Hoe IKEA conversieverhoging realiseert door meten van winkelgedrag

Als nieuw gezicht binnen de Digital Transformation afdeling van Capgemini, word je vanaf dag één door je nieuwe collega’s flink getest op je vakinhoudelijke kennis. Logisch. Op het gebied van online trends heb ik de afgelopen jaren aardig weten mee te komen. Zij het enerzijds vanwege mijn betrokkenheid bij de goed lopende webwinkel Interioo.nl, anderzijds vanwege mijn studieachtergrond (Marketing) en de daarbij behorende interesses. Toen ik met één van mijn collega’s sprak over de verschillende mogelijkheden op het gebied van het meetbaar maken van bezoekersgedrag, legde ik andermaal de link naar de wijze waarop IKEA onderzoek doet. 

Laat ik allereerst beginnen met een omschrijving waar we precies naar kijken. In feite zijn er drie manieren waarop website en webshop eigenaren inzichten in bezoekerspatronen en –gedrag kunnen krijgen.

Eenvoudige zekerheid door macro statistieken

Allereerst zijn daar de “server logs”, deze macro bron geeft een honderd procent betrouwbaar overzicht van traffic. Het nadeel van deze bron is dat er geen link bestaat tussen de data. Zo zie je niet waar een bezoeker, die via een specifiek zoekwoord binnenkwam, geografisch vandaan komt. Het is alsof je offline data verwerkt in een simpele spreadsheet in plaats van met dataminingsoftware als SPSS.

Inzichten en relaties met behulp van Google Analytics

Om toch meer inzichten te krijgen in relaties tussen verschillende data, bestaat er een legio aan analytische software. De bekendste gratis variant hiervan is Google Analytics. Deze gratis dienst pakt de meso data-analyse anders aan.  Door de bezoeker te volgen, kunnen verbanden gezien worden. Bijvoorbeeld: bezoekers uit de Randstad (locatiedata) hebben een hogere conversieratio (conversiedata) dan mensen uit de Achterhoek. Met dit soort gegevens kan een webshop eigenaar al proberen de conversie in de Achterhoek op te trekken. Het leggen van verbanden is daarom voor elke website eigenaar ontzettend interessant. Het geeft inzicht in je doelgroep en daarmee mogelijke verbeterpunten. Je kunt een actie starten: ‘Nu speciaal voor klanten uit de Achterhoek…’.

De statistieksoftware in de categorie Google Analytics is erg waardevol, maar het blijft zo dat de dienst geaggregeerde data rapporteert. Ofwel: het is een verzameling van misschien wel 5.000 bezoeken op één dag waar je aan kan zien dat 10 procent daarvan via het zoekwoord ‘product A kopen’ kwam, van die 10% komt 50% uit de Randstad en vervolgens zit je al zo diep in je data, dat het houden van overzicht moeilijk blijft.

Micro statistiek en IKEA

Vervolgens komen we bij een aparte en een nieuwere micro categorie. Dit is statistieksoftware als Woopra of Clicktale. Deze pakketten zijn niet ter vervanging van huidige oplossingen, maar geven wel direct inzicht in het gedrag van iedere individuele bezoeker. U krijgt een keurig overzicht van de pagina’s die de bezoeker heeft bezocht, welke zoektermen hij of zij heeft ingetikt, wanneer de bezoeker de site verliet en na hoeveel tijd. Hierdoor krijg je als webwinkelier een heel duidelijk inzicht waarom een specifieke bezoeker besluit wel of niet tot conversie over te gaan.

Laat ik nu het voorbeeld van IKEA aanhalen om de link te leggen met de niet-virtuele wereld en zo de verschillende methodes “tastbaarder” te maken. Ten eerste mogen we er van uitgaan dat IKEA dagelijks de registers naloopt om verkoopcijfers na te gaan. Dit is vergelijkbaar met de server logs. Je weet wat er gebeurde, maar hoe het proces verliep kan je hier niet aan afzien.

Vervolgens houdt IKEA surveys onder Familycard members en willekeurige bezoekers. Dit geeft inzichten in demografische gegevens. Denk aan lokatie, interesse, ‘referer’, opleiding, et cetera. Deze data wordt in SPSS verwerkt als regressieanalyse of conjointanalyse en biedt IKEA inzichten in relaties.

Tot slot gebeurt het ook dat IKEA bezoekers laat volgen tijdens het winkelproces in de winkel. Dit wordt niet verteld om datavervuiling tegen te gaan, maar is voor IKEA een interessant manier om naar individuele gewoontes te kijken. Zo bleek bijvoorbeeld ooit dat de meeste stellen na 20 minuten al de eerste onenigheden hadden met elkaar. De vraag is op zo’n moment welke gevolgen dit heeft voor het winkelproces. Misschien dat het stel door irritatie de laatste afdelingen relatief weinig aandacht geven, wat de conversie beperkt. Een bevinding zoals deze kan je niet afleiden uit noch verkoopcijfers – vergelijk server logs, noch door surveys – vergelijk Google Analytics. Het is een reden voor IKEA om halverwege een restaurant te plaatsen met gratis koffie en goedkope frisdranken – onbeperkt bijvullen – om zo de stemming te verbeteren en de tweede helft van het assortiment een grotere conversie kans te bieden. Dit laatste is wat realtime statistieken oppakken.

Door een individuele bezoeker te kunnen volgen tijdens het winkelproces kan je tot inzichten komen die anders veel lastiger vindbaar waren geweest.

XG.