Starten met Conversie Ratio Optimalisatie.

Hoe verbeter je die conversieratio eigenlijk?

Conversie Ratio Optimalisatie is een proces dat gericht is op het stapsgewijs verbeteren van de conversieratio van een website. Dit stappenplan, bekend als "het proces voor succes", is toepasbaar voor iedereen in de organisatie, van marketeer en UX-designer tot developer van een digitaal platform. Het proces voor succes bestaat uit vier stappen:

Stap 1. Doelen stellen: wat willen we bereiken?

Combineer de doelen van jouw bedrijf met die van de klant

Door het matchen van de doelstellingen van jouw bedrijf met de doelstellingen van jouw klanten creëer je de meeste waarde. Je brengt hierdoor namelijk focus aan op datgene wat voor jouw bedrijf het meest belangrijk is om te groeien en wat voor de doelgroep meest belangrijk is voor het vervullen van een behoefte.

Een goed hulpmiddel hierbij is inzicht in behoeften, wensen, gedrag en ervaringen van jouw doelgroep (bijvoorbeeld dankzij persona’s) en hun customer journey (klantreis). Hiermee kan je namelijk doelgericht de te optimaliseren touchpoints bepalen.

Macro en micro conversies

Bij CRO wordt al snel gedacht aan het verhogen van het aantal transacties of orderwaarde oftewel macro conversies. Maar om tot dit einddoel te komen worden er eerst andere stappen gezet; de micro conversies. Voorbeelden hiervan zijn het aantal pagina’s dat een bezoeker tijdens een sessie bekijkt, artikelen aan de winkelmand toevoegt of als een bezoeker zich inschrijft voor de nieuwsbrief.

Door doelgericht te optimaliseren op micro conversies heb je meer grip op de resultaten. Dit omdat je direct het verband kan leggen tussen datgene wat je aanpast en het resultaat hiervan. Door middel van een zogenaamde ‘goal tree’ kan je het verband tussen de micro- en macro conversies in kaart brengen.

Gebruik van de goal tree

Een goal tree is een handige manier om de juiste doelen te stellen: aan welk(e) micro conversie(s) ga je werken om welk macro doel te behalen?

Hieronder een voorbeeld van een goal-tree, waarin je ziet dat door middel van het optimaliseren van de doorstroom in de checkout (micro-doel), het uiteindelijk effect heeft op de conversie op het aantal transacties, de gemiddelde waarde per bezoeker en uiteindelijk de totale online omzet (macro-doel).

Stap 2. Inzichten verzamelen voor optimalisatie.

Eén van de belangrijkste onderdelen van conversie optimalisatie is de volgende vragen te beantwoorden: Waar gaat het mis en waarom? Waar liggen kansen om extra waarde te leveren en te voorzien in belangrijke behoeften van de doelgroep?

Er bestaan verschillende kwantitatieve en kwalitatieve methoden om hier inzichten over te verzamelen. De methoden variëren zowel in de onderzoeksopzet als in de toepassing: Wat willen we te weten komen en waar gaan we het voor gebruiken? We adviseren om hierin altijd een combinatie te gebruiken voor een volledig en betrouwbaar beeld.

Voorbeelden van kwantitatieve methoden zijn:

• Web Statistieken geven inzicht in de eigenschappen en gedrag van je websitebezoekers, zoals welke apparaat categorieën worden gebruikt, welke pagina’s worden het meest bekeken, waar haakt men af en hoe gedragen bezoekers zich die vanuit de verschillende kanalen op je website komen?

• Heat-, klik- en scroll maps geven inzicht in gedrag op de verschillende pagina’s. Op welke onderdelen van de pagina wordt meer en minder geklikt, hoe diep wordt op de pagina gescrold?

• Online enquêtes worden vaak ingezet om meer inzicht te krijgen in een specifiek knelpunt. Bijvoorbeeld hoe ervaren de gebruikers een (specifiek) touchpoint, behalen de gebruikers hun doel en wat is de reden dat ze het niet halen, waarom verlaten ze de website? Via deze enquêtes kan je ook meteen ideeën van de gebruikers verzamelen hoe je een touchpoint kan verbeteren.

Voorbeelden van kwalitatieve methoden zijn:

• User testing
  Door echte gebruikers te observeren in het gebruik van een website (aan de hand van een aantal opdrachten), kan je inzicht krijgen in hoe de website wordt gebruikt en welke drempels er worden ervaren. Wij zien eigenlijk altijd dat een user test vaak enorme eye-openers en ideeën om een touchpoint te verbeteren oplevert.

• Expert review
  Bij de ontwikkeling van een nieuwe website, of als er geen gebruikers direct voorhanden zijn, kan je een expert review inzetten. Naast dat een CRO consultant of specialist de website door de ogen van een gebruiker bekijkt, gebruikt deze theoretische kennis (zoals de website heuristieken van Nielsen) èn de opgedane kennis en ervaring vanuit best-practices om de belangrijkste knelpunten en kansen te spotten.

Stap 3. Verbeteren: formuleren en prioriteren van hypotheses.

Formuleer hypotheses

Na de grondige analyses ga je de oplossingen bedenken hoe je een knelpunt kan oplossen of een gespotte kans gaat invullen. Doorgaans geldt dat hoe beter je analyses zijn, hoe beter de oplossingen zijn omdat deze goed zijn onderbouwd door de inzichten.

De oplossingen worden vertaald naar hypothesen: een onderbouwde aanname over een relatie tussen twee of meerdere variabelen. Deze hypotheses vormen de basis van een data en kennisgedreven cultuur van optimalisatie, want hierdoor ben je niet alleen doelgericht aan het experimenteren en verhoog je de kans op een succesvolle A/B-test, maar bouw je een enorme bak aan kennis op voor de hele organisatie. Hiermee kunnen beslissingen op een veel breder vlak genomen worden op basis van data gedreven inzichten in de plaats van onderbuikgevoel.

Een goede hypothese:

• vloeit voor uit een doelstelling;

• is gebaseerd op inzichten (liefst vanuit meerdere bronnen);

• is toetsbaar (falsifieerbaar);

• heeft meestal een verklaring in zich gebaseerd op theorie of een inzicht.

Voorbeeld van een hypothese:
In de checkout haakt 20% van de gebruikers af op het formulier invullen en uit de heatmaps blijkt dat bezoekers een aantal velden overslaan. Door het lange formulier met gegevens op te delen in persoonsgegevens en adresgegevens worden het twee korte formulieren. Dit maakt het overzichtelijker (minder foutgevoelig) en zorgt ervoor dat het lijkt alsof bezoekers minder hoeven invullen. Daardoor zullen zij minder afhaken (15%) en vaker hun bestelling afmaken.

Gebruik van psychologische principes en nudging

Om betere oplossingen en verklaringen te formuleren kan je gebruik maken van talloze psychologische principes en nudges (neuromarketing), zoals sociale bewijskracht, sense of urgency of banner blindness. Wij hebben 54 van deze principes samengevat in een kaartspel: de Conversie Booster. Al deze principes zijn ontleend aan onderzoeken van wetenschappers zoals de nobelprijswinnaar Daniel Kahneman, Cialdini en Jacob Nielsen. Voor meer informatie hierover, neem contact met ons op over de mogelijkheden voor een Conversie Booster workshop bij jou op kantoor.

Prioriteren van hypothesen

Nu heb je mogelijk talloze ideeën en oplossingen bedacht en vertaald naar hypothesen, maar waar ga je mee beginnen? Om je hiermee te helpen heb je een aantal methoden om je hypothesen te prioriteren, zoals:

• Impact/effort matrix
  Plot de verschillende ideeën in de matrix met de dimensies veel of weinig impact op het beoogde doel en de effort die het kost om de oplossing te maken en/of door te voeren

• P.I.E.R. prioritering methode
  Bij deze methode scoor je (met je team of/of stakeholders) de hypothese op basis van:
  – Proof: Wat is de mate van onderbouwing?
  – Impact: Heeft de hypothese directe invloed op het doel/de business case? En hoe groot is de kans de je het verschil hiermee gaat maken?
  – Effort: Hoeveel effort kost het om het uit en/of door te voeren? En is er draagvlak binnen de organisatie voor deze oplossing?
  – Risk: Is de oplossing een risico voor de doelstellingen van het bedrijf?

Stap 4. Experimenteren en valideren: Is de verbetering een succes?

In deze stap ga je kijken of het beoogde doel bereikt wordt. Het is mooi als je hypothese (oplossing) bevestigd wordt, maar een negatief resultaat levert ook zeer veel inzichten en ideeën op die je helpen om verder meer te optimaliseren en vervolg tests te doen.

Methoden van experimenteren en valideren

De meest gebruikte methode voor experimenteren en valideren is A/B-testen. Dit omdat A/B-testen gebaseerd is op een zuivere manier van experimenteren en je veel data uit de test krijgt. A/B-testen zorgen ervoor dat je resultaten betrouwbaar zijn.

Maar, dit is niet in alle situaties mogelijk. Bijvoorbeeld als er niet voldoende verkeer op de webpagina binnenkomt, of als de verwachte kosten om de test te maken veel groter zijn dan de verwachte opbrengsten. Gelukkig zijn er nog een alternatieven voorhanden. Deze kunnen ingedeeld worden in de mate van betrouwbaarheid (hierarchy of evidence).

De meest gebruikte alternatieven voor A/B-testen zijn:

• Expert review op basis van heuristieken door een CRO expert;

• User- of prototype testen;

• Pre-post analyse (vergelijken van de resultaten voor en na de aanpassing).

A/B-testen

Het grote voordeel van A/B-testen is dat je zuiver kan experimenteren bij echte bezoekers, op basis van data en significantie. Dus: de resultaten hebben een hoge betrouwbaarheid! Het andere grote voordeel van A/B-testen (ten opzichte van bijvoorbeeld een pre-post analyse) is dat je de verschillende oplossingen test onder exact gelijke condities. Het effect van externe factoren sluit je dus uit, zoals aanbiedingen van concurrenten, het weer, etc.

A/B-testen is een verzamelnaam voor verschillende manieren waarop je verschillende oplossingen online kan testen. In een ‘simpele’ A/B-test laat je bijvoorbeeld aan 50% van je bezoekers een variant zien en aan 50% het origineel (A variant). Natuurlijk kan je ook meerdere varianten tonen en deel je het aantal bezoekers precies gelijk over het aantal dat je wilt testen.

Hoeveel varianten je kan testen en hoe lang de test moet lopen hangt af van een aantal factoren:

• het aantal bezoekers op de pagina of uiting die je wilt testen;

• de bestaande conversie ratio en de verwachte stijging hierin;

• het aantal varianten dat je wilt testen.

Om dit te berekenen heeft de A/B-test software van onze partner VWO een handige tool: de ab-test-duration-calculator.

Multivariate testen

Een andere vorm van A/B-testen is Multivariate testen. Hier combineer je meerdere elementen in meerdere varianten. Als je bijvoorbeeld 3 elementen wil testen in 3 variaties zouden er 3×3= 9 combinaties ontstaan. Multivariate testen zijn vooral geschikt als een interactie-effect deel uitmaakt van de hypothese. Voorbeeld is een test op een call-to-action, waarin je 3 verschillende kleuren en 3 verschillende teksten wilt testen.

Een andere vorm van experimenteren is het zogenaamd multi-armed bandit testen. Hier is het doel om de meest rendabele variant te vinden en deze aan een steeds grotere groep te tonen. Waar je bij ‘klassieke’ A/B-testen stapsgewijs hypothesen test heb je meer controle op het resultaat. Multi-armed bandit experimenten worden vooral ingezet op winstmaximalisatie en minder op het leren kennen van je klant.

Evalueren en analyseren van je resultaten

Bij het analyseren van je resultaten is het van belang om ervoor te zorgen dat je de juiste conclusies trekt. De bovenstaande A/B-test tools geven je mooie overzichten van de resultaten en geven tevens aan of het verschil (positief of negatief) significant is. Meestal wordt hier een foutpercentage van 0.05 aangehouden, dus bij een significant resultaat heb je een betrouwbaarheid van 95%.

Als je alleen naar deze cijfers kijkt loop je het gevaar dat je iets mist, dus ons advies is om naast een aantal kwaliteitschecks (bijvoorbeeld zijn er geen onbedoelde afwijkingen in je steekproef) altijd verder te analyseren. Segmenteer je resultaten op verschillende elementen, zoals soort bezoekers, device, herkomst van je bezoekers (kijk bij de segmenten die je kiest ook weer goed naar je hypothese). Door deze analyses op segmenten voorkom je namelijk dat je verkeerde conclusies trekt.

Bijvoorbeeld, je hebt overal een positief en significant resultaat, maar uit de analyse blijkt dat een variant wel significant beter op mobiel werkt en niet beter op desktop. Dan kan je op basis hiervan besluiten om een bepaalde verandering alleen op mobiel door te voeren. Verder heb je hiermee een belangrijk inzicht verkregen (namelijk dat een hypothese niet geldt voor desktop). Met dit inzicht kan je weer een nieuwe hypothese gaan maken voor een vervolgtest en zet je zo weer een stap in het verder optimaliseren.

Conversie optimalisatie tools

Er zijn diverse goede tools in de markt die je kan gebruiken voor experimenten zoals A/B-testen om inzicht te krijgen in o.a. je gemiddelde conversiepercentage en je conversie verhogen, zoals:

• Visual Website Optimizer (VWO)

• Optimizely

• Convert

• A/Btasty