Lásd meg a kattintás mögött az embert.

Ha nem tudod, hogyan viselkedik az oldaladon egy látogató, nem tudsz semmit.

A modern analitikai szoftvereknek hála elképesztően sok információt tudunk. Tudjuk, hányan érkeznek oldalainkra és honnan, hányan látogatják az egyes aloldalakat, kattintanak a gombokra, hányan konvertálnak.

Ez önmagában a big data: hogy mindent tudjunk, amit csak lehetséges, mert adatvezérelt marketinget máshogyan nem építhetünk.

A big data azonban nemcsak lehetőség, hanem kihívás is: tudnunk kell, hogy mely adatok a fontosak, mert egyszerre mindennel nem dolgozhatunk.

Ennek a megállapításában segít a clickstream-analízis: erről beszéltem szeptember 9-én a III. Content Marketing Meetup közönsége előtt és most ebben a cikkben is összefoglalom neked, miért kell ismerned a felhasználóid kattintásait és hogyan láthatod meg mögöttük az embert.

Mi az a clickstream?

A „kattintásfolyam” (nem fogom így használni a kifejezést, mert az angol tökéletesen kifejező) az az útvonal, amelyet egy felhasználó az oldaladon egy session (látogatás) alatt bejár.

Egy ilyen analízis nagyjából így néz ki (mindjárt saját példát is mutatok):

(Via Loop11)

A legalapvetőbb, amiket a Google Analyticsből kinyerhetsz:

• Hányan látogatják az oldaladat?
• Mely forrásokból milyen arányban érkeztek?
• Hány látogatód jutott el a konverzióig?
• Milyen a közönséged demográfiai összetétele?

Mindezek azonban önmagukban nem árulnak el semmit – tehát az adat megvan, az insight nem. Nem ismered meg belőle a felhasználói viselkedést: hogy hogyan és miért úgy használják oldaladat:

• Aki nem konvertál, pontosan hol akadt el a folyamatban.
• A felhasználók követik-e az általad kijelölt tölcsért.
• Miért nem jutnak el egyes oldalakra, ahová kellene.

A clickstream-analízisben önmagában semmi új nincsen – a Microsoft, az IBM és más cégek már az ezredforduló környékén is fejlesztettek olyan szoftvereket, amelyek képesek a felhasználók oldalon belüli viselkedését követni és elemezni. Azóta még kifinomultabb analitikai módszerekkel és eszközökkel rendelkezünk, mégis döbbenetesen kevesen használják ki ezeket.

Ha ránézel a clickstreamre, megtudhatod például azt, hogy egy adott tartalom hogyan teljesít: nem elég, ha az emberek megtalálják és elolvassák, az is számít, hogy tovább olvasnak-e, átkattintanak-e más aloldalaidra vagy megtalálják-e a CTA-t.

Vegyünk egy saját példát. Az Analyticsben a Users Flow (magyar Analyticsben Felhasználói munkafolyamat menüként találod) pont alatt találjuk a clickstream adatokat. A saját analitikánkból megtudtam, hogy az elmúlt hét egy adott időszakában Balázs befolyásolási technikáról írt cikke volt a legsikeresebb a facebookos felhasználók körében.

De megtudtam azt is, hogy a rengeteg olvasóból nagyon kevesen voltak azok, akik átkattintottak más oldalainkra – a legtöbben nem jutottak el az első interakcióig.

Ugyanitt megtudtam viszont azt, hogy a blogunk főoldalára irányuló, jellemzően Google-ből és közvetlen forgalomként érkező látogatók (tehát akik nem a közösségi médiában látott posztokból érkeznek, hanem organikusan) sokkal nagyobb számban jutnak el nem csak az első, hanem a második interakcióig is.

Ennek az oka valószínűleg az, hogy ők elkötelezettebbek: vagy elmentették a címet a kedvencek közé, vagy direkt az egyik anyagunkat keresték, esetleg valaki közvetlenül ajánlott minket nekik (lásd a dark socialről és annak mérhetetlenségéről szóló cikkemet).

Adódik a következtetés: érdemes volna jobban figyelnünk arra, hogy a közösségi médiából érkező új látogatókat jobban megfogjuk és oldalainkon tartsuk.

Boltba megyünk nagyanyámmal

A vásárlói út feltérképezése sem új gondolat természetesen: a kereskedők évtizedek óta figyelik azt, hogy ha betérsz egy boltba, jellemzően milyen útvonalat jársz be. Személyesen is ismerek olyat, aki egy hasonló projekt során egy nagy hazai áruházláncnál 2 hétig feltűnésmentesen követett egy tablettel a kezében véletlenszerűen kiválasztott vásárlókat.

Ilyenkor minden érdekes adatot lejegyeznek rólad: nemed, korod, talán még öltözködésed is, hogy egyedül jöttél-e, hogy kocsival vagy gyalog érkeztél. És persze azt, hogy amikor belépsz a boltba, merre indulsz utána, mely polcoknál állsz meg, milyen terméket mennyi ideig nézel és visszarakod-e vagy a kosárba.

Ezek rendkívül értékes adatok: egy nagyobb adatbázis átlagai alapján megtudhatod belőle, hogy az adott vásárlótípusok jellemzően hogyan használják a boltodat.

Innentől csak az a dolgod, hogy meghatározod, melyek a számodra legfontosabb szegmensek és a nekik legmegfelelőbben rendezed be az üzletedet.

Hogy mire gondolok pontosan? Nézd meg ez a két képet – az elsőn azt látod, hogyan vásárolok én.

Bemegyek a boltba, megkeresem, amit venni akarok, jó eséllyel megállok az újságosstandnál, majd fizetek és távozom. Jó esetben 5-10 percnél többet nem töltök odabent.

Ezen a képen pedig azt láthatod, hogyan vásárol nagyanyám.

Méterenként megáll, böngészi a listát, fejben számol, próbálja felidézni, hogy az újságban milyen árat látott, hogy az adott termék a másik boltban éppen olcsóbb-e, átnézi az összetevőket. Kedélyesen elbeszélget az eladókkal és kóstolót kér a húspultnál.

Ha ketten ugyanazt vesszük meg, akkor is más a cél, amit teljesítünk.

• Én minél időhatékonyabb akarok lenni: olyan kevés idő tölteni a boltban, amennyire csak lehetséges.
• Ő költséghatékonyságra gyúr: ha valami 30 forinttal olcsóbb máshol/holnaptól, akkor már meg is gondolja magát.

A bolt számára a kérdés a következő: a két vásárlótípusból, amelybe tartozunk, melyikből van jellemzően több a boltban (illetve kinél nagyobb a kosárérték) és hogyan kedvezhetnek az ideálisabb szegmensnek.

Mindez egy webáruházban is lekutatható, sőt: nem kell tablettel felszerelt embereket küldened a vásárlóid után, hogy nindzsaként észrevétlenül kövessék őket, mert az analitikai szoftverek ezt megteszik helyetted.

A megfelelő adatok birtokában sokkal-sokkal részletesebb szegmenseket és buyer personákat állíthatsz fel, ezek pedig segítenek abban, hogy tűélesen célozd és optimalizáld az egyes oldalaidat. Ez a valódi viselkedésalapú marketing.

Így állj neki az elemzésnek 3 lépésben

Ha valóban használható eredményre akarsz jutni az elemzés végén, akkor a megfelelő adatokat kell vizsgálnod. Ez úgy lehetséges, ha eleve céltudatosan vágsz bele az elemzésbe.

1. Legyen egy hipotézised.

Úgy állj neki az adatbányászatnak, hogy konkrétan keresel valamit. Például bizonyítékot arra, hogy az egyes forrásokból érkező látogatók máshogy viselkednek az oldaladon.

Az én hipotézisem lehetne az, hogy a közvetlen forgalomból érkező látogatók mondjuk nagyobb eséllyel jutnak el a magazin-előfizetés landing oldalára.

Mindegy, hogy helytálló-e a hipotézis: a lényeg az, hogy kellően leszűkíti a fókuszodat, így egyes útvonalakat kiválasztva vizsgálódhatsz és nem egy pókhálót próbálsz majd értelmezni.

1. Határozd meg a KPI-okat.

Ismerd az elemzésed szempontjából fontos KPI-okat, vagyis teljesítménymutatókat. Esetemben ezek lehetnének: a követlen forgalomként érkező látogatók száma, hogy hányan jutnak el közülük a landing oldalra, hogy ott milyen arányban konvertálnak, hogy mely oldalakat és milyen sorrendben látogatják jellemzően.

1. Legyen konkrét célod.

Az enyém az lenne, hogy emeljem a landing oldal konverzióját – és hogy ennek érdekében megfelelően optimalizáljam az oldalt.

De lehet a célod az is, hogy egyszerűen adatokat gyűjts egy beszámolóhoz vagy esettanulmányhoz, hogy jobban megismerd a közönségedet, hogy finomítsd a kampányaid célzását és így tovább.

Mihez kezdj az adatokkal?

Egyszerű. finomítsd az oldalaidat. Optimalizálj viselkedésre.

Ha például azt látod, hogy a tartalmak, amiknek egy termékoldalra kellene irányítania a látogatókat, de mégsem teszik, akkor már tudod, hogy ott valamit tenned kell.

A clickstream-analízis megmondja neked, hogy pontosan mely oldalakon akadnak el a látogatók – és hogy mit csinálnak ahelyett, amit szeretnél tőlük. Más tartalmakat olvasnak, vagy otthagynak téged?

Itt jön be egy másik analitikai eszköz: végezhetsz hőtérképes vizsgálatokat a meghatározott oldalakon, hogy pontosan tudd, hogyan használják azokat – hogyan görgetnek, hová kattintanak jellemzően. (Erre a Crazy Egg a szakik szerint nagyszerűen megfelel.)

Ha ez is megvan, akkor elkezdhetsz megoldásokat kitalálni és azokat A/B teszteknek alávetni. Érdemes lehet radikálisabb tesztekben gondolkodnod és nem egyszerűen megváltoztatni egy-egy CTA helyét.

Ilyenkor kipróbálhatod, hogy összeülsz a dizájnerrel és kitalálod, hogyan irányíthatod hatékonyabban az olvasóid figyelmét. Sok oldalon használnak erre például nyilakat, de még egy-két jól megválasztott fotó is jó lehet erre a célra.

Ha ugyanis egy olyan fotót raksz az oldalara, amelyen a kamerába néz az ábrázolt ember, akkor én olvasóként automatikusan szemkontaktust fogok vele teremteni – nem tehetek róla, ilyen az emberi természetem és az olvasóid legtöbbje is pontosan ezt teszi majd.

De mi történik, ha nem a kamerába néz, hanem egy adott pontra? Mint például Seth Godin oldalán?

Természetesen oda fogok nézni. A szemkontaktussal nem vonja el a figyelmem a CTA-ról, tartalomról vagy másról, hanem éppen oda irányítja a szemem.

Hasonló trükkökből ezer és egy áll rendelkezésedre – de jól használni csak akkor fogod tudni őket, ha elvégezted a megfelelő analíziseket.

Szerencsére most már tudod, hogyan (és egyáltalán minek) kell nekikezdened, hogy a tartalmaid és landing oldalaid, az egész weboldalad jobban teljesítsen. Irány optimalizálni.