Ogni proprietario di eCommerce ha un unico principale obiettivo: aumentare il tasso di conversione e di conseguenza i profitti.

In questo articolo vediamo come ottimizzare le conversioni utilizzando gli Intent Exit Poll.

Prima di tutto però cerchiamo di capire qual è l’approccio migliore per far crescere il proprio business.

Utilizzando una formula semplifica, l’ottimizzazione di un eCommerce può avvenire in 2 fasi:

Fase 1: individuare il punto in cui i visitatori abbandonano il sito.
Fase 2: capire il motivo per cui gli utenti escono dal sito e risolvere il problema.

Per affrontare questi step è possibile raccogliere molti dati che forniranno le risposte utili a migliorare i tassi di conversione di un e-shop.

Per ciò che concerne la fase 1, è possibile attuare delle analisi quantitative in base a cosa gli utenti hanno cliccato, quali pagine visitano e qual è la fonte di accesso al sito. È possibile studiare queste metriche utilizzando Google Analytics.

La fase 2 è invece totalmente orientata allo studio del comportamento degli utenti. In questo caso si otterranno dati qualitativi relativi a quanti visitatori lasciano il sito a livello del carrello, quanti durante il processo di check-out, etc. I test utente, le interviste, i sondaggi e gli Intent Exit Poll sono strumenti utili a capire le motivazioni che spingono gli utenti a rinunciare a un acquisto.

Prima di vedere come raccogliere feedback dagli utenti con gli Intent Exit Poll è necessario fermarsi un attimo ad osservare nel dettaglio come si sviluppa un processo completo di Conversion Optimization.

Nell’immagine che segue vi presentiamo il modello utilizzato da Boraso, orientato a un processo di miglioramento continuo.

In che modo gli Exit Intent Poll si inseriscono in un processo di ottimizzazione delle conversioni?

Come accennato, il primo passo per migliorare le performance di un eCommerce è capire il momento in cui gli utenti abbandonano il sito.

Il modo più semplice per sapere da quali pagine avviene “l’uscita” degli utenti è consultare il report di Google Analytics relativo alle exit page.

Fase 1: Trovare il punto in cui gli utenti abbandonano gli acquisti

Vi illustriamo, avvalendoci del sito di una società di gioielli, il procedimento per ottenere questi dati.

Nell’account di GA si andrà a selezionare Comportamento> Contenuti del sito > Pagine di uscita

È quindi necessario filtrare il report per rimuovere le pagine con basso traffico o tassi di uscita elevati. Fare clic su “Avanzate” e seguire le indicazioni presenti nella schermata che segue per impostare il filtro.

Ordinare il report per la colonna “% Exit”. Si otterranno quindi le pagine con più alta percentuale di abbandoni. Nel nostro esempio vediamo essere la pagina del carrello.

Fase 2: Impostare gli Intent Exit Poll

Una volte individuate le pagine di uscita, è necessario capire il motivo.

Nell’esempio proposto si utilizza un software chiamato Hotjar, esistono però anche altri tool con caratteristiche simili per creare sondaggi su un sito web.

Il primo passo è installare nell’eCommerce di riferimento il codice di monitoraggio, che deve essere posizionato nel tag di ogni pagina che si desidera tracciare.

A questo punto creiamo il sondaggio. Nel caso d’esempio si vuole conoscere il motivo per cui gli utenti stanno lasciando la pagina del carrello.

Accedere al menu di sondaggi in Hotjar e cliccare su “New Poll”.

Deve poi essere preparato il messaggio. Nell’esempio riportato l’intento era chiedere ai visitatori cosa gli ha impedito di concludere il check-out. Le risposte a questo quesito aiuteranno a delineare i motivi che portano gli utenti ad abbandonare gli acquisti.

Successivamente si andrà a impostare la pagina oggetto di indagine. Nel caso oggetto d’esame, il carrello.

Si arriva infine all’exit intent. In questo step deve essere definito il momento in cui l’utente visualizzerà il sondaggio. Nel caso di esempio compare nel momento in cui è in procinto di abbandonare la pagina, ovvero quando si sposta il cursore verso la chiusura della finestra del browser (X).

Attivare infine il poll e iniziare la raccolta di dati.

Fase 3: Analizzare i dati

Ci sono 3 modi per effettuare l’analisi dei dati qualitativi. È importante sottolineare che questo tipo di analisi richiedono tempo e un numero sufficiente di risposte per delineare delle ipotesi.

Creare una wordcloud con le parole chiave identificative dei problemi principali.
Rivedere tutti i dati e prendere nota dei principali takeaway.
Organizzare i dati in categorie. In questo modo sarà possibile valutare quante persone hanno avuto le medesime problematiche.

Fase 4: creare un A/B Test con le modifiche che si vorrebbero attuare sull’eCommerce

A questo punto del processo sono stati individuati i motivi che hanno portato gli utenti ad abbandonare il carrello. Nel caso specifico le cause erano da attribuire a poca chiarezza rispetto alle spese di spedizione e ai tempi di consegna.

È necessario formulare delle ipotesi per risolvere il problema e testarle attraverso un test A/B che, come sappiamo, prevede due variabili a confronto.

La versione campione è rappresentata dal sito originale.

Di seguito invece la variabile B che incorpora modifiche volte a ridurre il numero di abbandoni e a migliorare l’esperienza degli utenti.

Conclusione

Come abbiamo visto in questo articolo, l’ottimizzazione delle conversioni di un eCommerce avviene in 2 fasi. Il primo passo è capire a che livello i visitatori abbandonano un sito web e, il secondo, capirne il motivo. Grazie a un’attenta, focalizzata e precisa raccolta dati è possibile comprendere le reali esigenze dell’utente. Si tratta di scoprire comportamenti ed emozioni specifici per offrire una sempre migliore esperienza di acquisto.