Webanalytics; weten wat de ander meet

Je eigen huisWij webanalisten focussen ons vaak alleen op de data van onze eigen site, of beter gezegd, op de data die ons eigen meetpakket opslaat. Prima, er is op onze sites nog enorm veel te winnen als we goed gebruik maken van de data die we nu al hebben. Maar. De wereld om ons heen heeft ook grote invloed op de wijze waarop bezoekers met onze site omgaan, hierover heb ik al eerder een aantal artikelen geschreven (zoals deze over concurrentie/prijs analyse). Hierover zal ook dit artikel gaan.

Weten wat de ander meet

Een heel dorpHoe gaaf zou het zijn als je alle bezoek en conversiedata van al je concurrentie zou hebben? Dat je kunt analyseren waarom een banner of tekstlink van een concurrent beter werkt op pagina X, wat de invloed is van een top 1 notering in Google ten opzichte van een positie 3? Heel gaaf. En hier gaan we naartoe.

Huis opmetenHet idee is eigenlijk heel simpel: in plaats van dat de site de bezoeker meet, meet de bezoeker de site. Op die manier kan je al het bezoekgedrag van één of meerdere bezoekers meten, aggregeren, segmenteren, analyseren en al wat niet meer. Als je meerdere bezoekers in een panel zet en dit panel is representatief voor de bevolking, dan heb je een schat aan data. Je kunt de data daarna nog ijken door je eigen analyticsgegevens te matchen op de cijfers uit het panel, zo kan je de relatie vinden tussen échte cijfers en panelcijfers. Dit maakt de data nóg echter. Let wel; het blijft een panel, de waarheid wordt het nooit, maar zaken als trends, zoek- en klikgedrag zijn bijvoorbeeld prima te gebruiken.

Als het sitebezoek wordt gemeten lijkt het meten van de data op een pagina nog maar een kleine stap. Op die manier kan je niet enkel de interactie tussen pagina’s zien, maar ook de interactie óp pagina’s. Het bekijken van een banner kan op die manier gemeten worden, je ziet immers welke banner vertoond is.

Ook is het, wanneer je deze data hebt, mogelijk om veranderingen op je eigen site te verklaren. Denk bijvoorbeeld aan een conversiestijging van 10% na een verandering op de site. Is deze stijging toe te schrijven aan de verandering of is het een verschijnsel dat in de hele markt zichtbaar is. Dit kan je door middel van de beschikbare data analyseren en verklaren.

Het gevaar is dat de data niet meer te gebruiken is (representatief is), omdat te gedetailleerde gegevens opgevraagd worden. Stel: je wilt enkel weten waar bezoekers uitkomen na het zoeken in Google (bijvoorbeeld op ‘lagere energierekening’) én het bezoeken van een vergelijkingssite (mbt energie). Omdat dit zo’n specifieke vraag is, is het antwoord minder betrouwbaar dan de vragen die op een veel hoger niveau gesteld worden. Logisch, maar wel iets om in het achterhoofd te houden.

Bovenstaande theorie wordt nu in de praktijk gebracht door Wakoopa. Zelf ben ik hard aan het nadenken wat je allemaal met de beschikbare data zou kunnen doen, wellicht dat jullie hier ook ideeën over hebben: drop ze maar in de comments.

Reacties (0)