Web Analytics: Vind de quick wins

Stel, je krijgt een budget om een website te optimaliseren. Hoe zou je dat geld dan gaan inzetten? Moet je meer investeren in SEO of juist in de interne zoekmachine? Neem je de homepage onder handen of kun je je beter richten op het bestelproces? Zulke beslissingen neem je niet op basis van intuïtie, maar onderbouw je met cijfers. Dit 2e artikel in de reeks illustreert hoe je tot de relevante inzichten komt.

Funnels: waar zitten de knelpunten?
Eén van de duidelijkste manieren om knelpunten op een website inzichtelijk te maken, zijn funnels (met name voor ecommerce en lead generation). De funnel geeft aan hoe goed de doorstroming binnen een sessie is van landing tot aan conversie.

Op sommige punten zijn veel afhakers onvermijdelijk. Ecommerce sites worden bijvoorbeeld vaak bezocht om prijzen te vergelijken. Daar zul je zien dat er relatief veel afhakers zijn op het punt waar de prijzen bekend raken. Hier kun je uiteraard gebruik van maken door de prijzen of bijkomende kosten in een later stadium te tonen. Of de uiteindelijke conversie daarmee verbetert is natuurlijk de vraag.

Segmentatie: focus op de doelgroep
Alleen rapporteren over het totaalbezoek kan misleidend zijn. Zo heb ik eens een travel site gezien waarbij 40% van de bezoekers land-informatie zocht voor werkstukken. Een zelfde voorbeeld bij de website van een provider waarbij 90% van de bezoekers alleen de site bezocht omdat de homepage zo was ingesteld in Internet Explorer. Een derde voorbeeld was een online shop, waarbij in een survey 60% van de bezoekers aangaf het product uiteindelijk offline te kopen. De conversieratio daalt in zulke gevallen natuurlijk drastisch.

Ga dus eerst na wie er op je website komt. In elk analytics pakket kun je kijken naar de verhouding tussen referrer typen (direct bezoek, search, campagnes, nieuwsbrieven, overig) en verhouding tussen nieuwe en terugkerende bezoekers. Met de juiste data-integratie (en een toereikend pakket) kun je hier vrijwel info aan toevoegen die een bezoeker ooit bekend heeft gemaakt: leeftijdsgroepen, geslacht, klant ja/nee, klantwaarde, survey input, etc.

Segmentatie is een vorm van het filteren van rapportages, waarbij je de data alleen inzichtelijk maakt voor een bepaalde doelgroep. De funnel bijvoorbeeld, is vooral interessant voor die groepen die potentie hebben om te converteren:

Bovenstaande segmenten zijn gebaseerd op survey-data. Met een web analytics oplossing kun je deze registreren en gebruiken voor segmenten. Uit bovenstaand voorbeeld blijkt dat de groep die van plan is om iets te kopen (laten we deze even de ‘prospects’ noemen), relatief slecht converteert; de afhakers zijn vooral te vinden na het zoeken.

Path analysis: wat doet de bezoeker?
We zien dat prospects vooral afhaken na het zoeken. De logische vervolgvraag is: waar gaat de bezoeker dan heen? Veel pakketten bieden uitgebreide path analysis mogelijkheden, waaronder funnels, ‘page flows’ (vertakking van pagina’s), pattern matching en sub-paden.

Het grootste deel van de bezoekers verlaat de website of zoekt nogmaals. De bezoeker vindt blijkbaar niet wat hij zoekt.

Segmentatie: welke factoren zijn van invloed op het bezoekersgedrag?
Waarom vindt de prospect niet wat hij zoekt? Als je nauw betrokken bent bij een website heb je vast wel een aantal vermoedens. We tonen direct veel te hoge prijzen, of de interne zoekmachine toont een ongestructureerde bulk aan resultaten, of we trekken simpelweg de verkeerde bezoekers zodat de resultaten niet relevant zijn voor hen.

In onderstaand plaatje zie je links hoe vaak een product van een bepaalde prijsgroep getoond is in het zoekresultaat, rechts de conversie van ieder van deze prijsgroepen. Data gelden wederom alleen voor de groep die van plan is iets te kopen. Hier zien we de eerste verklaring voor het grote aantal afhakers: de getoonde producten zijn te duur.

Nu het tweede vermoeden: worden er misschien te veel resultaten getoond? Onderstaand zie je dat het tonen van veel resultaten een negatief effect heeft op de conversie én dat dit relatief vaak voorkomt.

Zelf nadenken: wat kunnen we doen?
Even terug naar de case. We willen slim optimaliseren en de analyse heeft geleid tot de volgende inzichten:
- Vooral de groep die van plan is iets te kopen haakt af na het zoeken.
- Die groep converteert goed bij kleine hoeveelheden zoekresultaten, met lage prijzen.
- De meeste producten hebben te hoge prijzen
- De meeste zoekopdrachten tonen te veel resultaten

Ontwikkel een aantal alternatieven om het knelpunt op te lossen. Bijvoorbeeld:
- Geef refinement opties bij te veel zoekresultaten
- Sorteer het zoekresultaat op prijs
- Toon targeted aanbiedingen op de result pages

A/B testing: wat werkt?
Deze laatste stap is ook de enige noodzakelijke stap in de optimalisatie: testen of de alternatieven daadwerkelijk tot verbetering leiden! Bij A/B testen tonen we de ene groep bezoekers bijvoorbeeld wel de targeted aanbiedingen en de andere groep niet. Het al dan niet tonen van de aanbiedingen registreren we in een web analytics tool en we kiezen KPI’s om een maatstaf te koppelen aan het succes van de gekozen variant. In dit geval conversieratio en average order value.

Op zoek naar jouw quick wins
Niet iedere website is te vatten in een funnel. Verschillende websites hebben hun eigen problemen en wensen, en de oplossing die bij de één werkt, zou bij de ander juist negatief kunnen uitpakken.

Web analytics is een samenspel van algemene inzichten en data-analyses. Enerzijds kun je KPI’s definiëren en consistent in alle rapporten toepassen, zodat snel inzichtelijk wordt welke pagina’s, referrers, producten en doelgroepen een negatieve of juist positieve bijdrage leveren aan de site performance. In bovenstaande voorbeeld is op een soortgelijke manier te werk gegaan om de invloeden op performance te identificeren.

Anderzijds heb je meestal wel een vermoeden waar op de website verbeteringen mogelijk zijn, zonder de data gezien te hebben. Je kunt dan de data gebruiken om vermoedens te bevestigen.

Hoe je de potentiële verbeterpunten ook gevonden hebt, de cruciale stap blijft het valideren van de oplossing met de juiste KPI’s. Oplossingen die werken houden we, en wat niet werkt draaien we weer terug.

What’s next?
Dit is de tweede aflevering in een serie van vijf. In aflevering 1 kon je lezen wat de voorwaarden zijn om van start te kunnen gaan met goede web analytics. De volgende posting zal dieper ingaan op de evaluatie van online marketingactiviteiten. Aflevering 4 behandelt de relatie met kwalitatieve data analyse (een voorbeeld daarvan hebben we hier al gezien: de koppeling met survey data). De laatste aflevering uit de reeks laat de huidige technische mogelijkheden zien op het gebied van multi-channel analyses.

Koen Penders werkt als business consultant bij Adversitement.