Archief van de ‘Web Analytics’ Categorie

Als je veel campagnes hebt en/of clickkosten betaald om bezoekers naar je website toe te halen dan wil je natuurlijk ook graag dat al je bezoekers converteren. Helaas is 100% conversie een utopie en haakt +/- 97% af zonder conversie… Als Online Marketeer kan je natuurlijk proberen om de orderwaarde / loyaliteit van die 3% converterende bezoekers te verbeteren maar het grootste potentieel qua omzet zit hem waarschijnlijk in de 97% bezoekers die ergens op je website voortijdig afhaakt.

 

Bouncepercentage

Een van de belangrijkste manieren om het percentage afhakers te verlagen is om te kijken naar het bouncepercentage. Het bouncepercentage is het percentage bezoeken waarbij de persoon je website meteen verlaat vanaf de instappagina (slechts 1 pagina bekeken). Een hoog bouncepercentage betekent vaak dat de content van de landingspagina niet aansluit bij de intentie van de bezoeker.

 

Uitstappercentage


Elke bezoeker verlaat ooit een keer je website (ook na conversie). Met behulp van het uitstappercentage kan je eventuele “doodlopers” ontdekken. Vaak wordt het bouncepercentage verward met het uitstappercentage. Bij het uitstappercentage gaat het echter niet om het aantal bezoeken waarbij er maar 1 pagina (landingspagina) is bekeken maar kunnen er ook meerdere pagina’s zijn bekeken.

 

Wat is het verschil?

Ter verduidelijking hebben wij hieronder even een schematische weergave gemaakt van 10 bezoeken:

1: A => B => C
2: C
3: A => B => C => B
4: B => A
5: A
6: A => B
7: C => B
8: B => A => C
9: A => C => B
10: C => B =>A

 

In het “Alle pagina’s” rapport zou je vervolgens deze resultaten moeten zien:

Pagina

Paginaweergaven Instappunten Bouncepercentage Uitstappercentage

A

8

5 20% (1/5) 38% (3/8)

B

9

2

0% (0/2)

44% (4/9)

C 7 3 33% (1/3)

43% (3/7)

 

Welk % moet je gebruiken?

Voor de meeste websites kunnen wij zeggen dat je eigenlijk altijd het bouncepercentage moet gebruiken en nooit het uitstappercentage! Alleen bij specifieke service gerichte website zoals een gemeente of klantenservice website kan het uitstappercentage interessante bevindingen opleveren. Voor het optimaliseren van het conversiepercentage bij een e-commerce website is het bouncepercentage echter veel interessanter aangezien deze op basis van de bron/medium/zoekwoord ook veel meer zeggen over de intentie van de bezoeker. Bij het uitstappercentage loop je hier veel vaker naar te gissen en kan je beter gebruik maken van enquêtes of een Usability onderzoek. Elke minuut die je dus zou besteden aan het analyseren van het uitstappercentage is over het algemeen zonde van je tijd!

En om het daarnaast voor de Online Marketeer nog moeilijker te maken levert Google Analytics zelfs twee verschillende uitstappercentages…..huh, wat???….Jah, je leest het goed: het uitstappercentage kan eerst 23% zijn en in een ander rapport ineens 39% !?!#! In het “Uitstappagina’s” rapport wordt namelijk gebruik gemaakt van een andere berekening (aantal uitstappers op een pagina / het totaal aantal pagina van de sessies waarbij deze pagina de uitstappagina was). Naast deze afwijkende percentages levert het uitstappagina rapport ook echter geen extra inzichten op. (red. Verwijderd, want elke minuut die je besteed aan het uitstappercentage is zonde van je tijd!)

Ons advies is dus om vooral het bouncepercentage goed te gebruiken en het aantal “uitstappers” te analyseren met behulp van de trechterweergave.

 

Tip 1: Gewogen sorteren + secundaire dimensie

Een manier om het bouncepercentage goed te kunnen analyseren is om gebruik te maken van de “gewogen sorteer optie”. Ga hiervoor naar het “Alle pagina’s” rapport en klik op het bouncepercentage om de tabel op basis van dit percentage te sorteren (1.). Vervolgens kan je bij het sorteertype kiezen voor “Gewogen” (2.).

Vervolgens zie je de top10 pagina’s die aandacht nodig hebben. Als je hier dan ook nog een “secundaire dimensie” zoals bron / campagne / medium / zoekwoord etc. in de tabel erbij zet (3.) dan weet je hoe de bezoeker op deze pagina terecht is gekomen en kan je beter inschatten waarom hij direct weer is vertrokken.

 

Tip 2: Trechter uitstappers + stap analyse

De enige logische plek waar je wel naar uitstappercentages kunt gaan kijken is als er een vaste pagina volgorde is die bezoekers moeten doorlopen. Dit is bijvoorbeeld het geval bij een e-commerce bestelstraat (stap 1/2/3/4) of het inschrijfformulier van een nieuwsbrief (inschrijfpagina / bedankpagina).

Hiervoor kan je binnen Google Analytics gebruik maken van het “Trechterweergave” rapport (Conversies: Doelen: Trechterweergave). In de trechter hiernaast zien wij een groot aantal uitstappers (26%) op de 4e “checkout” pagina. Eén kwart van de bezoekers die alle stappen hebben doorlopen haakt dus alsnog af doordat de bezoeker bijvoorbeeld twijfelt, er onverwachte kosten zijn, de Usability van de pagina onlogisch is, etc..

Daarnaast zien wij op de 2e pagina (Persoonsgegevens) ook veel uitstappers. Hier zou je alle velden (voornaam, achternaam, adres, telefoonnummer, etc.) op het formulier kunnen gaan doormeten met behulp van virtuele pageviews waarna je exact kan zien bij welk veld de meeste bezoekers afhaken.

Mochten jullie nog meer tips hebben en/of vragen hebben dan kan je hieronder je comments achterlaten.

Dit artikel is geschreven door Jeroen Albers, Webanalytics Consultant bij Netprofiler.

 

Google heeft recent een nieuwe/oude statistiek toegevoegd aan Google Analytics: “Paginawaarde”. Vroeger was deze waarde namelijk ook al in Google Analytics aanwezig (destijds genaamd $index), maar is nu pas in de nieuwste GA versie geplaatst. Met behulp van de Paginawaarde kan er worden gekeken welke pagina’s er veel invloed hebben gehad op het behalen van de E-commerce transacties en/of doelen.

De enige voorwaarde om te zorgen dat de paginawaarde wordt gevuld is door E-commerce transacties in te schieten bij een bestelling en/of je doelen een waarde te geven (een nieuwe aanmelding op je nieuwsbrief heeft bijvoorbeeld ook zo zijn waarde… etc.). Pagina’s met een hoge Paginawaarde zijn vaker betrokken bij een conversie en de pagina’s met een lage waarde slechts weinig:
Paginawaarde Google Analytics

In het voorbeeld hierboven heeft pagina 4 een Paginawaarde van € 0,28 en pagina 3 slechts € 0,01. Pagina 4 heeft dus een erg positieve invloed gehad, maar pagina 3 juist niet. Het zou daarom interessant kunnen zijn om meer verkeer naar pagina 4 te sturen via een interne of externe campagne (homepage banner, CPC, email, etc.) dan naar pagina 3 die nu 38.605 instappunten heeft.
In dit geval geeft de Paginawaarde direct aangrijppunten om mee aan de slag te gaan (Actionable Analytics!). Als je jouw website verder gaat analyseren kan je de pagina’s indelen in 4 categorieën:


1. “Piggy bank” pagina’s
(hoge Paginawaarde / hoog aantal unieke paginaweergaves).
Pagina’s met een hoge waarde en een hoog aantal unieke paginaweergaves moet je koesteren. Zien deze pagina’s er goed uit, is de content goed geschreven, worden deze pagina’s goed gevonden in Google? Eventueel kan je ook meer content gaan publiceren over deze topics.

2. “Need more traffic” pagina’s (hoge Paginawaarde / laag aantal unieke paginaweergaves).
Deze pagina’s hebben een positieve invloed op de bezoeker maar krijgen nog te weinig verkeer. Zorg er voor dat deze pagina goed gevonden kan worden in het hoofdmenu, creëer extra verkeer door middel van interne campagnes (een homepage banner) of externe campagnes (CPC, email, social media, etc.)

3. “Analyze” pagina’s (lage Paginawaarde / hoog aantal unieke paginaweergaves).
Pagina’s in deze categorie zouden goed onder de loep moeten worden genomen. Waarom krijgen ze wel veel verkeer maar hebben ze een slechte invloed op de conversie?

4. “Optimize or Delete” pagina’s (lage Paginawaarde / laag aantal unieke paginaweergaves).
Waarschijnlijk zit het merendeel van alle pagina’s in deze categorie. Welke pagina’s kan je uit deze lijst verwijderen en welke pagina’s zijn het waard om nog te optimaliseren?


Berekening

Helaas heeft de Paginawaarde ook een aantal valkuilen waarvoor je moet oppassen tijdens je analyse. Om dit beter te doorgronden is het belangrijk om eerst de berekening goed te begrijpen. Voor het berekenen van de Paginawaarde gebruikt Google Analytics deze formule:
Paginawaarde = (E-commerce inkomsten + Totale doelwaarde) / Unieke paginaweergaves

Scenario 1:
Een bezoeker bekijkt 5 pagina’s en doet daarna een transactie van € 100,-

Paginawaarde scenario 1
In deze situatie krijgen alle pagina’s een Paginawaarde van € 100,-

Pagina A = € 100,- / 1 unieke paginaweergave = € 100,-
Pagina B = € 100,- / 1 unieke paginaweergave = € 100,-
Pagina C = € 100,- / 1 unieke paginaweergave = € 100,-

Scenario 2:
Nu komt een bezoeker twee keer langs, doet 2 transacties en behaald op pagina D ook een ingesteld doel.

Paginawaarde scenario 2

In deze situatie krijgen de pagina’s diverse Paginawaardes:

Pagina A = (€ 40,- + € 10,- + € 100,-) / 2 unieke paginaweergaves = € 75,-
Pagina B = (€ 40,- + € 100,-) / 2 unieke paginaweergaves = € 70,-
Pagina C = (€ 40,- + € 10,- + € 100,-) / 2 unieke paginaweergaves = € 75,-
Pagina D = (€ 10,- + € 100,-) / 1 unieke paginaweergave = € 110,-
Pagina E = € 100,- / 1 unieke paginaweergaves = € 100,-

Valkuilen
In de uitkomst hierboven valt als eerste op dat pagina’s A, B en C een lagere Paginawaarde hebben dan D en E. Dit komt doordat D en E slechts 1 unieke paginaweergave hebben. Voor websites met veel bezoek levert dit meestal geen probleem op, maar als je met een kleine website/dataset werkt of veel unieke url’s hebt, dan kan je snel de verkeerde conclusies trekken.

Een ander punt dat opvalt is dat de waarde van pagina B 5,- euro lager is dan A en C. Dit komt doordat de 10,- euro doelwaarde van Pagina D niet wordt mee berekend omdat pagina B in het 2e bezoek pas na pagina D wordt bekeken. Pagina B heeft volgens het algoritme van Google dus geen invloed gehad op het behalen van dit doel en telt daarom niet mee.

Filters
Aangezien de laatst bekeken pagina’s voor een conversie bij een webshop in veel gevallen de winkelwagen / bestelpagina’s zijn hebben die altijd een hogere Paginawaarde dan normale content pagina’s. Dit is ook het geval bij de ingestelde doelpagina’s. Bij een analyse van de Paginawaarde kan je deze bestel- en doelpagina’s dus het beste eruit filteren, want anders krijg je een verkeerd beeld:

Paginawaarde - Filter bestelpagina's

Ook zul je pagina’s die maar weinig bekeken worden, en daardoor dus wellicht wel een hoge Paginawaarde hebben, uit je analyse resultaten willen filteren:

Paginawaarde - filter bestelpagina's + paginaweergaves

Een andere handige filter is om alleen de pagina’s te tonen die Paginawaarde = € 0,- hebben. Deze pagina’s zijn dus nooit betrokken bij een conversie op de website (“Optimize or Delete” pagina’s):

Filter Paginawaarde 0
Bij deze filter zie je al snel of je veel “Optimize or Delete” pagina’s op je website hebt staan (auch!):

Paginawaarde - filter resultaat

Conclusie
De Paginawaarde is een goede toevoeging binnen Google Analytics en kan je snel “Actional Analytics” opleveren. Deel je pagina’s in binnen de 4 categorieën en je kan direct met de uitkomsten aan de slag. Let bij een analyse alleen wel op de eerder genoemde valkuilen. Maak daarom altijd gebruik van filters, zodat je niet de verkeerde conclusies trekt.

Momenteel zit de Paginawaarde alleen nog maar in het “Alle pagina’s” rapport, maar het vermoeden is dat deze waarde uiteindelijk ook op andere plekken binnen Google Analytics terug zal komen (Bestemmingspagina’s, Aangepaste rapporten, Dashboard?).

Ook zou het mooi zijn als je niet alleen maar waarde via een conversie (doel of transactie) aan een pagina mee kan geven maar dit ook op pagina niveau (in de trackingcode) kan doen. Voorlopig moeten wij het echter nog doen met deze eerste “relaunch”… hopelijk to be continued!
Dit artikel is geschreven door Jeroen Albers, Webanalytics Consultant bij Netprofiler.

Als gecertificeerde Google Analytics partner, is Netprofiler nu ook Google Tag Manager specialist. Dit is een nieuw product waar Google onlangs mee op de markt is gekomen. Voor een eerste kennismaking met Google Tag Manager volgt hieronder een bespreking van het product.

 

Wat is Google Tag Manager?

 

Google Tag Manager is een systeem waarmee het op een gebruiksvriendelijke manier mogelijk is om tags te beheren en te implementeren vanuit één omgeving. Of het nou gaat om standaard tracking tags, Adwords conversion tags, Google Display remarketing tags of overige marketing gerelateerde tags, ze kunnen allemaal vanuit de GTM gebruikersinterface worden gemanaged.

 

Hoe werkt Google Tag Manager?

 

Net zoals bij andere tag management systemen vervangt een klein stukje code (een ‘container snippet’) de bestaande tags. Vanuit de gebruikersinterface kan men vervolgens tags toevoegen en bewerken zonder daarbij veranderingen in de HTML aan te brengen. Op deze manier kan er snel een tag worden geïmplementeerd en is er geen contact nodig met de IT afdeling. Bovendien worden marketing fouten gereduceerd doordat er standaard tag-templates aanwezig zijn. Op een drietal punten heeft GTM dus een positief effect:

 

  • Tijd/snelheid
  • Implementatie comfort
  • Foutmarge

 

Een voorbeeld:
Situatie a) Zonder toepassing van GTM.

Stel, een klant dient een nieuw meetverzoek in voor een conversiepixel op de bedankpagina. Dit verzoek komt binnen bij de online marketeer, die vervolgens een instructie maakt voor de webbouwer om de juiste tracking methoderegel en parameters in de broncode van de bedankpagina te zetten. Na een aantal implementatiechecks aan de kant van de webbouwer, checkt de oline marketeer op zijn beurt of de nieuwe conversiepixel goed wordt gemeten. Is dit niet het geval en ligt het aan een verkeerde implementatie, dan komt de fout weer bij de webbouwer te liggen. Is dit wel het geval, dan kan er naar de klant gecommuniceerd worden dat het meetverzoek met succes is voltooid.
 
Situatie b) Met toepassing van GTM.

In deze situatie heeft de online marketeer beschikking over GTM. Hetzelfde meetverzoek van de klant kan nu zonder tussenkomst van de webbouwer worden voltooid. Dit bespaart veel tijd. Binnen de gebruikersinterface van GTM heeft de online marketeer de keuze uit standaard templates, waaronder een (Adwords) conversiepixel tag. Een aantal velden zijn vereist om de juiste parameters mee te geven in de aanroep van de conversiepixel. Standaard templates zorgen ervoor dat fouten worden gereduceerd. Alvorens de klant mede te delen dat het meetverzoek is voltooid, zal de online marketeer nog moeten testen of er correct wordt gemeten. Dit kan via een preview modus (ingebakken in GTM), waar een debugger aangeeft of de zojuist ingestelde conversiepixel goed wordt aangeroepen (en op de juiste pagina). Deze implementatie is een stuk gemakkelijker dan situatie a.

 

De structuur van GTM

 

Zoals eerder is aangegeven vervangt de container alle marketing tracking tags die aanwezig zijn in de HTML. De container ziet er uit als een stukje code (javascript) dat op elke pagina onder de body-sectie van de HTML komt te staan. Vanuit de gebruikersinterface van GTM kunnen tags worden aangemaakt en als het ware naar de container worden ‘geduwd’. De hiërarchie van GTM ziet er als volgt uit:

 

gtm_hierarchie

 

 

 

 

Idealiter wordt er één account per klant aangemaakt. Per account zijn er meerdere containers mogelijk. Het is aan te raden om één container per domein te gebruiken. Een container bevat op zijn beurt weer meerdere tags die kunnen worden aangemaakt in de gebruikersinterface. Het is hierboven nog niet besproken, maar binnen GTM is het vereist om voor elke tag een regel op te geven wanneer de tag moet worden aangeroepen of afgevuurd. Een regel bevat een conditie waaraan voldaan moet worden om een bepaalde tag te laten afvuren (of juist niet). Deze conditie bestaat uit zogenoemde macro’s. Een macro is een paar aan naamwaarden die bij elkaar horen. Ter verduidelijking:

 

  • URL = http://www.netprofiler.nl/
  • URL = http://www.netprofiler.nl/pagina2.html
  • Event = [naam van een event]
  • DOM text ‘element ID’ = [Een naam van ‘element ID’]

 

Bijvoorbeeld, het afvuren van een standaard GA trackingcode (GATC) gaat dan als volgt. De GATC krijgt een regel met de volgende conditie:

  • URL is gelijk aan http://www.netprofiler.nl

 

Als de bezoeker dus op de homepage terecht komt vuurt GTM de GATC code af.
 

Data Layer

 
Een nieuwe feature van GTM is een Javascript object dat boven de container snippet in de HTML kan worden geplaatst. Dit optionele Javascript object wordt standaard aangeduid met ‘dataLayer’. Elke andere naam is ook toegestaan. Deze laag stelt de online marketeer in staat om bepaalde waardes door te geven aan GTM. Dit kan bijvoorbeeld handig zijn om remarketing tags aan te vullen met extra informatie. De invulling van de dataLayer gaat op basis van naamwaarden paren (net zoals macro’s zijn opgebouwd). In het geval dat de online marketeer onderscheid wilt maken in geconverteerde bezoekers en bezoekers die een productpagina bezoeken voor bepaalde remarketing doeleinden, kan er de volgende invulling worden gegeven aan de dataLayer.

 

Op de bedankpagina:

  • ‘paginaCategorie’ : ‘bedankt-pagina’
  • ‘bezoekerType’ : ‘klant’

 

Op de productenpagina’s:

  • ‘paginaCategorie’ : ‘product pagina c’
  • ‘bezoekerType’ : ‘shopper’

 

Bovenstaande naamwaarden paren worden statisch doorgegeven op het moment dat de pagina wordt ingeladen. Deze waarden zijn op paginaniveau, wat inhoudt dat deze waarden alleen gelden voor die pagina en worden verwijderd bij het verlaten van die pagina. Vergelijk dit met het paginaniveau bij de vrije variabelen die gebruikt kunnen worden in Google Analytics.

Naast het statisch vaststellen van bepaalde waarden op paginaniveau kunnen er ook waarden worden doorgegeven bij dynamische content, zoals bij een verandering door een bepaalde (klik)actie van de bezoeker. Op deze manier kunnen er bijvoorbeeld condities aan regels worden gekoppeld die pas van kracht zijn bij verandering van zo’n dynamisch element. Dynamische waarden doorgeven aan GTM gaat via de dataLayer push-commando.

 

Beeld bij tekst

 

Om (letterlijk) een beter beeld te krijgen van wat Google tag manager is en hoe het werkt wordt situatie b toegelicht met een aantal screenshots. In screenshot 1 is een overzicht te zien van de tags die zijn aangemaakt. In de navigatie links valt de container uiteen in tags, rules en macros. Dit zijn dus de drie ingrediënten die nodig zijn voor het afvuren van een tag zoals hierboven is beschreven.

Screenshot 1:Google tag manager container overview
Google_tag_manager_container

 

Het geval in situatie b was het aanmaken van een Adwords conversiepixel tag. Deze staat standaard bij de tags in GTM (zie screenshot 2). Geef de tag een naam.

Screenshot 2: Nieuwe Adwords conversiepixel aanmaken.
google_tag_manager_add_tag

 

Screenshot 3: Aanmaken van conversiepixel (deel 2). Fictieve waardes.
google_tag_manager_configure_tag

 
In screenshot 3 is te zien welke waardes er ingevuld moeten worden om de juiste parameters mee te geven in de aanroep van de Adwords conversie tracking tag. De infobox ‘Info & Tips’ laat zien waar deze te vinden zijn. Bij ‘Conversion Value’ kan er een macro worden geselecteerd die de waarde van de conversie meegeeft. De volgende stap is de regel opgeven wanneer deze conversiepixel moet worden afgevuurd. Zoals staat beschreven in situatie b moet dit gebeuren op de bedankpagina. Er moet dus een regel worden toegevoegd waarbij de conditie is dat de URL gelijk is aan de URL van de bedankpagina (zie screenshot 4).

 

Screenshot 4: Toevoegen van een regel waarop de Adwords conversiepixel moet worden afgevuurd.
google_tag_manager_add_rule

 

Na het opslaan van deze regel en het opslaan van de tag is de implementatie (en daarmee het meetverzoek van de klant) bijna voltooid. Het enige dat nog moet gebeuren is het publiceren van de nieuwe container. De container bevat (nogmaals) de tags die zijn aangemaakt met behulp van de gebruikersinterface. Elke keer wanneer er nieuwe tags bijkomen dient de container te worden gepubliceerd.

 

Voor wie is GTM interessant?

 

Voor iedereen die zijn online performance wilt verbeteren is GTM een uitkomst. Het biedt veel flexibiliteit ten aanzien van de huidige implementatie van meetverzoeken. Bovendien is Google Tag Manager gratis in tegenstelling tot andere tag management systemen. Alle informatie over GTM is te vinden op www.google.com/tagmanager. Of neem contact op met één van onze GTM specialisten.

 

Geschreven door: Guy Rippe, webanalist Netprofiler

Op donderdag 26 februari presenteerde Wouter Veenboer van Netprofiler op de Webwinkel Vakdagen. Bekijk hieronder de presentatie: “10 tips om meer uit Google AdWords en Google Analytics te halen”.

Hoe actief met social media zijn de bezoekers van uw website? De nieuwe versie van Google Analytics kan u hier antwoord op geven. Er zitten nu een drietal rapporten in de statistieken verwerkt over hoe bezoekers van uw site de pagina’s delen via sociale netwerken.

Een groot gedeelte van de websites heeft tegenwoordig buttons op de site staan om de inhoud van die pagina’s te delen op Twitter, Facebook, LinkedIn of Google+. Google Analytics is daarop ingesprongen en zorgt er nu voor dat je kunt zien hoe vaak informatie gedeeld is en welke pagina’s/artikelen gedeeld zijn.

sociaal_google_analytics

De drie rapporten zijn te vinden onder het kopje ‘Sociaal’ bij de ‘Bezoekers’ rapporten. Google Analytics zal informatie over de Google+1 knop automatische importeren, daar hoeft u verder niks voor te ondernemen. Om ook informatie over het delen van uw pagina’s op Twitter, LinkedIn en Facebook te meten, zult u een stukje code aan de button mee moeten geven. Hoe dat precies werkt kunt u op deze pagina van Google lezen.

In het ‘Actie’ rapport kunt u zien welke sociale netwerken gebruikt zijn om uw content te delen. Tevens is er het verschil tussen ‘Sociale acties’ en ‘Unieke sociale acties’ te zien, waarbij dus gerapporteerd wordt of 1 persoon via meerdere media gedeeld heeft of meerdere pagina’s gedeeld heeft. In het voorbeeld hieronder hebben de bezoekers vooral Twitter gebruikt en is er maar weinig content gedeeld op Facebook. Hieruit kan (bij voldoende data) worden geconcludeerd dat de doelgroep van de site actiever is op Twitter dan op Facebook en dat de social media inspanningen van het bedrijf dan ook beter op Twitter gericht kunnen zijn.

sociale_actie_rapport

Het ‘Pagina’s’ rapport laat vervolgens zien welke content via welk social media gedeeld is. Hieraan kunt u zien welke pagina’s het populairst zijn om te delen met vrienden, familie, collega’s en kennissen.

social_pages_rapport

Het zou mij niet verbazen als Google Analytics in de toekomst nog meer rapporten op het gebied van social media in de tool verwerkt, maar dit is in ieder geval een goed begin.

Dit artikel is geschreven door Marloes van de Laarschot, online marketing consultant bij Netprofiler.

Heeft u onlangs ook een enorme daling opgemerkt in Google Analytics in het verkeer dat via Google image search op uw website binnenkomt?

Wij in ieder geval wel voor een aantal van onze klanten. Eind juli constateerden wij een enorme daling in het verkeer vanuit Google image search:

daling_image_search_verkeer

Op of rond 22 juli jongstleden heeft Google naar het lijkt een wijziging doorgevoerd in de wijze waarop Google image search verkeer gemeten wordt in Google Analytics.  In het verleden werd verkeer vanuit Google image search door Google Analytics gerapporteerd onder verwijzende sites met de verwijzende url/imgres.

Sinds de wijziging wordt het image search verkeer echter ondergebracht onder Google organic. Hier zien we namelijk een stijging in traffic die min of meer gelijk is met de daling vanuit het referring verkeer:

stijging_organisch_verkeer

Het voordeel hiervan is dat het gehele organische verkeer (zowel de reguliere resultaten als het Image search verkeer) nu onder 1 kop is samengebracht. Het nadeel is vooralsnog echter dat er nu met de standaard Google Analytics tracking code geen onderscheid meer gemaakt kan worden tussen het reguliere organic verkeer en het image search verkeer. Wellicht dat dit in de toekomst echter nog zal veranderen…

Dit artikel is geschreven door Ronald Muijzert, Search Marketing Consultant bij Netprofiler.

View more presentations from Netprofiler

Gegeven op het Webanalytics Congres 2011 in Amsterdam.

Wat zegt het als 10% van het bezoek aan uw website een bepaald doel heeft bereikt, maar als 50% van die bezoekers met een heel ander doel op de website kwam?

De gemiddelde bezoeker bestaat niet, wordt vaak gezegd. Wat zou de gemiddelde bezoeker doen op uw website? Een deel komt mogelijk alleen maar omdat ze op zoek zijn naar uw adres of contactgegevens, een ander deel is op zoek naar informatie of wil iets kopen, en nog een ander deel is misschien op zoek naar vacatures bij uw bedrijf.

Waarom bezoekers segmenteren?

Het analyseren van verschillende bezoekerssegmenten geeft veel meer inzicht in wie uw bezoekers zijn en wat hun behoeften zijn. Met behulp van uw web analytics data krijgt u meer inzicht in deze bezoekerssegmenten, hun gedrag en hun behoeften. Ontdek waar deze bezoekers naar op zoek zijn, hoe ze zoeken, waar ze vandaan komen. Ook input uit online surveys kan hierbij een belangrijke rol spelen.

Informatie over de verschillende bezoekerssegmenten helpt u de behoeften van de verschillende bezoekers aan uw website beter te bedienen. Wanneer uw ontdekt dat een bepaald bezoekerssegment beter converteert dan het andere, kunt u hier veel van leren. Inspecteer waarom het ene segment beter presteert dan het andere. Hoe kunt u de beleving verbeteren voor het minder presterende segment? Of kunt u misschien beter meer energie steken om meer bezoekers van het beter presterende segment naar uw website te trekken?

Wat zijn interessante bezoekerssegmenten?

Bezoekerssegmenten die interessant zijn om te onderzoeken verschillen per website. Hieronder vindt u een aantal segmenten die mogelijk interessant zijn:

Search traffic: Bezoekers die via een zoekmachine komen, kunnen zich anders gedragen dan bezoekers die via een andere weg op uw website terecht komen. Het is interessant om dit verschil te onderzoeken. Hierbij kunt u ook onderscheid maken tussen betaald en niet-betaald zoekmachine verkeer.

Non-branded traffic: Regelmatig komt een groot deel van het verkeer via zoekmachines door het intypen van uw merknaam. Het is interessant om te analyseren waar bezoekers op zoeken als ze u niet kennen. Hiervoor kan een segment aangemaakt worden voor bezoekers die via zoekmachines komen, maar niet uw merknaam gebruiken in hun zoekopdracht.

Shoppers: Welk deel van het bezoek is aan het shoppen voor een product? Het ‘shoppers’ segment kan gedefinieerd worden als bezoekers die een of meerdere productpagina’s bekijken.

Funnel drop-outs: Bezoekers die wel producten in hun winkelmandje doen, maar deze vervolgens niet afrekenen, zijn een belangwekkende groep om te onderzoeken. Wat kunnen redenen zijn dat deze groep afhaakt?

Job seekers: Wanneer een bezoeker naar de ‘werken bij’ sectie op uw website gaat of vacatures bekijkt, kunnen deze toegekend worden aan een segment van ‘job seekers’.

Support & service: Een deel van het bezoek op uw website is daar mogelijk om een vraag beantwoord te krijgen of een probleem op te lossen. Op energie- en telecomwebsites is dit bijvoorbeeld een groep die een belangrijk deel van de bezoekers kan vormen. Dit zijn de bezoekers die bijvoorbeeld in de service of veelgestelde vragen sectie komen of een klachten- of supportformulier invullen op de website.

De meeste web analytics pakketten bieden opties om bezoekers te segmenteren. Bij sommigen kun je segmenten direct live op je data toepassen (Google Analytics, SiteStat) bij anderen zul je een deel van je data moeten heranalyseren (Omniture SiteCatalyst, WebTrends). Benut de mogelijkheden die je web analytics pakket biedt om meer inzicht te krijgen in je bezoekers!

simone-rodewijkDit artikel is geschreven door Simone Rodewijk, Web Analytics Consultant bij Netprofiler.

Uit een benchmark onderzoek van Netprofiler onder tien Nederlandse e-commerce websites blijkt dat bijna 0,9% van het internetverkeer via mobiele apparaten plaatsvindt.

Dat is iets meer dan de 0,7% die in een recent benchmark onderzoek onder 20 algemene sites werd uitgevoerd. Vergeleken met gewone bezoeken (van computers en laptops), zijn de bezoeken vanaf mobiele apparaten beduidend korter, worden er minder pagina’s bekeken en worden er slechts sporadisch transacties gedaan. De mobiele activiteiten zijn dus nog erg beperkt.

De volgende verschillen kwamen naar boven bij het vergelijken van ‘gewone bezoeken’ met bezoeken gedaan via een mobiele toestel:

- Bezoektijd van mobiele bezoeken is 40% lager
– Aantal bekeken pagina’s van mobiele bezoeken is 47% lager
– De conversie naar aankoop van mobiele bezoeken is 83% lager

Voor het uitvoeren van een transactie is het meestal nodig veel persoonlijke gegevens en enkele financiële gegevens in te voeren. Daarom is het begrijpelijk dat het conversie percentage bij bezoekers via mobiele toestellen veel lager ligt. Het invoeren van veel gegevens in mobiele apparaten is namelijk nogal lastig.

De toestellen waarmee de e-commerce site bezocht zijn bestaan uit mobiele telefoons, mobiele muziekdragers en draagbare spelcomputers. De Apple iPhone is ook voor e-commerce sites veruit het meest gebruikte toestel om websites te bezoeken. De iPhone (58%) en iPod (12%) zijn de meest gebruikte mobiele apparaten op de onderzochte e-commerce sites. Andere besturingssystemen die vaak voorkomen zijn onder andere: Windows, SymbianOS, Android en BlackBerry.

aandeel_besturingssystemen

In het benchmark onderzoek heeft Netprofiler de Google Analytics-statistieken van 10 Nederlandse e-commerce sites geanalyseerd. Gekeken is naar het aantal sitebezoeken in de maanden Januari en Februari 2010 met een browserwijdte van minder dan 700 pixels. Dit zijn vrijwel zeker mobile devices. Van deze bezoeken is het besturingssysteem in de eerste twee maande van 2010 per website vastgesteld.

frans-appelsDit artikel is geschreven door Frans Appels, directeur van Netprofiler. Het verscheen eerder op Mobile Metrics.

Tien jaar geleden bestond conversie optimalisatie eigenlijk niet. Zaken als webanalyse, usability en zoekmachine optimalisatie bestonden niet of nauwelijks.

Tien jaar geleden hadden bedrijven een website omdat de concurrent er ook één had. Wanneer men wilde weten wat er met de website gebeurde werden de logfiles van de webserver bekeken. Een bekende oplossing waarmee logfiles geanalyseerd konden worden was (en is) WebTrends. Een belangrijke concurrent van WebTrends in die tijd was MS Excel. Logfiles waren nog maar een paar Mb groot en het inlezen van zo’n file binnen MS Excel is betrekkelijk eenvoudig. Beslissing over het wel of niet aanschaffen van een webanalyse oplossing werd genomen door de IT-afdeling en er was een investering van een paar duizend gulden mee gemoeid.

Nu is de online marketing markt volwassen. Webanalyse is een onderdeel van conversie optimalisatie en beslissingen over een conversie optimalisatie project worden genomen door de afdeling marketing. Een voordeel van deze verandering is dat er meer gekeken wordt naar de (online) resultaten in plaats van de middelen (tools) waarmee deze resultaten behaald worden.

Kijkend naar de resultaten kun je echter concluderen dat er ook technische kant zit aan conversie optimalisatie. Natuurlijk verlaten bezoekers een website wanneer de site erg traag is. En natuurlijk vermindert het vertrouwen van de klant sterk wanneer er allemaal rode kruizen op het scherm verschijnen in plaats van plaatjes. En dan nog maar te zwijgen over de standaard 404 errors. Om dit soort technische problemen te achterhalen kom je meestal toch weer uit bij de logfiles van de webserver. In zo’n logfile worden dit soort technische aspecten vastgelegd.

Het is niet slecht om af en toe eens terug te kijken. In dit geval 10 jaar?

chris-de-grootDit artikel is geschreven door Chris de Groot, Business Consultant bij Netprofiler.