Het klinkt als een commerciële slagzin. Conversie optimalisatie: “converteert nu nog beter” en aan de andere kant is het simpel een feit dat alles altijd beter kan. Wat ik je als lezer en geïnteresseerde in het verbeteren van website conversie echter wil duidelijk maken is dat je veel betere resultaten haalt wanneer je de optimalisatie van je funnels / call to actions oppakt per groep bezoekers met bepaalde kenmerken (profile) of een bepaald gedrag (behavior), dan wanneer je “slechts” de totale funnel als geheel optimaliseert.

Met de huidige webanalytics pakketten is (live) segmentatie op de te analyseren data steeds vaker een standaard mogelijkheid. Dit geeft je de vrijheid om eenvoudig binnen alle verzamelde statistische gegevens te speuren naar gedrag en profiel overeenkomsten voor bepaalde groepen bezoekers. Elke bezoeker heeft een bepaald doel in zijn bezoek aan jouw website, maar de bezoekers die als doel de door jou gewenste conversie hebben, hebben enerzijds weer een bepaalde reden om tot conversie over te gaan (waarom) en zijn anderzijds een bepaald type koper die pas op een bepaald moment overgaan tot conversie (gedrag).

De verschillende variaties tussen het waarom en het gedrag geven een aantal groepen bezoekers die elk een eigen optimale funnel met maximale conversie zullen hebben die hoogstwaarschijnlijk in geen enkel van de variaties gelijk zal zijn. Funnel optimalisatie voor het totale bezoek is een mooie eerste stap (middels A/B testen of MVT proberen welke variaties van stappen in je funnel zorgen voor een hogere conversie), je funnel variëren op bepaalde dagen en tijdstippen een hele mooie 2e, maar binnen je funnel optimaliseren voor groepen bezoekers met een bepaald profiel en gedrag combinatie is de stap die je nog veel meer conversie verbetering kan geven.

Hoe vind je nu de verschillende groepen bezoekers? Waar start je? Je kunt heel “inside-out” zelf verschillende typen bezoekers (persona’s) gaan ontwikkelen en gaan aannemen dat bezoekers met een bepaald gedrag (bepaalde tijd op de pagina, bepaalde pagina’s bekeken, bepaald aantal bezoeken) een bepaalde intentie hebben, maar de waarheid ligt bij de klant zelf (outside-in). Hier ligt de winst van (live) segmentatie. Analyseer je funneldata en conversies door te gaan filteren. Probeer eerst eens te komen tot de grotere groepen converterende bezoekers met dezelfde overeenkomsten. Op gedragbasis kun je bijvoorbeeld groepen maken waar groep A bezoekers zijn die in hun eerste bezoek direct converteren. Groep B bezoekers die converteren na meerdere bezoeken (en hierin weer 2 varianten: B1: bezoek dat al eerder heeft geconverteerd en B2: bezoek dat niet eerder heeft geconverteerd). Door voor deze 3 groepen aparte funnels aan te leveren die je elk weer optimaliseert middels een A/B test of MVT (wat natuurlijk ook binnen 1 test kan) leer je of het terechte groepen zijn met elk een andere ideale conversie.

Om zelf te starten hier ter inspiratie, naast het genoemde voorbeeld, een (niet eindige) opsomming van 5 mogelijke segmenten die verschillende groepen met bepaalde gedragingen en motovaties kunnen geven:

• Herkomst: zoekmachine (scheiding wel bedrijfs/productnaam gezocht en niet), verwijzende website (scheiding vaste links en nieuws / weblog meldingen), type-in, (doorlopende) campagnes
• Bezoekgedrag: aantal bekeken pagina’s voorafgaand aan de start van de funnel (bijvoorbeeld: 1 t/m 5, 6 t/m 10 en 11+)
• PC & browsers: bijvoorbeeld: apple gebruikers, windows en msie, firefox gebruikers
• Bezochte pagina’s: bezoekers die bepaalde informatiepagina’s m.b.t. de conversie wel of niet hebben bezocht.
• Surfsnelheid: bijvoorbeeld een indeling tussen bezoekers die veel tijd gebruiken in het surfen van pagina naar pagina, bezoekers die dit veel sneller doen en bezoekers die tabsgewijs surfen (veel pagina’s tegelijk openen). Wel goed om te middelen met de internet connectie (snelheid van binnenhalen pagina’s)

Probeer het uit. Filter op je conversie en funnel bezoekers. De opgesomde voorbeelden zijn vermoedelijk groepen mensen met verschillende gedragingen / optimale conversie pagina’s, maar slechts jouw data kan aangeven of dit zo is. Maak maximaal 4 hoofdgroepen en ga aan de gang met optimalisatie. Mijn meest voor de hand liggende opzet zou zijn:

• Welke pagina’s zijn wel of niet bezocht? Groep A die wel bepaalde informatiepagina’s heeft gelezen en groep B niet (test met het weergeven van niet bezochte informatie voorafgaand aan de conversiefunnel, in de funnel zelf).
• Hoeveel bezoeken / pagina’s zijn er vooraf aan de funnel bezocht. Groep A met veel bezoeken en pagina’s, groep B met weinig (test met weglaten of juist toevoegen van aanmoedigingen om een bepaalde stap in de funnel te maken)

Lees meer over tips voor webanalytics segmentatie.