Een goed CRO proces begint bij gedegen vooronderzoek waarin de customer journey (of klantreis) de hoofdrol speelt. In de meeste webanalytics tools is het lastig om de daadwerkelijke paden die klanten afleggen in te zien. In de gemiddelde navigatie rapporten kun je de eerste twee of drie opvolgende pagina’s zien. Maar als je verder wil kijken, wordt het al snel lastig. Daarnaast, als je een funnel rapport inzet, dan zie je alleen de stappen die je zelf voorgedefinieerd hebt en niet welke stappen klanten tussendoor nog bekijken.
Disco
Deze funnels en navigatie rapporten geven dus een goede eerste indicatie, maar wil je meer detail toevoegen, dan zul je naar een andere tool moeten dan de webanalytics tool. We hebben hiervoor de tool Disco uitgeprobeerd. Disco is een process mining tool die processen tot in detail inzichtelijk maakt. De tool wordt vaak gebruikt om processen in kaart te brengen die zowel online als offline stappen hebben. Je kunt hiermee bijvoorbeeld de afhandeling van een order tot aan bezorging makkelijk volgen.
In dit geval hebben de tool ingezet om een hele online customer journey in kaart te brengen.
Wat heb je nodig?
Allereerst heb je toegang tot je ruwe data nodig. Bijvoorbeeld via BigQuery. Van tevoren bepaal je welke data je nodig hebt. Het minimum vereiste is een user-id, een timestamp en de pagina’s en belangrijkste events die gebruikers zien. Wij kwamen er bijvoorbeeld al snel achter dat we niet alleen alle paginabezoeken nodig hadden, maar ook event data zoals search gebruikt of add to cart. Afhankelijk van je onderzoeksvraag voeg je nog andere dimensies toe. Zoals je device type of gebruikerskenmerken zoals ingelogde of nieuwe bezoekers. Met deze ruwe dataset hebben we in Python nog een aantal manipulaties gedaan. De timestamp van Bigquery komt bijvoorbeeld niet overeen met het data format van Disco, dus die hebben we aangepast. Ook hebben we alle pagina’s gecategoriseerd in duidelijke content types. Denk dan bijvoorbeeld aan het verwijderen van de zoekterm in een url. Zo zorg je voor een zo schoon mogelijke dataset.
Zorg voor een duidelijke hypothese
Zelfs als je een hele schone dataset hebt, zijn er natuurlijk miljoenen versies van een route die een klant kan afleggen op je website. Als je naar deze hele data brij kijkt, verdwaal je al snel in details. Dus denk vooraf goed na over de vraag die je graag wil beantwoorden. Dus niet: “Wat is het online gedrag van mijn klanten?” Maar “Hoe navigeren klanten op desktop wanneer ze een add to cart gedaan hebben?”.
Het resultaat
Wanneer je alle journeys van klanten inzichtelijk maakt, krijg je alsnog spaghetti:

In de Disco tool kun je tot in detail inzoomen op de verschillende paden die klanten volgen. Je kan filteren, inzoomen en individuele cases bekijken. Daarnaast geven de kleuren aan hoe vaak deze stap in een customer journey voorkomt (hoe donkerder de kleur hoe meer mensen deze stap in hun journey hebben zitten). Wanneer je naar alle data kijkt is het nog steeds een grote brij, maar hoe verder je inzoomt hoe meer detail je kunt zien.
Dit is een voorbeeld van een deel van een journey:

Met dit niveau van detail kun je wél inzichten opdoen. En het voordeel van dit soort datasets is dat je dezelfde data kunt gebruiken om meerdere onderzoeksvragen te beantwoorden. Dit vormt een goede basis voor je optimalisatie programma.
Meetup over Proces Mining
Wil je zelf ook leren hoe je data science kan toepassen binnen CRO? Op 19 mei organiseren we een meetup over dit overwerp. Meer weten? Kijk dan hier: Meetup over Process Mining.