UX karty produktu i koszyka: 12 testów A/B, które dały realny wzrost konwersji

W 2023 Google zabił Google Optimize i nagle pół polskiego e-commerce przestało robić testy A/B. Nie dlatego, że alternatywy są drogie. Dlatego, że Optimize był jedyną „pretekstówką" — darmowy, łatwy, bezsensowne testy można było odpalić bez konsekwencji.

Zniknął — i okazało się, że większość sklepów nigdy poważnie nie testowała. Decyzje produktowe oparte były na „przeczuciu", „best practices z bloga Shopify" albo „bo konkurencja tak ma".

Poniżej 12 testów z realnych polskich sklepów średniej wielkości (anonimizacja klientów Pro1 i kilka z DrTusz). Każdy z hipotezą, wariantami, wynikiem. Ostrzegam z góry: nie wszystkie wyniki są tym, czego się spodziewałem. I to jest najciekawsze.

Dlaczego best practices kłamią

Internet jest pełen list „17 rzeczy, które musisz mieć na karcie produktu". Problem z tymi listami: każdy element opisany jest jako „daje +15% konwersji". Gdyby zsumować — sklep miałby konwersję 340%. Nie ma. Bo te liczby pochodzą z jednego testu, w jednym sklepie, w jednej branży, w jednym momencie.

Co działa u sklepu z modą, zabija konwersję u sklepu z elektroniką. Co działa w produktach impulsowych za 50 zł, jest ignorowane przy produktach analitycznych za 5000 zł. Twój sklep ≠ przykład z internetu.

Dlatego: testuj. Nie zgaduj.

12 testów

Każdy test opisuję krótko: hipoteza → co zmieniliśmy → wynik. Wyniki podaję w % wzrostu conversion rate (CR), chyba że napisane inaczej. Wszystkie z istotnością statystyczną (95%+).

Test 1: Pozycja przycisku „Dodaj do koszyka" — above the fold vs. po opisie

Hipoteza: Powyżej linii zgięcia (above the fold) konwertuje lepiej. Wariant A: CTA tuż obok galerii zdjęć. Wariant B: CTA pod opisem (klient musi przeczytać).

Wynik: +8% CR dla A — w sklepie z akcesoriami impulsowymi. W innym sklepie (sprzęt audio za 2-8k) — odwrotnie, B wygrało o 6%. Klient drogiego produktu chce poczytać, zanim kliknie.

Wniosek: zależy od kategorii. Mit „CTA musi być wysoko" nie zawsze działa.

Test 2: Galeria — 5 zdjęć vs. 12 zdjęć

Hipoteza: Więcej zdjęć = więcej kontekstu = więcej zakupów. Wynik: +11% CR przy 12 zdjęciach (sklep modowy). Ale: +0% przy meblach (klient zalewany detalami się gubił). W meblach lepiej zadziałało 6-8 zdjęć + 1 wideo.

Test 3: Krótki opis vs. długi opis produktu

Hipoteza: Długi opis = więcej argumentów = lepiej. Wariant A: 150 słów, bullet pointy. Wariant B: 600 słów, sekcje, screen specs.

Wynik: B wygrało +14% w elektronice. Klient analizujący chce się utopić w danych, zanim zaufa. W impulsowych — różnica niemal zerowa, długość nie pomaga ani nie szkodzi.

Test 4: Pokazywanie cen przekreślonych vs. tylko cena finalna

Hipoteza: Przekreślona cena = sugestia rabatu = pchnięcie. Wynik: -7% CR dla wariantu z przekreślonymi (sklep z premium). Klient widział sugestię „byliśmy drożsi" i tracił zaufanie. Premium nie sprzedaje się przez „okazję".

W sklepie z dyskontowymi akcesoriami — to samo zwiększyło CR o 9%. Identyczna zmiana, przeciwny efekt.

Test 5: Stock indicator („zostało 3 sztuki") on/off

Hipoteza: Pilność zwiększa konwersję. Wynik: +6% CR w autentycznych przypadkach (faktycznie była niska dostępność). W teście z fake urgency (zawsze 3 sztuki) — początkowo +9%, ale po 3 miesiącach spadek powracalności o 14% i wzrost zwrotów. Klient się orientował i obrażał.

Wniosek: prawdziwy stock — TAK. Sztuczna pilność — krótkoterminowy zysk, długoterminowy minus.

Test 6: Recenzje powyżej fold vs. ukryte w sekcji

Hipoteza: Widoczne recenzje budują zaufanie. Wynik: +12% CR. Tu prawie każdy sklep daje ten sam wynik. To jeden z najpewniejszych testów do zrobienia jako pierwszy.

Ale: jeśli masz średnią ocenę 3.8/5 lub niżej — lepiej je schowaj, póki nie naprawisz produktu lub obsługi. Pokazywanie złych opinii blisko CTA to samobój.

Test 7: Free shipping threshold display

Hipoteza: Komunikat „dorzuć X zł do darmowej wysyłki" w koszyku zwiększa AOV. Wynik: AOV +18%, ale CR -3%. Klient na granicy podejmował decyzję „dodam później" zamiast „dorzucę teraz".

Wniosek: mierz AOV i CR razem. Pojedynczy KPI to pułapka danych.

Test 8: Liczba pól w checkoucie — 9 vs. 6

Hipoteza: Mniej pól = mniej tarcia = wyższa konwersja. Wynik: +15% completion rate na 6 polach (z 9). Wyrzuciliśmy: pole „nazwa firmy", „dodatkowy telefon", „uwagi do zamówienia" (przeniesione za przycisk „opcjonalnie").

Najtańszy test do zrobienia, najbardziej zaniedbany w polskich sklepach.

Test 9: Logowanie wymagane vs. guest checkout

Hipoteza: Guest checkout konwertuje lepiej. Wynik: +22% CR dla guest checkout. Bez dyskusji. Jeśli wciąż wymuszasz rejestrację — to jest najprostsza zmiana w twoim sklepie, dająca największy zwrot.

Test 10: Domyślny wybór dostawy — najtańsza vs. najszybsza

Hipoteza: Klient bierze to, co preselected. Wynik: Preselekcja najtańszej dała +5% CR, ale spadek AOV. Preselekcja najszybszej — odwrotnie. Brak preselekcji (klient musi wybrać) — najwyższy bounce rate w checkoucie. Domyślnie wybieraj, ale wybieraj strategicznie.

Test 11: Trust badges (płatności, certyfikaty) — gdzie umieścić

Hipoteza: Im więcej, tym bezpieczniej klient się czuje. Wynik: Trust badges w checkoucie w pasku obok CTA — +7% completion. Trust badges na karcie produktu — +0%. Klient na karcie produktu nie myśli o bezpieczeństwie płatności, tylko o produkcie.

Najczęstszy błąd: badge "100% bezpieczne płatności" w stopce. Tam ich nikt nie widzi.

Test 12: Liczba kroków w checkoucie — jeden krok vs. trzy kroki

Hipoteza: Jeden krok (one-page checkout) zawsze wygrywa. Wynik: W sklepie z prostym koszykiem (1-2 produkty) — TAK, +11% completion. W sklepie B2B z koszykami po 15-30 pozycji — odwrotnie, three-step wygrał o 6%. Klient potrzebował struktury, jednostronicowy go przytłaczał.

Czym testować po Google Optimize

Krótko, bez recenzji:

Optimizely — enterprise, drogi, najsilniejszy. VWO — średni segment, dobry stosunek ceny do funkcji, polski support przyzwoity. AB Tasty — francuski, mocny na europejskim rynku, zaawansowana personalizacja. Convert.com — tańsza alternatywa, dobre integracje z GA4. Custom (np. własne flagi w sklepie + GA4 events) — dla dev teamów, najtańsze, ale wymaga inżyniera. Często najlepsze dla średnich PL sklepów z własnym devem.

Nie ma „najlepszego". Jest najlepszy dla twojego stacku, ruchu i zespołu.

Co musisz wiedzieć, zanim zaczniesz

Trzy zasady, których łamanie sprawia, że twoje testy A/B będą bez wartości:

1. Liczba sesji musi być wystarczająca. Mniej niż 5000 sesji w wariancie miesięcznie — wynik nie będzie istotny statystycznie. Mały sklep musi testować elementy z dużą oczekiwaną różnicą (np. logowanie vs. guest), nie subtelne (kolor przycisku).
2. Jeden test naraz na danej stronie. Inaczej nie wiesz, co dało efekt. To nudne, ale konieczne.
3. Mierz to, co naprawdę zarabia. CR to nie wszystko. Jak wcześniej — czasem AOV idzie w drugą stronę. Czasem powracalność. Pojedynczy KPI = pułapka danych.

Co dalej

Testowanie nie jest „fajne do zrobienia". Jest kompetencją operacyjną, bez której każda decyzja na sklepie to ruletka. W Pro1 audytujemy karty produktu, koszyki i checkouty, dobieramy priorytety testów i odpalamy je z klientem — nie zostawiamy listy 40 testów do zrobienia „kiedyś". Umów konsultację i pogadamy o twoim sklepie konkretnie.