Facebooktwitterredditpinterestlinkedinmailby feather

In de vorige blog heb ik de basisbeginselen van de user-id functionaliteit stap-voor-stap met je doorgenomen. Vandaag gaan we de basisbeginselen toepassen met 6 praktijkvoorbeelden om actiegerichte inzichten te halen uit de user-id weergave.  Kortom: hoe vertaal je de data uit de user-id weergave naar concrete informatie?

Ik heb deze 6 praktijkvoorbeelden onderverdeeld in onderstaande categorieën:

  1. Winkelwagen – en check-out verlaters voor een e-mail campagne;
  2. De conversiewaarde per klant om het rendement van je campagnes te bepalen.
  3. Micro-segmenten om de conversiewaarde van je e-mail campagne te bepalen.
  4. Bonus: Handleiding individueel gebruikersgedrag in Google Analytics

Disclaimer: om de conversiewaarde per klant/klantsegment te bepalen dien je een technische implementatie uit te voeren. In deze blog ga ik niet in op de technische implementatie hiervan. Ik deel wel een link waar een technisch webanalist uitleg hoe je dit implementeert via Google Tagmanager.

De insteek is namelijk dat je de aandacht kunt richten op het halen van actiegerichte inzichten uit het gebruikersgedrag van je klanten/abonnees. Zo kun je namelijk dit gebruikersgedrag gaan vertalen naar concrete actiepunten om de conversie vanuit je klanten/abonnees naar een hoger niveau te tillen.

Klaar om te starten met het 1ste praktijkvoorbeeld?

De winkelwagen – en check-out verlaters

Door het implementeren van de user-id weergave (inlog-omgeving) kun je de conversie van de winkelwagen – en check-out per klant/e-mail abonnee gaan bepalen.

Het is natuurlijk zeer tijdrovend en weinig efficiënt om de conversie van iedere klant/abonnee te gaan analyseren. Het is verstandiger om de belangrijkste micro-segmenten mee te nemen in de conversie optimalisatie van je webshop. Een voorbeeld hiervan zijn de winkelwagen – en check-out verlaters. Onderstaande weergave is een voorbeeld van dit micro-segment:

afhakers winkelwagen

Wat kun je met deze informatie?

  • Je ziet dat 347 klanten hun product in de winkelwagen hebben gelegd, maar geen bestelling hebben geplaatst. Je kunt er voor kiezen om deze bezoekers nogmaals te benaderen via een e-mail campagne.
  • Nog beter is om deze winkelwagen verlaters nog verder onder te verdelen in waardevolle groepen. Bijvoorbeeld door te kiezen voor de gebruikers die in ieder geval 2x een product in de winkelwagen hebben gelegd.
  • Daarnaast kun je er ook voor kiezen om deze gebruikers met een koop intentie mee te nemen in een Remarketing campagne gericht op je winkelwagen verlaters. Zo kun je testen wat beter converteert: een e-mail of een Remarketing campagne gericht op de winkelwagen verlaters.

De conversiewaarde per klant

Naast het winkelgedrag van je klanten wil je ook de conversiewaarde van een klant in de loop van de tijd kunnen bepalen. In Google Analytics kun je doelen instellen om de bestellingen/afgesloten abonnementen per klant/abonnee te bepalen.  Dit zijn echter alleen de bestellingen voor één sessie. Je kunt dus niet de werkelijke conversiewaarde van een klant in de loop van de tijd bepalen.

Voorbeeld: je wilt de werkelijke impact van je AdWords klanten op het bedrijfsresultaat gaan bepalen. Is AdWords verantwoordelijk voor klanten die meer of minder dan gemiddeld besteden?

klantwaarde AdWords

In bovenstaand voorbeeld kun je zien dat er grote verschillen zijn qua conversiewaarde per klant. Nu is het natuurlijk waardevol om de werkelijke klantwaarde per kanaal te gaan bepalen.

Welke kanalen hebben nu de meeste impact op de online omzet? We exporteren de klantwaarde naar Excel en gaan de kanalen met elkaar vergelijken:

afbeelding voorbeeld klantwaarde

AdWords en SEO hebben de meeste impact op de online omzet, terwijl de impact van de nieuwsbrieven op de online omzet minimaal is. Wat kun je met deze informatie?

  • Je kunt deze gebruiken voor je marketing-communicatie planning en budget verdeling. Voorbeeld: dien je alle activiteiten op AdWords te richten of dien je ook budget vrij te maken voor SEO optimalisatie?
  • Daarnaast geeft deze informatie je input voor je marketing-communicatie strategie. Voorbeeld: E-mail heeft in dit geval weinig impact op de online omzet. Waar ligt dat aan? De grootte van je lijst? De content in je mailing of wellicht sluit je landingspagina niet aan op de content uit je mailing?

P.S. in deze blog legt Jim Gianoglio uit hoe je bovenstaande externe data kunt integreren binnen Google Analytics.

Micro-segmenten om de conversiewaarde van je e-mail campagnes te bepalen

De user-id weergave kun je ook toepassen op je e-mail campagnes. Je beschikt ten slotte over het e-mail adres van je abonnees. Via een aangepaste implementatie kun je het user-id van je e-mail abonnees importeren in Google Analytics.

Zo kun je het gebruikersgedrag per e-mail abonnee gaan analyseren. Het gebruikersgedrag analyseren van iedere individuele abonnee is niet erg efficiënt. Je kunt beter micro-segmenten van je e-mail campagnes gaan analyseren. Onderstaand enkele suggesties/ideeën voor micro-segmenten:

  • De top 10/25 abonnees qua geopende mails/kliks vanuit je mailing;
  • De doorklikratio/conversie per doelgroep > in mijn geval zijn dit de doelgroepen websites/bureaus en ZZP’ers.
  • In MailChimp beschik je over de dimensies datum van de nieuwsbrief-inschrijving en rating (waardering).Rating is een indicator voor het percentage geopende mails en klikken vanuit je mails per abonnee. Via de integratie met Google Analytics kun je de rating vanuit je e-mail systeem gaan koppelen aan het gebruikersgedrag. Hebben de abonnees met een hoger dan gemiddelde rating ook een werkelijke impact op je conversie?

Bovenstaande integraties zijn natuurlijk interessant. Echter, zonder context kun je hier geen actiepunten aan koppelen. Daarom gaan we eerst de vragen op papier zetten waarop we antwoord willen krijgen:

  1. Wie zijn de top 10/25 abonnees qua geopende mails en kliks?

afbeelding top 15

Mijn top 15 abonnees zijn verantwoordelijk voor 25% van de totale geopende mails. Daarnaast zie je grote verschillen qua doorklikratio (CTR e-mail) tussen de abonnees in bovenstaand overzicht. Wat is er aan de hand met abonnee 2 en 4? Waarom klikken abonnee 1/3 en 6 wel vaker dan gemiddeld door vanuit de mailing?

Praktische informatie om mee te nemen bij de optimalisatie van je e-mail campagnes.

2. Welke doelgroep is verantwoordelijk voor de meest betrokken abonnees?

afbeelding doelgroepen

De doelgroep website is verantwoordelijk voor meer geopende mails en klikken vanuit de mailing dan de doelgroepen bureau en ZZP. Nu gaan we kijken naar de conversiewaarde per doelgroep:

doelwaarde per doelgroep

Ook qua conversiewaarde heeft de doelgroep website een grotere impact op de resultaten dan de doelgroepen bureau en ZZP. Praktische informatie om mee te nemen binnen de content planning voor de verschillende mailings.

3. Loyaliteit e-mail abonnees

Welke e-mail abonnees zijn het meest loyaal? Abonnees die zich dit jaar hebben ingeschreven of al 1-2 jaar je nieuwsbrief ontvangen?

Om deze informatie te achterhalen gebruiken we de dimensie datum nieuwsbrief-inschrijving.
Vervolgens gebruiken we deze aangepaste dimensie om de jaren 2014/2015 en 2016 in een apart segment (groep) te plaatsen:

afbeelding datum inschrijving

In bovenstaand voorbeeld kun je zien dat de inschrijvers uit 2015 verantwoordelijk zijn voor de meeste geopende mails en kliks vanuit de mailing. Echter, het doorklikpercentage voor de inschrijvers uit 2014 is hoger dan voor de jaren 2015 en 2016.

Nu gaan we kijken naar de conversiewaarde per jaar. Welk jaar van inschrijving is verantwoordelijk voor de hoogste conversiewaarde per gebruiker?

conversiewaarde datum inschrijving

De inschrijvers uit 2015 zijn verantwoordelijk voor de hoogste doelwaarde. Niet verwonderlijk aangezien zij verantwoordelijk zijn voor de meeste doorklikken vanuit de mailings. Echter, de conversiewaarde per gebruiker voor de inschrijvers uit 2014 zijn hoger dan voor de inschrijvers uit 2015 en 2016.

Wat kun je met deze informatie?

Ik investeer in het werven van nieuwe abonnees via mijn blog. Maar bovenstaand overzicht geeft je onderbouwde informatie om ook de aandacht te richten op de loyale abonnees die al 1-2 jaar je nieuwsbrief ontvangen.

4. Rating per e-mail abonnee

MailChimp geeft een rating (waardering) per e-mail abonnee. Dat is natuurlijk zeer nuttige informatie. Echter, deze rating is alleen gebaseerd op geopende mails en kliks vanuit de mailing.
Je wilt ook  de conversiewaarde per ster met elkaar kunnen vergelijken:

conversiewaarde rating email

De meerderheid van de klikken vanuit de mailing waardeert MailChimp met 4/5 sterren. De abonnees met 5 sterren hebben ook de meeste impact op de conversie. Het is echter wel opvallend dat de abonnees met 4 sterren verantwoordelijk zijn voor een lagere conversiewaarde per gebruiker dan de abonnees met 2/3 sterren.  Dan kun je je dus afvragen of de abonnees met 4 sterren wel zo waardevol zijn voor je website/webshop.

Tip: test met segmenten binnen je e-mail pakket (in dit geval MailChimp) om antwoord te krijgen op de vraag of de abonnees met 4 sterren meer impact hebben op de conversie dan abonnees met minder dan 4 sterren.

Afsluitende tips

In deze blog heb ik je 6 praktijkvoorbeelden laten zien om toe te passen binnen je user-id weergave. Mijn belangrijkste advies is om niet de individuele klanten/abonnees te gaan analyseren, maar gebruik te maken van micro-segmenten.

Ik heb je bovenstaande micro-segmenten laten zien. Er zijn natuurlijk nog meer kenmerken te bedenken om te gebruiken als micro-segment. Enkele suggesties/ideeën:

  • Gegevens op basis van geografie > provincie per klant/abonnee;
  • Gegevens op basis van demografie/psychografie zoals leeftijd/geslacht en interesses;
  • Type klant/abonnee. Bijvoorbeeld premium/standaard en budget.
  • De frequentie van aankopen per klant.

Tot slot wil ik nog enkele tips met je delen. Zo kun je goed van start gaan met de optimalisatie van je website/webshop voor je klanten/abonnees.

  • Laat je niet intimideren door de technische implementatie. Een ervaren webbouwer/technisch webanalist kan de implementatie van de user-id weergave voor je uitvoeren. Zo kun jij de aandacht richten op het optimaliseren van je website/webshop.
  • Stel altijd macro – en micro doelen in binnen je user-id weergave. Zo kun je de werkelijke conversiewaarde van je klanten gaan bepalen.
  • Koppel kenmerken aan het user-id van je klant/abonnee.
  • Met deze kenmerken kun je de conversie per micro-segment gaan bepalen. Voorbeeld: de conversie per doelgroep/type klant/woonplaats.

Veel succes met het halen van actiegerichte inzichten uit het gebruikersgedrag van je klanten/abonnees!

Ik ben ook benieuwd naar jouw ervaringen met de user-id weergave. Kun/wil je praktijkervaringen hier met de andere lezers delen?

Heb je aanvullingen/toevoegingen op mijn praktijkvoorbeelden? Ik lees jouw aanvullingen graag bij de reacties!

Over Gerard Rathenau

Ik ben Gerard Rathenau en Digital Analist. Ik ben de oprichter van deze blog over Google Analytics. Begonnen bij PauwR online marketing als AdWords adviseur heb ik mijzelf ontwikkeld tot Digital Analist. Gericht op onderbouwde adviezen voor duurzame conversie optimalisatie. En workshops (1,5 dag) om (online) marketeers op weg te helpen inzichten uit Google Analytics te halen. Daarnaast ben ik schrijver van het 1ste Nederlandstalige handboek over Google Analytics. (2014) Sinds 2015 deel ik wekelijks mijn kennis over Google Analytics aan > 500 abonnees. Daarnaast schrijf ik 1x per maand een diepgaande blog op Digital Analisten. Vooral gericht op het halen van inzichten uit Google Analytics.

Facebooktwitterredditpinterestlinkedinmailby feather
Er zijn nog geen reacties.

Geef een reactie

Je kunt deze HTML tags en attributen gebruiken: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

Deze website gebruikt Akismet om spam te verminderen. Bekijk hoe je reactie-gegevens worden verwerkt.