Trygg-Hansa

Slik finner du en bug, løser et problem og øker konverteringen, fra 75% til 96%.

Nettanalyse på sitt enkleste …?

Trygg-Hansa ville evaluere sin barneforsikringsflyt, og vi var ikke sene om å dykke rett ned i Google Analytics for å begynne å ta temperaturen på eksisterende sporing, forstå brukeratferd og fikse de nåværende konverteringsproblemene.

Se hvordan vi gikk til verks for å identifisere en konverteringsdrepende bug …


Trygg-Hansa

Om Trygg-Hansa

Trygg-Hansa er et av Sveriges største forsikringsselskaper, med et årspremievolum på over ti milliarder SEK og ca. 1 700 medarbeidere. Virksomheten drives fra rundt 20 steder rundt om i Sverige.


1. En første titt i Google Analytics

Før vi går inn på hva vi analyserer vil vi forklare hvordan den planlagte kundereisen ser ut. Trygg-Hansas konverteringsmål er i rekkefølge:

  1. Tegne barneforsikring
  2. Beregne pris og interagere med prismodulen
  3. Skaffe leads til bearbeiding

For å forstå brukeratferd begynte vi med å «grave data» i Google Analytics. For oss innebar det å gå gjennom en sjekkliste på mye mer enn 100 punkter, steg for steg. Det som var spesielt i denne analysefasen var at vi fra starten av var klar over et åpenbart problem som hadde blitt oppdaget i Google Analytics, men ingen kunne svare på hvorfor det skjedde.
Trygg-Hansa iOS vs Android

Vi har funnet dette problemet, men vi har ingen anelse om hvorfor det oppstår

Det viste seg at Trygg-Hansas analytikere hadde funnet en avvikende konverteringsrate hos Android-brukere – men de kunne ikke svare på hvordan det var mulig. Sidene var jo identiske?

Funil Móvel Trygg-Hansa
Det er selve signup-flyten vi prater om, hvor skjema-trakten for iOS og Android var like, men den avvikende drop-offen for Android skjedde i det siste bekreftelses-trinnet.

Herfra kommer vi kun til å fokusere på buggen i Android – Vi ser ikke på hele evalueringen og andre findings og forbedringsforslag som evalueringen ga Trygg-Hansa.

Fordi de andre funnene ikke var bra? Nei, tvert imot. Fordi feilen tydelig viser viktigheten av å analysere fra ulike kilder. La oss vise…

2. Neste steg – Forstå Androids drop-off

For å forstå kvantitative data (aggregert data som i Google Analytics) kan du med fordel ta kvalitative data til hjelp (som session recordings, polls etc.). Det hjelper deg med å svare på hvorfor noe skjer – Google Analytics svarer jo som kjent kun på hva som skjer.

Som sagt, så gjort. Vi koblet til Hotjar for å gjøre session recordings på mobilbrukere som går gjennom oppmeldingsflyten.

Session recordings:
Vi gjør opptak av brukernes skjermer. Da kan vi se hvordan de navigerer, klikker og beveger seg, og hvilken atferd som oppstår som en konsekvens av, i dette tilfellet, feilmeldingen i skjemaet.

Så, hva var det som skjedde? Vi ser på skjermdumper fra en av ekstremt mange lignende recordings:

Svar: Brukerne fyller ut skjemaet og fullfører, og får så en feilmelding som sier at e-posten er feil til tross for at den står riktig skrevet. De begynner på nytt, men det samme skjer igjen. Hva betyr det?

Android gir et tekstforslag som de tror hjelper – men det ødelegger.

OK, så Android legger til et mellomrom etter at de har foreslått din e-post. Det er buggen – for mellomrommet blir feil. Men kan vi overskrive deres anbefaling? Ja.

Forbedringshypotese basert på data

Vi har for vane å alltid bruke vår hypoteseskaper før det gjøres en forandring. Dermed kan vi ALLTID påvise at en hypotese er datadrevet og basert på innsikt, kan måles osv.

Förbättringshypotes Trygg-Hansa

Er det virkelig rocket science dette her?
Kunsten er ikke å kunne identifisere en bug. Kunsten er å se avvik i dataene og raskt kunne forstå hvorfor avviket oppstår som et resultat av en brukeratferd. Denne typen feil vil før eller siden nå kundeservice – men du kan (og vil) ligge i forkant gjennom å ha kontroll på dataene dine og brukerne dine.

Hvordan ble feilen prioritert?

Hypotesen var at vi skulle fikse feilen (nå som den er identifisert) og at konverteringene dermed skulle gå opp.Prioritera A/B-test.

Tiltaket ble som vanlig veid opp imot ca. 30 andre funn i henhold til prioriteringsmodellen, blant annet gjennom en overgripende vurdering av endringens konverteringspotensial ut ifra «Impact» og «Ease».

4. Resultater påvist med ½-testing

Etter å ha sammenlignet konverteringsraten i skjemaet for Android users, før vs. etter at feilen ble rettet, kunne vi se:

  • +28% økt konvertering for Android
  • Android konverterer nå bedre enn iOS

Det holder som regel ikke å kun titte på tall. Ved å granske skjermopptak nøye og teste på en ekte telefon fant vi dette relativt lille, men akk så irriterende, problemet.

Muito mais bugg android
5. Andre tiltak og anbefalinger

Som vi nevnte innledningsvis bestod konverteringsevalueringen av nærmere 30 ulike findings og forbedringsforslag, men her valgte vi å løfte frem nettopp dette eksempelet.

Konverteringsoptimalisering handler om kontinuerlig arbeid, hvor innsikt og testresultater fører til ny data og forståelse. En optimaliserer sover aldri.

Conversionista is open for business in The Netherlands.
Conversionista is open for business in The Netherlands. Read more.