1. Bye bye sessies: meet je gebeurtenissen

Google Analytics meet alles op basis van sessies. Deze meetmethode gebruiken ze al sinds ze Urchin overnamen, bijna 15 jaar geleden. Dit gaat veranderen. Onder andere door de ontwikkelingen rondom privacy en de ITP-ontwikkeling gericht op Safari-browsers. Maar deze ontwikkeling heeft ook met het gebruikersgedrag te maken. Mobiel- en appgedrag kun je gewoon niet (meer) negeren.

Daarom heeft Google Analytics een nieuwe meetmethode waarbij ze website- en appgebruik koppelen, op basis van events. Momenteel in bèta. Ex-Google Evangelist Krista Seiden gaf op het Digital Analytics Congres een uitgebreide presentatie hoe dit er in de praktijk uitziet. Qua implementatie oogde het, wat mij betreft, zeer technisch. Dus er is weer werk aan de winkel voor je webbouwer of technisch-webanalist.

Meten op event-basis

Maar de mogelijkheden zijn natuurlijk wel interessant. Je kunt klantreizen op event-basis analyseren en optimaliseren. Krista gaf bijvoorbeeld aan dat je met deze nieuwe meetmethode nu het ‘echte’ engagement kunt bepalen. Hiermee bedoelt ze dat je de werkelijke actieve tijd per gebruiker kunt meten. Met de huidige meetmethode is dit slechts een indicatie.

In eerste instantie is deze meetmethode bedoeld voor partijen met een mobiele app. Ze gaf als aanvullend advies om hier hoe dan ook mee te gaan testen. Ook als je alleen een website hebt. De bedoeling is namelijk dat deze meetmethode wordt uitgerold op alle Google Analytics-accounts. Kortom: raak vertrouwd met deze manier van werken!

2. Bepaal de kwaliteit van je conversie-optimalisatieprogramma

Veel e-commerce-websites voeren A/B-tests uit om hun conversie te verbeteren. Lijkt mij een prima ontwikkeling. Maar check je ook de datakwaliteit van de A/B-test? Ik denk persoonlijk dat vrij weinig partijen dit doen. Net als de kwaliteit van hun analytics-data trouwens😉 Annemarie Klaassen gaf praktische tips voor hoe je de kwaliteitscontrole van je A/B-tests kunt toepassen.

1. Kijk kritisch naar je steekproefverdeling. Dus de verdeling nieuwe tegenover terugkerende gebruikers in je tests.
2. Kijk kritisch naar steekproefvervuiling. Dus welk percentage van de gebruikers ziet beide testvarianten.
3. Pas op met het generaliseren van je testresultaten. Je kunt succesvolle A/B-test in een salesperiode niet een-op-een vergelijken met een niet-salesperiode.
4. Analyseer met mate en corrigeer waar mogelijk. Je kunt natuurlijk uit iedere test wel een positief resultaat halen. Analyseer daarom je testresultaten op basis van je vooraf opgestelde testhypothese.
5. Zorg voor een duidelijk format. Hiermee bedoelt Annemarie dat je een template moet gebruiken voor je kwaliteitscontrole. Oftewel: wanneer kun je ervan uitgaan dat je A/B-test betrouwbare data levert?

Om te bepalen wat de A/B-tests opleveren, deelde ze een formule:

Aantal tests x winratio x omzet : investering

Helaas ging ze niet in op de toepasbaarheid van deze formule. Eigenlijk zou je in deze formule ook de mate van groei dankzij je A/B-test mee moeten nemen. Wat was de omzetgroei dankzij je tests? Op de korte én langere termijn? Daarnaast lijkt ‘omzet’ mij niet de beste KPI om op te sturen. Brutowinst lijkt mij praktischer. Zeker als je de impact van A/B-tests gaat delen met je directeur of manager.

3. Hoe richt je jouw Google Analytics-organisatie in?

Hoe zorg je voor draagvlak binnen je eigen organisatie? En wie maak je verantwoordelijk voor welke analytics-taak? Dennise Yeh ging uitgebreid in op de uitdagingen om een analytics-organisatie in te richten. Een moeilijke taak, om collega’s die niet dol zijn op cijfers warm te maken voor de meerwaarde van analytics. Ze gaf het belang aan van de impact en je doel. Denk dus niet puur vanuit de technologische mogelijkheden, maar vooral de koppeling tussen technologie (analytics) en je bedrijfsdoelstellingen (strategie).

Het is aan te raden om deel te nemen aan cross-functionele teams. Je hebt elkaar immers nodig om impact te hebben. En je dient als interne of externe Analytics-consultant goed de bedrijfsstrategie te kennen. Anders zul je nooit impact hebben met je analyses. Hoe goed deze ook zijn.

Persoonlijke sterkte-zwakteanalyse

Dennise adviseert om kritisch te kijken naar je eigen sterke en zwakke punten. Welke type specialisten heb je aanvullend nodig naast de bestaande specialisten? Bepaal vervolgens welke analytics-collega’s voor het draagvlak binnen je organisatie zorgen. Als analytics-lead of -manager trek je de kar. En je analytics-collega’s vullen je hierbij natuurlijk aan waar nodig.

Ik zit zelf vaak met de vraag hoe je Google Analytics en marketeers moet koppelen aan tactische en strategische doelen en keuzes. Dennise gaf hierbij als suggestie om vóóraf een keuze te maken. Je werving- en selectieprocedures zijn hierbij natuurlijk cruciaal. Toevoeging van mij: houd rekening met de leiderschapsstijl van je directeur. Mijn ervaring is dat directeuren je kunnen aanvallen op basis van je analyses. Of je gewoon botweg negeren. Denk aan een Donald Trump-type.

Aan de andere kant, heb je ook directeuren die juist heel nieuwsgierig zijn naar je bevindingen. Denk aan het type Emmanuel Macron. Dit type leider moet je omarmen. Deze wil jou belangrijk maken. Met de aanvaller zou ik voorzichtig omgaan. Net als het negerende-type. Ze zullen nooit enthousiast worden van Google Analytics, maar door rekening te houden met hun wensen kun je wellicht toch de impact naar een hoger niveau tillen.

4. Marktonderzoek: hoe target je de juiste klant?

Wat is de meerwaarde van het reguliere marktonderzoek? Door Google Analytics vergeet je dit weleens. Geddy Verburg geeft aan verder te kijken dan je kwantitatieve data. Ze gaf een voorbeeld van een webshop met foute e-commerce-data in Google Analytics. Het advies? Een vertaalslag maken van data naar menselijk gedrag. Google Analytics is hierbij een hulpmiddel, maar denk ook aan online tools zoals heatmaps en eye-tracking.