bi üzelti intelligencia adat borító

Funnel analízis

Mi az a Funnel analízis?
Egy mondatban: Egyetlen erőteljes elemzési módszer, amely megmutatja az egész felhasználói életút legsarkalatosabb pontjait.

Vagy inkább egy képben:

Funnel alanlízis egy képben
Funnel alanlízis egy képben

Hogyan is működik a Funnel metrika a gyakorlatban? Mik a legnagyobb kérdések és elakadások? Hogyan lehet belőle “actionable” tudást kiszedni?  Hogyan tudod elkészíteni magadnak? Vegyük sorra!
(Megjegyzés: a lent leírtak nem szigorú szabályoknak, inkább útmutatásnak tekintendőek. Speciális helyzetben mindig lehet kicsit kreatívnak lenni. :-))

Miért jó a Funnel analízis? Mikor használd?

Ez a mérés típus (szokták tölcsérelemzésnek is hívni, csak az olyan bénán hangzik) tipikusan akkor hasznos, ha egy lineáris folyamatot akarsz megnézni. Alapvetően semmi egyébről nincs szó, mint lépésről lépésre végigmenni és megszámolni, hogy hány user jutott el az adott folyamat egyes pontjaiig. Vagy a másik oldalról – hány user esik ki ezeken a pontokon?

A folyamat maga lehet egy egyszerűbb dolog. Mint pl. egy regisztrációs form kitöltése…

Gmail regisztráció + funnel metrika (a kép csak illusztráció)
Gmail regisztráció + funnel metrika (a kép csak illusztráció)

… vagy ehet egy eggyel bonyolultabb, mint pl. egy Onboarding. (Pl. az első bekezdésben levő kép, ami egy feljegyzés készítő app lépéseit ábrázolja.) De lehet egész oldalon/terméken átívelő mérés is az első látogatástól egészen a vásárlásig.

Minden esetben a kulcsszó a linearitás. Tehát olyan folyamatokat törekszünk modellezni ilyen tölcsérekkel, amelyekben nem lehet átugrani egyes pontokat (azok szigorúan követik egymást), illetve ahol egy jól látható úton keresztül jutunk el a célba. Egy webshopban például egyszerűen felállítható ez az út:
1. lépés: Megérkezés az oldalra.
2. lépés: Termékek böngészése.
3. lépés: Egy konkrét termék megnyitása.
4. lépés: Egy konkrét termék kosárba tétele.
5. lépés: Vásárlási információk kitöltése
6. lépés: Rendelés leadása.
7. lépés: “Köszönjük, hogy nálunk vásárolt!”

FONTOS! Ez a módszertan a felhasználók szempontjából közelíti meg a dolgokat, az ő fejlődésüket mérjük. Így egy felhasználó hiába böngészett több terméket is, ezt egynek számoljuk. Mindig úgy tekintsünk a user-einkre, mint akik “megugrottak már egy szintet”: tehát ha valaki a kosárba tett egy terméket, akkor mellé betesszük a pipát a 4. lépéshez, a cél innentől az lesz, hogy az 5-et is meglépje.
Ha 80 terméket tesz a kosárba, akkor is csak egy pipát kap a 4-es lépéhez. (A számosságot más mérésekkel figyeljük.)

Nagyjából az E-commerce-hez hasonlóan egyszerű az elve a SaaS (Software as a Service), illetve a UGC (User Generated Content) oldalaknak is. A média oldalaknál egy kicsit bonyolódik a helyzet, de ott éppen emiatt csak nagyon ritkán használjuk a tölcsérelemzést.

Figyelmedbe ajánlom az egyik legismertebb funnel-szerű modellt. Dave McClure AARRR modellje szerint egy felhasználó mindig 5 főlépésen megy keresztül, amikor az online termékünket vagy honlapunkat használja:

1. Megérkezik az oldalra
2. Elkezdi használni a terméket
3. Visszatér az oldalra
4. Vásárol
5. Továbbajánl

Dave McClure - AARRR modell
Dave McClure – AARRR modell

Ahogy látod, Dave McClure-nél a linearitás nem 100%-os (mert pl. valaki továbbajánlhat vásárlás nélkül is), de a megfigyelések szerint az esetek jelentős többségében végül úgyis ez a valós sorrend.

Hogyan készítsd el?

1. Definiáld az egyes lépéseket! A könnyű befogadhatóság érdekében javaslom, hogy ezeknek a száma 5 és 10 közé essen. Ha sokkal több van, elveszhetsz az adatok között, ha sokkal kevesebb, akkor meg ugye nincs is Funnel. :-)

(Kiegészítés: Ezzel együtt akármikor létrehozhatsz sub-funnel-eket. Tehát pl. ha van egy oldalon átívelő folyamatod, aminek egy lépése a regisztráció, akkor a regisztrációs folyamatnak is lehet egy külön sub-funnel-je. Ez logikailag beágyazódik a nagy tölcsérbe, de vizualizáció szinten érdemes különvenni a nagytól, hogy ne aprózd el a figyelmedet.)

2. Valahogyan kezdd el mérni őket! A mérés készülhet:

  • Google Analytics események beállításával
  • Mixpanel-lel
  • saját adattáblákból (pl. Tableau-val vagy GoodData-val megtámogatva)
  • vagy akármivel, ami Neked kézreáll

3. Ha megvagy mindezzel, akkor válaszd a legegyszerűbb, első ránézésre is legjobban olvasható vizualizációt. Tehát NE ezt:

Sajnos ez egy valódi chart.
Sajnos ez egy valódi chart.

És ne ezt:

Rossz funnel analízis vizualizáció
Rossz funnel analízis vizualizáció

És csak, ha nagyon muszáj, akkor ezt:

Google Analytics-féle Funnel
Google Analytics-féle Funnel vizualizáció

A legegyszerűbb, legjobb vizualizáció a Bar Chart. Nem véletlenül ezt hoztam a nyitó bekezdésben is. Én ezt javaslom minden esetben!

Funnel alanlízis egy képben
Funnel alanlízis egy képben

Hogyan lesz egyetlen elemzésből sok-sok action item?

Ez kulcskérdés. Minden mérést azért csinálunk, hogy utána valamit változtassunk, javítsunk!

Tehát hogyan lehet a Funnel analízisből hasznos infokat kinyerni? Háromféle módon.

Az egyik az ún. bottle neck-ek vizsgálata. Azaz megnézzük, hogy hol nyeklik a legnagyobbat a chart. Ha látjuk, hogy egy regisztrációs folyamatnál mindenki megadja a nevét, az e-mail címét és a jelszót, de a captcha-nal majdnem mindenki eltűnik, akkor sejthetjük, hogy ott valami probléma van (pl. túl olvashatatlan a captcha).
Persze ez nem mindig ilyen egyszerű. Vannak nehezebb lépések, ahol nem is várjuk, hogy a felhasználókból sokan megmaradjanak. Pl. egy bankkártyaszám-megadás mezőnél majdnem mindig magas a lepattanás. Így a “bottle neck”-et ne ott keressük, ahol abszolút értékben sok felhasználó eltűnik, hanem ott, ahol relatív — a várakozásainkhoz képest — pattanak le sokan. (Az elvárásaink persze sok mindenhez igazodhatnak – meríthetjük őket “józan paraszti észből” is, de javasolt inkább piaci benchmark-ból vagy a múltbeli adatainkból.)

Egy másik kedvenc metrikám az egyes lépések között eltelt idő. Az, hogy mennyi idő kell addig amíg valaki a kosarába tesz egy terméket, onnantól fogva, hogy elkezdte nézegetni azt, sokat elmond a termékünkről és a kommunikációnkról is. Természetesen itt is sok tényező közrejátszik. Egy 200.000 Ft-os laptop megvásárlása sosem lesz olyan gyors, mint egy 500 Ft-os ceruzaelemé.

A harmadik elemzési módszer a szegmentálás. Ha tudunk találni olyan szegmenseket, akik egyes lépéseknél sokkal sikeresebbek a többieknél, akkor jó infot kapunk arról, hogy a jövőben kiket érdemes célozni, illetve arról is, hogy mi okozhatta az elakadást. Pl. ha látjuk, hogy a női fehérneműt a férfiak gond nélkül megvásárolják, a nőknek pedig egy jelentős része végül mégsem vásárol, akkor érdemes elgondolkodni azon, hogy mostantól “vegyél a feleségednek egy fehérneműt” legyen a főüzenetünk és férfiakat targetáljunk.

Összefoglalva

1. A Funnel analízis egy erőteljes eszköz, amivel tudod mérni a felhasználóid életútját és fejlődését!
2. Definiálj 5-10 lépést és vizualizáld őket egyszerűen és könnyen érthetően!
3. Elemezd a Funnel-ed: nézdd meg melyik lépésnél pattannak le a legtöbben, illetve melyik szegmensed a legerősebb!

Hajrá!

Még több tudásra vágysz?

Gyere el az Adatvezérelt Marketing Tréningünkre 03.04-én!

Tomi

KIEGÉSZÍTÉSEK:
1. Geiger Tamás kiegészítése: a GA prémiumban van egyéni csatornák funkció is: LINK!
2. Lindwurm Tamás kiegészítése: “ha tágítani akarjuk a funnelünket akkor érdemes az aljával (a legelkötelezettebb ügyfelekkel) kezdeni és onnan haladni felfelé”

2 hozzászólás a(z) “Funnel analízis” bejegyzéshez

Vélemény, hozzászólás?

Az email címet nem tesszük közzé. A kötelező mezőket * karakterrel jelöljük.