Als webanalist gebruik je data om aanbevelingen te maken over hoe je de conversie van je website kunt verbeteren. Een van de meest waardevolle manieren om er zeker van te zijn dat je aanbevelingen gehoord worden is door de impact van je aanbevelingen te voorspellen.

Wat denk je dat waarschijnlijker is om in goede aarde te vallen:

“Ik denk dat we X moeten doen…”

of

“Ik denk dat we X moeten doen, en met 2% meer conversie draaien we dan Y% extra omzet”

De voordelen van het voorspellen van de impact van je aanbevelingen zijn:

1. Het dwingt je om na te denken over je aanbeveling. Gaat dit echt voor extra omzet zorgen? Zo ja, hoe? Wat zijn de gedragingen die zullen veranderen en voor groei gaan zorgen?
2. Een concrete inschatting van de omzet helpt je om je idee te ‘verkopen’.
3. Het vergelijken van de verwachte impact van een aantal initiatieven kan je bedrijf helpen om te prioriteren.

Er zijn een paar basisstappen om een inschatting te maken van de impact:

• Verduidelijk je idee.
• Leg in detail uit hoe het een impact zal hebben.
• Verzamel bestaande data die je zal helpen om een model te maken.
• Bouw je model, maar houd de mogelijkheid open om aannames aan te passen.
• Gebruik je huidige data, en aangenomen impact, om een inschatting van je omzet te berekenen.
• Overleg je voorstel met collega’s en fine-tune het model en de aannames.

Michelle Kiss laat zien hoe je dit in de praktijk kunt brengen.

Video’s toevoegen aan een e-commerce productpagina

Bekijk het model

Dit model voorspelt de impact die het toevoegen van video’s aan een e-commerce site’s productpagina op de omzet. Dit model maakt een aantal aannames over hoe dit project omzet zal verbeteren:

1. Het neemt aan dat sommige productpagina visits een video zullen bekijken, waar deze visits voorheen -met enkel foto’s- geen engagement opleverden.
2. Het neemt aan dat conversie van een productpagina naar een winkelwagenpagina zal verbeteren omdat mensen die foto’s bekeken nog meer overtuigd worden door video.

• Let op: deze aanname kan algemener gemaakt worden, of specifieker. In dit model gaan we er van uit dat conversie beter zal zijn voor gebruikers die foto’s of video’s bekijken. Het model kan ook gesimplificeerd worden, en een algemene verbetering aannemen, zonder dat het rekening houdt met of gebruikers de video bekijken of op de foto’s klikken.

Het neemt niet aan dat er een impact zal zijn op:

1. Migratie naar de productpagina’s (omdat gebruikers nog niet eens weten dat er video’s zijn tot ze hier op komen).
2. Conversie van winkelwagen naar aankoop.
3. Gemiddelde aankoopwaarde.

Voor #2 en #3 zijn er echter placeholders beschikbaar die aangepast kunnen worden als er een goede reden voor is.

Er zijn nog een boel andere parameters die indien van toepassing toegevoegd kunnen worden:

• Een grotere aankoop
• Cross-sell
• Meer migratie naar de productpagina, als video’s elders op de site worden gepromoot

Zoals je ziet gaat het er bij het kiezen van de aannames om dat je door het project heen denkt en hoe je verwacht dat het gedrag (en daarmee, omzet) zal beïnvloeden.

Een nieuwe ad unit aan de homepage toevoegen

Bekijk het model

Dit is een niet-e-commerce voorbeeld, voor een website die met advertenties zijn geld verdient. De aanbeveling is hier om een derde advertentie unit aan de homepage toe te voegen, een grote uitzettende unit boven de navigatie.

De gemaakte aannames zijn:

1. De nieuwe advertentie unit zal veel verkopen en een hogere CPM hebben. Dit omdat we een “hoog zichtbare” unit voorstellen waarvan we denken dat deze goed zal verkopen.
2. De bestaande Ad Unit 1 zal een kleine afname van verkoop kennen, maar dezelfde CPM houden.
3. De bestaande Ad Unit 2, als de goedkopere ad unit, zal niet beïnvloedt worden omdat die adverteerders zich niet in zullen kopen in de nieuwe, duurdere unit.

Er zijn natuurlijk ook nog andere parameters die kunnen worden aangepast:

• We zouden de impact van de  click-through rate voor de bestaande advertenties kunnen overwegen en een afname in CPM kunnen aannemen voor beide advertenties als gevolg  van mindere prestaties.
• We zouden de impact van down-stream advertentie impressies kunnen overwegen, omdat de nieuwe advertentie unit kliks genereert buiten onze site. Als gebruikers op de advertentie klikken zouden we omzet verliezen van de advertenties die ze anders later tijdens hun bezoek hadden gezien.
• Als bedrijf zouden we kunnen overwegen om dat nieuwe advertentie unit maar half zo vaak te verkopen (om te voorkomen dat een zo hoog zichtbare unit de hele tijd gebruikers afleiden), en de verkoop hiervan hierop aanpassen.

5 tips voor succes

1. Houd het model zo simpel mogelijk, terwijl je rekening houdt met de nodige aannames en wijzigingen. Hoe simpeler het model, hoe gemakkelijker het is voor anderen om jouw logica te volgen.
2. Wees duidelijk over je aannames. Waarom doe je deze aanname, en niet een andere?
3. Moedig je collega’s en managers aan om mee te werken aan het project. Wat denken zij dat een impact zal hebben? Wat zijn hun aannames? Maak het duidelijk welke aannames in je model eventueel aan te passen zijn door andere kleuren te gebruiken.
4. Wees voorzichtig. Als je niet zeker bent, wees dan terughoudend in je aannames. Als je niet zeker bent, overweeg dan een reikwijdte: een conservatieve aanname en een agressieve aanname. Bijvoorbeeld: met een verbetering van 1% in conversie zien we X gebeuren, en met een verbetering van 10% zien we Y gebeuren.
5. Houd je succes bij. Als een project wordt geïmplementeerd, vergelijk dan de daadwerkelijke omzet met de omzet die jouw model heeft voorspeld, en bedenk waarom je model wel of niet overeenkomt met de daadwerkelijke resultaten. Dit zal je helpen om toekomstige modellen te verbeteren.