Conversie optimalisatie bij kleine aantallen

Conversie optimalisatie bij kleine aantallen

Het optimaliseren van een website is vooral bij de grote bedrijven in Nederland steeds meer gemeengoed geworden. Bij kleine bedrijven is conversie optimalisatie minder bekend, al merk ik dat ook hier de behoefte aan optimalisatie vaak groot is. Helaas is A/B testen vaak niet mogelijk bij lage conversieaantallen. Om te kunnen A/B testen zijn minstens 1000 conversies per maand vereist. Een hoeveelheid die voor veel bedrijven niet haalbaar is. Maar in tegenstelling tot wat vaak wordt gedacht, is conversie optimalisatie meer dan alleen A/B testen. Ook bij websites met lagere bezoekersaantallen is het mogelijk om meer rendement uit je website te halen met behulp van data en psychologie.

1. Kijk verder dan conversies

Ten eerste kun je ervoor kiezen om in plaats van conversies een andere KPI (key performance indicator) te bekijken. Let bijvoorbeeld eens niet op het aantal productaanvragen maar op het aantal doorkliks naar een gewenste pagina. Ook kun je kiezen te focussen op een eerder moment in de verkoopfunnel. Test bijvoorbeeld niet de klanten die daadwerkelijk een product kopen of zich inschrijven, maar klanten die een product in de winkelmand leggen. Als alles goed gemeten wordt op je site (lees hier hoe je zorgt dat je alles meet wat je wilt meten) kun je in je data goed zien welk gedrag converteerders vertonen voorafgaand aan hun aankoop.

2. Goed onderzoek voor onmisbare informatie

Vervolgens is het bij kleine aantallen extra belangrijk om goed onderzoek te doen. Je wilt je (potentiële) klanten zo goed mogelijk begrijpen. Welk gedrag vertonen je klanten? Kun je hierin segmenten definiëren? Waarom bezoeken ze je website? En in welke producten zijn ze geïnteresseerd? Dit kun je natuurlijk deels aflezen uit je eigen webdata, maar er zijn ook genoeg andere bronnen om deze informatie mee aan te vullen.

Met behulp van online surveys via tools als Hotjar en Usabilla is het mogelijk om online (bijvoorbeeld na de check-out) vragen te stellen aan je klanten en zo antwoorden te krijgen op bovenstaande vragen. Maar ook face to face interviews kunnen waardevolle inzichten opleveren. Of ga eens langs op de afdelingen klantenservice of sales. Daarnaast zijn er genoeg andere methodes (clickflows, eyetracking, enzovoort) die je informatie geven over het gedrag van je bezoeker.

Na het verzamelen van alle data ga je aan de slag met het analyseren van het algemene gebruikersgedrag en duik je in de (wetenschappelijke) kennis die beschikbaar is over jouw branche. Hoe ziet de markt eruit? Zijn er nieuwe ontwikkelingen gaande? Wie zijn je concurrenten en wat zie je daar gebeuren? Op basis van al deze informatie, kennis van gedragspsychologie en het inzicht dat je hebt in het gedrag van je bezoekers, creëer je doelgerichte hypotheses.

3. Kleine aantallen, grote veranderingen

Waar mogelijk is het natuurlijk altijd fijn om je hypotheses te valideren. Wanneer er niet genoeg conversies zijn voor een A/B test, kun je er ook voor kiezen om veranderingen meteen live te zetten. Met alle informatie die je hebt, kun je vaak al deels beredeneren of er een kans is op succes.

Wil je weten wat en hoe groot het effect is van je aanpassingen, dan kun je kiezen voor een 0-1 meting (ofwel een voor- en na-analyse). Je analyseert de periode voor en na de livegang van de nieuwe elementen en vergelijkt deze vervolgens met het jaar ervoor. Zorg wel altijd dat de veranderingen groot genoeg zijn om duidelijk impact te hebben en houd rekening met eventuele marketing campagnes of andere grote wijzigingen in de markt. Deze kunnen grote afwijkingen veroorzaken in je data.

Stel je zet je veranderingen live op de eerste maandag van het jaar. Na ongeveer 3 weken vergelijk je de resultaten van de testperiode met de weken ervoor, de controleperiode. Dit zal er als volgt uitzien:

Bezoekers Conversies Conversieratio Uplift
Controleperiode 2016 1200 170 14,2%
Testperiode 2016 1400 175 11,4% -19,3%
Controleperiode 2017 1300 150 11,5%
Test periode 2017 1500 200 13,3% +15,6%

In de testperiode zie je dat de conversieratio met 15,6% omhoog is gegaan. Een indicatie dat de veranderingen positief zijn geweest. Maar deze uplift kan ook veroorzaakt worden door de periode van het jaar. Om deze seizoensinvloeden uit te sluiten kijk je daarom ook naar dezelfde periode van het voorgaande jaar. In het voorbeeld zie je dat in 2016 de conversieratio juist lager was in de testperiode dan in de controleperiode. Dit is nog een extra indicatie dat de veranderingen een positief effect hebben gehad op de conversieratio.

Conversie Optimalisatie is voor iedereen

Hoeveel of weinig conversies je ook hebt, structuur is onmisbaar in een goed optimalisatieprogramma. Zorg dat de juiste elementen op je site gemeten worden en je genoeg informatie hebt over het gedrag van je bezoekers. Probeer echt te begrijpen hoe en waarom je bezoekers zich op een bepaalde manier gedragen. Alleen met deze kennis is het mogelijk doelgerichte hypotheses op te stellen en zo de impact van je veranderingen te meten en je resultaten ook daadwerkelijk om te zetten in inzichten.

 

Geef een reactie

Verplichte velden zijn gemarkeerd met een *.