Разработка гипотез для повышения конверсии сайта
Гипотеза CRO — структурированное предположение о том, какое изменение на сайте и почему улучшит конверсию. Без формализованных гипотез тесты хаотичны, результаты несравнимы.
Формат гипотезы
Стандартный шаблон:
Мы считаем, что [изменение] на [странице/элементе]
приведёт к [метрика] на [≥N]%
для [сегмент пользователей],
потому что [обоснование на основе данных].
Метод проверки: A/B тест
Длительность: X недель
Минимальный объём: Y конверсий для значимости
Источники гипотез
1. Аналитика поведения:
Данные: 73% пользователей на мобильных устройствах покидают страницу /checkout
на шаге "Адрес доставки" (Hotjar Form Analytics)
Гипотеза: Замена текстовых полей адреса на автодополнение (DaData/Google Places API)
увеличит конверсию мобильных пользователей на шаге доставки на ≥15%
Обоснование: Ввод полного адреса на мобильной клавиатуре — трудоёмко
2. Сравнение с конкурентами (Competitive Analysis):
Данные: Конкуренты показывают количество отзывов прямо на карточке товара,
у нас отзывы только на отдельной вкладке
Гипотеза: Вынос рейтинга и количества отзывов под название товара
увеличит add-to-cart rate на ≥8%
Обоснование: Social proof уменьшает сомнения на ранней стадии выбора
3. Пользовательские интервью/опросы:
Данные: 40% опрошенных в exit-popup сказали "не понял цену доставки"
Гипотеза: Добавление калькулятора стоимости доставки на страницу товара
уменьшит cart abandonment rate на ≥12%
Обоснование: Неожиданные расходы — причина №1 брошенных корзин (Baymard)
Приоритизация гипотез (ICE Score)
def ice_score(impact, confidence, ease):
"""
Impact: 1-10 (потенциальное влияние на метрику)
Confidence: 1-10 (насколько уверены в гипотезе)
Ease: 1-10 (простота реализации)
"""
return (impact + confidence + ease) / 3
hypotheses = [
{
'name': 'Автодополнение адреса в чекауте',
'impact': 9, 'confidence': 7, 'ease': 6,
'metric': 'checkout_conversion'
},
{
'name': 'Рейтинг на карточке товара',
'impact': 7, 'confidence': 8, 'ease': 9,
'metric': 'add_to_cart'
},
{
'name': 'Калькулятор доставки на странице товара',
'impact': 8, 'confidence': 6, 'ease': 5,
'metric': 'cart_abandonment'
},
]
for h in hypotheses:
h['ice'] = ice_score(h['impact'], h['confidence'], h['ease'])
sorted_by_ice = sorted(hypotheses, key=lambda x: x['ice'], reverse=True)
Метод PIE (Potential, Importance, Ease) — альтернатива, больше ориентирован на бизнес-значимость.
Дерево гипотез
Организация гипотез по уровням проблем:
Низкий overall conversion rate
├── Проблемы на этапе привлечения
│ ├── Высокий bounce rate на landing pages → гипотезы о заголовках, CTA
│ └── Несоответствие ожиданиям от рекламы → гипотезы о релевантности
├── Проблемы в середине воронки
│ ├── Низкий add-to-cart → гипотезы о карточке товара
│ └── Высокий cart abandonment → гипотезы о прозрачности цены
└── Проблемы на последнем шаге
├── Checkout abandonment → гипотезы о форме, доверии
└── Payment failures → гипотезы о методах оплаты
Документирование результатов
# hypothesis-log.yml
- id: H-042
title: "Автодополнение адреса в чекауте"
status: "tested"
created: "2024-03-01"
ice_score: 7.3
test_type: "A/B"
duration: "21 days"
sample_size: 2847
result:
variant: "+18.3% checkout_conversion"
confidence: 97.2%
decision: "ship"
shipped_date: "2024-03-28"
learnings: "Мобильные пользователи особенно чувствительны к удобству ввода адреса"
Срок выполнения
Разработка 10–15 приоритизированных гипотез на основе данных — 3–5 рабочих дней.