Text tidigare publicerad på vivamedia.se
Beteendedata är bränslet, men först behöver du veta vart du ska åka innan du gasar på
Att ha mycket trafik på din hemsida är egentligen meningslöst om ingen gör det du vill att de ska göra när de kommit dit. Konverteringsoptimering handlar om att förändra användares beteenden. För att göra det behöver man data om vad användarna egentligen tycker och tänker, förstår deras problem och vilka frågor de söker svaret på. Vi samlar in data från olika källor för att få så mycket information som möjligt. Och visst finns det en risk att data bara blir rapporter som inte används för optimering, de blir skrivbordsprodukter och i värsta fall kan det gå så långt att fokus flyttas till om datat i sig, inte till det vi skulle förändra.
Prioritera din affär och välj ett fokusmål innan du börjar att optimera hemsidan
Konverteringsoptimering handlar, precis som det låter om att öka antalet konverteringar. Och visst är fler konverteringar bättre än färre för de flesta. Det som ofta glöms bort när vi pratar om ren konverteringsoptimering är att fokusera på rätt tillväxt och rätt konverteringar. Growth Marketing handlar om att arbeta med kommunikation holistiskt och se till affären och användarnas behov först innan vi väljer idé, koncept eller innehåll. Så först måste du prioritera vad som ger högst värde för din verksamhet just nu. Du vill ha fler leads, eller sälja fler produkter absolut. Men vilka leads är bäst, vilka produkter har en bra marginal och vilka målgrupper är det som är viktiga att fokusera på då? Och så får vi inte glömma att konvertering är bra för att tillväxt, men återköp och merköp är viktigt för att få ett högt värde per anförskaffad kund. En återkommande kund är 5 gånger mer lönsam än en ny kund. Genom att koppla ihop konverteringsoptimeringen med tydliga prioriterade mål för hållbar tillväxt kan vi nå våra långsiktiga mål på bästa sätt.
Läs också: Growth Marketing – hur, vad och varför?
Prioritera aktiviteter för de målgrupper som ger lönsamhet
Visst låter det bra att fokusera på det som ger lönsamhet? I ett exempel har vi en e-handlare som säljer möbler. Den målgrupp som ger högst konvertering i rätt produktsegment för denna e-handlare är en äldre, traditionell men lojal målgrupp. Denna målgrupp köper fler produkter som även har ett högre snittordervärde, och de har en längre livstid som kund än den yngre målgruppen. Dessutom råkar denna målgrupp vara extra intresserade av egentillverkade produkter som har särskilt bra marginaler. Då prioriterar vi att konverteringsoptimera för denna målgrupp först, vilket ställer krav på allt från användbarhet, tillgänglighet till information i köpresan. Det påverkar allt från bilder till knappar, färger och produktinstruktioner.
Hur länge ska man optimera?
När vi har insikter om vad vi ska optimera behöver vi implementera förändringarna. sedan behöver vi bekräfta att det verkligen fungerar som vi ville. En hemsida blir aldrig klar på så vis att vi alltid kan hitta ny data och förbättra ytterligare. Så då är frågan när vi ska sluta optimera? Svaret på det är ganska enkelt – när det inte lönar sig längre. Det finns sätt att mäta detta på som handlar om anförskaffningskostnader och kundvärde, det kommer jag dock inte gå in på djupare här. Men det är viktigt för att fatta beslut om när du ska välja att optimera eller inte optimera samt har koll på värdet av det du optimerar. Om UX eller CX får bestämma skulle vi nog aldrig bli klara, men givetvis måste varje investering i optimering kunna motiveras.
Olika typer av optimering; Google Analytics, webbpaneler eller heatmaps?
Konverteringsoptimering kan göras på olika sätt med olika verktyg och metoder. Många renodlade konverteringsbyråer förespråkar tester med fokus på experiment. Det kan vara inspelningar med t ex Hotjar, A/B tester eller andra verktyg som statistiskt säkerställer användarnas beteenden. Men när ska vi genomföra intervjuer, använda Analytics-data eller sätta upp ett A/B test?
Jag skulle nog säga att det ena inte är bättre än det andra, ju mer vi kan mäta desto bättre. Vi behöver inte ha en stor mängd trafik för att statistiskt säkerställa ett beteende. Det är en myt. Enligt Nielsen är det bättre att ha så många små test som möjligt, det räcker med 5 användare i varje test för att bekräfta en hypotes.
Här kommer en kort översikt på när du ska använda vilken typ av tester:
- Google Analytics – funkar för att beskriva nuläget, inte för att ta reda på vad som behöver förändras. Här kan du t ex med e-handlesspårning se var användarna hoppar av, på vilken sida eller på vilken funktion med utökad spårning. Det hjälper dig att hitta problemet. T ex är kassasidan ett problem för äldre att öka försäljningen då de har svårt med att förstå funktionen med easy checkout. I Analytics kan du se hur många och vilka som hoppar av. Sedan får du ta denna information och förtydliga din hypotes om vad som behöver förändras.
- Kundintervjuer är alltid bra att genomföra, det finns dock en fördom att dessa är dyra och omfattande vilket kanske var fallet för några år sedan. Nuförtiden kan man rekrytera en panel snabbt och enkelt till låga kostnader. Nu är det dags att för djupare information om varför användarna väljer att hoppa av. Allt ifrån läsbarhet till längd på formulär eller brist på information kan vara viktiga delar. Se till att respondenterna är så neutrala som möjligt innan du sätter igång. Ska man optimera merköp eller återköp kan man dock använda befintliga kunder i panelen.
- A/B tester är kanske den heliga graalen för konverteringsoptimering. Den ena versionen ger högre konvertering än den andra – därför är den bättre. Det är enkelt, statistiskt säkerställt och relativt lätt att mäta. Men det ger fortfarande inte svar på varje den ena versionen är bättre än den andra. Så en kombination av flera tester är alltid bättre än enbart en typ av tester
- Varje typ av test har olika fördelar och nackdelar. Att spela in beteenden med t ex heatmaps, eye-tracking eller liknande ger bra koll på var användaren fokuserar sin uppmärksamhet. Men det förklarar inte varför de gör det. Så att enbart välja verktyg för beteende data kanske inte ger hela det svar vi behöver. Men det är bra på så vis att vi snabbt kan se många användares beteenden med en liten arbetsinsats
Summerat så handlar det om att förändra beteenden så användare gör det vi vill att de ska göra, oavsett vad vi väljer att kalla det eller hur vi mäter det. VI måste utgå ifrån den hållbara affären innan vi sätter igång och optimerar på mikronivå. Sedan ska vi mäta det med flera metoder innan vi kan ge svaret på vad som behöver förändras, för att användare ska göra de vi vill att de ska göra.
