Masalah dengan Analisis Situs Web Dasar (& Apa yang Harus Anda Ukur)

Bayangkan ini: Anda memulai hari kerja Anda dengan secangkir kopi dan membuka laptop Anda. Anda memeriksa platform analitik situs web standar seperti Google Analytics dan melihat bahwa, sekali lagi, lalu lintas dan keterlibatan pengguna Anda stagnan. Pengguna mengunjungi situs Anda, tetapi tampaknya pendaftaran baru untuk produk Anda tidak berada di tempat yang seharusnya. Frustrasi, Anda memperhitungkan pekerjaan dan waktu berjam-jam yang Anda habiskan untuk memindahkan jarum: Anda telah mengubah salinan di halaman beranda berkali-kali, dan mengoptimalkan kecepatan pemuatan halaman—namun sepertinya Anda masih tidak tahu mengapa angka tidak tren naik.

Pelakunya (sangat mungkin)? Anda tidak mengukur hal yang benar.

Terlalu sering, bisnis berfokus pada metrik rias—pikirkan: lalu lintas, klik, dan sebagainya. Metrik kesombongan, atau berbasis sesi ini hanya menampilkan cuplikan momen—klik, pantulan, angka. Pemasar harus dapat membedakan wawasan yang berguna seputar perilaku pelanggan saat melihat analitik situs web.

Untuk melakukan analisis ini, mereka harus fokus pada indikator utama pertumbuhan, bukan indikator tertinggal. Kami akan menghabiskan waktu ini untuk membongkar metrik berbasis keterlibatan yang berdampak.

Kekurangan Banyak Metrik Analisis Situs Web

Sebagian besar alat analisis gratis (atau hampir gratis) yang digunakan oleh pemasar berfokus pada keterlibatan secara luas daripada di tingkat pelanggan individu. Metrik rias populer yang dilacak di alat seperti Google Analytics termasuk rasio klik-tayang, lalu lintas situs, rasio pentalan, dan waktu yang dihabiskan di halaman.

[Pelajari lebih lanjut tentang perbedaan antara Google Analytics dan Amplitudo.]

Sebagian besar waktu, pemasar beralih ke Google Analytics ketika mereka membutuhkan wawasan tentang lalu lintas pengguna mereka. Di sana, mereka menemukan, apa yang tampak sekilas, penanda keterlibatan yang tak ternilai: metrik berbasis sesi seperti rasio klik-tayang, lalu lintas, waktu di halaman, dan sebagainya. Metrik berbasis sesi ini menangkap persis seperti itu—sesi. Ini pada dasarnya adalah sepotong momen, memberikan detail dangkal dan transaksional hanya pada saat itu, tetapi bukan keadaan, metadata, atau detail atribusi seputar bagaimana pengguna itu dibawa ke (dan ditinggalkan) saat itu.

Ini bukan untuk mengatakan bahwa metrik kesombongan tidak memberi kami informasi berharga, tetapi mereka digeneralisasi dan agak berat. Mereka tidak terlalu membantu jika Anda mencoba mencari tahu penyesuaian bernuansa apa yang dibutuhkan produk Anda untuk membuat kelompok pengguna yang berbeda senang.

Mengapa? Karena pelanggan Anda pada akhirnya lebih dari jumlah total lalu lintas atau klik. Mereka masing-masing dimotivasi oleh faktor unik dan berinteraksi dengan produk Anda dengan cara yang berbeda sebagai akibat dari pengaruh eksternal ini.

Metrik berbasis keterlibatan, atau berbasis perilaku, dari analisis produk lebih dapat ditindaklanjuti. Metrik indikator utama memberdayakan pemasar untuk melihat bagaimana pengguna yang berbeda berinteraksi dengan produk dan kampanye mereka. Diberdayakan dengan wawasan terperinci ini, Anda dapat membuat peningkatan yang tepat pada pesan pelanggan Anda berdasarkan kebutuhan pengguna yang berbeda.

6 Praktik Analisis Situs Web untuk Meningkatkan Pemasaran Anda

Keberhasilan produk dan keterlibatan online Anda tidak hanya bergantung pada data pengguna yang Anda ukur secara internal, tetapi juga pada cara Anda melacak dan menyajikan data tersebut. Praktik terbaik ini menguraikan cara mengukur secara bermakna menuju metrik berbasis keterlibatan yang bermanfaat—dan cara membagikan wawasan ini dengan tim Anda untuk mendorong hasil yang positif.

Pantau Retensi N-Hari

Lebih sering daripada tidak, Anda mungkin bertanya-tanya berapa banyak pengguna yang memeriksa aplikasi atau situs Anda berulang kali, bukan pada saat itu. Sayangnya, melihat jumlah total pengunjung hanya memberi Anda jumlah total pengunjung pada hari atau bulan tertentu. Informasi ini tidak membantu jika Anda ingin tahu siapa yang terus kembali setelah pertama kali.

Indikator utama yang perlu dipertimbangkan untuk diukur adalah retensi N-Hari, yang memberikan tampilan yang lebih terperinci pada lalu lintas serta potensi pola kunjungan berulang. Jika total pengunjung memberi tahu Anda berapa banyak orang yang berkunjung dalam sehari, Retensi N-Day memberi tahu Anda berapa banyak orang yang berkunjung dari hari ke hari.

Tidak seperti jumlah pengunjung total, Retensi N-Hari memungkinkan Anda dengan mudah mengidentifikasi tren di mana orang-orang jatuh dari alur kerja yang telah dirancang sebelumnya. Dari sini, informasi ini memungkinkan Anda untuk membagi pengalaman pengguna Anda melalui pengujian A/B untuk mengetahui pengaruh, gangguan positif, promosi, carousel, atau penawaran apa yang menyebabkan orang kembali lagi di lain hari, dan seterusnya.

Retensi N-Day sangat berguna untuk menyempurnakan aktivitas individu atau bagian dari produk Anda. Jika Anda menyadari bahwa pengguna yang melewati hari ketujuh semuanya menyelesaikan aktivitas tertentu, sedangkan mereka yang turun sebelum itu tidak, Anda perlu mencari cara untuk mempromosikan aktivitas spesifik itu dengan cara yang lebih baik untuk sisa waktu Anda yang lebih sedikit. pengguna yang terlibat.

Anda dapat mengukur Retensi N-Day dengan mudah melalui Amplitudo.

Lacak Aktivitas menurut Kelompok

Persona pengguna Anda terdiri dari perilaku, pilihan, dan kebiasaan penggunaan yang berbeda. Untuk memahami perbedaan ini, pemasar sering mengandalkan demografi atau geodata. Namun informasi ini mencakup atribut yang sangat biner dari pengguna Anda —seperti lokasi, usia, dll.— bukan bagaimana pengguna tersebut terlibat dengan produk Anda.

Mengukur aktivitas pengguna berdasarkan kelompok, atau mengelompokkannya berdasarkan atribut dan perilaku bersama, lebih informatif dan dapat mendorong strategi pemasaran yang dipersonalisasi lebih jauh daripada data demografis saja. Kelompok biasanya merupakan segmen yang lebih kecil daripada demografi, dengan kriteria berdasarkan aktivitas pelanggan yang sebenarnya, atribut bersama (seperti initial_utm_referrer , utm_campaign , dll.) atau ketidakaktifan bersama dalam jangka waktu tertentu.

Untuk hasil terbaik, sebaiknya bagi kelompok Anda menjadi dua kelompok berbeda: prediktif dan perilaku.

Kelompok prediktif dibuat menggunakan kemampuan Amplitude untuk memanfaatkan data perilaku. Dengan kelompok prediktif, Anda menetapkan tujuan, atau hasil yang ideal. Dari sana, Amplitude akan menggunakan data historis Anda yang ada untuk menentukan seberapa besar kemungkinan kelompok tertentu mencapai hasil yang telah Anda tetapkan. Kelompok prediktif paling berguna saat Anda mencoba melacak sesuatu yang tidak memiliki corong biasa, memiliki lebih dari 100.000 pengguna, atau Anda ingin mendorong perilaku tertentu. Anda dapat membuat kelompok prediktif menggunakan Amplitude Recommend.

Kohort perilaku memungkinkan Anda mengelompokkan pengguna berdasarkan fitur tertentu yang digunakan dalam periode tertentu (atau kekurangannya). Saat dipasangkan dengan analisis retensi, Anda dapat melihat bagaimana tindakan yang berbeda tersebut memengaruhi apakah pilihan pengguna dipertahankan atau tidak. Anda akan sering menemukan fitur tertentu memiliki peran penting dalam mendorong keterlibatan dan retensi. Anda dapat membuat grup kelompok perilaku dengan cara apa pun yang Anda inginkan—dan perlu diperhatikan bahwa pembelian berulang adalah kelompok perilaku yang penting untuk diperhatikan.

Misalnya: Buat kelompok pembeli tetap Anda dan rekayasa balik prosesnya, dengan melihat jenis tindakan apa yang dimiliki oleh anggota kelompok tersebut. Apakah mereka yang terlibat dengan fitur tertentu adalah pembeli berulang teratas Anda? Atau adakah korelasi yang lebih kuat antara waktu dan pembelian berulang? Dengan memeriksa kelompok pembelian berulang, Anda dapat menentukan apa yang membuat pengguna kuat ini kembali dan kemudian menggunakan informasi ini untuk menginformasikan dan mendorong perilaku tersebut dari pengguna lain.

Memetakan Perjalanan Pelanggan yang Lengkap

Cara penting untuk mengukur pengguna Anda secara lebih akurat adalah dengan menyatukan perjalanan pelanggan yang lengkap—Anda dapat melakukannya dengan memanfaatkan resolusi identitas. Misalnya, jika seseorang menggunakan aplikasi Anda di ponselnya dan kemudian beralih ke komputer, Anda harus dapat memiliki pandangan holistik dan komprehensif tentang perjalanan itu dan setiap langkah di antaranya.

Resolusi identitas memberi Anda gambaran lengkap tentang perjalanan seseorang dengan produk Anda, bukan cuplikan (seperti melacak penggunaannya hanya di aplikasi atau situs seluler). Informasi ini memungkinkan Anda untuk membuat keputusan yang lebih terdidik daripada menebak-nebak. Jika Anda sudah mengikuti Retensi N-Day, membuat berbagai kelompok, dan memahami tingkat drop-off, Anda sedang dalam perjalanan untuk menyelesaikan resolusi identitas. Praktik menyatukan perilaku pengguna dari satu saluran ke saluran lainnya adalah cara yang sangat berharga untuk memastikan perjalanan pelanggan Anda lengkap dan mulus.

Penggerak Konversi Leverage

Mengukur tingkat konversi (hanya) memberikan gambaran yang tidak lengkap. Anda tahu apakah pengguna berkonversi atau tidak, tetapi informasi ini tidak memberi tahu Anda pilihan apa yang mereka buat untuk mencapai keputusan tersebut untuk berkonversi, atau hambatan apa yang mereka temui yang mengalihkan mereka dari mencapai peristiwa konversi.

Dengan Driver Konversi Amplitude, Anda akan membuka kunci kemampuan untuk memahami apa yang dilakukan pengguna untuk mencapai titik konversi—atau hambatan apa yang mereka alami hingga mereka berhenti.

Anda juga dapat menyesuaikan laporan Penggerak Konversi menjadi sedetail yang Anda inginkan saat membuat corong konversi Anda sendiri. Mari kita asumsikan bahwa Anda bertanya-tanya mengapa beberapa orang menggunakan fungsi berbagi dan yang lainnya tidak. Anda dapat mengukur semua peristiwa yang terkait dengan berbagi, menyukai, dan berkomentar dengan menambahkannya sebagai langkah dalam corong konversi Anda. Dari sana, Anda dapat memfilter menurut properti pengguna untuk melihat apa yang cenderung disukai, dikomentari, dan akhirnya dibagikan oleh orang-orang yang berhasil melewati hari tertentu. Sebaliknya, Anda dapat memahami mengapa mereka yang tetap tinggal tetapi tidak pernah terlibat dengan menyukai atau berkomentar tidak membagikan.

Lakukan Pengujian A/B

Anda tidak menyaring seluruh situs atau aplikasi sekaligus—Anda membuat langkah-langkah tambahan dengan menguji berbagai pilihan dan mengulanginya berdasarkan keterlibatan pengguna Anda (atau kekurangannya).

Pengujian A/B adalah praktik membuat perubahan kecil dan melihat bagaimana sampel audiens merespons. Ini adalah cara penting untuk mengetahui apa yang berhasil dan tidak, terlepas dari apa yang Anda coba optimalkan.

Yang terbaik adalah memulai dari yang kecil, dan dengan mengidentifikasi elemen yang Anda inginkan untuk menggerakkan jarum. Jika Anda mencoba gaya baru tombol "suka", luncurkan untuk sebagian kecil pengguna dan lihat bagaimana responsnya. Kemudian, bilas dan ulangi. Jika responsnya positif dalam pengujian, luncurkan perubahan ke grup pengguna yang lebih besar, dan sesuaikan sesuai keinginan Anda. Di Amplitudo, Anda dapat dengan mudah membandingkan kinerja hasil pengujian terpisah menggunakan tampilan Signifikansi dan Peningkatan Uji A/B kami melalui bagan Analisis Corong kami. Anda juga dapat menjalankan pengujian A/B yang lebih besar pada pengalaman digital dengan Amplitude Experiment.

Rancang Pengalaman Analisis Pribadi Tim Anda

Tidak ada dua pemasar pertumbuhan yang mengoperasikan atau mendekati pekerjaan mereka dengan cara yang sama. Setiap orang memiliki metode mereka sendiri untuk menyaring data, meneliti, dan mencapai kesimpulan mereka sendiri. Jadi masuk akal jika Anda harus mempersonalisasi pengalaman analitik itu sendiri yang digunakan pemasar untuk menginformasikan strategi mereka.

Dasbor Amplitude dapat disesuaikan, memungkinkan setiap pemasar mengukur, memelihara, dan menyesuaikan indikator kinerja yang paling penting bagi mereka. Misalnya, jika Anda ingin fokus pada retensi setelah pengguna menyelesaikan alur kerja Pengalaman Pengguna Pertama Kali, Anda dapat membuat Dasbor FTUE. Jika Anda ingin memahami keterlibatan pengguna dengan fitur sosial, Anda dapat membuat Dasbor Keterlibatan Sosial, tempat Anda dapat dengan mudah memahami yang mana dan berapa banyak pengguna yang mengomentari konten. Sementara itu, Anda dapat membagikan dasbor ini dengan anggota tim yang sesuai untuk visibilitas lintas tim dan lintas fungsi.

Membuat Analisis Bekerja Untuk Anda

Sangat mudah untuk fokus pada metrik berbasis sesi dan hanya metrik tersebut saja. Metrik berbasis sesi populer, mudah diperoleh, dan tampaknya memiliki banyak nilai. Tetapi metrik berbasis keterlibatan mendasari informasi itu dalam kenyataan.

Meyakinkan tim Anda untuk mengonversi dari sesi ke metrik berbasis keterlibatan bukanlah tugas kecil. Namun dengan solusi yang tepat, Anda dapat menunjukkan kekuatan metrik berbasis keterlibatan dan menyederhanakan prosesnya.

Amplitude memungkinkan Anda membuat dasbor individual untuk pengguna Anda, melacak jenis retensi dengan mudah, membuat kelompok kustom, dan membangun budaya pemasaran yang berkembang seputar metrik berbasis keterlibatan. Buktikan sendiri dengan paket gratis Amplitude, dan mulai lacak keterlibatan hari ini.