Конверсия вернувшихся посетителей

Конверсия вернувшихся посетителей — это процент пользователей, которые уже бывали на сайте раньше и при повторном визите совершили целевое действие: покупку, заявку, подписку или любое другое конверсионное событие.

Что такое конверсия вернувшихся посетителей

Когда маркетолог смотрит на общий показатель конверсии сайта, он видит усредненную цифру, которая скрывает принципиально разное поведение двух групп аудитории. Новые посетители приходят без контекста, без доверия и без понимания продукта — им нужно время и несколько касаний, чтобы принять решение. Вернувшиеся посетители уже прошли первый этап знакомства: они видели ваш сайт, изучали товары или услуги, возможно, добавляли что-то в корзину. Их возврат — это уже сигнал интереса, и конверсия этой группы показывает, насколько хорошо сайт дожимает тех, кто уже «тепло» относится к бренду. По данным Adobe Digital Insights, вернувшиеся посетители конвертируются в покупателей в 2-3 раза чаще, чем новые, а их средний чек на 10-40% выше в зависимости от ниши.

Понятие появилось в веб-аналитике вместе с распространением cookie-технологий в конце 1990-х годов. До этого инструментов для отслеживания повторных визитов практически не было. Google Analytics (запущен в 2005 году) сделал метрику стандартной — с тех пор разделение на «новых» и «вернувшихся» входит в базовый набор отчетов любой аналитической платформы. С развитием кросс-девайсного отслеживания и рекламных аудиторий метрика стала еще важнее: теперь можно не только измерять конверсию вернувшихся, но и целенаправленно работать с этой аудиторией через ретаргетинг в Яндекс Директе, Google Ads и таргете в социальных сетях.

В digital-маркетинге конверсия вернувшихся посетителей занимает особое место, потому что напрямую связана с эффективностью затрат на привлечение. Если компания тратит деньги на привлечение трафика, но большинство посетителей уходят без конверсии при первом визите — это нормально. Ненормально, когда они возвращаются и снова уходят без конверсии. Именно здесь теряются деньги, уже вложенные в привлечение. Низкая конверсия вернувшихся посетителей — это симптом, который указывает либо на проблемы с доверием (нет отзывов, непрозрачные условия), либо на слабую работу с брошенными сессиями (нет email-триггеров, нет персонализации), либо на технические проблемы (корзина не сохраняет товары, регистрация сложная).

Маркетологу с опытом важно понимать, что метрика не существует в вакууме — ее нужно сегментировать. Общая конверсия вернувшихся посетителей скрывает разницу между теми, кто вернулся через час после первого визита, и теми, кто вернулся через месяц. Первые — «горячие» лиды, их конверсия должна быть высокой, иначе что-то сломано на сайте. Вторые — «остывшие» пользователи, которые, возможно, ушли к конкурентам и теперь сравнивают. Яндекс.Метрика позволяет строить когортный анализ и смотреть конверсию в разрезе времени с первого визита — это дает куда более точную картину, чем единственная агрегированная цифра.

Как работает конверсия вернувшихся посетителей

Идентификация пользователя при повторном визите. Когда посетитель возвращается на сайт, браузер передает cookie с уникальным идентификатором, который был присвоен при первом визите. Аналитическая система (Яндекс.Метрика, Google Analytics или собственная CRM) сопоставляет идентификатор с историей предыдущих сессий и помечает пользователя как «вернувшегося». Важно понимать ограничение: если пользователь зашел с другого устройства или очистил cookie, система считает его новым. Это означает, что реальный процент вернувшихся посетителей всегда выше, чем показывает аналитика, — погрешность может достигать 20-30% в нишах с активным мобильным трафиком.
Анализ поведения из предыдущих сессий. Аналитические системы и CRM сохраняют данные о том, какие страницы посещал пользователь, какие товары просматривал, что добавлял в корзину, на каком шаге оформления заказа остановился. При повторном визите эти данные становятся основой для персонализации. Интернет-магазин, который использует эту информацию, может показать пользователю не стандартную главную страницу, а блок с просмотренными товарами — по данным Barilliance, такая персонализация повышает конверсию вернувшихся посетителей на 15-25% по сравнению с обезличенной страницей.
Активация персонализированного контента. После идентификации пользователя сайт может адаптировать содержимое страницы — показать баннер с напоминанием о брошенной корзине, предложить скидку на просматриваемый ранее товар, вывести рекомендации на основе истории. Это делается через движки персонализации (Mindbox, Retail Rocket, самописные решения) или через переменные в системах управления контентом. Чем точнее персонализация попадает в момент принятия решения, тем выше вероятность конверсии. Например, предложение скидки в 10% тому, кто смотрел конкретную позицию три дня назад, работает значительно лучше, чем общий баннер «Скидки до 50%».
Отработка возражений через ретаргетинг. Пользователь, который ушел без конверсии, нередко возвращается не сам по себе, а через рекламу — ретаргетинговые кампании в Яндекс Директе или ВКонтакте напоминают о незавершенном действии. В этом случае конверсия происходит после перехода из рекламы, и аналитика фиксирует её в отчете по вернувшимся посетителям. Для корректного анализа важно учитывать источник возврата: органический (пользователь сам вспомнил) vs. платный (пришел через ретаргетинг). Если большинство конверсий вернувшихся посетителей происходит через платный ретаргетинг, а органических возвратов почти нет — это сигнал, что бренд не запоминается.
Измерение конверсии в разрезе сегментов. Финальный этап работы — не просто посмотреть общую цифру, а разбить её по сегментам: источник возврата, время между визитами, устройство, категория просмотренных товаров. В Google Analytics 4 это делается через сравнение сегментов в отчете «Удержание». В Яндекс.Метрике — через настраиваемые сегменты и когортный анализ. Практический вывод из такого анализа: если конверсия вернувшихся через email в 4 раза выше, чем через органику, значит email-механика работает и её нужно масштабировать.
Оптимизация воронки для вернувшихся. После сбора данных начинается работа по улучшению: A/B-тесты персонализированных предложений, оптимизация email-цепочек дожима, настройка триггерных уведомлений. Ключевое отличие оптимизации для вернувшихся посетителей от работы с новыми — здесь не нужно объяснять продукт с нуля. Нужно убрать последнее препятствие: страх ошибиться с выбором, сомнение в надежности магазина, ощущение, что цена слишком высокая. Работа с этими барьерами через социальное доказательство (отзывы), гарантии и персональные предложения дает ощутимый прирост конверсии.

Виды конверсии вернувшихся посетителей

Конверсия из брошенной корзины. Пользователь добавил товары в корзину при первом визите, но не оформил заказ — и вернулся позже. Это один из самых ценных сегментов: намерение купить было выражено явно. По данным Baymard Institute, средний показатель брошенных корзин в e-commerce составляет 70,19%, и даже небольшой прирост конверсии этой группы дает значительный прирост выручки. Сайты с грамотно настроенными триггерными email-цепочками для брошенных корзин возвращают 5-11% таких покупателей.
Конверсия из брошенного просмотра. Посетитель изучал карточки товаров или страницы услуг, но не перешел к оформлению. Это более холодная аудитория по сравнению с брошенной корзиной — они еще на этапе выбора. Работа с ними строится через ретаргетинг с показом просмотренных товаров и через персонализированные рекомендации на главной странице при возврате. Конверсия этого сегмента ниже, чем у брошенной корзины, зато сегмент значительно больше по объему.
Конверсия лояльных покупателей. Клиенты, которые уже совершали покупки раньше и вернулись за новыми. Это самый ценный тип вернувшихся посетителей с точки зрения маркетинга: стоимость их привлечения уже окуплена, доверие установлено, средний чек обычно выше. По исследованию Bain & Company, повышение удержания клиентов на 5% увеличивает прибыль компании на 25-95%. Для этого сегмента особенно хорошо работают программы лояльности, персональные акции к дате предыдущей покупки, рекомендации сопутствующих товаров.
Конверсия из контентного трафика. Пользователь первый раз пришел на статью в блоге или на страницу глоссария, ознакомился с материалом и ушел. При повторном визите он уже идет целенаправленно — либо на тот же контент, либо на коммерческие страницы. Этот тип конверсии особенно важен для b2b-компаний и сервисов с длинным циклом принятия решения: контент формирует экспертный образ, и через несколько визитов посетитель конвертируется в лид. Задача маркетолога — выстроить внутреннюю перелинковку так, чтобы контентный визит естественно вел к коммерческой странице.
Конверсия из email и push-уведомлений. Пользователь подписался при первом визите, получил письмо или пуш и вернулся по ссылке. Технически это тоже конверсия вернувшегося посетителя, но с одним важным нюансом — источник возврата известен точно, и конверсия атрибутируется к email-каналу. Средняя конверсия email-трафика в e-commerce в 3-5 раз выше, чем у прямого трафика, потому что письмо приходит именно тогда, когда маркетолог посчитал нужным, — например, через 24 часа после брошенной корзины, когда интерес еще свеж.
Конверсия из офлайн-касания. Пользователь узнал о бренде офлайн — увидел рекламу, побывал на выставке, получил визитку — и пришел на сайт уже с намерением. Аналитика фиксирует его как нового посетителя при первом визите, но если до этого он заходил через другое устройство или с другого браузера, реально это вернувшийся пользователь. Этот тип сложно отслеживать без CRM-интеграции и UTM-разметки на офлайн-материалах, но именно он нередко дает самую высокую конверсию в нишах с длинным циклом продажи.

Сравнение

Параметр	Конверсия вернувшихся посетителей	Конверсия новых посетителей
Средний показатель в e-commerce	3-5% (в 2-3 раза выше)	1-2%
Стоимость достижения конверсии	Ниже — не нужно повторно платить за привлечение	Выше — стоимость клика + работа по прогреву
Уровень доверия к бренду	Сформирован хотя бы частично	Нулевой — нужно выстраивать с нуля
Инструменты влияния	Персонализация, ретаргетинг, email-триггеры, push	УТП, контент, дизайн, скорость сайта, цена
Средний чек при конверсии	На 10-40% выше по данным Adobe	Базовый уровень
Чувствительность к скидкам	Умеренная — доверие важнее цены	Высокая — цена часто решающий фактор

Пример использования

Интернет-магазин товаров для дома с посещаемостью 22 000 визитов в месяц столкнулся с ситуацией: общая конверсия составляла 1,3%, но при разбивке по аудиториям выяснилось, что новые посетители конвертировались на уровне 0,9%, а вернувшиеся — на уровне 1,8%. Казалось бы, вернувшиеся конвертируются лучше — но при доле в 28% от общего трафика и таком же потенциале они должны были давать 3-4%. Анализ воронки показал три проблемы: корзина не сохраняла товары дольше 24 часов, ретаргетинговые кампании не были настроены в принципе, а вернувшиеся пользователи видели ту же главную страницу, что и новые.

За 6 недель команда продлила срок жизни cookie корзины до 30 дней, запустила ретаргетинговые кампании в Яндекс Директе с сегментацией по просмотренным категориям и внедрила блок «Вы смотрели» на главной странице для идентифицированных пользователей. Конверсия вернувшихся посетителей за следующие 60 дней выросла с 1,8% до 4,1%. При том же объеме вернувшегося трафика (около 6 160 визитов в месяц) количество заказов от этой группы выросло с 111 до 253 в месяц. При среднем чеке 3 400 рублей прирост выручки от одного сегмента составил 482 800 рублей в месяц — без увеличения бюджета на привлечение.

Частые вопросы

Какой показатель конверсии вернувшихся посетителей считается нормальным?

Единого стандарта нет — цифра сильно зависит от ниши, типа конверсии и источника трафика. В e-commerce хорошим ориентиром считается 3-5% для вернувшихся против 1-2% для новых посетителей, но в нишах с дорогим товаром (мебель, техника, автозапчасти) цифры могут быть ниже из-за длинного цикла принятия решения. В b2b-сервисах конверсия в заявку от вернувшихся посетителей нормальна на уровне 5-8%, потому что аудитория целевая и мотивированная. Важнее не абсолютное значение, а соотношение: конверсия вернувшихся должна быть минимум в 2 раза выше, чем у новых. Если соотношение меньше — значит сайт одинаково плохо работает с обеими аудиториями и у вернувшихся не ощущается никакого преимущества от знакомства с брендом. Лучший способ оценки — сравнить свой показатель с данными за предыдущие 3-6 месяцев и отслеживать динамику: рост на 15-20% за квартал при правильной работе с сегментом вполне достижим.

Как повысить конверсию вернувшихся посетителей в b2b, где цикл сделки длинный?

В b2b работа с вернувшимися посетителями требует другого подхода, чем в e-commerce, — здесь не работают скидки на брошенную корзину, потому что корзины нет. Ключевое — контентная прогрессия: при повторном визите пользователь должен видеть более глубокий контент, который соответствует его текущему этапу принятия решения. Если при первом визите он читал статью о проблеме — покажите кейс с решением. Если уже смотрел кейсы — дайте калькулятор ROI или предложите демо. Это реализуется через инструменты персонализации (например, Carrot Quest или собственные скрипты) или через умную email-цепочку, если пользователь оставил адрес. Хорошо работает стратегия «лид-магнит на второй визит»: чек-лист, шаблон, отраслевое исследование, которое предлагается только тем, кто уже был на сайте, — конверсия в лид у такого предложения в b2b достигает 8-12% против 2-3% для первого касания. Также стоит настроить ретаргетинг с разными объявлениями для разных этапов воронки — не общий имиджевый баннер, а конкретное предложение под конкретный интерес.

Влияет ли работа с вернувшимися посетителями на SEO?

Влияние косвенное, но реальное. Поисковые системы учитывают поведенческие факторы: глубину просмотра, время на сайте, процент отказов. Когда вернувшиеся посетители конвертируются лучше, они, как правило, и взаимодействуют с сайтом глубже — просматривают больше страниц, проводят больше времени. Это улучшает общую картину поведенческих метрик, которую анализируют алгоритмы Яндекса в рамках коммерческого ранжирования. Кроме того, если конверсия вернувшихся посетителей растет, значит сайт решает задачи пользователей — а это именно то, что ищут алгоритмы. Прямой зависимости «повысил конверсию вернувшихся — улучшились позиции» нет, но косвенно улучшение пользовательского опыта и поведенческих сигналов всегда положительно сказывается на ранжировании. На практике компании, которые системно работают с вернувшимися посетителями, через 3-6 месяцев фиксируют снижение процента отказов и рост среднего времени сессии — а эти показатели уже напрямую коррелируют с позициями в поисковой выдаче.