پرش به محتوا

مقالات و بینش‌ها · برند و حضور دیجیتال

نرخ تبدیل سایت پایین است؛ آیا واقعاً مشکل از تجربه کاربری است؟

تبدیل پایین می‌تواند از اصطکاک سایت، مخاطب نامرتبط، پیشنهاد، قیمت، اعتماد یا آمادگی خرید بیاید؛ قبل از بازطراحی صفحه، محل واقعی افت را پیدا کنید

دگرین · ۲۸ شهریور ۱۴۰۵ · 17 دقیقه مطالعه

به‌روزرسانی: ۸ مهر ۱۴۰۵

چند مسیر سنگی که در نقاط متفاوت پیش از رسیدن به مقصد متوقف شده‌اند و نشان‌های کوچک مسی محل دقیق توقف هر مسیر را مشخص می‌کنند

نرخ تبدیل سایت پایین است.

نسخه فوری هم آماده است:

فرم را کوتاه کنیم.

دکمه را برجسته‌تر کنیم.

صفحه را ساده‌تر کنیم.

اعتماد بیشتری بسازیم.

سرعت را بالا ببریم.

شاید یکی از این کارها دقیقاً همان چیزی باشد که لازم است.

اما هنوز یک سؤال حل نشده:

از کجا می‌دانیم مشکل واقعاً در تجربه کاربری است؟

فرض کنید هزار نفر وارد یک صفحه می‌شوند و فقط ۱۰ نفر فرم را ارسال می‌کنند.

نرخ تبدیل یک درصد است.

عدد واقعی است.

اما هنوز نمی‌دانیم آن ۹۹۰ نفر چرا اقدام نکرده‌اند.

ممکن است بعضی اصلاً مشتری مناسب نباشند.

بعضی فقط در حال تحقیق باشند.

بعضی پیشنهاد را مناسب ندانند.

بعضی قیمت را نپذیرند.

بعضی اعتماد کافی نداشته باشند.

و بعضی واقعاً به‌خاطر یک فرم طولانی، خطای فنی یا تجربه ضعیف متوقف شده باشند.

ظاهر همه این وضعیت‌ها در گزارش تقریباً یکی است:

تبدیل نشد.

اما علت یکسان نیست.

پس نرخ تبدیل پایین به ما نمی‌گوید چه چیزی را اصلاح کنیم؛ فقط نشان می‌دهد بین ورود و اقدام موردنظر فاصله وجود دارد.

اول مشخص کنید «تبدیل» دقیقاً چیست

کلمه «تبدیل» گاهی طوری استفاده می‌شود که انگار یک مفهوم ثابت و جهان‌شمول است.

نیست.

برای یک فروشگاه ممکن است خرید باشد.

برای یک شرکت خدماتی، درخواست جلسه.

برای یک رسانه، عضویت.

برای یک نرم‌افزار، ساخت حساب یا شروع دوره آزمایشی.

حتی در ابزارهای تحلیلی، خود کسب‌وکار تعیین می‌کند کدام رفتار برای نتیجه‌ای که دنبال می‌کند اهمیت دارد.

بنابراین اگر دو سایت بگویند:

«نرخ تبدیل ما سه درصد است»

ممکن است درباره دو رفتار کاملاً متفاوت حرف بزنند.

پس سؤال اول این نیست:

«سه درصد خوب است یا بد؟»

سؤال اول این است:

سه درصدِ چه چیزی؟

و سؤال بعدی:

این رفتار چقدر به نتیجه‌ای که واقعاً برای کسب‌وکار مهم است نزدیک است؟

اگر «تبدیل» را اشتباه تعریف کنیم، ممکن است چیزی را بهینه کنیم که ارتباط کمی با نتیجه تجاری دارد.

قبل از پیدا کردن علت، مطمئن شوید نرخ تبدیل واقعاً بدتر شده است

حتی جمله «نرخ تبدیل پایین آمده» هم نیاز به بررسی دارد.

فرض کنید ماه اول:

۱۰۰۰ بازدید → ۴۰ تبدیل

نرخ تبدیل: ۴ درصد

ماه دوم:

۲۰۰۰ بازدید → ۵۰ تبدیل

نرخ تبدیل: ۲٫۵ درصد

نرخ تبدیل پایین آمده است.

اما تعداد تبدیل‌ها افزایش پیدا کرده.

این مثال به‌تنهایی نمی‌گوید وضعیت بهتر یا بدتر شده؛ فقط نشان می‌دهد تفسیر یک نسبت بدون دیدن اجزای آن می‌تواند گمراه‌کننده باشد.

ممکن است در ماه دوم مقدار زیادی ترافیک کم‌قصد وارد سایت شده باشد.

ممکن است کمپین جدیدی مخاطب متفاوتی آورده باشد.

ممکن است سهم موبایل بیشتر شده باشد.

ممکن است تبدیل مورد اندازه‌گیری تغییر کرده باشد.

یا حتی ردیابی نسبت به دوره قبل تغییر کرده باشد.

یک تغییر در خود سیستم اندازه‌گیری هم می‌تواند نرخ تبدیل را جابه‌جا کند، بدون اینکه عملکرد واقعی کسب‌وکار همان اندازه تغییر کرده باشد.

Shopify در سپتامبر ۲۰۲۶ روش محاسبه نشست (Session) را تغییر داد: نشست‌ها بر اساس ادامه فعالیت کاربر محاسبه می‌شوند، بعضی مسیرهای بدون بازدید صفحه (Pageview) نیز می‌توانند نشست محسوب شوند و ربات‌های شناسایی‌شده (Bot) به‌طور پیش‌فرض از گزارش‌های مرتبط فیلتر می‌شوند. Shopify هشدار داده است که در نتیجه این تغییر، نشست، نرخ تبدیل و دیگر سنجه‌های مبتنی بر نشست ممکن است متفاوت دیده شوند، درحالی‌که تعداد کل سفارش‌ها، فروش و مشتریان تحت‌تأثیر این تغییر اندازه‌گیری قرار نمی‌گیرد.

این مثال یک مرز مهم را نشان می‌دهد:

تغییر نرخ تبدیل ≠ تغییر قطعی رفتار مشتری

اگر تعریف مخرج، فیلتر یا روش ثبت داده تغییر کرده باشد، قبل از تشخیص مشکل تجربه کاربری باید ابتدا قابلیت مقایسه دو دوره را بررسی کنیم.

بنابراین قبل از بازطراحی سایت باید ببینیم:

نرخ تبدیل کدام صفحه پایین آمده؟

در کدام منبع ورودی؟

روی کدام دستگاه؟

برای چه نوع کاربری؟

از چه زمانی؟

و آیا خود تعداد و کیفیت تبدیل‌ها هم تغییر کرده‌اند؟

میانگین کل، محل شروع تحقیق است؛ نه تشخیص نهایی.

نرخ تبدیل پایین یک یافته است، نه علت

فرض کنید یک پزشک بگوید:

«تب دارید، پس علت بیماری تب است.»

اشکال روشن است.

تب نشانه است.

علت باید پیدا شود.

در نرخ تبدیل هم همین خطا زیاد رخ می‌دهد.

می‌بینیم:

خرید کم است.

فرم کم است.

ثبت‌نام کم است.

بعد نتیجه می‌گیریم:

«تجربه کاربری مشکل دارد.»

اما این فقط یکی از فرضیه‌هاست.

ممکن است مسئله در تجربه کاربری باشد.

ممکن است ورودی مناسب نباشد.

ممکن است پیشنهاد ارزش کافی نداشته باشد.

ممکن است قیمت یا ساختار هزینه مانع باشد.

ممکن است اعتماد کافی شکل نگرفته باشد.

ممکن است کاربر هنوز آماده اقدام نباشد.

یا اصلاً سیستم اندازه‌گیری تصویر درستی به ما ندهد.

این تفکیک ساده جلوی بسیاری از بازطراحی‌های زودهنگام را می‌گیرد.

چارچوب دگرین: از نرخ تبدیل پایین تا تصمیم

در دگرین برای بررسی چنین مسئله‌ای، مستقیم از یک نتیجه نامطلوب به راه‌حل نمی‌رویم.

مسیر تشخیص را می‌توان به هفت مرحله تقسیم کرد:

در مسئله نرخ تبدیل، این مسیر می‌تواند چنین باشد:

نشانه: نرخ تبدیل سایت یا یک مرحله از قیف پایین‌تر از انتظار است.

ادعای مسئله: تجربه کاربری ضعیف است و سایت باید اصلاح یا بازطراحی شود.

شواهد: نرخ تبدیل به تفکیک منبع، دستگاه، صفحه و مرحله چه می‌گوید؟ کاربران دقیقاً کجا متوقف می‌شوند؟ شواهد مستقیم مشتری چیست؟

فرضیه‌های جایگزین: آیا مسئله می‌تواند در کیفیت ورودی، انتظار ساخته‌شده قبل از ورود، پیشنهاد، قیمت، اعتماد یا آمادگی خرید باشد؟

اهمیت: اگر این عامل واقعاً گلوگاه باشد، اصلاح آن چقدر می‌تواند روی نتیجه واقعی کسب‌وکار اثر بگذارد؟

سطح اطمینان: شواهد موجود تا چه اندازه از فرضیه تجربه کاربری حمایت می‌کنند؟

تصمیم: آیا باید UX را اصلاح کنیم، پیشنهاد را تغییر دهیم، ورودی را بررسی کنیم، یک آزمایش انجام دهیم یا هنوز شواهد بیشتری لازم داریم؟

این چارچوب قرار نیست برای هر تصمیم قطعیت کامل ایجاد کند.

هدف ساده‌تر است:

قبل از یک تغییر پرهزینه، از اولین توضیح قابل‌باور به توضیحی برسیم که شواهد بیشتری از آن حمایت می‌کنند.

تجربه کاربری واقعاً می‌تواند مشکل باشد

این مقاله قرار نیست اهمیت تجربه کاربری را کم کند.

اصطکاک در تجربه کاربری می‌تواند مستقیماً مانع خرید یا اقدام شود.

پژوهش‌های کاربردپذیری در تجارت الکترونیکی نشان داده‌اند عواملی مثل فرایند پیچیده، اجبار به ساخت حساب، خطاهای سایت، مشکلات پرداخت یا ابهام درباره هزینه نهایی می‌توانند باعث رها کردن فرایند خرید شوند.

بنابراین اگر شواهد نشان دهد کاربران:

فرم را شروع می‌کنند و در یک مرحله مشخص رها می‌کنند،

در موبایل قادر به تکمیل فرایند نیستند،

به خطای پرداخت می‌خورند،

یا برای پیدا کردن قدم بعدی مشکل دارند،

فرضیه تجربه کاربری جدی‌تر می‌شود.

اما سؤال اصلی این است:

آیا همه عدم‌تبدیل‌ها از همین جنس‌اند؟

نه.

«نمی‌تواند» با «نمی‌خواهد» یک مسئله نیست

این یکی از مهم‌ترین تفکیک‌های تشخیصی است.

وقتی کاربر می‌خواهد، اما نمی‌تواند

فرم خراب است.

پرداخت انجام نمی‌شود.

نسخه موبایل مشکل دارد.

دکمه یا مرحله بعد پیدا نمی‌شود.

اطلاعات ضروری مبهم است.

این وضعیت بیشتر به اصطکاک تجربه کاربری نزدیک است.

وقتی کاربر می‌تواند، اما نمی‌خواهد

فرایند روشن است.

اما پیشنهاد را مناسب نمی‌بیند.

قیمت را نمی‌پذیرد.

اعتماد کافی ندارد.

رقیب را ترجیح می‌دهد.

نیاز فوری ندارد.

یا هنوز آماده تصمیم نیست.

اینجا تغییر اندازه دکمه احتمالاً مسئله اصلی را حل نمی‌کند.

قبل از اصلاح صفحه، مشخص کنید مشتری نمی‌تواند جلو برود یا نمی‌خواهد جلو برود.

البته ممکن است هر دو هم‌زمان وجود داشته باشند.

اما همین تفکیک، محدوده تشخیص را بسیار کوچک‌تر می‌کند.

ممکن است مسئله از ورودی باشد

فرض کنید صفحه‌ای برای مدیران شرکت‌های متوسط طراحی شده است.

اما یک مقاله عمومی یا کمپین گسترده حجم زیادی کاربر خارج از بازار هدف را وارد همان صفحه می‌کند.

نرخ تبدیل کل پایین می‌آید.

آیا صفحه بدتر شده؟

نه لزوماً.

ترکیب بازدیدکنندگان تغییر کرده است.

اگر کیفیت ورودی را نبینیم، ممکن است تیم طراحی را مسئول عددی کنیم که منشأ آن قبل از ورود به سایت بوده است.

برای همین نرخ تبدیل باید حداقل به تفکیک منبع، کمپین، صفحه ورود و نوع مخاطب بررسی شود.

وعده قبل از ورود می‌تواند تبدیل را خراب کند

حتی اگر مخاطب درست باشد، هنوز یک مسئله دیگر وجود دارد:

انتظار.

فرض کنید تبلیغ می‌گوید:

«راه‌حل ساده و اقتصادی برای شروع»

اما کاربر بعد از ورود با خدمتی پیچیده، گران و بلندمدت روبه‌رو می‌شود.

ممکن است خود صفحه کاملاً قابل استفاده باشد.

اما چیزی که کاربر را وارد کرده با چیزی که بعداً دیده هم‌خوان نیست.

اینجا مسئله در اتصال این سه بخش است:

پیام جذب → انتظار → پیشنهاد واقعی

به همین دلیل تحلیل نرخ تبدیل باید قبل از خود صفحه شروع شود.

ممکن است پیشنهاد ضعیف باشد، نه صفحه

فرض کنید صفحه سریع، خوانا و ساده است.

فرم کوتاه است.

شواهد اعتماد هم وجود دارد.

اما مشتری هنوز دلیل کافی برای اقدام ندارد.

ممکن است نتیجه پیشنهاد روشن نباشد.

ممکن است تفاوت معناداری با رقبا دیده نشود.

ممکن است ارزش ادراک‌شده پایین باشد.

ممکن است ریسک بالا باشد.

یا مشتری نداند چرا باید همین حالا اقدام کند.

در این وضعیت بهینه‌سازی رابط کاربری سقف محدودی دارد.

اگر خود پیشنهاد برای مشتری ارزش کافی نسازد، بهتر کردن ظرف نمی‌تواند بی‌نهایت ضعف محتوا را جبران کند.

قیمت را با تجربه کاربری اشتباه نگیریم

تصور کنید کاربر بدون مشکل محصول را پیدا می‌کند، مشخصات را می‌فهمد، فرایند خرید را آغاز می‌کند و فقط بعد از دیدن هزینه نهایی منصرف می‌شود.

آیا طراحی بد بوده؟

نه لزوماً.

ممکن است مسئله در قیمت، هزینه جانبی، شرایط پرداخت یا ارزش ادراک‌شده باشد.

این تفاوت مهم است.

اگر مسئله اقتصادی است و ما فقط ظاهر مرحله پرداخت را تغییر دهیم، راه‌حل به علت اصلی وصل نشده است.

اعتماد هم یک مسئله واحد نیست

نسخه رایج دیگری هم وجود دارد:

«تبدیل پایین است؛ چند نشان اعتماد اضافه کنید.»

ممکن است مفید باشد.

اما اعتماد یک مفهوم واحد نیست.

کاربر ممکن است درباره واقعی‌بودن کسب‌وکار تردید داشته باشد.

یا توان اجرا.

یا کیفیت محصول.

یا امنیت پرداخت.

یا خدمات بعد از خرید.

یا اینکه اگر تصمیم اشتباهی بگیرد چه اتفاقی می‌افتد.

پس اگر فرضیه ما «کمبود اعتماد» است، سؤال دقیق‌تر این است:

مشتری دقیقاً به چه چیزی اعتماد ندارد؟

تا این سؤال پاسخ داده نشود، اضافه‌کردن نماد و گواهی ممکن است فقط تزئین باشد.

بعضی کاربران اصلاً آماده خرید نیستند

همه کسانی که وارد صفحه می‌شوند در یک مرحله تصمیم نیستند.

یک نفر در حال تحقیق است.

یک نفر مقایسه می‌کند.

یک نفر قیمت می‌سنجد.

یک نفر آماده خرید است.

همه این افراد اگر اقدام نکنند در گزارش یک وضعیت دارند:

تبدیل نشدند.

اما رفتارشان یک معنا ندارد.

عدم‌تبدیل همیشه شکست صفحه نیست.

گاهی بخشی طبیعی از مسیر تصمیم مشتری است.

یک نرخ تبدیل کلی می‌تواند چند مسئله را پنهان کند

فرض کنید نرخ تبدیل کل سایت ۱٫۵ درصد است.

اما بعد از تفکیک داده‌ها می‌بینیم:

ورودی جست‌وجوی نام برند نرخ تبدیل بالایی دارد.

صفحات آموزشی نرخ تبدیل بسیار پایین‌تری دارند.

یک کمپین خاص تقریباً تبدیل نمی‌کند.

دسکتاپ قابل‌قبول است.

موبایل به‌شدت ضعیف‌تر است.

حالا دیگر «نرخ تبدیل پایین» یک مسئله واحد نیست.

ممکن است هم‌زمان:

کاربران محتوای آموزشی هنوز آماده خرید نباشند،

یک کمپین مخاطب اشتباه بیاورد،

و نسخه موبایل واقعاً اصطکاک داشته باشد.

یک میانگین می‌تواند چند تشخیص مختلف را روی هم پنهان کند.

نقشه تشخیص نرخ تبدیل

بعد از استفاده از چارچوب دگرین، برای پیدا کردن محل افت می‌توان مسیر دیجیتال را به چند لایه باز کرد:

ورودی → تناسب → انتظار → وضوح پیشنهاد → ریسک و اعتماد → اصطکاک → اقدام → کیفیت نتیجه

این یک مدل علمی جهان‌شمول نیست؛ یک نقشه تشخیصی است تا بدانیم تحقیق را از کجا ادامه دهیم.

ورودی: کاربر از کجا آمده و چه چیزی او را وارد کرده است؟

تناسب: آیا واقعاً مشتری بالقوه این پیشنهاد است؟

انتظار: آیا وعده قبل از ورود با چیزی که صفحه ارائه می‌کند هم‌خوان است؟

وضوح پیشنهاد: آیا کاربر سریع می‌فهمد چه چیزی ارائه می‌شود، برای چه کسی و چرا ارزش بررسی دارد؟

ریسک و اعتماد: چه چیزی هنوز باورپذیر نیست یا ریسک تصمیم را بالا نگه داشته است؟

اصطکاک: آیا کاربر می‌خواهد اقدام کند اما فرایند، فرم، خطا یا تجربه موبایل مانع می‌شود؟

اقدام: آیا رفتار موردنظر انجام می‌شود؟

کیفیت نتیجه: آیا این اقدام واقعاً به مشتری مناسب، فرصت فروش یا نتیجه اقتصادی منجر می‌شود؟

یک مثال فرضی: یک نرخ تبدیل پایین، سه علت متفاوت

مثال زیر فرضی است و مربوط به مشتری واقعی دگرین نیست.

گروه اول

از مقاله‌های آموزشی وارد صفحه می‌شوند.

بسیاری هنوز در مرحله شناخت مسئله‌اند و فرم ارسال نمی‌کنند.

فرضیه محتمل‌تر: آمادگی خرید پایین‌تر است.

گروه دوم

از تبلیغی وارد شده‌اند که روی «راه‌حل اقتصادی» تأکید می‌کند، اما با خدمتی نسبتاً گران روبه‌رو می‌شوند.

فرضیه محتمل‌تر: ناهماهنگی انتظار، پیشنهاد یا قیمت.

گروه سوم

نام خدمت را مستقیم جست‌وجو کرده‌اند.

صفحه را می‌خوانند.

فرم را شروع می‌کنند.

اما بخش زیادی در مرحله‌ای با هشت فیلد اجباری رها می‌کنند.

فرضیه محتمل‌تر: اصطکاک تجربه کاربری.

ظاهر هر سه گروه در گزارش یکی است:

تبدیل پایین.

اما فقط برای گروه سوم، اصلاح فرم مستقیماً به شواهد موجود وصل است.

تخته شواهد دگرین: آیا واقعاً مسئله از تجربه کاربری است؟

حالا فرض کنیم تیم می‌گوید:

«نرخ تبدیل کم شده؛ باید سایت را بازطراحی کنیم.»

به‌جای قبول یا رد فوری این ادعا، آن را روی تخته شواهد دگرین قرار می‌دهیم.

بخش تخته شواهد

ادعا

وضعیت فرضی

تجربه کاربری ضعیف است و سایت باید بازطراحی شود

بخش تخته شواهد

واقعیت تأییدشده

وضعیت فرضی

نرخ تبدیل کل از ۴٪ به ۲٫۷٪ رسیده است

بخش تخته شواهد

شواهد موافق

وضعیت فرضی

رها کردن فرم در موبایل افزایش یافته است

بخش تخته شواهد

شواهد مخالف / متناقض

وضعیت فرضی

نرخ تبدیل دسکتاپ تقریباً ثابت مانده است

بخش تخته شواهد

تغییر مهم در محیط

وضعیت فرضی

ترافیک شبکه‌های اجتماعی پولی دو برابر شده است

بخش تخته شواهد

فرضیه جایگزین

وضعیت فرضی

ترکیب ترافیک جدید کیفیت یا آمادگی خرید پایین‌تری دارد

بخش تخته شواهد

آنچه هنوز نمی‌دانیم

وضعیت فرضی

نرخ تبدیل هر کمپین و بخش جدید چقدر است؟

بخش تخته شواهد

سطح اطمینان

وضعیت فرضی

متوسط رو به پایین برای فرضیه «تجربه کاربری علت اصلی است»

بخش تخته شواهد

تصمیم بعدی

وضعیت فرضی

قبل از بازطراحی، تحلیل بخش‌ها و آزمون مشخص فرم موبایل انجام شود

این جدول نمی‌گوید تجربه کاربری مشکل نیست.

می‌گوید:

هنوز شواهد کافی نداریم که تجربه کاربری را علت اصلی بدانیم.

تخته شواهد قرار نیست نظر اولیه تیم را تأیید کند.

قرار است شواهد موافق، شواهد متناقض، مجهولات و توضیح‌های جایگزین را کنار هم بگذارد تا تصمیم بعدی قابل دفاع‌تر شود.

قبل از بازطراحی، محل افت را پیدا کنید

یکی از بهترین کارها این است که نرخ تبدیل کلی را به چند مرحله بشکنیم:

ورود به صفحه

→ مشاهده پیشنهاد

→ مشاهده قیمت

→ شروع فرم

→ تکمیل فرم

→ تأیید صلاحیت

→ خرید

اگر افت بزرگ بین شروع و تکمیل فرم اتفاق می‌افتد، اصطکاک تجربه کاربری فرضیه قوی‌تری می‌شود.

اگر کاربران اصلاً به فرم نمی‌رسند، شاید باید پیشنهاد، اعتماد، قیمت یا تناسب ورودی را بیشتر بررسی کنیم.

این تحلیل هنوز علت را قطعی نمی‌کند.

اما دامنه فرضیه‌ها را محدود می‌کند.

داده رفتاری می‌گوید «کجا»؛ الزاماً نمی‌گوید «چرا»

فرض کنید ابزار تحلیل نشان می‌دهد کاربران در صفحه قیمت خارج می‌شوند.

آیا قیمت بالا است؟

شاید.

اما شاید مدل قیمت‌گذاری مبهم باشد.

هزینه جانبی دیر ظاهر شود.

بسته‌ها گیج‌کننده باشند.

یا مشتری قبل از رسیدن به قیمت تصمیم گرفته باشد که برند مناسب او نیست.

داده رفتاری می‌تواند نشان دهد:

کجا اتفاقی افتاده است.

برای فهم دقیق‌تر:

چرا؟

ممکن است به مصاحبه، آزمون کاربردپذیری، بازخورد فروش یا شواهد مستقیم مشتری نیاز داشته باشیم.

برای همین «کجا کلیک نکرد؟» با «چرا نخرید؟» یک سؤال نیست.

چه زمانی فرضیه تجربه کاربری قوی‌تر می‌شود؟

فقط پایین بودن نرخ تبدیل برای اطمینان بالا کافی نیست.

فرضیه تجربه کاربری زمانی قوی‌تر می‌شود که چند نوع شواهد در یک جهت قرار بگیرند.

برای مثال:

افت عبور در یک مرحله مشخص تکرار شود.

مشکل در بخش‌های مشابه دیده شود.

کاربران مناسب قصد اقدام داشته باشند.

داده رفتاری اصطکاک مشخصی نشان دهد.

آزمون کاربردپذیری همان مانع را تکرار کند.

و بعد از یک اصلاح کنترل‌شده، نرخ تکمیل همان مرحله بهتر شود.

می‌توان سطح اطمینان را ساده این‌طور دید:

اطمینان پایین: فقط می‌دانیم نرخ تبدیل پایین است.

اطمینان متوسط: محل افت عبور مشخص شده و چند شاهد از تجربه کاربری حمایت می‌کنند.

اطمینان بالاتر: داده رفتاری، شواهد مستقیم مشتری و نتیجه یک آزمایش کنترل‌شده در یک جهت‌اند.

هدف قطعیت مطلق نیست.

هدف این است که اندازه تصمیم با سطح شواهد متناسب باشد.

چه زمانی بازطراحی منطقی‌تر است؟

بازطراحی یا اصلاح تجربه کاربری زمانی تصمیم قابل‌دفاع‌تری می‌شود که:

کاربران مناسب وارد صفحه می‌شوند،

پیشنهاد را می‌فهمند،

نشانه‌هایی از قصد اقدام دارند،

اما در یک مرحله مشخص از فرایند متوقف می‌شوند.

مثلاً خطای فنی وجود دارد.

نسخه موبایل مشکل تکرارشونده دارد.

فرم شروع می‌شود ولی تکمیل نمی‌شود.

مرحله بعد برای کاربر روشن نیست.

یا آزمون کاربردپذیری مانع مشخصی را بارها نشان می‌دهد.

اینجا توصیه مستقیماً به یافته وصل است.

چه زمانی نباید اولین اقدام بازطراحی باشد؟

اگر ورودی عمدتاً نامرتبط است،

اگر وعده جذب با پیشنهاد واقعی هم‌خوان نیست،

اگر کاربر ارزش پیشنهاد را نمی‌فهمد،

اگر قیمت نسبت به انتظار شکاف بزرگی دارد،

اگر اعتماد کافی وجود ندارد،

یا بخش زیادی از کاربران هنوز آماده اقدام نیستند،

شروع از طراحی ممکن است زود باشد.

ممکن است صفحه در نهایت هم نیاز به اصلاح داشته باشد.

اما هنوز ثابت نشده که گلوگاه اصلی آنجاست.

نرخ تبدیل بالاتر همیشه نتیجه بهتر نیست

فرض کنید فرم درخواست مشاوره را بسیار ساده می‌کنیم.

قبلاً کاربر باید درباره شرکت، مسئله اصلی و بعضی مشخصات اولیه اطلاعات می‌داد.

حالا فقط نام و شماره تماس لازم است.

تعداد فرم‌ها دو برابر می‌شود.

نرخ تبدیل بهتر شده.

اما تیم فروش می‌گوید بخش بزرگی از درخواست‌های جدید مناسب نیستند.

آیا بهبود اتفاق افتاده؟

از نظر نرخ تبدیل صفحه: بله.

از نظر کیفیت سرنخ: شاید نه.

از نظر اقتصاد فروش: هنوز باید بررسی شود.

این نشان می‌دهد:

نرخ تبدیل بالاتر الزاماً ارزش تجاری بیشتر نمی‌سازد.

گاهی مقدار مشخصی اصطکاک برای صلاحیت‌سنجی مفید است.

هدف حذف تمام اصطکاک نیست.

هدف حذف اصطکاکی است که ارزش نمی‌سازد.

یک جدول عملی برای شروع تحقیق

این جدول تشخیص نهایی نیست.

کارش فقط این است که تحقیق بعدی را هدفمندتر کند.

مشاهده

ورودی زیاد، تعامل بسیار کم

فرضیه محتمل‌تر

تناسب ورودی یا انتظار

شواهد بعدی

منبع، عبارت جست‌وجو، صفحه ورود

مشاهده

مطالعه خوب، اقدام پایین

فرضیه محتمل‌تر

پیشنهاد، قیمت، اعتماد، آمادگی

شواهد بعدی

اعتراض‌ها، مصاحبه، آزمون پیام

مشاهده

شروع فرم بالا، تکمیل پایین

فرضیه محتمل‌تر

اصطکاک فرایند

شواهد بعدی

افت عبور فیلدها، آزمون کاربردپذیری

مشاهده

موبایل بسیار ضعیف‌تر از دسکتاپ

فرضیه محتمل‌تر

تجربه کاربری یا مسئله فنی

شواهد بعدی

آزمون دستگاه، خطا، سرعت

مشاهده

تبدیل بالا، کیفیت سرنخ پایین

فرضیه محتمل‌تر

تعریف تبدیل یا صلاحیت‌سنجی

شواهد بعدی

داده فروش و کیفیت درخواست

مشاهده

ریزش در قیمت

فرضیه محتمل‌تر

قیمت، شفافیت یا ارزش ادراک‌شده

شواهد بعدی

شواهد مشتری و مقایسه پیشنهاد

مشاهده

افت فقط در یک کمپین

فرضیه محتمل‌تر

مخاطب یا ناهماهنگی پیام

شواهد بعدی

تفکیک کمپین / منبع

مشاهده

افت ناگهانی در همه بخش‌ها

فرضیه محتمل‌تر

ردیابی یا تغییر فنی

شواهد بعدی

اعتبارسنجی رویدادها و قیف

پرسش‌های پرتکرار

نرخ تبدیل خوب چند درصد است؟

بدون بافت عدد عمومی می‌تواند گمراه‌کننده باشد.

نوع کسب‌وکار، قیمت، کانال، قصد، دستگاه، مرحله تصمیم و حتی تعریف تبدیل روی عدد اثر می‌گذارند.

معیار مقایسه می‌تواند نقطه مقایسه باشد، اما علت مشکل را تشخیص نمی‌دهد.

آیا تجربه کاربری ضعیف می‌تواند نرخ تبدیل را پایین بیاورد؟

بله.

اما تجربه کاربری فقط یکی از علت‌های ممکن است. پایین بودن نرخ تبدیل به‌تنهایی اثبات نمی‌کند مشکل در تجربه کاربری است.

آیا بازطراحی سایت باعث افزایش نرخ تبدیل می‌شود؟

ممکن است، اگر تجربه کاربری واقعاً یکی از گلوگاه‌های اصلی باشد.

اما اگر مسئله در کیفیت ترافیک، پیشنهاد، قیمت یا اعتماد باشد، بازطراحی الزاماً علت اصلی را هدف نمی‌گیرد.

از کجا بفهمیم مشکل از ترافیک است یا خود سایت؟

نرخ تبدیل را به تفکیک منبع (Source)، واسطه (Medium)، کمپین (Campaign)، دستگاه، صفحه فرود و بخش بررسی کنید.

اگر افت بیشتر در ورودی‌های خاص متمرکز باشد، فرضیه کیفیت ترافیک جدی‌تر می‌شود.

اگر کاربران مشابه در مرحله مشخصی از خود تجربه متوقف می‌شوند، فرضیه تجربه کاربری تقویت می‌شود.

نتیجه عملی

اگر نرخ تبدیل پایین است، اولین اقدام را از تغییر رنگ دکمه شروع نکنید.

اول «تبدیل» را دقیق تعریف کنید.

بعد مطمئن شوید افتی که می‌بینید واقعی و قابل مقایسه است.

داده را بر اساس منبع، دستگاه، صفحه، نوع مخاطب و مرحله فرایند تفکیک کنید.

محل افت را پیدا کنید.

سپس فرضیه‌ها را از هم جدا کنید:

ورودی؟

انتظار؟

پیشنهاد؟

قیمت؟

اعتماد؟

آمادگی؟

اصطکاک؟

اندازه‌گیری؟

اگر شواهد به اصطکاک اشاره می‌کنند، تجربه کاربری را اصلاح کنید.

اگر شواهد به پیشنهاد، مخاطب یا اعتماد اشاره می‌کنند، طراحی زیباتر احتمالاً مسئله اصلی را حل نمی‌کند.

و در نهایت فقط تعداد تبدیل را نبینید.

بپرسید:

تبدیل بیشتر چه کیفیت و چه ارزش تجاری ساخته است؟

هدف، بیشترین نرخ تبدیل ممکن نیست.

هدف این است که سایت نتیجه بهتری برای کسب‌وکار و مشتری مناسب بسازد.

مطالعه منطقی بعدی

اگر اقدام دیجیتال انجام می‌شود اما مشتریان بالقوه بعداً به فروش نمی‌رسند، مسئله از صفحه عبور کرده است و باید تناسب مشتری، صلاحیت‌سنجی، پیگیری، پیشنهاد و فرایند فروش بررسی شود.

چرا سرنخ‌های فروش تبدیل نمی‌شوند؟ آیا واقعاً مشکل از کیفیت سرنخ است؟

اگر نرخ تبدیل پایین است اما نمی‌دانید مشکل دقیقاً کجاست

قبل از بازطراحی سایت، مشخص کنید مسئله واقعاً در تجربه کاربری است یا جای دیگری.

ارزیابی وضعیت دگرین کمک می‌کند کیفیت ورودی، وضوح، جایگاه، اعتماد و هم‌راستایی دیجیتال را جداگانه ببینید و مشخص کنید کدام بخش نیازمند بررسی عمیق‌تر است.

اگر فقط یک چیز از این مقاله به خاطر بسپارید

تجربه کاربری یکی از علت‌های ممکن نرخ تبدیل پایین است؛ نه نام دیگرِ نرخ تبدیل پایین. قبل از اصلاح صفحه باید مشخص کنیم کاربر نمی‌تواند جلو برود یا نمی‌خواهد جلو برود.

سه سؤال دگرین

  1. چه چیزی را درباره علت نرخ تبدیل پایین واقعاً می‌دانیم و چه چیزی هنوز فرضیه است؟
  2. کاربر در کدام مرحله نمی‌تواند جلو برود و در کدام مرحله تصمیم می‌گیرد جلو نرود؟
  3. اگر نرخ تبدیل را بالا ببریم، چه شواهدی داریم که کیفیت مشتری و نتیجه تجاری هم بهتر خواهد شد؟
شروع ارزیابی

یادداشت روش و منابع

برای تعریف رویدادهای کلیدی و تفاوت آن‌ها با تبدیل در سنجش تبلیغاتی از مستندات رسمی گوگل آنالیتیکس استفاده شده است. این مستندات نشان می‌دهند کسب‌وکار تعیین می‌کند کدام رفتار برای موفقیتش اهمیت دارد؛ بنابراین معنای نرخ تبدیل به تعریف رفتار مورد سنجش وابسته است.

برای نقش مشکلات تجربه کاربری در رها کردن خرید از تحقیقات گسترده مؤسسه Baymard استفاده شده است. این مطالعات نشان می‌دهند فرایند پیچیده، اجبار به ساخت حساب، خطاهای سایت و برخی مشکلات پرداخت می‌توانند مانع واقعی تکمیل خرید باشند. در عین حال همان پژوهش‌ها تأکید می‌کنند بخشی از رها کردن‌ها ناشی از بررسی، آماده نبودن برای خرید، هزینه یا زمان تحویل است و با بازطراحی رابط به‌تنهایی حل نمی‌شود.

برای رابطه اعتماد، کیفیت ادراک‌شده سایت و قصد خرید از پژوهش منتشرشده در Telematics and Informatics Reports استفاده شده است. مطالعه در زمینه خرده‌فروشی آنلاین امارات انجام شده و نتایج آن در این مقاله فقط برای نشان دادن امکان نقش اعتماد و کیفیت ادراک‌شده استفاده شده است، نه به‌عنوان قانون عمومی همه بازارها.

مثال Shopify مربوط به به‌روزرسانی اندازه‌گیری نشست در Shopify Analytics در سپتامبر ۲۰۲۶ است. این تغییر می‌تواند سنجه‌های مبتنی بر نشست، از جمله نرخ تبدیل، را متفاوت نشان دهد، در حالی که تعداد سفارش، فروش و مشتری تحت تأثیر خود این تغییر اندازه‌گیری قرار نمی‌گیرد. این مثال فقط فرضیه جایگزین اندازه‌گیری است؛ نه اثبات اینکه هر تغییر مشاهده‌شده در نرخ تبدیل از اندازه‌گیری آمده، و نه اثبات تغییر رفتار مشتری.

  1. 1. Google Analytics Help. Conversions vs. Key Events in Google Analytics
  2. 2. Google Analytics Help. About Key Events
  3. 3. Baymard Institute. Reasons for Cart Abandonment
  4. 4. Baymard Institute. How to Reduce Cart Abandonment
  5. 5. Baymard Institute. Checkout UX Research
  6. 6. Exploring the Impact of مشتری Reviews, Website Quality, Perceived Service Quality, and Product Assortment on Online Purchase Intention: The Mediating Role of Trust. Telematics and Informatics Reports. 2025
  7. 7. Shopify Help Center. Changes to sessions and conversion rate in Shopify Analytics. Shopify. 2026. به‌روزرسانی اندازه‌گیری نشست در سپتامبر ۲۰۲۶. نشست بر اساس ادامه فعالیت محاسبه می‌شود، بعضی مسیرهای بدون بازدید صفحه می‌توانند نشست باشند و ربات‌های شناسایی‌شده به‌طور پیش‌فرض فیلتر می‌شوند. سنجه‌های مبتنی بر نشست، از جمله نرخ تبدیل، ممکن است متفاوت دیده شوند؛ تعداد سفارش، فروش و مشتری از خود این تغییر اندازه‌گیری اثر نمی‌گیرد. فرضیه جایگزین است، نه اثبات علت هر تغییر مشاهده‌شده.
  8. 8. Shopify Changelog. Shopify Analytics session measurement improvements. Shopify. 2026. اعلام رسمی همان به‌روزرسانی اندازه‌گیری نشست در Shopify Analytics. مکمل منبع Help Center است و به‌تنهایی اثبات تغییر رفتار مشتری یا علت هر افت نرخ تبدیل نیست.

اگر می‌خواهید این موضوع را یک مرحله جلوتر ببرید

  1. 1. چرا سرنخ‌های فروش به مشتری تبدیل نمی‌شوند؟ آیا واقعاً مشکل از کیفیت سرنخ است؟

مقالات مرتبط