5 type data-analyses die helpen meer omzet te realiseren

5 type data-analyses die helpen meer omzet te realiseren

Wanneer jouw bedrijf al even meedraait, heb je normaliter al veel data verzameld. Uit die data is bijzonder veel te halen. Daarmee zeg ik ongetwijfeld niets wat je nog niet eerder gehoord of gelezen heb. In deze blogpost hoop ik je wel met wat nieuwe analyses te inspireren om de data in te duiken en meer uit je data en dus je website te halen.

Analyse 1: Vergelijk bezoekers met transacties vs. bezoekers zonder transacties

In Google Analytics kunnen segmenten gemaakt worden. Met segmenten leg je in principe een filter over al je data. Alle rapporten, standaard, maar ook jouw gemaakte aangepaste rapporten, voldoen dan aan jouw filter. Deze mogelijkheid geeft zeer veel inzichten in de data en het grootste voordeel: met segmenten zijn verschillen zeer goed (visueel) inzichtelijk.

Een bijzonder handig segment is bijvoorbeeld alle personen die tot een actie zijn overgegaan (bijvoorbeeld een aankoop of contactaanvraag) vergelijken met alle bezoekers die niet tot een actie zijn overgegaan.

Bovenstaande is een screenshot van twee segmenten die ik aangemaakt heb. Eén segment met bezoek waarin men tot aankoop is overgegaan (sessie met transactie) en één waarin men niet tot aankoop (sessie zonder transactie) is overgegaan.

In het bezochte pagina’s-overzicht is nu zeer goed te zien welke pagina’s bekeken worden door bezoekers die wel overgaan tot aankoop in vergelijking tot pagina’s die geraadpleegd worden waarbij bezoekers niet overgaan tot aankoop. Daarin zijn vaak verassende zaken te vinden. Zo vonden wij bij een klant dat 90 procent van alle bezoekers die een aanvraag indiende een bepaalde pagina met productinformatie had gezien. Deze pagina was dus zeer belangrijk en nadrukkelijker verwijzen naar die pagina zou conversie kunnen verhogen. Een A/B-test leerde dat dit inderdaad het geval was. De aanleiding van deze test en meer conversie: analyse met een aangemaakt segment.

Analyse 2: Meer halen uit kanalen

In het Kanalen-rapport in Google Analytics zie je hoe kanalen presteren. Een wat specifieker weergave van herkomst van bezoekers komt uit het bron/medium-rapport. Deze rapporten zal niemand die met Google Analytics werkt vreemd zijn. Wel vreemd is dat men dit rapport meestal ter kennisgeving aanneemt. Uiteraard geeft het inzicht in welk kanaal goed presteert, zoals in het overzicht onderstaand:

Uit bovenstaande cijfers is heel duidelijk dat AdWords en Direct-verkeer zorgen voor een hoge conversieratio vergeleken met de andere kanalen. Echter, ook Display-verkeer heeft een prima conversieratio om tenminste verder te onderzoeken. Het verkeer uit social media converteert ver beneden gemiddeld, maar met een conversieratio van 1,52 procent is ook dit niet te verwaarlozen. Desondanks zorgen zowel de displaycampagne als de socialcampagne voor bijzonder weinig verkeer.

Met die twee eigenschappen (weinig verkeer, maar wel conversie) is wat te doen. Display-verkeer zorgt doorgaans, en ook in dit geval, voor relatief lagere kosten per klik dan betaald zoekmachineverkeer. Wellicht zitten daar mogelijkheden om verkeer op te schalen en kunnen extra conversies op een rendabele manier bewerkstelligd worden.

Voor social geldt hetzelfde. Een klik op 'Social' brengt ons het inzicht dat alle conversies uit LinkedIn komen en dat die conversieratio 3,81 procent. Dat is bovengemiddeld voor alle kanalen (al is de data met drie conversies wel bijzonder beperkt). Mogelijk kan er meer aandacht gegeven worden aan LinkedIn om meer relevante bezoekers en meer conversies uit te halen.

Kortom: kijk naar kanalen die zorgen voor conversie, maar weinig bezoek hebben. Grote kans dat je met inzoomen op de data en gericht dat kanaal kan verbeteren om te zorgen voor meer relevante bezoekers en meer omzet.

Analyse 3: Veelbezochte pagina’s met lage conversieratio

De eerste analyse liet zien welke pagina’s het goed doen en welke pagina’s bezoekers mogelijk moeten zien tijdens hun bezoek voor meer conversie. Anderzijds kan je ook kijken naar pagina’s die men veel bezoekt, maar een lage conversieratio hebben. Het zou kunnen zijn dat iets op deze pagina’s afschrikt. Een simpele checklist afgaan om pagina’s te beoordelen kan al helpen om die pagina’s te beoordelen.

Is het voor bezoekers bijvoorbeeld duidelijk wat ze kunnen doen. Wat is een logische vervolgpagina (en wordt daar naar verwezen), zijn er call-to-actions aanwezig, is er veel afleiding, enzovoort. Kortom: worden vragen die een bezoeker heeft beantwoord en wordt een duidelijk pad voor de bezoeker gecreëerd.

In de praktijk zie ik dat men dit continue wil doen, maar het vaak niet gebeurt omdat het uitgesteld wordt door teveel werk en omdat het onduidelijk is waar je kan beginnen. Door simpelweg te beginnen met pagina’s die veel bekeken worden en relatief weinig bijdragen aan conversies kan je al een prima lijst maken die van boven naar beneden afgewerkt kan worden.

Analyse 4: Ondersteunende kanalen

Standaard geven alle rapporten in Google Analytics conversies weer als last-click-conversies. Dat geeft soms een wat vertekend beeld van de prestaties van de kanalen. Immers, het laatste kanaal dat men gebruikt om de website te bezoeken krijgt de conversie toegekend. Van bijvoorbeeld AdWords of Bing Ads verwacht je waarschijnlijk dat ze met name zorgen voor nieuwe bezoekers die klant worden. Met die gedachtegang is het logischer om een ander conversie-attributiemodel voor betaald zoekmachine-verkeer te gebruiken dan last-click.

De tool voor modelvergelijking in Google Analytics geeft een interessant beeld wanneer we eerste interactie vergelijken met laatste interactie.

Zoals in het screenshot af te lezen is, krijgt AdWords in de geselecteerde periode 413 conversies toegekend en direct verkeer 482 conversies. Wanneer alle conversies worden toegewezen aan het eerste kanaal (first-click) krijgt AdWords 471 conversies toegekend en Direct 363. Die verschillen zijn enorm. Daar komt bij dat conversies uit AdWords op basis van de laatste klik vaker gerealiseerd worden door de merknaamzoekwoorden.

Op basis van de eerste klik zijn dat vaker algemene zoekwoorden. De analyse die hierin zorgt voor meer omzet is dat AdWords op basis van de laatste klik minder conversies krijgt toegewezen. Indien van AdWords verwacht wordt dat het moet zorgen voor nieuwe bezoekers die later converteren dan is het first-click-model relevanter. Dat model toont dan meer én andere zoekwoorden die gezorgd hebben voor conversies. Optimaliseren op die termen (die op basis van last-click niet meteen zichtbaar zijn) kan absoluut zorgen voor meer conversies. Deze case gaat natuurlijk ook op voor andere kanalen.

Analyse 5: (Google) Trends

Bijna elke sector kent seizoensgebonden trends. Soms door seizoensinvloeden en soms door extra inkomsten van je doelgroep (denk aan vakantiegeld en/of een dertiende maand). In die periodes is gedrag afwijkend. Die trends zijn doorgaans bekend en uiteraard ook in Google Analytics terug te zien. De kracht van Analytics komt echter het meest tot recht wanneer er bekeken wordt wanneer mensen starten met oriënteren voordat ze overgaan tot aankoop. Tijdens de oriëntatie al zichtbaar zijn, zorgt namelijk voor meer kans op conversie tijdens de piekperiode én maakt het makkelijker (en vaak goedkoper) om tijdens de piekperiode zichtbaar te zijn middels bijvoorbeeld remarketing.

Voor een klant weet ik bijvoorbeeld wat de piekperiode is van een product. Dit is elk jaar hetzelfde en er gaat meestal enige voorbereiding en oriëntatie aan te pas. In Google Trends zie ik wanneer zoekgedrag begint te stijgen en weet ik wanneer de aankopen zullen plaatsvinden. Naast die data bekijk ik in Google Analytics binnen de piekperiode hoeveel nieuwe gebruikers er zijn, hoeveel sessies men doorgaans nodig heeft voordat een transactie plaatsvindt en hoeveel dagen er doorgaans zijn tot een transactie. De combinatie van deze data geeft een heel goed inzicht in hoe bijvoorbeeld RLSA en remarketing ingezet kunnen worden.

Een nuance is daarbij wel terecht. Heel veel transacties zullen plaatsvinden door nieuwe bezoekers binnen één dag vanuit één sessie. Dat is niet (enkel) omdat bepaalde bezoekers meteen tot aankoop overgaan, maar ook omdat Analytics niet 100 procent zuiver is. Wanneer een bezoekers geen ‘sporen’ op zijn of haar computer achterlaat of via een ander apparaat (waarbij Google de link niet kan leggen tot aankoop overgaat) dan herkent Google Analytics het eerdere gedrag niet. Bekijk die cijfers dus met enige nuance.


Delen

0
2


Er zijn 3 reacties op dit artikel

  • Hi,

    Ik heb geprobeerd een dergelijk segment aan te maken (sessies zonder transacties) zoals in analayse #1, maar hij blijft bij dit segment wel gewoon (+-75% van de) omzet tonen. Enig idee waar de fout zit?

    geplaatst op
  • Hallo Max,
    Waar zie je de omzet terug? Kan het zijn dat er doelen met een doelwaarde ingesteld staan in Analytics en daarom omzet getoond wordt?

    geplaatst op
  • Hi Eddie,

    Interessant artikel, alleen klopt het gedeelte betreft ondersteunende kanalen niet helemaal.

    In je screenshot maak je een vergelijking tussen first interaction en last interaction waarbij AdWords 413 conversies toegekend. Dit is niet helemaal waar aangezien je naar last interaction kijkt i.p.v. Last non-direct click. Analytics maakt standaard gebruik van het model Last non-direct click en niet Last interaction in alle andere rapporten. AdWords zal dus bijvoorbeeld in het rapport acquisition > source / medium meer conversies toegekend krijgen.

    Voor de rest leuk artikel. Vooral analyse 1 biedt interessant inzichten!

    geplaatst op

Plaats zelf een reactie

Log in zodat je (in het vervolg) nóg sneller kunt reageren

Vul jouw naam in.
Vul jouw e-mailadres in. Vul een geldig e-mailadres in.
Vul jouw reactie in.

Herhaal de tekens die je ziet in de afbeelding hieronder


Let op: je reactie blijft voor altijd staan. We verwijderen deze dus later niet als je op zoek bent naar een nieuwe werkgever (of schoonmoeder). Reacties die beledigend zijn of zelfpromotioneel daarentegen, verwijderen we maar al te graag. Door te reageren ga je akkoord met onze voorwaarden.