Har du sagt A, må du også sige B…. – Kom til kursus i A/B test i skuespilhuset den 23. marts 2010.

Steen Rasmussen fra IIH Nordic og Ivan Bager fra VELUX byder velkommen til en dag, som vil vende op og ned på din måde at lave online forretning på.

Workshoppen er en aktiv kombination af overordnet forståelse og hands-on praktiske øvelser, der sikrer, at du bliver fuldt ud rustet til selv at foretage A/B test og dermed øge effekten af din online markedsføring.

Det har du med hjem fra A/B test kurset
• Forståelsen for hvordan du bruger A/B teste til at målrette din online markedsføring, din hjemmeside og din forretning
• Handlingsplan – Sådan kommer du videre med A/B test
• Din første A/B test

Målgruppe
Webshop ejere, online ansvarlige, online salgs- og marketingchefer, web medarbejdere samt alle andre med ansvar for online kommunikation. Formålet med kurset er at give alle en “kickstart” i forhold til at teste deres hjemmesides indhold og brugerens adfærd ved ændringer.

Prisen

Kr. 3.000 (for medlemmer af FDIH, eMærket, WAA og DWAC)

Kr. 4.500 for ikke medlemmer

Seminaret  i A/B test er et heldagskursus og vil blive afholdt i skuespillerhuset

Kurset A/B test er must for dig, som løbende arbejder på at optimere din online kommunikation, og vil gøre endnu mere, uden at det belaster budgettet.

Læs alt om kursusprogrammet og underviserne samt book plads her

Google har foretaget en række justeringer til deres søgealgoritmer – der radikalt kommer til at ændre den måde du oplever søgemaskinen.

En af de absolut største ændringer der nogensinde er sket i forhold til søgemaskinens algoritmer er netop lanceret. Google har lanceret personaliseret search – alle søgninger du foretager i google er baseret på dine søgninger i op til 180 dage. Uanset om du er logget ind eller ej.

Personaliseret Search
Google har længe leveret resultater baseret på dine tidligere søgninger hvis du er logget ind, eller justeret din søgning ud fra din sidste søgning. Nu bliver alle søgninger imidlertid justeret. Det betyder reelt at du vil opleve at de sider som du jævnligt besøger – efterhånden vil få en mere fremtrædende rolle i dine søgninger.

Det kommer til at betyde en lang række ændringer i hvordan man bør og skal opfatte tilgangen til eksempelvis søgemaskineoptimering. Overordnet set betyder det dog hovedsageligt, at alle websites bør have endnu mere fokus på at siderne er let tilgængelige, nem at navigere i og har fokus på brugerne. For reelt set betyder det, at websites der ikke får trafik – heller ikke vil være synlige for brugerne.

Du kan selv vælge om du vil se resultaterne baseret på dine søgninger eller ej. Du kan vælge at fjerne personaliserede søgninger ved at vælge “Weboversigt” i øverst højre hjørne ved en søgning på Google. Herefter vælger du “Deaktiver tilpasninger, der er baseret på søgeaktivitet.” – Det er dog nok de færreste brugere der vælger denne option.

Der er allerede rigtig mange, der har skrevet om det og argumenteret for om tiltaget er godt eller skidt. Du kan læse mere hos Google selv – eller se denne velskrevne artikel fra en af pionererne inden for viden om søgemaskinerne – Danny Sullivan. Google viser funktionaliterne i denne video.

Ikke alle ændringer er slået igennem endnu på alle datacentre – men hvis du ikke allerede har lagt mærke til ændringerne, vil du sandsynligvis hurtigt få dem at se.

Hvad er din holdning til personaliseret search og real time search?

Få et uundværligt statistisk værktøj, du ikke vidste du manglede – ved hjælp af teori, matematik og generelle overvejelser.

Trafikkredittering – eller kunsten at tilskrive de korrekte kilder til de korrekte besøgende, er en svær webanalytisk disciplin. Det gælder om, at holde tunge lige i munden når man opsætter sin analyse og læser sit webanalyse data.

Vælg de rigtige fokusområder i din online markedsføring
Faldgruberne er mange – flere domæner, underlige redirects, dynamiske sider, der omskriver brugernes data, og så videre. Ikke desto mindre, er det vigtigt at forstå sine brugeres adgang til siden. At kunne kreditere pludselige chok til besøgstallet, konverteringsraten eller bounce raten til de korrekte kilder, så man kan vælge de rigtige fokusområder til ens online markedsføringsindsats og hjemmesideoptimering.

Overordnet set kan man dele trafikkilderne op i to størrelser:

1. direkte besøgende, eller
2. besøgende fra henvisninger fra en ekstern instans.

Besøgende, der eksempelvis trykker på et link fra webanalytiker.dk til iihnordic.dk, vil kategoriseres som en bruger fra en henvisende trafikkilde (kategori 2). En besøgende der direkte skriver iihnordic.dk ind i adressebaren, vil være et direkte besøg (kategori 1).

Man kan selvfølgelig indvende, at afhængig af graden af teoretisk tilgang, kunne man helt undlade direkte besøg. Da alle personer ankommer på siden på baggrund af en eller anden form for henvisning – offline eller online.

NB. Denne opdeling er rent teoretisk, men vil være et godt udgangspunkt i forståelsen af hvordan webanalyse-værktøjer krediterer trafikkilder.

For at opnå en større forståelse for kilderne er de kategoriseret nedenfor:

NB. Det er stadigvæk en ren teoretisk opdeling, og der vil i praksis være forskel i kategoriseringen af trafikkilderne på grund af tekniske barrierer.

Her er henvisningerne delt op i tre underkategorier. Besøgende fra søgemaskiner (Google, Bing, eller lignende), der endvidere er opdelt i organisk og betalt søgetrafik.

Kampagner, som er al trafik fra online eller offline kampagner. Det kan være bannerannoncering, affiliate marketing eller fra en bulletinreklame – og er altså af gode grunde en rodekasse som med fordel kan opdeles yderligere (som udgangspunkt placeres trafik fra nyhedsbrev og lignende også her).

Trafik fra eksterne kilder er nu blot al trafik fra eksterne hjemmesider og ikke-HTML-klienter (teknisk betegnelse for e-mail-klienter, software, bogmærker eller lignende).

Opdelingen kan opskrives som:

Hvor P betegner totale sidevisninger i en given periode (perioden er implicit givet, men vi kunne med fordel indsætte et t som fodtegn for hver komponent for at uddybe, at vi bevæger os i diskret tid – en måned eksempelvis). Identiteten må teoretisk set altid summe – hovedsagligt fordi X-komponenten decideret beregnes residualt (fint ord for tilbageblivende rest):

Hvor X_NON derved betegner alt eksternt trafik, der ikke kunne krediteres (det indbefatter også offline indgange – besøgende der har hørt om siden andetsteds fra).

Nu har vi et teoretisk udgangspunkt, og kan bevæge os over i et mere praktisk baseret perspektiv. Lad os tage udgangspunkt i Google Analytics terminologi, og se hvorledes den passer med vores teori.

Google Analytics har som udgangspunkt en firedelt kategorisering:

Altså en mere bred betegnelse af de besøgende. Organic (3) og cpc (4) betegner hhv. S_organic og S_cpc (med udgangspunkt i hvad Google Analytics kender til af søgemaskiner), referral (2) betegner X_HTML og (none) (1) betegner X_NON og D.

Desværre har vi teknisk set ikke mulighed for at adskille direkte besøg og besøgende fra ikke-HTML-klienter.

Teoretisk:

Google Analytics:

Bemærk, at vi har undladt kampagnerne (C), der betegnes som other i Google Analytics, og er defineret ud fra den manuelle kampagnesporing som Google Analytics benytter sig af. Disse falder under X-komponenten.

I figur 1 ses udviklingen i absolutte tal for en given tidsperiode (her vist med en måned som interval) for en given hjemmeside i de forskellige komponenter (weekenderne er tegnet ind):

Figur 1 – Den absolutte udvikling i komponenterne (en måned):

Her har vi altså dekomponeret de besøgende, og får umiddelbart et meget mere klart indblik i udviklingen.

Dog viser denne figur blot den kvantitative udvikling, og det kan være meget relevant at svare på mere kvalitative spørgsmål; hvorfor steg besøgstallet i en given periode?

For at kunne besvare dette, kan man benytte sig af vækstbidragsberegning.

Bidrag fra delkomponenter til samlede besøgstal udregnes således:

Hvor man altså tager væksten i delkomponenten (delkomponent, t+1) i forhold til det samlede besøgstal i perioden før (t). Hvis vi eksempelvis vil finde vækstbidraget fra søgetrafik i periode 2 (februar), lyder ligningen:

Den generelle månedlige vækstrate for et givent år ses i figur 2. Jeg har opdelt perioden i tre konjunkturer, som principielt findes ved at se om periodens vækstrate ligger over eller under den gennemsnitlige vækstrate for hele perioden (periodevalg afhænger af ens temperament).

Figur 2 – Vækstrater (et år):

Og for at grave dybere ned i tallene, kan man ved hjælp af vækstbidragsberegning komme frem til figur 3. Her er trenden, og den procentuelle vækstrate tegnet ind, hvilket er en god idé, da de beskriver de reelle ændringer.

Figur 3 – Vækstbidrag fra de forskellige komponenter, inkl. tendens- og vækstratekurver:

Hvor man derfor kan forklare vækstraterne ud fra den individuelle vækst i de forskellige delkomponenter.

Det er dog vigtigt at pointere, at vi her bevæger os i relative tal, og vækstbidragsberegning foregår i den anden afledet (som man kalder det), – vi kigger altså på ændringer i relative størrelser, så inden man konkluderer en masse ting, skal man altid kigge tilbage til de absolutte størrelser.

Hvorfor det også er vigtigt, når man udarbejder disse analyser, at benytte sig af nogenlunde stabile størrelser (og gerne høje niveauer), så man undgår et sløret billede, med voldsomme chok grundet små ændringer.

Det skal bemærkes, at brugen af antal sidevisninger som overordnet mål, ikke er det mest korrekte valg, men man kunne benytte sig af alle andre tænkelige mål.

Eksempelvis ville konverteringer være et mere sigende kvalitativt mål, men princippet er det samme.

Eksempel Excel-fil: Download