
Nasze własne liczby nas okłamywały. Przyznaliśmy to, a udział dużych zamówień wzrósł trzykrotnie.
Prezent do zamówienia powyżej określonej kwoty zna każdy sklep internetowy. Mało kto testuje go jednak tak, żeby wiedzieć, czy naprawdę działa. W Trendy Hračky testowaliśmy go w trzech krokach i w połowie drogi odkryliśmy, że nasze własne wyniki cząstkowe były fałszywe.
E-commerce · zabawki · Shoptet · czerwiec–październik 2026
4,1% → 13,5% udział zamówień powyżej wyższego progu | +8% średnia wartość zamówienia | 1 dzień od projektu rozwiązania do wdrożenia |
Ze względu na poufność nie podajemy żadnych kwot w euro. Średnia wartość zamówienia jest wyrażona jako indeks, gdzie stan sprzed testu = 100. Kwoty, od których klient dostawał prezent, nazywamy Progiem A (niższy) i Progiem B (wyższy).
Zadanie
Klient chciał zwiększyć średnią wartość zamówienia bez podnoszenia wszystkich cen czy ograniczania asortymentu. Wybraliśmy klasyczne narzędzie, czyli prezent do zamówienia powyżej określonej kwoty, i postanowiliśmy porządnie je przetestować. Na danych, a nie na domysłach.
Krok 1: cichy test (25.06–9.08)
Zamiast kampanii na cały sklep najpierw wprowadziliśmy prezent do zamówienia powyżej Progu A, widoczny tylko w koszyku, bez żadnej komunikacji na zewnątrz. Chcieliśmy sprawdzić podstawową wrażliwość klientów na próg, zanim zaczniemy wydawać na niego pieniądze na reklamę.
Średnia wartość zamówienia wzrosła o 4%, a udział zamówień powyżej Progu A wzrósł z 31,6% do 36,1%. Niewiele, ale w dobrym kierunku.
Krok 2: baner i drugi próg (10.08–9.09)
Kiedy zobaczyliśmy, że mechanizm działa, dodaliśmy baner na stronę główną i zaczęliśmy aktywnie komunikować promocję. Jednocześnie wprowadziliśmy drugi, wyższy próg: przy zamówieniu powyżej Progu B klient mógł wybrać jeden z dwóch prezentów.
Tu przyszła pierwsza lekcja. Na pierwszy rzut oka liczby wyglądały świetnie. Indeks średniej wartości zamówienia skoczył do 110, czyli o jedną dziesiątą powyżej punktu wyjścia, a udział zamówień powyżej Progu B wyniósł 9,6%.
Tyle że dokładnie w tym samym czasie sklep zaczął sprzedawać nowy, wyraźnie droższy asortyment związany z bieżącym fenomenem popkulturowym. Z naszym testem nie miało to nic wspólnego. Kiedy wyłączyliśmy te zamówienia z analizy, żeby zobaczyć czysty efekt prezentu, obraz był zupełnie inny. Indeks wartości zamówienia po oczyszczeniu spadł do 102, czyli w zasadzie do poziomu z kroku 1. A udział zamówień powyżej Progu B spadł do 4,1%, czyli poniżej 9,6%, które sklep miał naturalnie jeszcze przed całym testem.
Drugi próg nie tylko więc nie działał, ale wręcz pogorszył sytuację. Próg A nadal działał i się potwierdził, a Próg B tylko pozornie poprawił obcy efekt.
Dlaczego tego tak nie zostawiliśmy. Łatwo wziąć z danych tylko to, co pasuje. Woleliśmy powiedzieć klientowi niewygodną prawdę i poszukać prawdziwej przyczyny, niż przypisać sobie zasługę za coś, czego nie zrobiliśmy.
Dlaczego Próg B nie działał
Przeanalizowaliśmy rzeczywiste zachowanie klientów w koszyku i znaleźliśmy dwie przyczyny.
Niepewność. Drugi prezent był komunikowany jako niespodzianka, więc klient nie wiedział z góry, co dostanie. Przy Progu A chodziło tymczasem o konkretny, nazwany produkt.
Tarcie. W koszyku brakowało prostego sposobu, żeby szybko dobrać brakującą kwotę. Klient widział tylko ogólną informację, że czegoś mu brakuje do prezentu, i musiał sam przeszukiwać katalog. Mało kto to robił.
Krok 3: box z propozycjami prosto w koszyku (wdrożony 10.09)
Zamiast czekać na decyzję klienta co do zawartości drugiego prezentu, skupiliśmy się na tym, co dało się rozwiązać od razu: usunąć tarcie przy dobieraniu produktów. Zaprojektowaliśmy i wdrożyliśmy własny skrypt bezpośrednio w koszyku, przez standardową funkcję Shoptetu do własnego kodu, bez potrzeby partnerstwa API czy zatwierdzania.
Działa to prosto. Skrypt uruchamia się wyłącznie na stronie koszyka. Kiedy klient jest tuż poniżej Progu B, widzi box z dwoma do czterech konkretnymi produktami, dobranymi tak, żeby miały wystarczający stan magazynowy i uniwersalną atrakcyjność. Przycisk dodaje produkt do koszyka jednym kliknięciem, bez przechodzenia na inną stronę.
Całe rozwiązanie przygotowaliśmy i wdrożyliśmy w ciągu jednego dnia, bo nie była to ingerencja w rdzeń sklepu, tylko dodatkowy kod w istniejącym miejscu panelu administracyjnego.
Wynik (mierzony na 15.10)
Żeby porównanie było czyste, ponownie wyłączyliśmy z danych zamówienia zawierające ten sam niezwiązany nowy asortyment co w kroku 2.
| Etap | Indeks wartości zamówienia | Zamówienia powyżej Progu B |
|---|---|---|
| Przed testem * | 100 | 9,6% |
| Krok 1: prezent w koszyku | 104 | 9,3% |
| Krok 2: baner i Próg B | 102 | 4,1% |
| Krok 3: po wdrożeniu boxu z propozycjami | 110 | 13,5% |
* Przed testem Próg B nie był jeszcze progiem prezentowym. Chodzi więc o udział zamówień, które naturalnie przekroczyły tę kwotę. Punktu odniesienia nie trzeba było oczyszczać, bo nowego asortymentu jeszcze wtedy nie było. O porównywalności punktu odniesienia przeczytasz w uwadze o metodologii poniżej.
Udział zamówień przekraczających Próg B w porównaniu ze stanem tuż przed wdrożeniem boxu z propozycjami wzrósł ponad trzykrotnie, z 4,1% do 13,5%. Indeks wartości zamówienia wzrósł o około 8% w porównaniu z najbliższym porównywalnym punktem, czyli ze 102 do 110.
Warto zauważyć, że nieoczyszczony indeks z kroku 2 pokazywał tę samą wartość 110, którą naprawdę osiągnęliśmy dopiero miesiąc później. Gdybyśmy wtedy poprzestali na pierwszym spojrzeniu, uznalibyśmy, że sprawa jest zamknięta, a prawdziwy problem pozostałby nieodkryty.


Uwaga o metodologii
Jeśli czytasz uważnie, widzisz, że wartość 9,6% pojawia się w artykule dwa razy: raz jako stan sprzed testu i raz jako nieoczyszczony udział w kroku 2. To nie błąd. To dwie niezależnie liczone wartości z zupełnie innych okresów i innych prób, które po zaokrągleniu do jednego miejsca po przecinku wyszły tak samo. Dokładnie 9,56% przed testem i 9,64% w kroku 2. Przy wskaźniku, który w całym teście waha się między czterema a czternastoma procentami, taka zbieżność czasem po prostu się zdarza.
Druga rzecz, którą trzeba powiedzieć głośno, to porównywalność okresów. Punkt odniesienia obejmuje 175 dni od stycznia do końca czerwca, a poszczególne kroki trwały od 31 do 46 dni i przypadały na okres od końca czerwca do połowy października. Punkt odniesienia jest więc cztery do pięciu razy dłuższy i do tego przypada na inny sezon zakupowy. Przy zabawkach to niemała różnica. Każde porównanie ze stanem sprzed testu jest więc orientacyjne, a część różnicy może wynikać z sezonowości, a nie z naszych działań.
Główna teza tego case study na tym jednak nie stoi. Porównujemy krok 2 z krokiem 3, czyli dwa sąsiednie okresy trwające 31 i 36 dni w tym samym sezonie, między którymi zmieniła się tylko jedna rzecz: wdrożenie boxu z propozycjami. To porównanie, którego sezonowość nie zaburza.
Bonus: bieżące monitorowanie wykryło niezwiązany spadek
W trakcie miesięcznego monitorowania zauważyliśmy na początku października spadek ogólnych wyników sklepu, który nie miał związku z testem. Rozłożyliśmy go na części tym samym podejściem opartym na danych i znaleźliśmy połączenie trzech przyczyn.
Kilka produktów, które wcześniej świetnie się sprzedawały, po prostu się wyprzedało. Jednego konkretnego dnia w koszyku wystąpiła awaria techniczna, która uniemożliwiła składanie zamówień. A automatyczny system reklam Google w reakcji na spadek konwersji sam ograniczył wyświetlanie.
Przekazaliśmy klientowi dokładną listę produktów do uzupełnienia na magazynie oraz kolejność kroków naprawczych. Ta praca nie kończy się na jednym raporcie, to bieżące śledzenie tego, co naprawdę dzieje się w sklepie.
Czego możesz się z tego nauczyć
Konkret wygrywa z niepewnością. Nazwany prezent przy Progu A działał wyraźnie lepiej niż niespodzianka przy Progu B. Klient nie potrafi wyobrazić sobie wartości czegoś, o czym nie wie, czym jest.
Usuń tarcie w miejscu decyzji. Box z propozycjami prosto w koszyku miał większy mierzalny wpływ niż komunikowanie promocji banerem. Klient, który już robi zakupy, nie potrzebuje kolejnej reklamy, tylko łatwiejszego następnego kroku.
Weryfikuj, a nie tylko mierz. Gdybyśmy poprzestali na pierwszym spojrzeniu na liczby po kroku 2, polecilibyśmy klientowi coś, co w rzeczywistości nie działało. Oczyszczenie danych z niezwiązanych wpływów ujawniło prawdziwy problem i pozwoliło go rozwiązać.
Monitorowanie trwa także po sukcesie. Miesiąc po wdrożeniu rozwiązania sprawdziliśmy efekt ponownie, a nie tylko raz przy starcie. Przy okazji wykryliśmy też zupełnie inny, operacyjny problem, który inaczej przeszedłby niezauważony.
Bądź zawsze o krok do przodu
Co nowego, co działa i czego nie możesz przegapić? Odkryj kolejne artykuły, które pomogą Ci wycisnąć maksimum z każdej okazji.
Podnieśliśmy klientowi koszt zapytania o 35%. To była najlepsza rzecz, jaką dla niego zrobiliśmy.
W B2B obowiązuje jedna niewygodna zasada: tanie zapytanie to często złe zapytanie. Dlatego dla klienta Dolphin przestaliśmy gonić za liczbą kontaktów i zaczęliśmy gonić za ich wartością. Koszt zapytania celowo nam wzrósł. Więcej