Huni Analizi

Huni analizi, kullanıcıların belirli bir hedefe (örneğin satın alma, kayıt veya abonelik) doğru tanımlanmış bir dizi adımı nasıl izlediğini inceleyerek, bu hedefe ulaşmadan önce kullanıcıların en büyük oranının nerede ayrıldığını belirleme yöntemidir. Bir huni genellikle bir dizi aşama olarak görselleştirilir; örneğin açılış sayfası ziyareti, ürün görüntüleme, sepete ekleme, ödeme başlatma ve satın alma. Her aşamada kalan kullanıcı sayısı veya yüzdesi gösterilir, böylece herhangi iki ardışık adım arasındaki göreceli kayıp oranı, raporu inceleyen herkes tarafından, ham olay tablolarını doğrudan yorumlamaya veya her aşama için ayrı bir sorgu çalıştırmaya gerek kalmadan anında görülebilir. Huniler, kullanıcıların sayılabilmesi için her adımı kesin bir sırayla tamamlamasını gerektiren kapalı veya kullanıcıların dizinin herhangi bir noktasından girebilmesine izin veren açık olarak oluşturulabilir ve ikisi arasındaki seçim, ortaya çıkan kayıp yüzdelerinin nasıl yorumlanması gerektiğini önemli ölçüde değiştirir.

Bu yöntem önemlidir çünkü tek bir toplam dönüşüm oranını gerçek bir teşhis aracına dönüştürür. Bir web sitesinin genel olarak %2 oranında dönüşüm sağladığını bilmek, tam olarak neyin düzeltilmesi gerektiği konusunda çok az şey söylerken, kullanıcıların %60'ının özellikle kargo ücretlerini görüntüleme ve ödemeyi tamamlama arasında siteyi terk ettiğini bilmek, bir ekibin bir sonraki sprinti için somut ve test edilebilir bir hedef sağlar. Bu nedenle, dönüşüm sorununun varlığını fark etmekten, bu sorunun kullanıcı yolculuğunun tam olarak neresinden kaynaklandığını anlamaya geçmek için kullanılan temel teknik, huni analizidir; bu da herhangi bir tasarım veya içerik değişikliğinin diğer rakip fikirlerden daha makul bir şekilde önceliklendirilmesinden önce gerekli olan ilk adımdır. Aynı huniyi ardışık dönemlerde incelemek, önceki bir düzeltmenin gerçekten işe yarayıp yaramadığını da ortaya koyar, çünkü bir sürümden sonra iyileşen bir adım, sayfanın başka yerlerinde ilgisiz değişiklikler yayınlandıkça aylar sonra sessizce gerileyebilir.

Satış hunileri genellikle Google Analytics 4'ün huni keşif raporları, Mixpanel veya Amplitude gibi araçlar kullanılarak oluşturulur ve analiz edilir; bunların tümü, her adımın önceden izlenecek bir olay olarak tanımlanmasını gerektirir, bu da doğru olay izlemeyi her türlü güvenilir huni analizi için mutlak bir ön koşul haline getirir. Analistler genellikle hem genel bir huni hem de birkaç bölümlü sürüm oluştururlar; örneğin, hunileri trafik kaynağına, cihaz türüne veya yeni ve geri dönen ziyaretçilere göre ayırırlar, çünkü genel olarak yeterli performans gösteren bir adım, mobil kullanıcılar gibi bir segment için ciddi bir sorunu gizleyebilirken, yüksek satın alma niyetiyle marka aramalarından gelen masaüstü kullanıcıları gibi başka bir segment için mükemmel performans gösterebilir.

Sık yapılan bir hata, dönüşüm hunisi adımlarını çok genel veya gerçek kullanıcı arayüzüne çok gevşek bir şekilde bağlamaktır; örneğin, çok alanlı bir ödeme işlemini, gönderim bilgileri, ödeme bilgileri ve sipariş incelemesi gibi ayrı adımlar yerine tek bir adım olarak ele almak, analizin asıl amacının ortaya koymak olduğu ayrıntılı sonlanma noktasını gizler. Bir diğer yaygın tuzak ise, gerçek kullanıcı davranışının genellikle doğrusal olmayan bir şekilde ilerlediği, ziyaretçilerin ürünleri karşılaştırmak için geriye doğru hareket ettiği, birden fazla sekme açtığı veya birden fazla oturum ve cihazda geri döndüğü durumlarda, dönüşüm hunisini yalnızca doğrusal, sıralı mantık kullanarak analiz etmektir. Bu tür davranışlar, altta yatan analiz ve raporlama yapılandırmasında kasıtlı olarak hesaba katılmadığı takdirde, katı bir adım adım dönüşüm hunisi modeli tarafından yanlış temsil edilebilir.

In CRO Danışmanlık hizmetlerinde, huni analizi genellikle bir etkinlik izleme denetiminin ardından gelen ikinci adımdır ve hangi aşamanın önce test edileceğine dair önceliklendirmeyi doğrudan etkiler; genellikle gelir açısından potansiyel olarak geri kazanılabilir değerine göre en yüksek terk oranına sahip aşama tercih edilir. Danışmanlar, kullanıcıların nerede ayrıldığını belirlemekten, neden ayrıldıklarını anlamaya geçmek için genellikle nicel huni verilerini nitel araştırmalarla (örneğin, belirli bir adımda ayrılan kullanıcıların oturum kayıtları veya ziyaretçinin neden devam etmemeyi seçtiğini soran sayfa içi çıkış anketleri) birleştirirler; bu da nihayetinde test kaynaklarına yatırım yapmaya değer, iyi hedeflenmiş, kanıta dayalı bir hipotezi şekillendirir. Huni bulgularını yalnızca yüzdesel terk oranını değil, belirli bir boşluğu kapatmanın tahmini gelir değerini de sunarak sunmak, teknik olmayan paydaşlarla yapılan önceliklendirme görüşmelerini önemli ölçüde daha somut ve ikna edici hale getirir.