitor
• Support tickets (жалобы на checkout)

Критерий успеха: +2% конверсия при p-value < 0.05

---

Тест 2: Показ цены с доставкой (средний приоритет)

Гипотеза: Показать "Всего: $50 (товар $40 + доставка $10)" вместо "$40" = пользователи проще примут цену и больше купят

Вариант A: Текущий (товар $40, доставка +$10 на checkout) Вариант B: "Total: $50 (includes $10 shipping)" на карточке товара Вариант C: "Total: $50" (самое простое)

Размер теста: 30% пользователей (делим 33/33/34) Длительность: 3 недели

Метрики:

• Conversion rate
• Add-to-cart rate (влияет ли на клик)
• Cart value (средний чек)
• Bounce rate на product page

Критерий успеха: Вариант B или C с +1-3% конверсией

---

Тест 3: Trust signals на product page (средний приоритет)

Гипотеза: Показать "Verified Seller" badge, количество положительных отзывов, гарантию возврата = +2-4% конверсии

Вариант A: Текущий (минимум информации о продавце) Вариант B: Добавить:

• Зеленый "Verified Seller" badge
• "4.8★ из 5000+ отзывов"
• "30-day money back guarantee"
• Seller response time

Размер теста: 25% пользователей Длительность: 2 недели

Метрики:

• Conversion rate
• Trust score (юзер-сайд, опрос)
• Return rate (вернули ли товар)

Критерий успеха: +1.5% конверсия

---

Тест 4: Mobile checkout improvement (высокий приоритет)

Гипотеза: Мобильный checkout работает плохо. Добавить one-click payment (Apple Pay, Google Pay) = +5-8% на мобильном

Вариант A: Текущий (ручной ввод всех данных) Вариант B: Добавить Apple Pay, Google Pay, автозаполнение из профиля

Размер теста: 50% мобильных пользователей Длительность: 2 недели

Метрики:

• Mobile conversion rate
• Time on checkout page (мобильный)
• Payment method distribution
• Cart abandonment (мобильный)

Критерий успеха: +4% конверсия на мобильном

---

Quick wins — быстрые улучшения (1-2 недели)

1. Баннер с информацией о гарантии возврата

• Добавить на product page: "Money Back Guarantee - 30 days"
• Выполнение: 2 дня
• Ожидаемый результат: +1-2% конверсия

2. Фиксация ошибок в checkout

• Провести быстрый аудит: какие ошибки 404, 500 чаще всего
• Фиксить критические (платежи не идут)
• Выполнение: 3-5 дней
• Результат: +1-3% конверсия

3. Показать "Limited availability" на популярные товары

• Добавить: "Only 5 left in stock" или "3 people viewing"
• FOMO эффект = больше спешат купить
• Выполнение: 2-3 дня
• Результат: +2-4% конверсия

4. Улучшить мобильный product page

• Поднять "Buy Now" кнопку выше (больше видимости)
• Увеличить размер кнопки на 20%
• Выполнение: 1-2 дня
• Результат: +1-2% конверсия на мобильном

5. Live chat поддержка на checkout

• Добавить чат "Есть вопросы?" на странице оплаты
• Отвечают в реальном времени (операторы)
• Выполнение: 3-5 дней (интеграция с Zendesk/Intercom)
• Результат: +1-3% конверсия

Итого от quick wins: +6-14% конверсия за 2 недели

---

Долгосрочный план (3-6 месяцев)

Месяц 1: Аналитика и приоритизация

Неделя 1-2:

• Завершить все A/B тесты (checkout, цены, trust signals, mobile)
• Собрать результаты
• Определить что работает, что нет

Неделя 3-4:

• Интервью с 100+ пользователей (почему не покупают)
• Анализ конкурентов (что делают Amazon, Walmart, Etsy)
• Выводы: где наша слабость

Итог: Roadmap с приоритетами на следующие 3 месяца

Месяц 2-3: Реализация лучших идей

Направление 1: Упрощение

• Запустить упрощенный checkout (если успешный A/B тест)
• Улучшить mobile experience
• Добавить apple pay / google pay

Направление 2: Доверие

• Показать seller verification badge везде
• Улучшить review system (больше info, проверка подлинности)
• Добавить buyer protection информацию

Направление 3: Персонализация

• Рекомендовать товары на основе истории
• "People also bought" блок
• Предлагать похожие товары дешевле

Направление 4: Скорость

• Оптимизировать page load (target < 2 сек)
• Кешировать данные на мобильном
• Lazy load images

Месяц 4-6: Мониторинг и оптимизация

Неделя 1-4:

• Отслеживать метрики еженедельно
• Rollout изменений на 100% пользователей (если работают)
• Запустить новые гипотезы

Неделя 5-8:

• Анализ успеха
• Что сработало (запустить везде)
• Что не сработало (заморозить)
• Новые идеи на основе данных

Целевой результат:

• Восстановить конверсию до исходного уровня (+12%)
• Дополнительно улучшить еще на +5-8%
• Итого: +17-20% конверсия через 6 месяцев

---

Как определить статистическую значимость

Размер выборки:

• Нам нужно ~5000 конверсий на каждый вариант для 95% confidence
• Если текущая конверсия 3%, то нужно ~166K посещений на вариант
• Если 20% трафика идет в A/B тест, то 2 недели теста = 2.3M посещений

Формула:

p-value < 0.05 = результат значимый
Если конверсия вариант B = 3.2%, вариант A = 3.0%
p-value = 0.02 (значимо!)

Инструменты:

• Optimizely / VWO для A/B тестирования
• Python statsmodels для расчета
• Tableau для визуализации

Критерий остановки теста:

• Дошли до 5000 конверсий на вариант (статистически значимо)
• Или прошло 2 недели минимум
• Не останавливать, если результат слабый (риск false positive)