Top 10 best practices voor conversieratio-optimalisatie (CRO)

Conversion Rate Optimization is een noodzakelijk onderdeel van het leveren van betere customer journeys. In deze blog deelt Megan de best practices die ze heeft opgepikt tijdens haar carrière als marketeer.

In een eerdere blogpost, Getting Started with A/B Testing, legde ik uit hoe ik leerde over Conversion Rate Optimization (CRO) van experts in de branche die al hun informatie deelden. Ik wil graag de best practices delen die ik van hen allemaal heb geleerd op mijn reis van het beheren van websites tot het optimaliseren van hun gebruikerservaringen.

1. Best practices lijken meer op richtlijnen

Als er één ding is dat je uit deze blogpost haalt, laat het dan dit zijn: er zijn geen best practices in CRO.

Ik vond het altijd grappig omdat ik constant e-mails en blogposts las met aangeprezen best practices voor CRO. Maar wat ik van deze bronnen heb geleerd, is dat er geen geheim recept of toverstaf is dat uw website verandert in de spreekwoordelijke "Kip met de gouden eieren" voor conversies, noch zijn er universele best practices. Dit komt door de context. Niet alle bezoekers op elke site zijn hetzelfde en communiceren ook niet op dezelfde manier met elke site.

Echte optimalisatie moet worden afgeleid uit gegevens. We moeten data gebruiken om te begrijpen hoe onze bezoekers onze site gebruiken en daaruit onze optimalisaties afleiden. Best practices in CRO lijken dus meer op richtlijnen. Deze zogenaamde "best practices" zijn geweldig voor het behalen van quick wins of als startpunten voor uw volgende experiment, maar zorg ervoor dat u ze test voordat u ze uitrolt.

Ik denk dat Chris Goward, CEO en oprichter van Wider Funnel, het vrij goed samenvatte toen hij zei: "Best practices hebben een beperkte waarde totdat ze grondig zijn getest."

2. Meningen doen er niet toe

Iedereen heeft een mening, maar alleen omdat we er een hebben, betekent dat niet dat we gelijk hebben of weten wat werkt. Daarvoor zijn er testen. Experimenten moeten datagedreven zijn. Tussen gegevensbronnen zoals webanalyses, leadgegevens en klantonderzoeksgegevens is er zoveel informatie beschikbaar om ons te helpen onze bezoekers beter te begrijpen. Deze data bieden een goed inzicht in waar onze bezoekers vandaan komen, waar ze naartoe gaan, wat ze doen en, belangrijker nog, waar ze converteren en waar ze vastlopen.

Experimenten helpen ons onze oplossingen voor deze problemen uit te testen in een omgeving met een laag risico. Ze geven ons de kans om te zien welke van onze oplossingen beter werken, in plaats van een risico te nemen door uit te rollen wat we denken dat de beste oplossing zou zijn.

3. Kopieer uw concurrenten niet

Het is heel gebruikelijk voor ons om naar de websites van onze concurrenten te kijken om te zien hoe ze het doen. Doen zij het beter dan wij? Doen ze iets wat wij niet zijn en zouden moeten zijn?

Webdesign is erg persoonlijk. We weten meteen of we iets leuk vinden of niet. Maar wat we niet weten, is of het werkt of niet. We willen dat onze gebruikers in staat zijn om de taak te voltooien die ze op onze site zijn komen doen. Wanneer we anderen kopiëren, weten we niet of ze het antwoord hebben, of dat hun oplossing voor onze bezoekers zal werken. Er zijn zoveel vragen onbeantwoord gebleven. Werkt het voor hen? Hoe kwamen ze op het idee? We weten niet wat ze probeerden op te lossen, of dat we op dat moment in een van hun experimenten zitten.

In plaats van ze te kopiëren, moeten we naar onze eigen gegevens kijken om het probleem te ontdekken, brainstormen over ideeën die het mogelijk kunnen oplossen en vervolgens uw oplossingen testen.

Nu ... dat gezegd hebbende, dat betekent niet dat je geen concept kunt gebruiken dat er al is en waarvan je denkt dat het je probleem zal oplossen. Anderen lopen wel tegen dezelfde of vergelijkbare uitdagingen aan. Het is niet ongewoon om iets anders te zien waarvan je denkt dat het zou kunnen werken. De les hier zou moeten zijn - zorg er alleen voor dat je het je eigen maakt. Zorg ervoor dat de voorgestelde oplossing overeenkomt met uw doelen en test deze uit voordat u deze volledig gaat implementeren. 

4. CRO is zoveel meer dan alleen A / B-testen

CRO wordt vaak verward met A/B-testen alleen. Maar CRO is zoveel meer dan alleen A / B-testen - het is een systematisch proces of raamwerk dat bestaat uit kwantitatieve en kwalitatieve analyse, terwijl A / B-testen slechts één tactiek is die ons helpt onze hypothesen te valideren.

Hoewel A/B-testen ons kunnen vertellen welke versie van ons experiment beter presteerde, verklaart dit niet waarom die versie heeft gewonnen. Het uitleggen van het "waarom" is waar het CRO-proces echt uitblinkt. De kwantitatieve en kwalitatieve analyse helpt ons te begrijpen hoe onze gebruikers omgaan met onze website en waarom. Zodra we dat begrijpen, kunnen we beginnen met het vinden van de wortel van onze conversieproblemen en onze oplossingen voor die problemen testen.

5. CRO is een proces

CRO is een systematisch proces/raamwerk bestaande uit kwantitatieve en kwalitatieve analyse. Het stelt ons in staat om verschillende gegevensbronnen te gebruiken om ons te helpen het "waarom" te beantwoorden wanneer we naar gebruikersgedrag kijken. Je zult merken dat er verschillende variaties zijn van het CRO-proces / -framework, maar in de kern lijken ze erg op elkaar. Ze gebruiken allemaal een combinatie van kwantitatieve en kwalitatieve data om te begrijpen hoe bezoekers omgaan met uw site.

Van webanalyses tot heatmaps tot gebruikersfeedback verzameld via gebruikerstests, enquêtes en polls, het is verbazingwekkend hoeveel gegevens er zijn die ons kunnen helpen begrijpen wat er op onze sites gebeurt. En daar stopt het niet. Al deze gegevens helpen ons onze hypothese te vormen van waaruit we ons experiment maken. De inzichten die we ontlenen aan de resultaten van onze experimenten worden nieuwe hypothesen en dit proces begint helemaal opnieuw.

6. Elk experiment heeft een hypothese nodig

Zonder hypothese heb je geen duidelijke definitie van wat je test. Je hebt ook geen echte manier om te weten of je test succesvol was of niet.

Een hypothese helpt ons het probleem duidelijk te identificeren, de oplossing voor te stellen waarvan we denken dat die het probleem zal oplossen en een belangrijke metriek te identificeren die het als een succes zou beschouwen of niet.  Zorg ervoor dat elke test een hypothese heeft.

Dat doen we bij Progress. We stellen het gewoon als volgt:  door [x] op [y-pagina] te doen voor [z-gebruikers], zullen we [key metric] verhogen omdat [waarom].

Door dit te doen, is het voor ons duidelijk wat we testen en er is geen twijfel over wat we identificeren als de statistieken voor succes.

7. Doelen moeten goed gedefinieerd zijn

Doelen gaan hand in hand met een hypothese. Ze meten niet alleen het succes en falen van een experiment, maar de belangrijkste lessen en inzichten die we uit onze experimenten halen, kunnen toekomstige tests worden. Doelen moeten duidelijk worden gedefinieerd, zodat er geen twijfel bestaat over wat we meten.

Bovendien moeten doelen direct verband houden met het experiment. Als u bijvoorbeeld een bestemmingspagina optimaliseert met een formulier, is uw doel hoogstwaarschijnlijk om het aantal formulierinzendingen te verhogen, niet iets verderop in de klantreis van de bezoeker.

Er zijn ook momenten waarop je meer dan één doel hebt dat je in de gaten wilt houden. Dit is prima, maar onthoud: elke test moet slechts één primair doel hebben. Het primaire doel bepaalt of uw experiment succesvol is of niet. Alle andere zullen secundaire doelen zijn.

Ik heb vaak secundaire doelen omdat ik ervoor wil zorgen dat mijn experiment geen nadelig effect heeft dat ik niet had verwacht. Een voorbeeld van een secundaire statistiek die ik controleer bij het optimaliseren van formulieren is de kwaliteit van de formulierinzending. Hoewel het altijd geweldig is om het aantal formulierinzendingen te vergroten, willen we ervoor zorgen dat de inzendingen van goede kwaliteit zijn.

8. Uw doelen bijhouden

Het is ook belangrijk om het bijhouden van uw experiment te bevestigen voordat u het start. Het laatste wat u wilt, is dat uw experiment wordt beëindigd, om er vervolgens achter te komen dat u niet over de juiste tracking beschikte om te bevestigen of uw experiment al dan niet werkte. Dit lijkt heel eenvoudig, maar ik kwam deze valkuil onlangs zelf tegen. 

Wat bedoel ik met tracking? Tracking is de daadwerkelijke meting van uw doel, bijvoorbeeld formulierinzendingen, klikken op knoppen, klikken op links, bezochte pagina, enz. Dit kan zowel op paginaniveau als op gebeurtenisniveau zijn. Het goede nieuws is dat doelen goed worden gedefinieerd in de testtool. Het enige dat u hoeft te doen, is de gebeurtenisklik, koppelingklik, paginabestemming, enz., rechtstreeks vanuit uw experiment te definiëren. In andere gevallen integreren testtools rechtstreeks met uw analysetool, zodat u gewoon uw vooraf gedefinieerde doelen kunt selecteren.

Het maakt niet uit hoe u uw doelen koppelt. Is dat niet gelukt, dan moet u uw experiment opnieuw maken.

9. Stop, bewerk en start uw experiment niet opnieuw

Wat gebeurt er als je een test uitvoert en je ziet dat er een verandering moet worden aangebracht? Op de meeste platforms kunt u stoppen, uw bewerking uitvoeren en vervolgens kunt u uw experiment weer aanzetten. Dat is echter iets wat experts je aanraden om nooit te doen. In feite kan het doen van zoiets de gegevens echt in gevaar brengen. Of die verandering nu groot of klein is, het heeft het potentieel om het gedrag van de gebruiker te beïnvloeden, wat de integriteit van de gegevens in gevaar kan brengen.

In plaats daarvan raden experts u aan het huidige experiment te stoppen. Maak vervolgens een kopie van het experiment, breng de nodige wijzigingen aan en start een nieuwe campagne.

10. Wees geduldig en laat het experiment zijn gang gaan

Zodra het experiment begint, is het gemakkelijk om verwikkeld te raken in de opwinding om het resultaat te zien en constant te controleren hoe de test verloopt. Wees niet gealarmeerd dat de ene week je test wint en de volgende niet. De waarheid is dat experimenten in het begin behoorlijk wispelturig kunnen zijn.

Heb gewoon geduld. Laat uw test lopen totdat deze een statistische significantie van 95-99% heeft bereikt. Steekproefgroottes spelen een belangrijke rol in de betekenis van uw experiment. Ik heb in de loop der jaren geleerd om op mijn hoede te zijn voor lage steekproefgroottes. Uw steekproefomvang moet groot genoeg zijn om uw resultaten verder te valideren. Ik vertrouw op 200-300 conversies per variatie, terwijl andere experts 1.000 conversies per variatie suggereren.

Bonus Tip: Optimaliseer! Optimaliseren! Optimaliseren!

Eén versie van een experiment is niet genoeg. Leer van je resultaten. Inzichten worden toekomstige experimenten. Blijf herhalen op je hypothese en hertest. Er zijn eindeloze mogelijkheden om dingen te testen. Pas wel op voor tegenstrijdige experimenten, zodat je je gegevens niet vertroebelt.

Tot slot, hier zijn de top 10 CRO best practices in een notendop:

1. Best practices lijken meer op richtlijnen.
2. Meningen doen er niet toe. Laat de gegevens u naar uw volgende experiment leiden.
3. Kopieer uw concurrenten niet. Je weet niet wat ze proberen op te lossen, noch of hun oplossing voor hen werkt.
4. Optimalisatie is meer dan alleen A/B testen. Begrijp uw gebruikers en hoe ze omgaan met uw site.
5. Volg een systematisch, iteratief proces dat rekening houdt met zowel kwalitatieve als kwantitatieve gegevens.
6. Begin geen experiment zonder hypothese.
7. Definieer duidelijk het doel van uw experiment.
8. Tracking is van cruciaal belang voor uw resultaten. Bewerk nooit een experiment dat al loopt. Stop, kopieer, bewerk en start een nieuw experiment.
9. Laat uw experiment lopen totdat het statistische significantie heeft bereikt.
10. Laat je inzichten veranderen in je volgende hypothese.

En natuurlijk: optimaliseren, optimaliseren, optimaliseren!