Handlingsorienteret webanalyse – med Google Analytics

Part II

Hermed afsnit 2 i serien om anvendt webanalyse med Google Analytics. Første del handlede om at mindske frafald på din hjemmeside, dvs. at mindste bounce raten på de sider flest af brugerne startede.

Del 2 handler om at få brugere, som viser en tydelig interesse i at købe til at gå hele vejen. Frafald i bestillingflowet er noget af det der koster dig mest. Brugerne har vist interesse for at købe, lagt varer i kurven, og mangler kun at gennemføre de 3-10 trin forud for gennemførsel af køb (og har du 10 trin, så start med at få det ned under 5 – selv de mest tålmodige brugere kan have svært ved at kæmpe sig gennem 10 trins bestillingsflow). Flere har tidligere haft emnet på banen, og jeg kan anbefale Vadskjærs guide til opsætning af funnel i Google Analytics. Da dette er et af de steder hvor der er mest at hente med mindst arbejde, så indgår det selvfølgelig i min række af “Stort udbytte med lille indsats”.

Optimer frafaldsraten i betalingsflowet

Dit betalingsflow består typisk af forholdvis få sider. Til gengæld er de nogle af de vigtigste overhovedet. Ved at optimere på den side, hvor flest brugere falder fra, så kan du øge dit salg og indtægt betydeligt. Og jeg gentager gerne: OPTIMER ÉN SIDE OG ØG SALG OG INDTÆGT BETYDELIGT!

Og her kommer webanalyse og Google Analytics på banen igen. Gætværk er en dårlig vej frem, så lad os se på data.

Opsætning af funnel

Forud for adgang til værdifulde data skal der laves lidt arbejde. Om systemet er Google Analytics, Yahoo! Web Analytics eller SiteCatalyst, så skal der sættes en funnel op (dog skal arbejdet gøres forud for brugen for de to første systemer). Målet for denne funnel er bekræftelsessiden for salget.

Når du har sat dette op får du adgang til værdifuld data. Under “Mål” og “Kanaler” i Google Analytics får du følgende oversigt:

I billedet ses et dejlig kort betalingsflow på 3 trin. Og hvor skal du så sætte ind? Find det højeste tal til højre for en rød pil -> trin 2 med 42 brugere. Frafaldet er på 23%, og prøv at regne på hvad det vil betyde hvis du få dette mindsket til 12%. Det vil betyde at din omsætning stiger med 15% (hvis vi antager at brugerne køber for ens beløb).

Tag beslutningerne på baggrund af facts

Nu er siden, der skal optimeres udpeget. Så kommer spørgsmålet: Hvad skal siden forbedres med? Der er flere måder at få nogle gode guidelines om dette. Først og fremmest anbefaler jeg at kigge på hvor brugerne går hen. I ovenstående billede er der klippet lidt af, men det er muligt at se hvor mange, der exiter, og hvor på sitet de øvrige går hen. Hvis mange går til sider om levering, garanti mv, så har du to muligheder – sørg for at klæde brugeren ordentlig på omkring disse praktiske oplysninger inden de starter flowet, eller lav nogle små informationsbokse. Disse bokse kan enten indeholde kernen af informationer, eller også kan deres formål være at lave en popup side med fuld information. På den måde ryger brugeren ikke helt ud af flowet. 

Hvis mange af dine brugere går direkte til et specielt produkt, så lav en mulighed for at lægge dette produkt i kurven i flowet. Det sikrer ikke kun at brugerne bliver i flowet, men tilmed også at den gennemsnitlige ordreværdi forøges. Det er win-win der vil noget!

Da flowet er få men utrolige vigtige sider, så vil jeg dog anbefale at optimere alle siderne og ikke kun den med størst frafald.

Exit fra betalingsflow

Nu tænker du nok, at du ikke kan se eller regne ud hvorfor brugeren forlader sitet helt i flowet. Her er vi så heldige at mulighederne for webanalyse ikke kun behøver holde sig til tracking og decideret webstatistik. For at undersøge hvordan man mindsker antaller der exiter, så vil jeg anbefale at lave et survey. Giv alle brugerne, som forlader dit sitet midt i flowet et survey, og måske kun et enkelt spørgsmål: “Hvorfor forlod du sitet uden at gennemføre din bestillig?”. Jeg kan garantere at der vil komme svar, som du kan bruge videre i din optimering.

Start midt i bestillingsflowet?

Hvis du midt i flowet har brugere, som kommer ind fra venstre (sådan visuelt set), dvs. starter deres besøg på sitet på denne side, så bør du undres. For hvordan kan man nu det? Svaret er at det er utroligt få det sker for. Grunden til at det kan ske kan være et af følgende:

  • Brugeren bookmarker siden fordi de gerne vil fortsætte senere. Når de se starter igen, er det fra denne side.
  • Brugeren er inaktiv i mere end 30 min. Hvis brugeren ikke ser en ny side inden for 30 minutter, så betragtes det i Google Analytics som timeout, og når brugeren så fortsætter til næste trin, så betragtes dette som et nyt besøg.
  • Sidste mulighed er ikke god… Dit betalingsflow bliver fundet i søgemaskinerne. Her bør du sørge for at det ikke sker, og lede brugerne til dit sælgende indhold i stedet.

Test test test

For at få maksimalt udbytte af dine justeringer bør du teste dem. Det giver også mulighed for at teste elementer du aldrig havde brugt ellers (lyserød købknap?). Det er faktisk svært at finde argumenter for ikke at teste (udover de ressourcer det kræver naturligvis). Læs mere om A/B test med Google Website Optimizer.

Det var andet afsnit i anvendt webanalyse :-) Glæd jer til tredje afsnit, som kommer til at omhandle overordnet exits. Det kan ske der kommer flere afsnit i serien hvis stemningen er til det ;-)

VN:F [1.9.14_1148]
Rating: 0.0/6 (0 votes cast)