Checkout-forløb

Checkout-forløb

Et checkout-forløb er den række af trin, en kunde gennemgår fra at tilføje et produkt til kurven til at gennemføre et køb, typisk omfattende kurv, forsendelsesoplysninger, betaling og ordrebekræftelse. E-handelsbrands analyserer det for at finde ud af, hvor kunder falder fra og mister omsætning, før de gennemfører et salg.

Definition af checkout-forløb

Et checkout-forløb er den specifikke række af trin, en kunde gennemgår mellem at tilføje en vare til kurven og at gennemføre et køb. Det omfatter typisk visning af kurven, indtastning af forsendelsesoplysninger, indtastning af betalingsoplysninger, gennemgang af ordren og nå en bekræftelsesside. I modsætning til den bredere kunderejse — som dækker opmærksomhed, overvejelse og efterkøbsfaser — er checkout-forløbet snævert fokuseret på mekanikken i at gennemføre en transaktion, som kunden allerede har besluttet sig for at foretage. Fordi hvert trin i forløbet er en mulighed for, at kunden kan opgive købet, er checkout-forløbet et af de steder i e-handel med størst løftestang til at finde og rette tabt omsætning, da kunden på dette tidspunkt allerede er tæt på at konvertere.

Sådan fungerer et checkout-forløb

Et typisk checkout-forløb opdeles i en håndfuld målbare faser, og forhandlere sporer procentdelen af sessioner, der går fra én fase til den næste:

  1. Kurv vises — kunden har tilføjet mindst én vare og ser kurven.
  2. Checkout påbegyndt — kunden klikker sig videre for at starte checkout.
  3. Forsendelsesoplysninger indtastet — kunden angiver leveringsoplysninger.
  4. Betalingsoplysninger indtastet — kunden angiver betalingsoplysninger.
  5. Ordre bekræftet — transaktionen gennemføres.

Et bearbejdet eksempel: en boligudstyrsbutik sporer 10.000 sessioner, der når kurv-visningsfasen på en måned. Af dem påbegynder 6.500 checkout, 5.200 udfylder forsendelsesoplysninger, 3.800 når til betalingsoplysninger, og 3.200 bekræfter en ordre.

Beregning af frafald ved hvert trin: fra kurv til checkout fastholdes 65 %, fra checkout til forsendelse fastholdes 80 % af disse, fra forsendelse til betaling fastholdes ca. 73 %, og fra betaling til bekræftelse fastholdes ca. 84 %. Det stejleste relative fald er ved trinnet fra forsendelse til betaling, hvilket markerer det som det prioriterede område at undersøge — måske forårsager afsløringen af forsendelsesomkostninger på dette trin et prischok, eller også har betalingsformularen i sig selv friktion.

Frafald i checkout-forløb på tværs af 10.000 kurvvisninger

Logo

Ready to Monitor Your AI Visibility?

Track how AI chatbots mention your brand across ChatGPT, Perplexity, and other platforms.

Hvorfor analyse af checkout-forløb er vigtig for e-handelsbrands

Enhver kunde, der opgiver midt i checkout, har allerede gjort det hårde arbejde med at beslutte sig for at købe — de har tilføjet et produkt, de har startet processen — hvilket gør checkout-frafald til noget af den mest genindvindelige tabte omsætning i e-handel. I modsætning til en besøgende, der forlader en produktside uden at have engageret sig, har en checkout-opgiver vist reel købshensigt, så det at rette det specifikke friktionspunkt, der forårsagede frafaldet, giver ofte et uforholdsmæssigt stort afkast i forhold til indsatsen.

Analyse af checkout-forløb afslører også problemer, der ikke ville vise sig i en enkelt blandet konverteringsrate. En butik kan have en helt rimelig samlet konverteringsrate, mens den stadig mister en stor andel af næsten gennemførte køb på ét bestemt trin — information, der først bliver synlig, når forløbet opdeles i faser i stedet for at blive målt som et enkelt bestået/ikke-bestået resultat.

Checkout-forløbets faser og almindelige friktionspunkter

FaseAlmindelig friktionTypisk løsning
Kurv visesUklar prissætning, intet synligt forsendelsesestimatVis estimeret forsendelse og samlet pris tidligt
Checkout påbegyndtTvungen oprettelse af kontoTilbyd gæstecheckout som standardvej
ForsendelsesoplysningerLange formularer, adressevalideringsfejlAutoudfyldning, adresseopslag, minimerede påkrævede felter
BetalingsoplysningerBegrænsede betalingsmuligheder, sikkerhedsbekymringerTilføj betroede betalingsmetoder, vis sikkerhedsmærker
Ordregennemgang/-bekræftelseOverraskelsesomkostninger afsløret sentVis slutsum inklusive moms før sidste trin

Checkout-forløbets faser og deres almindelige friktionspunkter

Checkout-forløb og AI-drevet handel

Efterhånden som AI-handelsassistenter og agentiske checkout-oplevelser bliver mere almindelige, vil nogle køb i stigende grad blive gennemført på en kundes vegne via en AI-grænseflade i stedet for et traditionelt browserbaseret checkout-flow, hvilket ændrer, hvad “checkout-forløbet” overhovedet betyder for en voksende andel af ordrer. Forhandlere, der understøtter strømlinede checkout-muligheder med lav friktion — gemte betalingsmetoder, minimerede påkrævede felter, tydelige forsendelsesomkostninger på forhånd — er bedre positioneret til både traditionelle shoppere og AI-formidlede købsflow, da begge nyder godt af den samme underliggende reduktion i friktion.

AmICiteds eshop_get_order_mix-værktøj opdeler ordresammensætning for tilsluttede butikker efter betalingsmetode, ordretype og andre dimensioner, hvilket hjælper forhandlere med at spotte mønstre i, hvor og hvordan checkout-friktion koncentrerer sig — for eksempel om en bestemt betalingsmetode eller ordretype korrelerer med et højere frafald eller et lavere fuldførelsesmønster.

Bedste praksis til optimering af checkout-forløbet

  • Opdel måling af checkout-forløbet i diskrete trin i stedet for at spore et enkelt samlet konverteringstal, så det specifikke punkt med højeste frafald er synligt.
  • Vis forsendelsesomkostninger og afgifter så tidligt som muligt i forløbet — overraskelsesomkostninger sent i checkout er en af de mest almindeligt nævnte årsager til frafald.
  • Tilbyd gæstecheckout som standard i stedet for at kræve oprettelse af konto, før et køb kan gennemføres.
  • Minimer påkrævede formularfelter og brug autoudfyldning eller adresseopslagsværktøjer til at reducere den indsats, der kræves for at gennemføre forsendelses- og betalingstrin.
  • Test ændringer af checkout-forløbet separat på mobil og desktop, da mobilens friktionspunkter — små trykmål, langsomt indlæsende formularer — ofte adskiller sig fra desktop-problemer.

Almindelige fejl i checkout-forløbet

At måle checkout-ydeevne med et enkelt konverteringstal. En blandet konverteringsrate fra kurv til køb skjuler præcis, hvor i forløbet kunderne falder fra. At opdele forløbet i faser er nødvendigt for at finde det specifikke trin, der er værd at rette først.

Kun at vise forsendelsesomkostninger ved sidste trin. Kunder, der når den sidste skærm i checkout og ser en uventet høj forsendelsesomkostning, er langt mere tilbøjelige til at opgive end kunder, der så den omkostning tidligere og allerede har indregnet den i deres beslutning om at fortsætte.

At kræve oprettelse af konto før checkout. At tvinge en ny konto tilføjer en reel barriere for førstegangskunder, der endnu ikke har besluttet, om brandet er værd at have et langsigtet forhold til. Gæstecheckout med mulighed for at oprette en konto efter købet er gennemført, klarer sig generelt bedre.

At ignorere mobilspecifik checkout-friktion. Et checkout-flow, der fungerer godt på desktop, kan have dårligt dimensionerede trykmål, langsomt indlæsende betalingsformularer eller autoudfyldningsproblemer på mobil, som desktop-test alene ikke fanger, selvom mobil ofte udgør størstedelen af e-handelstrafikken.

At optimere checkout-forløbets trin isoleret fra resten af forretningen. Et kortere checkout, der fjerner et legitimt trin som en ordregennemgangsskærm, kan reducere frafald en smule, mens det øger returraten eller kundeserviceklager fra kunder, der ikke var klar over, hvad de bestilte. Ændringer i checkout bør evalueres i forhold til downstream-metrikker, ikke kun fuldførelse af forløbet alene.

Ofte stillede spørgsmål

Klar til at overvåge din AI-synlighed?

Begynd at spore, hvordan AI-chatbots nævner dit brand på tværs af ChatGPT, Perplexity og andre platforme. Få handlingsrettede indsigter til at forbedre din AI-tilstedeværelse.