Traktanalyse (funnel analysis) er metoden for å undersøke hvordan brukere beveger seg gjennom en definert rekke trinn mot et bestemt mål, som et kjøp, en registrering eller et abonnement, for å identifisere hvor den største andelen brukere faller fra før de fullfører målet. En trakt visualiseres vanligvis som en serie stadier, for eksempel besøk på landingsside, produktvisning, legg i handlekurv, start av kasse og kjøp, med antall eller andel brukere som er igjen i hvert stadium, slik at den relative størrelsen på frafallet mellom to påfølgende trinn umiddelbart er synlig for alle som gjennomgår rapporten, uten å måtte tolke rå hendelsestabeller direkte eller kjøre en egen spørring for hvert stadium. Traktene kan bygges enten som lukkede, der brukere må fullføre hvert trinn i streng rekkefølge for å bli telt, eller åpne, der brukere kan komme inn på et hvilket som helst punkt i sekvensen, og valget mellom de to endrer vesentlig hvordan de resulterende frafallsprosentene bør tolkes.
Metoden er viktig fordi den gjør en enkelt samlet konverteringsrate om til et reelt diagnoseverktøy. Å vite at et nettsted konverterer med 2 prosent totalt sier svært lite om hva som konkret bør rettes, mens å vite at 60 prosent av brukerne forlater akkurat mellom visning av fraktkostnader og gjennomføring av betaling gir et konkret, testbart mål for teamets neste sprint. Traktanalyse er derfor den viktigste teknikken for å gå fra å merke at det finnes et konverteringsproblem til å forstå nøyaktig hvor i brukerreisen problemet faktisk oppstår, som er det nødvendige første steget før noen endring i design eller innhold med rimelighet kan prioriteres foran en annen konkurrerende idé. Å gjennomgå den samme trakten over påfølgende perioder avslører også om en tidligere rettelse faktisk holdt, siden et trinn som ble bedre etter én utgivelse i det stille kan gå tilbake måneder senere når urelaterte endringer rulles ut andre steder på siden.
Traktene bygges og analyseres vanligvis med verktøy som traktutforskningsrapportene i Google Analytics 4, Mixpanel eller Amplitude, som alle krever at hvert trinn på forhånd er definert som en sporet hendelse, noe som gjør nøyaktig hendelsessporing til en absolutt forutsetning for pålitelig traktanalyse av enhver art. Analytikere bygger vanligvis både en samlet trakt og flere segmenterte versjoner, for eksempel ved å skille traktene etter trafikkilde, enhetstype eller nye mot returnerende besøkende, fordi et trinn som ser ut til å prestere tilfredsstillende samlet kan skjule et alvorlig problem for ett segment, som mobilbrukere, mens det fungerer helt fint for et annet, som desktopbrukere som kommer fra merkevaresøk med høy eksisterende kjøpsintensjon.
En hyppig feil er å definere traktens trinn for bredt eller for løst koblet til det faktiske brukergrensesnittet, for eksempel å behandle en hel kasse med mange felt som ett enkelt trinn i stedet for å dele den opp i fraktinformasjon, betalingsinformasjon og ordregjennomgang, noe som skjuler akkurat det detaljerte frafallspunktet analysen skulle avdekke. En annen vanlig felle er å analysere en trakt kun med lineær, sekvensiell logikk når reell brukeratferd ofte er ikke-lineær, der besøkende går bakover for å sammenligne produkter, åpner flere faner eller kommer tilbake over flere økter og enheter før de til slutt konverterer, mønstre som en streng trinn-for-trinn-modell kan fremstille svært misvisende hvis de ikke bevisst tas hensyn til i det underliggende analyse- og rapporteringsoppsettet.
I CRO-rådgivning er traktanalyse vanligvis det andre steget i et oppdrag, etter en revisjon av hendelsessporingen, og den mater direkte inn i prioriteringen av hvilket stadium som skal testes først, vanligvis stadiet med høyest frafallsrate i forhold til den potensielle omsetningsverdien som kan hentes tilbake. Rådgivere kombinerer ofte kvantitative traktdata med kvalitativ research, som øktopptak av brukere som falt fra i et bestemt trinn eller spørreundersøkelser ved avslutning på siden som spør hvorfor en besøkende valgte å ikke gå videre, for å gå fra å identifisere hvor brukerne forlater til å forstå hvorfor de forlot, som til syvende og sist former en velrettet, evidensstøttet hypotese som er verdt å investere testressurser i. Å presentere traktfunnene sammen med den estimerte omsetningsverdien av å lukke et gitt gap, og ikke bare selve prosentvise frafallet, gjør også prioriteringssamtaler med ikke-tekniske beslutningstakere betydelig mer konkrete og overbevisende.
