Такие разборы я делаю регулярно, без причёсывания под презентацию - если интересно смотреть на процесс, а не на витрину, у меня есть разбор по этой теме здесь.

Как конверсию сайта продают на витринах

Коротко: в презентациях конверсия - это финальный процент, аккуратно подписанный под графиком роста.

Когда я готовлю материалы про свои проекты, конверсия почти всегда всплывает как результат: было столько-то, стало столько-то. Это честная цифра, но она приходит уже очищенной: тестовые заходы выкинуты, повторные визиты одного человека схлопнуты, спорные события решены в одну сторону. Читателю показывают итог замера, а не сам замер.

Что я сам обещал в презентациях

Коротко: я тоже показывал готовые цифры без черновика за ними - и в этом нет обмана, просто это другой жанр.

В кейсах у меня есть переработка оффера, после которой конверсия лендинга выросла с 65% до 79% - это реальная цифра, но в материале она стоит одной строкой, без того, как считалась воронка и что в ней путалось на старте. Такой формат нормален для кейса: там продают результат. Здесь я хочу показать саму работу с замером, ту часть, что в кейс обычно не попадает.

Как устроен мой замер на практике

Коротко: воронку я строю по цепочке событий, а не по одному числу «конверсия сайта», и каждое звено этой цепочки можно посчитать неправильно по-своему.

Для продукта с монетизацией через внутренние платные единицы воронка минимум в четыре шага: зашёл на сайт, зарегистрировался, сделал первое действие с продуктом, оплатил. Конверсия сайта в узком смысле - это только первый переход, от визита к регистрации. Но если считать только его, легко упустить, что регистрация растёт, а до оплаты никто не доходит. Поэтому я смотрю всю цепочку целиком: где именно человек уходит, а не только сколько всего ушло.

Как это устроено у меня

Коротко: на aimagenarium я строю эту воронку вокруг платформы AI-генерации изображений, где монетизация идёт через внутренние кредиты 💎, и каждый шаг завязан на то, тратит человек кредиты или нет.

Задача была не «поднять конверсию сайта» вообще, а увидеть, на каком шаге воронки продукт теряет людей - до регистрации, после регистрации, но до первой генерации, или уже после первой генерации, но до покупки новых кредитов. Это три разных проблемы, и у них разные решения: если человек не доходит до регистрации, дело в обещании на входе; если не доходит до первой генерации, дело в интерфейсе; если не возвращается за новыми кредитами, дело в самом продукте, а не в сайте.

Одно число усредняет эти три провала в один и не говорит, какой из них чинить в первую очередь. Пришлось развернуть воронку по шагам ещё до того, как считать хоть что-то. И у этой воронки есть шаг дальше, чем первая оплата: после того как человек купил кредиты один раз, следующий вопрос - вернётся ли он за новыми. Первая покупка и повторная покупка - для меня два разных события, и путать их значит не видеть, окупается продукт или просто разово платят.

Рабочая пометка, которую я не редактирую

Коротко: вот как реально выглядит рабочая заметка по итогам замера - без причёсывания, с выводами на будущее.

Так фиксируются наблюдения в решениях по проекту, когда я разбираю воронку:

Это не финальный отчёт, а рабочая пометка самому себе - в том виде, в каком она возникает в процессе, до того как из неё сделан вывод.

Если хочется свериться с более широким разбором подхода к автоматизации на своих проектах, у меня есть материал про то, как проверить, что она действительно работает самостоятельно, а не выдаёт правдоподобный отчёт: ИИ-агент работает самостоятельно: проверка на цифрах. Логика та же: не верить цифре, пока не увидел, из чего она собрана.

Если в какой-то момент захочется не разбираться в этом руками, а посмотреть на готовые примеры такой сборки - можно заглянуть в Витрину кейсов.

Где цифры разошлись с ожиданием

Коротко: первый прогон воронки показал совсем не ту картину, которую я держал в голове до замера.

До того как развернуть цепочку событий, у меня было предположение, что основная потеря - на входе, то есть в самой конверсии сайта в узком смысле: заходят, но не регистрируются. После разделения событий стало видно, что проблема лежала на другом шаге - между регистрацией и первым действием в продукте. Чинить нужно было не заголовок и не оффер на главной, а то, что человек видит сразу после входа в личный кабинет.

Ошибка в определении события

Коротко: слепленные в одно событие регистрация и первое действие с продуктом - моя собственная ошибка, а не особенность продукта.

Я обнаружил это не по красивой аналитике, а по тому, что цифры не сходились со здравым смыслом: получалось, что почти каждый зарегистрированный тут же совершает первое действие, а дальше почти никто не покупает кредиты повторно. Слишком ровно для реального поведения людей. Разбор пометок показал, что оба события фиксировались в один и тот же момент - триггер стоял не там, где нужно. Это тот класс ошибок, из-за которого воронка выглядит лучше, чем есть, и решения по ней принимаются неверные.

Тупик, который съел время

Коротко: я какое-то время пытался считать конверсию сайта единым процентом «от визита до оплаты» - и это оказался тупик.

Идея звучала красиво: один показатель, который удобно класть на слайд. На практике он не помогал принимать решения. Если этот единственный процент падает, непонятно, что чинить: сайт, форму регистрации, интерфейс продукта или ценность самих кредитов. Число менялось, а действие из него не следовало. Пришлось вернуться к разбитой на шаги воронке - дольше строить, зато по каждому шагу понятно, что именно чинить.

Черновик, который не пошёл в прод

Коротко: была версия дашборда с воронкой в реальном времени - она осталась черновиком, потому что решала не ту задачу.

Дашборд обновлялся быстро и красиво отрисовывал ступени воронки. Проблема была в другом: на ранней стадии продукта событий в день ещё немного, и живой дашборд каждый час показывал разную картину просто из-за случайных колебаний. Смотреть на него и делать выводы было рано. Нужен был недельный срез с достаточным числом наблюдений вместо мгновенного табло, и я его отложил, а не выкатил.

Зачем разбирать сырой процесс, а не готовый результат

Коротко: готовый процент конверсии сайта ничего не говорит о том, где именно продукт теряет людей - а разбор шагов говорит.

Когда я готовил материалы о моделях генерации изображений перед тем, как включать их в свои продукты, я разбирал похожий вопрос: проверять модель на своей задаче, а не доверять обещанию из релиза. Тот же принцип разбирал в статье ChatGPT Images 2.5: как я проверяю модель перед внедрением. С конверсией сайта работает то же правило: чужая цифра из презентации не заменяет собственный замер на своей воронке.

Как повторить такое у себя

Коротко: собрать такую воронку можно самому, часть шагов - руками и без кода, часть требует сборки.

Порядок, который я использую:

  1. выписать все шаги пути клиента от визита до повторной оплаты - можно сделать самому, ручкой на бумаге, без инструментов;
  2. для каждого шага дать одно чёткое событие с одним триггером - здесь чаще всего и рождается ошибка, похожая на мою со слепленными шагами;
  3. развести тестовые и рабочие заходы фильтром - без этого числа в начале воронки завышены;
  4. брать недельный или более длинный срез, а не смотреть на живое табло - особенно если событий в день ещё немного;
  5. смотреть на процент перехода между каждой соседней парой шагов, включая переход от первой оплаты к повторной - там видно, где реально теряют людей.

Первые три пункта делаются вручную и без специальных инструментов. Четвёртый и пятый требуют, чтобы события действительно писались в одно место и разбирались автоматически - это уже вопрос сборки: своя аналитика, скрипт или отдельный сервис под задачу.

Что я делаю дальше с этим замером

Коротко: воронка не заканчивается замером - следующий шаг всегда конкретный: чинить найденный провал, а не пересчитывать всё заново.

После того как нашёлся провал между регистрацией и первым действием в продукте, следующая задача касается конкретного экрана после входа, а не конверсии сайта вообще. Это уже другая работа, и она выходит за рамки этой статьи - но стала возможна только потому, что воронку разобрали по шагам, а не оставили одной цифрой.

Если у вас похожая задача - разобрать, где на самом деле теряется конверсия сайта, а не просто пересчитать итоговый процент, - могу собрать такую же воронку под ваш продукт. Напишите в личку кодовое слово разбор - так я сразу увижу, что запрос пришёл из этой статьи, и отвечу по существу задачи.