Gisteren publiceerde ik op de Online Dialogue website een praktijkcase over rendement optimalisatie op de valk.com website van Van der Valk hotels & restaurants. We haalden met een tijdsbesteding van 40 interne en 40 externe uren 13% meer unieke boekingen bij de winnende variant van de AB test, maar tevens kregen we antwoord op 3 stellingen over de valk.com bezoekers zoals wij deze samen met organisatie hadden opgezet.

In dit artikel op Webanalisten wil ik ingaan op de stappen die we tijdens dit soort conversie testen nemen, zodat je dit kunt gebruiken als houvast tijdens je eigen conversie optimalisatie werkzaamheden. Wij hebben geleerd dat een gestructureerde aanpak meer kans op succes geeft.

1. Wat wil en kan de organisatie?

De eerste stap die we altijd nemen is om te bepalen wat onze klant wil bereiken met het digitale kanaal. Welke dialogen wil zij online voeren en met welk doel?

In de tweede stap bepalen we wat er kan bij de klant in relatie tot rendement verbetering. Wat is de technische infrastructuur? Wat voor een software wordt er al gebruikt? Hoe eenvoudig kunnen er waar en hoe aanpassingen aan de website worden gemaakt? Welke kennis over zaken als persuasive content, interactie ontwerp en webanalyse is er al bij de medewerkers aanwezig? Wat zijn de wensen van de medewerkers en wat zijn de verwachtingen van het management?

Een hele lijst vragen die we enerzijds gebruiken om de organisatie in balans te krijgen (verwachtingen managen, werknemers bijscholen, interactie ontwerp uit handen nemen, technische oplossing leveren etc.) en anderzijds om te bepalen waar we dan met de minste weerstand op de website aan de gang kunnen. We gaan immers zaken veranderen en verandering… daar moeten veel mensen altijd even aan wennen!

2. Wat weten we over de online dialogen?

Wat komt de bezoeker op de website doen? Wat is zijn bezoekintentie? Welke dialoog wil hij voeren? Op basis van verschillende kwalitatieve en kwantitatieve methoden, maar met name website analyse en bezoekers enquêtes, bepalen we of de gewenste dialoog van de klant wel matched met het aanbod op de website en dialogen die de klant wil voeren. We achterhalen welke dialogen er zijn en met hoeveel succes ze nu worden uitgevoerd.

3. Wat weten we van de bezoeker?

Tot slot in de eerste 3 luik van stappen (die we de analyse fase noemen) proberen we zoveel mogelijk informatie en kenmerken van de huidige bezoekers te verzamelen om maar te begrijpen waarom zij bepaald gedrag vertonen. Wat is hun profiel, wat zijn de beinvloeders van hun gedrag? Van bestaande klanten met een succesvolle dialoog (dit kan een conversie zijn, maar ook een service vraag) willen we graag weten waarom deze dialoog succesvol was en van onsuccesvolle bezoeken willen we begrijpen waarom dit fout ging. De informatie krijgen we uit de kwantitatieve en kwalitatieve analyse bij stap 2, de kennis die reeds in de organisatie aanwezig is uit stap 1, maar ook door de dialoog aan te gaan met de daadwerkelijke klant.

Door deze 3 informatiestappen uit te voeren kunnen we op basis van alle input een effort en gain matrix maken waaruit we heel snel kunnen herleiden waar we moeten gaan optimaliseren op basis van organisatie, dialoog en klant eigenschappen. De matrix geeft overzichtelijk weer waar je de meeste kans hebt op meer rendement en een succesvolle uitvoering van het project!

4. Wat is de reden van de niet optimale online dialoog?

Als je eenmaal weet waar je wilt gaan optimaliseren is een goede brainstorm sessie op basis van de aanwezige klantkennis voldoende om veel ideeën te genereren hoe het gekozen dialoogonderdeel kan worden verbeterd, hoe de klant kan worden geholpen of zelfs verleid om de dialoog succesvol uit te voeren. De beste ideeën vertalen we naar hypothesen. Dit is waarvan we met zijn allen denken dat het een positief effect gaat hebben. Bij de valk.com AB test hebben we getest in het verbeteren van de dialoog voor de totale populatie. De organisatie is nog niet volwassen genoeg in conversie optimalisatie om al boodschappen op specifieke segmenten te targetten. De pagina waar we eenvoudig, met een goede kans op rendement verbetering, een conversie test konden uitvoeren was de reserveringen startpagina:

Vanuit de brainstorm definieerden we de volgende 3 te testen hypotheses:

• De pagina is onduidelijk: er moet een duidelijke hotelkamer boek actieknop in beeld, dit leidt tot meer conversie.
• Extra promotie van de last-minutes, aanbiedingen en arrangementen leidt tot meer unieke bezoekers die iets kopen.
• We moeten de klant overtuigen bij ons te boeken en dat doen we door het gratis kopje koffie en de gratis WiFi onder de aandacht te brengen.

5. Hoe maken we de variaties?

Voor elke hypothese wil je een variant van de huidige webpagina ontwerpen die bij een rendement verschil na afloop van de test helemaal helder maakt dat dit komt puur door de gestelde hypothese. Het in huis hebben van een interactie ontwerper is hierbij heel belangrijk. Je wilt voorkomen dat een bepaalde testvariant niet goed scoort omdat het interactie ontwerp niet goed is (terwijl de hypothese dat misschien wel was).

Bij vookeur werk je in de test variaties met te isoleren elementen. Losse blokken content die je vervangt of extra toevoegd. Om goed antwoord te kunnen geven op de verschillende hypothesen zul je meerder pagina variaties moeten maken. Een pagina met alleen hypothese 1, een pagina met hypothese 1 en 2, een pagina met hypothese 2, 3 etc. Op deze manier kun je ook uitspraken doen over de gezamenlijke effecten. Vaak komt het voor dat een hypothese goed werkt, maar wanneer uitgevoerd met een andere hypothese niet meer.

6. Hoe voeren we de test uit?

Steeds vaker gebruiken we geen AB of MV test pakket meer voor het uitvoeren van conversie/hypothese testen van dit formaat. Het enige wat het pakket moet doen is telkens dezelfde bezoeker naar dezelfde variant sturen. Deze variant is telkens een nieuwe URL. Bijna iedereen werkt met een content management systeem en het aanmaken van extra pagina’s die niet in de website navigatie worden opgenomen (vaak landingspagina’s genoemd) is geen enkel probleem. Een script dat een cookie plaatst en vanuit een config file de URL’s uitleest die getest moeten worden is zo geschreven (als het CMS deze optie al niet aanbiedt). In de test bij valk.com hebben we Google Website Optimizer gebruikt voor het redirecten van bezoekers naar de juiste te testen URL.

We maken overigens altijd een kopie versie van de default pagina om mee te lopen op een nieuwe URL in de AB test. Hierdoor blijven de bezoekers die geen javascript ondersteunen de originele default pagina zien die we niet meenemen in de analyse (deze pagina heeft immers een niet random samenstelling van de populatie).

7. Hoe maken we de evaluatie?

Zoals bij stap 6 al aangeven gebruiken we vaak geen AB test software om de test uit te voeren, maar als we dat wel doen gebruiken we voor de analyse van de resultaten dit pakket al helemaal niet. Vaak is er een beperking waarop je de resultaten kunt vergelijken. Een beperkt aantal conversiepunten of gedragingen op de website en als je ze allemaal wilt meten moet je ze vaak ook allemaal instellen.

Wij gebruiken altijd het actieve webanalytics pakket van de klant. Die meet immers al het gedrag op de website en heeft informatie over bezoektijd, conversies, terugkerend bezoek, nieuwsbrief inschrijvingen etc. Hierdoor kun je daadwerkelijk bepalen wat het gedrag van de bezoeker is wanneer hij een bepaalde variatie krijgt te zien. Omdat we weten dat elke bezoeker in een test maximaal 1 test URL kan hebben gezien maken we binnen de webanalytics software segmenten aan op basis van deze URL’s. Van deze segmenten kunnen we het gedrag dan gaan aflezen. Het uitrekenen of de resultaten significant zijn doen we op basis van de standaard statistieken in Excel.

Bij de valk.com AB test zie je een 1e kolom met daarin het conversieverschil (aantal unieke bezoekers dat iets kocht) ten aanzien van de default versie. De 2e kolom geeft het zekerheidspercentage aan dat de winnende variant in een volgende test weer wint van de betreffende variant waar het percentage is genoemd. Er is een duidelijke winnaar met een mooie conversie uplift (korte termin winst!), maar zoals je ziet zijn er ook verliezers ten opzichte van de default versie.

Door de verschillende varianten onderling te gaan vergelijken kun je antwoord gaan geven op de gestelde hypotheses en daar zit de lange termijn winst. Je hebt immers iets geleerd over je bezoekers en in een opvolgende test kun je bij het bedenken van goede hypotheses deze kennis weer meenemen. Stap voor stap leer je op deze manier je bezoekers beter te begrijpen en kun je vanaf jouw zijde de te voeren dialoog steeds beter faciliteren!

Dit waren de antwoorden op de hypotheses die we bij de valk.com hebben uitgetest:

De volledige presentatie van de valk.com conversie case vind je hier terug op de Online Dialogue website of kun je hier direct als PDF downloaden.