Jeg har et nyt stort projekt på vej, som jeg utrolig gerne vil dele med dig. Som Jesper Buch skriver på Amino bloggen, så handler det om at opfylde behov, hvis et projekt skal blive godt.

Jeg hører utrolig ofte spørgsmål som:

• Hvad er en god konverteringsrate?
• Mit salg er faldet, er det kun mig der har det problem?
• Hvad er en normal bouncerate?
• Er det godt at brugerne ser 2,8 sider pr. besøg?

Jeg har set utrolig mange webshops data, og har en rigtig god fornemmelse for hvad der er godt og skidt, også inden for kategorier. Men helt præcist bliver det aldrig, og mit svar kan aldrig blive knivskarpt.

Analytics drømmeverden

Jeg stillede derfor mig selv spørgsmålet: “Hvad skal der til for at jeg kan svare på alle de spørgsmål?”, og svaret var faktisk ret oplagt: Et webshopindeks. I min Analytics drømmeverden kan spørgsmålene besvares præcist, og også spørgsmål som

• Min konverteringsrate steg med 10% i december måned – er det så godt som det lyder, eller stiger webshops konverteringsrate i gennemsnit med 20% i december?
• Hvor meget af salget bør jeg få fra søgemaskinerne?
• Jeg får 20% af trafikken fra andre sites – er det meget eller lidt?

Drøm skal blive til virkelighed, og derfor startede jeg projekt Webshopindeks op i løbet af efteråret.

Webshopindeks – bliv klogere med viden

Mit webshopindeks er genialt (hvis jeg selv skal sige det). Du som webshop ejer kan tilmelde din webshop, og får via din tilmelding hver måned en rapport. Når du tilmelder dig bliver dine data en del af indekset. Den månedlige rapport giver dig så et overblik over dine data i forhold til indekset. Fx. får du at vide om din konverteringsrate steg eller faldt sidste måned, og om det var bedre eller dårligere end indekset. Du får ikke kun information om hvordan det gik i forhold til alle andre shops, men også en sammenligning med andre shops i din kategori (du vælger kategorien ud fra en liste), og shops i samme størrelse i forhold til besøg.

For at kunne give dig data kræver det selvfølgelig at du også vil dele dine data med alle andre. Dine data vil selvfølgelig ALDRIG blive offentliggjort, så konkurrenter kan se dem. Når data rapporteres videre, er det altid i gennemsnit, dvs. dine data er blandet sammen med en lang række andre shops. I mit daglige arbejde er jeg vant til at arbejde fortroligt med data, og har set data for flere hundrede websites. Fortroligheden er en selvfølge for mig, så det er et punkt du ikke behøver bekymre dig om.

Og prisen… Det er GRATIS Jeg vil gerne give dig svarene, og synes det er et mega fedt projekt. Der er selvfølgelig en række udviklingsomkostninger, så tilfredse kunder må da gerne give bidrag, men det falder ikke sammen hvis det ikke sker. Der er forskellige potentielle indtægtskilder, som kan dække udgifterne, men jeg har besluttet at den månedlige rapport, der giver dig sammenligning med indekset er og forbliver gratis.

Hvornår går det live?

Projektet er ikke helt klar endnu, men er godt i gang med at blive udviklet. Der er både designere og programmører igang, så det kan blive klar i løbet af start/foråret 2011.

Grunden til at jeg fortæller om det allerede nu er

1. Jeg synes det er et mega spændende projekt som jeg har vildt meget lyst til at dele med jer alle
2. Hvis du har en webshop og gerne vil være med fra start, så får jeg brug for nogle shops til indledende tests. Har du lyst til det, så skriv en kommentar, eller skriv direkte til mig på min kontakt formular.
3. Og endelig, hvis du har input til hvad der virkelig vil være fedt at få med, så fyr løs. Servicen er til for at give jer det i gerne vil have, så sig endelig hvad der vil være godt at have med.

Vil du gerne vide når projektet går live, så følg med her på bloggen, eller tilmeld dig webshopindeks nyhedsbrevet på webshopindeks.dk

Smid gerne en kommentar om hvad du synes om ideen, og hvad du ellers tænker

Højere konverteringsrate med webanalyse

Skal din konvertering øges, så er konverteringsoptimering med webanalyse sagen. Du kan let og hurtigt finde de lavthængende frugter: Dine analysedata viser hvor du kan få mest ud af at optimere. Indlægget gælder ikke kun for Google Analytics, men alle der har webstatistikværktøjer, hvor ordentlig analyse er mulig

Du får derfor top 7 rapporter du skal se på, for at vide hvor du skal sætte ind for at få en højere konverteringsrate. Analyser, juster, test, juster og konverteringsraten går derudaf.

Bedre konverteringsrate med 7 webanalyse rapporter

Øg udbyttet af dine startsider

Hvor mister du flest potentielle kunder fra start? Se listen over topdestinationssider (landingpages) og find de 3-5 sider, der har højest bouncerate. Lav et avanceret filter, hvor du angiver et minimum antal der er startet på siden (ellers får du en liste med 100% bouncerate på baggrund af 1 eller 2 entries). Se mit tidligere indlæg om Avancerede filtre i Google Analytics.

Ved at optimere de 3-5 sider kan du holde fast på langt flere besøg, hvilket er alfa og omega for at sælge noget til de besøgende.

Mindsk frafaldet i bestillingsflowet

Brugerne har lagt varen i kurven, og indstillet på at købe. Men så bliver de forstyrret på dit site, og springer fra lige før målet. Det må bare ikke ske. Find det eller de trin i flowet hvor flest falder fra, og optimer disse sider. Udbyttet kan være en stor forbedring af konverteringsraten, da brugerne er meget tæt på målet. Se hvor flest falder fra under “Kanaler” under mål.

Få mere trafik fra gode søgeord

Nogle søgeord konverterer bedre end andre. Du har lige den rigtige vare, og landingpagen rammer spot on. Så du skal have mere trafik fra de gode søgeord, for tænk hvis du kun ligger nr. 7 på et søgeord, der konverterer helt vildt godt? Find de 10 søgeord, der konverterer godt, og samtidig har en vis mængde trafik (brug igen et avanceret filter), og undersøg placeringen på Google. Optimer placeringen for de 5 søgeord, der har størst potentiale, og øg konverteringen efterfølgende.

Styrk din AdWords og konverteringen

Selv om du allerede har en specifik landingpage til dine Adwords annoncer (ik?!), så kan det altid gøres endnu skarpere. Din AdWords har kørt i noget tid, så nu skal du finde de 3 annoncegrupper, der giver klart mest trafik.
Trin 1: Sikr at de tre annoncegruppers søgeord passer til helt samme landingpage. Hvis de ikke gør, så del dem op.
Trin 2: De tre annoncegrupper med mest trafik skal der kæles for – du har mest at hente på konverteringen her. Lav en skræddersyet landingpage til din AdWordstrafik fra disse grupper. Træk søgeordet ind som overskrift, og gør det 100% relevant i forhold til annoncegruppen og søgeordene.

Mindsk frafald på produktsiderne

Hvilke produktsider forlader flest brugere din hjemmeside fra? Se det i rapporten “Topplacerede afslutningssider”. Sørg for ikke at miste brugerne når de kigger på dine produkter – de viser interessen, de har fundet produktet og dit mål er at gøre det let for dem at gennemføre købet derfra.

Optimer på områder fremfor sider

Skal du have lidt større udbytte end hvad en enkelt side kan gøre, så fokuser på områder af sitet fremfor enkeltsider. Rapporten “Detaljeret visning af indhold” (Content drilldown på engelsk) under Indhold giver dig overblikket over områderne af sitet. Det kræver en fornuftig URL struktur, men har du det, så se hvilket område af sitet, der har højest bouncerate. Optimer på områder og få meget ud af lidt arbejde.

Gør din interne søgeresultatside bedre

Når brugerne virkelig gerne vil finde varen og de har problemer, så søger de. De søger internt. Rapporten “Søgeord” under “Webstedssøgning” under “Indhold” viser hvilke ord der har størst % søgningsafslutninger – dvs. hvilke søgninger har mange brugere, der forlader sitet på søgeresultatsiden? Benyt avanceret filter til at have et minimum antal søgninger, og sorter på “% Søgningsafslutninger”. Optimer resultatsiden for de søgeord med størst andel afslutninger. Vupti, søgninger bliver til salg frem for exits.

Al optimering af indhold på din hjemmeside, landingpages som bestillingsflow skal selvfølgelig testes. Lav AB og MVT test så du sikrer det størst mulige udbytte.

Med de syv ovenstående rapporter og tilgange, så er du godt på vej til at få mere ud af din trafik. Har du andre gode fif, der passer ind i rækken til optimering af konverteringsraten, så del dem endelig i kommentarerne

Hvordan udregnes konverteringsraten?

Alle snakker om konverteringsrater, så er der noget mere oplagt end at få fastlagt definitionen? Definitionen på en konverteringsrate kan gives således:

Konverteringsraten = Salg divideret med Besøg. Dvs. andelen af besøg, som genererede et salg.

For en konverteringsrate er vel en konverteringsrate?

Ovenstående formel er sådan systemerne (Google Analytics, Indextools (Yahoo! Web Analytics) og SiteCatalyst) udregner konverteringsraten. Men derfor behøver det ikke være den bedste måde at udregne den på.

Konverteringsrate i forhold til unikke besøgende?

Giver det et retvisende billede hvis konverteringsraten udregnes i forhold til antal besøg? Nogle produktkategorier køber brugerne ved første besøg, fx. produkter med lav involvering som en CD eller bog og “besøg” giver dermed et forholdsvis reelt billede af konverteringsraten. Når brugeren kommer ind på sitet så bør målet være at sælge i det pågældende besøg. Vender brugeren tilbage efterfølgende, kan det være for at købe endnu en vare, for nu skal han have en bog mere.

Men hvad med salg af varer, som har en længere beslutningsproces? Hvor mange går på Google, søger på tørretumbler, og køber den første og bedste? Konverteringsraten for produkter med større involvering, samt varer, som man køber sjældent bør måske være på baggrund af antallet af unikke besøgende frem for besøg?

Emnet har længe stået på min emneliste, og da Johan Schlüter fra Velux samtidig har bragt emnet op på Linkedin i gruppen “Danish Web Analytics Circle” (hvis du interesserer dig for webanalyse og ikke allerede er medlem af gruppen, så bringes hermed en opfordring), var der ikke flere undskyldninger for ikke at få lavet et indlæg om emnet. Johan skriver:

Visits versus visítor. Er beregningsgrundlaget afhængigt en tidsmæssig besøgsfaktor og hvad er denne?

Om man tager sit udgangspunkt i visits eller visitors bør være afhængigt hvilken type website man holder sig. Nogle websites besøger brugeren en, to eller tre gange inden for en kort periode og købes en vare har jeg en positiv conversion og en højere rate, da jeg qua websites natur beregner udfra visitors, men beregner jeg ud fra visits er det narturligvis kun besøget, hvorved der købes, der registreres positivt og dermed lavere rate. Kunden kommer ikke igen de næste 0,5, en-to-fem år. Omvendt med websites som besøges tit og ofte. Her giver det bedre mening at tale om visits som udgangspunkt for beregningen, da et bogsite, ´bingosite:) etc, har en anderledes relation til kunden, der kommer jævnligt igen og igen. Jeg synes at logikken holder, men så opstår følgende dilemmaer. 1.) Conversion rates på tværs af brancher bliver svære at benchmarke. 2) Hvordan bestemmer vi “universelt tidsmæssigt”, at her er en type A og B website og bør vi gøre det. Hvad siger i?

Johan selv taler dermed for at differentiere definitionen på konverteringsraten alt efter hyppigheden for salg af produktet og når til to dilemmaer: Benchmark på tværs af brancher og definering af hvilken gruppe sitet skal placeres i.

Hvordan benchmarkes konverteringsraten på tværs af brancher?

Med en konverteringsrate på baggrund af visits, benytter mange 2% som benchmark. 2% er en ok konverteringsrate – ikke frygtindgydende lav, men heller ikke prangende og bevis på et gennem-optimeret salgssite. Men hvad er benchmark hvis man i stedet benytter unikke besøgende? Jeg mener ikke problemet er anderledes end hvis man bruger de 2% som benchmark. Dette mener jeg ikke ud fra ovenstående udsagn – hvis konverteringsraten udregnes på baggrund af besøg, så bør det være lettere at få en konverteringsprocent på 2, hvis man sælger bøger, frem for hvis man sælger tørretumblere. Et benchmark er ikke stærkere end at man skal tage sine forbehold, og ud fra benchmarket lave et reelt benchmark. Man har et udgangspunkt for at kunne navigere ud fra det

Hvilken gruppe af konverteringsrater hører sitet til?

Når man som ejer af et site skal placere sit site i forhold til hvordan konverteringsraten bør udregnes, hvad gør man så? I dag er der ingen klar måde at gøre dette på. Skulle jeg komme med et bud, så handler det om at undersøge mængden af research før et køb, dvs. hvor langt tid går der fra at brugeren første gang kigger på nettet efter produktet, til at det konkrete køb foretages? Endnu mere optimalt: Hvor mange gange besøger brugeren ens site, før beslutningen om køb foretages? I Google Analytics kan dette ses under e-commerce delen: Hhv. “Visits to Purchase” og “Days to Purchase”.

Vi kan nu og her lave en branchestandard: Hvis mere end 50% bruger 2 besøg eller flere før køb, så bør unikke besøgende benyttes til udregning af konverteringsraten. Hvis mere end 50% af salgene sker ved første besøg, så bør besøg benyttes.

Unikke besøgende er ikke kun ét tal

Indtil nu har jeg omtalt variablen “unikke besøgende” som ét tal, men så simpelt er det ikke. Unikke besøgende kan være pr. dag, pr. uge eller pr. måned. Forskellen er stor:

Bruger A kommer ind på sitet mandag og torsdag i samme uge. Udregning af unik besøgende pr. dag vil betyde at bruger A tæller som 2. Udregning pr. uge og pr. måned vil begge give 1. Hvis brugeren derimod besøger sitet torsdag og mandag (dvs. mandagen i ugen efter), så vil det tælle som 2 unikke besøgende ved både pr. dag og pr. uge, mens pr. måned tæller som 1. Der er to måder at håndtere dette: Enten at lade alt gå over en kam – konverteringsrate på baggrund af unikke besøgende er ALTID på baggrund af månedlige unikke besøgende, eller også skal der være klare definitioner for hvornår hvilken periode for unikke besøgende benyttes. Hvis sidstnævnte bør gøre sig gældende er det relevant at vide hvornår hvilken periode giver mest mening.

Unikke besøgende pr. dag

Brugeren kommer ind på dit site om morgenen for at læse om et produkt. Brugeren forlader dit site igen, fordi brugeren ønsker at læse om priser og udbudet på andre sites. I frokostpausen vender brugeren tilbage, for det var nu lidt spændende og en ok pris du havde. Om aftenen skal konen lige spørges, men så er beslutningen heller ikke større, end at varen købes samme aften. Som besøg vil dette tælles som 3, men som unik besøgende pr. dag, så er det kun 1. Udregnes konverteringsraten på baggrund af antallet af unikke besøgende pr. dag, så bør det være fordi beslutningen tages samme dag. Typisk skal der flere besøg til, men beslutningen om køb er ikke længere væk, end at den tages samme dag. Produktet kan være en håndpisker (hvor mange mænd har købt en håndpisker uden at spørge konen først? Markering med håndsoprækning).

Unikke besøgende pr. uge

Nu tages beslutningen ikke længere samme aften. Der er brug for mere ro omkring købet, og det kræver en weekend med. Konen skal lige se på udvalget, og være enig i beslutningen, som begge parter måske lige skal tænke over. Produktet kan være nye spisebordsstole. Her vil unikke besøgende pr. uge give en retfærdig konverteringsrate, da brugeren kun tæller med én gang, men også kun har i tankerne at købe én gang i denne periode. Det er vigtigt at pointere at unikke besøgende pr. uge ikke er for en løbende uge, men mandag til søndag (i Google Analytics dog søndag til lørdag, hvis sproget er sat til engelsk), hvilket betyder at brugeren kan tælle med 2 gange inden for en periode på 7 dage.

Unikke besøgende pr. måned

Historien gentager sig. Denne gang er beslutningsprocessen blot længere – mere end en uge, og formentlig under en måned. Produktet kan være en tørretumbler. Man skal liiiige ud og se varen i en butik, og rådføre sig flere steder før valget tages. Igen skal det pointeres at en bruger kan tælle med to gange, selv om besøgende foretages inden for en 30 dages periode – hvis det er over et månedsskift (og her er amerikanerne heldigvis enige i hvornår man deler ).

Hvilken unik til konverteringsraten?

Der er ingen tvivl om at det giver god mening af skille tingene ad, og bruge antallet af unikke besøgende i forhold til beslutningsprocessens længde. Men omvendt giver det et endnu større slør i ønsket efter et benchmark og en ensartet måde at gøre tingene på. Resultatet af at bruge unikke besøgende er at konverteringsraten stiger, og den stiger mere, jo længere periode de unikke besøgende gælder for (dvs. konverteringsraten vil være størst hvis det udregnes på baggrund af månedlige unikke besøgende).

Min holdning er derfor: Rør ikke ved periodens længde for de unikke besøgende. Den eneste effekt dette har, er niveauet for konverteringsraten – udviklingen er ens. Benyt ugentlige unikke besøgende, da det dækker bredest, tager bedst højde for sæson udsving (julen varer en uge rent helligdagsmæssigt, efterårsferien er en uge mv) og endeligt, så er det mit indtryk af størstedelen af produkterne solgt over nettet har en beslutningsperiode mellem 2 og 7 dage (hvis vi renser for de tilfælde hvor besøg vil blive brugt).

Mit forslag til endnu en branchestandard er derfor: I de tilfælde hvor brugeren benytter 2 eller flere besøg før et køb foretages, så skal konverteringsraten udregnes på baggrund af de ugentlige unikke besøgende.

Tak til Johan for et godt indlæg i webanalyse debatten, og for tilladelse til gengivelse her. Jeg håber flere vil starte debatter i gruppen på Linkedin, og ellers er man som altid meget velkommen til at skrive her til bloggen, så jeg kan tage emnet op

Hvad mener du? Er det relevant at dele konvertering op i flere måder at udregne det på, eller bør det kun være på baggrund af besøg? Er mine forslag til branchestandarder for skæve, for overfladiske eller generelt bare ubrugelige? Eller er der skabt historie i den danske webanalyse verden på en tilfældig mandag aften?