Как e-com платформа подняла LTV на 12% без роста трафика: разбор кейса heatmap + поведенческая аналитика

Как e-com платформа подняла LTV на 12% без роста трафика: разбор кейса heatmap + поведенческая аналитика

Крупный российский e-com-проект (сегмент «товары для дома», средний чек 3 200 руб.) столкнулся с падением повторных покупок на фоне общего снижения доходов аудитории в 2025–2026 годах. Классическая last-click-атрибуция показывала, что основные конверсии идут с брендовых запросов, но при этом до 40% сессий заканчивались без цели — пользователи уходили после просмотра карточки товара.

Задача: понять, почему посетители не возвращаются, и увеличить LTV (пожизненную ценность клиента) без наращивания рекламного бюджета.

Решение: команда внедрила server-side-сбор событий (события на стороне сервера) и настроила Microsoft Clarity с передачей пользовательских идентификаторов в CRM. Вместо стандартного отслеживания кликов анализировали семантику движений мыши и глубину скролла на страницах корзины и подтверждения заказа.

Ключевые находки по heatmap:
— 65% пользователей на этапе «выбор способа доставки» открывали блок с самовывозом, но не кликали — уходили на шаг назад. Гипотеза: интерфейс не показывал стоимость доставки до выбора, что вызывало когнитивную перегрузку.
— На странице подтверждения заказа 30% сессий фиксировали «зависание» курсора над полем промокода, хотя у проекта не было активных акций. Пользователи привыкли искать скидки и бросали оформление, не найдя их.
— Использование сессионных записей (session replays) выявило паттерн: клиенты, которые возвращались в течение 7 дней, в 2 раза чаще прокручивали блок «похожие товары» до конца, чем те, кто ушёл навсегда.

Решение: переработали логику оформления — добавили превью стоимости доставки на кнопку выбора самовывоза, внедрили минимальный «приветственный» промокод на вторую покупку прямо в корзину (без поля для ввода), а блок рекомендаций подняли выше и сократили до 4 позиций с динамическими ценами

— @HeatmapToolsRu