Funnelanalyse is de methode om te onderzoeken hoe gebruikers door een gedefinieerde reeks stappen naar een specifiek doel bewegen, zoals een aankoop, aanmelding of abonnement, om vast te stellen waar het grootste deel van de gebruikers afhaakt voordat dat doel is bereikt. Een funnel wordt doorgaans gevisualiseerd als een reeks fasen, bijvoorbeeld bezoek aan de landingspagina, productweergave, toevoegen aan winkelwagen, starten van de checkout en aankoop, met per fase het aantal of percentage resterende gebruikers. Zo is de relatieve omvang van de uitval tussen twee opeenvolgende stappen direct zichtbaar voor iedereen die het rapport bekijkt, zonder dat ruwe eventtabellen hoeven te worden geïnterpreteerd of voor elke fase een aparte query hoeft te worden uitgevoerd. Funnels kunnen gesloten worden opgezet, waarbij gebruikers elke stap in strikte volgorde moeten voltooien om te worden meegeteld, of open, waarbij gebruikers op elk punt in de reeks kunnen instappen. De keuze tussen beide verandert wezenlijk hoe de resulterende uitvalpercentages moeten worden geïnterpreteerd.
Deze methode is belangrijk omdat ze één geaggregeerd conversieratio omvormt tot een echt diagnostisch instrument. Weten dat een website in totaal met 2 procent converteert, zegt weinig over wat precies moet worden verbeterd, terwijl weten dat 60 procent van de gebruikers specifiek afhaakt tussen het zien van de verzendkosten en het voltooien van de betaling een concreet, testbaar doel oplevert voor de volgende sprint van een team. Funnelanalyse is daarom de belangrijkste techniek om van het signaleren dat er een conversieprobleem is te komen tot het precies begrijpen waar in de gebruikersreis dat probleem ontstaat. Dat is de noodzakelijke eerste stap voordat een wijziging in design of content redelijkerwijs boven een ander concurrerend idee kan worden geprioriteerd. Dezelfde funnel over opeenvolgende periodes bekijken laat ook zien of een eerdere oplossing standhield, omdat een stap die na één release verbeterde maanden later ongemerkt kan terugvallen doordat elders op de pagina niet-gerelateerde wijzigingen worden doorgevoerd.
Funnels worden doorgaans gebouwd en geanalyseerd met tools als de funnelverkenningsrapporten van Google Analytics 4, Mixpanel of Amplitude. Bij allemaal moet elke stap vooraf als getrackt event worden gedefinieerd, waardoor nauwkeurige eventtracking een absolute voorwaarde is voor betrouwbare funnelanalyse van welke aard ook. Analisten bouwen doorgaans zowel een totaalfunnel als meerdere gesegmenteerde versies, bijvoorbeeld gesplitst naar verkeersbron, apparaattype of nieuwe versus terugkerende bezoeker. Een stap die in totaal voldoende lijkt te presteren, kan namelijk een ernstig probleem voor één segment verbergen, zoals mobiele gebruikers, terwijl hij prima presteert voor een ander segment, zoals desktopgebruikers die via merkgebonden zoekverkeer binnenkomen met een hoge bestaande koopintentie.
Een veelgemaakte fout is funnelstappen te breed of te los van de werkelijke gebruikersinterface te definiëren, bijvoorbeeld een volledige checkout met meerdere velden als één stap behandelen in plaats van op te splitsen in verzendgegevens, betaalgegevens en orderoverzicht. Dat verbergt precies het gedetailleerde uitvalpunt dat de analyse had moeten onthullen. Een andere veelvoorkomende valkuil is een funnel analyseren met uitsluitend lineaire, sequentiële logica terwijl echt gebruikersgedrag vaak niet-lineair is: bezoekers gaan terug om producten te vergelijken, openen meerdere tabbladen of keren over meerdere sessies en apparaten terug voordat ze uiteindelijk converteren. Een strikt stapsgewijs funnelmodel kan die patronen sterk verkeerd weergeven als er niet bewust rekening mee wordt gehouden in de onderliggende analyse en rapportageconfiguratie.
In CRO-advies is funnelanalyse doorgaans de tweede stap van een traject, na een audit van eventtracking, en ze voedt rechtstreeks de prioritering van welke fase als eerste wordt getest, in het algemeen de fase met het hoogste uitvalpercentage ten opzichte van de potentieel terug te winnen omzetwaarde. Consultants combineren kwantitatieve funneldata vaak met kwalitatief onderzoek, zoals sessieopnames van gebruikers die bij een bepaalde stap afhaakten of on-page exitenquêtes waarin wordt gevraagd waarom een bezoeker niet verder ging, om van weten waar gebruikers vertrekken te komen tot begrijpen waarom ze vertrokken. Dat geeft uiteindelijk vorm aan een gerichte, op bewijs gebaseerde hypothese waar testcapaciteit in geïnvesteerd mag worden. Funnelbevindingen presenteren naast de geschatte omzetwaarde van het dichten van een bepaalde kloof, in plaats van alleen het uitvalpercentage zelf, maakt prioriteringsgesprekken met niet-technische belanghebbenden doorgaans ook veel concreter en overtuigender.
Meer termen die beginnen met F
Gefacetteerde navigatie (Faceted Navigation)Feature flagFirst-click testingFirst Contentful Paint (FCP)First-party dataWet van Fitts (Fitts's Law)Vijfsecondentest (five-second test)Flickereffect (flicker effect)Formulieroptimalisatie (form optimization)Frequency capping (frequentiebegrenzing)Frictie (friction)
