Abandono de carrinho: as perguntas que você precisa fazer (e como respondê-las com o Mixpanel)
Sua taxa de abandono é de 50%. E agora? Um guia prático para usar funis no Mixpanel e entender por que os usuários deixam o carrinho para trás.
Mais de 50% dos carrinhos no e-commerce acabam abandonados. É um daqueles números que todo mundo conhece e quase ninguém sabe o que fazer com ele. A pergunta não é por que isso acontece —acontece sempre—, mas sim que informação você pode extrair dos seus próprios dados para reduzi-lo.
Nesta série vamos ver relatórios concretos no Mixpanel que transformam "minha taxa de abandono está alta" em hipóteses acionáveis. Começamos pelo básico: definir bem a métrica e fazer as perguntas certas aos dados.
Definindo a métrica Cart Abandonment Rate
Vamos primeiro definir Cart Abandonment Rate como a taxa de usuários que adicionam um produto ao carrinho e depois encerram a sessão sem completar uma compra. Faz sentido, né?
Para criar essa métrica no Mixpanel criamos um novo relatório de Funnels e selecionamos:
Evento A: Add to Cart. Evento B: Session End. Conversion Criteria: within 1 session. Depois vamos a Advanced Conversion Criteria e selecionamos Exclude users who did, no nosso caso o evento Complete Purchase. Salvamos esse Funnel para usar depois.
Agora que temos a métrica montada, começamos a fazer algumas perguntas e tentar respondê-las com dados:
i. Qual é a taxa de abandono de carrinho? A tendência melhorou ao longo do tempo?
Selecionando o Funnel já salvo, escolhemos a visão Line para ver a tendência dessa métrica ao longo do tempo.
Neste exemplo vemos que a taxa de abandono varia entre 40% e 55%, mas que ontem houve um pico de 70%.
i. Existe alguma categoria cujos itens têm uma taxa de abandono pior?
Duplicamos o funil anterior, mudamos para a visão Bar e fazemos um breakdown pelo parâmetro do evento que contém a informação da categoria à qual pertenceu o item adicionado ao carrinho.
No nosso exemplo olhamos os dados de ontem (para tentar entender por que tivemos aquele pico de 70%) e vemos que todas as categorias parecem ter uma taxa de abandono similar (aprox. 70%), com exceção da categoria "Construction Materials" que tem uma taxa menor.
A próxima pergunta para qualquer fã de estatística (?) seria entender se o tamanho de cada um desses segmentos é estatisticamente significante. Se mudamos a visão para Funnel Steps e olhamos a tabela abaixo, podemos ver métricas adicionais: # de usuários que fizeram Add to Cart em cada categoria, quantos deles encerraram a sessão sem comprar, essa taxa e o tempo médio para fazê-lo. Também vemos a significância estatística: compara o p-value da variação da taxa de conversão de cada grupo vs a conversão total. Neste caso, por ser menor que 0,95, não nos garante que as conclusões a que cheguemos sejam significantes.
iii. O preço do item afeta a taxa de abandono?
Similar à análise anterior, pegamos o mesmo funil mas dessa vez, em vez de fazer um breakdown por categoria, fazemos por preço do item.
Podemos ajustar os buckets de preço se quisermos ver faixas diferentes.
Neste exemplo, a taxa de abandono parece similar em cada faixa de preço. Seguindo a análise anterior, podemos ver o gráfico em Funnel Steps para conhecer o tamanho dos segmentos, o tempo de conversão e a relevância estatística.
v. Adicionar mais produtos ao carrinho afeta a taxa de abandono?
Para responder essa pergunta com dados vamos pegar o mesmo funil e fazer um breakdown por Frequency per User do mesmo evento Add to Cart. Isso vai nos permitir visualizar a taxa de conversão para Session End (sem realizar uma compra no meio) de acordo com quantas vezes o mesmo usuário adicionou produtos ao carrinho entre esses dois passos.
Neste exemplo, vemos que se o usuário não adiciona nenhum outro produto, a taxa de abandono é maior. E à medida que adiciona mais produtos, a probabilidade de abandono diminui. Portanto, parece que vale a pena priorizar iniciativas que permitam aos usuários adicionar mais itens ao carrinho —por exemplo, recomendar itens no checkout.
v. Outras perguntas
Esses foram apenas alguns exemplos de perguntas e respostas que conseguimos com o Mixpanel, mas poderiam ser muitas mais. Alguns exemplos adicionais que poderíamos responder:
Se os usuários adicionam produtos a partir de diferentes fontes do nosso e-commerce (home, product view, produto recomendado, checkout…), a taxa de abandono muda? Quanto maior o tempo de sessão, pior a taxa de abandono? Produtos com rating pior têm taxa de abandono pior? Usuários provenientes de certas fontes de aquisição têm taxa de abandono pior?
Fechando
É isso por hoje. Espero que sirva como inspiração de perguntas que vocês podem buscar responder com dados para melhorar sua taxa de abandono de carrinho.
Na Bildung ajudamos times de Produto e Marketing da LatAm a tomar melhores decisões baseadas em dados. Se você quer falar sobre seus desafios e como podemos ajudar, entre em contato.