Facebooktwitterredditpinterestlinkedinmailby feather

Gemiddelde leestijd 13 minuten

Het inrichten van Google Analytics en het bepalen van de impact van je onlinekanalen is niet eenvoudig.

Iedereen krijgt tegenvallers te verwerken voordat je hierin slaagt.

Wat zijn Analytics tegenvallers? Dit is bijv. het niet werken van je uitsluitingsfilter om eigen website bezoeken uit te sluiten.

De conversies in Google Analytics komen niet overeen met je conversies uit Facebook en/of Google Ads.

Niet alle doelen meet Google Analytics correct, waardoor je dashboard niet meer alle conversie data goed laat zien.

Je bent vergeten om UTM-tags in te stellen, waardoor je jouw betaalde LinkedIn campagne niet kunt onderscheiden van je eigen berichten.

Dit zijn kleine tegenvallers, maar zeker geen serieuze problemen om je zorgen over te maken.

Mijn advies is om deze kleine tegenvallers door je bureau te laten oplossen, zodat jij de aandacht kunt richten op de ‘echte’ Analytics problemen. 

Naast tegenvallers dien je ook echte problemen op te lossen om inzichten uit Google Analytics te halen.

Anders zal je namelijk nooit inzichten halen uit Google Analytics hoe je onlinekanalen echt presteren.


Wat zijn nu echte Analytics problemen? Een voorbeeld van een echt Analytics probleem is of je onlinemarketing uitgaven leiden tot betere website resultaten.

Oftewel: wat is nu de werkelijke impact van je online kanalen?

In deze blog bespreek ik 3 Analytics problemen die je dient op te lossen alvorens je een antwoord kunt krijgen op de vraag wat de werkelijke impact is van online kanalen zoals Facebook en/of Google Ads.

Klaar om te starten met het 1ste Analytics probleem?
 

1. Betaal je te hoge CPC voor het aantal klikken dat je ontvangt?


Iedere adverteerder wil antwoord op deze vraag. Je kunt namelijk wel puur de aandacht richten op conversiestatistieken zoals ROAS/CPA, maar ontvang je wel een goede prijs/kwaliteit voor de ingekochte klikken?

Hoe bepaal je of je een goede CPC betaalt voor de ingekochte klikken?

Kijk allereerst naar de ontwikkeling van de ontvangen klikken vs. de betaalde CPC. Hoeveel zijn de klikken gestegen/gedaald in vergelijking met de toe of afname van je CPC?

Je ziet in bovenstaand voorbeeld dat het aantal klikken is gestegen vs. vorig jaar, terwijl de CPC is gedaald. Dat is een positieve ontwikkeling.

Aanvullende tip 1. Klikken en CPC zijn campagnestatistieken die niets zeggen over je website resultaten. Mijn advies is om hiernaast je gebruikers met een bovengemiddelde bezoekkwaliteit te leggen. Zo weet je namelijk of de kwaliteit van je ingekochte klikken is verbeterd of verslechterd.

Aanvullende tip 2.  Je branded, remarketing campagnes zullen een hogere bezoekkwaliteit/lagere CPC hebben dan je non-branded campagnes, maar de impact hiervan heeft natuurlijk beperkingen. Je hebt ook je non-branded campagnes nodig om je website resultaten te verbeteren.

Houd hiermee rekening bij het bepalen of je een te hoge CPC betaalt!
 

2. Wat is nu de bijdrage van je onlinekanalen aan de conversie?


Deze vraag is helaas niet zo eenvoudig te beantwoorden als het lijkt.

Je zal wellicht denken: deze vind je toch terug in je bron/medium rapport in Google Analytics.

Daar staat inderdaad de online omzet per kanaal, maar deze is puur gebaseerd op de laatste klik vanuit je online kanalen.

Dat is geen representatieve weergave van de realiteit, aangezien gebruikers vaak 3 x of meer op je advertentie klikken alvorens een product te bestellen.

Wat is wel een representatieve weergave van de realiteit? Iedere klik voor de conversie een waarde geven op basis van hun bijdrage aan de online omzet zoals je in onderstaand voorbeeld kunt zien:

Je zal je wellicht afvragen: waarom krijgt Paid Search soms 0% of hele lage waarde toegekend? Dit attributiemodel kijkt naar alle bezoekpaden, zowel conversie als niet-conversie bezoekpaden. Op basis van deze bezoekpaden berekent hij een kans dat het een conversie kan opleveren.

Daarom zie je in bovenstaand voorbeeld dat Paid Search voorin het conversiepad een lagere waarde krijgt toegekend dan de klikken dichtbij de conversie.

Dit is geen Analytics tegenvaller, maar echt een probleem aangezien je rekening dient te houden met talloze factoren.

Denk aan het type klantreis, gebruikte apparaat, ingetypt zoekwoord, klikken via meerdere kanalen enz.

Google Analytics heeft een poging gedaan om dit probleem op te lossen met hun datagedreven attributiemodel.



Dit is een hele verbetering t.o.v. het laatste klik model, aangezien iedere klik een waarde meekrijgt op basis van talloze factoren.

Daarom zie je dat waarde voor E-mail en Paid Search hoger is binnen Data-Driven model dan het reguliere laatste klik model.

Het is echter geen volledige oplossing aangezien je nog steeds niet kunt bepalen wat alle kanalen opgeteld bijdragen aan je online omzet.

Of wat je online marketing resultaten zijn wanneer je stopt met adverteren in Google Ads. Of wanneer je 25% van je Google Ads budget overhevelt naar Facebook adverteren.

Hoe los je dit probleem op? Via budgetexperimenten. Mijn advies is om minimaal 10% van je onlinemarketingbudget te reserveren voor dergelijke experimenten!
 

3. Welke conversiestappen hebben de meeste impact op de online omzet?


Google Analytics staat vol met ijdelheidsstatistieken zoals bounce, uitstap en conversiepercentage.

Waarom zijn dat ijdelheidsstatistieken? Je kunt hiermee niet de impact van je belangrijkste website stappen op de conversie bepalen.

Voorbeeld: Google Analytics berekent het conversiepercentage door transacties te delen door het aantal bezoeken. Zo is deze statistiek niet erg bruikbaar omdat je geen onderscheid maakt tussen de verschillende conversiestappen. Mijn advies is om het conversiepercentage per stap te bepalen.

Website stappen zijn bijv. bekeken productpagina, product in winkelwagen, afrekenen en product besteld voor een webshop.

Of voor een leadgeneratie website bekeken producten/diensten pagina, klik op je belangrijkste CTA knoppen en de conversie op je aanvraagformulier(en).

De conversie per stap kun je meten met de Enhanced E-commerce module of doelen.


Zo weet je  welk percentage van je gebruikers afhaken op deze stappen en niet onbelangrijk: welke impact deze stappen hebben op je online omzet.

Oftewel: met welke stap dien je te starten met je optimalisatie programma om je online omzet te verbeteren:

In bovenstaand voorbeeld zie je dat 10% meer gebruikers wel meer omzet oplevert, maar een veel minder grote impact heeft op je online omzet dan de stap product in winkelwagen.

Kortom: bepaal voor jouw website welke conversiestap het probleem is om je online omzet te verbeteren.

Want je dient te weten of je optimalisatie programma ook een goede kans van slagen heeft, aangezien hier ook kosten aan verbonden zijn.

Bepaal dus allereerst het afhaakpercentage voor je belangrijkste conversiestappen.

Vervolgens bepaal je op basis van deze afhaakpercentages hoeveel de online omzet stijgt wanneer je de conversie van bijv. de stap in winkelwagen met 10% verbetert.

Gebruik hierbij deze Excel-template. Je hoeft alleen je gebruikers per conversiestap in te vullen en je ziet welke stap op jouw website de meeste impact heeft op je conversie!

Aanvullende tip: houd rekening met je marketinginzet bij je optimalisatie programma.

Een online kanaal zoals Google Ads is gericht op de koop en/of vergelijkingsfase, terwijl Facebook/LinkedIn veel mee gericht is op de oriëntatiefase. Je nieuwsbrief is vaak weer gericht op je bestaande klanten.

Houd hier rekening mee als je start met jouw optimalisatieprogramma.

Afsluitend

Bovenstaande 3 Analytics problemen zijn volgens mij voor iedereen relevant die online marketing serieus nemen.

Ze zijn natuurlijk niet de enige Analytics problemen. Je hebt talloze andere Analytics problemen die je kunt tegenkomen.

Denk aan de impact van bestaande klanten vs. potentiële klanten, de werkelijke impact van klanten die je aanbevelen aan mensen in hun vrienden en/of netwerk, de impact van klanten die vaak of relatief weinig bij je bestellen enz.

Ik wil je afsluitend de tip meegeven om allereerst tegenvallers te onderscheiden van echte Analytics problemen en probeer vervolgens de aandacht te richten op de 3 belangrijkste Analytics problemen die impact hebben op je website resultaten.

Veel succes hiermee!

Heb je aanvullende vragen over Analytics problemen waar jij tegenaan loopt?

Mail mij gerust je persoonlijke vraag: gerard@digitalanalisten.nl

Ik ben natuurlijk ook benieuwd naar jouw mening en/of ervaringen met Analytics tegenvallers vs. problemen.

Welke Analytics problemen zijn een must om op te lossen? We kunnen ten slotte allemaal van elkaar leren!

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.