Как «Кофемания» увеличила конверсию сайта в 2,5 раза с помощью A/B-тестов

Под управлением «Кофемании» — более 40 точек в Москве и Подмосковье. Владимир Писков, технический директор по электронной коммерции «Кофемании», рассказывает, почему компания решила развивать свою доставку и чем ей помогает Varioqub — инструмент на базе облачной инфраструктуры Yandex Cloud для проведения A/B-тестирования.

Как Кофемания начала развивать электронную коммерцию

Под электронной коммерцией в ресторанной сфере мы понимаем онлайн-заказ блюд и связанные с этим сервисы: доставку или самовывоз. Около пяти лет мы работали с агрегаторами, но во время локдауна при пандемии коронавируса поняли, что поддерживать качество, которое мы предлагаем в ресторанах, сможем только с собственной службой доставки.

До 2020 года доставка готовых блюд не была популярным продуктом на рынке, особенно в премиальном сегменте, — достаточно было агрегаторов. Пандемия изменила мир и этот рынок. Тогда на телефонные линии наших ресторанов обрушился шквал звонков с просьбами привезти еду. Мы быстро создали соответствующие разделы на сайте и в старой версии приложения, а параллельно стали делать с нуля новые продукты — непосредственно под онлайн-заказы. Инфраструктуру построили единую для всех брендов «Кофемании».

Тогда мы ещё не знали, что к 2025 году доля электронной коммерции превысит 20% от выручки всей компании и продолжит расти.

За что отвечает наш сайт и как мы его дорабатываем

В 2020 году мы развернули сайт с функциями электронной коммерции на базе Yandex Cloud. До этого у нас уже был одностраничный лендинг — красивый, но не очень функциональный, поэтому мы решили собрать платформу с нуля. Создали базовую возможность онлайн-заказа и итерационно улучшали её, опираясь на опросы гостей и собственные наблюдения.

На старте проекта, когда цена ошибки была невелика, мы принимали решения о разработке функций на основе здравого смысла команды — A/B-тестирование не проводили, чтобы ускорить запуск. Но когда все очевидные фичи внедрили, начался этап спорных решений, эффективность которых можно проверить только на практике.

Мы решили усовершенствовать пользовательский опыт на основе данных и начали искать подходящее решение для тестирования гипотез и аналитики. Так как мы уже работали с продуктами Yandex Cloud, первым делом заглянули в Yandex Cloud Marketplace — каталог готовых инструментов от проверенных вендоров, которые можно подключить в пару кликов и которые уже совместимы с облачной инфраструктурой. В разделе «Аналитика» нашли Varioqub: он легко интегрировался с нашими сервисами и Яндекс Метрикой, а надёжность и отказоустойчивость платформы мы уже проверили на практике.

Сейчас с помощью сайта мы решаем несколько задач:

• Ведём рекламный и поисковый трафик и конвертируем его в установку приложения: конверсия в заказы через приложение в девять раз выше, чем через веб-версию. Сейчас 20% чеков идёт с сайта и 80% — из приложения.

• Принимаем онлайн-заказы, в том числе в качестве резервного канала, если приложение недоступно.

• Предоставляем всю необходимую информацию о каждом ресторане: как до него добраться, есть ли там летняя веранда, развлечение для детей и т. д.

• Размещаем новые продукты и функциональности.

Решать эти задачи максимально эффективно нам также помогает тестирование гипотез.

Как мы работаем с Varioqub

Мы используем этот инструмент для проведения A/B-тестов. Обычно идём по пути пользователя — от регистрации или открытия страницы до создания заказа — и смотрим, как изменение интерфейса или добавление функциональности влияет на конверсии.

За все разделы отвечает одна команда разработки — это определяет скорость внедрения изменений и глубину анализа. Мы сосредоточены на сценариях, которые дают наибольший рост эффективности.

Примеры экспериментов:

• Одна из основных задач — с первого взгляда донести до гостя, что у нас есть доставка готовых блюд. С этой целью мы постоянно проверяем визуал блока «Заказать еду» и за два года увеличили его конверсию более чем в 2,5 раза.

• Последний эксперимент показал неожиданный результат: блок без яркого цветового выделения — в том же стиле, что и кнопки второстепенных разделов, — даёт более высокую конверсию в клик и последующий заказ, чем контрастный баннер. Вероятно, срабатывает эффект так называемой баннерной слепоты.

• В воронке авторизации смотрим успешность входа, проверяем различные варианты, упрощающие путь пользователя.

• В части оплаты изучаем разные варианты экранов для создания наиболее простого и удобного пути к завершению покупки. Раньше после завершения оформления заказа, но до оплаты, показывали промежуточный экран «Ваш заказ уже готовится». Эксперимент показал, что его удаление увеличивает конверсию в оплату — пользователи охотнее завершают покупку, когда путь короче.

• Ещё одна задача — привести пользователя к установке приложения. Мы проверяем различные варианты этого пути. Полноэкранный баннер с призывом «Установите приложение» оказался весьма эффективен, хотя мы долго сомневались в его уместности по эстетическим соображениям.

• Работа с сайтом не ограничивается электронной коммерцией — мы оптимизируем путь «Показать код лояльности», улучшаем страницы ресторанов, повышаем конверсию других наших продуктов. Например, продажи тортов Cake Buro и обучающих курсов в школе шефов выросли после того, как мы протестировали разные форматы баннеров.

Инструмент внедрили только на сайт, потому что интеграция с ним проще, чем с приложением. Кроме того, он предоставляет больше возможностей для экспериментов и аналитики.

Метрики вытекают из задач, которые мы ставим. Мы смотрим на конверсии:

• в следующий шаг на каждом этапе покупки,
• в установку приложения,
• в посещение ресторана.

Одна из главных целей сейчас — сформировать в команде культуру проведения экспериментов и аналитики. Это относительно новое для нас направление, причём занимаются им не аналитики, а продакт-менеджер и продуктовый дизайнер, так что им требуется больше погружения.

Как выстроена система с технической стороны

На платформе Yandex Cloud у нас развёрнуты следующие сервисы:

• Основной сайт и инфраструктура для его разработки и тестирования — в Yandex Managed Service for Kubernetes^®.

• Инфраструктура программы лояльности. Ей управляет движок собственной разработки — также в Kubernetes^®.

• С 2025 года используем защиту сайтов и веб-приложений с помощью Yandex Smart Web Security.

Для аналитики мы применяем Яндекс Метрику (веб-версия) и AppMetrica (мобильное приложение), для A/B-экспериментов — Varioqub.

Советы по внедрению A/B-тестирования в ресторанном бизнесе

Прежде всего важно понимание: A/B-тесты — это не про то, на какую кнопку больше накликали в момент эксперимента.

Это знание необходимо закрепить в команде — вовлечь в культуру экспериментов. Каждый тест должен заканчиваться результатом, выраженным в цифре: какую метрику и насколько улучшил этот проект. А это означает, что ещё на этапе проектирования необходимо понимать, что мы будем измерять и какой результат хотим получить.

Например, дизайнер, который понимает культуру экспериментов, создаёт интерфейс не только с точки зрения эстетики, но и так, чтобы его элементы можно было независимо менять и проверять, как каждое изменение влияет на достижение цели.

В ресторанной электронной коммерции быстрый цикл принятия решения и высокая конкуренция. Если пользователь зашёл на вашу витрину и с первого взгляда не увидел желаемого (например, кнопку «Доставка»), он очень быстро уйдёт к конкурентам. Поэтому нужно постоянно проверять новые блоки интерфейсов — каждый такой эксперимент может приносить десятые доли процента увеличения конверсии, но за счёт непрерывности такой работы в итоге вы получите весьма заметный результат.