Abandono de Carrito: qué preguntas hacer y cómo responderlas con data en Mixpanel
En esta serie de blog posts veremos en detalle algunos reportes básicos que nos permitirán a partir de análisis cuantitativa llegar a insights de la experiencia de los usuarios en nuestro e-commerce.
Para los ansiosos, en este link encontrarán el Board de Mixpanel donde están los reportes que vamos a ver. Cualquier consulta me pueden escribir a guro@bildungdata.com
Definiendo la métrica Cart Abandonment Rate
Primero definamos 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
Vamos a “Advanced Conversion Criteria” y seleccionamos “Exclude users who did” en nuestro caso el evento Complete Purchase
Guardamos este Funnel para usarlo luego
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, seleccionamos vista de Line para ver la tendencia de esta métrica en el tiempo
En este ejemplo estamos viendo que la tasa de abandono varia entre 40% y 55% pero que en el día de ayer hubo un pico de 70%
ii. ¿Hay alguna Categoría cuyos items tienen una peor tasa de abandono de carrito?
Duplicamos el funnel anterior y cambiamos a vista Bar y luego 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 a la data del día de ayer ( para intentar descrifrar por qué tuvimos ese pico de 70%) y vemos que todas las categorías parecen tener una tasa de abandono similar (aprox 70%) por excepción de la categoría “Construction Materials” que tiene una tasa menor.
Ahora 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 luego vemos la tabla de abajo podremos ver algunas métricas adicionales como # usuarios que realizaron Add to Cart de cada categoría, cuantos de ellos finalizaron la sesión sin comprar en el medio, esta tasa y el tiempo promedio en hacerlo. Así también como la significancia estadística - compara el p-value de variación de tasa de convesión de cada grupo vs la conversión total. En este caso, al ser menor a 0.95 no nos asegura que las conclusiones que lleguemos sean significantes.
(link a la documentación para quién quiera indagar en cómo se calcula)
iii. ¿El precio del item afectará a la tasa de abandono de carrito?
Similar al análisis anterior, tomamos el mismo funnel pero esta vez en vez de realizar un breakdown por Categoría del item vamos a hacerlo por su precio.
Podemos ajustar los buckets de precio por si queremos ver rangos distintos.
En este ejemplo, parece que la tasa de abandono es similar por 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 del mismo?
Para responder esta pregunta con datos lo que vamos a hacer es tomar el mismo funnel y realizar un breakdown por Frequency per User del mismo evento Add to Cart.
Esto lo que nos va permitir visualizar es la tasa de conversión a session end (sin realizar una compra en el medio) acorde a cuantas veces el mismo usuario adiciono productos al carrito entre estos dos pasos.
En este ejemplo, vemos que si el usuario no agrega ningún otro producto entonces la tasa de abandono es mayor. Y a medida que agrega más productos la probabilidad de abandono de carrito 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
Estas fueron sólo algunos pocos ejemplos de preguntas y respuestas que logramos obtener con Mixpanel, pero estas podrían ser muchas más! Algunos ejemplos adicionales que podríamos responder:
si los usuarios agregan productos desde distintas fuentes de nuestro e-commerce (por ejemplo home, product view, producto recomendado, checkout,…), ¿cambia la tasa de abandono?
¿a mayor tiempo de la sesión empeora la tasa de abandono?
¿productos de peor rating tienen peor tasa de abandono?
¿usuarios provenientes de ciertas fuentes de adquisición tienen peor tasa de abandono?
etc…
Eso es todo por hoy. Espero que los sirva como inspiración de preguntas que podemos buscar responder con data para así mejorar nuestra tasa de abandono de carrito.
En Bildung ayudamos a equipos de Producto y Marketing de LatAm a que tomen mejores decisiones basandose en data.
Nos pueden escribir a guro@bildungdata.com para hablar sobre sus desafíos y cómo los podemos ayudar