Facebooktwitterredditpinterestlinkedinmailby feather

Enkele weken geleden heb ik het boek Maths and stats for webanalytics van Himanshu Sharma gelezen om mijn statistische kennis voor webanalyses te verfijnen.

Ik volg zijn blog Optimize smart al enige jaren met interesse.  Ik ben vooral te spreken over zijn blogs gericht op het toepassen van de statistische principes voor het uitvoeren van je webanalyse.

Deze blog is een goed voorbeeld van zijn visie op webanalyse.

In deze boekrecensie zal ik de belangrijkste punten van dit boek met je bespreken. Daarnaast zal ik mijn inzichten uit dit boek met je delen + mijn mening over de kwaliteit van dit boek.

De berekeningen die je nodig hebt voor een onderbouwde webanalyse

In het 1ste gedeelte gaat Himanshu in op de berekeningen die je nodig hebt om de ROI van je website/marketing activiteiten te berekenen. Hij maakt hierbij het onderscheid tussen 3 typen ROI:

  1. Een ROI prognose: welke ROI verwacht je binnen een bepaalde periode? Himanshu adviseert om deze ROI prognose aan je klant te communiceren, indien je werkzaam bent als online marketing adviseur.
  2. De behaalde ROI binnen een bepaalde periode. De statistiek RPC (conversie per klik) is een goed voorbeeld van een dergelijke berekening.
  3. De behaalde ROI in de komende 12 maanden. Himanshu adviseert deze ROI berekening, omdat je zo de klantwaarde voor een langere periode kunt laten meetellen.

Toevoeging van Gerard: gebruik binnen Google Analytics statistieken zoals conversies/omzet en conversie/omzet per gebruiker om de ROI van een campagne te bepalen.

Daarnaast geeft Himanshu het advies dat onderstaande zaken noodzakelijk zijn om de ROI van je website/marketing activiteiten te bepalen:

  1. Website gebruikers data in Google Analytics;
  2. E-commerce data zoals omzet/aantal transacties en gemiddelde verkoopwaarde;
  3. De beschikbaarheid van ingestelde doelen binnen Google Analytics. Himanshu geeft het advies om alleen de macro-doelen te gebruiken die impact  hebben op je bedrijfsresultaten.
  4. De beschikbaarheid van kostendata binnen Google Analytics van on – en offline marketing campagnes.

Toevoeging van Gerard:  Mijn advies is om  zowel macro  als micro doelen mee te nemen binnen je ROI berekeningen. Voorbeelden van micro-doelen zijn nieuwsbrief-inschrijvingen of aangemaakte accounts.

Himanshu gaat ook uitgebreid in op het fenomeen conversiepercentage. Hij geeft hierbij het advies om je vooral te focusen op het conversie volume en niet alleen op het conversie percentage. Het conversie percentage neemt namelijk niet de gemiddelde verkoopwaarde/doelwaarde mee in de berekening.

Ik geef hem hierin groot gelijk. Conversiepercentages zonder context zijn niet erg waardevol. Je kunt beter de conversiewaarde/omzet per kanaal/apparaat/type gebruiker gaan bepalen dan het conversiepercentage.

Tot slot benadrukt Himanshu het belang van actiegerichte KPI’s voor het bepalen van je ROI. Hij geeft hierbij het advies om alleen KPI’s te gebruiken die ook echt impact hebben op de conversie/omzet van je website.

Daarnaast geeft Himanshu de tip om je niet alleen te focusen op de online statistieken. Koppel hieraan offline statistieken zoals bruto – en netto winst.

Toevoeging van Gerard: mijn advies is om offline statistieken zoals marge/retouren/kosten te integreren binnen je site statistieken.

Onderstaande berekende statistiek is een voorbeeld hiervan:

visual marge per conversie

De benodigde statistieken voor je webanalyse

In het 2de gedeelte van dit boek gaat Himanshu in op de basisbeginselen qua statistische principes die je nodig hebt om je werkelijke ROI te kunnen bepalen.

Ik vind dit zelf een onderbelicht aspect van webanalyse. Dit was ook één van de redenen voor mij om dit boek aan te schaffen. Je dient over een basiskennis statistiek te beschikken, voordat je überhaupt kunt starten met een webanalyse.

Himanshu gaat hierbij uitgebreid in op het fenomeen statistische significantie. Ik merk zelf in de praktijk dat veel (online) marketeers optimaliseren op basis van alleen de statistische significantie van de conversie, maar niet de ontwikkeling qua conversie volume.

Himanshu geeft het advies om je niet blind te staren op statistische significantie. Hij adviseert om de statistische significantie altijd te koppelen aan het daadwerkelijke effect (conversie volume) van je optimalisatie/AB test.

Hij geeft hierbij de tip om deze tool hiervoor te gebruiken binnen Google Analytics.

voorbeeld statistische test

 

Predictive Analytics

Statistische significantie en het effect in conversie volume bepalen is natuurlijk een goede stap. Maar hoe kun je statistiek gebruiken om je conversies te voorspellen in de toekomst?

Himanshu geeft het advies om de volgende stappen te doorlopen om met het voorspellen van je conversie ontwikkeling te starten:

  1. Lineaire algebra m.b.t. conversie;
  2. Lineaire relatie van de variabelen die impact hebben op je conversie. Bijvoorbeeld de impact van de gemiddelde verkoopwaarde op de online omzet.
  3. De correlatie tussen deze variabelen;
  4. De conversie trend van deze variabelen;
  5. Regressie analyse. Ik vond dit het meest interessante onderdeel van het boek. Met Google Analytics kun je namelijk alleen naar de resultaten uit het verleden kijken. Maar via een regressie analyse kun je ook conversies gaan voorspellen.

Himanshu geeft de volgende tips om hiermee aan de slag te gaan:

  • Bepaal of de relatie tussen 2 variabelen lineair is. Bijvoorbeeld de gemiddelde verkoopwaarde en je online omzet. Hij adviseert om hiervoor een Excel spreidingsgrafiek te gebruiken.
  • Daarnaast adviseert Himanshu om hieraan een trendlijn te koppelen, zodat je de werkelijke relatie tussen de gemiddelde verkoopwaarde en de online omzet kunt bepalen.
  • Vervolgens dien je de correlatie tussen beide variabelen te bepalen. Dit kun je doen via de Analytics ToolPak of bijvoorbeeld door de standaard correlatie functie in Excel.
  • Bepaal de conversie ontwikkeling in de loop van de maanden/jaar.
  • Voer een regressie analyse uit  om de conversie te voorspellen voor het komende kwartaal/half jaar. Himanshu geeft hierbij als tip om hierbij te kiezen voor de meervoudige regressie analyse. Voorbeeld: koppel meerdere variabelen aan de ontwikkeling van je online omzet/conversie. Bijvoorbeeld door het aantal transacties en de gemiddelde verkoopwaarde te koppelen aan je online omzet. Welke impact zal het aantal transacties en de gemiddelde verkoopwaarde op je online omzet hebben in het volgende kwartaal?

Afsluitende tips

Tot slot geeft Himanshu nog enkele tips om goed van start te gaan met je analyse:

  1. Bepaal vóóraf hoe betrouwbaar/volledig je data is;
  2. Houd rekening met de tijdsperiode die je analyseert. Toevoeging Gerard: mijn advies is om altijd een vergelijking te maken met dezelfde tijdsperiode vorig jaar. Zeker voor seizoensgerelateerde producten/diensten is dit een must.
  3. Rapporteer nooit een afzonderlijke statistiek zonder context.
  4. Maak segmenten van je data voordat je start met de analyse.
  5. Rapporteer zaken die ook echt impact hebben op de bedrijfsresultaten.
  6. Leg je inzichten in heldere taal uit. Himanshu geeft aan dat je inzichten altijd betrekking dienen te hebben op de conversie/omzet ontwikkeling. Toevoeging van Gerard: mijn advies is om aan je inzichten altijd actiepunten en een impact prognose te koppelen. Voorbeeld: door specifieke AdWords landingspagina’s gericht op de voordelen voor de gebruiker te (laten) schrijven zal de online omzet met 4000 euro stijgen in het komende kwartaal.

Mijn mening over dit boek

Ik heb veel respect voor de werkwijze van Himanshu. Hij heeft een zeer uitgebreid boek geschreven over de basisbeginselen van de berekeningen en de statistische basiskennis die je nodig hebt om webanalyses uit te voeren.

Ik merk dat hij zeer veel kennis heeft over de statistische principes om webanalyses uit te voeren. Ik vind het echt heel knap hoe hij stap-voor-stap kan uitleggen hoe je een regressie analyse kunt uitvoeren.

Zijn stappenplan ga ik zeker integreren binnen mijn huidige analyse. Hier ligt ook meteen de valkuil van dit boek.

Himanshu legt heel helder uit hoe je een regressie analyse uitvoert in Excel, maar niet hoe je dit in de praktijk dient toe te passen. In welke situaties voer je een regressie analyse uit? En hoe kun je regressie analyses integreren in je huidige analyse om de conversie naar een hoger niveau te tillen?

Daarnaast ontbrak er ook enige structuur in het boek. Himanshu geeft heel veel informatie, maar soms had ik moeite om de koppeling met de praktijk te maken. Voorbeeld: Himanshu legt zeer gedetailleerd uit hoe je telefonische aanvragen kunt koppelen aan je Google Analytics data. Heel erg nuttige informatie. Ik denk dat je dergelijke metingen breder dient te trekken. Het meten van telefonische aanvragen is namelijk geen doel op zich. Ik had graag meer willen lezen over de koppeling van offline data in de praktijk (bijvoorbeeld CRM) met Google Analytics.

Hoe kun je met alle beschikbare offline data je website conversie naar een hoger niveau tillen?

Daarnaast ontbreken er in het boek, wat mij betreft, succesverhalen. Hoe kun je nu berekeningen en statistische principes gebruiken om je conversie naar een hoger niveau te tillen?

Samenvattend: het is een heel goed boek om de theorie van berekeningen en statistische principes voor je webanalyses eigen te maken. Deze kun je gebruiken om de kwaliteit en betrouwbaarheid van je webanalyse naar een hoger niveau te brengen. Dit boek is zowel geschikt voor online marketeers als webanalisten.

Via deze link kun je het statistiek boek van Himanshu bestellen!

 

 

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