For å bli en fullstendig utrustet fullblodsoptimaliserer må du jobbe med både kvantitative og kvalitative datametoder. Men i hvilken rekkefølge og på hvilken måte? Det skal vi forklare her.
I et tidligere blogginnlegg argumenterte Frida Morberg for at mange trenger å komplettere sine kvantitative data med kvalitative undersøkelser. Kanskje du kjøpte argumentet hennes, men fortsatt lurer på hvordan du skal gå frem.
Her kommer en oppsummering for deg som trenger en recap av Fridas post:
Data som representerer et større utvalg av dine besøkende (tenk «kalkulator»). Du kan trygt si – «Ettersom jeg har sett dette hos tilstrekkelig mange av mine besøkende, så er det rimelig å anta at det gjelder for de fleste av mine besøkende». Svarer på spørsmålet om HVA som skjer, HVOR det skjer og HVOR OFTE det skjer.
Kvalitative data:
Data som gjelder et fåtall av dine besøkende (tenk «observasjoner»). Du kan tenke – «Jeg har funnet et fenomen som er kjempebra/ kjempedårlig, men jeg vet ikke hvor ofte det skjer, hvem det skjer med eller hvilken innvirkning det har på mine mål/ KPIer.» Svarer på spørsmålet HVORFOR det skjer.
Eller les hele blogginnlegget: Når ble data bare kvantitative?
Disclaimer: Når man jobber mye med disse datametodene så havner man fort i «intern-lingo», og sier hele tiden «kvant» og «kval». Det blir jo sååå slitsomt å si «kvantitativ» og «kvalitativ», eller hva?!
I hvilken ende skal jeg starte?
Nå har vi forklart hva kvantitative og kvalitative data er, og at vi burde jobbe med begge – så hvordan kommer vi i gang da?
I det tidligere blogginnlegget konstaterte vi at de fleste organisasjoner har et (relativt) overskudd av kvantitative data. Man har en evigvarende strøm av dashboards, live-data, ukesrapporter, management summaries, trendrapporter og avviksrapporter.
Så man vet HVA som skjer, kanskje ned til hver minste detalj, men man vet fortsatt ikke HVORFOR det skjer.
Så la oss starte der.
Vi begynner med våre kvantitative data, og så KVALIFISERER vi disse.
Vi illustrerer det hele med et case fra en av våre kunder.
E.T. phone home
En av våre kunder var et selskap for IP-telefoni. Kundene deres er ofte mennesker som har flyttet utenlands, og har behov for å ringe hjem til familie og venner til en rimelig pris. De tilbyr sine tjenester over hele verden, og nettsiden deres finnes på en rekke ulike språk.
I tillegg kjører de til enhver tid masse kampanjer, så det finnes en rekke ulike landingssider.
Vår webanalytiker, Erik, satte seg ned og gikk nøye gjennom alle landingssidene deres. De fleste hadde omtrent samme ytelse, d.v.s. omtrent samme bounce rate, samme konverteringsrate osv. Men så fant han en side som skilte seg ut. Den hadde mange ganger bedre konverteringsrate enn gjennomsnittet. Nå var han på sporet av noe. Erik fikk CSI-feeling.
Og da var tiden inne for å kvalifisere data. Han hadde funnet ut HVA som skjedde og HVOR, men ikke HVORFOR.
Her hadde det jo vært fristende å hoppe over kvalifiseringsproblemet og bare gjette.
Denne siden er jo bedre enn de andre, bare kopier den og rull den ut over hele nettstedet – problem solved!
Men om vi ikke vet HVORFOR den er bedre er sjansen stor for at vi ikke kopierer de riktige tingene, eller at det vi kopierer ikke fungerer på de andre sidene.
We had to go deeper.
What’s in it for me?
Steg 2 ble da å kvalifisere dataene våre og prøve å svare på spørsmålet om HVORFOR besøkende konverterte i større grad på denne siden.
Vi utførte det som kalles en «heuristisk analyse». Heuristikk er et annet ord for «tommelfingerregel» og det vi gjorde var å se på siden basert på en rekke prinsipper for forbrukeratferd i prosjektdatabasen vår.
Da så vi to ting som skilte seg ut.
For det første var den siden vi så på den eneste som fortalte hvor mange minutter man kunne ringe. Hvis vi sier at det koster 1 krone i minuttet å ringe, og man betaler 100kr, så kan man enten kommunisere:
Kostnad: 1kr/ min
eller
Du får: 100 minutter
Og noe som er godt begrunnet i våre egne tester, men også gjennom studier innen forbrukerpsykologi, er at forbrukere ikke er interessert i hva de skal gjøre, hvordan de må gjøre det og hva de skal betale – men HVA DE SKAL FÅ!
What’s in it for me.
La oss se på dette prinsippet: Fortell hvor mange minutter kunden får, i stedet for hva det koster per minutt, og bruk det på flere landingssider.
(Vi ber om unnskyldning for pikslete skjermbilder, men det var det beste vi kunne få til)
Hey – they know me!
Det andre som skilte seg ut var at det fantes et lite flagg for landet man skulle ringe til på siden.
Dette følger et psykologisk prinsipp som kalles «Doppelgänger effect». Det vil si at vi som personer reagerer positivt når vi ser et bilde av oss selv, vårt eget navn eller som i dette tilfellet – ser vårt eget land.
Dette har vi bevist gjennom tester hvor vi har brukt mottakerens navn i emnefeltet på e-poster.
«John – her er ukens tilbud», har høyere åpningsfrekvens enn samme tekst uten navnet.
Du kan også se hvordan LinkedIn bruker dette i sine annonser på nettstedet.
Her ser jeg både mitt eget LinkedIn-bilde og navnet mitt (LinkedIn har ikke glemt at jeg jobbet en stund i spillbransjen).
The proof is in the testing
Holy cow – nå har vi kommet opp med noe skikkelig bra! La oss bare klippe det ut og klistre det inn på hele nettstedet. Eller?
Her kommer det vanskelige. Nå lukker vi loopen ved å gjøre en A/B-test, og bevise vår hypotese med kvantitative data. Hypotesen vår var altså at «om vi viser samtaletiden kunden får, og et flagg for landet dit kunden ringer, på alle våre landingssider av denne typen – så kommer den gjennomsnittlige konverteringsraten til å øke».
Gjorde den det da? You bet – tosifret.
Vi begynner i den kvalitative enden
Når som vi vet hvordan man kan kvalifisere sine kvantitative data – la oss gå løs på hvordan man kvantifiserer sine kvalitative data. Og det gjør vi såklart med et annet case.
I dette tilfellet var det en nettbutikk som hadde en funksjon for å lagre handlekurven. For å kunne gjøre det måtte man logge inn på kontoen sin eller opprette en ny. Hvis man valgte å opprette en ny konto ble man møtt med et registreringsskjema fra helvete. En tilsynelatende uendelig rad med felter som måtte fylles ut – bare for å lagre handlekurven!
Her sier våre heuristikk-regler at den besøkende kommer til å snu i døren. Det kommer av et fenomen som kalles for «task switching». Vi HATER å avbryte det vi holder på med og begynne på noe nytt (prøv å be et barn slutte å spille på iPaden sin for å komme til middagsbordet, så får du se).
Og vi har sett det gjentatte ganger i testene våre og dataene våre. Lange skjemaer dreper konverteringen, spesielt om det man sitter igjen med til slutt (en lagret handlekurv) ikke har særlig stor verdi.
Her var det på sin plass og bare si – «ta bort/ gjør på nytt». Eller burde vi finne ut mer?
What’s in it for the business?
Her følte vi oss ganske sikre på hvorfor en bestemt ting skjedde. Men det var ikke bevist hvor ofte det skjedde, eller hvilken effekt det kunne ha på virksomheten dersom vi endret på det.
Nå gikk vi tilbake til kvantitative data for å underbygge våre kvalitative innsikter kvantitativt.
Vi lagde et segment for å se hvor ofte besøkende logget inn for å lagre handlekurven sin. Resultat: Nesten aldri. 214 av 357.000 besøkende.
Deretter så vi på konvertingsraten for dette segmentet. Den var nesten 10 ganger så høy som gjennomsnittet.
Nå hadde vi altså en handling som veldig få utførte, men som hadde vært veldig lønnsom om den ble utført. Et kanon-case for et redesign av denne flyten med andre ord!
It’s a wrap!
Nå har vi altså vist de to måtene og retningene for hvordan du kan arbeide med kvantitative og kvalitative data.
Så alt er bra – bare å sette i gang, eller?
Ja, i prinsippet, men det finnes et par feller du kan i gå i og som du bør vite om. Dine verste fiender her heter Confirmation bias, Quantificaion bias og Multiple Comparisons Problem – og disse tenkte vi å fortelle om i et senere innlegg.
Disclaimer 2
Tommelfingerregler er kanskje ikke kvalitative DATA, men kan brukes som en kvalitativ metode. Den samvittighetsfulle leseren vil kanskje innvende at jeg ikke har kvalitative datainnsamlingsmetoder, men «bare» heuristiske tommelfingerregler, i de eksemplene jeg har gitt. Bra observert! Jeg kan være enig i at det hadde vært ENDA BEDRE om vi kunne gjøre kvalitative studier, som hadde kommet med kvalitative data DIREKTE fra de nettstedene vi jobbet med. Nå hadde vi ikke det, men tok kvalitative innsikter (tommelfingerregler) fra tidligere studier. Typisk nest beste løsning. Og jeg tenker: Er det en metode som leverer resultater – why not?! Så, er heuristiske regler kvalitative data eller noe annet? Det er det uenighet om.
