För att vara en komplett utrustad fullblodsoptimerare så behöver du arbeta med både kvantitativa och kvalitativa data-metoder. Men i vilken ordning och på vilket sätt? Det ska vi reda ut här.
I en tidigare bloggpost argumenterade Frida Morberg för att många behöver komplettera sina kvantitativa data med kvalitativa undersökningar. Du kanske köpte hennes argument, men fortfarande undrar hur du ska gå tillväga.
För dig som behöver en recap av Fridas post kommer en summering här:
Data som representerar ett större urval av dina besökare (tänk ”räknare”).
Du kan tryggt säga – ”Eftersom jag sett detta hos tillräckligt många av mina besökare, kan jag rimligen anta att det gäller för de flesta av mina besökare”.
Svarar på frågan VAD som händer, VAR det händer och HUR OFTA det händer.
Kvalitativ data
Data som gäller ett fåtal av dina besökare (tänk ”observationer”).
Du ska tänka – ”Jag har hittat ett fenomen som är jättebra/jättedåligt men jag vet inte hur ofta det händer, vilka det träffar eller vad det har för inverkan på mina mål/KPIer.”
Svarar på frågan VARFÖR det händer.
Eller läs hela bloggposten: När blev data endast kvantitativ?
Disclaimer: När man arbetar mycket med de här data-metoderna hamnar man snabbt i intern-lingo och säger hela tiden ”kvant” och ”kval”. Det blir ju sååå jobbigt att säga ”kvantitativ” och ”kvalitativ”, eller hur?!
I vilken ände ska jag börja?
Nu har vi rett ut vad kvantitativa och kvalitativa data är och att vi borde jobba med båda, så hur kommer vi igång då?
I den tidigare bloggposten konstaterade vi att de flesta organisationer har ett (relativt) överskott av kvantitativa data. Man har dashboards, live-data, veckorappporter, management summaries, trendrapporter och avvikelserapporter i en aldrig sinande ström.
Så man vet VAD som händer, kanske in i minsta detalj, men man vet fortfarande inte VARFÖR det händer.
Så låt oss börja där.
Vi börjar med våra kvantitativa data och så KVALIFICERAR vi den datan.
Vi illustrerar det hela med ett case från en av våra kunder.
E.T. phone home
En av våra kunder var ett företag för IP-telefoni. Deras kunder är ofta människor som flyttat utomlands och hade ett behov av att ringa hem till familj och vänner till ett rimligt pris. De erbjuder sina tjänster i hela världen och deras sajt finns på en uppsjö av olika språk.
Dessutom kör de hela tiden en massa kampanjer så det finns en mängd olika landningssidor.
Vår webbanalytiker, Erik, satte sig ned och gjorde ett datagräv deluxe på alla deras landningssidor. De flesta hade ungefär samma prestanda, d.v.s. ungefär samma bounce rate, samma konverteringsgrad etc. Men så hittade han en sida som stack ut. Den hade mångdubbelt bättre konverteringsgrad än genomsnittet. Nu var han något på spåren. Erik fick CSI-feeling.
Och då blev det dags att kvalificera data. Han hade fått koll på VAD som hände och VAR, men inte VARFÖR.
Här hade det ju varit frestande att hoppa över kvalificeringsproblemet och bara gasa.
Den här sidan är ju bättre än de andra, kopiera den bara och kavla ut den över hela sajten bara – problem solved!
Fast om vi inte vet VARFÖR den är bättre är risken stor att vi inte kopierar rätt saker eller det vi kopierar inte fungera på de andra sidorna.
We had to go deeper.
What’s in it for me?
Steg 2 blev då att kvalificera våra data och försöka svara på frågan VARFÖR besökare konverterade i högre grad på denna sida.
Vi gjorde det som kallas en ”heuristisk analys”. Heuristik är ett annat ord för ”tumregel” och det vi gjorde var att titta på sidan utifrån ett antal principer för konsumentbeteende som finns i vår projektdatabas.
Då såg vi två saker som stack ut.
För det första var den sida vi tittade på den enda som berättade hur många minuter man skulle kunna ringa. Om vi säger att det kostar 1 krona i minuten att ringa och man betalar 100 kr då, kan man antingen kommunicera:
Kostnad: 1 kr/min
eller
Du får: 100 minuter
Och något som är mycket välbelagt i våra egna tester men också genom studier i konsumentpsykologi är att konsumenter inte är intresserade av vad de ska göra, hur de måste göra det, vad de ska betala utan VAD DE SKA FÅ!
What’s in it for me.
Så låt oss ta den principen: Berätta hur många minuter kunden får istället för vad det kostar per minut och använda det på fler landningssidor.
(Vi ber om ursäkt för pixliga screenshots, men det var det bästa vi kunde få fram)
Hey – they know me!
Den andra saken som stack ut var att det på sidan fanns en liten flagga för landet som man skulle ringa till.
Det här följer en psykologisk princip som kallas ”Doppelgänger effect”. Det innebär att vi som personer hajar till när vi ser en bild på oss själva, ser vårt eget namn, eller som i det här fallet, ser vårt eget land.
Det här har vi bevisat genom tester av e-post med mottagarens namn i ämnesraden.
”John – här är veckans erbjudanden”, har högre öppningsfrekvens än samma text utan namnet.
Du kan också se hur LinkedIn använder detta i sina annonser på sajten.
Här ser jag både min egen LinkedIn-bild och mitt namn (LinkedIn har inte glömt att jag jobbade i spelbranschen ett tag).
The proof is in the testing
Holy cow – nu har vi kommit på något riktigt bra! Låt oss bara klippa ut det och klistra in det på hela sajten. Eller?
Här kommer det kluriga. Nu stänger vi loopen genom att göra ett A/B-test och bevisa vår hypotes med kvantitativa data. Vår hypotes var alltså att ”om vi visar samtalstiden kunden får och en flagga för landet dit kunden ringer på alla landningssidor av denna typ, så kommer den genomsnittliga konverteringsgraden att öka.”
Gjorde den det då? You bet – tvåsiffrigt.
Vi börjar i den kvalitativa änden
Nu när vi vet hur man kan kvalificerar sin kvantitativa data, låt oss ta reda hur man kvantifierar sin kvalitativa data. Och vi gör det såklart med ett annat case.
I det här fallet var det en ehandelssajt som hade en funktion för att spara varukorgen. För att kunna göra det var man tvungen att logga in på sitt konto eller skapa ett nytt. Valde man att skapa ett nytt konto möttes man av registreringsformuläret från helvetet. En till synes oändlig rad av fält som ska fyllas i – bara för att spara varukorgen!
Här säger våra heuristik-regler att besökaren kommer att vända i dörren. Det beror på ett fenomen som kallas ”task switching”. Vi HATAR att avbryta det vi håller på med och börja någonting nytt (prova att be barnen att sluta spela på sin iPad och komma till middagsbordet får du se).
Och vi har sett det upprepade gånger i våra tester och våra data. Långa formulär dödar konverteringen, särskilt om det man får i slutänden (en sparad varukorg) inte har så stort värde.
Här var det läge att bara säga – ”ta bort/gör om”. Eller borde vi ta reda på mer?
What’s in it for the business?
Här kände vi oss rätt säkra på varför en viss sak hände. Men det var inte bevisat hur ofta det hände, och vilken effekt det skulle kunna ha på affären om vi ändrade på det.
Nu gick vi tillbaka till kvantitativa data för att belägga våra kvalitativa insikter kvantitativt.
Vi skapade ett segment för satt se hur ofta som besökare loggade in för att spara sin varukorg. Resultatet: nästan aldrig. 214 av 357.000 besökare!
Och så tittade vi på konverteringsgraden för det segmentet. Den var nästan 10 gånger så hög som genomsnittet!
Nu hade vi alltså ett beteende som väldigt få gjorde, men som var väldigt lönsamt om det väl hände. Ett kanon-case för en redesign av detta flöde med andra ord!
It’s a wrap!
Nu har vi alltså visat de två sätten och riktningarna som du kan arbeta med kvantitativa och kvalitativa data.
Så allt lugnt – bara att köra eller?
Ja, i princip, men det finns ett par fällor som du kan gå i och som du bör ha koll på. Dina värsta fiender här heter Confirmation bias, Quantification bias och Multiple Comparisons Problem och dem tänkte vi berätta om i en senare post.
Disclaimer 2
Tumregler kanske inte är kvalitativa DATA, men kan användas som en kvalitativ metod. Den noggranne läsaren kanske invänder att i de exempel jag ger så har jag inte kvalitativa datainsamlingsmetoder utan ”bara” heuristiska tumregler. Bra observerat! Jag kan hålla med om att det hade varit ÄNNU BÄTTRE om vi kunnat göra kvalitativa studier, som hade kommit med kvalitativa data DIREKT från de sajter vi jobbade med.Nu hade vi inte det, utan tog kvalitativa insikter (tumregler) från tidigare studier. Typ näst bästa lösningen. Och jag tänker: är det en metod som levererar resultat – why not?! Så är Heuristiska regler kvalitativa data eller något annat? Därom tvista de data-lärda.
