Когда в онлайн-школе падают платежи, первое желание — искать проблему на странице оплаты. Но часто причина лежит раньше: человек не дошёл до корзины, потому что не понял ценность на вебинаре, не получил письмо с напоминанием или просто не увидел кнопку записи. Чтобы найти настоящую точку сбоя, нужно разложить путь ученика на этапы и посмотреть, где конверсия просела сильнее обычного. Это называется аналитикой воронки продаж — способом понять, на каком шаге теряется аудитория и что с этим делать.
Какие этапы воронки нужно определить?
Воронка — это последовательность действий, через которые проходит человек от первого касания до покупки. В онлайн-школе типичный путь выглядит так: увидел рекламу, оставил заявку, получил доступ к бесплатному уроку или вебинару, посмотрел его, записался на платный курс, оплатил. Каждый из этих шагов можно измерить, и на каждом человек может остановиться.
Практика показывает, что достаточно выделить четыре–шесть этапов, в зависимости от модели школы. Первый — привлечение: сколько людей увидели рекламу или перешли по ссылке. Второй — лид: человек оставил контакт, зарегистрировался на бесплатное мероприятие или скачал материал. Третий — вовлечение: открыл письмо, зашёл в личный кабинет, посмотрел запись или появился на живом занятии. Четвёртый — намерение: добавил курс в корзину, начал заполнять форму заказа или запросил консультацию менеджера. Пятый — оплата. Если у школы есть рассрочка или отложенный старт, можно добавить шестой этап — фактическое начало обучения.
Чем точнее сформулировано действие на каждом этапе, тем проще понять, где именно человек передумал. Размытая формулировка вроде «проявил интерес» не даёт опоры для проверки, а конкретное «открыл первое письмо курса» или «досмотрел вебинар до блока с ценами» — даёт. Этапы должны идти строго по порядку: нельзя оплатить, не добавив в корзину, и нельзя добавить в корзину, не узнав о курсе.
Если воронка длинная, не обязательно отслеживать каждый клик. Достаточно выбрать ключевые точки, в которых человек делает осознанный выбор: оставить контакт, потратить время на просмотр, внести данные карты. Промежуточные технические шаги вроде загрузки страницы или перехода между разделами сайта обычно не дают самостоятельной ценности для анализа.
Какие метрики уместны на каждом этапе?
Для каждого этапа имеет смысл отслеживать три показателя: абсолютное количество людей, которые до него дошли, конверсию из предыдущего этапа и долю от самого начала воронки. Абсолютное число показывает масштаб: если на вебинар записалось 50 человек, а на оплату дошло трое, это одна ситуация, если записалось 500, а оплатило 30 — совсем другая. Конверсия между этапами помогает понять, насколько хорошо работает конкретный переход. А доля от старта воронки показывает, сколько от изначальной аудитории в итоге превращается в клиентов.
Например, на этап лида пришло 200 человек. Из них 80 открыли первое письмо — конверсия лид-вовлечение 40%. Из этих 80 человек 30 досмотрели вебинар до конца — конверсия вовлечение-намерение 37,5%. Из 30 человек 10 добавили курс в корзину — конверсия намерение-корзина 33%. Из 10 человек 7 оплатили — конверсия корзина-оплата 70%. Итоговая конверсия от лида до оплаты — 3,5%.
Если оплат стало меньше, стоит сравнить конверсии текущего периода с предыдущим. Падение общей конверсии само по себе мало что говорит, потому что непонятно, какой именно переход сломался. Зато если конверсия лид-вовлечение упала с 40% до 25%, а остальные этапы остались на месте, причину стоит искать в письмах, доступе к материалам или самом первом касании после регистрации.
Ещё один полезный показатель — время между этапами. Если раньше человек оплачивал в течение двух дней после вебинара, а теперь проходит неделя, возможно, изменилось предложение, пропала срочность или менеджер стал медленнее обрабатывать заявки. Этот параметр не всегда легко измерить автоматически, но если в CRM или учебной платформе фиксируются даты действий, его стоит добавить в регулярный отчёт.
Не нужно вводить десятки метрик на каждом шаге. Три–четыре ключевых показателя дают достаточно информации, чтобы понять, где сейчас узкое место, и не заставляют каждый раз разбираться в громоздкой таблице. Когда данные разбросаны по нескольким системам, их можно объединить через сквозную аналитику, чтобы видеть всю картину в одном интерфейсе.
Как сравнить период с сопоставимой базой?
Самая частая ошибка — сравнивать эту неделю с прошлой без учёта контекста. Если на прошлой неделе был запуск нового потока, а на этой — нет, падение числа заявок естественно. Если месяц назад школа запустила большую рекламную кампанию, а сейчас бюджет снижен, ждать тех же цифр бессмысленно. Чтобы понять, действительно ли что-то пошло не так, нужно сравнивать похожие условия.
Обычно выбирается один из трёх подходов. Первый — сравнение с аналогичным периодом: эта неделя октября с той же неделей сентября, или этот запуск с предыдущим запуском той же программы. Второй — скользящее среднее: текущая неделя сравнивается со средним значением за последние четыре недели. Третий — контрольная группа: часть аудитории видит новое письмо или страницу, часть — старое, и сравниваются результаты внутри одного периода.
Если в школе регулярные потоки, удобнее всего сравнивать запуск с запуском. Тогда видно, изменилась ли конверсия на одинаковых условиях: та же программа, похожий объём трафика, те же рекламные креативы. Если запусков нет, а продажи идут постоянно, подойдёт скользящее среднее или сравнение недель с одинаковым днём старта, чтобы учесть влияние выходных.
Важно помнить про сезонность и внешние события. В онлайн-образовании спрос обычно растёт в январе и сентябре, падает в новогодние праздники и летом. Если сравниваешь июльскую неделю с мартовской, разница в конверсии может объясняться не качеством воронки, а тем, что люди сейчас просто меньше готовы учиться. То же самое с крупными событиями: выборы, экономические новости, изменения в законодательстве могут на время сдвинуть поведение аудитории.
Когда база для сравнения выбрана, её стоит зафиксировать в отчёте. Это помогает не переобъяснять каждый раз, почему цифры такие, и быстрее переходить к проверке гипотез. Если настроена автоматизация отчётности, можно задать правило сравнения один раз, и система сама будет подставлять нужный период.
Почему падение оплаты не всегда начинается на оплате?
Когда оплат стало меньше, естественно начать проверять платёжную форму: работает ли она, не изменились ли комиссии, видна ли кнопка на мобильном. Но если конверсия корзина-оплата осталась на уровне 70%, как в примере выше, дело не в форме. Проблема в том, что до корзины стало доходить меньше людей.
Тогда стоит вернуться на шаг назад и посмотреть, что изменилось на этапе намерения. Может быть, новый менеджер медленнее отвечает на вопросы, и человек уходит, не дождавшись. Может быть, изменилось письмо с предложением, и оно стало менее убедительным. Может быть, на странице курса пропала важная информация о программе или отзывах. Если конверсия намерение-корзина упала, причина здесь. Если и этот переход в норме, нужно проверить ещё более ранний этап — вовлечение.
Часто проблема обнаруживается на самом начале. Если конверсия лид-вовлечение упала, человек просто не получил то, что ожидал после регистрации. Письмо с доступом попало в спам, ссылка на вебинар не работает, личный кабинет не открывается с телефона. Эти технические сбои не видны в платёжной статистике, но убивают всю воронку, потому что человек не доходит даже до знакомства с продуктом.
Иногда конверсия падает сразу на нескольких этапах. Это может означать, что изменилось качество трафика: пришли люди, которым курс в принципе не подходит. Например, школа показала рекламу более широкой аудитории, и часть новых лидов просто не заинтересована в теме. Тогда абсолютное число заявок растёт, а конверсия в оплату падает на всех шагах одновременно. В таком случае проблема не в воронке, а в таргетинге, и чинить нужно настройки рекламы, а не письма или страницы.
Чтобы не гадать, полезно вести таблицу с конверсиями по каждому переходу за последние несколько периодов. Когда видно отклонение больше 10–15%, можно начать проверять гипотезы, начиная с того этапа, где просадка максимальная. Это экономит время и позволяет не перебирать все элементы воронки подряд. Если воронка охватывает несколько рекламных каналов, удобно собрать их в одном месте через аналитику рекламных воронок.
Как оформить проверку гипотезы?
Когда этап с проблемой найден, нужно сформулировать предположение о причине и способ его проверить. Гипотеза должна быть конкретной: не «письма работают плохо», а «письмо с напоминанием о вебинаре не доходит, потому что его блокирует почтовый фильтр». Способ проверки тоже должен быть однозначным: отправить тестовое письмо на несколько адресов в разных почтовых системах и посмотреть, куда оно попадает.
Полезно записывать гипотезу, ожидаемый результат проверки и фактический результат. Например: гипотеза — письмо попадает в спам у Gmail. Ожидание — если отправить тестовое письмо на три Gmail-адреса, хотя бы одно окажется в папке «Спам». Факт — два письма попали в спам, одно в «Промоакции». Гипотеза подтвердилась, нужно менять тему письма или настройки отправки.
Если гипотеза не подтвердилась, формулируется следующая. Например, письмо доходит, но его не открывают. Тогда проверяется тема: возможно, она стала менее понятной после последнего изменения. Можно взять две версии темы, отправить каждую половине новых лидов и сравнить open rate через два дня. Если разница больше 5 процентных пунктов, стоит поменять тему для всех.
Проверка не всегда требует A/B-теста. Иногда достаточно посмотреть логи системы, спросить у менеджера, что изменилось в его работе, или просто пройти воронку самостоятельно и найти техническую ошибку. Главное — не строить предположения в воздухе, а каждый раз проверять их на реальных данных или действиях.
Когда причина найдена и исправлена, стоит подождать один полный цикл воронки и снова сравнить конверсии. Если показатель вернулся на прежний уровень, гипотеза была верной. Если нет — нужно искать другую причину. Для онлайн-школ с еженедельными запусками цикл — это неделя, для школ с ежемесячными потоками — месяц. Не стоит делать выводы раньше, потому что случайные колебания могут создать ложное впечатление улучшения.
Удобно вести таблицу проверенных гипотез: дата, этап воронки, предположение, способ проверки, результат, действие. Это помогает не проверять одно и то же дважды и быстрее находить паттерны. Например, если три раза подряд проблема была в письмах, в следующий раз стоит начать проверку именно с них.
Если у тебя уже есть учебная платформа, CRM или таблица с данными о лидах и оплатах, попробуй выписать четыре–пять ключевых этапов пути ученика и посчитать конверсию между ними за последний месяц. Сравни с предыдущим месяцем и найди переход, где разница больше всего. Часто этого достаточно, чтобы понять, с чего начать проверку.