Kako ponudbe v pojavnih oknih prilagoditi namenu obiskovalca

Ponudbo v pojavnem oknu prilagodiš namenu obiskovalca tako, da prebereš, kaj ti sporoča s svojim vedenjem, in mu ponudiš prav tisto, kar ustreza temu signalu, namesto da bi vsem prikazoval isti popust. Prvič prispeli radovednež, ki je pravkar padel na stran, si ne želi 15-odstotne kode — še ne pozna te, koda pa ga navadi, da jo bo pričakoval za vedno. Raziskovalec, ki je globoko zakopan v tvoje ocene, si želi informacijo: nakupovalni vodnik, primerjavo, odgovor na vprašanje, ki mu preprečuje oddajo naročila. Nakupovalec ob razprodanem izdelku si želi obvestilo o ponovni razpoložljivosti. Vračajoči se lovec na ugodnosti, ki je košarico zapustil že dvakrat, pa je edini obiskovalec, za katerega popust dejansko ima smisel. Isto mesto za pojavno okno, štiri različne ponudbe — ker je namen za vsakim obiskom drugačen in ponudba, ki pretvori enega, zapravi ostale tri. To je bistvo cele zgodbe: nehaj se spraševati “kateri popust pretvarja najbolje” in začni spraševati “kaj ta konkretni obiskovalec zdaj v resnici želi”.

Takole prebereš signale in okoli njih zgradiš ponudbe.

Zakaj ena ponudba za vse tiho izgublja denar

Privzeta nastavitev je eno pojavno okno, ena ponudba, prikazana vsemu prometu. Ponavadi popust, ker popusti na prvi pogled pretvarjajo in jih je najlažje testirati. Zbira e-poštne naslove, številka raste in videti je, kot da deluje.

Pod to številko se skrivata dve težavi. Prvič, marže plačuješ ljudem, ki bi se prijavili — ali kupili — tudi zastonj. Že motiviran kupec vzame kodo in jo spravi v žep. Drugič, in to je hujše: vsem, ki jih cena ni motivirala, ponujaš napačno stvar. Raziskovalec, ki tvoj izdelek primerja s konkurenčnim, ne potrebuje 10 odstotkov popusta; potrebuje tisto eno dejstvo, ki bo razrešilo njegovo odločitev. Vtakni mu v roke popust in odgovoril si na vprašanje, ki ga ni postavil, medtem ko si prezrl tistega, ki ga je.

Več popuščanja tega ne popravi. Prav tako ne več prometa. Obiskovalce že imaš — luknja je v tem, da lahko ena sama ponudba ustreza le eni vrsti namena, zato je za večino ljudi, ki jo vidijo, neusklajena.

Štirje nameni, ki jih je vredno brati

Ne potrebuješ sto segmentov. Večina prometa v spletni trgovini se razdeli v štiri grobe skupine glede na namen, vsako pa je mogoče prebrati iz vedenja:

Sveži radovednež. Pravkar prispel, malo ogledov strani, še brez jasnega fokusa. Ne pozna tvoje znamke. Popust je tu prezgoden — vaš odnos ovrednoti s ceno, še preden si ga zgradil. Boljša ponudba: razlog, da ostane na seznamu, ki ni denar. Dostop do novosti, res uporaben vodnik, “poglej, kaj je priljubljeno”. Mehko, prijazno, brez potrošene marže.

Raziskovalec. Več ogledov strani, čas preživet na straneh izdelkov in ocen, morda primerja dva izdelka. Blizu je, a ga ustavlja neko vprašanje. Njegova valuta je informacija, ne cena. Ponudi mu nakupovalni vodnik, orodje za izbiro velikosti ali ustreznosti, primerjavo ali pomočnika tipa “ne veš, katerega izbrati?”. Odstranjuješ dvom, ne popuščaš.

Nakupovalec z visokim namenom. Globoko pri enem samem izdelku, dodal v košarico ali naletel na razprodano različico. Želi si prav to stvar. Če je na zalogi, je ponudba spodbuda in razlog, da ti da svoj e-poštni naslov — sledenje naročilu, majhna ugodnost ob prvem nakupu ali sploh nič, če je že v postopku plačevanja. Če je razprodan, je ponudba očitna: obvestilo o ponovni razpoložljivosti, najbolj visoko namensko e-poštno sporočilo v vsej tvoji trgovini.

Lovec na ugodnosti / vračajoči se zapuščevalec košarice. Že je bil tu, zapustil je košarico, morda je prišel prek iskanja “razprodaja”. To je edini obiskovalec, pri katerem je popust iskren pravilni odgovor — čaka nanj in skromna koda premosti vrzel. Svojo maržo prihrani zanj, namesto da bi jo razpršil po vseh.

Veščina je v tem, da iz obiskovalčevih dejanj sklepaš, v kateri skupini je, ne da ga sprašuješ. Število ogledov strani, obiskane strani, stanje košarice, stanje zaloge in nov proti vračajočemu se pokrijejo večino tega.

Kje neusklajenost pušča prihodek

Predstavljaj si 100 ogledov pojavnega okna v trgovini, ki ustvari 50.000 EUR na mesec. (Ponazoritveno — vstavi svoje.) Razdeli jih približno takole: morda 45 svežih radovednežev, 25 raziskovalcev, 20 z visokim namenom, 10 vračajočih se lovcev na ugodnosti. Eno samo pojavno okno s 15-odstotnim popustom opravi spodobno delo pri 10 lovcih na ugodnosti, povprečno delo pri 20 nakupovalcih z visokim namenom, ki bi pretvorili tako ali tako, in slabo delo pri 70 radovednežih in raziskovalcih, ki jim za kodo ni mar in so potrebovali nekaj čisto drugega.

Tako popust, za katerega si mislil, da “pretvarja pri X %”, v resnici dobro pretvarja eno majhno skupino, največje skupine pa pušča prikrajšane — hkrati pa ti zaračunava maržo za kupce, ki spodbude sploh niso potrebovali. Prihodek ne pušča zaradi pojavnega okna. Pušča zaradi enotne ponudbe, ki sedi na štirih različnih potrebah.

Gradnja ponudb, po vrsti glede na trud

Ne poskušaj zgraditi vseh štirih naenkrat. Razporedi jih po učinku:

Najprej izloči primer visokega namena in razprodane zaloge. Ponudba obvestila o ponovni razpoložljivosti pri razprodanih izdelkih je najhitrejša zmaga — najvišji namen, najjasnejša ponudba, brez stroška marže. Če je izdelek razprodan, naj pojavno okno na tej strani ponudi obvestilo, pika.
Raziskovalcu daj informacijsko ponudbo. Na straneh za premišljene nakupe — tistih z dolgimi opisi in obiljem branja ocen — zamenjaj popust za vodnik ali primerjavo. Tu te bo presenetilo, koliko ljudi se prijavi za pomoč namesto za denar.
Za sveže radovedneže ponudbo omehčaj. Po vsej strani za povsem nove obiskovalce postavi v ospredje dostop in uporabnost, ne kode. Prihrani predstavitev; ne začni z znižanjem cene.
Popust prihrani za vračajoče se zapuščevalce košarice. Sproži kodo le za obiskovalce, ki so že bili tu ali zapustili košarico. Zdaj gre tvoj proračun za popuste ljudem, ki jih dejansko premakne.

To se prekriva s prilagajanjem glede na stran, a ni isto. Kontekst strani ti pove, kaj gledajo; namen ti pove, kako pripravljeni so in kaj potrebujejo. Oboje deluje skupaj — prilagajanje pojavnih oken strani, ki jo obiskovalec gleda poskrbi za “kaj”, to pa za “kako pripravljeni”. Branje novega proti vračajočemu se je svoja ločena vzvod, obravnavana v uporabi različnih pojavnih oken za nove in vračajoče se obiskovalce.

Kaj avtomatizirati

Pojavna okna sklepajo o namenu; avtomatizacija ukrepa na podlagi ponudbe, ki so jo zbrala.

Sprožilec: oddaja pojavnega okna, označena z namenom in ponudbo, ki jo je dostavila (ponovna razpoložljivost, prenos vodnika, splošna prijava, koda za popust).
Segment: štiri skupine ohranjaj na seznamu ločene. Naročnik na obvestilo o ponovni razpoložljivosti in tisti, ki je prenesel vodnik, si želita popolnoma različna nadaljevanja.
Časovnica in kanal: obvestilo o ponovni razpoložljivosti se sproži ob vrnitvi na zalogo, ne po časovniku. Prijave na vodnik se prelijejo v pozdravno zaporedje, ki odgovori na več vprašanj in vodi proti prvemu nakupu. Naročniki s kodo za popust dobijo kratek opomnik za unovčenje, dokler je koda veljavna.
Vsebina: dostavi točno to, kar je ponudba obljubila, nato sledi namenu. Je raziskovalec dobil vodnik? Naslednje sporočilo naslovi naslednji verjetni ugovor, ne trde prodaje.
Cilj: pravilno usklajeno ponudbo spremeni v prvi nakup, ne da bi zapravil maržo za ljudi, ki je niso potrebovali.

Popust, ko se pojavi, pripada segmentu, ki si ga zasluži — ista logika je za povečanjem konverzije pojavnih oken brez povečevanja popusta, ki v resnici govori o tem, da nepopustne ponudbe opravijo svoj del dela.

Kako to meriti

Usklajevanje z namenom presojaj po tem, ali pravi ljudje pretvarjajo ob pravi ponudbi, ne po enem povprečnem deležu prijav.

Delež prijav po skupini namena — spremljaj konverzijo vsake ponudbe znotraj njenega lastnega segmenta. Ponudbo vodnika raziskovalcem in popust lovcem na ugodnosti je treba meriti ločeno, sicer boš spoznanje zpovprečil.
Marža, potrošena na prijavo — kolikšen del rasti tvojega seznama te stane popusta v primerjavi s tistim, ki prihaja iz brezplačnih ponudb, kot so vodniki in obvestila o ponovni razpoložljivosti. Znižati to je cilj.
Delež poznejših nakupov po vrsti ponudbe — ali naročniki na obvestila o razpoložljivosti in vodnike v zdravem deležu postanejo kupci? Če tvoje brezplačne ponudbe privlačijo cenejše prijave, ki nikoli ne kupijo, je usklajenost slaba.

Da bodo te primerjave čiste namesto ugibane, kako pravilno izvajati A/B teste pojavnih oken v spletni trgovini pokriva izvajanje testov tako, da številke nekaj pomenijo.

Kako se vključi Omnisend

Ko že prikazuješ štiri ponudbe na podlagi vedenja, potrebuješ orodje, ki zna brati signale obiskovalcev — nov proti vračajočemu se, ogledane strani, stanje košarice in zaloge — ter temu primerno zamenjati ponudbo, nato pa vsako prijavo usmeriti v njeno lastno avtomatizacijo. Preden sem se za svoje trgovine odločil za Omnisend, sem preizkusil Klaviyo in Omnisend, predvsem zato, ker sem lahko ta pravila ciljanja in avtomatizacije za njimi gradil in prilagajal sam ter obdržal e-pošto, SMS in potisna sporočila na enem mestu.

Za to konkretno: ciljanje pojavnih oken po vedenju obiskovalca in pogojih strani, označevanje, da vsaka ponudba hrani pravi segment, ter avtomatizacije — vključno z obvestilom o ponovni razpoložljivosti, sproženim z zalogo — ki usklajeno ponudbo spremenijo v prodajo. (Omnisend je orodje, ki ga uporabljam in priporočam; kjer ta članek nosi partnersko povezavo, je ta odnos razkrit. Logika usklajevanja z namenom deluje enako na vsaki zmogljivi platformi.)

Iskrena omejitev: sklepanje o namenu iz vedenja je izobraženo ugibanje, ne gotovost. Raziskovalec in radovednež sta lahko v prvi minuti videti podobna in včasih boš pokazal napačno ponudbo. Ohranjaj pravila preprosta, spremljaj številke in ne pretiravaj z ducatom mikrosegmentov, ki lovijo natančnost, ki je podatki ne zmorejo podpreti.

Tvoj naslednji korak

Poišči svoj najbolj gledani razprodani izdelek in njegovo pojavno okno spremeni v obvestilo o ponovni razpoložljivosti namesto v svoj običajni popust. To je najjasnejši signal namena v tvoji trgovini in najlažja ponudba za popolno uskladitev. Dva tedna spremljaj delež prijav na tej strani in ga primerjaj s svojim starim popustnim pojavnim oknom. Ta ena sama zamenjava ti bo na tvojem lastnem prometu pokazala, koliko bolje usklajena ponudba pretvarja kot enotna koda.

To match a popup offer to customer intent, read three signals your store already has — the page the visitor is on, where they came from, and whether they’ve been here before — and show a different offer for each combination. A first-time visitor from a TikTok ad landing on the homepage gets an easy, low-commitment offer. A returning visitor reading a €300 product page for the second time gets a back-in-stock alert, a sizing guide, or free shipping — not the same 10% welcome discount. One sitewide popup means one offer for every intent level, which guarantees it’s wrong for most people who see it. This article shows how to map the intents, which offer fits which, and how to build it without maintaining twenty popups.

The problem with the one-popup store

You’re paying for very different clicks. A Google Shopping click on a specific product costs you more and carries more intent than a broad Meta prospecting click, yet both visitors see the identical popup with the identical discount. So the high-intent visitor — who might have paid full price — takes your 10%, and the low-intent visitor bounces because a discount on a store they’ve known for four seconds means nothing to them.

You feel this as two symptoms: popup conversion sits somewhere unimpressive, and the signups you do get convert poorly to first purchase. The list grows; revenue from it doesn’t keep pace.

Why raising the discount doesn’t fix it

The usual response is 10% becomes 15%. Signups tick up, but you’ve now trained every visitor — including the ones who were going to buy anyway — to expect a coupon, and the extra signups are disproportionately deal hunters. On a store with a 30% gross margin, moving from 10% to 15% off on a €70 order costs €3.50 of margin per order, or one-sixth of your gross profit on it. The problem was never the size of the offer. It was showing a persuasion tool to people who needed an information tool, and vice versa.

Reading intent from signals you already have

Three signals cover most cases:

Page type. Homepage or blog = browsing. Category page = shopping around. Product page = evaluating. Cart page = deciding. Each step up deserves a more specific offer.
Traffic source. Paid social prospecting = cold. Branded search or direct = warm. Email click = already yours — suppress the popup entirely (see how to stop showing signup popups to existing subscribers).
Visit history. First visit versus returning. A returning non-buyer is your highest-value popup audience: proven interest, no purchase, still anonymous. Different popups for new and returning visitors covers this split in depth.

Build it in this order

Fix suppression first. Stop showing signup popups to existing subscribers and recent buyers. This is free accuracy — every impression you remove was a guaranteed mismatch.
Split browsing from evaluating. Two popups: one for homepage/blog/category pages, one for product and cart pages. The first offers a reason to stay in touch (new-arrival access, a guide, a modest discount if your margin allows). The second offers something that helps the evaluation: sizing help, shipping and returns clarity, or a save-for-later email.
Add the returning-visitor layer. Returning non-buyers on product pages get your strongest offer — this is where a discount actually changes behavior instead of subsidizing it.
Then, and only then, consider source-based variants. Most stores under €100k/month don’t need separate popups per ad platform. Three or four intent tiers capture most of the value; twenty variants capture mostly your own time.

What you write on each matters as much as the targeting — what should you write on an ecommerce email popup has copy patterns for each tier.

The exact specs, per intent tier

Tier 1 — cold browser. Trigger: 50% scroll or 20 seconds on homepage/category/blog, first visit, not subscribed. Channel: email popup, single field. Offer: welcome incentive or content (“Get the spring lookbook first”). Goal: signup. Feeds the standard welcome flow.

Tier 2 — evaluator. Trigger: exit intent on a product page (desktop) or 60% scroll (mobile), first visit, not subscribed. Offer: help, not pressure — “Not sure about sizing? Get our fit guide” or “Email yourself this product.” Goal: capture the address with the product context attached. Feeds a browse-abandonment-style flow: email within 1 hour showing the exact product, follow-up at 24 hours with alternatives.

Tier 3 — returning non-buyer. Trigger: second or later session, has viewed 2+ product pages historically, not subscribed, no orders. Offer: your real incentive — the 10–15% or free shipping. Timing: 10–15 seconds into the session, not instantly. Goal: signup plus first order; the flow behind it should reference the viewed category and expire the incentive in 5–7 days to force a decision.

Each tier’s popup should tag the subscriber (tier + page context) so the flow behind it knows what to say. A popup that doesn’t pass context forward wastes half of what it learned.

An illustrative example

Take a store doing 40,000 sessions a month, 65% of them first-time. All numbers here are illustrative. A single generic popup converting at 3% of eligible sessions might produce around 900 signups a month. Splitting into three intent tiers doesn’t need to beat that total to win — if Tier 3 (say 4,000 eligible returning sessions) converts at 6% because the offer finally matches the moment, that’s 240 signups from the segment most likely to purchase, and the store stopped handing coupons to Tier 1 visitors who never redeemed them anyway. Better composition of signups usually matters more than raw count.

Metrics that tell you whether the matching works

Signup rate per tier, not blended — blended numbers hide which offer is failing.
Signup-to-first-purchase rate within 30 days, per tier. The whole point of intent matching shows up here.
Discount redemption rate on Tier 1 vs Tier 3 — if cold browsers redeem heavily, your incentive is leaking to the wrong tier.
Revenue per popup impression, which punishes showing popups to people who’ll never convert.

Where Omnisend fits

Omnisend’s popup display rules cover the three signals above: page URL targeting, visitor frequency (new vs returning), and audience suppression for existing subscribers, plus exit-intent and scroll triggers. Forms can apply tags on signup, and those tags can route people into different welcome workflows. On my own stores I run this as three forms feeding three flow variants; I picked Omnisend over Klaviyo after testing both, mainly because rebuilding display rules myself takes minutes rather than a support ticket. Two honest caveats: the returning-visitor logic depends on cookies, so cross-device visitors will sometimes be misclassified, and no targeting rule fixes an offer nobody wants.

Your next step

Pull last month’s popup stats and check one number: what percentage of your popup signups placed an order within 30 days. If it’s low, don’t touch the discount — build the suppression rule and the Tier 2/Tier 3 split first, and re-measure in four weeks.

Prijavni obrazci in pojavna okna