Veel statistiekpakketten voor websites rapporteren op dezelfde manier over de ‘oh zo belangrijke’ cijfers over uitval in de sales-funnel en conversiepercentages. Ze kijken naar de totale populatie van de hele of een deel van de website en zetten dit af tegen het aantal unieke verkopen.
Dat is redelijk onzinnig; deze manier van rapportage leidt namelijk niet tot de juiste inzichten en dus niet tot de juiste acties.
Tekst: Ton Wesseling
Funnels en conversiepercentages op zich zijn zeer welkom, maar alleen wanneer ze informatie bevatten over relevant bezoekersgedrag. Je kunt je alleen maar gericht uitspreken over de kwaliteit van een funnel wanneer het einddoel gelijk staat aan een te verwachten bezoekerstaak, en de populatie in de funnel gefilterd is op bezoekers die deze taak hadden bij hun bezoek aan de webpagina.
Redenen
Hoe maakt u zinnige conversiefunnels?
1. Denk na over mogelijke bezoekredenen, zoals:
- toevallige passanten (hadden vooraf geen bezoekintentie)
- oriënterende bezoekers (op zoek naar inspiratie, maar waren dat vooraf niet specifiek op uw website van plan)
- vergelijkers (zoeken iets specifieks en zoeken daar aanbieders voor)
- loyale bezoekers (op zoek naar inspiratie en zoeken dat specifiek op uw website)
- kopers (op zoek naar iets specifieks en kopen dat bij u)
- bestaande klanten (zoeken contact of dienst/productinformatie)
Vanuit webanalyse, enquêtes en interviews kunt u alle daadwerkelijke bezoekredenen verder finetunen.
2. De uitdaging voor de webanalist: bepaal op basis van welk meetbaar webgedrag u een bezoekerstype zou kunnen herkennen.
Welk gedrag behoort significant toe tot een bepaalde groep? Interessant is om de eerder gehouden enquête te koppelen met uw webanalysedata waardoor u kunt herleiden welk aangegeven bezoekdoel welk webgedrag heeft. Kwaliteit van groepen kunt u toetsen door de verschillende bezoekerstypen (die u heeft gemaakt op basis van webgedrag) nog apart een enquête over bezoekredenen te laten invullen of te A/B-testen met een boodschap specifiek voor deze doelgroep (waarbij u het effect afzet tegen de overige populatie). Als u weet welk gedrag exclusief hoort bij welk bezoekerstype kunt u in uw webanalysepakket segmenten gaan aanmaken voor deze bezoekerstypen waardoor u geïsoleerd over hun gedrag op de totale website kunt rapporteren.
3. Wanneer is het bezoek van een bezoekerstype geslaagd?
Bepaal het conversiepunt per bezoekerstype. Voor een vergelijker kan dit heel simpel het bezoeken van een productpagina zijn en voor een oriënterende bezoeker het bekijken van informatiepagina’s gedurende een bepaalde tijd. U heeft de bezoekerstypen al kunnen isoleren, dus u kunt al goed analyseren wat ze doen. Nu is de vraag: waar stopt hun bezoek? De rapportage van het betreffende bezoekerssegment qua totaal aantal unieke bezoekers ten opzichte van het aantal unieke bezoekers dat het - voor deze groep benoemde - conversiepunt bereikt heeft, is het conversiepercentage voor dit bezoekerstype.
Zodra u het hoofddoel kunt meten, kunt u nadenken over tussenstappen (microconversies) die altijd worden gemaakt richting het hoofddoel. Hiermee creëert u een funnel met zinnige conversiepercentages.
____________________
Webanalisten.nl
Het origineel van dit artikel is geschreven door Ton Wesseling (senior conversieconsultant bij Online Dialogue) voor het webanalyse en conversieoptimalisatieplatform Webanalisten.nl.
____________________
Dit artikel verscheen eerder in Twinkle 10-2010.
Het opstellen van profielen is helemaal goed, maar (en dit lees ik misschien verkeerd) het lijkt erop dat in dit artikel naar voren wordt gebracht dat men in de analyse hier rekening moet houden om de echt belangrijke informatie te extracten uit de data.
Het lijkt mij voor de (online) business veel interessanter om direct en dus real-time de website aan te passen op basis van bezoekersgedrag en de opgestelde profielen om zo de web experience van de bezoeker te optimaliseren. Ik ben mij ervan bewust dat het één het ander natuurlijk niet hoeft uit te sluiten.
@Eric
Dank voor je reactie.
Het originele volledige artikel vind je hier: http://www.webanalisten.nl/analyse/de-onzin-van-conversie-percentages.html
Bedoeld om te laten zien dat een conversie percentage zoals deze nu vaak wordt gepresenteerd helemaal geen houvast geeft. Het gaat erom met welk doel een bezoeker kwam en hoe succesvol hij of zij was in het invullen van het doel. Daar wil je over rapporteren en op basis van die cijfers wil je gaan verbeteren. Dit middels gebruiksgemak, functionaliteiten en content verbetering.
Dat je daarnaast bij het kunnen herkennen van een bezoeker en zijn doel ook nog de pagina real-time beter afstemt op het vervullen van dat doel, dan pak je extra winst. De grootste winst zal echter zitten in het eerst uberhaupt (goed) servicen van de verschillende doelen. Eerst herkennen van de bezoeker, daarna verbeteren en daarna finetunen.
Interessant concept maar erg lastig uitvoerbaar en zeer tijdrovend denk ik. Ik heb ook het volledige artikel gelezen. Ik mis in het artikel concrete voorbeelden van hoe het vooraf gedefinieerde bezoekersgedrag (de segmenten) uiteindelijk in het analyse pakket wordt gebruikt, want dát is naar mijn idee juist het lastige.
Bezoekers hebben zeer verschillende navigatiepatronen, welke niet alleen op hun doel gebaseerd zijn, maar zeker ook op hun kennis van en ervaring met het onderwerp, de betreffende website en het Internet in het algemeen. Daarnaast speelt de techniek (desktop of mobiele navigatie?), tijd die de bezoeker heeft en vooral ook psychologische kenmerken van de bezoeker.
Het is daarom erg moeilijk en vooral ook erg willekeurig (de analist gaat steeds meer de data sturen i.p.v. analyseren) om hele specifieke segmentatie toe te passen in webanalytics pakketten, zoals het segmenteren op basis van intentie.
In grove lijnen kan dit natuurlijk wel en de ene website heeft hierin door haar opbouw en inhoud meer mogelijkheden dan andere, maar er moet mijns inzien heel voorzichtig mee om worden gegaan.
@Christiaan
De fasen die wij bij klanten vaak gebruiken (maar elke klant is maatwerke) zijn genoemd in de artikelen. Ik zal het segment "toevallige passenten" even als voorbeeld nemen. Hoe herken je dit segment binnen je webanalytics pakket:
- bezoekers die in hun eerste bezoek binnen de periode waarover je rapporteert geen "type-in" als herkomst hadden (direct bezoek) of via een zoekmachine binnenkwamen waarbij ze zochten naar je merk of productnaam / namen.
Ja, in dit segment zal een bepaalde vervuiling zitten. Je weet niet met zekerheid dat 100% van dit bezoek een toevallige passant is. Je kunt middels het targeten van een enquete bijvoorbeeld feedback krijgen om het segment beter te finetunen. 80% is natuurlijk goed genoeg. Je wilt immers zorgen dat je deze groep mensen verleid om jouw product mee te nemen bij een orientatie of vergelijking, resulterend in een uiteindelijke koop.
Wanneer heeft deze groep mensen nu "geconverteerd". Een voorbeeld is "wanneer zijn minimaal 2 minuten tijdens dat eerste bezoek in de betreffende periode op mijn website zijn gebleven, waarbij minimaal 1 actie is uitgevoerd".
Nu kun je een rapport maken over het succespercentage van dit segment bezoekers en hier de trend over rapporteren. Je weet ook waar deze bezoekers binnenkomen. Deze pagina's kun je nu beter afstemmen op deze bezoekers en het bereiken van het gedefinieerde doel. Het effect zou je moeten terugzien in het "conversie percentage".
Natuurlijk moet je dan ondertussen wel blijven doormeten hoe groot de doorstroom van deze groep toevallige bezoekers is naar de volgende fasen en of de verbetering hier een positief effect op heeft. Zo nee, dan kun je je weer afvragen of het conversie doel "2 minuten op de site" wel goed geformuleerd is, of dat het type bezoek dat je trekt wel past bij je aanbod.
In ieder geval geeft dit heel gericht richting aan waar en waarop je wilt gaan verbeteren. In plaats van dat algemene conversie percentage dat zodanig fluctueert dat er geen touw aan vast te knopen is :-)
Tijdrovend ben ik deels met je eens. De opzet kost veel tijd. Als het eenmaal draait is dat aanzienlijk minder. Dit is wel een methode die enkel zinnig is voor webbedrijven die een full time webanalist rond hebben lopen en daarbij een team dat werkt aan continue verbetering van de online activiteiten (met capaciteit voor content, design en development), of wanneer je een eenpitter bent die als achtergrond internet duizendpoot heeft.
Wanneer je niet in deze categorie valt zul je een aantal jaren moeten wachten totdat de meeste analyse software volgens dit soort methodes inzichten aanbiedt. Nieuwkomers op de markt focussen al veel meer op verbetering / inzichten dan meten an sich, maar stuurinformatie is nu vaak nog een stap te ver.
Bedankt voor de uitgebreide toelichting. Ik denk dat dit lezers een betere interpretatie van het artikel geeft. Zoals ik al aangaf vind ik het een interessant concept. Jij zult ongetweifeld al hebben geconstateerd dat het ook meetbaar rendement oplevert. Het is een uitbreiding op de segmentatie die ik op dit moment toepas. Ik zal het in de toekomst zeker eens uitproberen om te kijken of het voor mij ook meerwaarde oplevert.