Heatmap-анализ посадочных Nike: как команда сократила «пустые клики» и подняла конверсию в B2C-выдаче размеров

Heatmap-анализ посадочных Nike: как команда сократила «пустые клики» и подняла конверсию в B2C-выдаче размеров

Контекст
В 2026 году даже сильные бренды упираются не в “где взять трафик”, а в “как довести пользователя до действия” при падении эффективности классического перфоманса. Для Nike критичным стал этап карточки товара и выбора размера: клиенты заходят, сканируют, но часть уходит, не дойдя до ключевого CTA (добавление в корзину/переход к оформлению). В параллель с этим усилилась роль приватности: last-click атрибуция стала менее надежной, и команде нужны были поведенческие доказательства — не только метрики аналитики, но и то, *что именно* люди делают на странице.

Задача
Команде потребовалось:
— понять, почему доля “переходов без действия” в карточке товара росла (внутренняя аналитика показывала увеличившийся процент сессий, где пользователь просматривает варианты, но не нажимает “в корзину”)
— выявить трение в выборе размера (гипотезы были разные: визуальная конкуренция элементов, ошибки восприятия статуса наличия, слишком мелкая зона выбора, задержка подгрузки)
— сделать изменения измеримыми: чтобы эффект не выглядел “на глаз”, нужны были данные сессий и heatmap-сигналы

Решение
Пошагово команда в духе “разбор по полочкам” объединила два слоя наблюдения:

1) Heatmap по кликам и скроллу в ключевом модуле
— клик-heatmap показал, что пользователи активнее всего “тыкали” не в сам селектор размера, а рядом: в область описания и визуальные превью
— scroll-heatmap подтвердил: люди долистывали до блока наличия и размеров, но задержка на критическом участке увеличивалась, а дальше начинались уходы

2) Сессии (playback) с фокусом на выбор размера
В просмотре сессий команда сравнила группы:
— пользователи, которые дошли до “добавить в корзину”
— пользователи, которые уходили после просмотра вариаций

Ключевое наблюдение: у уходящей группы размер “выбирался”, но фактически клик не приводил к смене состояния. Причина была не в ошибке товара, а в интерфейсе: на отдельных разрешениях селектор размера накладывался на элементы предпросмотра, и клики попадали “в пустоту” (визуально это неочевидно).

3) Техническая проверка и дизайн-правка
Сделали точечные правки:
— увеличили “клик-зону” селектора размера и разнесли слой предпросмотра и слой наличия
— выровняли поведение: чтобы статус наличия менялся сразу после выбора, а не после подгрузки
— добавили визуальный признак выбора, который считывается мгновенно (контраст и закрепление выбранного размера в поле)

Результат
После внедрения команда отследила поведение (поведенческие метрики) и конверсионные (бизнес-метрики):
— доля сессий с “переходом без действия” в карточке товара снизилась на **18%**
— конверсия в шаг “добавить в корзину” выросла на **+9,6%** по сегменту пользователей, которые доходили до блока размеров
— клики по “нецелевым” зонам рядом с селектором упали на **24%** (это видно прямо в heatmap)
— по сессиям стало меньше “кликаем, но ничего не меняется”: количество фейковых кликов в зоне селектора уменьшилось на **31%**

Урок
1) Heatmap — не про “красивые картинки”, а про проверку соответствия намерения действию. Если кликают рядом, значит, либо UX не объясняет следующий шаг, либо слой интерфейса не работает как ожидается.
2) В 2026 логика “взяли метрику — поменяли — поверили” уступает логике “увидели поведение — нашли причину — измерили эффект на ключевом участке”.
3) Для RevOps-подхода особенно важно: улучшения в карточке часто влияют на весь цикл (меньше отказов на раннем этапе → меньше нагрузки на поддержку → выше вероятность покупки без дополнительных триггеров).

Если хотите, могу разложить похожий шаблон анализа: какие именно heatmap-слои смотреть (клики/скролл/события), как строить сопоставимые сегменты и какие “цифры результата” обычно корректно фиксировать, чтобы это выдержало ревью у маркетинга и коммерции.

— @HeatmapToolsRu

Глубже разбирают этот метод в @MarketingHiringCraft