5 praktische segmenten voor webshops

Beste Gerard,

Hoewel ik het idee van segmenten sterk vind, vind ik de gekozen segmenten weinig inzicht geven.

1. Het vergelijken van productcategorieen en de impact op conversie levert altijd verschillen op. De ene productcategorie heeft nou eenmaal een hogere conversie dan de andere (bijv. dure vs goedkope artikelen, high vs low interest). Deze conversieverschillen zeggen dan uiteindelijk niks. Wel is het volgens mij zinvol om voor dergelijke segmenten de funnel te ontleden: waar zitten nu de conversieverschillen. Maw: moeten we de pdp optimaliseren of gaat er iets mis in de kassa? En je hebt dan ook nog slechte reviews, die moet je dan eigenlijk onderscheiden van de goede. 

2. Hoe meet je of iemand een review leest? En hoe meet je of een review impact heeft als er een staat? Reviews staan nl sowieso al vaker bij populairdere artikelen: ze moeten immers verkocht zijn om een review te krijgen. Dit is een bias die je niet uit je analyse krijgt. A/B testen is dan de beste optie.

3. Hoge vs lage klantwaarde zal op de door jou berekende manier altijd leiden tot een kleiner aantal transacties met hogere waarde en meer transacties met lagere waarde. Dit heeft te maken met de mogelijkheid tot uitschieters naar boven maar niet naar beneden. In praktijk zul je ook verschillend gekocht assoritment aantreffen in de 2 groepen. Welke actie kan je hier uithalen? Om echt iets met klantwaarde te doen moet je kijken naar iets als CLV of RFM; deze methodiek is geen juiste operationalisatie van klantwaarde.

4. Geinig, maar kleine aantallen. Afwijkingingen zullen niet significant zijn en dus foute beslissingen opleveren. Je groepering erna is al interessanter. Je zou kunnen gaan kijken naar urbanisatiegraad, of stedelijk vs non-stedelijke gebieden. Dit verschil is wellicht ook makkelijker te begrijpen en te vertalen naar actie.

5. Uitkomst van vergelijking van eerste bezoekmaand is een logische. Hoe verder terug iemand op je website is herkend, want daar gaat het eigenlijk om, des te beter de klant. Immers deze klant komt na x maanden terug (met zelfde cookie of login). Dit is een vorm van loyaliteit die zich uit in conversie. De kans is groot dat je zelf bij je favoriete webshop ook verder terug je 1e bezoek had. De bezoekfrequentiesegmenten en eerste bezoekdatum geven je volgens mij wel een beter beeld van klantwaarde dan je eerdere segmenten.

Welke segmenten dan wel? Daar is geen eenduidig antwoord op denk ik, maar zelf haal ik veel waarde uit demografische info die GA tegenwoordig bevat. Een simpele splitsing in man-vrouw vs jong-oud geeft inzicht in de doelgroep van je assortiment, de verschilllende websitefunctionaliteiten en herkomstkanalen. Op deze manier kan je de communicatie aanpassen aan de doelgroep, bijvoorbeeld door het exporteren van de segmenten vanuit GA naar Adwords.

Dank voor je reactie Erik.

Mijn antwoord op je vragen/feedback:

1. Je kunt inderdaad de productcategoriepagina's combineren met de producttoevoegingen en de gerealiseerde omzet, zodat je een trechter kunt instellen.

2. Je kunt de kliks naar een review-provider als gebeurtenis instellen. Daarnaast kun je scrolldiepte instellen om de bekeken reviews in je eigen webshop te monitoren. Vervolgens kun je een segment instellen om de impact hiervan te bepalen.

3. Ik vind persoonlijk de gemiddelde catalogusprijs een eenvoudigere dimensie dan CLV of RFM. Maar CLV of RFM kun je natuurlijk ook gaan toepassen op je bestelwaarde per productcategorie.

5. Dit heeft vooral betrekking op de periode. Welke periode is interessant om bijvoorbeeld een mailing uit te sturen?

De segmenten op demografisch niveau zijn wel een steekproef, omdat Google Analytics zijn gegevens uit het DoublClick Netwerk haalt. Het is praktische informatie, maar niet geheel betrouwbaar.

Hieraan zou ik altijd een online enquête koppelen wil je actiepunten kunnen koppelen aan dergelijke segmenten.