Useimmat brändit julkaisevat lomakkeen eivätkä koskaan tarkista lukuja. Ne olettavat, että se toimii. Ne käyttävät aikaa kenttien uudistamiseen, jota ei tarvita. Ne ohittavat sen yhden kentän, joka oikeasti tappaa lähetyksiä. Sillä välin kilpailija mittaa lomakkeensa suorituskykyä, löytää sen yhden rikkinäisen kentän, korjaa sen ja katsoo konversioprosenttinsa nousevan 20 %. Yhdellä tiimillä on dataa. Toinen arvailee.
Tässä artikkelissa käydään läpi, mitä lomakeanalytiikkaa kannattaa seurata, miten dataa luetaan ja miten sen avulla parannat lomakkeitasi.
Miksi lomakeanalytiikka on tärkeää
Lomakeanalytiikka kertoo, miten lomakkeesi oikeasti toimivat. Ei oletuksia. Ei aavistuksia. Dataa.
Hyödyllisiä kysymyksiä, joihin lomakeanalytiikka vastaa:
Kuinka moni oikeasti lähettää lomakkeen (lähetysmäärä ja lähetysprosentti)? Missä kävijät keskeyttävät (mikä kenttä aiheuttaa eniten keskeytyksiä)? Kuinka kauan lomakkeen täyttäminen kestää? Onko tietyillä kävijäryhmillä korkeampi täyttöaste kuin toisilla? Parantavatko tekemäsi muutokset oikeasti tuloksia?
Ilman tätä dataa arvailet. Voit käyttää aikaa muutoksiin, joilla ei ole väliä. Voit ohittaa sen yhden kentän, joka tappaa konversiosi.
Tärkeimmät seurattavat lomakemittarit
Lähetysmäärä ja lähetysprosentti
Kuinka monta lähetystä päivässä, viikossa tai kuukaudessa? Mikä on lähetysprosenttisi (lähetykset jaettuna lomakkeen katselukerroilla)? Jos lomakkeesi näytetään 1 000 kertaa kuukaudessa ja se saa 50 lähetystä, lähetysprosenttisi on 5 %.
Tämä antaa lähtötason. Onko 5 % hyvä? Riippuu lomakkeen tyypistä. Uutiskirjeen tilaus voi konvertoida 15 %:lla. Demopyyntö voi olla 2 %. Seuraa omaa lähtötasoasi ja paranna sitä.
Täyttöaste (aloitus vs. lopetus)
Kuinka moni lomakkeen täyttämisen aloittaneista oikeasti lopettaa ja lähettää sen? Jos 100 ihmistä aloittaa ja 70 lähettää, täyttöasteesi on 70 %.
Täyttöasteen lasku kertoo ongelmasta. Ihmiset aloittavat mutta eivät lopeta. Seuraava kysymys on, missä he keskeyttävät.
Kenttäkohtainen täyttö ja keskeytys
Kuinka moni täytti kunkin kentän? Mikä kenttä saa eniten ihmisiä lähtemään?
Jos 100 ihmistä täyttää kentän 1, 85 kentän 2, 60 kentän 3 ja vain 30 kentän 4, kenttä 4 tappaa täyttöasteesi. Ihmiset keskeyttävät kentässä 4. Tämä on toimintaan johtavaa dataa. Tee kentästä 4 valinnainen tai selitä, miksi sitä tarvitaan.
Lomakkeeseen käytetty aika
Kuinka kauan keskimääräiseltä ihmiseltä kestää täyttää lomakkeesi? Jos se kestää 15 minuuttia, ihmiset lopettavat. Jos se kestää 30 sekuntia, he todennäköisesti saavat sen valmiiksi.
Pidempi lomakkeeseen käytetty aika korreloi korkeamman keskeyttämisen kanssa. Aikamittarit kertovat, tuntuuko lomakkeesi rasitteelta.
Poistumisprosentti kussakin vaiheessa
Seuraa monivaiheisissa lomakkeissa jokaisen vaiheen täyttöastetta. "Vaihe 1/3: 100 ihmistä. Vaihe 2/3: 80 ihmistä. Vaihe 3/3: 60 ihmistä." Näet tarkasti, missä ihmiset lähtevät. Jos he lähtevät joukolla vaiheessa 2, suunnittele vaihe 2 uudelleen.
Laite- ja selainkohtaiset täyttöasteet
Onko mobiili- ja pöytäkonekävijöillä sama täyttöaste? Jotkin lomakkeet ovat rikki mobiilissa. Et tietäisi sitä ilman tätä dataa. Jos mobiilin täyttöaste on 20 % ja pöytäkoneen 50 %, korjaa mobiilikokemus.
Lomakedatan lukeminen ja tulkinta
Etsi pudotuksia: Missä täyttöasteet putoavat jyrkästi? Se kenttä tai vaihe on ongelma.
Tunnista kaavoja: Keskeyttävätkö tietyntyyppiset kävijät useammin kuin toiset? Ehkä tietty väestöryhmä tai liikenteenlähde täyttää matalammalla asteella.
Seuraa muutoksia ajan yli: Jos muutat lomaketta, kasvavatko vai vähenevätkö lähetykset? Kuinka paljon? Onko muutos merkittävä vai kohinaa?
Vertaa vertailuarvoihin: Jos lomaketyyppisi konvertoi yleensä 10 %:lla ja sinun 5 %:lla, sinulla on parannettavaa. Jos olet 25 %:ssa, pärjäät keskimääräistä paremmin.
Yleiset lomakeanalytiikan virheet
Vain määrän katsominen, ei prosenttia
100 lähetystä ei ole hyödyllistä dataa ilman kontekstia. Onko lomaketta katsottu 100 kertaa? Silloin lähetysprosentti on 100 % (mahdoton mutta upea). Onko katselukertoja 10 000? Silloin lähetysprosentti on 1 % (hyvin matala). Katso aina prosenttia, ei pelkkää määrää.
Ei segmentointia kävijätyypin mukaan
Kokonaislähetysprosenttisi on 5 %. Mutta uusilla kävijöillä se voi olla 2 % ja palaavilla 8 %. Et voi parantaa molempia yhtä paljon. Segmentoi data ja käsittele jokaista segmenttiä erikseen.
Kenttäkohtaisen analyysin voiman sivuuttaminen
Sinun ei tarvitse arvata, mikä kenttä aiheuttaa keskeytyksiä. Katso kenttäkohtaisia täyttöasteita. Kenttä, jonka jälkeen pudotus on suurin, on ongelma.
Liian monen asian muuttaminen kerralla
Jos muutat viittä kenttää ja lähetysprosentti nousee, et tiedä, mikä muutos sen aiheutti. Muuta yksi asia, mittaa, muuta toinen, mittaa. Näin opit, mikä oikeasti toimii.
Lomakeanalytiikan käyttö suorituskyvyn parantamiseen
Vaihe 1: Mittaa lähtötasosi. Pidä lomaketta käytössä viikko ilman muutoksia. Kirjaa lähetysprosenttisi, täyttöasteesi ja kenttäkohtaiset tiedot.
Vaihe 2: Tunnista suurin ongelma. Missä on suurin pudotus? Aloita siitä, älä pienistä säädöistä.
Vaihe 3: Tee yksi muutos. Poista kenttä, muotoile kentän nimi uudelleen tai tee kentästä valinnainen. Vain yksi muutos.
Vaihe 4: Mittaa vaikutus. Pidä lomaketta käytössä vielä viikko muutoksen kanssa. Vertaa lähtötasoon. Parani lähetysprosentti?
Vaihe 5: Pidä se, mikä toimii, muuta se, mikä ei. Jos muutos auttoi, pidä se. Jos se huononsi tilannetta, peru se. Siirry sitten seuraavaan ongelmakohtaan.
Miten WEMASY tarjoaa lomakeanalytiikkaa
WEMASY seuraa lähetysmäärää, täyttöastetta, kenttäkohtaisia täyttöasteita ja lomakkeeseen käytettyä aikaa. Katso analytiikka hallintapaneelista reaaliajassa. Näe, mitkä kentät aiheuttavat poistumisia. Seuraa muutoksia ajan yli. Vertaa eri lomakkeiden suorituskykyä. Segmentoi laitteen, lähteen ja muiden kävijäominaisuuksien mukaan. Käytä dataa parannusten tunnistamiseen ja tekemiesi muutosten vaikutuksen mittaamiseen.
Löydät lomakeanalytiikan WEMASY-hallintapaneelistasi tai tarkista hintasivulta, mitkä analytiikkaominaisuudet sisältyvät tilaukseesi.