Let op de klant, niet op de sessie

Een online-aankoop is vaak het resultaat van een aantal bezoeken aan de website. Meerdere onlinemarketinginstrumenten spelen daarbij een rol. De kosten van onlinemarketing moeten daarom op klantniveau worden bepaald en niet op sessieniveau.

Voorbeeld: Bij het surfen op internet stuit u op een banner van Transavia.com waarbij aanbiedingen voor vluchten naar Europese steden worden getoond. Verbaasd over de lage prijzen besluit u een weekendje naar Rome te gaan. Om ook de prijzen bij andere aanbieders te controleren typt u in Google ´vlucht Rome´ in. Nadat u thuis hebt overlegd over het geschikte weekend probeert u via ´aanbiedingen vlucht Rome´ de meest gunstige prijs voor dat weekend te vinden. U klikt op een aantal aanbieders en nadat u hebt geconcludeerd dat Transavia de beste aanbieding heeft, typt u in Google ´Transavia´ in en maakt een boeking op de website.

Bovenstaand beslisproces zal u niet onbekend voorkomen. Wat opvalt, is het feit dat het beslisproces van een klant zich uitspreidt over meerdere contactmomenten en dat verschillende onlinemarketinginstrumenten hierin een rol spelen. In dit voorbeeld is de aankoop niet alleen toe te wijzen aan het zoekwoord ´Transavia´, maar hebben ook de banner en de andere zoekwoorden een rol gespeeld in de uiteindelijke boeking, zij het niet direct.

Onderwaardering
Op dit moment worden de resultaten van de ingezette onlinemarketinginstrumenten vaak op sessieniveau geanalyseerd en gerapporteerd. Dit leidt echter tot een onderwaardering van instrumenten die belangrijk zijn in het begin van het beslisproces en een overwaardering van die instrumenten die belangrijk zijn aan het eind van zo´n beslissingsproces. Dit is te zien in het volgende voorbeeld:

Klant A bezoekt de website vier keer en maakt daarna een boeking.
Klant A: MSN banner – Google ´vlucht Rome´ – Google ´aanbieding Rome´ – Google
´Transavia´ (boeking).

Klant B bezoekt de website drie keer en maakt geen boeking.

Klant B: Yahoo ´weekend Rome´ – Google ´vlucht Rome´ – Google ´Transavia´ (geen boeking).

Klant C bezoekt de website vier keer en maakt daarna een boeking.
Klant C: MSN banner – Google ´Transavia´ – Google ´Transavia´ – Google ´Transavia´ (boeking).

Analyse op sessieniveau

Kliks Boekingen Conversie%
MSN banner 2 0 0%
Yahoo ´weekend Rome´ 1 0 0%
Google ´vlucht Rome´ 2 0 0%
Google ´aanbieding Rome´ 1 0 0%
Google ´Transavia´ 5 2 40%

Op basis van deze analyse is de conclusie dat bannering niet werkt en dat alleen het woord

´Transavia´ hoeft te worden ingekocht. De analyse op klantniveau laat echter een ander beeld zien.

Analyse op klantniveau

Kliks Boekingen Conversie%
MSN banner 2 2 100%
Yahoo ´weekend Rome´ 1 0 0%
Google ´vlucht Rome´ 2 1 50%
Google ´aanbieding Rome´ 1 1 100%
Google ´Transavia´ 5 2 40%

Uit de analyse op klantniveau blijkt dat er meerdere instrumenten voor de conversie hebben gezorgd. Op basis van dit inzicht zal worden besloten de investeringen in de banner en in de woorden ´Transavia´, ´aanbiedingen Rome´ en ´vlucht Rome´ bij Google te vergroten. Deze woorden en de banner leveren klanten op die uiteindelijk een boeking gaan maken, ofwel kwalitatieve traffic. De grote vraag is natuurlijk op welk moment in het beslisproces de werkelijke beslissing wordt genomen om een product aan te schaffen op een website. Vaak is dit het bezoek waarin het hoogste aantal pagina´s wordt geraadpleegd gedurende een reeks bezoeken. Blijkbaar nemen klanten vaak toch de moeite om een bedrijf en een product goed te leren kennen voordat de definitieve aankoopbeslissing valt.

Conclusie
Wees bewust van het feit dat een aankoop het resultaat is van verschillende sessies en dat meerdere onlinemarketinginstrumenten hierbij een rol spelen. Tot op heden wordt een online aankoop in vele gevallen maar aan één onlinemarketinginstrument toegekend. Dit is echter in tegenspraak met het feit dat het beslisproces van een klant zich vaak uitspreidt over meerdere contactmomenten.

Het resultaat van elk onlinemarketinginstrument afzonderlijk dient op klantniveau te worden vastgesteld. De analyse op sessieniveau leidt tot verkeerde inzichten waardoor verkeerde beslissingen worden genomen ten aanzien van het onlinemarketingbudget. Door het analyseren van klantgedrag op klantniveau, in plaats van sessieniveau, wordt het werkelijke resultaat van de onlinemarketinginspanningen duidelijk. Alleen zo ben je in staat de onlinemarketingstrategie stap voor stap werkelijk te optimaliseren.

Bovenstaande artikel verscheen in het nov 2007 nummer van het Tijdschrift voor Marketing en werd geschreven door Bart Clement & Bram van Essen. Het volledige artikel in pdf is hier te downloaden

Reacties (15)

  1. reinoutw@hotmail.com'

    Goed artikel, volgens mij zijn er veel bedrijven die met dit probleem te maken hebben. Budgetten worden hierdoor niet op de juiste marketinguitingen ingezet. Een (waarschijnlijk) bijkomend en bekend probleem: hoe ga je in dit geval om met je Cost per Order en hoe ga je om met het uitbetalen op basis van orders? Kijk je naar het aantal conversies per kanaal/uiting + de procentuele bijdrage aan de conversie en reken je daarop af? En hoe ga je om met affiliate partijen die beweren een product te hebben verkocht, maar die in weze maar 10% aandeel aan de verkoop hebben gehad? Volgens mij is dat een gebied waar nog wel wat afspraken over gemaakt moeten worden ๐Ÿ˜€

  2. hmm, benhet niet eens met de Google ‘vlucht Rome’ conversie op klant niveau. Deze komt vanuit het A traject en hierin is de banner de trigger. Als Transavia niet vindbaar was geweest onder ‘vlucht rome’ had de conversie zoals deze hier is beschreven op Google ‘transavia’ m.i. gewoon plaatsgevonden!

    Geeft wel aan, ook al wat Reinout aangeeft, wat het probleem is. Welke online uiting deel je welke waarde toe op basis van de uiteindelijke conversie? De uiting die er voor zorgt dat de bezoeker voor het eerst op de pagina komt (na minimaal 2 weken afwezigheid), is voor mij de meest logische.

    Dit zal mi. geen negatieve gevolgen hebben voor search en vergelijkingssites aanwezigheid. Posities waar je altijd moet staan, maar een onderbouwing is natuurlijk welkom. Wat in het voorbeeld niet wordt weergegeven zijn de bezoekers die door een andere leverancier(s campagne) (of eigen iniiatief) werden getriggerd in het zoeken naar een ticket Rome. Zij komen voor het eerst op transavia via de vergelijkingssite, zoekmachine of gewoon word-of-mouth (social search). Dit zal m.i. genoeg recht doen aan budgetten voor alle verschillende online initiatieven.

    Eigenlijk kun je dan op de oude manier blijven meten. Het alleen gaat fout bij online bronnen die significant vaker niet als startpunt, maar onmisbaar tussenpunt worden gebruikt bij een conversie. Zij worden onderbedeeld… maar zijn deze er wel en welke bronnen zijn dit dan?

  3. bart.clement@dikw.nl'

    @Ton,

    Dat is inderdaad de vraag.
    Welke bronnen worden vooral gebruikt door bezoekers die in de beginfase van het beslisproces zitten?,
    en welke sessie is de beslissende sessie in het gehele beslisproces?.

    Dat zijn volgens mij de belangrijkste vragen, naast ROI, bij het optimaliseren van traffic generatie.

    In ieder geval laat dit voorbeeld wel zien dat het niet juist is om de conversie volledig toe te kennen aan de sessie waarin de boeking plaatsvindt.
    Toch?
    Dit gegeven lijkt me een goed startpunt voor een diepere analyse op de ecommerce afdeling.

  4. @bart inderdaad mee eens dat het zeker niet goed is de boeking toe te kennen aan de sessie waarin deze plaatsvond. Wat vind jij van de oplossing om de boeking toe te kennen aan de sessie waar de betreffende (nieuwe!) klant voor het eerst de site bezocht (voor het eerst = dan 2 weken niet op de site geweest)?

  5. christcoolen@hotmail.com'

    Hi Bart, interessant artikel (nog steeds actueel!). Ook een goeie discussie over welke waarde ken je toe aan welke stap in het totale proces.

    Ik heb echter nog een andere, meer praktische, vraag. Welke tool(s) kun je gebruiken om een conversie verspreid over meerdere bezoeken in kaart te brengen. Kun je zoiets bijvoorbeeld meten met Google Analytics? Of kom je dan toch uit bij duurdere paketten als Webtrends of Omniture?

  6. bart.clement@dikw.nl'

    @Losttraveller

    Voor een dergelijke analyse is het noodzakelijk om op klantniveau historie te kunnen volgen. (Dus per unieke klant moet je kunnen achterhalen wanneer deze klant naar de website is gekomen en wat deze specifieke klant heeft gedaan)
    De uitgebreidere, en duurdere, pakketten hebben databases waarin sessies worden gelinkt aan unieke klanten. Wanneer dat mogelijk is kun je terugkijken naar de historische sessies voor een conversie, en kun je ook waardes toekennen aan histiocrische sessies. Voorwaarde is wel dat je zelf toegang hebt tot de onderliggende database van deze software.

    Of zijn er al pakketten waar je dit soort aanpassingen default kan doen?

  7. anderson.ks@gmail.com'

    @Bart: in theorie heb je helemaal gelijk, maar in de praktijk heb je te maken met mensen die op verschillende computers (werk en thuis) naar informatie en producten op zoek zijn.

    Hoe koppel je een verkoop die iemand ‘s avonds thuis heeft gedaan, aan het zoekproces van die persoon eerder die dag of week op het werk?

  8. keesdelangen@hotmail.com'

    Interessant topic. Het is inderdaad belangrijk om klanthistorie te bekijken.
    In de affiliatemarketing kom je dit vaak voor. Want wij zeggen inderdaad we hebben een sale gegenereerd. Maar zoals in dit voorbeeld zie je dat de banner imp of klik dusdanig belangrijk is dat dit ervoor zorgt dat de klant een aankoop doet. Ondertussen klikt deze klant nog 3 x op een google campagne en dit kost de klant dus uiteindelijk een hogere CPO dan hem lief is.
    Oplossing? Waarde toekennen aan een klik cq cookie. Hoeveel kliks zijn er nodig in het bestellingsproces. Wat is de waarde van de eerste klik.
    Voorbeeld:
    CPO Transavia mag zijn: € 10,- per ticket.
    Eerste klik krijgt een waarde van 60%
    Tweede klik 10%
    Derde 10%
    Laatste 20%

    De eerste klik is dus € 6,- waard, tweede € 1,- etc.
    Zolang je goed inkoopt bij Google blijf je op een goede CPO

  9. bram.vanessen@vemic.nl'

    @Kees,

    In affiliate marketing heb je deze problematiek inderdaad vaker. Het gaat wel steeds meer spelen denk ik, aangezien het afrekenmodel steeds meer naar CPA achtige deals gaat. Wij zijn ook bezig om tot een dergelijk model te komen waarin je een waarde toekent aan de verschillende sessies. Het blijft lastig om een lastig traject om tot een goede verhouding te komen, maar met een soort trial – en error kun je tot aardige inzichten komen.

  10. keesdelangen@hotmail.com'

    @ Bram. Nadeel: Google betaal je altijd de standaard prijs. Wij kunnen dit constant aanpassen omdat wij de orderwaarde * % in ons systeem invoeren.

    Ook ben ik benieuwd wat de publishers van dit model gaan vinden.

  11. martijn@icstats.nl'

    Door de toegenomen meetbaarheid heeft het sturen op directe conversie een enorme vlucht genomen de afgelopen jaren. Daarin is inderdaad uit het oog verloren dat er meerdere stappen zijn die een klant doorloopt om tot aanschaf te komen, een proces dat uiteraard ook nog eens flink verschilt per productgroep.

    Gelukkig zie je hierin ook weer een kentering en wordt er naar manieren gezocht om ook de tussenliggende stappen te waarderen.

    Het is denk ik belangrijk om te realiseren dat je op dit moment of zelfs nooit, een volledig waterdicht systeem kunt ontwikkelen. Men moet zich dan ook niet uit het veld laten slaan door hiaten in de meetmethode, maar er gewoon mee aan de slag gaan.

    Naast het bundelen van verschillende sessies aan een unieke bezoeker en ook aan een conversie is er ook een methode om een waardering uit te spreken voor iedere sessie en zo het belang van iedere campagne methode te waarden. Het waarderen van Visitor Engagement dus eigenlijk.

    Bij ICStats hebben we hiervoor de Actex formule in het leven geroepen die aan de hand van het bezoekersgedrag een waarde toekent aan een bezoek. Hierdoor zou het eerste bezoek van de klant uit het voorbeeld al belangrijke punten gescoord hebben doordat hij prijzen heeft bekeken en een periode heeft geselecteerd bijvoorbeeld. Hierdoor kan je als marketeer ook zónder de conversie bepalen of die marketinginspanningen zin hebben gehad.

    Moraal van het verhaal;
    – Hanteer meer KPI’s om marketingcampagnes te vergelijken.

  12. En toch blijf ik erbij dat het volgens mij prima werkt wanneer je de conversie toekent aan de orginele referer van de periode waarin een aankoop door een nieuwe klant is gedaan. Bezoeker bezoekt pagina -> afgelopen 2 weken langsgeweest -> zo ja, wat was de originele referer; zo nee, maak nieuwe originele referer. Verdere aankopen van dezelfde klant bepalen de lifetime value van klanten via de originele referer. Een meetbare en goed uit te voeren methode die iedereen genoeg aandacht geeft? Enige probleem dat ik zie zijn het bepalen van de waarde van brandingcampagnes ((content) sponsoring, bannering e.d.). Bij nieuw typein bezoek zou er rekening mee moeten worden gehouden dat deze beinvloedt kan zijn door het vaak zien van een bepaalde uiting. Hier kun je onderzoek naar doen om daarna een vaste waarde te hanteren?

    Ik zoek vooral naar een oplossing die met bestaande meetpaketten goed is uit te voeren. En uiteraard is 90% goed genoeg.

  13. martijn@icstats.nl'

    @Ton
    Het is een manier. In deze vind ik dat én/én je de goede informatie kan opleveren.

    De tegenwerping van sommige zal zijn dat je hierbij geen rekening kunt houden met surfers die op hun pc op het werk de initiële boodschap te zien krijgt en het thuis bestelt.

    Ook met het oog op mulitmediale campagnes is het lastiger om de daadwerkelijke conversie te relateren aan een andere campagne dan de laatste sessie.

    Een andere tegenwerping is dat je geen rekening houdt met het belang van de verschillende stappen. (en dat is net het punt van het artikel). Want hoewel je in jouw geval dus weet wat de campagne was die de eerste aandacht trok, hoeft het niet zo te zijn dat dรƒยกt de campagne was die de beslissing ook forceerde. Of te wel, je kunt niet ongestraft de andere campagnes weglaten.

    Maar hierin komt één van de eigenschappen van een goede webanalist om de hoek kijken; “een bredere scope”. Je moet de gegevens die je hebt afwegen en afzetten tegen alle factoren die een rol spelen om vervolgens daar een waarde aan te hangen. Niemand zal dan ook ooit kunnen zeggen dat het vak van “webanalist” gemakkelijk is ๐Ÿ™‚

  14. @martijn dank voor je reactie. Het probleem op PC A geinteresseerd raken en op PC B kopen heb je altijd. Dit betekent een simpele oplossing van een vast percentage te veel credits naar zoekopdrachten op merk / productnaam (waar je natuurlijk wel moet staan) en domein typein bezoeken. Betreffende de verdeling kan ik mij niet aan de indruk onttrekken dat toekennen aan de initiële referer je op een eenvoudige manier goed genoeg op weg helpt om te bepalen waar je welke waarde vandaan haalt (vanuit de gedachte dat de balans van onterechte toekenningen op alle kanalen elkaar in evenwicht zal houden).

    Natuurlijk is het nog beter op met allerlei wegingen te gaan bepalen welke kliks en welke view nu welke waarde moet worden toegekend, maar kost dit je niet zoveel tijd extra (en wordt het proces niet zo onhelder), dat je veel beter af bent met de originele referer methode? ROI op webanalyse is ook bezig zijn met inzichten en verbeteringen, niet met analyse. Ik ben erg benieuwd hoeveel afwijking de simpele methode geeft op de uitgebreide methode….

    Welk deel van online marketing nu echt de trigger gaf tot aanschaf zul je nooit kunnen berekenen, maar slechts middels kwalitatieve methoden kunnen achterhalen.

  15. martijn@icstats.nl'

    [quote]Welk deel van online marketing nu echt de trigger gaf tot aanschaf zul je nooit kunnen berekenen, maar slechts middels kwalitatieve methoden kunnen achterhalen.[/quote]
    Eens.

    [quote]Ik ben erg benieuwd hoeveel afwijking de simpele methode geeft op de uitgebreide methode….
    [/quote]
    Bij de methode die wij hanteren met de Actex formule gaat het niet om een afwijking tussen de initiele referrerer en de waarde van andere momenten, maar wel om het inzichtelijk te maken van die laatste. Door alleen het conversie moment en de initiele referrer te pakken verlies je het stuk ertussen en dat willen we bij ICStats juist inzichtelijk maken.

Reacties zijn gesloten.