Конверсия сайта

Конверсия сайта это доля посещений, в которых посетитель выполнил действие, заранее названное целевым. Справка Яндекс Метрики формулирует так: «Это отношение количества целевых визитов к общему числу визитов» (источник 1). Слово многозначное, и за пределами маркетинга оно означает другое: превращение вещества в химии, переход слова в другую часть речи в лингвистике, обмен валюты и переоформление займа в финансах. В этой статье речь только о доле визитов с целевым действием.

Конверсия у сайта не одна. Их столько, сколько назначено целей: заявка, звонок, добавление в корзину, оплата, подписка, скачивание прайса. Крупные действия называют макроконверсиями, промежуточные микроконверсиями, и в отчётах эти два слоя разводят, потому что подписка на рассылку и оплаченный счёт стоят для бизнеса совершенно разного. Число без указания цели и знаменателя не значит ничего, потому что «конверсия 4%» может описывать и заявки, и клики по кнопке «купить», и вообще любое событие, которое в счётчике отметили галочкой.

Дальше разобрано, из чего собрана эта дробь, почему одно среднее число по всему сайту описывает состав трафика лучше, чем сам сайт, и как связать процент с деньгами. Про этапы пути и потери между ними написано в статье Воронка продаж, про сведение расходов и сделок в статье Сквозная аналитика.

Чем отличается от соседних понятий

Конверсия этапа воронки

Считается от вошедших на этап, и знаменатель здесь узкий. Конверсия сайта это один переход в общей цепочке: из посещения в обращение. Смешивать базы в одной таблице нельзя, числа перестанут сходиться.

CTR

Доля кликов от показов, то есть событие до сайта. Конверсия начинается там, где CTR заканчивается, и низкий CTR при высокой конверсии обычно означает узкое, но точное обещание в объявлении.

Цена целевого действия

Цена заявки равна цене клика, делённой на конверсию. Это одно число, записанное с другой стороны: процент говорит про сайт, рубли говорят про бюджет.

Достижение цели и ключевое событие

Метрика называет событие достижением цели, а визит с ним целевым (источник 1). Google Analytics 4 после объявления от 21 марта 2024 года называет то же самое ключевым событием, а слово «конверсия» оставил за действием, импортированным в Google Ads (источники 2, 3).

Как считается

Знаменатель решает больше числителя

Метрика делит целевые визиты на все визиты. Google Analytics 4 считает два показателя: долю сессий, где было хотя бы одно ключевое событие, и долю пользователей, которые совершили его хотя бы раз (источник 12). Это три разных знаменателя, поэтому одна и та же цель в двух системах даёт разные проценты. Расхождение между двумя кабинетами само по себе не является поломкой счётчика.

Разница видна на простом случае: человек зашёл трижды за неделю и на третий раз оставил заявку, и тогда по визитам получается 33%, а по людям целых 100%. Чем длиннее цикл выбора, тем сильнее расходятся оба взгляда.

Кто попадает в знаменатель, кроме покупателей

Роботы попадают. Справка Метрики: «По умолчанию статистика отображается с учетом визитов роботов, которые определены по поведению» (источник 4). Роботы, которые представились сами, исключаются сразу, а остальных из отчёта убирает сегмент, и делать это надо руками.

Часть аудитории в знаменатель, наоборот, не попадает: блокировщики, отказ от cookie и переходы между устройствами обрывают учёт, а механика этих разрывов разобрана в статье Сквозная аналитика. Отдельная дыра это мобильное приложение. Data Insight в отчёте о тысяче крупнейших магазинов предупреждает: посещаемость «учитывает только использование сайта и не учитывает траффик приложения», поэтому «если у магазина все или почти все заказы идут через приложение, то оценки конверсии будут неизбежно завышены, в отдельных случаях завышение может быть многократным» (источник 5).

Числитель зависит от модели атрибуции

Само действие произошло один раз, а вот кому его записать, решает правило распределения. Метрика предлагает первый переход, последний переход, последний значимый переход и автоматическую атрибуцию. Набор моделей меняется: 20 мая 2026 года четыре из них отключаются, а кампании переводятся на кросс-девайсные аналоги и автоматическую атрибуцию (источники 6, 13). Одни и те же заявки при смене модели перераспределятся между каналами, и конверсия канала изменится без единой правки на сайте.

Почему среднее по сайту вводит в заблуждение

Средняя конверсия смешивает потоки разного качества: брендовый спрос и небрендовый, платный трафик и поисковый, мобильный и десктопный, новых посетителей и вернувшихся. Когда меняется состав смеси, среднее двигается само, хотя страницы остались прежними.

У этого эффекта есть имя и возраст. Статистик Эдвард Симпсон описал его в работе об интерпретации взаимодействия в таблицах сопряжённости (Journal of the Royal Statistical Society, июль 1951), а самым известным примером стал разбор приёма в аспирантуру Беркли. Осенью 1973 года на 101 отделение подали 12 763 человека; приняли 44% мужчин и 35% женщин, и по сводной таблице картина выглядела однозначной. При разборе по отделениям перевес исчезал: женщины чаще подавали туда, где брали мало кого (источники 7, 8).

Условный расчёт показывает то же самое на трафике. Пусть сайт получает 2 000 брендовых визитов с конверсией 8% и 8 000 небрендовых с конверсией 1,5%. Итого 10 000 визитов, 280 заявок, средняя конверсия 2,80%. Теперь небрендовую закупку урезали вдвое: 6 000 визитов, 220 заявок, средняя конверсия 3,67%. Отчёт покажет рост на 0,87 процентного пункта, а заявок стало на шестьдесят меньше.

Отсюда рабочее правило: процент читается только рядом с абсолютным числом и только по срезам. Минимальный набор разрезов: канал с разделением на бренд и не бренд, устройство, новые и вернувшиеся, регион, страница входа, тип целевого действия. Разметка ссылок и настройка целей описаны в статьях про веб-аналитику и источники трафика.

Почему «нормальная конверсия» это миф

Цифры вида «2-3% это норма» ходят по отрасли без указания ниши, цены, канала и целевого действия. Собственные измерения рынка дают на месте этой нормы широкий разброс. Data Insight в исследовании от 30 сентября 2019 года дал среднюю конверсию по ТОП-3000 магазинов 5,6%, по ТОП-100 10,1%, а по товарным категориям разброс от 3,6% для товаров для дома и спорттоваров до 19,4% для зоотоваров (источник 9). Работе шесть лет, период сбора и способ измерения раскрыты не полностью, и рынок с тех пор перестроился вокруг маркетплейсов.

Похожая история со средними по корзинам. Baymard Institute на 22 сентября 2025 года даёт среднюю долю брошенных корзин 70,22%, усреднив 50 чужих исследований за 2006-2025 годы, при разбросе от 55,00% до 84,27% (источник 11). Разброс здесь информативнее среднего: у каждого исследования своё определение брошенной корзины.

Сравнивать себя с чужим числом мешают четыре вещи разом: другой знаменатель, другое целевое действие, другой состав трафика, другая цена товара. Магазин запчастей с чеком в 900 рублей и подрядчик с контрактом на два миллиона живут в разных диапазонах конверсии, и оба этих диапазона нормальны для своего рынка. Эталон для сайта это его собственная история по тому же сегменту и тому же сезону.

Конверсия и деньги

Процент сам по себе выручкой не является. Проверять его надо через цену действия и через то, что происходит дальше по цепочке.

Цена заявки считается делением цены клика на конверсию. При клике в 50 рублей и конверсии 2% заявка стоит 2 500 рублей, при конверсии 3% около 1 667 рублей. Но если параллельно аукцион разогрелся и клик подорожал до 80 рублей, та же конверсия 3% даёт заявку за 2 667 рублей, то есть дороже исходной. Один процент без второго числа ничего не доказывает.

Второй разрыв возникает между заявкой и сделкой: упростили форму, убрали лишние поля, конверсия сайта выросла с 2% до 3%, и в недельном отчёте это выглядит чистой победой. Одновременно в заявках стало больше случайных людей, и отдел продаж закрывает уже не 25%, а 15%. На 10 000 визитов было 200 заявок и 50 сделок, стало 300 заявок и 45 сделок. Сквозная конверсия при этом опустилась с 0,50% до 0,45%.

Третий разрыв это средний чек. Скидка и дешёвый ассортимент поднимают конверсию почти всегда, но выручка считается произведением. Условный расчёт: 2% при чеке 12 000 рублей и продажной конверсии 25% дают 600 000 рублей, а 3% при чеке 7 000 рублей дают 525 000 рублей. Поэтому конверсию держат в одной таблице с ценой привлечения, средним чеком и повторными покупками, как это описано в статьях юнит-экономика, LTV, ROMI и ДРР.

Что делать на практике

1. Выписать целевые действия по значимости и отделить макроконверсии от микро. Всё, что не влияет на деньги, из главного отчёта убрать.
2. Зафиксировать знаменатель и модель атрибуции письменно. Через полгода никто не вспомнит, по визитам считали или по людям.
3. Настроить срезы до того, как начнутся правки: канал, бренд, устройство, регион, страница входа.
4. Смотреть процент и абсолютное число в одной строке отчёта.
5. Чинить по одному месту за раз и держать между правками паузу, иначе эффект приписать будет некому.
6. При цикле сделки длиннее месяца считать когортами: смотреть судьбу заявок одного месяца, вместо деления оплат сентября на заявки сентября.
7. Технические причины проверять раньше дизайнерских: скорость загрузки, работа форм на смартфоне, ошибки оплаты.

Как понять, что конверсия действительно выросла

Малые числа шумят сильнее, чем кажется. Три заявки со ста визитов это 3%, а девяностопятипроцентный доверительный интервал для этой доли лежит между 1,0% и 8,5% (расчёт по интервалу Уилсона). Тридцать заявок с тысячи визитов дают тот же процент с коридором 2,1-4,3%, триста с десяти тысяч дают 2,7-3,4%. Пока коридоры двух вариантов перекрываются, разговор про рост преждевременен.

Отсюда требование к объёму проверки: чтобы отличить 3% от 3,6%, то есть двадцатипроцентный относительный прирост, понадобится около 13 900 визитов на каждую группу теста при стандартных требованиях к надёжности и мощности. Метод сравнения разобран в статье A/B-тестирование.

Полезно заранее знать цену ожиданий. Команда экспериментальной платформы Microsoft сообщала: при оценке хорошо спроектированных и проведённых экспериментов, задуманных ради улучшения ключевой метрики, «only about one-third were successful at improving the key metric» (источник 10). Две трети правок ничего не улучшают, и это нормальный фон работы, который стоит закладывать в план заранее.

Частые ошибки

Сравнение периодов при разном составе трафика. Чтение процента без абсолютных чисел. Конверсия по всему сайту как единственный показатель качества страниц. Цель, привязанная к клику по кнопке вместо подтверждённой отправки формы, из-за чего числитель раздувается на любом случайном нажатии. Замер сразу после правки, на выборке в пару сотен визитов, когда доверительный коридор оказывается шире самого измеренного изменения. Сравнение с чужим бенчмарком без ниши и методики. Погоня за процентом при падающем чеке. Забытые роботы в знаменателе.

Ограничения и спорные места

Конверсия измеряет связку целиком. В неё входят качество трафика, цена, ассортимент, известность бренда, сезон, скорость ответа менеджера. Дизайн это одна переменная из семи, и приписывать ей движение процента можно только в контролируемом сравнении.

Знаменатель наблюдается неполностью. Часть визитов теряется на блокировщиках и отказах от cookie, часть добавляют роботы, определённые по поведению (источник 4), заказы из приложений в него не входят вовсе (источник 5). Насколько велика суммарная ошибка на конкретном сайте, публичных замеров нет.

Атрибуция назначает конверсию по договорённости. Правило выбирается человеком, набор правил меняет площадка, и с 20 мая 2026 года часть моделей Метрики перестаёт существовать (источники 6, 13). Сравнение конверсии каналов до и после смены модели некорректно.

Публичных эталонов с прозрачной методикой почти нет. Российское исследование, на которое обычно ссылаются, датировано 2019 годом, а его выборка описана лишь частично (источник 9). Числа, которые ходят по отрасли под видом нормы, чаще всего идут вообще без указания источника и года.

Верхний предел задаёт спрос, а не интерфейс. Часть посетителей пришла сравнить цены, часть учится, часть ищет работу, и довести таких людей до заявки не получится никаким расположением кнопки, а рост процента за счёт сужения трафика легко перепутать с улучшением сайта.

Спор про единицу счёта не решён. Счёт по визитам удобен для рекламных отчётов, счёт по людям честнее описывает длинный выбор. Обе стороны правы внутри своей задачи, и единого отраслевого соглашения нет.

Что здесь быстро устаревает

• Модели атрибуции Метрики: отключение четырёх моделей назначено на 20 мая 2026 года (источник 13).
• Терминология Google Analytics 4 и граница между ключевым событием и конверсией в Google Ads (источники 2, 3).
• Отраслевые бенчмарки конверсии: их пересчитывают, а старые кочуют по статьям без даты.
• Правила идентификации в браузерах и требования к согласию на обработку данных.
• Доля заказов, уходящих в мобильные приложения и на чужие площадки, о чём статья Продвижение на маркетплейсах.

См. также

• Воронка продаж
• Сквозная аналитика
• CPL
• Веб-аналитика
• A/B-тестирование

Источники

1. Яндекс. Цели. Справка Метрики, 2026. https://yandex.ru/support/metrica/ru/general/goals (проверено 10.09.2026)
2. Google. Evolving Google Analytics for more insightful measurement. Блог Google Marketing Platform, 21.03.2024. https://blog.google/products/marketingplatform/analytics/evolving-google-analytics-for-more-insightful-measurement/ (проверено 10.09.2026)
3. Google. Conversions vs. key events in Google Analytics. Analytics Help, 2026. https://support.google.com/analytics/answer/13965727 (проверено 10.09.2026)
4. Яндекс. Роботы. Справка Метрики, 2026. https://yandex.ru/support/metrica/ru/general/robots (проверено 10.09.2026)
5. Data Insight. ТОП-1000 российских интернет-магазинов 2024, 09.04.2025. https://datainsight.ru/TOP1000_2024 (проверено 10.09.2026)
6. Яндекс. Модели атрибуции. Справка Метрики, 2026. https://yandex.ru/support/metrica/ru/reports/attribution-model (проверено 10.09.2026)
7. Simpson E. H. The Interpretation of Interaction in Contingency Tables. Journal of the Royal Statistical Society: Series B, т. 13, вып. 2, июль 1951, с. 238-241. https://doi.org/10.1111/j.2517-6161.1951.tb00088.x
8. Bickel P. J., Hammel E. A., O'Connell J. W. Sex Bias in Graduate Admissions: Data from Berkeley. Science, т. 187, вып. 4175, 07.02.1975, с. 398-404. https://doi.org/10.1126/science.187.4175.398
9. Data Insight. Конверсия и маркетинговые сервисы в интернет-магазинах, 30.09.2019. https://datainsight.ru/Conversion_MarketingServices (проверено 10.09.2026)
10. Kohavi R., Crook T., Longbotham R. и др. Online Experimentation at Microsoft. Microsoft ThinkWeek, 2009. https://ai.stanford.edu/~ronnyk/ExPThinkWeek2009Public.pdf (проверено 10.09.2026)
11. Baymard Institute. Cart Abandonment Rate Statistics, 22.09.2025. https://baymard.com/lists/cart-abandonment-rate (проверено 10.09.2026)
12. Google. About key events. Analytics Help, 2026. https://support.google.com/analytics/answer/9267568 (проверено 10.09.2026)
13. Яндекс. Обновление моделей атрибуции в Яндекс Метрике и Директе. Новости Яндекс Рекламы, 03.04.2026. https://b2b.yandex.ru/adv/news/ustarevshie-modeli-atribycii (проверено 10.09.2026)