Kauppasi kävijämäärän ja tilausmäärän välinen ero ei ole sattumaa. Sillä on syitä. Verkkokaupan kävijäanalytiikka on joukko työkaluja ja menetelmiä, joiden avulla löydät ne.
Mitä verkkokaupan kävijäanalytiikka kertoo?
Käyttäytymisdata vastaa kysymykseen, johon pelkät myyntiluvut eivät pysty. Ei vain siihen, kuinka moni osti, vaan siihen, mitä jokainen ostamatta jättänyt kävijä teki sen sijaan.
Kun katsot analytiikkasi käyttäytymiskerrosta, katsot matkaa kävijän saapumisesta päätökseen. Kuinka kauan hän viipyi tuotesivulla? Vierittikö hän sivun loppuun? Lisäsikö hän tuotteen ostoskoriin ja pysähtyi sitten maksuun? Tuliko hän maksetusta mainoksesta ja lähti kolmessa sekunnissa? Jokainen näistä signaaleista osoittaa jotain täsmällistä siitä, missä kokemus pettää.
Kaksi yleisintä virhettä analytiikan kanssa ovat pelkkien kokonaislukujen katsominen ja liikenteen seuraaminen yhdistämättä sitä käyttäytymiseen. Kokonaiskäyntimäärä kertoo, kuinka moni saapui. Kävijöiden käyttäytymisdata kertoo, mitä he tekivät perille päästyään ja missä matka päättyi ennen kauppaa.
Mitkä mittarit näyttävät, miten kävijät liikkuvat kaupassasi?
Viisi mittaria antaa selkeimmän kuvan kävijöiden käyttäytymisestä ennen syvempää analyysia.
Poistumisprosentti
Poistumisprosentti tarkoittaa niiden istuntojen osuutta, joissa kävijä katsoo yhden sivun ja lähtee tekemättä mitään muuta. Korkea poistumisprosentti tuotesivulla tarkoittaa, että useimmat kävijät eivät viivy tarpeeksi kauan perehtyäkseen myytävään tuotteeseen. Yksittäisen sivun poistumisprosentti on hyödyllisempi kuin koko sivuston keskiarvo, koska syyt vaihtelevat sen mukaan, missä kävijät lähtevät ja mitä he todennäköisimmin etsivät.
Sivulla vietetty aika
Keskimääräinen sivulla vietetty aika näyttää, kuinka syvästi kävijät perehtyvät sisältöösi. Tuotesivu, jolla useimmat kävijät viipyvät alle viisitoista sekuntia, on sivu, jossa jokin karkottaa heidät heti tai ei pidä heidän huomiotaan. Hyvin pitkä aika sivulla ei aina tarkoita, että sivu toimii hyvin. Se voi tarkoittaa myös, että kävijät etsivät tietoa, jonka pitäisi olla selvästi esillä, eivätkä löydä sitä.
Vierityssyvyys
Vierityssyvyys näyttää, kuinka pitkälle sivua kävijät lukevat ennen lähtöä. Jos tuotearvostelusi tai tärkeät tekniset tiedot ovat siinä kohdassa, jonka alapuolelle kahdeksankymmentä prosenttia kävijöistä ei vieritä, sisältöä ei nähdä. Vierityssyvyys näyttää, mitkä elementit ovat siellä, minne useimmat kävijät eivät pääse, ja auttaa päättämään, kannattaako ne siirtää ylemmäs sivulla.
Poistumissivut
Poistumissivut ovat viimeiset sivut, jotka kävijät näkevät ennen lähtöään. Jos tuotesivu toistuu usein suosituimpien poistumissivujen joukossa, sillä sivulla on konversio-ongelma, joka kannattaa selvittää. Jos tilausvahvistussivusi on suosituin poistumissivu, se on odotettua. Poistumissivut kertovat, missä matkat päättyvät ja ovatko päätökset normaaleja vai merkki kitkasta.
Ostoskoriin lisäämisen osuus
Ostoskoriin lisäämisen osuus kertoo, kuinka suuri osa tuotesivun kävijöistä lisää tuotteen ostoskoriin. Se erottaa tuotteesta kiinnostuneet kävijät niistä, jotka lähtevät ilman kiinnostusta. Matala ostoskoriin lisäämisen osuus paljon liikennettä saavalla tuotesivulla on selvä merkki siitä, ettei sivu hoida tehtäväänsä, oli kyse sitten tekstistä, kuvista, hinnan selkeydestä tai puuttuvista tiedoista.
Miten suppiloanalyysi näyttää, missä kävijät putoavat pois?
Ostosuppilo on vaiheiden sarja, jonka kävijä käy läpi ensimmäisestä saapumisesta kauppaasi ostoksen päättymiseen. Useimmat analytiikkatyökalut antavat määritellä suppilon valitsemalla sarjan sivuja ja seuraavat sitten, kuinka moni kävijä siirtyy vaiheesta toiseen.
Tyypillinen verkkokaupan suppilo kulkee laskeutumissivun, tuotesivun, ostoskoriin lisäämisen, kassan ja tilausvahvistuksen kautta. Jokaisessa vaiheessa osa kävijöistä jatkaa ja osa lähtee. Suppiloanalyysi näyttää, kuinka suuria pudotukset ovat kussakin siirtymässä.
Suppiloanalyysin hyödyllisin anti on tarkkuus. Ei "konversioasteemme on matala" vaan "menetämme neljäkymmentä prosenttia kävijöistä tuotesivun ja ostoskorin välillä ja vielä kolmekymmentä prosenttia ostoskorin ja maksun välillä". Nämä ovat kaksi eri ongelmaa, jotka vaativat kaksi eri vastausta.
Kun tiedät, missä suurin pudotus on, tiedät, mihin kohdistat huomiosi ensin. Useimmissa kaupoissa suurimmat menetykset syntyvät tuotesivuilla ja kassalla. Tarkemmin siitä, mikä ajaa kävijät pois viimeisessä vaiheessa, voit lukea artikkelista miksi ostajat hylkäävät ostoskorinsa ja mitä voit tehdä asialle.
Mitä istuntotallenteet ja lämpökartat paljastavat, mitä mittarit eivät?
Mittarit kertovat, mitä tapahtui. Istuntotallenteet ja lämpökartat auttavat ymmärtämään, miksi.
Istuntotallenne on toisto todellisesta kauppasi käynnistä. Voit katsoa, missä kävijä liikutti kursoria, mitä hän napsautti, kuinka pitkälle hän vieritti ja missä hän pysähtyi ja lähti. Istuntotallenteet ovat yksi suorimmista tavoista ymmärtää kävijöiden käyttäytymistä, koska ne näyttävät kaupan käytön todellisen kokemuksen, eivät sen abstraktiota.
Tallenteesta etsit kitkaa. Kävijä, joka liikuttaa kursoria toistuvasti painikkeelle, joka ei ole siellä, missä hän odottaa. Kävijä, joka vierittää mobiilissa ostoskoriin lisäämisen painikkeen ohi, koska se ei näy sillä näytön koolla. Kävijä, joka lukee palautuskäytännön, sulkee sen ja hylkää sitten ostoskorin. Jokainen näistä havainnoista osoittaa jotain täsmällistä ja testattavaa.
Lämpökartat kokoavat käyttäytymisen monesta istunnosta yhdeksi kuvaksi. Napsautuslämpökartta näyttää, mihin kävijät napsauttavat useimmin. Jos he napsauttavat kuvaa, joka ei ole linkki, he odottivat sen olevan napsautettava. Vierityslämpökartta näyttää, kuinka pitkälle sivua useimmat kävijät lukevat. Jos suurin osa kävijöistäsi lopettaa vierittämisen ennen kuin pääsee tuotearvosteluihin, arvostelut eivät tee konversiotyötä, jota niiltä odotat. Niiden siirtäminen ylemmäs sivulla on yhden muutoksen korjaus, jonka lämpökarttadata tekee ilmeiseksi.
Miten liikenteen lähde vaikuttaa kävijöiden käyttäytymiseen kaupassasi?
Kaikki kävijät eivät toimi samalla tavalla, ja lähde, josta he tulevat, on yksi suurimmista kaupassasi käyttäytymiseen vaikuttavista tekijöistä.
Kävijällä, joka haki nimenomaan tuotteesi nimellä, on korkea ostoaikomus. Hän tietää, mitä etsii. Tehtäväsi on vahvistaa, että hän löysi oikean paikan, ja poistaa kaikki ostamisen esteet. Kävijällä, joka napsautti sisältösyötteessä laajaa tunnettuustavoitteen mainosta, ei välttämättä ollut aiempaa aikomusta ostaa. Hän tutustuu. Se, mitä hän tarvitsee tuotesivultasi, eroaa siitä, mitä korkean aikomuksen hakukävijä tarvitsee.
Käyttäytymismittareiden erittely liikenteen lähteen mukaan tuo nämä kaavat selvästi esiin. Tuotekohtaisista hauista tulevat luonnolliset hakukävijät viipyvät usein sivulla lyhyemmän ajan ja konversioaste on korkeampi, koska he saapuvat tietäen, mitä haluavat. Tunnettuuskampanjoista tulevat maksetun sosiaalisen median kävijät poistuvat useammin, etenkin jos laskeutumissivu ei vastaa heidät tuoneen mainoksen sävyä tai kuvitusta.
Kun kokonaiskonversioasteesi näyttää matalalta, erottele liikenne lähteen mukaan, ennen kuin päättelet tuotesivun olevan ongelma. Tuotesivu voi toimia hyvin korkean aikomuksen liikenteelle. Ongelma voi olla, että suuri osa maksetusta liikenteestäsi on matalan aikomuksen liikennettä ja päätyy sivulle, jota ei ole suunniteltu siihen vaiheeseen, jossa kävijä päätöksessään on.
Miten luet tuotesivujesi analytiikkaa?
Tuotesivuilla tehdään suurin osa ostopäätöksistä, ja niiden käyttäytymissignaalit ovat joitakin koko kauppasi informatiivisimmista tiedoista.
Katso tuotesivuja yksitellen äläkä kokonaisuutena. Parhaiten toimiva tuotesivusi on yksi vertailukohta. Huonoiten toimiva paljon liikennettä saava tuotesivusi on suurin mahdollisuutesi. Vertaa, mikä niissä on erilaista. Onko teksti pidempi? Onko kuvia enemmän? Onko asiakasarvosteluja? Onko hinnoittelu selkeämpää?
Tärkeimmät seurattavat signaalit jokaisella tuotesivulla ovat sivulla vietetty aika, vierityssyvyys, ostoskoriin lisäämisen osuus ja pudotus ostoskoriin lisäämisen ja kassan päättymisen välillä. Jokainen niistä rajaa, missä ongelma on. Matala ostoskoriin lisäämisen osuus viittaa siihen, ettei sivu vakuuta kävijöitä. Korkea ostoskoriin lisäämisen osuus yhdistettynä suureen kassapudotukseen viittaa siihen, että ongelma on kassakokemuksessa, ei itse tuotesivussa.
Yksityiskohtaisen oppaan siitä, mikä saa tuotesivut konvertoimaan, löydät artikkelista mikä tekee hyvästä tuotesivusta hyvän. Ostoskorin ja ostoksen välisen pudotuksen vähentämisestä kerrotaan artikkelissa miten suunnittelet kassasivun, joka vähentää pudotusta.
Miten erottelet työpöytä- ja mobiilikäyttäytymisen analytiikassasi?
Mobiili- ja työpöytäkävijät eivät toimi samalla tavalla. Jos käsittelet heitä analytiikassasi yhtenä yleisönä, piilotat ongelmia, jotka maksavat sinulle myyntiä.
Useimmat verkkokaupat saavat nykyään yli puolet liikenteestään mobiililaitteilta. Mobiilin konversioasteet ovat useimmissa kaupoissa matalampia. Tuo ero on todellista liikevaihtoa, mutta voit kaventaa sitä vain, jos näet, mistä se tulee.
Jaa käyttäytymisdata analytiikassasi laitetyypin mukaan. Tuotesivu, jonka työpöytäkonversioaste on hyväksyttävä, voi näyttää merkittävästi matalampaa mobiilikonversioastetta. Kun katsot nimenomaan mobiilikävijöiden istuntotallenteita, löydät usein syyn: painikkeet ovat liian pieniä napautettaviksi luotettavasti, tuotekuvat eivät skaalaudu oikein tai kassalomakkeet on vaikea täyttää pienellä näytöllä. Nämä ongelmat eivät näy, kun katsot kaikkien laitteiden yhdistettyä konversiodataa.
Oppaan siitä, mitä mobiilioptimointi tarkoittaa verkkokaupalle, löydät artikkelista miten teet verkkokaupastasi mobiiliystävällisen.
Miten käytät kävijöiden käyttäytymisdataa korjattavien asioiden tärkeysjärjestykseen?
Kun sinulla on käyttäytymisdataa monesta lähteestä, kuten suppiloanalyysista, istuntotallenteista, lämpökartoista ja sivukohtaisista mittareista, haasteeksi tulee päättää, mistä aloitat.
Luotettavin tapa on yhdistää kaksi mittaria: pudotuksen koko (kuinka moni kävijä vaikuttaa?) ja todisteiden laatu (kuinka selvästi data selittää syyn?). Tuotesivu, joka menettää kaksisataa kävijää viikossa ennen ostoskoriin lisäämistä ja jonka istuntotallenteissa kävijät vierittävät toistuvasti kuvauksen ohi pysähtymättä, on mahdollisuus, jossa luottamus ja vaikutus ovat korkeita. Kassasivu, joka menettää viisikymmentä kävijää viikossa ilman selvää käyttäytymissignaalia, on alemman prioriteetin kohde, kunnes keräät lisää todisteita.
Käyttäytymisanalyysin tavoite ei ole ymmärtää kaikkea kerralla. Se on rakentaa riittävästi varmuutta yhden täsmällisen muutoksen tekemiseen, sen mittaamiseen ja tuloksesta oppimiseen. Kehyksen näiden muutosten järjestelmälliseen testaamiseen löydät artikkelista mitä on konversio-optimointi ja miksi sillä on merkitystä.
Jos olet vasta rakentamassa analytiikan perustaa tällaisen analyysin tueksi, aloita artikkelista miten otat analytiikan käyttöön ja seuraat olennaista ensimmäisestä päivästä.
Näin WEMASY auttaa seuraamaan kävijöiden käyttäytymistä
WEMASYn Analytiikka ja oivallukset -työkalu seuraa käyntejä, liikenteen lähteitä ja sivukohtaista suorituskykyä sivustollasi ja kaupassasi. Näet, millä sivuilla kävijät aloittavat, miltä sivuilta he poistuvat ja miten eri liikenteen lähteet eroavat käyttäytymiseltään. Yhdessä WEMASYn verkkokauppajärjestelmän kanssa sinulla on tilausdata ja sivuston käyttäytyminen yhdessä paikassa ilman erillisten työkalujen yhdistämistä. Katso, mitä kukin paketti sisältää, hinnoittelusivulta.
Usein kysytyt kysymykset
Mikä ero on käynnillä ja istunnolla verkkokaupan analytiikassa?
Useimmissa analytiikkatyökaluissa istunto on yksi yhtäjaksoinen toiminnan jakso sivustollasi. Jos kävijä lähtee ja palaa kahden tunnin kuluttua, se lasketaan kahdeksi istunnoksi. Termi "käynti" tarkoittaa yleensä samaa asiaa. Ero on tärkeä konversioastetta laskettaessa. Jos käytät nimittäjänä istuntoja, palaava kävijä, joka selailee useita kertoja ennen ostoa, näkyy useana istuntona, mikä laskee konversioastettasi verrattuna siihen, että käyttäisit perustana yksittäisiä kävijöitä. WEMASYn sivustonrakentajalla voit tehdä tämän suoraan kauppaasi.
Mikä poistumisprosentti on liian korkea tuotesivulle?
Yleispätevää vertailuarvoa ei ole. Tuotesivu, jonka luonnollisten hakukävijöiden poistumisprosentti on seitsemänkymmentä, voi toimia hyvin, jos jäljelle jäävät kolmekymmentä prosenttia konvertoivat korkeasti. Absoluuttista lukua tärkeämpää on kehitys ajan myötä ja se, miten poistumisprosentti vertautuu kaupassasi vastaaviin sivuihin. Äkillinen poistumisprosentin nousu aiemmin vakaalla sivulla on selvempi signaali kuin luku, joka on aina ollut korkea.
Kuinka paljon liikennettä tarvitaan, ennen kuin istuntotallenteista on hyötyä?
Jo pieni määrä istuntotallenteita, kymmenestä kahteenkymmeneen todellisilta kävijöiltä tietyltä sivulta, voi paljastaa käytettävyysongelmia, jotka eivät näy kokonaisdatassa. Et tarvitse tuhansia istuntoja huomataksesi, että kävijät eivät löydä ostoskoriin lisäämisen painiketta mobiilissa tai että he napsauttavat kuvaa odottaen sen avautuvan isompana. Pienen tallennejoukon käyttäytymisoivallukset tuovat usein esiin ongelmia, joita pelkkä kuukauden analytiikkadata ei näyttäisi.
Voiko kävijöiden käyttäytymistä ymmärtää pelkällä kauppasi sisäänrakennetulla analytiikalla?
Useimmissa kaupoissa sisäänrakennettu analytiikka kattaa liikenteen lähteet, sivunäytöt, poistumisprosentin ja perussuppilodatan. Tämä riittää suppilosi suurimpien pudotuskohtien tunnistamiseen ja tuotesivujen suorituskyvyn vertailuun keskenään. Istuntotallenteet ja lämpökartat vaativat lisätyökaluja. Sisäänrakennettu data on oikea lähtökohta, ja se tuo esiin useimmat merkittävät ongelmat, ennen kuin tarvitset erikoistuneempaa analyysia.
Kuinka usein käyttäytymisanalytiikka kannattaa tarkistaa?
Konversiosuppilon, suosituimpien poistumissivujen ja ostoskoriin lisäämisen osuuden viikoittainen tarkistus antaa riittävän tiheyden äkillisten muutosten havaitsemiseen. Lämpökarttadatan ja liikenteen lähteiden käyttäytymisen kuukausitarkistukset auttavat seuraamaan kaavoja riittävän pitkällä aikavälillä, jotta näet merkityksellisiä suuntauksia. Päivittäinen tarkistus on harvoin hyödyllistä, ellet aktiivisesti suorita testiä ja seuraa, onko kauppasi suorituskyvyssä tapahtunut jotain muutosta.