Facebooktwitterredditpinterestlinkedinmailby feather

In mijn vorige blog heb ik praktijkvoorbeelden laten zien van de user-id functie. Maar wat als je nu geen inlog-omgeving hebt? Of ertegen opziet om de technische implementatie te (laten) uitvoeren?

Enkele weken geleden heeft Google Analytics het rapport gebruikers-verkenner geïntroduceerd. Hiermee kun je het gebruikersgedrag op basis van het klant-id (client id) bekijken, zonder technische implementatie.

Dit klant-id is niet hetzelfde als de user-id functie, maar de identificatie van het apparaat/browser dat de website bezoeker gebruikt.

Het zeer tijdrovend en weinig efficiënt om ieder gebruikerspad na te lopen. Het is echter wel interessant en praktisch om het gebruikerspad van groepen bezoekers te analyseren.

In deze blog laat ik je stap-voor-stap de basisbeginselen zien + 4 praktijkvoorbeelden:

  1. De basisbeginselen van het gebruikers-verkenner rapport;
  2. Praktijkvoorbeeld: je meest betrokken gebruikers;
  3. Praktijkvoorbeeld: je e-mail abonnees;
  4. Praktijkvoorbeeld: klikken op uitgaande links;
  5. Praktijkvoorbeeld: JavaScript foutmeldingen;

Disclaimer: het is een must om actiegerichte doelen en/of gebeurtenissen in te stellen wil je de data uit dit rapport kunnen vertalen naar concrete informatie.

Basisbeginselen gebruikers-verkenner rapport

Je hoeft gelukkig geen technische implementatie uit te voeren om deze nieuwe functie te gebruiken. Het rapport gebruikersverkenner vind je via doelgroep > gebruikers-verkenner.

afbeelding klant id

In bovenstaand voorbeeld zie je de klant id’s met de sessie statistieken uit dit rapport. Het is natuurlijk opvallend dat klant id 3. een hoger doelconversieratio heeft dan de andere kanalen. Indien je klikt op een specifiek klant-id krijg je meer informatie te zien. Ik klik op klant id 3, aangezien deze verantwoordelijk is voor een hoger dan gemiddeld doelconversieratio:

afbeelding gebruikersverkenner_vervolg

Het is niet verwonderlijk dat deze gebruiker verantwoordelijk is voor een hoger dan gemiddeld doelconversieratio. Deze e-mail abonnee heeft zich namelijk in november 2015 ingeschreven voor mijn nieuwsbrief en is verantwoordelijk voor een rating van 4 sterren volgens MailChimp.

Vervolgens gaan we kijken naar het gebruikersgedrag van deze e-mail abonnee. Welke content heeft deze bekeken?

voorbeeld gedrag klant-id

Onder filteren op kun je selecties aan of uitzetten:

filter-opties gebruikers verkenner

Ik heb hierbij gekozen voor alleen de filter-optie paginaweergave in chronologische volgorde. (oplopend)

Opvallend hierbij is het verschil in de frequentie van bezoeken tussen de week van 5 en 12 april. Daarnaast kun je uit bovenstaand gebruikerspad concluderen dat deze gebruiker interesse heeft in meer informatie over de praktische toepasbaarheid van doelen.

Biedt het rapport nog meer mogelijkheden? Jawel….

Je kunt een segment instellen door een paginaweergave/gebeurtenis of doel te selecteren en dan te klikken op segment maken. Voorbeeld: ik wil een segment instellen voor de gebruikers die langer dan gemiddeld op de site actief zijn:

afbeelding segment gebruikers verkenner

Je hoeft alleen het segment een beschrijvende naam te geven + het vinkje pas het segment toe op het rapport gebruiksanalyse (gebruikers-verkenner) aan te vinken.

 

Praktijkvoorbeelden gebruikers-verkenner

Deze mogelijkheid om  segmenten in te stellen zijn cruciaal om context te leggen met het gebruikersgedrag van je klant id’s. Daarom gaan we nu enkele praktijkvoorbeelden bekijken.

Je hebt enorm veel mogelijkheden om segmenten te gebruiken. Daarom adviseer ik je om vóóraf de vragen op papier te zetten waarop je antwoord wilt krijgen.

Vervolgens kun je hieraan segmenten koppelen om antwoord te krijgen op je vraag.

Onderstaand enkele voorbeeld vragen die we gaan beantwoorden via segmenten:

Welke content raadplegen gebruikers met een hoger dan gemiddelde betrokkenheid?

In mijn geval zijn dit de gebruikers die > 3 pagina’s bekijken tijdens één bezoek of de gebruikers die langer dan 3 minuten actief zijn op de site.

Allereerst dien je dus doelen in te stellen voor de gebruikers met de meeste betrokkenheid. Vervolgens gebruik je deze betrokkenheidsdoelen in onderstaand segment:

segment hoger gebruikers betrokkenheid

Nu kunnen we dit segment gaan toepassen op de gebruikers-verkenner:

afbeelding hoge gebruikersbetrokkenheid

In bovenstaand voorbeeld zien we dat klant id 5 verantwoordelijk is voor een hoger doelconversieratio dan de overige klant id’s. Wat kunnen we leren van deze gebruiker? Ik kies alleen voor de filter-optie paginaweergave:

 

voorbeeld gebruiker hoge betrokkenheid

Deze gebruiker is al reeds bekend met mijn blog, aangezien deze op de homepage binnenkomt. (tips en adviezen over Google Analytics)

Daarnaast bekijkt deze gebruiker meerdere blogs over 2 dagen, is geïnteresseerd in mijn e-mail cursus, bekijkt mijn handleiding over de E-commerce module en bekijkt mijn instructievideo over Universal Analytics. Kortom: een zeer waardevolle gebruiker.

Indien deze gebruiker zich inschrijft voor mijn nieuwsbrief, is het belangrijk om implementatie tips te sturen. Deze gebruiker bekijkt namelijk mijn implementatie archief.

 

Welke content bekijken je nieuwsbrief-abonnees?

E-mail is een belangrijk acquisitie kanaal voor mijn blog. Daarom pas ik een segment toe op de gebruikersverkenner gericht op de e-mail abonnees:

afbeelding email abonnees

 

Zitten er grote verschillen in gebruikersbetrokkenheid tussen de E-mail abonnees?

 

afbeelding client id

Het is natuurlijk opvallend dat klant-id 1. verantwoordelijk is voor 9 sessies, maar een lager dan gemiddelde sessieduur en doelconversie ratio. Welke content bekijkt deze gebruiker?

 

afbeelding email gebruiker

Deze e-mail abonnee bekijkt de content over de handleiding berekende statistieken, maar vraagt deze handleiding niet aan. Je kunt er dan voor kiezen om dit type e-mail abonnee om feedback te vragen over de content binnen de mail + blog. Wellicht is de e-mail abonnee op zoek naar andere informatie dan jij biedt binnen je mailing?

Welke content bekijken gebruikers die doorklikken naar een externe website?

Een belangrijk doel voor mijn blog is de doorklik naar mijn bedrijfswebsite. Dit doel kun je als segment toepassen binnen de gebruikers-verkenner:

 

afbeelding uitgaande link GAnalytics

Opvallend hierbij zijn de grote verschillen in doelconversieratio en gemiddelde sessieduur. We gaan klant-id 5 bekijken met een hoger dan gemiddelde sessieduur – en doelconversieratio. Waarom heeft deze gebruiker een hoger dan gemiddeld doelconversieratio?

Ik kies hierbij voor de filter-opties paginaweergave en gebeurtenis:

 

 

afbeelding verkenner

Dit zijn de meest waardevolle gebruikers voor je blog. Deze gebruiker heeft zich namelijk ingeschreven voor de nieuwsbrief en heeft een whitepaper bekeken, alvorens deze heeft geklikt op de link naar mijn bedrijfswebsite. Kortom: dit zijn je meest betrokken gebruikers.

JavaScript foutmeldingen

Ieder website heeft (helaas) last van JavaScript foutmeldingen. Je wilt de impact van deze foutmeldingen op het gebruikersgedrag kunnen bepalen.

Allereerst dien je een meting in te stellen om deze foutmeldingen te kunnen achterhalen. Vervolgens kun je deze foutmeldingen als segment toepassen binnen de gebruikers-verkenner:

 

De gemiddelde sessieduur van deze gebruikers is lager dan 30 seconden. We gaan kijken naar het gebruikerspad van klant-id 2. Welke foutmelding krijgt deze gebruiker te zien?

afbeeldingen pad foutmelding

In bovenstaand gebruikerspad kun je zien dat de foutmelding op de landingspagina plaatsvindt. Dit heeft effect op het gebruikersgedrag, aangezien de gebruiker vrij snel daarna de site weer verlaten heeft.

Kortom: praktische informatie om deze foutmelding te verhelpen, zodat je de gebruikerservaring op de pagina verbetert.

Afsluitende tips

Ik ben zeer enthousiast over dit nieuwe rapport. Je kunt namelijk zonder technische implementatie van de user-id functie toch inspelen op individueel gebruikersgedrag.

In deze blog heb ik je 4 praktijkvoorbeelden met segmenten laten zien. Er zijn natuurlijk nog veel meer segmenten te bedenken om deze op de gebruikers-verkenner toe te passen. Onderstaand nog enkele suggesties/ideeën:

  • Gebruikers met een AdBlocker > vooral interessant voor content/media sites.
  • Afhakers binnen je winkelwagen – en check-out;
  • Gebruikers die de live-chat raadplegen > vooral interessant voor webshops.
  • Gebruikers die interactie hebben met je video’s.

Tot slot adviseer ik je om de segmenten niet te breed in te steken. Afhakers binnen je winkelwagen – en check-out kan wellicht te breed zijn.

Je kunt bijvoorbeeld allereerst de JavaScript foutmeldingen binnen de winkelwagen – en check-out gaan monitoren.  Het is dus noodzakelijk om de doelen en/of gebeurtenissen in te stellen die impact hebben op je site resultaten.

Veel succes met het halen van actiegerichte inzichten via de gebruikers-verkenner.

Ik ben natuurlijk ook benieuwd naar jouw ervaringen met dit nieuwe rapport. Kun je je vinden in mijn uitleg + praktijkvoorbeelden?

Heb jij ervaringen met de gebruikersverkenner die je kunt/wilt delen?

Ik lees jouw ervaringen 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.