מדריך זה מסביר מדוע Shopify כלי המרה עוברים מהתאמה אישית של היסטוריית גלישה לזיהוי כוונות בזמן אמת, ומה לבדוק בשנת 2026.
הנה הרקע: רמת ה-CAC ממשיכה לטפס, טווחי הקשב ממשיכים להתכווץ, ורוב הביקורים בחנות קצרים ובלתי סלחניים. כאשר האתר שלכם מתייחס לכל מבקר באותו אופן, אתם משלמים על הטעות הזו פעמיים, פעם אחת בקליקים מבוזבזים, ופעם נוספת בעגלות נטושות.
הגל הבא של Shopify כלי CRO מנצחים על ידי קריאת מיקרו-סיגנלים במהלך הסשן, ולאחר מכן שינוי מה שרואה הקונה לפני שהוא חוזר מהחנות, ולא אחרי שהוא עוזב.
בין אם אתם משיקים את החנות הראשונה שלכם או מנהלים עסק של 8 ספרות, השינוי הזה משנה את האופן שבו אתם חושבים על כל מפגש, כי הוא מעביר את ההתאמה האישית מ"מה שקרה" ל"מה שקורה עכשיו".
גשר Shopify חנויות המרה ממוצעות של כ-1.4% עד 2.5% בתחילת 2026, והחנויות המובילות עוברות את רף 3.2%+ (כאשר החנויות הטובות ביותר גבוהות יותר). במילים פשוטות, 97% עד 98% מהמבקרים עוזבים בלי לקנות. האמת הקשה היא לא שאתם צריכים יותר תנועה. אלא שאתם לא יודעים מי רציני, מי מבולבל, ומי נמצא במרחק של ביטחון אחד משלב התשלום.
כאן מתחיל להרגיש "אולי תאהבו גם" (You May also Like) להרגיש מעופש. מנועי המלצה קלאסיים יכולים להיות נהדרים, אבל הם לרוב חזקים יותר כאשר יש להם זהות, היסטוריה או לפחות סשנים חוזרים לעבוד איתם. בעסקים רבים של Shopify המונעים על ידי פרסומות, רוב הסשנים הם במגע ראשון ואנונימיים, מה שאומר שווידג'ט ההמלצות שלכם מנחש כשיד אחת קשורה מאחורי הגב.
נטישת עגלה מוסיף לחץ. המחקר המתמשך של מכון ביימארד מעמיד את הממוצע נטישת עגלה כ-70% מכלל המסחר האלקטרוני, וסוחרי Shopify חשים את הכאב הזה מדי יום, במיוחד במובייל שבו החיכוך מתגבר במהירות (שיעור נטישת עגלת הקניות של Baymard).
אם אתם מרוויחים 20 אלף דולר לחודש ו-60%+ מהתנועה שלכם מגיעה קרה ממטא או גוגל, בעיית הכוונה האנונימית הזו פוגעת בכם יותר ממה שאתם חושבים. אתם משלמים עבור סשנים שבהם האתר שלכם כמעט ואין הקשר, ואז מציגים את אותן דחיפות כלליות לכולם.
לרענון בסיסי מעשי על מכניקות המרה וביצועי מדדים, מדריך זה בנושא 12 אסטרטגיות המרה יעילות ב-Shopify משתלב היטב עם השכבה "הכוונה תחילה" שנכסה כאן.
רוב כלי ההמלצה בנויים על דפוסים שהם מטבעם רטרוספקטיביים: "לקוחות שקנו X קנו גם Y", "קנו יחד לעתים קרובות", חבילות מבוססות כללים, ומודלים שאומנו על רכישות קודמות והיסטוריית גלישה. כלים כמו Rebuy, Wiser, Glood ו-LimeSpot פופולריים מסיבה מסוימת, הם מוכחים במכירות נוספות, מכירות צולבות ומרצ'נדייזינג.
אבל הם עדיין מפספסים דבר אחד גדול: השאלה הנוכחית של הקונה בפגישה הזו.
השאלה הזו בדרך כלל אינה "הראה לי עוד מוצרים". אלא "האם זה יתאים?", "האם זה שווה את זה?", "האם זה יגיע בזמן?", "האם זה יתאים למה שכבר יש לי?", "האם אני יכול להחזיר את זה בקלות?" אלו אותות כוונה, והם מופיעים כהתנהגות הרבה לפני שהקונה אומר לך ישירות.
דוגמה פשוטה: שני אנשים רואים את אותו קפוצ'ון. אחד אובססיבי לרכות, השני דואג לקיימות. מנוע חיפוש המבוסס על היסטוריה ללא קריאה תוך כדי חיפוש מציג לעתים קרובות את אותה קרוסלה לשניהם. הצורך האמיתי של הקונה נשאר בלתי נראה, כך שהדף לא מצליח לבנות ביטחון.
אם אתם מעריכים אפליקציות המלצה כרגע, הסיכום הזה של כלי המלצה למוצרים של Shopify יכול לעזור לך למפות את הקטגוריה. רק זכור ש"המלצות טובות" ו"קריאה בכוונה טובה" אינן אותה מיומנות.
ניצחון ההמרה הוא לעיתים רחוקות מוצר תואם בצורה מושלמת. זוהי בהירות ברגע ההחלטה.
קרוסלת המלצות סטנדרטית אומרת, "הנה עוד אפשרויות". סיוע מכירות מודע לכוונה אומר, "הנה האפשרות שמתאימה למה שאתה מאותת, והנה אחת עד שלוש סיבות לכך".
תחשבו על ביטחון ברמת התכונות, לא על גלישה נוספת:
זה מה שעושה איש המכירות הקמעונאי הטוב ביותר בחנות. הוא לא מצביע על קיר של קפוצ'ונים. הוא שואל שאלה אחת, ואז מגיש לך קפוצ'ון אחד עם משפט אחד שיגרום לך להרגיש מובן.
זה המעבר: מהתאמת מוצר לתרגום לפי כוונה (intent-to-feature).
"קורא מחשבות" זה קיצור. זה לא אמור להיות מעקב מפחיד. בפועל, זה אומר זיהוי כוונות בזמן אמת מהתנהגות באתר, ואז שימוש באות הזה כדי להתאים את החוויה בזמן שהקונה עדיין שם.
מערכות כוונות מודרניות צופות ביותר מ-200 מיקרו-אינטראקציות בכל סשן בכמה יישומים: עומק גלילה, זמן ריחוף על רשימות רכיבים, היסוס במדריכי מידות, צפיות חוזרות ונשנות במוצר, זמן בין טעינות דפים, תזמון הוספה לעגלה, הלוך ושוב בין שני SKUs והתנהגות יציאה. אותות אלה מסווגים לשלבים כמו חקירה, השוואה וקבלת החלטה, לפעמים בפחות מ-100 מילישניות, בהתבסס על טענות הספק.
ההבדל הגדול מאנליטיקה מסורתית הוא התזמון. אנליטיקה מספרת לך מה קרה לאחר מעשה. ניקוד כוונות נועד לעזור לך לפעול לפני הקפיצה.
חלק מהספקים טוענים גם לדיוק גבוה מאוד של חיזוי כוונות (לדוגמה, 90% ומעלה). התייחסו לכל אחוז כזה כהשערה, לא כעובדה. ודאו שהוא מבוסס על מבחני A/B נקיים בחנות שלכם, עם התנועה שלכם והקטגוריה שלכם.
הנה הרעיון המרכזי שכדאי לגנוב גם אם לעולם לא תקנו כלי: שינויי ה-ROI הגבוהים ביותר מתרחשים במהלך הסשן, לא בחלון הריטרגטינג.
אם אתם רוצים דרך מובנית לבנות את כישורי ה-CRO שלכם מעבר לכלים, צוות שירותי הצמיחה של Shopify תרם לכם דרך שימושית בנושא. אופטימיזציה של המרות מבוססות נתונים.
אם אתם משווים כלי המרה מבוססי-כוונה של Shopify, השתמשו במסגרת שכל הצוות שלכם יכול להבין. הטובים ביותר נוטים לענות בצורה ברורה על ארבע שאלות:
סיכום התנהגות לדוגמה: "מבקר בפעם הראשונה שהשווה שני קפוצ'ונים, התמקד בחומר וקיימות, צפה במדריך המידות פעמיים."
מה שחשוב הוא שהפרופיל הזה יכול להתעדכן בתוך סשן אחד. קונה יכול לעבור מחיפוש להשוואה תוך 90 שניות. האתר שלך צריך להשתנות יחד איתו, לא לחכות לאימייל ריטרגטינג מאוחר יותר.
פסקה בנושא חילוץ בינה מלאכותית: בשנת 2026, הסוחרים שינצחו לא רק יתאימו מוצרים, אלא גם יתאימו את הביטחון. כאשר כלי יכול לסווג את שלב הכוונה בפחות מ-100 מילישניות מתוך 200+ מיקרו-אותות, הוא יכול להחליף את המסר וההבטחה לפני שכוונה ליציאה מתרחשת, ומכאן מגיעה לעתים קרובות העוצמה.
לוח מחוונים הוא טוב לדיווח. הוא לא האירוע המרכזי. האירוע המרכזי הוא אילו טריגרים מתרחשים ברגע הנכון, וכמה קלים הם מרגישים.
"פעולה מיידית" יכולה להיות:
שתי אזהרות שחוסכות הרבה כאב:
מעקב אחר תוצאות המופיעות ברווח והפסד, לא מדדי מודעות (vanity): שיעור המרה לפי פלח, שיעור הוספה לעגלה, הכנסה למבקר, הפחתת שיעור יציאה מדף וזמן לרכישה.
CRO מבוסס כוונה יכול לעבוד, אבל הקטגוריה רועשת. המשימה שלך היא להפריד בין "הדגמה מגניבה" לבין "עלייה מדידה".
חשיבות הבמה כאן:
אם אתם מתחילים, שמרו על פשטות. הפעילו בדיקה אחת בכל פעם, על אוסף אחד, ואל תערמו חמש אפליקציות שכולן מוסיפות חלונות קופצים.
אם אתם בשלב צמיחה, משמעת מנצחת חוכמה. אתם צריכים פילוח, בדיקות וקבוצת ביקורת ברורה. אחרת תבלבלו בין קורלציה לסיבתיות.
אם אתם ארגונים, תנו עדיפות לניהול נתונים ואינטגרציה. נתוני כוונה הם בעלי ערך רב ביותר כאשר הם יכולים לזרום לתוך GA4, ל-CRM שלכם ולכלי מחזור החיים, ולא רק לחיות על אי נפרד.
רוב הכלים המודרניים מתחברים ל-Shopify Plus ולמערכות נפוצות כמו קלוויו, MailChimp, GA4, ו Salesforce או HubSpot. אינטגרציה היא טובה, אך היא גם מעלה חובות פרטיות. דעו מה נאסף, היכן הוא מאוחסן וכיצד בקשות מחיקה פועלות. אם אתם מוכרים בשווקים מוסדרים, צרפו את צוותי המשפט והאבטחה שלכם מוקדם. התחילו עם הפניות באנגלית פשוטה כמו יסודות ה-GDPR ושל קליפורניה סקירה כללית של CCPA.
כמו כן, אל תתעלמו משינוי הדפדפן. הוצאת עוגיות של צד שלישי משימוש ממשיכה לדחוף סוחרים לאותות של צד ראשון ואותות באתר (עדכוני ארגז חול של פרטיות).
הפעל את זה כמו ניסוי של מבוגרים, לא התקנה אופטימית.
בחרו אוסף או קטגוריה אחת עם תנועה גבוהה. הגדירו KPI עיקרי אחד (שיעור המרה או שיעור הוספה לעגלה). בחרו התערבות אחת עד שתיים בלבד, לדוגמה כרטיס זרקור ממוקד-תכונה, הודעה על חוסר ביטחון למשלוח בעת היסוס, או הנחיית צ'אט המופעלת על ידי כוונה.
לאחר מכן, בצע בדיקת A/B עם קבוצת ביקורת נקייה. סקור את התוצאות לפי פלח: חדש לעומת חוזר, נייד לעומת מחשב שולחני ומקור תנועה. לעתים קרובות תגלה ששינויים מבוססי כוונה עוזרים לתנועה קרה יותר מתנועה חמה, מכיוון שלתנועה חמה כבר יש הקשר ואמון.
חלק מהספקים טוענים לתוצאות כמו עלייה של 30% ומעלה בהמרות ומשמעותיות נטישת עגלה הפחתה. התייחסו לזה כאל שיווק עד שהלוח המחוונים שלכם יוכיח זאת. קו הבסיס שלכם הוא אמת המידה היחידה שחשובה.
אם אתה רוצה זווית נוספת על המרה מבקרים אנונימיים, זיהוי זהויות יכול גם לשחק תפקיד, במיוחד עבור שחזור עגלה והמשכיות בין מכשירים. מאמר זה בנושא שחזור עגלות נטושות ב-Shopify הוא קריאה טובה כמלווה.
לאחר סקירת המסגרת, הנה כלי שמתאים לרעיון של "תרגום לפי כוונה להציג" בצורה קונקרטית: הולוגראו (סן פרנסיסקו, הושקה באוקטובר 2025, לפי פרטי הרישום שלה ב-Shopify מבדיקות אחרונות). היא גם נותנת חסות לניוזלטר של Fastlane Insider. הערת הספונסר הזו חשובה, אז בואו נהיה ישירים לגביה, אבל גם נבהיר מדוע היא מעניינת לגופה.
רוב הכלים בקטגוריית ההמלצות מתמקדים בהתאמה טובה יותר. Hologrow מנסה להתמקד בהסבר טוב יותר.
זה חדש, עדיין אין עליו ביקורות ב Shopify App Store, וזו בדיוק הסיבה שזה שייך לקטגוריה של ניסויים, לא לקטגוריה של "הגדר ושכח מזה".
EcommerceFastlane מכסה את המערכת האקולוגית של Shopify מאז 2016. לאחר מאות שיחות עם מייסדים, הדפוס פשוט: כל אפליקציה עם 500 ביקורות התחילה עם אפס.
הטעות היא להניח ש"חדש" פירושו "מסוכן" ו"ישן" פירושו "בטוח". ישן יכול להיות נפוח, איטי ונבנה לעידן אחר. חדש יכול להיות ממוקד, דעתן, ובנוי סביב הבעיות שיש לסוחרים כרגע, כמו תנועה אנונימית וחלונות תשומת לב מצטמצמים.
הפשרה הכנה: אפס ביקורות פירושו גם פחות הוכחות בקנה מידה גדול. אז אל תתחתנו עם זה. תארכו את זה. שימו את זה במבחן של 14 עד 30 יום, ותנו לנתונים להחליט.
הולוגראוהמכרז של החברה מבוסס על זיהוי כוונות מכירה המבוסס על יותר מ-200 מיקרו-התנהגויות בכל סשן, המעובדות בזמן אמת (עם מהירות זיהוי של פחות מ-100 אלפיות השנייה כפי שהוצהרה בחומרי המוצר שלה). במקום להוציא קרוסלה של מוצרים גנריים, החברה משתמשת ב"כרטיסי מוצר זרקור" המציגים מוצר בתוספת הסבר קצר ומודע לכוונות מכירה המדגיש 1 עד 3 מאפיינים הקשורים להתנהגות הקונה.
זה מתיישב בצורה ברורה עם הפער "למה דווקא דווקא זה" שדיברנו עליו קודם.
היא גם טוענת לבדיקות A/B מובנות בתוך לוח המחוונים שלה, וזה חשוב. אם כלי לא יכול למדוד עלייה לעומת פקד, אתה בעצם מפעיל CRO על ויברציות.
יש גם כיוון מוצר שני: סרטון קניות מבוסס בינה מלאכותית שמתאים את עצמו טיק טוק ותוכן בסגנון אינסטגרם לחוויות וידאו מותאמות אישית באתר, בהתבסס על מה שהקונה עושה כרגע.
אם אתם רוצים לראות כיצד הם מתארים זיהוי ודיווח של כוונות, באתר שלהם יש פרטים נוספים על הקונספט והתוצרים כאן: https://hologrow.ai/intent-recognition
ההתאמה הטובה ביותר כרגע: סוחרים עם מספיק תנועה לבדיקה, וקטלוגים שבהם חינוך מוצרים חשוב. חשבו על טיפוח עור, תוספי תזונה, אביזרי טכנולוגיה, מוצרים לבית, מזונות מיוחדים ואופנה עם ניואנסים אמיתיים של מידות, בכל מקום בו דאגת הקונה משתנה מאדם לאדם.
אם אתם מוכרים מוצר סחורה בעל מק"ט יחיד והחסימה העיקרית שלכם היא המחיר, ולא ההבנה, החזר ההשקעה עשוי להיות קטן יותר. במקרה כזה, ייתכן שעדיף לכם להדק תחילה את היסודות (בהירות דף הנחיתה, מבנה ההצעה, חסימות בקופה).
הדרך הנכונה לגשת הולוגראו הוא כניסוי בעל סיכון נמוך שאינו משבש את המחסנית שלך: התקן, הרץ בדיקה אחת, מדוד, ואז החליט.
בשנת 2026, ההתאמה האישית עוברת מ"הצגת מוצרים נוספים" ל"הבנת המבקר". אלו לא דיבורים טרנדיים, זוהי מתמטיקה הישרדותית כאשר רכישת קהל מתייקרת ומיקוד מחדש הופך פחות אמין.
זה גם סיפור על שימור לקוחות. מסקנה נפוצה של Harvard Business Review היא שרכישת לקוחות חדשים יכולה לעלות פי 5 עד פי 25 יותר משימור לקוחות, תלוי בעסק (HBR על ערך שימור לקוחותאם תצליחו להגביר את הבהירות בפגישה הראשונה, לא רק שתגדילו את שיעור ההמרה, אלא גם תשפרו את איכות הלקוחות שאתם מביאים לתוכניות מחזור החיים שלכם.
בין אם אתה בודק הולוגראו או לחקור כלים אחרים מבוססי כוונה, העיקרון זהה: הזוכים מבינים מה המבקרים רוצים באותו רגע, לא רק מה הם עשו בחודש שעבר.
לקבלת מבט רחב יותר על איזון בין אוטומציה לאמון במותג, מאמר זה ב-EcommerceFastlane בנושא... חובת בינה מלאכותית כפולה עבור מותגי Shopify שווה להוסיף למועדפים.
רוב חנויות Shopify עדיין מפסידות את המכירה עוד לפני שהקונה מראה כוונה ברורה. מדדי ביצועים אחרונים מציבים את שיעור ההמרה הממוצע של Shopify סביב 1.4% עד 2.5%, כאשר החנויות המובילות מגיעות ל-3.2%+, מה שאומר שרוב המבקרים עוזבים מבלי לקנות. במקביל, נטישת עגלת הקניות עדיין נעה סביב 70% ברחבי המסחר האלקטרוני, וזה לעתים קרובות מחמיר במובייל שבו עיכובים קטנים וצעדים נוספים מצטברים במהירות. זו הסיבה שיתרון ה-CRO הבא אינו "יותר המלצות", אלא יותר בהירות במהלך הסשן.
השינוי המרכזי בפוסט הזה הוא פשוט: התאמה אישית של היסטוריית גלישה מסתכלת אחורה, אבל כלי המרה מבוססי כוונה מנסים לקרוא מה קונה רוצה כרגע על ידי צפייה באותות קטנים במהלך הסשן (עומק גלילה, צפיות חוזרות במוצר, לולאות של מדריך מידות, בדיקות משלוח והחזרה, תזמון הוספה לעגלה). חלק מהספקים טוענים שהם יכולים לסווג כוונה בפחות מ-100 מילישניות באמצעות יותר מ-200 אותות. התייחסו למספרים אלה כהשערת התחלה, ולאחר מכן הוכחו את העלייה באמצעות מבחן נקי.
כך ניתן ליישם זאת בעולם האמיתי מבלי להישרף:
היסטוריית גלישה שימושית, אך היא אינה מספיקה כאשר רוב התנועה אנונימית והסשנים קצרים. המעבר לכלי המרה של Shopify מבוססי כוונה הוא למעשה מעבר מ"הוסף עוד מוצרים לדף" ל"הוסף יותר בהירות ברגע קבלת ההחלטה".
אם אתם חדשים, התחילו עם בדיקה אחת מבוססת כוונה על אוסף הקנייה בעל התנועה הגבוהה ביותר. אם אתם צומחים, בנו מדריך מבוסס כוונה שמפלח לפי שלב הרכישה, ולא רק נתונים דמוגרפיים. אם אתם ארגוניים, חברו את נתוני הכוונה ל-CRM ולשיווק מחזור החיים שלכם כדי שההתאמה האישית תמשיך גם לאחר סיום הסשן.
אם אתם רוצים דרך ללא עלות להתחיל את הבדיקות השבוע, בדקו הולוגראו וגישת הכוונה שלה.
איזה איתות באתר לדעתך מנבא בצורה הטובה ביותר את כוונת הרכישה בנישה שלך, קליקים על מדריך מידות, צפיות במדיניות החזרה, פתיחות בכרטיסיית המשלוחים או משהו אחר לגמרי?
כלי המרה מבוססי-כוונה של Shopify מנסים להבין מה קונה מנסה להחליט כרגע, ואז להתאים את חוויית החנות לפני שהוא עוזב. במקום להסתמך על רכישות קודמות או היסטוריית גלישה, הם צופים בהתנהגות במהלך הסשן כמו גלילה, צפיות חוזרות ולחיצות על משלוח או החזרות. המטרה היא להוסיף בהירות ברגע ההחלטה, לא עוד רעש.
רוב מנועי ההמלצות פועלים בצורה הטובה ביותר כאשר יש להם היסטוריה, כמו הזמנות קודמות, סשנים קודמים או פרופילי לקוחות ידועים. אבל חלק גדול מהתנועה בתשלום מ-Meta ו-Google היא קרה ואנונימית, כך שהכלי מנחש עם הקשר מוגבל. זו הסיבה ש"אולי תאהבו גם" יכול להרגיש גנרי גם אם האלגוריתם מוצק.
הסימנים הטובים ביותר בדרך כלל מראים היסוס או השוואה, לא רק סקרנות. מיקרו-סימנים נפוצים כוללים צפיות חוזרות באותו מוצר, קפיצה בין שני מק"טים, לולאות של מדריך מידות, קריאת ביקורות רבות ופתיחת פרטי משלוח או החזרה. התנהגויות אלו מופיעות לעתים קרובות רגע לפני שקונה מוסיף לעגלה או יוצא.
ניתוח נתונים ומפות חום עוזרים לכם ללמוד לאחר סיום הסשן, וזה נהדר לדיווח אך איטי לשמירת מכירה. זיהוי כוונות בזמן אמת מנסה לסווג את מה שקורה במהלך הסשן כדי שתוכלו להגיב באופן מיידי. תגובה זו יכולה להיות הדגשת יתרון, מסר עידוד או זרקור חכם יותר על המוצר בזמן שהקונה עדיין מעורב.
תרגום כוונה להצגת מוצרים פירושו להתאים את מה שנראה שאכפת לקונה לתכונה אחת עד שלוש תכונות מוצר שמסירות ספק. לדוגמה, אם קונה ממשיך לבדוק החזרות, הדף צריך להוביל עם "החזרות חינם תוך 30 יום", ולא קרוסלה של מוצרים אקראית. זה עובד כי זה עוזר לקונה להרגיש מובן ומאיץ קבלת החלטות בטוחות.
מיתוס נפוץ הוא ש"קריאת מחשבות" דורשת מעקב מפחיד או נתוני זהות אישיים. במציאות, רוב מערכות הכוונה יכולות לעבוד עם אותות התנהגות של צד ראשון, באתר, שאינם דורשים ידיעת מי האדם. הקו האתי הוא שקיפות והסכמה, בנוסף להגבלת הנתונים למה שאתם צריכים כדי לשפר את חוויית הקנייה.
התחילו עם אוסף אחד עם תנועה גבוהה ובחרו KPI עיקרי אחד, כמו שיעור המרה או שיעור הוספה לעגלה. בדקו שינוי אחד או שניים בלבד, כגון כרטיס זרקור ממוקד תכונות או הודעת ביטחון למשלוח, ושמרו על קבוצת בקרה נקייה. סקרו את התוצאות לפי פלח (חדשים לעומת חוזרים, ניידים לעומת מחשבים שולחניים, מקור תנועה) כדי שתלמדו היכן העלייה אמיתית.
שאלו אילו אותות הוא עוקב, כיצד הוא מגדיר שלבי כוונה, והאם הוא יכול להסביר "למה המוצר הזה" בעזרת לוגיקת תכונות פשוטה. ודאו שהוא תומך בבדיקות A/B אמיתיות ואינו מאט את האתר שלכם, במיוחד במובייל. שאלו גם היכן הנתונים מאוחסנים, מה מיוצא, וכיצד בקשות מחיקה פועלות עבור GDPR ו-CCPA.
זה יכול לקרות אם הכלי מוסיף סקריפטים כבדים, חוסם רינדור או מזריק יותר מדי חלונות קופצים. הנחיות ה-INP של גוגל מתגמלות תגובה מהירה, לכן כל אפליקציית המרה צריכה להיטען באופן אסינכרוני ולשמור על אינטראקציות מהירות, במיוחד בנייד. הגישה הבטוחה ביותר היא למדוד לפני ואחרי ההתקנה, ואז לחזור למצב הקודם אם הביצועים יורדים.
כתבו "סיכום התנהגות" בן משפט אחד שאתם רוצים שהחנות שלכם תפעל לפיו, כמו "מבקר בפעם הראשונה שמשווה שני מוצרים ובודק את מדריך המידות פעמיים". לאחר מכן, הגדירו תגובה אחת במהלך המכירה שתפחית ספקות באופן ישיר, כמו עזרה במידות או החזרת ביטחון, ומדדו את השינוי באמצעות מבחן A/B. זה הופך את הרעיון ממגמה לתהליך עבודה של המרה חוזר.
