Megnézted az analitikádat. A forgalom 20%-kal nőtt. A konverziók változatlanok. Tudod, mi történt (leíró), tudod, miért (diagnosztikai), meg tudod jósolni a jövő hónapot (előrejelző). De még mindig nem tudod, mit kellene tenned.
Az ajánló analitika erre a kérdésre válaszol: ha mindent tudsz az adataidról, milyen konkrét lépést tegyél? Ez a cikk bemutatja, hogyan működik az ajánló analitika, és mikor segít jobb döntéseket hozni.
Az ajánló analitika az adataidat használja konkrét lépések javaslatára. Túllép a „mi történt", a „miért történt" és a „mi fog történni" kérdéseken. Azt mondja meg: „ezt kellene tenned."
Az analitika három típusa egymásra épül: a leíró megmondja a tényt, a diagnosztikai megmagyarázza, az előrejelző megjósolja a jövőt. Az ajánló azt mondja: „Ezek után optimalizálj erre az eredményre. Ezt csináld."
Egy weboldal-tulajdonosnak az ajánló analitika a különbség aközött, hogy érted az adataidat, és hogy magabiztosan cselekszel is rájuk.
Miben különbözik az ajánló analitika a többitől
A leíró analitika megmutatja, hogy ezen a héten 500 látogató jött. A diagnosztikai megmutatja, hogy 350 egy általad közzétett blogbejegyzésből érkezett. Az előrejelző megjósolja, hogy a jövő héten 600 látogató lesz, ha a forgalom tovább nő.
Az ajánló analitika azt mondja: „A blogról érkező látogatóid konverziós aránya 8%. A közvetlenül érkezőké 2%. A célod 100 konverzió ebben a hónapban. Építs a blogforgalomra, vágd vissza a fizetett hirdetéseket." Ez konkrét javaslat az adataid alapján.
Ajánló gondolkodás nélkül tényeid és előrejelzéseid vannak, de nincs döntési kereted. Vele az adatok afelé mutatnak, ami tényleg számít.
Az ajánlások mögötti logika
Az ajánló analitika úgy működik, hogy feltesz egy kérdést: „Milyen eredményt akarok?" Aztán visszafelé halad.
1. lépés: Határozd meg világosan a célt
Mire optimalizálsz? Több bevételre? Több érdeklődőre? Magasabb konverziós arányra? Alacsonyabb visszafordulási arányra? El kell nevezned a célt, mielőtt az adatok javasolhatják, hogyan jutsz el oda.
Sok weboldal-tulajdonos ezt kihagyja. Világos cél nélkül nézik az analitikát. Ez olyan, mintha azt kérdeznéd: „mit tegyek?", anélkül hogy megmondanád, „mi érdekében?" A válasz mindig más, attól függően, mire optimalizálsz.
2. lépés: Azonosítsd, mi hajtja valójában az eredményt
Ha a célod havi 100 érdeklődő, és most 50-et kapsz, mi hozza az érdeklődőket? Az űrlapküldések. Hol történnek az űrlapküldések? A kapcsolat oldalon és a céloldalakon. Ki tölti ki az űrlapokat? A keresésből érkező látogatók (6%-os konverzió) szemben a hirdetésekből érkezőkkel (2%-os konverzió).
A lebontással azonosítod, mi számít valójában: a keresési forgalom jobban konvertál. Több érdeklődőhöz több keresési forgalom kell.
3. lépés: Javasolj olyan lépéseket, amelyek elmozdítják a mutatót
Most már tehetsz ajánlásokat: tegyél közzé több SEO-barát tartalmat (keresési forgalmat hoz), javítsd a kapcsolat oldalt (növeli az űrlapkitöltést), vagy állítsd le a gyengén teljesítő hirdetéseket (megszünteted a pazarlást az alacsonyan konvertáló forgalmon).
Minden ajánlás az adataidon keresztül közvetlenül kapcsolódik a célodhoz.
Hogyan néznek ki valójában az ajánlások
Az ajánló analitika nem varázslat. Strukturált gondolkodás az adataidról. Itt vannak valós példák.
Ajánlás: növeld a legjobb forrásodból érkező forgalmat
Az adataid szerint: az organikus keresésből érkező látogatók 5%-ot konvertálnak, a fizetett hirdetések 2%-ot, a hivatkozási forgalom 8%-ot.
Javaslat: összpontosíts a hivatkozási forgalomra. Az konvertál a legjobban. Építs több partnerséget, kérd, hogy említsenek más oldalakon, vagy készíts megosztásra érdemes tartalmat.
Ajánlás: javítsd meg a hibás oldalt
Az adataid szerint: a látogatók 3 percet töltenek a kezdőlapodon, 90 másodpercet az árazási oldalon, 45 másodpercet az összehasonlító oldalon.
Diagnózis: az összehasonlító oldalról túl gyorsan mennek el az emberek. Javaslat: írd át azt az oldalt. Tedd világosabbá az összehasonlítást. Elveszíted az érdeklődő látogatókat.
Ajánlás: ne pazarolj pénzt arra, ami nem működik
Az adataid szerint: az A kampány kattintásonként 2 dollárba kerül, és 3%-ot konvertál. A B kampány kattintásonként 1 dollárba kerül, és 0,5%-ot konvertál.
Javaslat: állítsd le a B kampányt. Olcsóbb, de nem működik. Minden dollár, amelyet a B kampányra költesz, olyan dollár, amelyet nem az A kampányra költesz, amely valóban bevételt termel.
Ajánlás: tesztelj, mielőtt skáláznál
Az adataid szerint: az A hírlevélből érkező látogatók 15%-ot kattintanak tovább. A B hírlevélből érkezők 4%-ot.
Javaslat: az A hírlevélbe érdemes fektetni. Mielőtt skáláznád, teszteld, mi történik, ha gyakrabban vagy nagyobb listára küldöd. A kis teszted működik; óvatosan bővítsd, és figyeld a mutatókat.
Az ajánló analitika korlátai
Az ajánló analitika erős, de vannak határai. Ismerd meg őket, hogy ne bízz túl az ajánlásokban.
Az adatok csak azt javasolhatják, amit mérni tudnak
Az analitikád nem tudja mérni, hogyan hat egy új termék, amelyet egy versenytárs indít, egy piaci elmozdulás vagy az ügyfélhangulat változása. Az ajánlások jól működnek a weboldaladon belül. Kevésbé működnek az adataidon kívüli külső tényezőknél.
A múltbeli minták nem garantálják a jövőbeli sikert
Az adataid szerint a blogforgalom ma remekül konvertál. Ez nem jelenti, hogy mindig így lesz. A keresési algoritmusok változnak. Az iparágad eltolódik. A múltbeli adatokon alapuló ajánlás téves lehet, ha megváltoznak a körülmények.
Mindig teszteld az ajánlásokat, mielőtt mindent rájuk tennél fel.
Az egyik célra való optimalizálás árthat a másiknak
Az adatok szerint: „A konverzió a célod, ezért csökkentsd a visszafordulási arányt." Megnehezíted az alkalmi látogatók távozását (kilépési lehetőségek eltávolítása, felugró ablakok hozzáadása). A konverziók nőnek, de a márkád hírneve megsínyli a bosszantott felhasználókat.
Az ajánló analitika azt optimalizálja, amit mérsz. Nem veheti figyelembe azt, amit nem mérsz.
A jó adatokhoz jó kérdések kellenek
Szemét be, szemét ki. Ha a célod homályos („javítsuk a teljesítményt"), vagy az adataid hiányosak (valami fontosat nem követsz), az ajánlások megbízhatatlanok lesznek.
Hogyan gondolkodj ajánló módon bonyolult eszközök nélkül
Nincs szükséged cifra szoftverre ahhoz, hogy ajánló módon gondolkodj. Tiszta gondolkodás kell.
Írd le a célodat
Nem azt, hogy „növeljük a vállalkozást". Valami konkrétat: „emeljük a havi bevételt 5000 dollárról 7500 dollárra" vagy „csökkentsük a visszafordulási arányt 60%-ról 45%-ra."
Kérdezd meg: mi hajtja ezt a célt?
A bevételnél: mi konvertál? Ki konvertál a legjobban? Honnan jönnek?
A visszafordulási aránynál: mely oldalakon magas? Ki megy el először? Miben különböznek az alacsony visszafordulású oldalak?
Használd az adataidat a válaszhoz
Futtass egy egyszerű jelentést. Szegmentáld a forgalmadat. Hasonlítsd össze a mutatókat. A legnagyobb emelőt keresed: azt a változtatást, amely a legjobban elmozdítja a célodat.
Javasold a lépést
Amit találtál, annak alapján mit kellene tenned? Többet abból, ami működik, kevesebbet abból, ami nem, vagy javítsd, ami elromlott.
Ez az ajánló analitika. Nincs szükség bonyolult eszközökre.
Mikor számít a legtöbbet az ajánló analitika
Az ajánló gondolkodás akkor a legértékesebb, ha kevés az időd vagy a költségvetésed. Nem csinálhatsz mindent. Az adatok megmondják, mit helyezz előtérbe.
1000 dollárod van marketingre. Az ajánló analitika azt mondja: „Az adataid szerint a blogforgalom kétszer jobban konvertál, mint a hirdetések. A blog növelésére költs, ne hirdetésre." Ez világos irány.
Egy heted van a konverziók javítására. Az ajánló analitika azt mondja: „A fizetési oldalon 40% a lemorzsolódás. A termékoldalon 2%. Javítsd a fizetést." Tudod, hova összpontosíts.
Ajánló gondolkodás nélkül találgatsz. Vele az adataid afelé mutatnak, ami a legfontosabb.
Gyakran ismételt kérdések
Különbözik az ajánló analitika az előrejelző analitikától?
Igen. Az előrejelző megmondja, mi fog történni (500 látogató a következő hónapban). Az ajánló megmondja, mit tegyél ez ügyben (a blogforgalomra összpontosíts, mert jobban konvertál). Az előrejelző a jövőt jósolja, az ajánló lépéseket javasol. A WEMASY weboldalépítőjével ezt közvetlenül a weboldaladon beállíthatod.
Kellenek külön eszközök az ajánló analitikához?
Nem. Bármelyik analitikai rendszer, amely lehetővé teszi az adatok szegmentálását és a mutatók összehasonlítását, támogatja az ajánló gondolkodást. A WEMASY analitikájával forrás szerint bonthatod a látogatókat, összehasonlíthatod a konverziós arányokat, és láthatod, mely oldalak konvertálnak a legjobban. Ennyi elég.
Mi van, ha az ajánló analitika olyat javasol, ami ellentmond a megérzésemnek?
Teszteld. Lehet, hogy a megérzésed igaz, az adataid pedig hiányosak vagy félrevezetők. De ha az ajánlás világos adatokból jön, megéri letesztelni, mielőtt elutasítod. Az adatok gyakran olyan mintákat tárnak fel, amelyeket megérzésből nem látunk.
Mondhatja az ajánló analitika, hogy tegyek valami etikátlant?
Az adatok olyat is javasolhatnak, ami maximalizálja a célodat, az etikát figyelmen kívül hagyva. Te vagy az ember; te alkalmazod az ítélőképességet. Ha az adatok azt mondják, hogy „a manipulatív tervezési trükkök növelik a konverziót", neked kell eldöntened, ilyen növekedést akarsz-e. Az ajánló analitika eszköz; te felelsz azért, hogyan használod.
Milyen gyakran frissítsem az ajánlásaimat?
Legalább havonta. Az adataid folyamatosan változnak. Az ajánlás, amely a múlt hónapban helyes volt, ebben a hónapban téves lehet, ha változtak a forgalmi forrásaid, vagy véget ért egy kampány. Rendszeresen nézd át és frissítsd.
Mi van, ha több egymással versengő célom van?
Választanod kell egyet az optimalizáláshoz, vagy súlyozást kell megadnod. Nem maximalizálhatod a bevételt és minimalizálhatod a költségeket egyszerre, ha ütköznek. Az ajánló analitika világos elsődleges céllal működik a legjobban. A másodlagos célok kompromisszumok.