A/B-тесты и аналитика лендинга: как расти на данных

Запустить лендинг — это только начало. Настоящий рост конверсии начинается потом, когда вы перестаёте спорить о вкусах («мне кажется, синяя кнопка лучше») и начинаете принимать решения на данных. A/B-тесты и аналитика превращают догадки в проверяемые гипотезы, а лендинг — в инструмент, который со временем приносит всё больше заявок при том же трафике.

Разложим по полочкам, как измерять поведение посетителей, какие метрики важны, как формулировать и проверять гипотезы через A/B-тесты и каких ошибок избегать, чтобы не принять случайность за закономерность. Без сложной математики, но с правильной логикой.

Сначала аналитика, потом тесты

Тестировать вслепую бессмысленно: чтобы понять, что менять, нужно сначала увидеть, где именно теряются люди. Поэтому фундамент — корректно настроенная аналитика. В России базовый и бесплатный инструмент — Яндекс Метрика. Как её грамотно подружить с CRM и коллтрекингом — в статье про интеграции лендинга. Минимум, который должен быть на лендинге: счётчик установлен, настроены цели (отправка формы, клик по телефону и мессенджеру), а источники трафика размечены UTM-метками, чтобы видеть, какой канал приводит заявки.

Без целей вы видите только посещения, но не результат. С целями — считаете конверсию, стоимость заявки по каналам и понимаете, какие изменения реально влияют на деньги, а не на абстрактные клики.

Ключевые метрики лендинга

Метрик много, но для лендинга важна небольшая группа. Смотрите на них вместе: одна цифра в отрыве от других вводит в заблуждение.

• Конверсия (CR). доля посетителей, оставивших заявку. Главная метрика лендинга. Нормальное значение сильно зависит от ниши и трафика;
• Отказы. доля тех, кто ушёл, не совершив действий. Высокий показатель на целевом трафике — сигнал проблемы с первым экраном или релевантностью;
• Глубина просмотра. как глубоко скроллят страницу: где внимание обрывается и до каких блоков люди просто не доходят;
• Стоимость лида (CPL). сколько стоит заявка с каждого канала — связывает аналитику с рекламным бюджетом.

Инструменты: увидеть глазами посетителя

Цифры показывают, ЧТО происходит, а качественные инструменты — ПОЧЕМУ. В Яндекс Метрике для этого есть три мощные вещи, которыми часто пренебрегают.

• Вебвизор. записи реальных сессий: видно, как человек двигает мышью, где замирает, что перечитывает и на каком месте уходит;
• Карта кликов. показывает, куда люди кликают на самом деле — иногда по некликабельным элементам, приняв их за кнопки;
• Карта скроллинга. показывает, до какого места страницы доскроллили и где теряется внимание.

Полчаса просмотра вебвизора часто дают больше идей для роста, чем неделя размышлений. Вы своими глазами видите, что форма пугает длиной, что важный блок никто не докручивает, а половина кликает по картинке, думая, что это кнопка.

Как формулировать гипотезы

Гипотеза — это не «давайте поменяем цвет кнопки», а связка «проблема → изменение → ожидаемый результат». Хорошая гипотеза опирается на данные аналитики и звучит проверяемо: «Посетители не доходят до формы (карта скроллинга), потому что оффер неубедителен на первом экране. Если усилить заголовок и поднять кнопку выше, конверсия вырастет».

Такую формулировку можно проверить и оценить результат. Собирайте гипотезы в список и приоритизируйте: сначала те, что затрагивают самые проблемные места и обещают наибольший эффект при наименьших усилиях.

Что тестировать в первую очередь

Наибольший эффект дают изменения в начале воронки и у самого целевого действия — там, где проходит и теряется больше всего людей. Мелкие детали в подвале почти не влияют на итог.

1. 1заголовок и оффер на первом экране — самый сильный рычаг конверсии;
2. 2призыв к действию: текст кнопки, её цвет и расположение;
3. 3форма: количество полей, подписи, наличие альтернативы через мессенджер;
4. 4первый экран целиком: изображение, структура, порядок блоков;
5. 5социальные доказательства: отзывы, кейсы, гарантии и их расположение.

Как провести A/B-тест правильно

Суть A/B-теста проста: часть трафика видит вариант A (текущий), часть — вариант B (с изменением), а вы сравниваете конверсию. Но чтобы результат был достоверным, важно соблюдать несколько правил, иначе вы примете случайность за закономерность.

• Одна переменная. меняйте что-то одно за раз: если поменять сразу заголовок и кнопку, вы не поймёте, что сработало;
• Размер выборки. дождитесь достаточного числа наблюдений: десяток заявок — это не статистика, а совпадение;
• Длительность. проводите тест целыми неделями: поведение в будни и выходные различается;
• Значимость. доверяйте выводу только при достаточной статистической значимости, а не «на глаз».

Разница «12% против 11%» на сотне визитов не значит ничего — это шум. Дайте тесту накопить данные, прежде чем объявлять победителя, иначе оптимизация превратится в самообман.

Воронка на лендинге: где считать этапы

Конверсия — это не одно число, а цепочка этапов, на каждом из которых часть людей отсеивается. Если смотреть только на итоговую конверсию, вы видите, что «мало заявок», но не понимаете, где именно теряете. Разложите путь на этапы и найдите узкое место — именно оно ограничивает результат и заслуживает теста в первую очередь.

• Визит. зашли на страницу — сколько людей и с какого источника;
• Долистали. доскроллили до формы — сколько дошло до целевого блока;
• Начали. начали заполнять форму — сколько взаимодействовали с полями;
• Отправили. отправили заявку — сколько довели действие до конца;
• Купили. стали клиентом — сколько заявок дошли до оплаты.

Например, если до формы доходят многие, а отправляют единицы, проблема в самой форме или оффере рядом с ней — и тестировать надо их, а не цвет кнопки в шапке. Узкое место воронки — всегда точка максимального роста: улучшив самый провальный этап, вы поднимаете весь результат.

Количественные и качественные данные

Данные бывают двух типов, и сила — в их сочетании. Количественные (цифры: конверсия, отказы, глубина скролла) отвечают на вопрос «что происходит и в каком масштабе». Качественные (записи сессий, карты, опросы, отзывы) отвечают на вопрос «почему». По отдельности каждый тип обманчив: цифры показывают проблему, но не причину, а отдельная запись сессии может оказаться нетипичной случайностью.

Рабочая связка выглядит так: сначала цифры показывают, ГДЕ теряются люди (например, высокий отказ с мобильных), затем вебвизор и карты объясняют ПОЧЕМУ (форма не помещается на экран, кнопка уезжает под клавиатуру). Только увидев и масштаб, и причину, вы формулируете точную гипотезу, а не гадаете.

Сегментация: не средняя температура по больнице

Средняя конверсия скрывает правду. Общая цифра «4%» может складываться из отличных 8% на десктопе и провальных 1,5% на мобильном — и пока вы смотрите на среднее, реальная проблема не видна. Прежде чем делать выводы и тем более менять страницу, разбейте аудиторию на сегменты и сравните их между собой.

• Устройство. устройства: мобильные против десктопа — чаще всего именно здесь прячется разрыв;
• Источник. источники трафика: контекст, таргет и SEO дают разную по «теплоте» аудиторию;
• Новизна. новые и вернувшиеся посетители конвертируются по-разному;
• Гео и время. география и время: регионы и даже дни недели могут вести себя иначе.

Сегментация не только уточняет диагноз, но и уберегает от ложных выводов в тестах: изменение может помочь одному сегменту и навредить другому, а в среднем показать «ничего не изменилось».

Пример: от гипотезы к расчёту

Разберём на цифрах. Допустим, форма из пяти полей, до неё доходит много людей, но отправляют мало — по вебвизору видно, что на поле «отчество» и «удобное время звонка» люди зависают и уходят. Гипотеза: «Форма отпугивает объёмом. Если сократить её до двух полей — имя и телефон, — конверсия в отправку вырастет».

Дальше прикидываем объём данных. Если текущая конверсия около 4% и мы хотим надёжно уловить рост до примерно 5%, на каждый вариант нужно накопить порядка нескольких тысяч визитов и хотя бы несколько десятков заявок — иначе разница утонет в случайности. При 50 визитах в день на вариант такой тест идёт пару недель. Это нормально: лучше подождать и получить достоверный ответ, чем через три дня принять шум за победу.

A/B, мультивариантные и последовательные тесты

Классический A/B сравнивает два варианта, отличающихся одним элементом, — это база и правильный старт для большинства. Мультивариантный тест (MVT) проверяет сразу много комбинаций элементов и требует очень много трафика, поэтому он оправдан только на больших объёмах. Если трафика мало, применяют последовательный подход: вносят изменение, набирают данные до и после и сравнивают периоды — менее строго, но лучше, чем ничего.

Как приоритизировать гипотезы

Гипотез всегда больше, чем времени и трафика, поэтому их нужно ранжировать, а не хвататься за первую попавшуюся. Простой ориентир — оценивать каждую по трём осям: насколько сильный эффект она обещает, какую долю аудитории затрагивает и насколько вы уверены в гипотезе, — и делить на трудозатраты. Наверх списка поднимаются изменения, которые дёшевы во внедрении, касаются многих и бьют по проблемному месту.

• Эффект. сильный ожидаемый эффект — изменение затрагивает ключевой этап воронки;
• Охват. большой охват — влияет на значительную долю посетителей, а не на узкий сегмент;
• Уверенность. высокая уверенность — гипотеза опирается на данные, а не на догадку;
• Усилия. низкие трудозатраты — быстро внедрить и проверить.

Типичные ошибки A/B-тестирования

• Ранняя остановка. остановить тест, как только «наш» вариант вырвался вперёд — ранний результат часто разворачивается;
• Много переменных. менять несколько элементов одновременно и не понимать причину;
• Мало данных. тестировать на слишком малом трафике и делать глобальные выводы;
• Средняя температура. игнорировать сегменты: изменение может помочь мобильным и навредить десктопу;
• Не те приоритеты. тестировать мелочи вроде оттенка кнопки, пока сломан оффер на первом экране.

Мало трафика? Что делать

Классический A/B-тест требует заметного трафика, иначе набрать значимость нереально. Если посещений немного, не отчаивайтесь — работайте иначе. Опирайтесь на качественные данные: вебвизор, карты, опросы и обратную связь от клиентов подсказывают проблемы без большой статистики. Параллельно докручивайте источники трафика, чтобы набирать выборку быстрее. Вносите крупные, очевидно улучшающие изменения (переписать невнятный оффер, сократить форму) — их эффект виден и без строгого теста. А сам A/B подключайте, когда нарастите трафик рекламой.

Чем проводить A/B-тесты

Инструментов несколько, и выбор зависит от масштаба. Самый простой и бесплатный путь для лендинга — эксперименты через связку веб-аналитики и специальных сервисов, которые сами делят трафик пополам и показывают разным людям разные варианты. Существуют и отдельные платформы для A/B-тестов с визуальным редактором, где можно менять элементы без программиста. На больших проектах разделение делают на стороне сервера, что надёжнее и не мигает при загрузке.

• База. веб-аналитика с целями (Яндекс Метрика) — фундамент для любого замера;
• Простой путь. сервисы A/B с визуальным редактором — менять варианты без разработчика;
• Продвинуто. серверное разделение трафика — надёжно и без мерцания, но нужен разработчик;
• Минимальный вариант. при малом трафике — ручное сравнение периодов «до и после» изменения.

Каким бы ни был инструмент, важны две вещи: трафик должен делиться случайно и примерно поровну, а условия — оставаться неизменными на всё время теста. Нельзя посреди эксперимента параллельно запустить новую рекламу или поменять ещё что-то на странице — иначе вы не поймёте, что именно повлияло на результат.

Что делать с результатом теста

Тест закончен — и здесь начинается самое важное. Если победил новый вариант и разница статистически значима, внедряйте его как основной и фиксируйте результат: что меняли, на сколько выросла конверсия, сколько это дало заявок. Такой журнал экспериментов со временем превращается в базу знаний о вашей аудитории и защищает от повторения уже проверенных гипотез.

Если разницы нет — это тоже ценный результат: значит, элемент не так важен, как казалось, и внимание стоит переключить на другое место воронки. А если новый вариант проиграл — вы сэкономили деньги, не выкатив ухудшение на всю аудиторию. В оптимизации нет «неудачных» тестов: каждый либо поднимает конверсию, либо даёт знание о том, что вашу аудиторию не трогает.

CRO как постоянный процесс

Оптимизация конверсии (CRO) — это не разовая акция, а цикл, который повторяется снова и снова: смотрим аналитику → находим слабое место → формулируем гипотезу → проверяем → внедряем победителя → возвращаемся к началу. Каждый виток немного поднимает конверсию, и на дистанции эти проценты складываются в кратный рост заявок при том же бюджете на трафик. Подробнее о рычагах и приёмах — в статье как повысить конверсию лендинга.

Чек-лист запуска теста

1. 1настроены аналитика и цели, данные собираются корректно;
2. 2гипотеза сформулирована как «проблема → изменение → результат»;
3. 3меняется одна переменная, варианты отличаются только ей;
4. 4определены нужный объём выборки и срок теста заранее;
5. 5вывод сделан по значимым данным и с учётом сегментов;
6. 6победитель внедрён, результат зафиксирован, взята следующая гипотеза.

Рост конверсии — это дисциплина маленьких шагов. Не одно гениальное решение, а десятки проверенных гипотез превращают средний лендинг в сильный.

Отдельно стоит договориться о честности с самим собой: тесты имеют смысл только тогда, когда вы готовы принять их результат, даже если он противоречит вашему вкусу. Смысл подхода на данных в том и состоит, чтобы решения принимала аудитория своими действиями, а не самый громкий человек в переговорной. Как только вы начинаете подгонять тесты под желаемый вывод, вся система перестаёт работать.

И не гонитесь за мгновенным прорывом. Кратный рост конверсии почти никогда не случается от одного изменения — он складывается из десятков небольших улучшений, накопленных за месяцы дисциплинированной работы. Зато такой рост устойчив, потому что опирается на проверенные факты о вашей аудитории, а не на удачу.

Начните с простого: установите цели в Метрике, посмотрите десять записей вебвизора и сформулируйте первую гипотезу уже сегодня. Данные почти всегда подсказывают неожиданное — и именно там прячется ваш рост.

Частые вопросы

Что такое A/B-тест лендинга?

Это сравнение двух вариантов страницы на реальном трафике: часть видит вариант A, часть — B, а вы сравниваете конверсию.

Какие инструменты аналитики нужны для лендинга?

Как минимум Яндекс Метрика с настроенными целями, а также вебвизор и карты кликов и скроллинга, чтобы понимать поведение.

Как повысить конверсию, если трафика мало?

Опирайтесь на качественные данные (вебвизор, опросы) и вносите крупные очевидные улучшения, а строгие A/B-тесты подключайте по мере роста трафика.