Daarnaast zullen we ons dit jaar met 1 grote uitdaging gaan bezighouden aldus de ‘kenners’; ‘Multi Visit Analyse’. Mooie term die we moeten onderverdelen in twee gedaanten volgens mij. Enerzijds gaat het over de offsite metrics (lees: het meetbaar maken van conversaties op sociale netwerken) en anderzijds gaat ‘multi visit analyse’ over het herkennen van bezoekers die continue switchen van apparaat (laptop, mobiel, Ipad etc.).
Lees het hele artikel op Webanalisten.nl

Bij het optimaliseren van websites wordt een afgeleide van dit model gebruikt om de bezoekers op de website te categoriseren. Zo wordt het mogelijk de  dialoog met de bezoekers te verbeteren. De bezoekers worden in vier basale  persoonlijkheidstypes ingedeeld op basis van twee assen.

Eén as verdeelt de bezoekers in snelle en langzame beslissers, een tweede as verdeelt de bezoekers in rationele en emotionele beslissers. Het resulteert in een model met vier kwadranten, waarbij bezoekers ingedeeld zijn in hun vier dominante basistypes: de competitieve, spontane, methodische en humane bezoekers.

Elk van deze bezoekerstypes heeft andere kenmerken en voorkeuren. Ze hebben dan ook verschillende informatiebehoeftes om tot een besluit te komen.

Hieronder vindt u de primaire basis types uitgewerkt, met hun bijbehorende kenmerken:

Competitief

De competitieve bezoeker voldoet aan de kenmerken snel en rationeel. Deze bezoeker kan snel een besluit nemen en baseert zijn beslissing op feiten. Hij kijkt naar de website, zoekt een product of dienst en vraagt zich af wat de waarde voor hem/haar is. Op basis van de geboden feitelijke informatie, gaat hij over tot actie. Als hij het voordeel niet snel kan vinden, is hij snel weer afgeleid en gaat op zoek naar iets anders.  Voor dit type bezoeker is het dus belangrijk om de kenmerken van een product of dienst snel en helder te krijgen. Het liefste wil hij een samenvatting of opsomming in de vorm van bulletpoints om snel te kunnen scannen. Op basis hiervan bepaalt hij of zij het product of dienst wil hebben of niet. Een voorbeeld: de zakenvrouw die een laptop wil kopen baseert haar keuze vooral of de laptop snel en klein genoeg is met een goede prijs. Alle verdere details van de laptop hoeft zij eigenlijk niet te weten.

Spontaan

De spontane bezoeker kenmerkt zich door snel en emotioneel gedrag. Deze bezoeker zal dus ook snel beslissen, maar let minder op feiten. Hij is emotioneel en laat zich leiden door zijn gevoel. Hij vraagt zich af waarom hij het product moet kopen. Als het hem persoonlijk bijzonder maakt of zijn leven makkelijker maakt zal hij dus snel een beslissing kunnen nemen. Hij is ook gevoelig voor korting of cadeaus welke je erbij krijgt. De spontane bezoeker is bijvoorbeeld de gadget liefhebber die een nieuwe gadget erg leuk of handig vindt en deze daarom direct bestelt.

Methodisch

De methodische bezoeker heeft de kenmerken langzaam en rationeel. Deze bezoeker zal niet snel een besluit nemen, hij neemt er de tijd voor. Daarnaast let hij ook op de feiten, hij wil alle details van een product of dienst weten voordat hij een besluit neemt. Hij zal ook bij voorkeur alle voorwaarden willen lezen, controleert alles tot in de puntjes en zal dan pas een weloverwogen besluit kunnen nemen. Hij is op zoek naar bewijs en garantie op wat er beweerd wordt. De methodische gebruiker is de vakantieganger die wil weten hoeveel zwembaden en restaurants een hotel heeft en die zelfs de hotelbeschrijving uitprint en meeneemt op vakantie.

Humaan

De humane bezoeker heeft de kenmerken langzaam en emotioneel. De humane bezoeker zal, net als de methodische bezoeker, ook niet snel een besluit nemen. Het verschil is dat de humane bezoeker minder let op de feiten, maar meer op wat anderen ervan vonden. Hij zal overtuigd worden als de reviews of recensies van andere bezoekers ook positief zijn. Natuurlijk is het belangrijk dat ze oprecht en actueel zijn. Hij wil ook graag ergens bij horen, naast reviews zoekt hij bijvoorbeeld ook hoeveel klanten een product al hebben gekocht of gebruikt. Verder zal hij willen weten wie achter een bedrijf of organisatie zit, hij vindt het belangrijk om te weten of het bedrijf te vertrouwen is. De humane bezoeker is de persoon die alle reviews op websites leest en naar de beoordeling van andere klanten kijkt. Hij kijkt ook op verschillende sociale media voordat hij een besluit neemt.

Voorkeuren

Zoals beschreven hebben deze vier persoonlijkheidstypes verschillende kenmerken en voorkeuren. Idealiter bevat de website of pagina aspecten voor alle vier de MBTI types. Het is zelfs mogelijk bovenaan de pagina één alinea met vier zinnen te schrijven waarmee met elke zin een MBTI type wordt aangesproken. Het belangrijkste is dat er voor alle MBTI types een relevante boodschap te vinden is. Dit kan bijvoorbeeld door eerst de snelle beslissers en vervolgens de langzame beslissers op de website aan te spreken.

Indeling van de pagina

In de praktijk kan dit door bovenaan de pagina een korte samenvatting of opsomming te maken van het product voor de competitieve bezoeker. De spontane bezoeker wordt enthousiast van een actie of door het zien dat het product speciaal bij hem past. Hierna kan er voor de methodische en humane bezoekers meer informatie gegeven worden zoals productdetails en reviews, zij willen graag meer weten en zullen het dus niet erg vinden om veel te lezen. Het is dus niet zo dat alle content op een landingspagina volledig boven de vouw hoeft te passen. Als de content maar relevant genoeg is voor de methodische en humane bezoekers zullen ze blijven lezen. Hierbij geldt ook dat testen een effectief middel is om uit te vinden wat het best voor de doelgroep werkt.

Relevantie

Deze MBTI indeling is een algemene methodiek om te bepalen welke bezoekers op de website aangesproken kunnen worden. Afhankelijk van het product of dienst zal een indeling gebruikt moeten worden die het best past bij de doelgroep. Wat voor bedrijf of product A goed werkt hoeft voor bedrijf of product B niet altijd de beste oplossing te zijn. Relevantie voor de bezoekers is hierin bepalend. De bezoekersgroep zal altijd alle aspecten van de vier kwadranten in zich hebben, het is de vraag welke groepen het duidelijkst vertegenwoordigd zijn. Het kan relevant zijn slechts twee of drie persoonlijkheidstypen aan te spreken omdat die de grote meerderheid vormen.

Doelgroep analyse

De beste methode om zo relevant mogelijk te zijn voor de doelgroep is een doelgroep analyse. Het is belangrijk om te weten wie de doelgroep is en welk deel daarvan de website bezoekt. Het gedrag wat ze op het internet en op de website vertonen kan gebruikt worden om de content daarop aan te passen.

Veranderend gedrag

Een bezoeker blijkt in het online gedrag niet altijd hetzelfde persoonlijkheidstype te hebben. Afhankelijk van het type product en de fase (oriënterend, beslissend) in het aankoopproces, kan een bezoeker verschillende voorkeuren hebben en dus op dat moment ander gedrag vertonen dan dat van het dominante MBTI type. Bij de aankoop van een duur product zal de bezoeker niet zo snel een beslissing nemen als bij de aanschaf van een goedkope accessoire. Verder heeft de fase in het aankoopproces ook veel invloed. Wanneer de potentiele koper vrij ver is in het besluit/aankoopproces, zal een korting meer invloed hebben op het besluit dan wanneer deze nog in de oriënterende fase aan het zoeken is.

Kortom, het proces kent vele nuances. Alle bezoekers hebben een dominante persoonlijkheidstype, maar kunnen afhankelijk van het onderwerp, of de fase in het aankoopproces andere voorkeuren vertonen.

Testen

Wanneer een doelgroep analyse is gemaakt, is er meer over de doelgroep bekend: wie de doelgroep is, waar ze op zoeken, van welke websites ze komen en wat voor een gedrag ze op de website vertonen. Vervolgens kunnen hypotheses opgesteld worden. Deze hypotheses beschrijven hoe de conversie potentieel te verhogen is door de bezoekers zo relevant mogelijk aan te spreken. Met een A/B of Multivariate test kan bepaald worden of de hypotheses bewezen worden en welke variant het best voor de doelgroep werkt.

Vervolgstappen

Als eerste vervolgstap wordt er gesegmenteerd getest. Dit komt erop neer dat er voor elk segment van de doelgroep een relevante en geoptimaliseerde pagina aanwezig is, in tegenstelling tot één pagina voor alle bezoekers.  Deze segmentatie kan bijvoorbeeld aangebracht worden op basis van de herkomst van de bezoekers of de fase in het aankoopproces. Elk segment wordt wederom gebaseerd op een verdeling van de bezoekers op basis van het MBTI type. Bezoekers die vanuit een vergelijkingssite komen, zullen bijvoorbeeld een meer methodisch en humaan bezoekersprofiel hebben. Met deze kennis wordt voor dit segment een meer relevante pagina gemaakt op basis van de MBTI types.

Conclusie

Het MBTI model is een perfect model om de conversie op een website te optimaliseren. Na de doelgroep analyse en het bieden van relevante content voor elke MBTI type in het verkoopproces, zal de dialoog met de bezoekers maximaal relevant zijn.  Aangezien de markt, producten/diensten en ook de bezoekers veranderen, is het uitgebreid en voortdurend testen van de dialoog van essentieel belang om de interactie met uw doelgroep steeds actueel en optimaal te houden.

Om dit inzicht wel te geven heeft Google tijdens LeWeb’11 de “Social Data Hub” aangekondigd.

Met de “Social Data Hub” wordt het mogelijk voor sociale netwerken informatie over het gebruik en de interactie op hun netwerk te delen met Google Analytics.

Door middel van de integratie tussen sociale netwerken en Google Analytics wordt het voor marketeers en web analisten mogelijk inzicht te krijgen in de interactie op externe websites en netwerken, de dialoog met de doelgroep te optimaliseren voor specifieke sociale netwerken en de impact op de conversie (afgezet tegen de investering in tijd en budget) te meten en verder te verbeteren.

Het is voor elk sociaal netwerk of website mogelijk informatie over interactie op hun platform te integreren met Google Analytics (waaronder bijvoorbeeld; delen, stemmen, bookmarken en reageren). Deze informatie zal ergens volgend jaar in specifieke sociale rapportages beschikbaar worden in Google Analytics.

De Sociale Data Hub is een gestandaariseerd open platform gebaseerd op open web standaarden zoals Activity Streams specification. Een aantal netwerken hebben al toegezegd aan Google deel te nemen als launching partner waaronder Delicious, Digg, Diigo, Gigya, LiveFyre, ReadItLater, Reddit, TypePad, Vkontakte en natuurlijk Google+, Blogger and Google Groups.

Google zegt er zelf over tijdens de aankondiging op LeWeb’11:

“Het social web biedt veel kansen voor ondernemingen en merken om op een relevante en authentieke manier interactie en een dialoog kunnen hebben met hun doelgroep. Door het gebrek aan inzicht en meetbaarheid van social is de echte waarde van sociale netwerken voor marketeers niet inzichtelijk marketers. Ons doel met de Social Data Hub is het zorgen voor inzicht in de bijdrage van social media aan de branding en uiteindelijke conversie voor ondernemingen en merken”.

Social Data Hub

De Social Data Hub is een platform waarmee het mogelijk wordt voor sociale netwerken en platformen om informatie over het gedrag van gebruikers binnen hun netwerk beschikbaar te stellen aan het Google Analytics account van een website.

Deze informatie beslaat onder meer het delen van content (bijvoorbeeld met de Google+ button), reacties binnen het netwerk en alle andere activiteiten rond de content van een website. De informatie over dit soort acties kan het netwerk via de Social Data Hub beschikbaar stellen aan de web analyse tool van Google. Hierdoor wordt het voor marketeers en web analisten mogelijk binnen Google Analytics te zien welke invloed externe netwerken en sites hebben op het uiteindelijke rendement. Zo kan bijvoorbeeld Digg (een van de launching partners) het aantal keer dat een artikel op hun platform is bekeken en weer is gedeeld met andere netwerken terug geven aan Google Analytics. De eigenaar van de website ziet in Google Analytics dan niet enkel de bezoekers vanuit Digg maar ook de toegevoegde waarde van het aantal keer dat zijn artikel op het netwerk van Digg is bekeken en weer is gedeeld binnen andere sociale netwerken.

De Social Data Hub en Google Analytics

De Social Data Hub maakt het op termijn mogelijk voor Google Analytics gebruikers om data over social media geaggregeerd en centraal raad te plegen. Binnen Google Analytics zullen hiervoor in het volgend jaar specifieke nieuwe rapporten beschikbaar worden. Binnen Google Analytics wordt (door middels van deze nieuwe rapporten) de bijdrage van externe websites, social media en platformen aan de doelen en uiteindelijke conversie van de website inzichtelijk.

De voordelen van de Social Data Hub

Google wil met de Social Data Hub:

• De impact en het rendement van deelnemende social media netwerken inzichtelijk maken voor marketeers en web-analisten;
• een volledig beeld geven van de sociale interactie rond merken en content;
• De effecten van social media op de doelen en conversie op een website aantonen.

Partners

Google heeft bekend gemaakt dat de volgende netwerken bij de lancering van de Social Data Hub data beschikbaar maken aan Google Analytics.

• Digg
• Reddit
• StackOverflow
• TypePad
• Delicious
• WordPress
• Gigya
• LiveFyre
• Google+
• Google Blogger
• Google Groups

Grote afwezigen zijn uiteraard Facebook, Linkedin en Twitter. De tijd zal uitwijzen of deze netwerken deel zullen nemen.

Voor wie is de Social Data Hub interessant

Uiteraard is de data waarmee Google Analytics wordt verrijkt op met name interessant voor marketeers en de beslissers binnen organisaties. Op basis van de inspanning en kosten nodig per sociaal netwerk en het uiteindelijke bereik en ROI kunnen budgetten worden bepaald en efficiënter worden in gezet. Hiervoor is het nog wel wachten op de specifieke rapportages die binnen Google Analytics in de loop van volgend jaar beschikbaar worden.

De Social Data Hub zelf richt zich met name op websites, netwerken en platformen waarop gebruikers content delen of interactie hebben met content (zoals delen, stemmen of reageren). Hierbij kan worden gedacht aan onder meer:

• Sociale netwerken; LinkedIn, Google+ en Facebook
• Blogging/micro-blogging: Twitter
• Locatie gebasseerde netwerken: Foursquare
• Social bookmarking: Delicious
• Social news: Digg, Technoratie, NUjij
• Samenwerkeingsprojecten zoals wiki’s

Welke data kan naar Google Analytics worden verzonden?

Google gebruikt de zogenaamde Activity Streams specification als format voor het verzenden van data naar Google Analytics.

De specificatie omvat een gestandaardiseerde wijze waarop gegevens over sociale interacties kan worden verwerkt. Dit werkt met actoren, actie en object. Bijvoorbeeld “Geraldine posted a photo” of “John shared a video”.

Gedetailleerde informatie over het koppelen van data aan Google Analytics is terug te vinden via: http://www.google.com/analytics/developers/socialhub.html

Rapporteer niet te veel
Dasboards die bestaan uit tientallen rapportage onderdelen of meerdere pagina’s moet je proberen te vermijden. Je ziet dan door de bomen het bos niet meer en hebt geen idee aan welke knoppen je moet draaien om de online performance te verbeteren. Rapporteer niet meer dan maximaal 10 metrics die het meest kritisch zijn voor je bedrijfsresultaat (Key Performance Indicatoren). En zorg er ook voor dat het dashboard op 1 A4 past. Hiermee hou je het overzicht.

Afstemmen op de doelgroep
Stem je dashboard af op de ontvanger. Welke informatie wil hij/zij zien? Waarvoor is deze persoon verantwoordelijk? En welke data is nodig om te kunnen sturen? Je rapporteert naar het management over andere zaken dan het dashboard wat nodig is voor de communicatieafdeling. De mensen binnen de organisatie die verantwoordelijk zijn voor de usability van de website kijken ook weer naar andere metrics. Inventariseer dus de behoeften van de diverse doelgroepen binnen je organisatie en stem daarop je dashboard af.

Context is king
Laat de data in het dashboard altijd zien in een bepaalde context. Een getal op zichzelf, 10.000 bezoeken deze maand, zegt niks. Is dit veel of weinig? Plaats data daarom in context. Het liefst op basis van gedefinieerde targets. Hoeveel bezoekers moest je bereiken deze maand om je omzetdoelstellingen te kunnen halen? Een vergelijking ten opzichte van dezelfde periode vorig jaar kan natuurlijk ook. Let wel op dat campagnes, nieuws etc. deze vergelijkingen kunnen vertekenen. Hetzelfde geldt voor een vergelijking met de vorige maand. Seizoenspatronen spelen hierbij vaak een nadrukkelijke rol. Of denk aan het simpele feit dat februari minder dagen heeft dan januari. Een vergelijking kan om die reden al scheef lopen.

Het ontwikkelen van een goed en bovenal actiegericht dashboard is belangrijk, vergt tijd en zal altijd diverse iteraties bevatten waarbij je op zoek gaat naar de meest betekenisvolle rapportage voor je organisatie.

Hieronder vind u de video opname van het event:

Online Klantdialoog – Klaas Kroezen
Inbound Marketing – Mladen Sancanin
Social Media Strategie – Sjef Kerkhofs
Organisatie Online Marketing – Victor Kuppers
Online Marketing Maturity Model – Eduard Blacquière
Conversie optimalisatie – Mesut Karaman
Conversie attributie – Corné Hoogendoorn

Online Klantdialoog – Klaas Kroezen

directeur onderzoeksbureau WUA

Klaas Kroezen Directeur WUA gaat in op het consumentengedrag online. De ervaring van een groot aantal panelonderzoeken worden vertaald naar inzichten om het gedrag van de consument online te doorgronden en een succesvolle online dialoog te bewerkstelligen.

Ontvang de presentaties in uw e-mail | Terug naar boven

Inbound Marketing – Mladen Sancanin

Afdelingshoofd Klantwaardesturing SNS Bank

Mladen Sancanin – Afdelingshoofd Klantwaardesturing SNS Bank gaat in op de wijze waarop het online klantcontact is veranderd met de inbound marketing strategie van SNS en de wijze waarop beter ingespeeld kan worden op de klantbehoeften. Op het juiste moment en in de juiste context communiceren met de klant levert een 30 maal hogere attentiewaarde.

Ontvang de presentaties in uw e-mail | Terug naar boven

Social Media Strategie – Sjef Kerkhofs

auteur van het boek Social Media Strategies

Sjef Kerkhofs – Social Marketing manager Pondres gaat in op de wijze waarop de social media kan worden ingezet in de online marketing mix. Hij behandelt een aanpak om marketingstrategie te vertalen naar een doelgroeponderzoek,en kanaalkeuze en hoe de social media verankerd kan worden binnen de organisatie.

Ontvang de presentaties in uw e-mail | Download de whitepaper | Terug naar boven

Organisatie Online Marketing – Victor Kuppers

Online marketeer Zelf.nl

Victor Kuppers – Teamleider Marketing Proteq gaat in op de wijze waarop de online marketing is georganiseerd. Hoe in een complex landschap samen met externe online marketing partners een succesvolle samenwerking is vormgegeven.

Ontvang de presentaties in uw e-mail | Terug naar boven

Online Marketing Maturity Model – Eduard Blacquière

Consultant OrangeValley

Eduard Blacquière senior consultant bij OrangeValley gaat in op het inspelen op online marketing trends. Hoe met het maturity model van OrangeValley elke organisatie kan bepalen welke trend op welk moment relevant is. Per maturity level behandelt hij een aantal trends voor 2012.

Ontvang de presentaties in uw e-mail | Terug naar boven

Conversie optimalisatie – Mesut Karaman

Consultant OrangeValley

Mesut Karaman Consultant bij OrangeValley behandelt diverse cases en methodes op de conversie van een website te optimaliseren. Per niveau in het maturity model behandeld Mesut een paar factoren. Hij gaat kort in op technieken om de relevantie van de dialoog te verbeteren en hoe door segmentatie de conversie kan worden verbeterd. Methodes die hij kort behandeld” Steve Krug – Don’t make me think”, “Cialdini”, ” MBTI” ” Persuasion”

Ontvang de presentaties in uw e-mail | Terug naar boven

Conversie attributie – Corné Hoogendoorn

Consultant OrangeValley

Corné Hoogendoorn consultant bij OrangeValley gaat in op het belang van conversie optimalisatie voor 2012. Hoe hiermee het online marketing budget beter ingezet kan worden en welke (gratis) tools hiervoor beschikbaar zijn. Hij beschrijft verschillende modellen voor conversie attributie die afhankelijk van het volwassenheidsniveau van de organisatie ingezet kunnen worden. Daarbij maakt hij gebruik van het online maturity model van OrangeValley.

Ontvang de presentaties in uw e-mail | Terug naar boven

De behaalde resultaten leverde OrangeValley onlangs nog een nominatie op voor de zoekmachinemarketing award ‘De Speld’ 2011. (de betreffende case vind je hier: “Hoger Google rendement door Rich Snippets“)

1e positie zorgverzekering

Deze maand is er weer een succes geboekt: Independer.nl heeft de 1e positie in de natuurlijke zoekresultaten bereikt op de zoekterm ‘zorgverzekering’.

Aangezien het aantal zoekopdrachten in het najaar enorm groot is, levert dit veel extra bezoekers en omzet op.

Independer.nl kwam ons hiervoor persoonlijk bedanken met een speciale taart!

Eduard Blacquière (OrangeValley), Hans de Bruin & Suzanne Mooij (Independer.nl)

Hans en Suzanne, nogmaals bedankt!

Een case van vergelijkingssite Independer.nl laat zien dat de implementatie van Rich Snippets zowel meer bezoekers uit Google oplevert als een hoger rendement uit de totale zoekmachinemarketing inspanningen.
(Deze case leverde ons een nominatie op voor ‘De Speld’ zoekmachinemarketing award)

Relevantie & Snelheid

Google definieert de kwaliteit van zoeken als het geven van het meest exacte en meest relevante antwoord in de kortst mogelijke tijd. Er staan dus altijd 2 factoren centraal: 1) Relevantie en 2) Snelheid.Met deze 2 kernwaarden in het achterhoofd, past zoekmachine Google haar zoekresultaten continu aan.

Google Rich Snippets?

In het kader van de factor relevantie vind je het afgelopen jaar extra informatie in de organische zoekresultaten, zodat je hiervoor niet direct naar de website hoeft te gaan. Deze informatie wordt steeds meer toegevoegd aan de zoekresultaten, bijvoorbeeld over prijzen en beoordelingen. Dit noemt Google “Rich Snippets”.

Sinds begin juni 2011 toont Google voor vergelijkingssite Independer.nl beoordelingen van gebruikers direct in de zoekresultaten.

Afbeelding 1: Google Rich Snippets voorbeeld Independer.nl

Hypothese: stijging zoekaandeel & rendement

Independer.nl werkt samen met online marketing adviesbureau OrangeValley, onder andere op het gebied van zoekmachine-optimalisatie (SEO) met doel de organische vindbaarheid te verbeteren. Om tot een onderbouwde conclusie over het effect van Google Rich Snippets te komen, zijn een gezamenlijk een tweetal hypotheses gedaan:

1. Rich Snippets zorgen voor een stijging van het organische zoekaandeel*
2. Rich Snippets zorgen voor een daling het Google AdWords zoekaandeel*

Deze hypotheses zijn gebaseerd op de gedachte dat het organische zoekresultaat met “de gouden sterren” (zie afbeelding 1) aanzienlijk meer opvalt dan de overige zoekresultaten, inclusief de AdWords advertentie van Independer.nl zelf.

*Het zoekaandeel, ook wel doorklikratio of click through rate (CTR), is het aandeel van aantal bezoekers uit de zoekresultaten ten opzichte van het totaal aantal zoekopdrachten op geselecteerde zoektermen.

Betrouwbaarheid resultaten

Om de resultaten zo betrouwbaar mogelijk te krijgen, is er een selectie van gegevens en een periode gekozen waarin alle variabelen zo veel mogelijk constant zijn.

Zo heeft Google bijvoorbeeld eind juni 2011 de vormgeving van de zoekresultaten ingrijpend veranderd, bijvoorbeeld met de zwarte balk bovenin beeld en de kleurverandering van de subnavigatie aan de linkerkant (nu rood en grijs, voorheen blauw). Deze case is dus gebaseerd op resultaten uit de periode hiervoor, zodat deze layout wijzigingen van Google de resultaten niet beïnvloeden.

Afbeelding 2: Google.nl vormgeving wijzigingen juni 2011

Resultaten autoverzekering

Een belangrijke zoekterm voor Independer.nl is “autoverzekering”. Voor deze zoekterm zijn de belangrijkste variabelen constant gebleven in de geanalyseerde periode. Deze variabelen zijn:

1. Het vertoningsaandeel in Google AdWords
2. De posities in zowel de gesponsorde als de organische zoekresultaten
3. Het aantal topadvertenties boven de organische zoekresultaten
4. De inhoud van het Independer.nl zoekresultaat, zowel gesponsord als organisch

Afbeelding 3: belangrijkste variabelen autoverzekering zoekresultaten Google.nl

In de eerste hypothese is gesteld dat de SEO doorklikratio stijgt. Op het vertoningsaandeel na, hebben alle benoemde variabelen een sterke invloed op de doorklikratio, zoals alle onderzoeken naar kijk- en klikgedrag op Google zoekresultaten laten zien (afbeelding 4).

In de geanalyseerde periode zijn deze variabelen constant voor de zoekterm autoverzekering, waarmee met een zo hoog mogelijke betrouwbaarheid conclusies kunnen worden gedaan over het effect van de Rich Snippets toevoeging op de verandering in doorklikratio.

Afbeelding 4: eyetracking onderzoek Google: gemiddelde kijktijd per zoekresultaat bij 2 of 3 topadvertenties (bron: Miratech.com)

Het vertoningsaandeel is nagenoeg 100%, wat betekent dat Independer.nl bij alle zoekopdrachten naar autoverzekering vertoond wordt in de Google AdWords zoekresultaten. Daarmee is dus bekend wat het exacte aantal zoekopdrachten is op de zoekterm autoverzekering in Google.nl. Independer.nl heeft natuurlijk statistieken over het aantal bezoekers, waarmee het exacte zoekaandeel uitgerekend kan worden.

13% stijging zoekmachinemarketing aandeel

De eerste hypothese, de stijging van het organische zoekaandeel, blijkt correct te zijn. Sterker nog, het totale zoekmachinemarketing aandeel (AdWords + organische zoekresultaten) is gestegen.

Independer.nl heeft met de gecombineerde inzet van Google AdWords en SEO een stijging van 13% gerealiseerd in het aandeel van alle zoekopdrachten op de term autoverzekering in Google.nl. Afbeelding 5 illustreert dit.

Afbeelding 5: autoverzekering zoekaandeel Independer.nl voor en na Rich Snippets

28% Stijging SEO zoekaandeel

Uit de resultaten is te concluderen dat de eerste hypothese juist is: voor de zoekopdracht autoverzekering realiseert Independer.nl een stijging van 28% voor het SEO zoekaandeel.

Voordat de Rich Snippets beoordelingen geïmplementeerd werden, kwam 18% van alle zoekers op autoverzekering via de organische zoekresultaten naar de Independer.nl autoverzkering webpagina toe. Na de implementatie van Rich Snippets is deze SEO doorklikratio 24%.

7% Daling AdWords zoekaandeel

De tweede hypothese – een daling van het Google AdWords zoekaandeel – bleek ook waar. Het Google AdWords zoekaandeel van Independer.nl op de term autoverzekering daalde na implementatie van Rich Snippets met 7%.

Afbeelding 6 illustreert deze cijfers.

Afbeelding 6: effect AdWords & SEO zoekaandeel na implementatie Rich Snippets

Meer dan 1 zoekterm

In bovenstaande uitwerking is de zoekterm autoverzekering geanalyseerd. De effecten van Rich Snippets zijn daarnaast bij veel meer zoektermen zichtbaar.

Zo ziet Independer.nl dezelfde effecten van de Rich Snippets implementatie bijvoorbeeld ook bij de zoektermen autoverzekering vergelijken, autoverzekeringen en goedkoopste autoverzekering.

Voor de top 5 zoektermen rondom autoverzekering die Independer.nl het meeste bezoek opleveren levert de Rich Snippet implementatie op:

• Gemiddeld SEO zoekaandeel: +32%
• Gemiddeld AdWords zoekaandeel: -6%
• Gemiddeld zoekmachinemarketing aandeel: +10%

Meer dan 1 product

Independer.nl verzamelt beoordelingen van hun klanten bij het afsluiten van een autoverzekering, zorgverzekering, reisverzekering en woonverzekering. Daarnaast verzamelt Independer.nl ook beoordelingen van hypotheekkantoren.

Aangezien Rich Snippets door Google worden geactiveerd voor het hele domein, is een groot gedeelte van alle webpagina’s op Independer.nl in de Google zoekresultaten verrijkt met beoordelingen.

De hierboven beschreven effecten treden op voor alle genoemde producten en bijbehorende pagina’s in de Google zoekresultaten. Independer.nl bereikt hiermee op tientallen zoektermen een hoger rendement uit de zoekmachinemarketing inspanningen.

Conclusie: stijging omzet en rendement

Het resultaat van deze veranderingen in zoekaandeel gaat verder dan een stijging van het aantal bezoekers uit alle zoekmachinemarketing activiteiten. Namelijk, het rendement van alle zoekmachinemarketing is hiermee gestegen.

Een verzekering polis via Google AdWords is duurder dan dezelfde polis via de organische zoekresultaten. Dit omdat de competitieve zoektermen, zoals autoverzekering of zorgverzekering, tot de duurste zoektermen in Google AdWords behoren.

Aangezien daarnaast het conversiepercentage van zowel AdWords als organische bezoekers nagenoeg gelijk is gebleven, resulteert de implementatie van Rich Snippets in meer omzet met een hoger rendement.

Deze case verscheen eerder op Emerce.nl

Webanalyse pakketten zoals Google Analytics, Webtrends en Omniture geven standaard een goed beeld van het bezoekersgedrag op de website. Zo bevatten deze pakketten informatie over ondermeer verkeersbronnen, bezoekers, bezochte pagina’s en door correct configuratie zijn ook conversies zoals het verzenden van een formulier of e-commerce transacties eenvoudig meetbaar te maken. Binnen webanalyse pakketten worden deze (micro-)conversies dan automatisch toegewezen aan een verkeersbron waardoor inzicht ontstaat in het rendement van de online marketingcampagnes. Toch geeft dit in veel gevallen geen volledig beeld van de werkelijkheid.

Voorbeeld: Online campagne

Voor een website waarop online marketing trainingen worden aangeboden wordt een banner en Google Adwords campagne ingezet.
Beide campagnes zorgen voor een groot aantal bezoekers, echter worden er nauwelijks conversies geregistreerd binnen het webanalyse pakket en Google Adwords. De kwaliteit van het bezoek uit beide campagnes lijkt dan ook erg laag.
In bovenstaand voorbeeld is het natuurlijk helemaal niet ondenkbaar dat bezoekers die vanuit een advertentie “koud” op een website terecht komen niet direct een training zullen aanvragen.
Als bezoeker wil je natuurlijk wel weten of het trainingsaanbod bij je past, wie achter de trainingen zit en of bijvoorbeeld kortingsmogelijkheden bestaan als meerdere collega’s tegelijk de training volgen.
In dit geval is het voor de bezoeker een logische stap om telefonisch contact op te nemen en uiteindelijk tijdens dit contact een training aan te vragen.

Resultaat
Kijken we tijdens de analyse en optimalisatie van de campagnes uit bovenstaand voorbeeld enkel naar de gegevens over online conversies dan lopen we het risico incorrecte beslissingen te nemen tijdens de optimalisatie van de campagnes omdat we ons baseren op onvolledige data.
Een logische actie op basis van de beschikbare data is het stopzetten van zowel de banner als de Google Adwords campagnes, toch zal dit als we naar het totaal van on- en offline (telefonische) conversies kijken niet de juiste beslissing zijn.

Doordat binnen webanalyse pakketten en gegevens uit ad managementsystemen enkel wordt gerapporteerd over online conversies, kunnen we dus spreken van tunnelvisie wat op basis van deze rapportages ontstaat.

Voorbeeldberekening:

Campagne 1 lijkt enkel kijkend naar de online conversie succesvoller dan de overige campagnes. Toch zorgt onvoldoende inzicht in telefonische conversies voor een incorrect beeld.

Voorbeeld: Customer support

Een grote dienstverlenende organisatie heeft elke dag een zeer groot aantal support gerelateerde telefoongesprekken. Het call center heeft een vaste bezetting waarbij het lastig is, gezien de complexiteit van de geleverde diensten, snel nieuwe call center medewerkers op te leiden. Ondanks het goede kennisniveau, een succesvol online support forum en vriendelijke service vanuit het call center blijft de klant tevredenheid achter bij de doelstellingen.

Een plan wordt gemaakt om de support op de website en bijvoorbeeld social media kanalen in te zetten bij het verder verbeteren van de klantenservice. Maar hoe pas je de website aan zodat deze beter inspeelt op de vragen van klanten?
Een logische beslissing zou zijn om het aantal supportpagina’s uit te breiden en het telefoonnummer voor vragen explicieter op te nemen.

Resultaat
Na analyse achteraf wordt duidelijk dat deze aanpassing enkel leid tot meer support vragen en een hogere druk op het call center. Uit de analyse blijkt dat door het uitbreiden van het aantal support pagina’s een groter aantal klanten de pagina’s bezoekt en direct contact opneemt met het call center in plaats hun vraag stellen op het voorheen populaire customer support-forum.
De gemiddelde wachttijden lopen op en de klanttevredenheid neemt bij elke benchmark af.

Door het gebrek aan inzicht vanaf welke supportpagina’s klanten de telefoon pakken en onvoldoende gegevens over het gedrag van bezoekers op de website en het support forum voorafgaand aan een support call zorgt in deze case voor incorrecte beslissingen en een trial-and-error aanpak.

Voorbeeld:

Campagne 1 lijkt enkel kijkend naar de online conversie succesvoller dan de overige campagnes. Toch zorgt onvoldoende inzicht in telefonische conversies voor een incorrect beeld.

Hoe verbeter je het rendement van telefonisch contact?

Om de correcte beslissingen te nemen over online campagnes is het van belang dat we zowel on- als offline conversies meenemen in de analyse van het rendement. Zonder dit totaalbeeld optimaliseer je enkel je campagnes voor bezoekers die online willen converteren. Dit zelfde geldt voor support, waarbij zonder voldoende inzicht enkel middels een trial-and-error aanpak veranderingen kunnen worden doorgevoerd.
Bepaalde beslissingen leiden in sommige gevallen tot een “illusionaire” verbetering (bijvoorbeeld de return on investment op de campagnes maar een daling van de totale omzet).

Call Tracking

Call Tracking is een techniek, ontwikkeld door OrangeValley, die antwoord geeft op vragen zoals: “hoeveel bezoekers op mijn website nemen telefonisch contact op, wat levert dit contact op en via welke verkeersbronnen en kanalen komt dit contact voort”.
Door de inzet van Call Tracking ontstaat een volledig beeld over de rendement van online campagnes wat tot nu toe niet mogelijk was. Het gedrag van de bezoeker op de website wordt aangevuld met zijn offline gedrag, in dit geval het telefonisch contact met het call center. Naast de bron, tijdsduur en type gesprek wordt ook inzicht verkregen in de conversies die telefonisch plaatsvinden. Deze informatie kan direct opgenomen worden in een web analyse of business intelligence pakket.
Inzichten uit Call Tracking maken het rendement van Multichannel campagnes inzichtelijk, ondersteunen structurele verbeteringen met betrekking tot customer (self-)support en zorgen voor betere beslissingen bij de inzet van verschillende media en campagnes.

Hoe werkt Call Tracking

De techniek ontwikkeld door OrangeValley werkt op basis van unieke telefoonnummers die op basis van specifieke criteria aan bezoekers wordt getoond.

Indien de bezoeker dit telefoonnummer belt zal onze Call Tracking server de volgende zaken opslaan:

• Herkomst (ondermeer: Verkeersbron, specifieke pagina, offline medium)
• Optioneel: Campagne
• Tijdstip
• Gespreksduur

Daarnaast kan deze standaard data worden verrijkt met:

• Type gesprek (sales / support)
• Was het gesprek succesvol?
• Verkocht product(en)
• E-commerce waarde
• Bestaande relatie / prospect

Resultaat van Call Tracking

• Inzicht in volume telefonische contactmomenten (call center/helpdesk)
• Inzicht in offline conversie van uw online marketingacties
• Bijsturing van online campagnes
• Bijsturen van callcenter activiteiten

De effecten op de sales
Door de inzet van Call Tracking op een website ontstaat inzicht in de herkomstbron van telefonische conversies. Door deze gegevens toe te voegen aan een webanalyse of business intelligence pakket ontstaat een totaalbeeld van de werkelijke opbrengst en het rendement van campagnes.
Met deze informatie kunnen gerichte acties worden ondernomen om online campagnes te optimaliseren op basis van on- én offline conversies. Denk hierbij aan het expliciet tonen van het call center nummer op pagina’s waarop veel potentiële klanten de website verlaten of het opnemen van een telefoonnummer.
Het resultaat hiervan is dat je meer grip op het marketingbudget hebt en de return on investment op de online marketinginspanningen zal toenemen.

De effecten op service
Doordat informatie over de wachttijd en de gemiddelde gespreksduur beschikbaar zijn krijgen we inzicht in de efficiëntie en bezettingsgraad van het call center.
Op basis van deze informatie kunnen verschillende acties worden ondernomen om de gemiddelde telefonisch contactduur en het aantal contacten vanuit de website te verlagen (en tevens de klanttevredenheid te verhogen).
Denk hierbij aan het uitbreiden of multivariate testen van supportpagina’s om de druk op het call center te verlagen. Of het tonen van een call-me-back systeem indien de gemiddelde wachttijd boven een bepaalde grens komt. Iets wat natuurlijk voor klanten veel prettiger is dan 10 minuten bij een call center in de wacht staan.
Het resultaat van de optimalisaties is een hogere klanttevredenheid met minder support calls.

Werkwijze

Zowel bestaande als nieuwe telefoonnummers kunnen worden gebruikt voor Call Tracking. De techniek maakt gebruik van een IP gestuurde centrale waardoor de achterliggende techniek niet zichtbaar of op enige wijze herkenbaar is voor de bezoekers of bellers.
Doordat de gegevens in een onafhankelijk systeem worden opgeslagen kan dit eenvoudig worden verrijkt met bijvoorbeeld gegevens uit een CRM systeem of de backoffice. Daarna kan de verrijkte informatie eenvoudig beschikbaar gemaakt worden in door de opdrachtgever gebruikte webanalyse of business intelligence pakketten zoals bijvoorbeeld Google Analytics.

Kijk voor onze demonstratie op orangevalley.nl/call-tracking, of neem contact op en bespreek de mogelijkheden voor uw situatie.

Waarom deze nieuwe functie?
Zoals je wellicht weet bestaat de traditionele klikpad analyse in Google Analytics uit een overzicht van de top pagina’s die bezoekers hebben gezien voordat ze op de betreffende pagina terecht kwamen en de meest bezochte pagina’s waarnaar bezoekers vervolgens doorklikken. Het is bijzonder moeilijk om hieruit zinvolle analyses en verbeterpunten te destilleren.

Flow visualization is een nieuwe manier van klikpadweergave. Niet alleen heb je de mogelijkheid om ‘dieper’ (= meer pagina’s) te kijken tevens geeft deze nieuwe functie je krachtige segmentatiemogelijkheden waardoor je eenvoudig op basis van herkomst de reis door je website van bijvoorbeeld enkel AdWords bezoekers kunt analyseren.

Er zijn 3 nieuwe rapporten beschikbaar:

1. Visit flow
Een grafische weergave van de belangrijkste klikpaden welke je kunt segmenteren op herkomstbron.

2. Goal flow
Een nieuwe grafische weergave van de conversiefunnels/trechters. Hoe klikken bezoekers door het transactieproces? Waar haken ze af? Hiervoor moet je uiteraard wel conversiedoelen hebben ingericht in Google Analytics. In deze eerste release werken de ‘goal flows’ enkel voor doelen gebaseerd op URL bestemmingen. Dus niet voor de overige doelen (events, tijd op de site en pagina’s per bezoek). Een groot voordeel van deze trechterweergave ten opzichte van de oude situatie is dat je eenvoudig een transactieproces inzichtelijk kunt maken waar bezoekers meerdere mogelijkheden tot bestellen hebben.

3. Navigation flow
Grafische weergave van het pad dat een bezoeker volgt van landingspagina (eerste pagina van de sessie) tot uitstappagina (laatste pagina van de sessie). Je kunt deze bekijken op individueel paginaniveau (URL) maar ook op groepsniveau. Zo is het mogelijk om diverse pagina’s te groeperen (bv. categoriepagina’s, productdetailpagina’s, artikelen etc.).

Conclusie:
Wederom een mooie uitbreiding aan Analytics. Naast dat deze weergave het leven van een webanalist weer wat makkelijker maakt (denk aan de meerdere trechters bij een transactieproces dat uit 3 opties bestaat) zorgt deze toevoeging ervoor dat een nauwelijks bruikbare rapportage (traditionele klikpad) eindelijk onderdeel van je analyses zal gaan uitmaken.

Deze nieuwe functie kun je vinden onder de tab ‘bezoekers’ en zal de komende weken in alle accounts zichtbaar worden.

Heb je vragen over het nieuwe ‘flow visualization’ neem dan contact met ons op via 030 8200 200.

Zoekmachine Marketing in Nederland

Voor dit jaarlijkse onderzoek van de Nederlandse markt zijn wederom bureaus, adverteerders en specialisten benaderd met een enquete. Resultaten van het onderzoek zijn te vinden in deze presentatie:

Download het Rapport Marktonderzoek Zoekmachinemarketing 2012.