Для эффективного измерения юзабилити-барьеров в кросс-канальных пользовательских сценариях в 2026 году необходимо применять гибридные методологии, объединяющие аналитику поведения, пользовательские интервью и целенаправленные юзабилити-тесты. Такой подход позволяет не только выявить конкретные точки отказа или затруднений, но и понять их причины, что критически важно для проектирования бесшовного и интуитивно понятного опыта взаимодействия.
Что такое кросс-канальные сценарии и почему их сложно измерять
Кросс-канальный пользовательский сценарий — это последовательность взаимодействий пользователя с продуктом или услугой, которая включает переходы между различными каналами. Примером может служить покупка онлайн с выбором доставки в физический магазин, бронирование авиабилета через мобильное приложение с последующим получением посадочного талона на стойке регистрации и дальнейшим контролем статуса рейса через смарт-часы. Такие сценарии стали обыденностью, и их число постоянно растёт. Сложность измерения юзабилити в этих условиях заключается в фрагментации данных и многообразии контекстов. Пользователь может начать действие в браузере на десктопе, продолжить в мобильном приложении в дороге и завершить через голосового помощника дома. Каждый канал имеет свои особенности интерфейса, ограничения и преимущества. Это создаёт уникальные барьеры, которые часто остаются незамеченными при изолированном тестировании отдельных каналов.
Традиционные методы юзабилити-тестирования часто фокусируются на одном канале или устройстве, что не позволяет увидеть полную картину сложностей, возникающих при переключении. Барьеры в кросс-канальных сценариях могут быть связаны с потерей контекста при переходе, необходимостью повторного ввода информации, несовместимостью форматов данных или просто с различиями в логике навигации между каналами. Например, пользователь, начавший заполнять форму на сайте, может столкнуться с тем, что мобильное приложение не сохраняет черновик, или требует заново подтвердить личность. Это вызывает фрустрацию и может привести к отказу от выполнения целевого действия. Именно поэтому необходим комплексный, холистический подход к исследованию таких сценариев.
Основные методы измерения юзабилити-барьеров
Количественные методы: анализ данных
Анализ количественных данных предоставляет ценную информацию о том, где и как часто пользователи сталкиваются с трудностями. В 2026 году активно используются продвинутые системы аналитики, которые способны агрегировать данные из различных каналов. Ключевые метрики включают: коэффициент завершения кросс-канальных сценариев, время выполнения задачи, количество ошибок, показатель оттока на каждом этапе перехода между каналами. Мы смотрим не только на воронки конверсии внутри одного канала, но и на то, как пользователи переходят из одного канала в другой, и где этот переход обрывается.
- Агрегированная аналитика пользовательского пути: Сбор данных из всех точек контакта (веб-сайт, мобильное приложение, чат-боты, голосовые интерфейсы, офлайн-точки) и их объединение для построения полной картины перемещений пользователя.
- Карты кликов и тепловые карты: Визуализация мест, где пользователи испытывают затруднения или колеблются, особенно на этапах перехода между каналами.
- Анализ поведенческих паттернов: Выявление повторяющихся последовательностей действий, предшествующих отказу или замешательству пользователя.
- Индекс успешности задач (Task Success Rate) и время на задачу (Time on Task) в кросс-канальном контексте: Эти метрики, рассчитанные для всего сценария от начала до конца, показывают эффективность выполнения многоканальных задач.
Использование предиктивной аналитики на основе машинного обучения позволяет выявлять потенциальные барьеры до того, как они станут массовой проблемой. Анализ больших объёмов данных, собранных из логов систем, CRM и клиентских обращений, помогает выявить корреляции между определёнными действиями пользователей и негативным опытом, даже если это не проявляется явно в виде прямой ошибки интерфейса.
Качественные методы: понимание причин
Качественные методы позволяют глубже понять, почему пользователи сталкиваются с определёнными барьерами. Они отвечают на вопрос «почему?», который остаётся за пределами количественных данных. Интервью, юзабилити-тестирование и дневниковые исследования являются ключевыми инструментами.
- Кросс-канальное юзабилити-тестирование: Это тестирование, где участники выполняют задачи, требующие переключения между несколькими каналами. Важно наблюдать не только за действиями пользователя, но и за его вербальными комментариями, эмоциями и мимикой. Отслеживание пути пользователя в реальном времени с использованием специализированного ПО для записи экранов и взаимодействия с несколькими устройствами одновременно даёт бесценную информацию.
- Глубинные интервью: После прохождения кросс-канального сценария, пользователей опрашивают о их впечатлениях, возникавших сложностях, ожиданиях и фрустрациях. Особое внимание уделяется моментам переключения между каналами.
- Дневниковые исследования: Участники фиксируют свой опыт взаимодействия с продуктом в течение определённого периода, отмечая как успешные, так и проблемные моменты при использовании разных каналов. Это позволяет собрать данные в естественной среде, а не в лабораторных условиях.
- Эвристическая оценка: Эксперты по юзабилити оценивают каждый этап кросс-канального сценария на соответствие признанным принципам юзабилити, таким как единообразие, сохранение контекста, прозрачность статуса системы и гибкость. Это позволяет выявить потенциальные проблемы, которые могут быть неочевидны для конечного пользователя до непосредственного столкновения.
«Настоящее понимание пользовательского опыта начинается там, где заканчиваются цифры. Количественные данные показывают, ЧТО происходит; качественные методы объясняют, ПОЧЕМУ это происходит.»
— Якоб Нильсен, гуру юзабилити
Организация кросс-канального юзабилити-тестирования
Проведение кросс-канального юзабилити-тестирования требует тщательной подготовки и специфического инструментария. Во-первых, необходимо чётко определить тестируемые сценарии, которые охватывают значимые пользовательские пути, включающие переключение между каналами. Во-вторых, подобрать репрезентативную группу участников, соответствующих целевой аудитории продукта. Важно, чтобы у них был доступ к различным устройствам и каналам, которые используются в реальной жизни.
В 2026 году для проведения таких тестов активно применяются специальные платформы, которые позволяют записывать взаимодействие с несколькими устройствами одновременно, синхронизировать видеопоток с разных камер и экранов, а также фиксировать голосовые комментарии участников. Это обеспечивает полную картину поведения пользователя и позволяет детально анализировать моменты переключения и связанные с ними барьеры. Например, можно записывать экран смартфона, планшета и десктопа одновременно, чтобы увидеть, как пользователь переключается между ними, сохраняет ли он контекст, и какие сложности возникают при адаптации интерфейса.
Кейс: Изучение барьеров в кросс-канальном сценарии оформления заказа на доставку продуктов
Представим компанию X, крупный онлайн-ритейлер продуктов питания. Они заметили, что многие пользователи начинают формировать корзину на сайте, но не завершают заказ, особенно если переключаются на мобильное приложение. Было решено провести кросс-канальное юзабилити-тестирование для выявления барьеров.
Методология исследования включала следующие шаги:
- 1.Определение сценария: Пользователю предлагалось начать наполнять корзину на десктопной версии сайта, добавив 5-7 продуктов. Затем он должен был переключиться на мобильное приложение и завершить оформление заказа, выбрав способ доставки и оплатив его.
- 2.Выборка: Были отобраны 15 участников, активно использующих онлайн-доставку продуктов, с разным уровнем технической подкованности.
- 3.Инструменты: Для записи использовали специализированное ПО, фиксирующее экран десктопа и мобильного устройства одновременно, а также видеокамеру для наблюдения за мимикой и поведением участников. Инструменты аналитики фиксировали время выполнения задачи и количество кликов.
- 4.Сбор данных: Каждый участник проходил сценарий, а исследователи наблюдали и делали пометки. После прохождения сценария проводились краткие интервью для уточнения причин тех или иных действий.
Результаты исследования выявили несколько критических барьеров:
- Потеря данных корзины: У 8 из 15 участников корзина не синхронизировалась между десктопом и мобильным приложением должным образом. Либо часть товаров пропадала, либо она была пуста. Это приводило к необходимости заново собирать заказ, что сильно фрустрировало пользователей.
- Различия в каталоге: Некоторые товары, доступные на десктопе, отсутствовали в мобильном каталоге или имели другое наименование, что затрудняло поиск и вызывало путаницу.
- Необходимость повторной авторизации: 7 участников были вынуждены заново вводить логин и пароль в мобильном приложении, хотя они уже были авторизованы на сайте, что воспринималось как излишнее трение.
- Несогласованность интерфейса: Навигация и расположение элементов управления на этапе оформления заказа значительно отличались между сайтом и приложением. Например, кнопка «Оформить заказ» была в разных местах, что увеличивало время на поиск и вызывало ошибки.
Благодаря этому исследованию компания X смогла внести точечные изменения: реализовать бесшовную синхронизацию корзины, унифицировать каталоги и обеспечить единый вход через все каналы. В результате, коэффициент завершения кросс-канальных заказов увеличился на 18% в течение двух месяцев после внедрения изменений. Это показывает, что выявление и устранение даже небольших барьеров может привести к существенному улучшению бизнес-метрик.
«Эвристики Нильсена остаются актуальными, даже когда речь идёт о многоканальных интерфейсах. Последовательность и стандарты — это не ограничения, а основа для создания интуитивного взаимодействия, независимо от канала.»
— Екатерина Соловьёва, UX-исследователь
Рекомендации по устранению выявленных барьеров
После выявления юзабилити-барьеров в кросс-канальных сценариях следующим шагом становится разработка рекомендаций и их приоритезация. Не все барьеры имеют одинаковое влияние на пользовательский опыт и бизнес-показатели, поэтому важно сосредоточиться на наиболее критичных.
- Унификация данных и состояния: Обеспечьте сохранение контекста пользователя при переходе между каналами. Это означает, что корзина, заполненные формы, история поиска и авторизация должны быть доступны и актуальны на любом устройстве.
- Консистентность интерфейса: Стремитесь к максимальной унификации дизайна, терминологии и логики взаимодействия между всеми каналами. Пользователь должен чувствовать себя комфортно, переключаясь с сайта на приложение или голосовой интерфейс, не тратя время на адаптацию к новой среде.
- Чёткие индикаторы прогресса: Если сценарий предполагает несколько этапов и переключение каналов, обеспечьте чёткое информирование пользователя о текущем статусе и следующих шагах. Это может быть уведомление по электронной почте, push-уведомление или индикатор прогресса в интерфейсе.
- Гибкость и возможность отмены: Предоставьте пользователям возможность легко вернуться на предыдущий этап или отменить действие, особенно если они столкнулись с проблемой при переходе между каналами.
- Обратная связь: Внедрите механизмы сбора обратной связи непосредственно в точках перехода между каналами. Это могут быть короткие опросы или возможность оставить комментарий, которые помогут оперативно выявлять новые барьеры.
Важно помнить, что кросс-канальные сценарии постоянно эволюционируют вместе с технологиями и пользовательскими привычками. Поэтому процесс измерения и улучшения юзабилити должен быть непрерывным. Регулярные аудиты, аналитика и тестирование помогут поддерживать высокий уровень клиентского опыта.
Заключение и ключевые выводы
Эффективное измерение юзабилити-барьеров в кросс-канальных пользовательских сценариях в 2026 году требует от UX-исследователей глубокого понимания методов и готовности к адаптации. Недостаточно анализировать каждый канал в отрыве — необходимо видеть и оценивать весь путь пользователя.
- Кросс-канальные сценарии являются нормой, и их сложность требует специализированных подходов к исследованию.
- Используйте комбинацию количественных (аналитика, агрегированные данные) и качественных (юзабилити-тесты, интервью, дневники) методов для получения полной картины.
- Особое внимание уделяйте моментам перехода между каналами — это критические точки, где чаще всего возникают барьеры.
- Внедряйте специализированные инструменты для кросс-канального тестирования, которые позволяют синхронизировать данные с нескольких устройств.
- Приоритизируйте устранение барьеров, основываясь на их влиянии на бизнес-метрики и пользовательский опыт.
- Поддерживайте консистентность интерфейса, унификацию данных и состояния между всеми точками контакта.
- Процесс исследования и улучшения кросс-канального опыта должен быть непрерывным, чтобы соответствовать меняющимся ожиданиям пользователей и технологическому прогрессу.
Стратегии интеграции данных для комплексного анализа кросс-канальных барьеров
Эффективное измерение юзабилити-барьеров в кросс-канальных сценариях требует не только применения различных методов, но и умелой интеграции полученных данных. Разрозненные сведения из разных источников дают лишь частичное представление о проблеме. Нам нужно объединять качественные и количественные данные, чтобы видеть полную картину пользовательского опыта.
Единая система аналитики: основа для кросс-канального понимания
Централизация данных — это первый и ключевой шаг. Если у вас нет единой платформы, которая собирает информацию о взаимодействии пользователя с разными точками контакта (вебсайт, мобильное приложение, колл-центр, физический магазин), то говорить о комплексном анализе сложно. Мы говорим о Customer Data Platform (CDP) или хорошо настроенной системе веб-аналитики, способной агрегировать данные из различных источников и сопоставлять их с конкретными пользовательскими профилями. Это позволяет отслеживать путь пользователя, например, от просмотра товара в мобильном приложении до его покупки на десктопной версии сайта, или от звонка в поддержку до завершения онлайн-заказа. Без такой интеграции вы будете видеть только обрывки историй.
На практике это означает, что идентификаторы пользователей должны быть унифицированы по всем каналам. Например, если пользователь заходит на сайт, а затем звонит в поддержку, система должна понимать, что это один и тот же человек. Для этого используются различные подходы: логины и пароли, уникальные идентификаторы устройств, куки, а также сопоставление косвенных данных (например, email, номер телефона, данные CRM). Чем точнее мы можем «склеить» данные об одном пользователе, тем точнее будет наш анализ его кросс-канального поведения и, соответственно, юзабилити-барьеров.
Методы сопоставления качественных и количественных данных
Интеграция данных не заканчивается на их сборе. Важно уметь сопоставлять результаты количественных исследований (например, метрики отказа, время выполнения задачи) с выводами качественных (интервью, протоколы юзабилити-тестов).
- Тепловые карты и записи сессий: когда вы видите высокую долю отказов на определённом шаге в аналитике (количественный показатель), записи сессий или тепловые карты (качественные данные) могут показать, куда пользователи смотрят, где кликают, с чем испытывают трудности. Это позволяет визуализировать проблему.
- Комментарии пользователей: объединяйте метрики NPS или CSAT с текстовыми отзывами. Низкий балл NPS может быть количественным индикатором, а комментарий «не смог найти нужный раздел на сайте после консультации в чате» — качественным объяснением проблемы, указывающим на кросс-канальный барьер.
- Корреляция с задачами юзабилити-тестов: если в ходе юзабилити-теста пользователи часто ошибаются на определённом этапе, посмотрите, как это коррелирует с метриками завершения задачи или ошибками в производственной среде. Например, если в тесте 60% пользователей не смогли найти кнопку «Добавить в корзину» после перехода из письма, проверьте аналитику по конверсии из email-рассылок.
- Сегментация пользователей: разделяйте пользователей на сегменты (новые vs постоянные, мобильные vs десктопные) и анализируйте их поведение в кросс-канальных сценариях. Это позволяет выявить барьеры, специфичные для определённых групп, и проверить, как они проявляются в разных каналах.
«Данные сами по себе ничего не значат, пока вы не сможете связать их воедино. Настоящая ценность появляется, когда количественные показатели объясняются качественными инсайтами, особенно в сложных кросс-канальных взаимодействиях.»
— Яна Кузнецова, ведущий аналитик UX-лаборатории «Интеграция»
Инструменты для визуализации кросс-канальных сценариев и выявления барьеров
Чтобы сделать анализ кросс-канальных барьеров более наглядным и понятным для стейкхолдеров, необходимо использовать специализированные инструменты визуализации. Они помогают не только выявлять проблемы, но и эффективно их коммуницировать.
Карты пользовательских путей (Customer Journey Maps, CJM)
CJM — это мощный инструмент для визуализации всего пути пользователя, включая его взаимодействия с продуктом или услугой через разные каналы. В контексте кросс-канальных сценариев, CJM должна охватывать все точки контакта, эмоции пользователя на каждом этапе, его цели, действия и, что самое важное, болевые точки и барьеры.
- Визуализация каналов: на CJM чётко обозначьте каждый канал взаимодействия (веб, мобильное приложение, телефон, офлайн-точка).
- Переходы между каналами: покажите, где пользователь меняет канал. Например, начал поиск на десктопе, продолжил в приложении, а закончил заказ по телефону. Эти точки переключения часто являются источником барьеров.
- Эмоциональная кривая: отразите эмоции пользователя на каждом этапе. Резкие падения кривой указывают на проблемы и юзабилити-барьеры.
- Болевые точки: явно выделите места, где пользователи сталкиваются с трудностями, задержками или неудобствами. Для кросс-канальных сценариев это часто моменты, когда информация не синхронизируется между каналами, или когда один канал не может подхватить контекст другого.
- Возможности для улучшения: на основе выявленных барьеров, CJM должна предлагать конкретные идеи по улучшению пользовательского опыта.
Создание детализированных CJM с использованием данных из всех источников помогает не только выявить барьеры, но и согласовать понимание пользовательского опыта между разными отделами компании (маркетинг, продажи, поддержка, разработка).
Инструменты для аналитики путей и воронок
Современные аналитические платформы (например, Google Analytics 4, Amplitude, Mixpanel) предлагают расширенные возможности для построения кросс-канальных воронок и анализа пользовательских путей. Они позволяют отслеживать последовательность событий, совершаемых пользователем на разных устройствах и в разных точках контакта.
- Кросс-канальные воронки: стройте воронки, включающие шаги в разных каналах. Например, «Поиск товара на сайте» → «Добавление в корзину в приложении» → «Оформление заказа по телефону». Анализ конверсии на каждом шаге и падение показателей между каналами укажет на проблемные зоны.
- Отчёты о пользовательских путях: эти отчёты показывают, какие последовательности действий чаще всего совершают пользователи, как они переключаются между каналами. Аномальные или незапланированные переходы могут свидетельствовать о барьерах.
- Сегментирование по каналам: анализируйте воронки и пути для разных сегментов пользователей, чтобы понять, какие каналы они предпочитают и где чаще сталкиваются с проблемами при переходе между ними.
Инструменты визуализации, такие как диаграммы Санки (Sankey diagrams), могут наглядно показать потоки пользователей между разными каналами и этапами, выделив места с наибольшими потерями или отклонениями от идеального пути. Это позволяет быстро идентифицировать, где именно пользовательский опыт «трещит по швам» при переходе из одного канала в другой.
Роль искусственного интеллекта в выявлении юзабилити-барьеров в кросс-канальных сценариях
В 2026 году искусственный интеллект играет всё более значимую роль в UX-исследованиях, особенно когда речь идёт о сложных кросс-канальных сценариях. ИИ-инструменты способны обрабатывать огромные объёмы данных, выявлять неочевидные паттерны и прогнозировать потенциальные проблемы, что значительно повышает эффективность измерения юзабилити-барьеров.
Анализ текстовых данных и обратной связи
Одним из наиболее перспективных направлений является использование ИИ для анализа неструктурированных текстовых данных. Это включает в себя:
- Отзывы пользователей: ИИ может анализировать миллионы отзывов из App Store, Google Play, социальных сетей, форм обратной связи и чатов поддержки, выявляя повторяющиеся проблемы и паттерны, связанные с кросс-канальным взаимодействием. Например, если пользователи часто жалуются на то, что «не работает функция, которую обещали в рекламе» или «информация с сайта не совпадает с тем, что сказал оператор», ИИ агрегирует эти данные и подсветит проблему.
- Записи звонков и чатов: Транскрибирование и анализ записей разговоров с операторами колл-центров или переписок в чатах позволяет выявить типовые вопросы и трудности, которые возникают при переключении между каналами. ИИ может автоматически категоризировать проблемы, например, «проблема с синхронизацией корзины», «несоответствие информации о товаре онлайн и офлайн».
- Данные юзабилити-тестов: даже протоколы юзабилити-тестов и комментарии участников можно обрабатывать с помощью ИИ для быстрого извлечения ключевых инсайтов и выявления наиболее часто упоминаемых барьеров.
Нейронные сети, обученные на большом объёме пользовательских данных, способны не просто находить ключевые слова, а понимать контекст и сентимент, позволяя более точно определить природу юзабилити-барьера и его эмоциональное воздействие на пользователя.
Прогнозное моделирование и аномалии поведения
ИИ может использоваться для прогнозного анализа поведения пользователей, предсказывая, где и почему могут возникнуть проблемы. Основываясь на исторических данных о поведении пользователей, ИИ может выявлять:
- Аномалии в путях пользователя: алгоритмы машинного обучения могут идентифицировать нестандартные последовательности действий, которые часто приводят к отказу или неудовлетворённости. Например, если значительное число пользователей после посещения корзины на сайте переходит в FAQ мобильного приложения, это может указывать на проблему с оформлением заказа.
- Прогнозирование оттока: ИИ может предсказывать, какие пользователи с наибольшей вероятностью столкнутся с проблемами и покинут воронку, анализируя их поведение в реальном времени. Это даёт возможность проактивно вмешиваться, например, предлагая помощь через чат-бота.
- Выявление неочевидных корреляций: ИИ может обнаруживать связи между, казалось бы, несвязанными метриками и событиями, которые формируют кросс-канальные барьеры. Например, снижение конверсии на сайте после использования новой функции в мобильном приложении.
«Искусственный интеллект не заменит UX-исследователя, но он станет мощным усилителем наших способностей. Он позволит нам видеть то, что человек не может охватить из-за объёма данных, и быстро фокусироваться на наиболее критичных точках.»
— Дмитрий Смирнов, руководитель отдела UX-аналитики в крупном онлайн-ритейлере
Управление изменениями и непрерывное улучшение кросс-канального опыта
Выявление и измерение юзабилити-барьеров — это только начало. Следующий важный этап — внедрение изменений и обеспечение непрерывного процесса улучшения пользовательского опыта в кросс-канальных сценариях.
Приоритизация проблем и формирование бэклога
После того как барьеры выявлены и измерены, их необходимо приоритизировать. Невозможно устранить всё и сразу. Приоритизация должна основываться на нескольких факторах:
- Влияние на бизнес-метрики: насколько сильно барьер влияет на конверсию, отток, удовлетворённость клиентов? Проблемы, которые приводят к значительным финансовым потерям или массовому недовольству, должны быть в приоритете.
- Частота возникновения: как часто пользователи сталкиваются с этим барьером? Широко распространённые проблемы, даже если они кажутся мелкими, могут иметь кумулятивный негативный эффект.
- Сложность решения: сколько ресурсов потребуется для устранения барьера? Иногда быстрое и простое решение небольшой проблемы даёт больше эффекта, чем долгое и дорогостоящее устранение крупной.
- Эмоциональное воздействие: некоторые барьеры вызывают сильное негативное эмоциональное отторжение у пользователей, даже если они не всегда прямо влияют на конверсию. Их устранение может значительно повысить лояльность.
Для кросс-канальных сценариев особенно важно оценивать влияние барьера на весь путь пользователя, а не только на один канал. Проблема в мобильном приложении может привести к уходу клиента из всей экосистемы.
A/B-тестирование и итерационный подход
Внедрение изменений должно быть контролируемым и измеримым. A/B-тестирование — это золотой стандарт для проверки эффективности решений. Если вы предлагаете новое решение для устранения кросс-канального барьера, например, синхронизацию корзины между мобильным приложением и сайтом, запустите A/B-тест, чтобы сравнить поведение контрольной группы с экспериментальной.
- Измеряемые метрики: заранее определите, какие метрики вы будете отслеживать для оценки успеха (например, процент завершения кросс-канального сценария, количество ошибок, время выполнения задачи, NPS).
- Фокус на кросс-канальности: убедитесь, что A/B-тест охватывает все задействованные каналы, если изменение касается их взаимодействия. Иногда изменения в одном канале могут неожиданно повлиять на другой.
- Итеративный цикл: UX-исследования — это не одноразовая акция. После внедрения изменений и анализа результатов цикл повторяется: выявляются новые барьеры, тестируются новые решения. Это непрерывный процесс оптимизации.
Создание культуры непрерывного улучшения, где каждая команда осознаёт свою роль в формировании цельного кросс-канального опыта, критически важно. UX-исследователи здесь выступают в роли координаторов, обеспечивая постоянный сбор данных, анализ и донесение инсайтов до всех участников процесса разработки продукта.
Кейс: Оптимизация кросс-канального сценария заказа авиабилетов
Рассмотрим кейс крупного онлайн-турагентства, которое столкнулось со значительными потерями на этапе оформления заказа авиабилетов в кросс-канальном сценарии. Пользователи начинали поиск на сайте, но часто переключались на мобильное приложение или звонили в колл-центр, где сталкивались с трудностями.
Исходная ситуация и проблема
Начальные данные показали, что 35% пользователей, начинавших поиск авиабилетов на сайте и переходивших на мобильное приложение для продолжения, не завершали покупку. Из них 15% звонили в колл-центр, а остальные 20% просто уходили. Средний чек при этом сценарии был на 12% ниже, чем при полностью десктопном или полностью мобильном оформлении.
Применение методов исследования
- Количественный анализ: С помощью объединённой CDP и Google Analytics 4, команда построила кросс-канальные воронки. Выяснилось, что основные провалы происходили при попытке перенести выбранные рейсы и данные пассажиров из одной платформы в другую. Особенно критичными были шаги ввода паспортных данных и выбора дополнительных услуг (багаж, страховка), которые требовали повторного ввода после смены канала.
- Качественные исследования: Проведено 20 юзабилити-тестов с пользователями, имитирующими кросс-канальный сценарий. 75% участников выразили фрустрацию из-за потери данных при переключении между сайтом и приложением. 10 глубинных интервью с пользователями, звонившими в колл-центр, показали, что они обращались туда из-за невозможности продолжить заполнение формы на другом устройстве, а операторы часто не видели предыдущие шаги пользователя.
- Анализ записей звонков: ИИ-анализатор звонков колл-центра выявил, что 40% запросов в категории «авиабилеты» были связаны с проблемами продолжения оформления на другом устройстве, а не с вопросами о тарифах.
Выявленные барьеры
Основные юзабилити-барьеры были следующие:
- Отсутствие синхронизации данных: Выбранные рейсы, введённые данные пассажиров и выбранные дополнительные услуги не сохранялись и не передавались автоматически между сайтом и мобильным приложением. Пользователю приходилось начинать всё заново.
- Несогласованность интерфейсов: Расположение элементов управления и логика шагов оформления заказа немного отличались между сайтом и приложением, что вызывало путаницу.
- Отсутствие контекста у операторов: При звонке в колл-центр операторы не видели историю действий пользователя на сайте или в приложении, что вынуждало клиента повторять всю информацию.
Предложенные и внедрённые решения
На основе исследований были предложены и внедрены следующие изменения:
- Единый сессионный контекст: Введена сквозная авторизация и синхронизация данных о заказе между сайтом и приложением. Если пользователь начинал заполнять форму на сайте, он мог открыть приложение и продолжить с того же места.
- Унификация интерфейсов: Проведен редизайн мобильного приложения и части сайта для максимально возможной унификации шагов и расположения элементов в процессе оформления заказа.
- Интеграция CRM и колл-центра: Внедрена система, позволяющая операторам колл-центра видеть текущий статус заказа пользователя, его историю просмотров и введённые данные в реальном времени.
- Проактивные уведомления: Добавлена функция сохранения «незавершённого заказа» с возможностью отправить себе ссылку на почту или в мессенджер для продолжения на другом устройстве.
Результаты
После внедрения изменений и проведения A/B-тестирования, наблюдались следующие улучшения:
- Снижение отказов: Процент отказов в кросс-канальном сценарии оформления заказа снизился с 35% до 18% в течение трёх месяцев.
- Рост конверсии: Общая конверсия в завершённый заказ по кросс-канальным сценариям выросла на 8%.
- Увеличение среднего чека: Средний чек при кросс-канальном оформлении заказа увеличился на 5% за счёт уменьшения числа потерянных дополнительных услуг.
- Снижение нагрузки на колл-центр: Количество звонков, связанных с проблемами продолжения оформления заказа, сократилось на 25%, что позволило операторам сосредоточиться на более сложных запросах.
Этот кейс показывает, что комплексный подход к измерению юзабилити-барьеров в кросс-канальных сценариях, включающий как количественные, так и качественные методы, а также интеграцию данных, приносит ощутимые бизнес-результаты.
Комментарии (0)
Без регистрации. Комментарии проверяются автоматически перед публикацией.
Пока нет комментариев. Будьте первым!