لو عندك زيارات كثيرة وطلبات قليلة، ابدأ بقياس أين يتوقف الزائر. هذا الدليل يركز على تحسين معدل التحويل في المتجر؛ ولشرح المفهوم نفسه اقرأ ما هو Funnel التجارة الإلكترونية.
حدد خطوات رحلة الشراء التي ستقيسها
قسّمها إلى مشاهدة صفحة المنتج، إضافة المنتج إلى السلة، بدء إتمام الطلب، ثم الشراء. اجعل تعريف الحدث ثابتًا، وميز الزوار عن الجلسات والطلبات والعملاء. راجع صحة التسجيل قبل أن تتخذ قرارًا من الأرقام.
مثال حسابي لتحديد التسرب
مثال توضيحي وليس نتيجة عميل: خلال فترة واحدة، سجلت 1000 جلسة لصفحات المنتجات، و200 إضافة للسلة، و100 بداية لإتمام الطلب، و40 عملية شراء. إذا كنت تقارن أحداثًا مرتبطة بنفس مجموعة الجلسات، فنسبة الانتقال للسلة 20%، ومن السلة للإتمام 50%، ومن الإتمام للشراء 40%. معدل الشراء من جلسات المنتج 4%.
قد يسجل الشخص الحدث أكثر من مرة؛ لذلك لا تستخدم عدد الأحداث الخام بدل عدد الجلسات التي أكملت كل خطوة. اختلاف الفترة أو تعريف المقام يجعل المقارنة مضللة.
ابحث عن السبب قبل تغيير الإعلان
- تسرب صفحة المنتج: راجع الصور والمواصفات والسعر والتوفر.
- تسرب السلة: وضح تكلفة الشحن وسياسة الاسترجاع والوقت المتوقع.
- تسرب إتمام الطلب: اختبر نموذج العنوان ووسائل الدفع ورسائل الخطأ على الهاتف.
- طلبات لا تصل: راجع التأكيد والعناوين والإلغاء والمرتجعات بعد الشراء.
قارن مجموعات متشابهة
افصل الهاتف عن سطح المكتب، والزائر الجديد عن العائد، ومصادر التسويق المختلفة. لا تقارن إعلان منتج منخفض السعر بإعلان منتج آخر ثم تنسب كل الفرق إلى تصميم الصفحة.
اختبر تغييرًا محددًا
ابدأ بفرضية مثل أن رسوم الشحن تظهر متأخرة. اجعل الرسوم أو طريقة حسابها واضحة قبل السلة، وراقب الفترة والموسمية وحجم الزيارات. اختبار A/B يحتاج عددًا كافيًا وتعريفًا مسبقًا للنجاح؛ لا تحكم من يوم واحد أو طلبين.
اربط التحويل بالربح والتسليم
تحسين عدد عمليات الشراء ليس الهدف الوحيد. راجع تكلفة الاكتساب وهامش المساهمة والطلبات المسلّمة والمرتجعات. اقرأ مصطلحات ومؤشرات المتجر، وناقش إدارة إعلانات المتاجر أو متابعة الطلبات حسب موضع المشكلة.
ابنِ لوحة قياس واحدة بدل الأرقام المتضاربة
ابدأ بخريطة بسيطة توضح مصدر كل مؤشر: منصة المتجر مسؤولة عن الأوردرات الفعلية، وأداة التحليلات ترصد أفعال الزائر قبل الطلب، ومنصة الإعلانات تقدم بيانات الإسناد والإنفاق، بينما خدمة الشحن تثبت مصير البوليصة والتسليم. اختلاف عدد الطلبات في كل مصدر مش بالضرورة خطأ؛ تعريف الحدث وتاريخ القياس والإسناد مختلفين. عند المقارنة اكتب اسم كل مصدر بجانب الرقم، وحدد هل المؤشر عدد أحداث، أم جلسات، أم طلبات فريدة.
تأكد من فصل حركة الموقع التسويقي للوكالة عن أحداث متجر العميل. الضغط على زر «تواصل واتساب» في موقع خدمات كن أونلاين يعبّر عن نية تواصل فقط، وليس طلب شراء من متجر العميل أو مكالمة مكتملة أو عميلًا مؤهلًا. وإذا كان المتجر يستخدم أكثر من منصة، راجع نطاق القياس وملكية الحسابات وصلاحياتها قبل مقارنة التقارير.
أحداث GA4 المناسبة لمتجر إلكتروني
للتجارة الإلكترونية توجد أسماء أحداث موصى بها من Google؛ من أهمها view_item عند عرض المنتج، وadd_to_cart عند الإضافة للسلة، وbegin_checkout عند بدء الدفع، وpurchase عند اكتمال الشراء. إعداد هذه الأحداث داخل متجر العميل ليس نتيجة تلقائية لتركيب Google Analytics على موقع الوكالة. يجب تجهيز الأحداث من منصة المتجر أو التكامل المناسب، والتأكد من أن قيمتها وعملتها ومعرّف العملية صحيحة.
لا تحسب قيمة بيع عند مجرد فتح السلة. وحدث purchase لا ينبغي تسجيله مرتين عند تحديث صفحة الشكر؛ استخدم مرجع طلب فريدًا لمراجعة أي تكرار. وإذا كان إتمام الطلب يتم عبر واتساب بدل صفحة دفع، فهذه رحلة مختلفة تحتاج تعريف أحداث ومرحلة تأهيل لا يمكن مساواتها بعملية شراء مؤكدة.
المرجع الرسمي: Google — قياس التجارة الإلكترونية في GA4، والتحقق من صحة الأحداث ومعاملاتها.
راجع دقة البيانات قبل ما تبدأ تحسين التصميم
اعمل تجربة على حساب اختبار، من أول دخول صفحة المنتج لحد صفحة إتمام الطلب، وشوف الأحداث بالترتيب داخل أداة الفحص. إذا وجدت حدث سلة لا يظهر، أو شراءً يُسجل مرتين، أصلح التتبع قبل حساب نسب التحويل. تأكد من موافقة المستخدم على التحليلات حيث يلزم، ولا ترسل أسماء العملاء أو أرقام تليفوناتهم أو عناوينهم إلى تقارير GA4.
افحص نفس التجربة على الموبايل: هل زر إضافة السلة ظاهر؟ هل الصفحة سهلة القراءة؟ هل سعر الشحن بيتضح قبل آخر خطوة؟ وهل تغيير المقاس واللون يحافظ على اختيار العميل؟ راقب الأخطاء الفعلية ولا تعتمد على شكل الصفحة فقط.
استخدم جدول تسرب واضح لكل مرحلة
لنفترض، كمثال تعليمي، أن 400 جلسة شاهدت منتجًا، و120 جلسة أضافت للسلة، و80 بدأت الدفع، و32 أكملت الطلب خلال نفس فترة القياس وبعد استبعاد الأحداث المكررة. نسب الانتقال ستكون 30% من مشاهدة المنتج إلى السلة، و66.7% تقريبًا من السلة إلى الدفع، و40% من الدفع إلى الإتمام؛ بينما الشراء من جلسات المنتج هو 8%. كل نسبة تمثل سؤالًا تشغيليًا مختلفًا، ولا تتطابق بالضرورة مع تقرير شركة الشحن.
إذا ظهر أكبر فقد في الانتقال للسلة، اسأل عن وضوح المنتج والسعر والثقة. وإذا وقع عند الدفع، افحص نموذج العنوان وتكلفة الشحن وطرق الدفع وتوفر المقاسات. الأهم مش البحث عن «نسبة مثالية» من أرقام عامة، بل مقارنة متجرك بنفسه عبر فترات متشابهة وبعد إصلاح مشاكل التتبع.
كيف تحوّل البيانات إلى اختبار فعلي؟
اكتب فرضية قابلة للقياس: «عرض تكلفة الشحن قبل الدفع يقلل انسحاب العملاء من صفحة السلة». طبّق تعديلًا واحدًا محددًا أو تجربة A/B مناسبة للحجم المتاح، وراقب المقياس الأساسي مع مؤشر احترازي مثل قيمة الطلب ونسبة إتمام الشراء. لا توقف الإعلان أو تغير السعر والتصميم ورسوم الشحن في نفس اللحظة ثم تنسب النتيجة إلى عنصر واحد.
حدد تاريخ بداية الاختبار ونهايته، ومصدر الزيارات، والأجهزة، وهل منتجات المقارنة لها أسعار ومخزون متقارب. إذا كان الحجم صغيرًا جدًا، اكتفِ بوصف النتائج كملاحظات أولية بدل إعلان فوز إحصائي غير مثبت. والنجاح النهائي لازم يراعي تكلفة الأوردر المسلّم الفعلية، ونسب التأكيد والتسليم، وليس عدد إكمال الطلب وحده.
تقرير أسبوعي عملي للمسؤول عن المتجر
اكتب في سطر واحد لكل مرحلة: اسم الخطوة، العدد الفريد، نسبة الانتقال، أكبر سبب محتمل للتسرب، حالة التحقق من البيانات، الإجراء المجرب، وصاحب القرار. اضف ملاحظة إن كانت البيانات من جلسات ناضجة أو أوردرات ما زالت في الشحن. بهذه الطريقة يفهم فريق التسويق والتأكيد والتشغيل الأرقام نفسها من غير خلط بين المبيعات المسجلة والمبيعات المسلّمة.
ما الذي يعنيه الرقم غير المكتمل في GA4؟
يعتمد القياس الصحيح على اسم الحدث وطريقة إطلاقه وما إذا كان العميل منح موافقة التحليلات حيث تتطلبها سياسة الموقع والقواعد المنطبقة. قد ترى زيارات في سجلات السيرفر أكثر من جلسات GA4، وقد يسجل المتصفح إضافة للسلة مرتين بسبب إعادة عرض الصفحة أو نقر متكرر. لذلك لا تعتبر اختفاء حدث Purchase دليلًا مباشرًا على أن العميل لم يطلب، ولا تعتبر ظهوره دليلًا على التسليم.
اكتب خريطة صغيرة للأحداث: view_item وadd_to_cart وbegin_checkout وpurchase، ثم راجع عينات من رحلة شراء تجريبية من الهاتف والكمبيوتر. اربط معرّف الطلب الذي يستطيع نظامك استخدامه لمنع الازدواجية، لكن لا تُرسل رقم الهاتف أو العنوان أو بيانات شخصية إلى أحداث التحليلات. سجّل متى اختُبرت كل خطوة وما المشكلات التي ظهرت قبل بناء لوحة الأداء.
أولويات إصلاح صفحة المنتج قبل تجربة A/B
صفحة المنتج تحتاج إجابة عملية على الأسئلة التي تمنع العميل من اتخاذ قرار: ما المقاس والخامة واللون الحقيقي؟ هل الصور تمثل المنتج؟ ما سعر الشحن النهائي والوقت المتوقع؟ وما قواعد الاستبدال والمرتجع؟ إذا اكتشفت أن زيارات صفحات المنتج مرتفعة والإضافة للسلة ضعيفة، راجع هذه العناصر أولًا بدل زيادة الإعلانات. يمكن لاختبار مصوّر لمنتج واحد أن يوضح نقصًا لا يظهر في أرقام الجلسات.
ضع فرضية محددة مثل «إظهار جدول المقاسات فوق زر الطلب سيقلل أسئلة المقاس»، ثم اختبر التغير على مجموعة ملائمة وموسم متشابه، وراقب جودة الطلبات المؤكدة والمرتجعات أيضًا. لا تعلن فوز اختبار بعد تغيّر طفيف في عدد قليل من الطلبات. وإذا كان المنتج جديدًا وليس له بيانات كافية، اجمع اعتراضات العملاء بشكل نوعي قبل التحليل الإحصائي.
كيف تفرّق بين تسرب الدفع وتسرب الشحن؟
خروج العميل من صفحة إتمام الطلب مختلف عن رفضه استلام المنتج بعد عدة أيام. الأولى قد تتعلق بصعوبة الحقول أو وسائل الدفع أو عدم وضوح السعر، والثانية قد تتعلق بتوقعات المنتج أو مشكلة عنوان أو تأخر شركة الشحن. لهذا اعرض القمع الرقمي والقمع التشغيلي منفصلين مع رابط معرّف الطلب. قد ينجح تعديل نموذج العنوان ويقل رفض الاستلام، لكنه لن يثبت أثره إلا بعد نضج دفعات الشحن الجديدة.
إذا كنت تقارن حملة على مصر بحملة على السعودية، افصل اختلاف رسوم الشحن ووسائل الدفع والعملة والفترة. وكذلك تأكد أن الأوردرات التي دخلت من Easy Orders لم تُحتسب مرة ثانية عند إضافتها يدويًا. ابدأ من تعريف الطلب الفريد قبل استخدامه في مقام تكلفة الشراء أو معدل التحويل.
اختبار تحسين كامل من المشكلة إلى القرار
حدد اليوم بدايةً فترة مرجعية تتوفر لها بيانات معقولة. اختر مرحلة يبرز فيها فقد الطلبات، ثم اكتب سببًا محتملًا يستند إلى تسجيلات جلسات أو أسئلة العملاء بعد الموافقة المناسبة أو إلى ملاحظات فريق التشغيل. نفّذ تعديلًا واحدًا يمكن الرجوع عنه، واحتفظ بنسخة من النص أو الصفحة قبل التغيير. ضع موعد مراجعة وشرطًا لوقف التجربة إذا سببت زيادة شكاوى أو أخطاء طلبات.
في المراجعة اعرض عدد الجلسات والأحداث المؤهلة والطلبات الفريدة والمبلغ المسلّم ومساهمة المنتج بعد التكاليف، لا نسبة زر الطلب فقط. إذا تحسنت المبيعات المسجلة لكن ارتفعت رسوم المرتجع أو تأخر تجهيز الباندل، تعامل مع النتيجة باعتبارها مختلطة لا نجاحًا قاطعًا. وثّق الدروس حتى لا يعيد الفريق التجربة نفسها بعد شهر.
مؤشرات لا يمكن استنتاجها من Clarity وحده
Microsoft Clarity مفيد لفهم سلوك الزيارة مثل التسجيلات والخرائط الحرارية، لكنه لا يحدد وحده هل جاءت الزيارة بسبب إعلان بعينه أو ما إذا كان الطلب قد وصل إلى العميل وتحوّل إلى تحصيل. الإسناد يحتاج بيانات القنوات وأحداثًا صحيحة وتعريف طلب فريد، كما يحتاج قياس جودة التشغيل وصلات إلى نظام الطلبات والشحن. استخدم Clarity لتوليد فرضيات عن الاحتكاك داخل الصفحة لا لتقرير ربح الحملة.
وعند مشاهدة التسجيلات احترم إعدادات حجب البيانات وسياسات الخصوصية ولا تعرض مدخلات العميل الحساسة لفريق لا يحتاجها. انقل الفرضية إلى اختبار حقيقي، ثم راقب البيانات قبل وبعد التعديل مع تفسير العوامل الأخرى. يمكنك الاستفادة من شرح القمع الكامل لمقارنة المراحل باستمرار.