Optimalizuješ špatné číslo
Většina firem sleduje jedno agregované číslo: kolik návštěv skončí objednávkou. Problém je, že funnelů je víc – registrace, opakovaný nákup, řešení problému zákazníka.
Příklad: Výrobce přípravku na růst vlasů měl skvělé kampaně, ale zákazníci se nevraceli. Důvod? Produkt se musí aplikovat dvakrát denně dva měsíce. Lidé to nezachytili, vlasy nerostly a přišly špatné recenze.
„Zákazník ze svého neúspěchu vždycky raději obviní vás než sebe“, říká Lukáš.
Funnel nekončí platbou. Končí až správným používáním produktu.
Co měřit doopravdy
Měř to, co přináší peníze. U e-shopu to často není objednávka, ale nákup, který zákazník nevrátí. U doplňků stravy první nákup následovaný druhým.
Jeden z e-shopů s kontaktními čočkami otevřeně říkal, že na první objednávce prodělává – na své se dostane až od té třetí. Funnely proto optimalizoval na lidi s nejvyšší šancí ji udělat.
U poptávek rozhoduje kvalita. Výrobce montovaných staveb (průměrná zakázka 700 až 800 tisíc korun) skóruje poptávky pomocí AI a web i marketing optimalizuje hlavně na ty kvalitní. Obchodníci tak zbytečně nejezdí za lidmi, kteří odmítnou cenu dvakrát vyšší než u konkurence.
Pozor na past: Konverzní poměr zvednout je snadné – vypni kampaně a nech jen přímou návštěvnost. Chceš více poptávek? Zkrať formulář. Za pět dní máš trojnásobek leadů. Ale jsou nekvalitní, obchod nestíhá a zákazníci stojí ve frontě.
Byznysový cíl není konverzní poměr.
Data ti řeknou co, ale ne proč
Když konverzní poměr spadne z 5 na 3 %, jde obvykle na kobereček agentura. Nejčastěji se ale nezhoršil funnel – změnila se skladba návštěvnosti, třeba po spuštění akvizičních kampaní.
Lukáš proto čísla rozpadá podle zdroje, vstupní stránky, zařízení, kampaně, prohlížeče, dne, hodiny a regionu. Když je problém jen v některých zdrojích, řeší se zdroj, ne web.
Dál ale data nevedou.
„Zpětně řeknou, co se stalo a kolik se toho stalo. Proč se to stalo, neřeknou.“
Proč AI na datech nestačí
Mozek si chybějící vysvětlení dofabuluje. Nad dashboardem má hned každý svou teorii.
Riskantní je proto napojit na data AI a nechat ji samotnou navrhovat a nasazovat změny. Lukáš už dostává poptávky typu „náš agentní flow nám zabil 60 % tržeb".
Ron Kohavi, který vedl experimenty mimo jiné v Microsoftu, deset let nechával lidi tipovat výsledky osmi A/B testů. Průměrně trefili 2,3.
Nespoléhej na odhady. Data doplň metodami, které odhalí důvody.
Jak se dostat k důvodům (checklist)
1. Zpětná vazba s dovoláním
Po klíčovém kroku se zeptej, jak snadné to bylo (customer effort score), a ty s nejhorší známkou obvolej.
Příklad: Velký e-shop zjistil na děkovací stránce, že lidé ve voucherové kampani těžko uplatňovali voucher. Na tom se zasekli i mnozí z těch, kdo nenakoupili.
U dodavatele fotovoltaiky byla spokojenost vysoká až do podpisu smlouvy, pak se propadla. Důvod? Obchodníci slibovali cokoli, aby získali podpis. Zákazníci se pak dozvídali, že na dotaci nemají nárok.
2. Uživatelské testování
Dělá ho jen zhruba pětina projektů.
Příklad: Výrobce bazénů si nechal navrhnout nový konverzní blok a konverzní poměr spadl o 90 %. Testování ukázalo, že muži výzvu k poptávce vůbec neviděli.
Jak testovat:
- S lidmi, kteří do kategorie patří a mohou nakoupit, ne se sousedy
- U e-shopů hlavně se zákazníky konkurence (ti vaši už bariéry jednou překonali)
- V reálných podmínkách – na mobilu, na slunci, s dětmi kolem, v autobuse
- S nejméně sedmi lidmi
3. Hloubkové rozhovory
E-shop s konopnými mastmi měl konverzní poměr 2,3 %. Z rozhovorů vyšlo, že lidé nevědí, kolik konopí je „hodně" – zda se měří v miligramech, nebo v procentech.
Web proto začal obsah konopí ukazovat jednoduše a konkrétně.
Konverzní poměr se přes noc zvedl dvaapůlkrát, dnes je skoro 6 %.
Takový insight nenajdeš v GA4, neřekne ti ho AI a zákazníci ho nenapíšou ani do zpětné vazby.
4. Dotazníky
Výrobci ochucených medů se vracelo jen 18 % zákazníků. Dotazník ukázal, že medy nestihli sníst – med s chilli si párkrát dali na rohlík a dál už neměli chuť.
Když firma začala posílat recepty, třeba na modrou „šmoulí" kaši z medu se spirulinou, maminky tenhle med vyprodaly.
Užitečná je opportunity gap survey (OGS): u každého parametru se ptáš, jak je důležitý a jak snadno ho zákazník najde.
Příklad: U bazénů vyšlo, že pomoc s vyhloubením jámy je hodně důležitá a těžko se shání. Firma začala komunikovat, že výkop zajistí přes partnera, a měla rekordní rok.
Prodejce zahradních potřeb díky OGS našel dvě produktové kategorie s téměř dvojnásobnou ziskovostí.
„Konvertuje se strašně snadno, když prodáváte ty správné věci."
5. A/B testy – až nakonec
A/B test dává smysl, až když víš proč a máš dost dat. To většina českých projektů nemá – potřebuješ desítky až stovky tisíc zobrazení a řádově tisíc konverzí.
U menšího e-shopu s 15 000 návštěvami je po čtyřtýdenním testu zhruba 80 % „vítězů" falešně pozitivních.
Pravidla A/B testů:
- Neukončuj test předčasně
- Hlídej délku: na začátku týdne se nakupuje jinak než o víkendu, v první polovině prosince jinak než ve druhé
- Pozor na nerovnoměrně rozdělenou návštěvnost (třeba víc mobilů v jedné variantě)
- Neměř jen zástupné metriky typu vložení do košíku
Změny se nedotahují
Při mapování zákaznické cesty se lidé často neshodnou, jak cesta vypadá, a každý vytáhne jiná čísla. Za krok, kde odpadá nejvíc lidí, navíc mnohdy nikdo neodpovídá.
Nebo odpovídá, ale nemůže nic dělat – třeba marketingový ředitel, jehož webová agentura má na tiket čtvrtletí.
„Optimalizace konverzního poměru začíná tím, že je tu člověk, který ji má na starosti a má možnost ji řešit."
Druhá brzda je spěch: názorově nejsilnější člověk ve firmě navrhne řešení a to se hned udělá.
Framework double diamond
Lukáš pracuje podle frameworku double diamond: nejdřív problém rozšíří a zúží, pak totéž udělá s řešením a mezi tím zkoumá.
Výrobce medů původně chtěl zlevňovat – kampaň prodala o něco víc medu s horší marží a návraty se nezměnily. Skutečnou příčinu odhalil až průzkum.
Kdy rozhodnout od stolu? Když by tě neúspěšná změna stála nanejvýš tolik, kolik jsi ochotný prohrát v kasinu na červenou.
Větší rozhodnutí o nabídce, ceně nebo propozici dělej, až když je potvrdí aspoň dvě, ideálně tři metody.
Pravidelné rituály
Aby se změny opravdu děly, zavádí Lukáš pravidelné „rituály": každý vlastník části cesty má report na míru a status s předem sepsaným postupem.
Cílem není mluvit o číslech, ale odejít s dobře zadanými úkoly, které mají řešitele, termín a dost informací.
Dvě přehlížené páky
Přístupnost
Přístupnost se netýká jen lidí s trvalým postižením (v Česku zhruba 15 % populace nad 15 let). Omezení bývá i dočasné – zlomené zápěstí, únava, malé děti – nebo situační, třeba levný telefon se staženým jasem na slunci.
Podle Evropské komise se do takové situace během běžného týdne dostane nejméně 70 % uživatelů.
Kdo má s webem potíž, typicky odejde. Ozve se jen asi 8 % z nich.
Kontrolní checklist přístupnosti:
- Kontrast textu a pozadí (aspoň 4,5 : 1)
- Popisky polí formulářů
- Velikost tlačítek a odkazů
- Alternativní texty obrázků
- Po přiblížení stránky nezmizí konverzní tlačítko
- Pop-upy jdou zavřít i z klávesnice
Pomůže nástroj WAVE nebo kontrolní rutina v AI.
Od června 2025 navíc platí evropský akt o přístupnosti (EAA), podle dostupných informací zatím ČOI evidovala 47 kontrol, z toho deset s porušením.
Síly, které brání změně
Model Forces of Progress popisuje čtyři síly: ke změně tlačí nespokojenost se současným řešením a přitažlivost nového, proti působí obavy a zvyk.
Zvyk se přehlíží nejvíc.
Pro e-shop, který není jedničkou trhu, bývá největší překážkou. Menší prodejce elektroniky nemusí řešit, jak líp popsat produkt, ale jak přesvědčit lidi, aby nenakoupili na Alze, kde jsou zvyklí.
Že komunikace všechny čtyři síly nepokrývá, je podle Lukáše nejčastější problém, na který při optimalizaci konverzí naráží.
Nejdřív zjistit, pak měnit
Když Lukáše jeden z účastníků požádal o rychlou zpětnou vazbu na svůj web, nejdřív upozornil, že bez výzkumu a čísel by nejspíš poradil špatně.
V tom je jádro jeho přístupu: méně změn od boku, víc zjišťování proč.
Výsledkem je výrazně větší šance, že změny zafungují, a méně peněz spálených na těch, které by nefungovaly.