SwitasOta yhteyttä

Suppiloanalyysi (Funnel Analysis)

Suppiloanalyysi on menetelmä, jossa tarkastellaan, miten käyttäjät etenevät määritellyn vaiheiden sarjan läpi kohti tiettyä tavoitetta, kuten ostoa, rekisteröitymistä tai tilausta, jotta voidaan tunnistaa, missä vaiheessa suurin osa käyttäjistä lopettaa ennen tavoitteen saavuttamista. Suppilo visualisoidaan tyypillisesti vaiheiden sarjana, esimerkiksi aloitussivun käynti, tuotenäkymä, ostoskoriin lisääminen, kassan aloitus ja osto. Kussakin vaiheessa jäljellä olevien käyttäjien määrä tai prosenttiosuus näytetään, jolloin kahden peräkkäisen vaiheen välisen poistuman suuruus on heti nähtävissä jokaiselle raporttia tarkastelevalle ilman, että raakoja tapahtumataulukoita tarvitsee tulkita suoraan tai että jokaiselle vaiheelle täytyy ajaa erillistä kyselyä. Suppilot voidaan rakentaa joko suljettuina, jolloin käyttäjien on suoritettava jokainen vaihe tiukassa järjestyksessä tullakseen lasketuksi, tai avoimina, jolloin käyttäjät voivat tulla sisään sarjan missä kohdassa tahansa. Valinta näiden kahden välillä muuttaa olennaisesti sitä, miten syntyviä poistumisprosentteja tulee tulkita. Menetelmä on tärkeä, koska se muuttaa yksittäisen kokonaiskonversioasteen varsinaiseksi diagnostiseksi työkaluksi. Tieto siitä, että verkkosivusto konvertoi 2 prosentin tasolla, kertoo hyvin vähän siitä, mitä tarkalleen pitäisi korjata, kun taas tieto siitä, että 60 prosenttia käyttäjistä hylkää ostoksen nimenomaan toimituskulujen katsomisen ja maksun suorittamisen välillä, antaa konkreettisen, testattavan kohteen tiimin seuraavalle sprintille. Suppiloanalyysi on siksi ensisijainen tekniikka, jolla siirrytään havainnosta, että konversio-ongelma on olemassa, ymmärrykseen siitä, missä kohdassa käyttäjäpolkua ongelma tarkalleen syntyy. Se on välttämätön ensimmäinen askel ennen kuin yksikään suunnittelu- tai sisältömuutos voidaan perustellusti priorisoida toisen kilpailevan idean edelle. Saman suppilon tarkastelu peräkkäisillä jaksoilla paljastaa myös, pitikö aiempi korjaus, sillä vaihe, joka parani yhden julkaisun jälkeen, voi hiljaa heikentyä uudelleen kuukausia myöhemmin, kun muualla sivulla julkaistaan toisiinsa liittymättömiä muutoksia. Suppiloita rakennetaan ja analysoidaan yleisesti työkaluilla kuten Google Analytics 4:n suppiloanalyysiraportit, Mixpanel tai Amplitude. Ne kaikki edellyttävät, että kukin vaihe on määritelty etukäteen seurattavaksi tapahtumaksi, mikä tekee tarkasta tapahtumaseurannasta ehdottoman edellytyksen luotettavalle suppiloanalyysille. Analyytikot rakentavat tyypillisesti sekä kokonaissuppilon että useita segmentoituja versioita, esimerkiksi erottelemalla suppilot liikennelähteen, laitetyypin tai uusien ja palaavien kävijöiden mukaan. Vaihe, joka näyttää toimivan kokonaisuutena riittävän hyvin, voi nimittäin peittää vakavan ongelman yhdelle segmentille, kuten mobiilikäyttäjille, vaikka se toimii täysin moitteettomasti toiselle, kuten brändihaun kautta saapuville työpöytäkäyttäjille, joilla on valmiiksi vahva ostoaikomus. Yleinen virhe on määritellä suppilon vaiheet liian laajasti tai liian löyhästi sidottuina todelliseen käyttöliittymään, esimerkiksi käsitellä koko monikenttäinen kassa yhtenä vaiheena sen sijaan, että se jaettaisiin toimitustietoihin, maksutietoihin ja tilauksen tarkistukseen. Tämä piilottaa juuri sen yksityiskohtaisen poistumiskohdan, jonka paljastamiseksi analyysi alun perin tehtiin. Toinen yleinen sudenkuoppa on analysoida suppiloa pelkän lineaarisen, peräkkäisen logiikan avulla, vaikka todellinen käyttäjäkäyttäytyminen on usein epälineaarista: kävijät palaavat taaksepäin vertailemaan tuotteita, avaavat useita välilehtiä tai palaavat useiden istuntojen ja laitteiden kautta ennen lopullista konvertoitumista. Tiukka vaihe vaiheelta etenevä suppilomalli voi vääristää näitä kaavoja pahasti, ellei niitä oteta tarkoituksella huomioon analyysissa ja raportoinnin konfiguraatiossa. CRO-konsultoinnissa suppiloanalyysi on tyypillisesti hankkeen toinen vaihe tapahtumaseurannan auditoinnin jälkeen, ja se ohjaa suoraan sen priorisointia, mitä vaihetta testataan ensin. Yleensä valitaan vaihe, jonka poistumisaste on korkein suhteessa sen palautettavissa olevaan liikevaihtoarvoon. Konsultit yhdistävät määrällisen suppilodatan usein laadulliseen tutkimukseen, kuten tietyssä vaiheessa poistuneiden käyttäjien istuntotallenteisiin tai sivulla näytettäviin poistumiskyselyihin, joissa kysytään, miksi kävijä päätti olla jatkamatta. Näin siirrytään tunnistamisesta, missä käyttäjät lähtevät, ymmärrykseen siitä, miksi he lähtivät, mikä viime kädessä muokkaa hyvin kohdennetun, näyttöön perustuvan hypoteesin, johon kannattaa sijoittaa testausresursseja. Suppilohavaintojen esittäminen yhdessä tietyn aukon sulkemisen arvioidun liikevaihtoarvon kanssa pelkän prosentuaalisen poistuman sijaan tekee myös priorisointikeskustelut ei-teknisten sidosryhmien kanssa huomattavasti konkreettisemmiksi ja vakuuttavammiksi.

Lisää kirjaimella F alkavia termejä

Rakennetaan seuraava.

Ota yhteyttä