Online Middelen Matrix

De Online Middelen Matrix

Binnen ons vak zijn we steeds op zoek naar nieuwe inzichten die ons helpen de online strategie in te vullen. De uitdaging is om de organisatie te voeden met informatie welke uiteindelijk resulteert in kennis en actie. In de quest hierna zijn we gekomen tot een model die we graag willen delen en bespreken met collega webanalisten.
Het model, genaamd de ‘ONLINE MIDDELEN MATRIX’, moet inzicht geven in de investeringskeuze in online marketingmiddelen (SEO, SEA, email, etc.). Welke middelen dragen het meeste bij aan het bedrijfsresultaat? Hoe zorgen we dat bepaalde middelen meer gaan dragen aan het bedrijfsresultaat? Moeten we investeren in de hoeveelheid traffic, de kwaliteit van de traffic of klantbeleving op de site? Dit model geeft antwoord op deze vragen en is daarom een essentieel hulpmiddel voor het bepalen van de online strategie. Voor zowel de ‘externe presence’ als de strategie van je ‘winkel’.
Het model combineert een tweetal metrics: traffic en conversie (zie onderstaand figuur). De assen zijn gebaseerd op de doelstelling van de metrics voor een bepaalde periode. De verticale as (y-as) laat in dit geval de traffic van het middel zien waarbij de middellijn de doelstelling is. De horizontale as (x-as) doet hetzelfde met conversie (doelconversies/traffic). De kleur van de bol geeft aan of het middel een positieve ROI heeft, de omvang van de bol geeft bijdrage aan de omzet weer.
Het is een dynamisch model hierin staat de dynamiek tussen de middelen en de targets centraal. Het helpt bij het bepalen van de strategie en keuzes te maken met betrekking tot geld en energie.

De prioriteit is bepaald op basis van de winst die er op korte termijn gehaald kan worden. Middelen met een grote bol en veel traffic verdienen daarom de meeste aandacht op korte termijn. De matrix kan daarom ook uitstekend worden gebruikt keuze op strategisch niveau te maken. Bijvoorbeeld: hoe worden budgetten verdeeld? waar ligt de focus voor online marketeers?
Het ‘magische woord’ in deze analyse is segmentatie. Hoe wordt de traffic naar de site gesegmenteerd, maar ook segmenteren we het gedrag op de website? Een voorwaarde is dus om de analytics tool hierop in te richten. De inzichten die het geeft zijn van grote waarde voor onze organisatie. De eerste acties zijn inmiddels uitgezet op basis van deze analyse. We zijn benieuwd of onze collega webanalisten dezelfde waarde zien in deze matrix of zien jullie nog verbeterpunten? Graag jullie reactie.


Het volledige artikel en model staat op Webanalisten.nl

Beter goed gejat dan slecht verzonnen

De kampioenen zijn bekend en hieronder zie je de winnaars. Een goede manier om te leren op welke wijze je kan presenteren en data kan vertalen naar kennis.

Doe er je voordeel mee.

De winnaar
ClickThinking

Runner up
Predicta
Clotet.pdf
%20Intelligence

Post-view bannerresultaten: zin of onzin?

De laatste tijd heb ik me enigszins verbaasd over de manier waarop banner resultaten worden geïnterpreteerd. Verbaasd is misschien een understatement, geïrriteerd is een beter woord.

Waar we vroeger alleen keken naar de views en CTR, kijken we nu ook naar het gedrag na de klik. Dit is een zeer goede ontwikkeling, want we willen niet alleen traffic, maar kwalitatieve traffic op onze site. Post-click resultaten zijn hier voor goed te gebruiken.

Het nadeel hiervan is dat we de banner uitsluitend beoordelen op clickgedrag van de bezoeker, maar wat zijn de effecten van het tonen van de banner. Het regelmatig tonen van een banner aan de doelgroep, heeft waarschijnlijk ook een effect op de evoked-set van de doelgroep. Voor dit effect zijn de post-view resultaten toegevoegd aan de evaluatie van bannercampagnes. Dus wat is het gedrag van mensen die alleen de banner hebben gezien en niet hebben geklikt? Komen ze alsnog op de homepage en sluiten ze misschien alsnog het product online?

Nu wordt het gevaarlijk, want hoe interpreteren we deze cijfers? Wanneer kunnen we gaan spreken van een toegevoegd effect? Laat ik het illustreren met een voorbeeld:

In een campagne wordt een banner op 3 verschillende plekken weggezet: A, B, en C. De volgende resultaten kwamen hier op binnen:









De banners verschillen erg in bereik. Dit heeft vaak invloed op de CTR van de banner. Het is dan ook veel moeilijker om met CPC netwerken gericht je doelgroep te benaderen. Daarentegen levert het heel veel goedkope traffic op. Het nadeel van deze goekope traffic is dat het een zeer hoge bounce-rate heeft. Uit mijn ervaring hebben CPC netwerken een gemiddelde bounce rate van 70%. Maar omdat het zo goedkoop is, is vaak de cost-per-action acceptabel.

Als we bovenstaande tabel interpreteren en we kijken naar de laatste kolom dan komt banner B als best uit de strijd. 16 euro per sale op basis van post-click en post-view resultaten. De resultaten kloppen, maar is dit de juiste interpretatie? NEE, ABSOLUUT NIET!

We kunnen met geen mogelijkheid alle post-view resultaten toewijzen aan een bepaalde banner. Wie zegt dat de banner gezien is en dat deze daarom bewust of onbewust ging sluiten. Laten we eens een rekensom maken voor banner C:

5.000.000 mensen (unieke views) hebben de banner kunnen zien. Dit is, laten we zeggen, 25% van de totale online wereld. Dus zou het logisch zijn dat ze minstens 25% van de totale online verkopen uit deze bannerviews komen. Alles boven deze 25% is het effect van de banner. Het komt er op neer dat met 5.000.000 unieke views, het logisch is dat daar veel verkopen op gemeten zijn (post-view).

Willen echt gaan meten wat het effect is van postview resultaten is er maar 1 oplossing:

Neem een controlegroep van 5.000.000 personen (in het geval van banner C) die geen banner getoond hebben gekregen van deze campagne. Zet de post-view resultaten naast elkaar en het verschil hiertussen is het extra effect van het zien van banner C. Dit verschil kun je dan meenemen in het berekenen van de cost-per-sale. De uitkomst van de analyse is nu ineens heel anders (zie onderstaande tabel). Bij beoordeling op cost-per-sale is nu banner A de winnaar.







Een lang saai verhaal, maar wel een om rekening mee te houden. Online media bureau’s willen maar al te graag laten zien dat hun bannerinkoop goed is geweest en willen het liefst zoveel mogelijk verkopen laten zien. Iemand die niet dagelijks in deze cijfers zit, zal de zelfde conclusie trekken als de bureau’s en dus verkeerde sturing van een campagne ongemerkt voorbij laten gaan. Of nog erger, een bannercampagne beoordelen als heel succesvol, terwijl het in werkelijkheid niks heeft opgeleverd.

POST-VIEW resultaten: Geen onzin, maar wel heel gevaarlijk!!