Tragtanalyse

Tragtanalyse er metoden til at undersøge, hvordan brugere bevæger sig gennem en defineret rækkefølge af trin mod et specifikt mål, såsom et køb, en tilmelding eller et abonnement, for at identificere, hvor den største andel af brugerne fravælger, før de når målet. En tragt visualiseres typisk som en række faser, for eksempel besøg på landingsside, produktvisning, tilføj til kurv, kassestart og køb, hvor antallet eller procentdelen af ​​brugere, der er tilbage på hvert trin, vises, så den relative størrelse af frafaldet mellem to på hinanden følgende trin er umiddelbart synlig for alle, der gennemgår rapporten, uden at det er nødvendigt at fortolke rå hændelsestabeller direkte eller køre en separat forespørgsel for hvert trin. Tragte kan enten bygges som lukkede, hvilket kræver, at brugerne gennemfører hvert trin i streng rækkefølge for at blive talt, eller åbne, hvilket giver brugerne mulighed for at deltage når som helst i sekvensen, og valget mellem de to ændrer væsentligt, hvordan de resulterende frafaldsprocenter skal fortolkes.

Denne metode er vigtig, fordi den omformulerer en enkelt samlet konverteringsrate til et egentligt diagnostisk værktøj. At vide, at et websted konverterer med 2 procent samlet set, siger meget lidt om, hvad der specifikt skal rettes, hvorimod at vide, at 60 procent af brugerne forlader webstedet specifikt mellem visning af forsendelsesomkostninger og gennemførelse af betaling, giver et konkret, testbart mål for et teams næste sprint. Funnelanalyse er derfor den primære teknik, der bruges til at gå fra at bemærke, at der findes et konverteringsproblem, til at forstå præcist, hvor i brugerrejsen problemet rent faktisk stammer fra, hvilket er det nødvendige første skridt, før enhver design- eller indholdsændring med rimelighed kan prioriteres frem for en anden konkurrerende idé. Gennemgang af den samme funnel over successive perioder afslører også, om en tidligere løsning rent faktisk holdt, da et trin, der blev forbedret efter én udgivelse, stille og roligt kan forfalde måneder senere, efterhånden som uafhængige ændringer sendes andre steder på siden.

Tragte bygges og analyseres almindeligvis ved hjælp af værktøjer som Google Analytics 4's tragtudforskningsrapporter, Mixpanel eller Amplitude, som alle kræver, at hvert trin defineres som en sporet hændelse på forhånd, hvilket gør nøjagtig hændelsessporing til en absolut forudsætning for pålidelig tragtanalyse af enhver art. Analytikere bygger typisk både en samlet tragt og flere segmenterede versioner, for eksempel adskillelse af tragte efter trafikkilde, enhedstype eller ny versus tilbagevendende besøgende, fordi et trin, der ser ud til at præstere tilstrækkeligt samlet set, kan maskere et alvorligt problem for ét segment, såsom mobilbrugere, mens det præsterer perfekt for et andet, såsom desktopbrugere, der kommer fra branded search med en høj eksisterende købsintention.

En hyppig fejl er at definere tragttrin for bredt eller for løst forbundet med den faktiske brugergrænseflade, for eksempel at behandle en hel kasse med flere felter som et enkelt trin i stedet for at opdele den i forsendelsesoplysninger, betalingsoplysninger og ordregennemgang, hvilket skjuler præcis det detaljerede afleveringspunkt, som analysen i første omgang var beregnet til at afsløre. En anden almindelig faldgrube er at analysere en tragt ved kun at bruge lineær, sekventiel logik, når den reelle brugeradfærd ofte er ikke-lineær, hvor besøgende bevæger sig baglæns for at sammenligne produkter, åbner flere faner eller vender tilbage på tværs af flere sessioner og enheder, før de til sidst konverterer. Disse mønstre kan give et forkert billede af en streng trin-for-trin-tragtmodel, hvis der ikke bevidst tages højde for det i den underliggende analyse- og rapporteringskonfiguration.

In CRO Inden for konsulentbranchen er tragtanalyse typisk det andet trin i et engagement efter en eventtracking-revision, og den bidrager direkte til prioriteringen af, hvilken fase der skal testes først. Generelt er det trin med den højeste frafaldsrate i forhold til dets potentielle genindvindingsværdi i omsætningsform. Konsulenter kombinerer ofte kvantitative tragtdata med kvalitativ research, såsom sessionsoptagelser af brugere, der frafaldt på et specifikt trin, eller exit-undersøgelser på siden, der spørger, hvorfor en besøgende valgte ikke at fortsætte. Derved går man fra at identificere, hvor brugerne forlader en kunde, til at forstå, hvorfor de forlod den. Dette er i sidste ende det, der former en velmålrettet, evidensbaseret hypotese, der er værd at investere testressourcer i. At præsentere tragtresultater sammen med den estimerede omsætningsværdi ved at lukke et givet hul i stedet for kun selve den procentvise frafaldsværdi har også en tendens til at gøre prioriteringssamtaler med ikke-tekniske interessenter betydeligt mere konkrete og overbevisende.