- Az összesített kosárelhagyási arány trendjelzésnek jó, döntéshez viszont kevés: a lépésenkénti kiesés a használható szám.
- Minden pénztárlépésre külön eseményt vegyél fel, és mindegyiket bontsd eszköz, forgalmi forrás és új-visszatérő vásárló szerint.
- A számok megmutatják, hol esik ki a vásárló, a kilépéskérdés és a képernyőfelvétel azt, hogy miért.
- A leggyakoribb kiesési okok technikailag olcsón javíthatók: váratlan szállítási költség, kötelező regisztráció, kevés fizetési mód, lassú betöltés.
- Mielőtt a folyamatot javítanád, ellenőrizd magát a mérést: hibás vagy duplikált esemény látszólagos szűkületet gyárt.
A legtöbb webshop-tulajdonos tudja, hogy a kosárba tett termékek nagy része soha nem lesz megrendelés. Azt viszont már jóval kevesebben tudják megmondani, hogy pontosan melyik képernyőn, melyik mezőnél, milyen eszközön veszítik el a vásárlót. Pedig a kettő között óriási a különbség: az elsőből legfeljebb szorongás lesz, a másodikból teendő. Ez a cikk arról szól, hogyan építs olyan mérést, amiből tényleg kiderül, hol szivárog el a bevétel, és milyen kvalitatív módszerekkel egészítsd ki, hogy az okot is megértsd.
Miért félrevezető önmagában a kosárelhagyási arány?
Mert egyetlen számba présel bele több tucat egymástól független viselkedést, és ezzel pont azt az információt semmisíti meg, ami alapján dönteni lehetne. Saját tapasztalat: amikor egy webshopnál csak ezt az egy mutatót nézik, a beszélgetés szinte mindig ott köt ki, hogy „biztos drágák vagyunk”, holott a lépésenkénti bontás utána kiderít valami sokkal prózaibbat, például hogy mobilon a szállítási mód választó nem görgethető végig.
Tovább a témában: Ügynökség, szabadúszó vagy saját ember · Konverzióoptimalizálás (CRO)
Gondolj bele, ki mindenki kerül bele ebbe az egy számba. Van, aki csak megnézte, mennyi lenne a fizetendő végösszeg szállítással együtt. Van, aki a kosarat kívánságlistaként használja, és két hét múlva tér vissza. Van, aki három eszközön böngészi ugyanazt a terméket, és a negyediken vásárol. És van, aki tényleg elakadt, mert a bankkártyás fizetés hibára futott. Ez a négy ember teljesen mást csinált, mégis mind ugyanabba a rubrikába esik.
Hivatalosan igazolt: a Baymard Institute évek óta futó összesítése szerint a kosárelhagyás iparági átlaga 70 százalék körül mozog, és az általuk publikált okok között a nem várt többletköltség, a kötelező fiókregisztráció és a bonyolult pénztárfolyamat rendre az élmezőnyben van. Ebből viszont csak annyi következik, hogy a te 72 százalékod önmagában sem nem jó, sem nem rossz hír. A saját folyamatod lépésenkénti kiesése az, ami rólad szól.
Hogyan állítsd be a lépésenkénti mérést a kosárban és a pénztárban?
Úgy, hogy a vásárlói út minden érdemi állomásához külön esemény tartozzon, és minden eseményhez ugyanaz az azonosító, amivel a lépések egy sorba fűzhetők. A cél egy olyan tölcsér, ahol két szomszédos lépés között a különbség egyértelműen értelmezhető.
Milyen eseményeket érdemes felvenni?
Hivatalosan igazolt: a Google Analytics 4 e-kereskedelmi dokumentációja készen ad egy ajánlott eseménykészletet, amire érdemes ráépülni ahelyett, hogy sajátot találnál ki. A minimum, amivel dolgozni lehet:
view_itemésadd_to_cart: megvan a szándék elejeview_cart: a vásárló ténylegesen megnyitotta a kosaratbegin_checkout: belépett a pénztárbaadd_shipping_info: kiválasztotta a szállítási módot, itt látja meg először a teljes fizetendő összegetadd_payment_info: kiválasztotta a fizetési módotpurchase: sikeres megrendelés
Ez a hat lépés a váz. Ha a pénztárad ennél több képernyőből áll, vagy van benne kupon-mező, számlázási adat és futárpont-választó, akkor mindegyikre tegyél saját eseményt, mert épp ezekben szoktak elbújni a szűkületek. Vegyél fel emellett két kiegészítő eseményt is, amit a legtöbben kihagynak: egy form_error típusút a validációs hibaüzenetekre (mezőnévvel), és egy payment_failed típusút a fizetési szolgáltatótól visszakapott sikertelen tranzakciókra. Saját tapasztalat: a lépésenkénti tölcsér gyakran csak annyit mutat, hogy „itt sokan kiesnek”, a mezőszintű hibaesemény viszont egyből megmondja, hogy az irányítószám mezőt utasítja vissza a rendszer szóköz miatt.
Hogyan néz ki ez a gyakorlatban?
Ha Tag Managert használsz, a legstabilabb megoldás, ha a webshop maga tolja a dataLayer-be a lépéseket, nem pedig kattintás-figyelővel próbálod kitalálni őket. Egy lépés-esemény nagyjából így néz ki:
dataLayer.push({event: 'checkout_step', step: 3, step_name: 'szallitas', checkout_id: 'c-9f21', device: 'mobile', logged_in: false, items_count: 2});
Hibaeseménynél pedig ez a hasznos forma:
dataLayer.push({event: 'form_error', step_name: 'szallitas', field: 'iranyitoszam', message: 'ervenytelen_formatum'});
A checkout_id azért fontos, mert ezzel tudod egy folyamathoz kötni a lépéseket akkor is, ha a vásárló közben visszalép vagy újratölt. A logged_in és a device pedig azért, mert szinte minden érdemi felismerés ezekből a bontásokból jön ki, nem az összesített számból.
Hogyan olvasd ki a szűkületet az adatokból?
Ne a végeredményt nézd, hanem a szomszédos lépések közti átmenetet, és mindig azt keresd, hol tér el a saját folyamatod önmagától. A gyakorlati menet a következő.
- Írd fel minden lépéspárra az átmeneti arányt, tehát hogy az előző lépést elérők hány százaléka jut el a következőre. Ez a hat szám a tölcsér gerince.
- Keresd meg azt az egy átmenetet, ahol a legnagyobb az abszolút veszteség. Nem a legrosszabb százalékot, hanem a legtöbb elveszített embert, mert ott van a legnagyobb javítási potenciál.
- Bontsd szét ugyanezt a hat számot eszköz szerint. Saját tapasztalat: a mobil és asztali eltérés a leggyakoribb rejtett magyarázat, és sokszor egyetlen lépésre koncentrálódik.
- Bontsd szét új és visszatérő vásárló szerint. Ha az újaknál sokkal rosszabb egy adott lépés, ott jó eséllyel bizalmi vagy regisztrációs akadály van.
- Bontsd szét forgalmi forrás szerint. Az azonnali hirdetési kattintásból érkező látogató máshogy viselkedik, mint aki hírlevélből tér vissza, és ha ezt összemosod, egymást oltják ki a jelek.
- Nézd meg a lépésenkénti eltöltött időt is. Egy szokatlanul hosszú átlagos idő egy lépésen általában nem elmélyült mérlegelés, hanem küszködés.
Egy konkrét példa arra, hogyan válik ez teendővé. Tegyük fel, hogy a begin_checkout és az add_shipping_info között 100-ból 62 ember jut tovább, ami elsőre nem vészes. Ha viszont mobilon ez 41, asztalon 84, akkor nincs is „általános” problémád, hanem egy mobil megjelenítési problémád van egyetlen képernyőn. Innen már a felvétel megmondja, hogy a szállítási módok listája alatt lévő Tovább gomb a billentyűzet felnyílásakor takarásba kerül. Ez egy fél napos fejlesztés, nem stratégiai kérdés.
Mit tesznek hozzá a kvalitatív módszerek, amit a számok nem mutatnak meg?
A számok megmondják, hol esik ki a vásárló, az okot viszont csak akkor tudod meg, ha valamilyen formában megkérdezed vagy megnézed. Három forrást érdemes párhuzamosan használni.
Kilépéskérdés. Egy darab kérdés, ami akkor jelenik meg, amikor a látogató a pénztárból távozni készül, vagy hosszú ideje nem lép tovább. Ne legyen több egy kérdésnél, és ne legyen kötelező. A leghasznosabb megfogalmazás nem az, hogy „miért nem vásárolsz”, hanem hogy „mi hiányzott ahhoz, hogy most befejezd a rendelést”. Az első védekezésre készteti az embert, a második konkrétumot hív elő. Az első pár tucat válasz általában már mintázatot ad.
Munkamenet-felvételek és hőtérképek. Ne mindet nézd végig, az időpazarlás. Szűrj arra a szegmensre, amit a tölcsér kijelölt: mobil, új látogató, aki elérte a szállítási lépést, de nem jutott tovább. Tíz-tizenöt ilyen felvétel általában elég ahhoz, hogy ugyanaz a mozdulat háromszor visszaköszönjön. Figyelj a dühös kattintásra (ugyanaz a gomb többször gyors egymásutánban) és az oda-vissza görgetésre, mert ezek a bizonytalanság jelei. Fontos: a felvételi eszközök beállításánál gondoskodj róla, hogy a személyes és fizetési adatokat tartalmazó mezők maszkolva legyenek, ez adatvédelmi minimum.
Ügyfélszolgálati visszajelzés. Ez a legolcsóbb és a leginkább kihasználatlan forrás. Ami emailben és telefonon befut, az a jéghegy csúcsa: minden egyes megkérdezett vásárló mögött sokan vannak, akik ugyanabba futottak bele, csak nem írtak, hanem elmentek. Szakmai feltételezés: a tapasztalatom szerint az ügyfélszolgálatra érkező pénztárral kapcsolatos kérdések aránya jó előrejelzője annak, hol lesz szűkület a tölcsérben, még mielőtt az adat statisztikailag megbízhatóvá válna. Ezt nem tudom számmal alátámasztani, de a döntés irányát érdemes rá alapozni. Gyakorlati lépés: vezess egy egyszerű táblázatot, amiben minden pénztárral kapcsolatos megkeresést besorolsz kategóriába (szállítás, fizetés, számlázás, hibaüzenet), és havonta nézd meg a sorrendet.
Melyek a pénztárfolyamat leggyakoribb kiesési pontjai?
Az alábbi ellenőrzőlistát végig lehet menni egy óra alatt, saját telefonnal, valódi vásárlásig. Amit itt találsz, azt általában a mérés is visszaigazolja.
- Váratlan szállítási költség. Ha a vásárló csak az utolsó lépésben látja meg a teljes fizetendő összeget, akkor becsapva érzi magát, még akkor is, ha a szállítás összege teljesen normális. Tedd ki a terméklapra és a kosárba is a várható szállítási feltételeket, és mutasd meg, mennyi hiányzik az ingyenes szállítási küszöbig.
- Kötelező regisztráció. Ha nincs vendégként vásárlás, egy egész szegmenst zársz ki. A fiók létrehozását ajánld fel a sikeres rendelés után, egyetlen jelszó megadásával.
- Kevés fizetési mód. Ha csak előre utalás és utánvét van, sok vásárló kiesik. Nézd meg a saját
payment_failedeseményeidet is: a sikertelen bankkártyás tranzakciók aránya legalább annyira fontos, mint a választék. - Lassú betöltés a pénztárban. Hivatalosan igazolt: a Google Core Web Vitals mérőszámai (LCP, INP, CLS) nyilvános küszöbértékekkel dolgoznak, és ezek mérése a pénztároldalakon is ugyanúgy elvégezhető. Egy lassan reagáló Tovább gomb ugyanolyan kiesési ok, mint egy hiányzó fizetési mód.
- Túl sok mező. Kérdezd meg magadtól minden mezőnél, hogy a rendelés teljesítéséhez tényleg kell-e. Az adószám, a cégnév és a másodlagos telefonszám legyen opcionális vagy feltételes.
- Rossz mobilos űrlapkezelés. Nem megfelelő billentyűzettípus, automatikus kitöltés hiánya, takarásba kerülő gomb, kicsi érintési felület.
- Kuponmező, ami elviszi a figyelmet. Egy feltűnő kuponmező azt üzeni, hogy létezik kedvezmény, amit épp nem kapsz meg, és a vásárló elmegy kódot keresni. Sokan nem jönnek vissza. Rejtsd el egy diszkrét lenyíló mögé.
- Bizalmi hiányosság. Nem látszik a visszaküldési feltétel, a szállítási határidő, az elérhetőség vagy a cégadat. Ez az új látogatóknál kimutatható különbséget okoz.
- Hibaüzenetek, amik nem mondják meg, mit kell tenni. Az „érvénytelen adat” önmagában használhatatlan. A mező mellett, konkrétan, magyarul kell megjelennie.
- Kényszerített hírlevél-feliratkozás vagy zavaró felugró ablak a pénztárfolyamat közben.
Milyen hibák rontják el magát a mérést?
Mielőtt bármit átterveznél, ellenőrizd, hogy amit látsz, az valóság-e. Saját tapasztalat: a látszólagos szűkületek jelentős része mérési hiba, és a folyamat átépítése ilyenkor nemcsak felesleges, hanem árt is. Amit érdemes végignézni: duplikált eseménykiváltás (ugyanaz az esemény kétszer fut, így a következő lépés aránytalanul jónak vagy rossznak tűnik), a hozzájárulás-kezelő hatása (a sütikezelést elutasító látogatók egyes lépései hiányoznak, mások nem), a köztes átirányítás a fizetési szolgáltatóhoz és vissza (ha a visszatérés új munkamenetnek számít, a purchase más forráshoz kerül), a botforgalom, és a hiányzó eseménykiváltás egyes böngészőkben vagy a kosár aszinkron frissítésekor. Nyers ellenőrzés: vásárolj végig a saját boltodban, és nézd meg valós idejű nézetben, hogy pontosan hat esemény keletkezett-e, egyszer.
Hogyan lesz a mérésből tényleges javítás?
Úgy, hogy egyszerre egy dolgot változtatsz, és előre leírod, mit vársz tőle. Rangsorold a talált problémákat két szempont szerint: hány embert érint (ezt a tölcsérből tudod), és mennyi munka megoldani. Ami sok embert érint és kevés munka, azt csináld meg azonnal, nem kell hozzá teszt. Ami sok embert érint, de nagy átalakítás, arra érdemes A/B tesztet futtatni, ha a forgalmad elbírja. Szakmai feltételezés: a legtöbb kisebb magyar webshopnál nincs elég vásárlás ahhoz, hogy egy A/B teszt ésszerű időn belül megbízható eredményt adjon, ezért ott a felvétel plusz kilépéskérdés plusz előtte-utána összehasonlítás gyakorlatiasabb út, még ha módszertanilag gyengébb is. Ez a helyzet megítélése, nem mért tény.
Fontos elvárás-kezelés: a lépésenkénti mérés nem garancia semmire, és a folyamatjavítás sem hoz automatikusan több megrendelést. Amit ad, az az, hogy a döntéseid mérhető megfigyelésen alapulnak, nem megérzésen, és a hatásukat utólag vissza tudod ellenőrizni ugyanazon a tölcséren. Ez hosszú távon jó eséllyel többet ér, mint bármelyik egyszeri ötlet.
Források és további olvasnivalók
- Google Analytics 4 Help: Measure ecommerce (ajánlott e-kereskedelmi események)
- Google Tag Manager dokumentáció: dataLayer és egyedi események
- Google Search Central: Core Web Vitals és oldalélmény dokumentáció
- web.dev: LCP, INP és CLS mérőszámok küszöbértékei
- Baymard Institute: Cart Abandonment Rate Statistics és Checkout Usability kutatások
- Schema.org: Product, Offer és AggregateOffer típusok
- W3C: Web Content Accessibility Guidelines (WCAG), űrlapok és hibaüzenetek
- Nemzeti Adatvédelmi és Információszabadság Hatóság: tájékoztatók a sütikezelésről és a hozzájárulásról
Gyakori kérdések
Mekkora kosárelhagyási arány számít jónak?
Erre nincs használható általános válasz. A Baymard Institute összesítése szerint az iparági átlag 70 százalék körül van, de ez a szám annyira függ a termékkörtől, a kosárérték nagyságától és attól, hogy a látogatóid mennyire vannak vásárlásra készen, hogy önmagában nem alkalmas összehasonlításra. Sokkal többet mond, ha a saját lépésenkénti átmeneti arányaidat követed havonta, és a saját korábbi értékeidhez méred.
Melyik pénztárlépést érdemes először megvizsgálni?
Azt, ahol a legtöbb ember veszik el abszolút számban, nem azt, ahol a legrosszabb a százalék. Egy ritkán elért lépés 20 százalékos átmenete kevesebb elveszített vásárlót jelent, mint egy sokak által elért lépés 70 százalékos átmenete. A gyakorlatban ez nagyon sokszor a pénztárba lépés és a szállítási mód megadása közötti átmenet, mert itt látja meg a vásárló először a teljes fizetendő összeget.
Hány kilépéskérdés-válasz kell ahhoz, hogy hasznos legyen?
Nem statisztikai mintáról van szó, hanem mintázatkeresésről, ezért már néhány tucat válasz is irányt tud adni. Ha ugyanaz a panasz háromszor-négyszer visszatér ugyanabban a szegmensben, azt érdemes komolyan venni és összevetni a tölcsér adataival. Ha a válaszok teljesen szétszórtak, az inkább arra utal, hogy nincs egyetlen domináns akadály, hanem sok apró súrlódás van a folyamatban.
Kell külön mérés akkor is, ha a webshop-motor ad beépített statisztikát?
A beépített statisztika általában a megrendelésekről szól, nem a folyamat közbeni kiesésről, és többnyire nem bontható eszköz, forrás vagy új-visszatérő vásárló szerint. Ha csak ezt nézed, a legfontosabb kérdésre nem kapsz választ. Érdemes a beépített adatot meghagyni referenciának, és mellé felépíteni a saját lépés-eseményeket, majd időnként összevetni a kettő megrendelésszámát, mert az eltérés maga is mérési hibára utalhat.
Torzítja-e a sütikezelő az adatokat?
Igen, és ezzel számolni kell. A hozzájárulást elutasító látogatók egy része nem jelenik meg az eseményekben, ami azt eredményezheti, hogy egyes lépések aránytalanul hiányosak. Ez a tölcsér abszolút számait rontja, a lépések közti arányokat viszont általában kevésbé, ha a hiány egyenletesen oszlik el. Emiatt is jobb az arányok trendjét figyelni, mint az abszolút értékeket, és érdemes a szerveroldali megrendelésszámot referenciapontként használni.
Mit tegyek, ha a felvételek és a számok mást mondanak?
Ilyenkor először a mérést ellenőrizd, mert a leggyakoribb ok a duplikált vagy elmaradó eseménykiváltás. Vásárolj végig a saját boltodban, és nézd meg valós idejű nézetben, hogy pontosan annyi esemény keletkezik-e, amennyit vársz. Ha a mérés rendben van, akkor a felvétel általában a részletet mutatja, a szám pedig a nagyságrendet: a felvételből lett hipotézist érdemes visszavezetni egy szegmensre, és ott ellenőrizni, hogy tényleg sok embert érint-e.
Források és további olvasnivalók
Ezen az oldalon a hivatalosan igazolt információt elsődleges forrásokból építjük fel; a saját tapasztalatot és a szakmai becslést mindig külön jelöljük a szövegben.