Abandono de carrito: las preguntas que tenés que hacerte (y cómo responderlas con Mixpanel)
Tu tasa de abandono es del 50%. ¿Y ahora qué? Una guía práctica para usar funnels en Mixpanel y entender por qué los usuarios dejan el carrito tirado.
Más del 50% de los carritos en e-commerce terminan abandonados. Es uno de esos números que todo el mundo conoce y casi nadie sabe qué hacer con él. La pregunta no es por qué pasa —pasa siempre—, sino qué información podés sacar de tu propia data para reducirlo.
En esta serie vamos a ver reportes concretos en Mixpanel que convierten "tengo abandono alto" en hipótesis accionables. Empezamos por lo básico: definir la métrica bien, y hacerle a la data las preguntas correctas.
Definiendo la métrica Cart Abandonment Rate
Definamos primero la métrica Cart Abandonment Rate como la tasa de usuarios que agregan un producto al carrito y luego finalizan la sesión sin completar una compra. Tiene sentido, ¿no?
Para crear esta métrica en Mixpanel creamos un reporte nuevo de Funnels y seleccionamos:
- Evento A: Add to Cart.
- Evento B: Session End.
- Conversion Criteria: within 1 session.
- Luego vamos a Advanced Conversion Criteria y seleccionamos Exclude users who did, en nuestro caso el evento Complete Purchase.
- Guardamos este Funnel para usarlo después.
Ok, ahora que tenemos armada la métrica nos empezamos a hacer algunas preguntas e intentar responderlas con datos:
i. ¿Cuál es la tasa de abandono de carrito? ¿Su tendencia mejoró en el tiempo?
Seleccionando el Funnel ya guardado, elegimos vista de Line para ver la tendencia de esta métrica en el tiempo.
En este ejemplo estamos viendo que la tasa de abandono varía entre 40% y 55%, pero que el día de ayer hubo un pico de 70%.
ii. ¿Hay alguna categoría cuyos items tienen peor tasa de abandono?
Duplicamos el funnel anterior, cambiamos a vista Bar y hacemos un breakdown por el parámetro del evento que contiene la información de la categoría a la que perteneció el item agregado al carrito.
En nuestro ejemplo miramos la data del día de ayer (para intentar descifrar por qué tuvimos ese pico de 70%) y vemos que todas las categorías parecen tener una tasa de abandono similar (aprox 70%), con excepción de la categoría "Construction Materials" que tiene una tasa menor.
La siguiente pregunta para cualquier amante de la estadística (?) sería entender si el tamaño de cada uno de estos segmentos llega a ser estadísticamente significante. Si cambiamos la vista a Funnel Steps y vemos la tabla de abajo podremos ver métricas adicionales: # usuarios que realizaron Add to Cart de cada categoría, cuántos de ellos finalizaron la sesión sin comprar en el medio, esta tasa y el tiempo promedio en hacerlo. También vemos la significancia estadística: compara el p-value de variación de tasa de conversión de cada grupo vs la conversión total. En este caso, al ser menor a 0.95, no nos asegura que las conclusiones a las que lleguemos sean significantes.
iii. ¿El precio del item afecta la tasa de abandono?
Similar al análisis anterior, tomamos el mismo funnel pero esta vez en lugar de hacer un breakdown por categoría lo hacemos por precio del item.
Podemos ajustar los buckets de precio si queremos ver rangos distintos.
En este ejemplo, parece que la tasa de abandono es similar en cada rango de precio. Siguiendo el análisis anterior, podemos ver el gráfico en Funnel Steps para conocer tamaño de segmentos, tiempo de conversión y relevancia estadística.
iv. ¿Agregar más productos al carrito afecta la tasa de abandono?
Para responder esta pregunta con datos vamos a tomar el mismo funnel y hacer un breakdown por Frequency per User del mismo evento Add to Cart.
Esto nos va a permitir visualizar la tasa de conversión a Session End (sin realizar una compra en el medio) según cuántas veces el mismo usuario agregó productos al carrito entre estos dos pasos.
En este ejemplo, vemos que si el usuario no agrega ningún otro producto la tasa de abandono es mayor. Y a medida que agrega más productos, la probabilidad de abandono decrece. Por lo tanto, pareciera que sería bueno priorizar iniciativas que permitan a los usuarios agregar más items al carrito —por ejemplo, recomendar items en el checkout.
v. Otras preguntas
Estos fueron solo algunos ejemplos de preguntas y respuestas que pudimos obtener con Mixpanel, pero podrían ser muchas más. Algunos ejemplos adicionales que podríamos responder:
Si los usuarios agregan productos desde distintas fuentes de nuestro e-commerce (home, product view, producto recomendado, checkout…), ¿cambia la tasa de abandono? ¿A mayor duración de sesión, empeora la tasa de abandono? ¿Productos con peor rating tienen peor tasa de abandono? ¿Usuarios provenientes de ciertas fuentes de adquisición tienen peor tasa de abandono?
Cierre
Eso es todo por hoy. Espero que les sirva como inspiración de preguntas que pueden buscar responder con data para mejorar su tasa de abandono de carrito.
En Bildung ayudamos a equipos de Producto y Marketing de LatAm a tomar mejores decisiones basadas en data. Si querés hablar sobre tus desafíos y cómo te podemos ayudar, contactanos.