A boltodba érkező látogatók és a keletkező rendelések száma közötti rés nem véletlen. Van oka. A látogatói viselkedés elemzése az eszközök és módszerek összessége, amelyekkel ezeket az okokat megtalálhatod.
Mit mutat a webshop látogatói viselkedésének elemzése?
A viselkedési adat olyan kérdésre felel, amelyre a bevételi számok egyedül nem tudnak. Nem csak arra, hányan vásároltak, hanem arra is, mit csinált minden olyan látogató, aki nem vásárolt.
Ha az analitika viselkedési rétegét nézed, azt az utat látod, amely a látogató érkezése és a döntése között van. Mennyi ideig maradt a termékoldalon? Legörgetett az aljáig? Betette a kosárba, aztán megállt a fizetésnél? Fizetett hirdetésből érkezett, és három másodpercen belül elment? Mindegyik jel valami konkrétra mutat abból, hol romlik el az élmény.
A boltok két leggyakoribb hibája az analitikával, hogy csak az összesített számokat nézik, és úgy ellenőrzik a forgalmat, hogy nem kapcsolják a viselkedéshez. Az összes látogatás azt mondja meg, hányan érkeztek. A látogatói viselkedési adat azt, mit csináltak, amikor odaértek, és hol ért véget az útjuk eladás nélkül.
Mely mutatók mutatják, hogyan mozognak a látogatók a boltodban?
Öt mutató adja a legvilágosabb képet a látogatói viselkedésről, mielőtt mélyebb elemzést építenél rá.
Visszafordulási arány
A visszafordulási arány azoknak a munkameneteknek a százaléka, amelyekben a látogató egy oldalt néz meg, és minden további interakció nélkül elhagyja azt. Egy termékoldal magas visszafordulási aránya azt jelenti, hogy a legtöbb látogató nem marad elég sokáig ahhoz, hogy foglalkozzon azzal, amit árulsz. Az egyes oldalak szerinti visszafordulási arány hasznosabb, mint a teljes oldalra vett átlag, mert az okok attól függnek, hol történik a lemorzsolódás, és mit kerestek a látogatók valószínűleg.
Az oldalon töltött idő
Az oldalon töltött átlagos idő megmutatja, mennyire mélyen foglalkoznak a látogatók a tartalmaddal. Az a termékoldal, ahol a legtöbb látogató tizenöt másodpercnél kevesebbet tölt, olyan oldal, ahol valami azonnal elriasztja őket, vagy nem tartja fenn a figyelmüket. A nagyon hosszú idő sem mindig jelenti, hogy az oldal jól működik. Azt is jelentheti, hogy a látogatók olyan információt keresnek, aminek egyértelműnek kellene lennie, és nem találják meg.
Görgetési mélység
A görgetési mélység megmutatja, meddig olvassák az oldalt a látogatók, mielőtt elmennek. Ha a termékértékelések vagy a legfontosabb műszaki adatok ott vannak, ahol a látogatók nyolcvan százaléka már nem görget tovább, azt a tartalmat nem látják. A görgetési mélység megmutatja, mi van azon a ponton túl, ameddig a legtöbb látogatód eljut, és segít eldönteni, érdemes-e följebb tenni.
Kilépési oldalak
A kilépési oldalak az utolsó oldalak, amelyeket a látogatók látnak, mielőtt elmennek. Ha egy termékoldal ismétlődően a legtöbbször kilépési oldalként jelenik meg, annak az oldalnak konverziós problémája van, érdemes utánajárni. Ha a rendelés-visszaigazoló oldal a leggyakoribb kilépési oldal, az várt viselkedés. A kilépési oldalak megmutatják, hol érnek véget az utak, és hogy ezek a végek normálisak-e, vagy súrlódás jelei.
Kosárba tételi arány
A kosárba tételi arány azt méri, a termékoldalon járó látogatók hány százaléka teszi a terméket a kosarába. Ez elválasztja azokat, akik foglalkoznak a termékkel, azoktól, akik érdeklődés nélkül távoznak. Egy nagy forgalmú termékoldal alacsony kosárba tételi aránya egyértelmű jel, hogy maga az oldal nem végzi a dolgát, legyen szó a szövegről, a képekről, az árak érthetőségéről vagy hiányzó információról.
Hogyan mutatja meg a tölcsérelemzés, hol morzsolódnak le a látogatók?
A vásárlási tölcsér azoknak a lépéseknek a sorozata, amelyeken a látogató az első érkezéstől a vásárlás befejezéséig végighalad. A legtöbb analitikai eszköz lehetővé teszi, hogy megadd a tölcsért az oldalak sorrendjével, aztán követi, hányan jutnak el az egyik lépésről a következőre.
Egy tipikus webshop-tölcsér a nyitóoldalon, a termékoldalon, a kosárba tételen, a pénztáron és a rendelés-visszaigazoláson megy át. Minden lépésnél néhány látogató halad tovább, néhány elmegy. A tölcsérelemzés megmutatja, mekkora a lemorzsolódás az egyes átmeneteknél.
A tölcsérelemzés leghasznosabb ajándéka a pontosság. Nem az, hogy „alacsony a konverziós arányunk”, hanem az, hogy „a látogatók negyven százalékát elveszítjük a termékoldal és a kosár között, további harminc százalékot a kosár és a fizetés között”. Ez két különböző probléma, két különböző választ igényel.
Ha tudod, hol a legnagyobb a lemorzsolódás, tudod, hová irányítsd először a figyelmedet. A legtöbb boltnál a legnagyobb veszteség a termékoldalakon és a pénztárnál van. Ha közelebbről szeretnéd látni, mi tereli el a látogatókat az utolsó lépésnél, olvasd el a miért hagyják el a vásárlók a kosarukat, és mit tehetsz ellene című cikket.
Mit mutatnak a munkamenet-felvételek és a hőtérképek, amit a mutatók nem?
A mutatók azt mondják meg, mi történt. A munkamenet-felvételek és a hőtérképek segítenek megérteni, miért.
A munkamenet-felvétel egy valódi bolti látogatás visszajátszása. Láthatod, hová mozgatta a látogató a kurzort, mire kattintott, meddig görgetett, és hol állt meg és ment el. A munkamenet-felvételek a látogatói viselkedés megértésének legközvetlenebb módjai közé tartoznak, mert a bolt használatának tényleges élményét mutatják, nem annak absztrakcióját.
A felvételeken a súrlódást keresed. Egy látogató, aki ismételten arra a gombra mozgatja a kurzort, amely nem ott van, ahol várná. Egy látogató, aki mobilon elgörget a kosárba tétel gombja mellett, mert az a képernyőmérettel nem látszik. Egy látogató, aki elolvassa a visszaküldési szabályzatot, bezárja, majd elhagyja a kosarat. Mindegyik megfigyelés valami konkrétra és tesztelhetőre mutat.
A hőtérképek sok munkamenet viselkedését egyetlen képbe sűrítik. A kattintási hőtérkép megmutatja, hová kattintanak a látogatók a legtöbbször. Ha egy olyan képre kattintanak, amely nem link, arra számítottak, hogy kattintható. A görgetési hőtérkép megmutatja, meddig olvassák az oldalt a látogatók többsége. Ha a látogatóid többsége azelőtt abbahagyja a görgetést, hogy a termékértékelésekhez érne, ezek az értékelések nem végzik el azt a konverziós munkát, amit tőlük vársz. Följebb tenni őket egyetlen változtatás, amit a hőtérkép adatai nyilvánvalóvá tesznek.
Hogyan befolyásolja a forgalmi forrás a látogatók viselkedését a boltodban?
Nem minden látogató viselkedik egyformán, és az, honnan érkeznek, az egyik legnagyobb tényező, amely a viselkedésüket alakítja a boltodban.
Az a látogató, aki kifejezetten a terméked nevére keresett rá, erős vásárlási szándékkal érkezik. Tudja, mit keres. A te dolgod megerősíteni, hogy jó helyre jutott, és elhárítani minden akadályt a vásárlás elől. Az a látogató, aki egy tartalomfolyamban kattintott egy általános ismertségi hirdetésre, lehet, hogy korábban nem is akart vásárolni. Böngészik. Más kell neki a termékoldaladtól, mint az erős szándékú kereső látogatónak.
A viselkedési mutatók forgalmi forrás szerinti bontása világosan megmutatja ezeket a mintákat. A termékspecifikus kereséseket végző organikus látogatók gyakran rövidebb időt töltenek az oldalon, és magasabb a konverziós arányuk, mert tudják, mit akarnak. Az ismertségi kampányokból érkező fizetett közösségi médiás látogatók gyakrabban fordulnak vissza, főleg ha a nyitóoldal hangvétele vagy képi világa nem illik a hirdetéséhez, amely odavezette őket.
Ha az összesített konverziós arányod alacsonynak látszik, bontsd szét a forgalmat forrás szerint, mielőtt arra jutsz, hogy a termékoldal a hibás. Lehet, hogy a termékoldal jól teljesít az erős szándékú forgalomnál. A gond az lehet, hogy a fizetett forgalmad nagy része gyenge szándékú, és olyan oldalra érkezik, amelyet nem a látogató döntési folyamatának adott pontjához terveztek.
Hogyan olvasd a termékoldalak analitikáját?
A termékoldalakon születik a legtöbb vásárlási döntés, és az itteni viselkedési jelek a bolt legbeszédesebb adatai közé tartoznak.
A termékoldalakat egyenként nézd, ne összesítve. A legjobban teljesítő termékoldalad egy mérce. A legrosszabbul teljesítő, nagy forgalmú termékoldalad a legnagyobb lehetőséged. Hasonlítsd össze, mi a különbség köztük. Hosszabb a szöveg? Több a kép? Vannak vásárlói értékelések? Érthetőbb az ár?
A legfontosabb jelek, amelyeket minden termékoldalon érdemes követni: az oldalon töltött idő, a görgetési mélység, a kosárba tételi arány, valamint a kosárba tétel és a vásárlás befejezése közötti lemorzsolódás. Mindegyik szűkíti, hol a gond. Az alacsony kosárba tételi arány azt sugallja, hogy az oldal nem győzi meg a látogatókat. A magas kosárba tételi arány magas pénztári lemorzsolódással azt, hogy a gond a pénztári élményben van, nem magán a termékoldalon.
Részletes útmutatót arról, mitől lesz egy termékoldal konvertáló, a mitől jó egy termékoldal cikkben találsz. A kosár és a vásárlás közötti lemorzsolódás csökkentéséről a hogyan tervezz olyan pénztároldalt, amely csökkenti a lemorzsolódást cikk szól.
Hogyan választod szét az asztali és a mobilos viselkedést az analitikában?
A mobilos és az asztali látogatók nem viselkednek egyformán. Ha egy közönségként kezeled őket az analitikádban, elrejted azokat a problémákat, amelyek eladásokba kerülnek.
A legtöbb webshop ma a forgalma több mint felét mobilról kapja. A mobilos konverziós arány a legtöbb boltnál alacsonyabb. Ez a különbség valós bevételt jelent, de csak akkor zárhatod be, ha látod, honnan származik.
Az analitikádban szegmentáld a viselkedési adatokat eszköztípus szerint. Az az oldal, amelynek elfogadható az asztali konverziós aránya, jelentősen alacsonyabb mobilos konverziós arányt mutathat. Ha kifejezetten a mobilos látogatók munkamenet-felvételeit nézed, gyakran megtalálod az okot: túl kicsi gombok, amelyeket nem lehet megbízhatóan megérinteni, nem megfelelően skálázódó termékképek, vagy kis képernyőn nehezen kitölthető pénztári űrlapok. Ezek a problémák láthatatlanok, ha az összes eszköz összevont konverziós adatait nézed.
Útmutatót arról, mit jelent egy online bolt mobilra optimalizálása, a hogyan legyen az online boltod mobilbarát cikkben találsz.
Hogyan használd a látogatói viselkedési adatokat, hogy eldöntsd, mit javíts először?
Ha több forrásból van viselkedési adatod, köztük tölcsérelemzésből, munkamenet-felvételekből, hőtérképekből és oldalszintű mutatókból, a kihívás az lesz, hol kezdj.
A legmegbízhatóbb megközelítés két mérték kombinálása: a lemorzsolódás mérete (hányan érintettek?) és a bizonyíték minősége (mennyire világosan magyarázza az adat az okot?). Egy olyan termékoldal, amely hetente kétszáz látogatót veszít el, mielőtt kosárba tennének, és a munkamenet-felvételeken a látogatók következetesen megállás nélkül görgetnek el a leírás mellett, nagy biztonságú, nagy hatású lehetőség. Egy olyan pénztároldal, amely hetente ötven látogatót veszít, egyértelmű viselkedési jel nélkül, kisebb prioritású, amíg nem gyűjtesz több bizonyítékot.
A viselkedéselemzés célja nem az, hogy mindent egyszerre megérts. Hanem az, hogy elég biztonságot építs ahhoz, hogy egyetlen konkrét változtatást végrehajts, megmérd, és tanulj az eredményből. Keretet ezeknek a változtatásoknak a rendszeres teszteléséhez a mi a konverzióoptimalizálás, és miért fontos cikkben találsz.
Ha még csak építed az analitikai alapot ehhez az elemzéshez, kezdd a hogyan állítsd be az analitikát, és kövesd az első naptól, ami számít cikkel.
Hogyan segít a WEMASY a látogatói viselkedés követésében
A WEMASY weboldalépítőben felépítheted a boltod oldalait. Az Analitika & betekintések és a webshop oldalán további részleteket találsz. A csomagok tartalmát az árak oldalán nézheted meg.
Gyakran ismételt kérdések
Mi a különbség a látogatás és a munkamenet között a webshop-analitikában?
A legtöbb analitikai eszközben a munkamenet az oldaladon végzett tevékenység egyetlen folyamatos időszaka. Ha a látogató elmegy, és két óra múlva visszajön, az két munkamenetnek számít. A „látogatás” kifejezés jellemzően ugyanazt a fogalmat jelöli. A különbség akkor számít, amikor a konverziós arányt számolod. Ha a munkameneteket használod nevezőként, egy visszatérő látogató, aki többször böngészik vásárlás előtt, több munkamenetként jelenik meg, ami alacsonyabb konverziós arányt ad, mintha az egyedi látogatókat vennéd alapul. A WEMASY weboldalépítőjével ezt közvetlenül a boltodon is beállíthatod.
Mekkora visszafordulási arány számít túl magasnak egy termékoldalnál?
Nincs általános mérce. Egy olyan termékoldal, amelynek hetven százalék a visszafordulási aránya az organikus keresőből érkező látogatóknál, jól teljesíthet, ha a megmaradó harminc százalék magas arányban vásárol. Az abszolút számnál fontosabb az idővel mutatott trend, és hogy a visszafordulási arány hogyan viszonyul a saját boltod hasonló oldalaihoz. Egy korábban stabil oldal hirtelen megnövekedett visszafordulási aránya világosabb jel, mint egy mindig is magas szám.
Mennyi forgalom kell ahhoz, hogy a munkamenet-felvételek hasznosak legyenek?
Már kevés munkamenet-felvétel is, tíz-húsz valódi látogatótól egy adott oldalon, felfedhet olyan használhatósági problémákat, amelyek az összesített adatokban láthatatlanok. Nem kell több ezer munkamenet ahhoz, hogy kiderüljön: a látogatók mobilon nem látják a kosárba tétel gombot, vagy rákattintanak egy képre, abban a hitben, hogy az nagyobb nézetben megnyílik. A kis felvételminta viselkedési tanulságai gyakran olyan problémákat hoznak felszínre, amelyeket egy hónapnyi analitikai adat önmagában nem mutatna meg.
Megérthető a látogatói viselkedés csak a bolt beépített analitikájával?
A legtöbb boltnál a beépített analitika lefedi a forgalmi forrásokat, az oldalmegtekintéseket, a visszafordulási arányt és az alap tölcséradatokat. Ez elég ahhoz, hogy azonosítsd a tölcsér legnagyobb lemorzsolódási pontjait, és összevesd a termékoldalak teljesítményét egymással. A munkamenet-felvételekhez és a hőtérképekhez további eszközök kellenek. A beépített adat a megfelelő kiindulópont, és a legtöbb jelentős problémát felszínre hozza, mielőtt specializáltabb elemzésre lenne szükséged.
Milyen gyakran érdemes átnézni a viselkedési analitikát?
A konverziós tölcsér, a leggyakoribb kilépési oldalak és a kosárba tételi arány heti áttekintése elég gyakori ahhoz, hogy észrevedd a hirtelen változásokat. A hőtérkép-adatok és a forgalmi források viselkedésének havi áttekintésével elég hosszú időablakban követheted a mintákat, hogy értelmes trendeket láss. A napi ellenőrzés ritkán hasznos, kivéve, ha éppen tesztet futtatsz, és figyeled, változott-e valami a bolt teljesítményében.