Van data naar inzicht met het FACT & ACT-model

Stel, je bent online marketeer voor een koffiebranderij. Je besluit een a/b-test te doen om de verkoop van koffiezetapparaten te boosten. Er wordt een mooi design gemaakt met een aantal mooie foto’s, een grote groene call-to-action, 10 procent korting, nog wat social proof erbij en je bent klaar. Na vier weken testen zie je dat er inderdaad meer koffiezetapparaten worden verkocht. Maar helaas, de verkoop van koffiebonen en de inschrijvingen op de nieuwsbrief zijn erop achteruit gegaan. Wat nu? Wat heb je nou eigenlijk geleerd van je test? Dat alle aangepaste elementen zorgen voor meer verkoop van koffiezetapparaten? Gaat dat dan ook helpen om de verkoop van je andere producten te verhogen? Van data naar inzichten – het is makkelijk gezegd, niet zo makkelijk gedaan.

Het feit dat je design zorgt voor meer verkoop is fijn. Maar wat betekent dat dan? Waarom zorgt juist dit design voor een betere verkoop? Welk gedrag heb je veranderd? Dit zijn vragen die op de korte termijn waarschijnlijk onbelangrijk zijn, maar op de lange termijn bepalen of en hoe succesvol je optimalisatieprogramma is. Wat nou als het designtrucje na een paar maanden niet meer werkt. Wat moet je dan doen?

Inzicht. het inzicht zelfst.naamw. Uitspraak: [ˈɪnzɪxt] Verbuigingen: inzichten (meerv.) toestand dat je iets begrijpt.

Het vertalen van data naar inzichten is niet makkelijk, want data is een abstract gegeven. Data zijn absoluut nodig om tot een inzicht te komen, maar je moet weten hoe je de data moet interpreteren. Om deze reden is de wisselwerking tussen webanalist en psycholoog cruciaal, waarbij een derde persoon, de UX’er, een extra schakel vormt.

Bij Online Dialogue werken we volgens het FACT & ACT-model. Dit model structureert dagelijkse conversie-optimalisatie-praktijken en is gericht op het werken met een multidisciplinair team. Een wederzijdse afhankelijkheid tussen webanalist en psycholoog zorgt ervoor dat er kritisch naar de data gekeken wordt, waardoor je stapje bij beetje steeds meer leert.

1. Find

Als je bij een klant over de vloer komt, wil je eerst weten met welk gedrag je te maken hebt. De webanalist duikt de data in om een vooranalyse te maken en de psycholoog stelt aanvullende vragen.

Het valt de webanalist van de koffiebranderij op dat er veel mensen lange tijd op de overzichtspagina van de koffiezetapparaten doorbrengen en dan de website verlaten. De psycholoog vraagt door: “Wat is het scroll gedrag?” “Staan er andere tabs open?” “Wordt er gebruik gemaakt van filters?” “Wat is het klikgedrag?” Door ook deze vragen te onderzoeken, wordt duidelijk dat veel bezoekers lang scrollen, heel veel heen en weer klikken tussen producten en veel filters gebruiken. Filters als prijs en soort koffie blijken erg belangrijk.

Naast de vooranalyse doet de webanalist een technische check en een bandbreedtecalculatie. Met de technische check wordt vastgesteld of de data kloppen en of alles juist is ingesteld in het analyticsprogramma. Ook worden mogelijke extra meetpunten geïdentificeerd die het gedrag goed in kaart kunnen brengen.

De minimale input is belangrijke informatie voor de psycholoog omdat deze bepaalt hoe groot een experiment moet zijn.

Door middel van de bandbreedtecalculatie ontdekt de webanalist op welke pagina’s je kunt testen en met welke KPI’s. De calculatie laat ook zien hoe lang een test kan lopen en welke uplift in conversie nodig is om een effect te meten. Dit is belangrijke informatie voor de psycholoog omdat de minimale uplift bepaalt hoe groot een experiment moet zijn: voor een kleine uplift volstaat een klein experiment, voor een grote uplift is een groot experiment nodig.

De Find-fase leidt tot een algemeen beeld van het gedrag op de website. Een dergelijk vooronderzoek van de webanalist laat zien wat de conversie is, waar geklikt wordt, waar bezoekers de website verlaten, hoe lang ze op een pagina zitten, enzovoort.

De meeste gedragsinzichten worden uit een flowanalyse gehaald. Middels deze analyse kun je verschil in gedrag per segment identificeren. Zo kun je onder andere verschil in gedrag zien tussen bezoek vanuit een advertentie en vanuit een zoekopdracht in Google. Zodra er data beschikbaar zijn, ontstaat er een vraag- en antwoordspel tussen webanalist en psycholoog. Zo komen ideeën over gedrag tot leven en kunnen assumpties over gedrag alvast onderzocht worden met beschikbare data. Daarnaast moet de bandbreedtecalculatie van de webanalist meegenomen worden om te bepalen waar getest gaat worden en hoe groot het experiment kan zijn.

Als eerste zien we in de data dat het meeste bezoek afkomstig is uit een zoekopdracht in Google en een aantal uit social media. Weinig bezoekers komen direct op de website van de koffiebranderij terecht. De bezoekers uit Google klikken veel rond op de website en bezoekers van social media verlaten de pagina vrij snel.

Het data-onderzoek suggereert dat bezoekers interesse hebben in koffiezetapparaten, ze zijn tenslotte lang op de overzichtspagina met koffiezetapparaten. Daarnaast lijken bezoekers op zoek te zijn naar informatie, dat leiden we af uit het vele klikgedrag en het gebruik van filters. Het verlaten van de pagina geeft aan dat bezoekers nog niet in staat zijn om tot aankoop over te gaan.

Heb je nu een inzicht?

Nee, nu heb je een algemeen beeld van gedrag op de website en daarmee input om hypotheses te vormen.

Een belangrijke vraag die we onszelf continu stellen is: “What is the next best test?”

Alle informatie, van bandbreedtecalculatie tot psychologische gedragsstudie, wordt verzameld in een determinantenstudie. Deze studie is de basis van de test roadmap, die aangeeft waar we kunnen testen en waar we een effect kunnen behalen. Een belangrijke vraag die we onszelf continu stellen is: “What is the next best test?” Om dit te bepalen, zorgen we voor een prioritering van onze testideeën, waarbij we rekening houden met alles wat we tot nu toe geleerd hebben, de verwachte impact en de waarde voor het bedrijf.

2. Analyze

Een hypothese is het belangrijkste deel van een a/b-test, zonder hypothese is het onmogelijk om van data tot inzicht te komen.

Een hypothese is het belangrijkste deel van een a/b-test, zonder hypothese is het onmogelijk om van data tot inzicht te komen.

De reden dat je een hypothese opstelt wanneer je een a/b-test doet, is het onderzoek een kader te geven. Als de psycholoog van te voren bepaalt wat de hypothese is, weet je waaraan je een gemeten effect kunt toewijzen. Als je dat niet van te voren bepaalt, tast je in het duister.

Bij het schrijven van hypothesen maken we onderscheid tussen hoofd-, deel- en testhypothesen. Een hoofdhypothese doet een aanname over gedrag op de website, een deelhypothese doet een aanname over de gedragsverandering die plaats zal vinden door het toepassen van een techniek en de testhypothese maakt het specifiek. Door het toetsen van verschillende testhypothesen kun je een deelhypothese en uiteindelijk een hoofdhypothese bevestigen.

Omdat er veel bezoek uit Google komt en veel bezoek doorklikt op de site, denkt de psycholoog dat het grootste deel van het bezoek op zoek is naar een koffiezetapparaat, maar nog niet weet wat belangrijk is bij de aankoop ervan.

De aanname uit het data-onderzoek kan zijn dat bezoekers nog niet klaar zijn voor een aankoop omdat ze niet zeker zijn over het product. Deze aanname komt voort uit het feit dat bezoekers veel klikken op informatieve elementen van de pagina en veel producten bekijken.

De hoofdhypothese die daarbij hoort is: “Het koopgedrag van de bezoeker is afhankelijk van zekerheid over het koffiezetapparaat.” De bijbehorende deelhypothese luidt: “Door het verhogen van zekerheid door positieve gevoelens rondom koffiezetapparaat te verhogen, zullen er meer koffiezetapparaten verkocht worden”. Een testhypothese zou kunnen zijn: “Door positieve reviews op de overzichtspagina te laten zien, worden gevoelens van zekerheid verhoogd en zullen er meer koffiezetapparaten worden verkocht” of “Door kwaliteitsgarantie te bieden op de pagina worden gevoelens van zekerheid verhoogd en zullen meer koffiezetapparaten worden verkocht”.

Dus een hypothese, en dan?

3. Create

Een hypothese is het resultaat van het vraag- en antwoordspel tussen webanalist en psycholoog. Als de hypothese gevormd is, komt de UX’er in beeld en wordt een design gemaakt. Dit gaat in overeenstemming met de psycholoog, want het is noodzakelijk dat het design de hypothese reflecteert. Als dit niet het geval is, kun je geen conclusies verbinden aan het gemeten effect.

Door beide hypothesen te onderzoeken, krijg je al een beter beeld van het gedrag op de website. Zijn bezoekers gevoelig voor meer emotionele informatie, zoals wat andere mensen vinden, of zijn bezoekers gevoelig voor meer praktische informatie, zoals kwaliteit en garantie wanneer iets niet meer werkt?

Per test toets je één hypothese en één design. De UX’er maakt een design voor de eerste hypothese. Ieder koffiezetapparaat krijgt een beoordeling in de vorm van een aantal sterren, die zichtbaar is op de overzichtspagina. De psycholoog twijfelt nog om de beoordeling uit te drukken in rapportcijfers, maar na overleg met de UX’er en raadpleging van wetenschappelijke literatuur worden de sterren gehandhaafd.

Van te voren wordt bepaald welke data je nodig hebt om het effect van de test te meten. Dit moet vooraf plaatsvinden, omdat je hypothese bepaalt wat je onderzoekt. Het is niet juist om achteraf naar een effect in je data te zoeken en daar een verklaring bij te verzinnen. Daar leer je niks van.

De psycholoog weet welke data nodig zijn, de UX’er welke veranderingen in het design invloed kunnen hebben en de webanalist zoekt uit of alle metingen mogelijk zijn.

De psycholoog, de UX’er en de webanalist bepalen samen welke metrics er nodig zijn om de hypothese te toetsen. De psycholoog weet welke data nodig zijn om gedragsverandering vast te stellen, de UX’er weet als geen ander welke veranderingen in het design invloed kunnen hebben en de webanalist zoekt uit of alle metingen mogelijk zijn.

Om te bepalen welk effect de designaanpassing heeft, is een aantal metrics van belang. Zo verwachten de psycholoog en de UX’er dat de conversie stijgt, de tijd op de pagina verkort wordt, dat er minder terugkliks zullen optreden, dat de exit lager zal zijn, dat er minder filtergebruik zal zijn en dat een verhoogd aantal bezoekers de checkout ingaat.

Alle meetpunten worden expliciet genoemd in de test hypotheses. Daarnaast is het interessant om te meten of bezoekers aandacht geven aan de sterren, door bijvoorbeeld heatmaps te bekijken, maar dat is niet de belangrijkste meting.

4. Test

Even ademhalen, eerst data dan inzichten.

5. Analyze

Zodra de test is afgelopen, gaat de webanalist aan de slag. Dit levert een mooi rapport op met antwoord op alle vragen. Maar uiteindelijk draait het om het significantieniveau van de nieuwe variant. Het liefst test je waar de conversie significant stijgt. Een hogere conversie betekent meer omzet en een tevreden klant.

Iedere uitkomst van iedere test is een puzzelstukje om meer te leren over het gedrag van de bezoeker.

Desondanks hebben we geen conversiestijging nodig om inzichten uit de data te halen. Van iedere test die we doen, leren we wat, met name doordat in testhypothesen meerdere meetpunten worden meegenomen. Deze meetpunten vertellen de psycholoog meer over gedrag. We leren of we op de juiste weg zitten, of juist niet. We merken of bepaalde veranderingen binnen bepaalde groepen gedragsverandering teweegbrengen, of juist niet. Iedere uitkomst van iedere test is een puzzelstukje om meer te leren over het gedrag van de bezoeker.

Wij vinden een significant resultaat, daar zijn wij heel blij mee en de koffiebranderij ook. Maar daar nemen we geen genoegen mee, we willen graag uitzoeken hoe we aan dit positieve resultaat zijn gekomen.

Even terug naar de testhypothese: “Door positieve reviews op de pagina te laten zien, worden gevoelens van zekerheid verhoogd en zullen er meer koffiezetapparaten worden verkocht”. Dus door het verhogen van zekerheid, door middel van beoordeling in de vorm van sterren, zien we dat er meer koffiezetapparaten worden verkocht. Daarbij is naast een verhoogde conversie ook te zien dat er minder terugkliks zijn, minder filtergebruik, minder tijd op de pagina en dat de exit lager is. Verder merkt de webanalist op dat er minder andere tabs hebben opengestaan.

Is dit dan een inzicht?

6. Combine

De kunst zit hem in de combinatie. Door veel te testen, verzamelen we veel data en kunnen we potentieel dus veel leren. Data alleen zijn niet genoeg en daarom schrijven we hypothesen. Door het schrijven van hypothesen geven we betekenis aan de data. Een significant resultaat is geen abstract gegeven meer, maar een bevestiging van een aanname.

Door het schrijven van hypothesen geven we betekenis aan de data.

We testen met meerdere testhypotheses dezelfde deel- en hoofdhypotheses om zoveel mogelijk bewijs te vinden voor onze uit data voortkomende gedragsaanname. En dan hebben we dan eindelijk een inzicht. Je begrijpt waarom gedrag op de website is zoals het is.

De test waarbij we de zekerheid op de pagina hebben verhoogd, had een positief effect. Dit geeft ons het idee dat we in de goede richting aan het testen zijn. Als we nu doorgaan met verschillende testhypothesen en steeds opnieuw bevestigd krijgen dat het verhogen van zekerheid de verkoop stimuleert, hebben we een inzicht. Namelijk: bezoekers die een koffiezetapparaat willen kopen, hebben behoefte aan zekerheid over het product.

Dit inzicht kunnen we gebruiken op de hele website. Misschien werkt het nog wel beter op de productdetailpagina of juist in de checkout. Opvallend was de bevinding van de webanalist dat de bezoekers minder tabs open hebben staan tijdens hun bezoek. Voor de psycholoog is dit interessant. Het zou er namelijk op kunnen wijzen dat minder bezoekers aan het vergelijken zijn geweest bij concurrenten. Zo vormt iedere test en iedere bevinding input voor een volgende.

7. Transform

Op het moment dat je veel inzichten hebt over het gedrag van je bezoeker ben je ook in staat verandering in gedrag in een vroeg stadium op te merken. Verandering in gedrag betekent dat de markt toe is aan verandering. Tijd om te innoveren!

Van data naar inzichten, het is makkelijk gezegd, niet zo makkelijk gedaan. Het belangrijkste om van data tot inzicht te komen is de wisselwerking tussen webanalist en psycholoog. Dus voor elk product een aantal mooie foto’s, een grote groene call-to-action, 10 procent korting en wat social proof gaat je op de lange termijn niet helpen. Weten dat bezoekers bij het kopen van een koffiezetapparaat behoefte hebben aan zekerheid, zeker wel!