Markkinoija: tulkitsetko sinäkin väärin näitä mittareita?

Välittömäksi poistumiseksi lasketaan yhden sivun istunnot, joiden aikana vierailija ei käynnistä sivulle laskeutumisen jälkeen tapahtumia. Miten siis tulkitset onko sivusi bounce rate prosenttiluku hyvä vai huono? Kun tarkastelet bounce ratea, kannattaa pitää mielessä ainakin seuraavat asiat:

Onko kyseessä koko sivuston bounce rate vai yksittäisen sivun bounce rate?
Mikä on sivuston tarkoitus?
Miten sivustolle päädyttiin?
Millä laitteella sivustolle tullaan?

Korkea bounce rate koko sivuston osalta tai yksittäisillä sivuilla, joiden tulisi ohjata muuhun sisältöön, on aina ongelma. Et todennäköisesti halua, että kävijät karkaavat pois välittömästi, mikäli tarjoat myös muuta sisältöä laskeutumissivun lisäksi. Jos kyseessä kuitenkin on sivu, joka palvelee tiettyä tarkoitusta kuten yhteystieto-sivu, korkea bounce rate on odotettavissa. Asiakkaasi on ehkä hakenut yrityksesi yhteystietoja ja päätynyt sivulle orgaanisen hakutuloksen kautta löytäen etsimänsä. Onko siis huono asia, että puhtaasti informatiivisilla sivuilla on korkea bounce rate? Ei. Huolestuttavaa olisi enemmänkin se, että että asiakkaat joutuisivat kaivamaan oleellisia tietoja sivustoltasi.

Liikenteen lähde ja laite kertovat usein myös paljon. Jos bounce rate on huomattavasti matalampi pöytätietokoneilla verrattuna mobiililaitteisiin, on syytä selvittää, onko sivuston tai sivun käytettävyydessä eroja eri laitteiden välillä. Lähde taas kertoo sen, miten sivulle päädyttiin. Käyttäjä joka syöttää url-osoitteen suoraan selaimeen tai klikkaa kirjanmerkkiä (suora liikenne) verrattuna käyttäjään, joka klikkaa toisella sivustolla olevaa kuvamainosta, käyttäytyy luultavasti hyvinkin eri tavalla. 

Klikkausprosentin löydät useista eri paikoista ja useilta alustoilta: useimmiten CTR on käytössä tulkittaessa esimerkiksi mainosten tai avainsanojen tehokkuutta. Klikkausprosentti on kuitenkin joskus huono mittari, sillä useimmat alustat laskevat sen suoraan jakamalla klikkaukset näyttökerroilla. Tämä antaa hyvän kuvan mainosten tehokkuudesta silloin, kun kaikki mainokset saavat suurin piirtein yhtä paljon näyttöjä. Ongelma syntyy kuitenkin siinä vaiheessa, kun halutaan vertailla kahta mainosta keskenään. Esimerkiksi:

Mainos A

• 2 Klikkausta
• 4 Näyttöä

Mainos B

• 50 Klikkausta
• 100 Näyttöä

Molempien mainosten CTR on 50%, mutta ovatko ne yhtä hyviä? Fiksu mainostaja on tässä vaiheessa käynyt filtteröimässä näkyviin vain mainokset tai avainsanat, jotka ovat saaneet riittävän määrän näyttöjä ja klikkauksia. Vielä fiksumpaa on kuitenkin siirtää numerot Exceliin ja laskea todelliset klikkausprosentit painotusten avulla.

Attribuutiomallinnuksen tulkinta

Attribuutiolla pyritään selittämään tietyn tapahtuman tai lopputuloksen taustalla olevat tekijät. Verkkosivujen analytiikassa yleisin käyttötarkoitus on konversioarvon määrittäminen tietylle kanavalle. Esimerkiksi Google Analytics ja Google AdWords määrittävät attribuutiomallin automaattisesti last click -malliin. Tämä tarkoittaa, että koko konversioarvo annetaan viimeiselle kanavalle, johon asiakas oli yhteydessä ennen oston tai muun tavoitteen toteutumista.

Tavalliselle analytiikan käyttäjällä on valittavana seitsemän mallia, joita voi vertailla tulokset-raportin alta löytyvällä mallinvertailutyökalulla (Model Comparison Tool). Työkalu antaa myös mahdollisuuden luoda omia attribuutiomalleja, mikäli tähän on tarvetta. Oikean mallin löytäminen on tärkeää tehtäessä päätöstä esimerkiksi mainontakanavien valinnasta. Parasta olisi löytää mahdollisimman totuudenmukaisen kuvan antama malli, joka ottaa huomioon sekä ostoprosessin vaiheet että sen pituuden.

Attribuutiomalleilla pyritään siis tulkitsemaan kanavien vaikutusta; toista attribuutiomallia tarkastelemalla ei saada lisää konversioita, ainoastaan eri kanavien saamat osuudet konversioista vaihtelevat mallia vaihtamalla.