Avancerad webbanalys: gå bortom grunderna

Ett företag som använder grundläggande analys ser konverteringsgraden sjunka från 3 % till 2,5 % och får panik. Skulden läggs på produkten, marknaden eller målgruppen. Ett företag med avancerad analys vet exakt vad problemet är: en knapp i kassan på mobilen blev 2 pixlar mindre, det påverkade 40 % av besökarna och kostade intäkter på ett mätbart sätt. Det är skillnaden mellan att gissa och att veta.

Avancerad analys går längre än att räkna besökare och sidvisningar. Den hittar mönster, förutser vad som kommer härnäst och förklarar varför saker händer. Grundläggande analys svarar på "hur många besökte oss?", medan avancerad analys svarar på "varför lämnade de?", "vem kommer att köpa?" och "vad händer om vi ändrar det här?"

Vad skiljer avancerad analys från grundläggande analys?

Titta på de flesta analysinstrumentpaneler och du hittar samma sak: trafiksiffror, konverteringsgrad, avhoppsfrekvens. Det är användbart. Men siffrorna svarar bara på en fråga. Gräver du djupare ser du att grundläggande och avancerad analys löser helt olika problem.

Grundläggande analys är beskrivande. Den berättar vad som hände. Du ser att 5 000 personer besökte sidan och att 125 konverterade. Du ser vilken trafikkälla som gav flest besökare. Du ser vilken sida som får mest trafik. Det är en grund, för du måste veta vad som hände. Men där tar det stopp.

Avancerad analys är diagnostisk och förutsägande. Ta de 5 000 besökarna. Avancerad analys frågar: vilket segment hade störst köpintention? Konverterade återkommande besökare i en annan takt än förstagångsbesökare? Vilka funktioner använde de som faktiskt köpte? Vilket mönster skiljer köpare från dem som hoppar av? Vilken kohort (gruppen som registrerade sig i januari jämfört med mars) är mest benägen att förnya? De här frågorna pekar på varför saker hände och vad som händer härnäst.

Effekten på verksamheten är stor. Ett företag som ser att konverteringen för mobilanvändare föll med 50 % på tisdagskvällen och återhämtade sig dagen därpå har hittat och löst problemet i tid. Ett företag som vet att användare från en viss källa spenderar 40 % mer per köp kan skapa samma förutsättningar för andra källor. Ett företag som kan förutse vilka kunder som kommer att lämna har tid att höra av sig och behålla dem. Det är inte gissningar. Det är precision.

Varför behöver du det?

Titta på vilken analysuppsättning som helst så hittar du samma problem: insikterna tar slut för tidigt. Du känner till dina viktigaste trafikkällor. Du känner till din konverteringsgrad. Du vet vilka sidor folk besöker mest. Men de flesta stannar där. De planar ut vid ungefär 80 % insikt och undrar sedan varför besluten fortfarande känns osäkra.

Frågan är inte om grundläggande analys är användbar (det är den). Frågan är om den svarar på de beslut du faktiskt fattar. Om beslutet är "ska vi lägga mer pengar på betalda annonser?" kan grundläggande analys ge svaret. Om beslutet är "vilken trafikkälla ger kunder som spenderar mer, tipsar andra och stannar längre?" räcker den inte. Det klarar avancerad analys.

Avancerad analys fångar också problem som ingen annan ser. Ett litet fel som bara drabbar mobilanvändare vissa dagar syns inte i grundläggande instrumentpaneler. En funktion som ökar retentionen i ett segment men inte i ett annat förblir dold. En konkurrent som sakta tar dina mest värdefulla kunder utlöser inga varningar. Avancerad analys bevakar de här mönstren hela tiden och lyfter fram dem innan de växer till stora problem.

Hur skiljer sig grundläggande och avancerad analys i praktiken?

Ta en konverteringstratt. Grundläggande analys visar bortfallet: 10 000 besökare når startsidan, 3 000 når prissidan, 800 kommer till kassan och 300 slutför köpet. Var försvann 7 000 personer? Instrumentpanelen säger inget om det. Avancerad analys delar upp tratten i segment: förstagångsbesökare mot återkommande besökare. Dator mot mobil. Trafikkälla A mot källa B. Plötsligt ser du att förstagångsbesökare på mobil som kommer från betalda annonser konverterar till 2 %, medan återkommande besökare på dator som kommer från organisk sökning konverterar till 8 %. Nu kan du agera: förbättra mobilupplevelsen för nya besökare, rikta annonspengarna mot besökare som ligger närmare ett köp och ta fram en strategi för att väcka intresset hos dem som besökt dig tidigare.

Ta retention. Grundläggande analys visar att du har 20 % retention efter en månad. Det är din siffra. Avancerad analys frågar: vilken kohort (registreringsmånad) har bäst retention? Vilka funktioner hänger ihop med högre retention? Vilket användarsegment (företagsstorlek, bransch, användningsfall) är mest benäget att stanna? Stannar kunder som når en viss milstolpe under första veckan längre? Med de svaren ändrar du din introduktion så att fler når den milstolpen. Retentionen förbättras. Det är skillnaden mellan att titta på ett mätvärde och att förbättra det.

Ta avvikelser. Grundläggande analys är passiv. Du tittar på instrumentpanelen och märker att något ser annorlunda ut. Avancerad analys är aktiv. Ett automatiskt system bevakar alla viktiga mätvärden, upptäcker när något ändras mer än det borde (konverteringen ner 15 % på en dag) och varnar dig innan du hunnit märka det själv. Sex timmars förlorade intäkter undviks eftersom du fick veta inom 30 minuter i stället för vid dagens slut.

När ska du gå bortom grundläggande analys?

Du behärskar grunderna. Du vet att din retention är 20 %. Du vet att din konverteringsgrad är 2,5 %. Du vet att dina tre största trafikkällor presterar olika. Men nu ställer du frågor som din instrumentpanel inte kan svara på: "Varför har användare från källa A 25 % retention när källa B bara har 15 %?" eller "Vilka funktioner ger högst kundvärde över tid?" De här frågorna kräver avancerad analys eftersom svaren inte finns i de grundläggande rapporterna. De ligger gömda i segment, filter och korsade data.

Du märker också att problemen blir mer subtila. I början är problemen uppenbara (sajten ligger nere, kassan fungerar inte). Men när du växer gömmer sig problemen. Ett visst steg i kassan är långsamt för användare på 4G-nätverk. En konkurrent vinner i tysthet över dina provanvändare. Introduktionen förvirrar användare under 25. Grundläggande verktyg ser inte de här nyanserade mönstren eftersom de tittar på sammanlagd data. Avancerad analys med segmentering, kohortspårning och trendanalys avslöjar dem.

Din storlek kan vara avgörande. Med 1 000 besökare i månaden spelar varje användare roll för sig. Med 100 000 besökare i månaden läser du mönster över tusentals människor. Ett litet mönster (0,1 % av besökarna drabbas av ett fel) blir statistiskt osynligt. Men det spelar ändå roll om det växer (0,1 % × 100 000 = 100 drabbade användare per månad). Avancerad analys hittar de här små men viktiga mönstren innan de växer.

Men det finns ett villkor: ni måste ha ett team som agerar på insikterna. Avancerad analys är meningslös om du upptäcker att kassan är långsam för mobilanvändare men ingen kan åtgärda det. Investera bara i avancerad analys om du har utvecklare, produktfolk eller marknadsförare som kan agera på det du hittar. Ett litet startup-bolag kanske inte har teamet ännu. Ett stort företag har det definitivt.

Vilka tekniker avslöjar mönster som grundläggande analys missar?

Avancerad analys är en uppsättning särskilda tekniker, var och en framtagen för att svara på en viss sorts fråga. Här är de fem som gör skillnad.

Kohortanalys: Dela in användare i grupper efter när de registrerade sig (januarikohort, februarikohort och så vidare) och följ varje grupps beteende över tid. Det visar om din produkt blir bättre eller sämre. Om januarikohorten har 20 % retention efter 30 dagar men junikohorten har 25 % blir du bättre på att behålla användare. Om retentionen sjunker från månad till månad har något ändrats (en funktion gick sönder, konkurrenterna blev bättre, introduktionen försämrades). Kohortanalys är ditt tidiga varningssystem.

Trattanalys: Kartlägg kundresan steg för steg (besök startsidan, läs artikel, ladda ned guide, ange e-post, registrera dig, första inloggningen). Mät hur stor andel av besökarna som tar sig igenom varje steg. Då ser du var de största tapparna finns. Kanske läser 10 000 besökare artikeln, 3 000 laddar ned guiden, 800 anger e-post och 300 registrerar sig. Mellan artikel och nedladdning förlorar du 7 000 personer. Där finns läckan. Åtgärda det steget så förbättrar du alla efterföljande steg.

Attributionsmodellering: När en kund konverterar, vilken kontaktpunkt ska få äran? Kunden kom från en betald annons, lämnade sidan, såg retargeting, kom tillbaka, läste ett blogginlägg, klickade på en nyhetsbrevsanmälan, fick ett mejl och köpte sedan. Vilket av stegen orsakade köpet? Grundläggande analys säger "det sista" (mejlet). Attributionsmodellering fördelar äran på alla utifrån deras faktiska effekt. Då ser du vilka marknadsföringsinsatser som verkligen fungerar, inte bara vilka som råkar ligga sist i tratten.

Segmentering: Din publik är inte en enda grupp. Förstagångsbesökare beter sig helt annorlunda än återkommande besökare. Mobilanvändare har andra behov än datoranvändare. Användare från olika trafikkällor har olika syften. Betalande kunder engagerar sig på ett annat sätt än gratisanvändare. Avancerad segmentering visar de här grupperna så att du kan anpassa budskap och upplevelse till var och en. Ett enda upplägg passar inte alla.

Retentionskurvor: Rita upp hur många användare som stannar över tid (dag 1, dag 7, dag 30, dag 90). Kurvans form visar om du har en lojal kärna. Ett brant fall som sedan planar ut? Då har du lojala användare. En jämn nedgång? Då är ingen riktigt trogen. Kurvan sammanfattar visuellt hur nöjda användarna är och hur väl produkten möter marknaden.

När är det dags att gå över till avancerad analys?

Du behärskar grunderna och behöver djupare svar. Du vet att din retention är 20 %. Du vet att din konverteringsgrad är 2,5 %. Du känner till dina tre största trafikkällor. Men nu ställer du frågor som: "Varför har användare från källa A 25 % retention när källa B bara har 15 %?" eller "Vilka funktioner ger högst kundvärde över tid?" De här frågorna kräver avancerad analys eftersom svaren inte finns i grundläggande instrumentpaneler. Du behöver segmentera, filtrera, korsa data och ibland bygga egna beräkningar. Om du ofta blir frustrerad över att instrumentpanelen inte kan svara på dina frågor är det dags att gå vidare.

Problemen blir mer subtila och dina grundläggande verktyg fångar dem inte. I början är problemen uppenbara (sajten ligger nere, kassan fungerar inte). Men när du mognar blir problemen dolda (ett visst steg i kassan är långsamt för användare på 4G-nätverk, en ny konkurrent vinner över dina provanvändare, eller introduktionen är förvirrande för användare under 25). Grundläggande verktyg ser inte de här nyanserade problemen. Avancerad analys med rätt segmentering, trendanalys och kohortspårning avslöjar dem.

Din storlek har nått en nivå där mönster spelar roll. Med 1 000 besökare i månaden spelar varje användare roll för sig. Med 100 000 besökare i månaden tittar du på mönster över tusentals människor. Små mönster (0,1 % av besökarna drabbas av ett fel) blir osynliga. Men de spelar ändå roll om de växer (0,1 % × 100 000 = 100 drabbade användare per månad, hundratals per år). Avancerad analys hittar de här små men viktiga mönstren innan de blir stora problem.

Du har teamet som kan agera på insikterna. Avancerad analys är meningslös utan handling. Om du upptäcker att kassan är långsam för mobilanvändare men ingen kan åtgärda det har du slösat tid. Investera bara i avancerad analys om du har utvecklare, produktfolk eller marknadsförare som kan agera på insikterna. Ett litet startup-bolag kanske inte har teamet ännu. Ett stort företag har det definitivt.

Effekten på verksamheten motiverar investeringen. Avancerad analys kostar: att anställa en analytiker (80 000-150 000 USD per år), att köpa avancerade verktyg (500-5 000 USD per månad) och att lägga veckor på uppsättning och utbildning. Om en förbättring av konverteringsgraden med 2 % ger 100 000 USD i extra intäkter per år är det rimligt att lägga 50 000 USD på avancerad analys (två års återbetalningstid). Om förbättringarna skulle bli små räcker grundläggande analys. Räkna ut avkastningen innan du binder dig.

Vanliga avancerade analystekniker och vad de avslöjar

Kohortanalys: förstå beteende över generationer av användare. Dela in användare i grupper efter när de kom (januarikohort, februarikohort och så vidare). Följ sedan varje kohorts beteende över tid. Det visar om din produkt blir bättre eller sämre. Om januarikohorten har 20 % retention efter 30 dagar men junikohorten har 25 % blir du bättre på att behålla användare. Om retentionen sjunker från månad till månad har något ändrats (en funktion gick sönder, konkurrenterna blev bättre, introduktionen försämrades). Kohortanalys är ditt tidiga varningssystem för att produkten försämras eller förbättras.

Trattanalys: hitta läckorna i din process. Kartlägg kundresan steg för steg (besök startsidan → läs artikel → ladda ned guide → ange e-post → registrera dig → första inloggningen). Mät sedan hur stor andel av besökarna som tar sig igenom varje steg. Du upptäcker att 10 000 besökare läser artikeln, 3 000 laddar ned guiden, 800 anger sin e-post, 300 registrerar sig och 150 loggar in första gången. Var tappar du folk? Mellan artikel och nedladdning? Mellan e-post och registrering? När du hittat den största läckan kan du åtgärda den. En förbättring på 5 % i ett enskilt steg förstärks genom alla efterföljande steg.

Attributionsmodellering: förstå vilka kontaktpunkter som faktiskt driver konverteringar. En besökare kommer från en betald annons, besöker din sajt, lämnar den, ser en retargetingannons, kommer tillbaka, läser ett blogginlägg, klickar på en nyhetsbrevsanmälan, får ett mejl och köper till slut. Vilken kontaktpunkt får äran för konverteringen? Grundläggande analys säger "den sista kontaktpunkten" (mejlet). Men den betalda annonsen startade resan. Retargetingen fick besökaren att komma tillbaka. Blogginlägget övertygade. Attributionsmodellering ger alla kontaktpunkter en andel utifrån deras faktiska effekt. Då ser du vilka marknadsföringsinsatser som verkligen fungerar, inte bara vilka som ligger sist i tratten.

Segmentering: upptäck att din publik inte är en enda grupp. Du tror att alla besökare är likadana, men det är de inte. Förstagångsbesökare beter sig helt annorlunda än återkommande besökare. Mobilanvändare har andra behov än datoranvändare. Användare från olika trafikkällor har olika syften. Betalande kunder engagerar sig på ett annat sätt än gratisanvändare. Avancerad segmentering visar de här grupperna så att du kan anpassa budskap och upplevelse till var och en. Ett enda upplägg passar inte alla, och segmentering bevisar det.

Retentionskurvor: se hela livslängden för en användare. Rita upp retentionen över tid (dag 1, dag 7, dag 30, dag 90). Du får en retentionskurva som visar användarnas beteendemönster. Faller retentionen snabbt i början och planar sedan ut (de flesta besökare lämnar, men de lojala stannar)? Eller sjunker den jämnt (ingen tydlig lojal grupp)? Kurvans form visar om du har en produkt som passar marknaden. Ett brant fall följt av en jämn linje är faktiskt friskt, eftersom det betyder att du har en kärna av lojala användare. En jämn nedgång betyder att ingen riktigt stannar. Kurvan är en visuell sammanfattning av hur nöjda användarna är.