Het optimaliseren van de online formulieren is een belangrijk onderdeel van het verbeteren van de gebruikerservaring op je website. Ook voor je business doelstellingen draagt het optimaliseren van leadgeneratie formulieren bij aan betere resultaten. Je verhoogt met een goed form de kans dat je contactgegevens en e-mailadressen van leads binnenhaalt en dat er minder potentiële klanten afhaken bij het checkout proces. Hogere conversies, dus!
Benieuwd hoe je zo’n formulieranalyse in de praktijk eruit ziet? We laten het zien aan de hand van een case voor Wensink Automotive en geven je een aantal best practices.
Op Wensink.nl staan veel formulieren waarin (potentiële) klanten hun zaken online kunnen aanvragen of regelen. Door de gebruikersvriendelijkheid van deze forms te verbeteren kan Wensink meer leads genereren en biedt ze haar klanten de mogelijkheid om zelf en sneller zaken te regelen zodat ze meer tevreden zijn over het bedrijf. Tijd om online formulier inzichten te verzamelen!
We hebben het bovenstaande interesseformulier van een private lease als uitgangspunt genomen voor deze formulieranalyse. Goed, tijd om de stappen te doorlopen.
Om de gebruikersdata van het formulier te verzamelen plaats je eerst de code van de software via een tag manager op je website. In dit geval hebben we gebruik gemaakt van Exatom. Deze kijkt bij het verzamelen van je gegevens naar het FormID. Dit is heel handig als jouw formulier op meerdere pagina’s getoond wordt en je wilt het analyseren als één en dezelfde. De software herkent in de meeste gevallen automatisch de verschillende stappen en velden binnen een formulier. Is er een veld niet of niet juist gecodeerd, dan zal je dit eerst moeten aanpassen om de juiste data te verzamelen. In het geval van het interesseformulier private lease konden alle velden worden geïdentificeerd en is er vier weken data verzameld.
Via de software kan je inzichten krijgen op de veel verschillende onderdelen, zoals:
Start-ratio: aantal keer dat het formulier is getoond, en het aantal keren dat gebruikers zijn begonnen met invullen
Gemiddelde aarzeltijd
Gemiddelde conversieratio
Percentage van de velden dat automatisch wordt ingevuld
De gemiddelde error-ratio
Interactietijd
Doorstroompercentages van de hele funnel van het formulier
Verschillen in formulier gebruik per:
Een heel handig overzicht om te gebruiken is de funnel. Hier kan je zien hoeveel:
personen zijn begonnen met invullen;
direct zijn geconverteerd;
gebruikers het formulier hebben ingevuld maar er niet in één keer zijn geslaagd;
gebruikers hiervan het uiteindelijk wel is gelukt, of alsnog zijn afgehaakt.
Aan de hand van dit overzicht heb je al een eerste indruk waar je grootste knelpunt zit, maar kun je ook een business case uitrekenen.
In onderstaande overzicht (met fictieve data) zie je dat veel bezoekers al direct zijn afgehaakt nadat ze begonnen met het invullen van het formulier. Mogelijke verklaringen hiervoor zijn:
Het formulier sluit niet aan bij de verwachtingen van de bezoeker
De bezoeker krijgt aan het begin niet voldoende bevestiging dat dit het goede formulier is
De lengte en UX schrikt de gebruiker af
Voorbeeld formulierfunnel (fictieve data)
Omdat dit formulier uit één stap bestaat, duiken we meteen in de analyse van de verschillende velden. Heb je een formulier dat bestaat uit meerdere stappen, dan kan je hier nog een aparte analyse op uitvoeren. Bijvoorbeeld om erachter te komen in welke stap je gebruikers de meeste problemen ervaren.
In onderstaand overzicht (fictieve gegevens) zie je de details per veld: het aantal interacties, het drop-off percentage, de tijd die de gebruikers spenderen per veld, de aarzeltijd, het percentage correcties en het percentage dat automatisch is ingevuld.
Voorbeeld formulierfunnel per stap (fictieve data)
Wat valt op in het bovenstaande overzicht?
Er is een grote drop-off voor kilometrage per jaar en alternatieve kilometrage per jaar.
Mogelijk weten gebruikers dit niet meteen of is het niet duidelijk waarom ze deze gegevens moeten invullen
Merk en model hebben een relatief hoge drop-off (rond de 25%).
Een aantal bezoekers komt vanuit een specifieke pagina waarop de auto al staat vermeld en moeten het hier dan opnieuw invullen. Mogelijk weten ze niet meer de specifieke gegevens of vinden het teveel moeite om het opnieuw in te vullen
Voor model worden ook vaak correcties gemaakt.
Een modelnaam kan erg specifiek zijn. Het aantal correcties is een aanwijzing dat er twijfel is bij de gebruikers. Een validatie kan dat wegnemen.
Het error percentage is voor alle velden (op model na) 0%.
Ook de interactie tijd is voor de meeste velden nul, ondanks dat de autofill niet gebruikt wordt.
Aan de hand van de analyse hebben we een geprioriteerde backlog gemaakt van verbeterpunten. Dit zijn aanpassingen zoals:
verbetering van de UX: vergemakkelijken hoe het werkt en oogt;
onzekerheden wegnemen door de pagina beter te laten aansluiten bij de vorige pagina;
gegevens uit een vorige stap meteen in te vullen op het formulier;
inline validatie om gebruikers meer zekerheid te geven of ze het goed hebben ingevuld;
het aanpassen van content (ook vóór het invullen van het formulier);
het bieden van hulp aan gebruikers welke informatie wordt verwacht (bijvoorbeeld format en model).
De software van Exatom biedt een mogelijkheid om zogenaamde tooltips te tonen en te A/B-testen, welke tooltip de gebruikers beter helpt of motiveert het formulier verder in te vullen. Daarnaast is het mogelijk om een (e-mail) alert in te stellen als er zich per stap of per veld een probleem voordoet, zodat je snel op de hoogte bent als er zich een probleem voordoet dat groter is dan verwacht.
Zet jij de volgende stap in het verbeteren van jouw conversies? We helpen je graag verder. Download dit spiekbriefje en ontdek hoe je in vijf stappen je online formulieren optimaliseert voor leadgeneratie.