Raffineret webanalyse afdækker brugernes engagement
Af Kresten Bergsøe, d. 12-11-2010
Fra Apropos 1 til 1 nr. 248
I denne artikel:
  • Hvorfor de fleste webanalyser er mangelfulde
  • Hvorfor Petersons 8 indekser fører til bedre analyser
  • Hvad beregningsmodellen indeholder
  • Hvad du kan anvende beregningen til
  • Hvorfor brugen af webanalyser er som personlige relationer

Vi husker alle gamle dage, hvor marketing triumferende spredte budskabet om, at ”vores website havde 117 hits i weekenden!” Det var noget, der kunne imponere vennerne og alle mulige andre (alt efter hvilken forretning og branche, der tales om, naturligvis). Men tallet sagde netop ikke andet, end at der 117 gange var klikket ind på sitet. Hvem der havde klikket ind, hvad de foretog sig derinde, om de var gengangere, om de havde købt noget eller downloadet noget, imens de var derinde (eller tidligere) - det fortæller hits ikke noget om. Heller ikke hvor længe, de blev på sitet, eller om de blot browsede mere eller mindre ufokuseret fra det ene website (dit) til det andet (konkurrenternes). Marketing kunne ligeså godt have pralet med, at ”117 mennesker gik gennem vores butik i weekenden”. Om de blev nogle minutter og måske endda købte noget imens, er en anden historie. Efterhånden blev webanalyser bedre og skarpere. De fleste marketingafdelinger arbejder i dag (hvis de i det hele taget laver webanalyser!) med Google Analytics, og ad den vej lærer vi flere ting om trafikken på sitet. Vi får netop meget at vide om trafikkanaler - og konverteringer - men selv med Google Analytics får vi stadig kun en overfladisk indsigt i webbrugernes reelle engagement i virksomheden via sitet. En indsigt der ellers kunne berige både kunder og virksomhed.

Lad os anbefale en raffineret og brugbar webanalyse. Eric T. Peterson, fra firmaet Web Analytics Demystified, kreerede for få år siden en beregningsmodel, ”The Web Analytics Demystified Visitor Engagement Calculation”.

I al sin enkelhed ser den sådan ud:

Raffineret webanalyse afdækker brugernes engagement

Petersons beregninger er en generel webanalytisk model, som alle kan anvende, eventuelt med mindre justeringer så den matcher behovet helt præcist. Beregningsmodellen måler på den enkelte bruger, en ad gangen. Du kan nu få utroligt mere at vide om, hvad der sker på dit website og dermed en veldefineret baggrund for at agere intelligent over for brugerne. Du får eksempelvis indblik i, om en bruger klikker dybt nok inde på sitet i forhold til dine mål. Om brugeren er for kort tid på sitet. Om der er for lang tid imellem besøgene, osv. Der ligger mange brugbare fakta i raffinerede webanalyser som Petersons, og det handler netop om fakta, ikke gætterier eller mystik.

Centralt i beregningsmodellen er, at den afdækker en given brugers samlede besøg på websitet, og derudover kan den rumme forskellige tidsforløb. Det betyder, at hvis du vil beregne hvor stor en ”procentdel af brugerens besøg, der har resulteret i mere end 5 sidevisninger”, så er du nødt til at måle alle brugerens besøg inden for en vis tidsramme og derfra markere, hvilke af besøgene der havde mere end 5 sidevisninger. Er beregningen uden et fastlagt tidsforløb, bør du i stedet gå ud fra brugerens samtlige besøg, som de er registreret i databasen. Er beregningen fastlagt inden for f.eks. et forløb på 90 dage, ser du naturligvis kun på brugerens besøg inden for denne periode.

Peterson har defineret en liste med 6 forskellige indekser eller metrics i sin beregningsmodel:

•    Click-Depth Index (Ci)
Ci er procentdelen af besøg på sitet med mere en ”n” sidevisninger - divideret med alle brugerens besøg.

•    Recency Index (Ri)
Ri er procentdelen af alle besøg på sitet med mere end ”n” sidevisninger inden for de seneste ”n” uger – divideret med alle brugerens besøg.

•    Duration Index (Di)
Di er procentdelen af besøg, der varede længere end ”n” minutter - divideret med alle brugerens besøg.

•    Brand Index (Bi)
Bi er procentdelen af alle direkte besøg (f.eks. uden en henvisning fra et eksternt link), eller via en ekstern søgning på en af dine brand betegnelser - divideret med alle brugerens besøg. (Se nærmere forklaring nedenfor).
    
•    Feedback Index (Fi)
Fi er procentdelen af besøg hvor bruger giver direkte feedback på sitet - divideret med alle brugerens besøg. (Se nærmere forklaring nedenfor).
 
•    Interaction Index (Ii)
Ii er procentdelen af besøg hvor bruger foretager sig en specifik, veldefineret handling - divideret med alle brugerens besøg. (Se nærmere forklaring nedenfor).

Udover disse 6 måleenheder tilføjer Peterson to binære metrics i sin beregning:

•    Loyalty Index (Li)
Li giver en score på 1, hvis bruger har været inde på sitet mere end ”n” gange inden for den specifikke tidsramme. Er denne betingelse ikke opfyldt giver det en score på 0.

•    Subscription Index (Si)
Si giver en score på 1, hvis bruger er abonnent eller lignende til nyhedsbrev, blog, o.a. inden for den specifikke tidsramme. Er denne betingelse ikke opfyldt giver det en score på 0.

Ud fra Petersons model lægger du summen af værdier fra de enkelte komponenter sammen, og resultatet divideres med 8 (det samlede antal komponenter i beregningsmodellen) for at få en ren værdi mellem 0 og 1, der let kan omregnes til procent. Du kan nu segmentere ud fra den beregnede værdi, bygge virkeligt brugbare KPI (Key Performance Indicators), f.eks. ”procent meget engagerede besøgende” og tilføje beregningen til den rapportering, du allerede foretager i dag.

EN NÆRMERE FORKLARING
Raffineret webanalyse afdækker brugernes engagementDe 3 første metrics - Click-Depth Index, Recency Index og Duration Index er indlysende og i større eller mindre grad dækker de det, som de fleste marketingfolk (helt forkert, mener Peterson) kalder ”measures of engagement”. Alle tre er væsentlige for den overordnede beregning, men ingen af dem er isoleret set markante nok til at beskrive en ”engageret bruger”. Peterson sætter ”n” værdierne for beregningen på sit site baseret på den gennemsnitlige værdi for hver metric (dvs., at hans Ci afdækker besøg på sitet med mere end ”5 sidevisninger”, hans Ri afdækker besøg med mere end ”5 sidevisninger” inden for de ”seneste tre uger”, og hans Di afdækker besøg, der varer længere end omkring ”5 minutter”).

Brand Index er lidt mere kompliceret. Peterson har som et eksempel skrevet en liste med de ord, han mener brander hans eget site og forretning - det er søgeord som ”eric t. peterson”, ”web analytics demystified”, ”website measurement hacks”, ”web analytics wednesday” samt alle traditionelle key performance indicators. Når en bruger går ind på sitet (uanset om det sker direkte, dvs. uden henvisning fra et andet site, eller via en søgemaskine, hvor et af de nævnte søgeord er tastet ind), så tæller det med som et ”branded besøg på sitet” og en score angives.   
 
Feedback Index behøver måske ingen nærmere forklaring. En score er baseret på adfærd, hvor bruger f.eks. henvender sig via de kontaktmuligheder, der er inde på sitet, f.eks. ved at klikke på et ”mailto” link. Det er i denne sammenhæng ligegyldigt for scoren, om feedback er positiv eller negativ - når en bruger henvender sig, er det i sig selv et signal om et vist engagement. Feedback Index kan udbygges ved at tilføje en score baseret på direkte spørgsmål til bruger, f.eks. ”Er indholdet på dette website interessant?”.

Raffineret webanalyse afdækker brugernes engagementInteraction Index afdækker besøg hvor specifikke ”events” - udover de traditionelle konverteringer - aktiveres. Det kan være downloads af white papers, forespørgsel om en præsentation, sende en tip-en-ven e-mail, printe en side, osv. Men Interaction Index afdækker ikke konverteringer som køb og andre væsentlige aktiviteter og transaktioner. Der er der flere grunde til - køb er naturligvis allerede defineret som en afgørende faktor på de fleste sites og registreres allerede detaljeret. Petersons beregningsmodel er derimod designet til at indhente informationer om alle de mange brugere, som netop ikke konverteres. Man får altså her viden om det store flertal, der ”bare” besøger sitet uden at købe.    

Loyalty Index afspejler Petersons tro på, at gentagne besøg på sitet måske er den stærkeste måleenhed for brugernes engagement. Han giver scoren 1, når en bruger har været inde på sitet 5 gange inden for de seneste 12 måneder.

Subscription Index afdækker de meget engagerede brugere, der aktivt leverer informationer, når de f.eks. tilmelder sig nyhedsbreve og blogs. Det gør man kun, når man er tændt på sitets indhold.

FRA TEORI TIL PRAKSIS
I den virkelige verden er brugernes ”lifetime engagement score” ikke statisk. Efterhånden som en bruger vender tilbage til sitet, vil adfærden ændre sig, og det samme vil brugerens score i de forskellige metrics. Forestil dig en bruger, som kommer ind på dit site efter en søgning på Google, ser 10 forskellige websider i løbet af 7 minutter, downloader et white paper og i øvrigt kommer tilbage til dit site dagen efter. Denne bruger har en højere Visitor Engagement værdi end den bruger, der ser på 2 sider, forsvinder fra sitet efter bare to minutter og aldrig vender tilbage. Tænk på, hvad du kan bruge denne viden til!

Beregningsmodellen giver et skarpere billede af brugernes betydning for din forretning:

•    En bruger kan hurtigt bladre fra side til side og alligevel blive scoret via Click-Depth Index.  
•    En bruger bladrer langsomt og metodisk fra side til side og scores brugbar ud fra Duration Index.
•    En bruger kommer måske ofte ind på sitet og foretager sig ikke meget andet end at læse den samme artikel igen og igen - denne bruger kan scores ud fra Recency Index og Loyalty Index.
•    En bruger kommer ind på sitet, tilmelder sig en blog, vender tilbage senere og downloader en præsentation - denne bruger scores ud fra Subscription Index og Interaction Index.  

Raffineret webanalyse afdækker brugernes engagementEric T. Peterson lægger ikke skjul på, at hans beregningsmodel møder kritik. Den er ikke ”immediately useful”, ingen vil forstå den, og det er umuligt at foretage beregningen. Hans modargumenter er uden omsvøb, at ”no metric is immediately useful” og ”most people don’t understand web analytics because web analytics is hard.” I øvrigt afhænger det hele af, hvilken applikation, du bruger. Ikke alle værktøjer kan håndtere opgaven, men anvender du et high-end værktøj er der ikke noget problem.

Bruger du en beregnings som ”The Web Analytics Demystified Visitor Engagement Calculation” kan du forholde dig til, om en brugers engagement stiger eller falder. Om engagementet er højere for nogle kilder end fra andre. Denne webanalytiske model fortæller meget om, hvad der sker på dit site - om du er ved at tabe klik-dybde eller engagement. Er problemet, at folk ikke klikker langt nok ned i sitet? Er problemet, at de bliver der i for kort tid? Er der for lang tid mellem besøgene?

"Klikker folk ikke langt nok ind?"

Pointen her er, at mange marketingfolk taler om at skabe engagement, det er blevet et modeord. Peterson siger ikke, at det er præcis sådan, du skal gøre det, men det vigtige er, at du har et mål, der er defineret for dig. En metric som du kan styre ud fra. Det er en relativ enkel måde at få en masse ud af dit website. Dette er egentlig det samme, som du ville gøre i et bekendtskab - hvis en person ikke har kontaktet dig længe, så ringer du og spørger, om der er noget galt.

Det fine med Petersons beregningsmodel er, at det ender i et enkelt tal, en score, som er summen af de andre. Det er engagement indekset. Du får altså et enkelt tal, som du kan gøre noget operationelt ud fra, men du kan også gå niveauet længere ned, hvis du vil det. Og du kan agere intelligent med brugerne på dit site.

Eric T. Petersen er naturligvis ikke den eneste, der har anerkendt det påtrængende behov for at udvikle de traditionelle webanalyser. Det kan du læse mere om i næste nummer af Apropos 1 til 1.  

Læs Eric T. Peterson's How to Measure Visitor Engagement, Redux

Det er også værd at tjekke Behavioral marketing uden siloer

Hvad synes du om artiklen?
Gemmer din stemme
Der er 9, der har stemt.
Klik på stjernerne for at bedømme artiklen.
Bookmark and Share
Kompetencer
Behavioral Marketing Triggered marketing Interaktiv marketing
Digital markedsføring Relationsmarkedsføring Email marketing
Elektronisk markedsføring Permission marketing Dialogmarkedsføring
CRM
Dialogmarkedsføring Elektronisk markedsføring Triggered marketing CRM Digital markedsføring Email marketing dialog markedsføring Behavioral Marketing Permission marketing Interaktiv marketing Relationsmarkedsføring Customer Relationship Management dialog E-mail marketing Relationship marketing