Замер эффекта

Без замера — это не оптимизация, а гадание

Каждое изменение на сайте должно подтверждаться данными. Мы не верим на слово и не опираемся на «мне кажется, стало лучше». Только цифры: сравниваем метрики до и после внедрения, проводим A/B-тесты, анализируем статистическую значимость.

Если правка дала результат — масштабируем. Если нет — откатываем и разбираем, почему гипотеза не сработала. Это экономит бюджет и фокусирует команду на том, что реально двигает метрики.

Метрики, которые мы замеряем

• Bounce rate — доля посетителей, покинувших сайт после просмотра одной страницы. Цель: снижение на 15-30%.
• Время на сайте / странице — среднее время сессии. Растёт, когда контент интересен и навигация понятна.
• Глубина просмотра — количество страниц за сессию. Показывает, насколько сайт вовлекает в изучение.
• Pages per session — аналог глубины, но в терминах GA4. Удобно для воронок.
• Конверсия — доля посетителей, выполнивших целевое действие (заявка, покупка, подписка).
• Core Web Vitals — LCP, INP, CLS. Технические метрики Google, влияющие на ранжирование.
• CTR в выдаче — кликабельность сниппета в Яндексе и Google. Растёт при улучшении мета-тегов и Schema.org.

A/B-тестирование

Каждое нетривиальное изменение мы запускаем как A/B-тест:

1. Формулируем гипотезу — «добавление видео на первый экран увеличит время на странице на 20%».
2. Определяем размер выборки — считаем, сколько посетителей нужно для статистической значимости (p < 0.05).
3. Запускаем тест — 50% видят вариант A (текущий), 50% — вариант B (с правкой).
4. Ждём набора статистики — обычно 2-4 недели в зависимости от трафика.
5. Принимаем решение — если B лучше A с p < 0.05 — выкатываем B. Иначе — откатываем.

Отчётность

Каждые 2 недели вы получаете дайджест:

• Таблица правок с результатами (влияние на каждую метрику в %).
• Статус A/B-тестов (набирает данные / значимый результат / нет эффекта).
• Общая динамика поведенческих факторов за период (графики bounce rate, времени, глубины).
• Рекомендации на следующий спринт.