Conversiepercentage optimaliseren in Google Analytics

Er ontstaat nogal eens verwarring over hoe Google Analytics het conversiepercentage van een webwinkel berekent. Pim de Brabander van internetbureau symfony|XIB is van mening dat dit niet altijd even realistisch gebeurt. Hij legt in dit artikel aan de startende webwinkelier uit hoe met simpele aanpassingen in Google Analytics het conversiepercentage ‘realistischer’ kan worden gemaakt.

Tekst: Pim de Brabander

Niet iedereen die een supermarkt binnenloopt heeft de intentie iets te kopen en dus hoort ook niet iedereen te worden meegerekend als potentiële klant. Denk bijvoorbeeld aan sollicitanten of medewerkers van een extern koelingsbedrijf. Het is belangrijk om ook online dit onderscheid te maken, aangezien het nogal een impact kan hebben op het conversiepercentage.

Hoe gaat Google Analytics hiermee om?
Google Analytics maakt echter geen onderscheid tussen of bezoekers die wel of niet de intentie hebben om iets te kopen. Volgens Google Analytics is iedere bezoek aan de winkel een potentiële klant:

(Transacties / Bezoeken) * 100 = conversiepercentage

In het geval van een supermarkt worden dus ook de sollicitanten en externe bedrijven gezien als potentiële klant, maar zij converteren over het algemeen nooit. Een gegeven dat een behoorlijke inbreuk kan maken in de waarde en juistheid van het conversiepercentage.

Daarnaast kan het zo zijn dat ik bijvoorbeeld mijn pinpas vergeet en een uur later terugkeer om alsnog een boodschap te doen. Google Analytics ziet mij dan niet als een conversie van 100 procent, maar van 50 procent. Er is tenslotte één transactie voltooid en er zijn twee bezoeken gedaan. Alleen als ik binnen 30 minuten terugkeer, wordt dit door Google Analytics gezien als één en hetzelfde bezoek. De cookie die hiervoor zorgt wordt namelijk na 30 minuten verwijderd.

Een realistischer conversiepercentage
Gelukkig is het redelijk goed mogelijk om binnen Google Analytics onderscheid te maken tussen potentiële en niet potentiële klanten. Dit zorgt voor meer accurate data waarmee vervolgens het conversiepercentage berekend kan worden.

Unieke bezoekers
Om mijn bezoek waarbij ik mijn pinpas was vergeten niet mee te laten tellen, kan er het beste gerekend worden met het aantal unieke bezoekers. Hierbij wordt gerekend met het aantal personen dat de winkel betreedt binnen een bepaalde periode en niét het aantal bezoeken. Ik word dan dus maar één keer geteld.

Dit houdt echter ook in dat indien een klant voor de tweede keer binnen de gestelde periode terugkeert en daarbij wederom een transactie voltooit, dit zal resulteren in een conversiepercentage van 200 procent. Er is namelijk één bezoeker gerekend, met twee transacties. Om dit te voorkomen kan er gerekend worden met unieke transacties.

Unieke transacties
Bij unieke transacties wordt, naast één bezoek, maar één transactie geteld. De berekening luidt dan als volgt:

(Unieke transacties / Unieke bezoekers) * 100 = realistischer conversiepercentage

In het bovengenoemde voorbeeld resulteert dit dus in één bezoek en één transactie. Wat uitkomt op een realistischer conversiepercentage van 100 procent. De keerzijde hiervan is dat de daaropvolgende transacties binnen de gestelde periode niet worden meegerekend voor die persoon.

Het is sterk afhankelijk van de webwinkel en het gekozen tijdsbestek of dit wel of niet voorkomt en of het vervolgens handig is unieke transacties te gebruiken. Om dit te berekenen gaan we in Google Analytics naar Doelgroep > Overzicht, en maken we een geavanceerd segment aan.

Geavanceerd segment voor transacties

Hier geven we aan dat er alléén statistieken opgenomen moeten worden waarbij transacties zijn voltooid. Als u dit vervolgens activeert, worden er onder unieke bezoekers alleen bezoekers getoond die een transactie hebben voltooid. Dit staat gelijk aan het aantal unieke transacties.

Potentiële klanten overhouden
Het is belangrijk om vast te stellen wanneer iemand wél en wanneer iemand niét de potentie heeft iets te gaan kopen. Zo kunt u bijvoorbeeld sollicitanten onttrekken uit de data door te kijken naar binnenkomende zoektermen, of interne zoektermen. Ook kunt u kijken of de in- of uitstappagina over vacatures gaat. Naast vacatures zal er misschien nog wel een aantal andere pagina’s zijn dat potentiële kopers eigenlijk niet bezoeken. Het risico hiervan is wel dat indien iemand na het bezoeken van deze pagina’s tóch besluit iets te kopen, deze bezoeker en transactie niet mee wordt geteld. Maar ten eerste is die kans klein, en ten tweede schaadt dit de resultaten nauwelijks.

Spookverkeer
Wat hierna nog steeds de data vervuilt, zijn alle externe bedrijven die toch niet van plan zijn om te kopen. Bij e-commerce zal het dan gaan over online diensten of systemen die vaak continue uw website bezoeken. Normaal gezien worden deze diensten niet meegenomen in de data; denk maar aan zoekmachines die uw website indexeren. Hierbij wordt namelijk de Google Analytics-javascriptcode niet uitgevoerd. Echter, er zijn bepaalde diensten die, gewenst dan wel ongewenst, uw website bezoeken en wél de Google Analytics-code uitvoeren en zich dus mengen in uw data. Dit wordt ook wel spookverkeer genoemd. Spookverkeer kan de data op een website dusdanig beïnvloeden dat er een onrealistisch beeld wordt geschept van het verkeer op de website.

Spoken traceren
Spookverkeer komt vaak van een specifiek netwerk. Enkele karakteristieke eigenschappen van zo’n netwerk zijn:
- Bouncepercentage rond de 100 procent
- ‘Nieuwe bezoekers’-percentage rond de 100 procent
- Gemiddelde bezoekduur onder de 10 seconden
- Meerdere bezoeken

Om erachter te komen welke netwerken voor spookverkeer zorgen, gaat u in Google Analytics naar Doelgroep > Technologie > Netwerk. Hier krijgt u een overzicht van alle netwerken te zien die verkeer sturen naar de website. Vervolgens kunt u middels de geavanceerde filteroptie, zoeken naar netwerken aan de bovenstaande eigenschappen voldoen.

Geavanceerde filters toegepast op netwerkverkeer

Uiteindelijk resulteert dit in een lijst met netwerken die gezien kunnen worden als spookverkeer.

De ‘spoken’ verwijderen
Om het spookverkeer te verwijderen, gaan we hier een eigen geavanceerd segment voor aanmaken.

Geavanceerd segment voor spookverkeer

Hierin sluiten we al het spookverkeer uit. Vervolgens kunt u dit toepassen op uw statistieken door het segment in te schakelen.

Toegepast segment

Hetzelfde zou u bijvoorbeeld kunnen doen met vacaturepagina’s of andere pagina’s waarbij u bezoekers uit wilt sluiten. U sluit dan echter geen netwerken uit maar bepaalde zoektermen of pagina’s. Dit zou u ook eventueel samen kunnen voegen in het bovenstaande segment.

Conclusie
Het conversiepercentage zal met deze aanpassingen niet alleen groeien, maar ook een meer stabiele en realistische ontwikkeling tonen. Door de data op te schonen kunt u namelijk betere conclusies trekken uit de statistieken. Natuurlijk is de data nog steeds niet optimaal en zullen er heus bezoekers worden meegerekend die toch niet van plan zijn te kopen, maar dit is met de bovenstaande aanpassingen wel drastisch verminderd. De resultaten zullen hierin echter verschillen per website. Zo valt er nog veel winst te behalen met het optimaliseren van campagnes zodat alleen de juiste doelgroepen worden benaderd. Hierdoor zullen niet-relevante bezoekers minder op de site terecht komen. Dit kan namelijk ook nog al een drastisch effect hebben op het conversiepercentage.

Pim de Brabander is front-end developer bij symfony|XIB.