Nyheter / 6 februari 2020

Mät och vinn!

Att inte bara mäta, utan att mäta rätt, är en förutsättning för framgångsrik e-handel. Det har blivit populärt att tala om en 360-graders vy av kunden, men i praktiken är detta svårt att åstadkomma. I denna bloggpost, och i vårt frukostseminarium nyligen, tittade vi närmare på ett par delar av mätningen och analysen och hur viktigt det är att förstå begränsningarna i verktygen samt några av de vanliga fällorna man kan falla i när man försöker följa upp sin dagliga e-handel.

Att sätta rätt mål

Genom marknadsundersökningar och omvärldsbevakning kan jag få en rätt bra uppfattning om hur stor potential det finns att sälja mina produkter och/eller tjänster på de marknader jag satsar på. Så ett första steg är att sätta ett rimligt försäljningsmål per tidsperiod. Affärssystemet är bästa källan till information om nuläge och historiska variationer över året. Sedan måste jag fundera på om jag ska satsa på att värva nya kunder eller sälja mer till befintliga. Det underlättar förstås om jag redan har ett lojalitetsprogram eller ett nyhetsbrev att använda för att bearbeta dessa. Konvertering är ett populärt mål att sätta, och det diskuteras ändlöst vad som är bra konvertering. Det enkla svaret är att om livstidsvärdet är det viktigaste målet så är det lika bra om en kund spenderar 1000 kr över 10 besök på din e-handel, som om hen gör det på första besöket (vilket är ovanligt!). Är det kortlivade kampanjer bör vi istället titta på hur många som konverterar direkt.

Fallgropar i Analytics

Innan vi går in på mätning och analys i Google Analytics (och liknande verktyg) måste vi varna för ett par fallgropar. En är konverteringsgrad - favoriten bland mätvärden. Som standard mäts denna per session, vilket innebär att man kan få en väldigt skev uppfattning om sin e-handel om man säljer lite dyrare produkter eller mer komplexa tjänster. I dessa fall är det ju normalt att göra många besök innan köp. Om en kund gör ett köp efter 10:e besöket är ju konverteringsgraden 100% på individnivå, men bara 10% sett till varje session. Det blir även svårt att följa en köpresa över flera “devices”, till exempel där kunden växlat mellan mobil och desktop. Anonymisering av användaren är också standard i Analytics. Så rådet blir här att alltid jämföra med affärssystemet för att få rättvisande data om återkommande köp, livstidsvärde etc på individnivå. En annan fallgrop är att vissa mer resurskrävande mätvärden (som till exempel laddningstid för sidor) bygger på en liten “sample” av besök - ofta 1%. Har du lite trafik kan värden alltså bli väldigt missvisande.

När du vill veta allt

E-handelsspårning i Analytics kan göras mer eller mindre avancerad, den rekommenderade versionen heter “Enhanced Ecommerce” och ger möjligheter att mäta det mesta, till exempel hur effektiva kategorilistningar är och detaljer i checkout-flödet. För att detta ska fungera måste man bygga ett så kallat datalager i frontend-koden för sin e-handel. Datalagret håller bland annat reda på vilka produkter som visas och hur besökaren interagerar med sidan. Data kan sedan trigga olika mätningar, ofta med hjälp av ett annat Google-verktyg, Google Tag Manager (GTM), vilket gör det möjligt att hantera delar av datalagret utan att behöva bygga om webbplatsen varje gång. GTM kan skicka data till flera mätverktyg samtidigt. Hotjar är ett annat populärt verktyg som kan visa heatmaps över musrörelser, klick och scrollbeteende. Alltså även “missar” i beteendet, som är svårt att mäta i Analytics. Man kan också spela in hela besök vilket kan vara särskilt användbart när man vill följa upp hur e-handeln fungerar i mobilen. Värt att komma ihåg i allt detta är att inte mäta sådant som inte direkt är kopplat till dina mål!

GTM och mätverktyg

Hypoteser och A/B-test

OK, nu har vi gjort en massa mätningar och ser indikationer på att vissa förbättringar skulle kunna göras. Vi bör då systematiskt sätta upp hypoteser. Dessa kan t ex vara “att visa 16 produkter på startsidan istället för 8” eller “vi kanske skulle ha ett enklare formulär där”. En populär metod är sedan att titta på 3 faktorer som hjälp i prioriteringen:

  1. Importance - Kommer en förbättring att göra stor eller liten skillnad på något av våra mål?
  2. Potential - Är det troligt att jag kan se någon skillnad i resultatet?
  3. Ease - Är det enkelt eller svårt rent tekniskt att testa? Finns det internt motstånd?

När man vaskat fram sina kandidater är det bara att designa sina alternativa lösningar och dra igång ett A/B-test. Ofta är detta enklare än man tror, speciellt om det rör sig om layoutförändringar. Sedan testar man över en lämplig tid (en månad minst) och tittar på resultatet. När detta blir en naturlig del av din e-handelsvardag har du kommit långt i din resa mot en bättre och lönsammare digital verksamhet.

/David Aler, strateg, och Caroline Kraus, analytiker

Läs också 5 principer till effektivt, digitalt affärsmannaskap med webbanalys.