Analityka behawioralna, czyli jak frustracje użytkowników optymalizują biznes?

Analityka miewa złą sławę wśród marketerów. Bo trudna, bo mało kreatywna, bo emocje to przecież nie liczby. Jednak kiedy okazuje się, że dane behawioralne mogą podnieść sprzedaż o 580%, od razu staje się przyjemniejsza. I jakby bardziej ludzka.

Ten artykuł o analityce behawioralnej ukazał sie w 21. numerze magazynu sprawny.marketing. Sprawdź ofertę i zamów swoją prenumeratę!❤️

Co ma wspólnego owczarek szwajcarski z przeciętnym użytkownikiem internetu?

Pandemia i „postpandemia”, dość przewrotnie, okazały się dobrym czasem dla zwierząt domowych. Według raportu Forbes Advisor przytłaczająca większość ich właścicieli – bo aż 78% – nabyła swojego pupila właśnie w tym okresie. Co więcej, już w 2016 r. niemal co drugie gospodarstwo domowe na świecie (!) miało psa. Stąd tak łatwo zaobserwować analogie w zachowaniach czworonogów i ludzi.

Jako „psia madka” owczarka szwajcarskiego, Majoneza, i orędowniczka data-driven marketingu przyjrzałam się tym prawidłowościom. Z moich obserwacji wynika, że przeciętny internetowy Kowalski oraz obiekt moich badań, Majonez, współdzielą trzy cechy: ich zachowania są z pozoru chaotyczne, niezbyt racjonalne i przytłaczająco często przepełnione frustracją.

Jeśli więc planujesz wyszkolenie swojego psa na potulnego i łebskiego Szarika lub pracujesz w digital marketingu, to może być zła wiadomość. Bo jak zaplanować działania pod tak nieprzewidywalnych odbiorców? Ale na szczęście nie jest źle. I to wszystko dzięki analizie behawioralnej.

Dlaczego marki wciskają swoim klientom brukselkę?

Analityka behawioralna, szczególnie zautomatyzowana i prowadzona w świecie digitalu, w dużej mierze skupia się na badaniu powtarzalnych wzorców zachowań (danych behawioralnych). Ich zadaniem jest opisywanie interakcji na linii klient – marka oraz wszelkich emocji, które te interakcje wywołują.

I choć według McKinsey & Company organizacje wykorzystujące insighty behawioralne, osiągają o 85% lepsze wyniki we wzroście sprzedaży i 25% wyższe marże od innych firm, to wciąż tylko 50% z nich deklaruje podejmowanie kluczowych decyzji w oparciu o dane.

Czym się więc kierują? Przeczuciem. Własnymi założeniami. I danymi ilościowymi, czyli takimi, które mogą wyciągnąć m.in. z Google Analytics. Dlaczego nie jest to prosta droga do sukcesu?

Odpowiem przykładem. Klient z branży produkującej oczyszczacze powietrza do przestrzeni przemysłowych zauważył w danych ilościowych wzrost liczby porzuconych koszyków na ostatnim kroku checkoutu – wyborze sposobu płatności i dostawy. Mógł dodać nowe formy, mógł sprawdzić „dobre praktyki” na rynku. Ale – na szczęście – zdecydował się na analizę zachowań i oczekiwań swoich klientów.

Analiza behawioralna, a więc analiza jakościowa, wykazała, że poszukują oni sposobu płatności, którego producent nie przewidział: płatności za pobraniem. Wynikało to z ich zachowań na stronie i kolejnych kroków, które podejmowali.

Dodanie nowej formy płatności oraz ustawienie innego preferowanego sposobu dostawy pozwoliło na zredukowanie (niechcianych) kontaktów i zamówień przez infolinię o 37%. Zamiast wciskać klientom na obiad brukselkę wystarczyło dostarczyć im witaminkę K ze szparagów.

Gdzie szukać informacji o frustracji użytkowników i dlaczego nie w danych?

A właściwie nie tylko w klasycznych danych ilościowych. Są one w stanie dostarczyć marketerom wielu niezbędnych informacji m.in. o ruchu na stronie, konwersji, porzuconych koszykach czy najlepiej performujących kanałach komunikacji. Sprawdzą się więc w znajdowaniu odpowiedzi na pytanie „Co się dzieje?”. Niestety, padają spektakularnie na pytaniu „Dlaczego tak się dzieje?”.

Pewna apteka internetowa, jak całkiem sporo firm z tej branży, kotwiczyła w artykułach na blogu content typowo produktowy (w dużej mierze ta praktyka wynika z obostrzeń reklamowych, na które natykają się internetowe apteki).

Z nagrań wizyt wynikało bowiem, że klienci czytają treść poradnikową, a następnie scrollują na górę strony i próbują wyszukać produkty, które marka umieściła na zakotwiczonym banerze. Zupełnie jakby ich nie widzieli!

W ten sposób analityka behawioralna pozwoliła wykryć jedną ze zmór marketerów – tzw. ślepotę banerową, czyli zjawisko polegające na niemal bezwarunkowym i odruchowym ignorowaniu przez użytkowników elementów przypominających reklamy.

Jak analityka behawioralna zmienia obojętność w lojalność?

Pewien e-commerce radził sobie dobrze. Generował zyski, konwersja powoli rosła. Z danych ilościowych wynikało, że 90% ruchu na stronie generują użytkownicy niezalogowani. Karuzela się kręciła. Do czasu. Do czasu aż marka zajrzała głębiej w dane (ilościowe!) i zobaczyła, że ponad 80% transakcji generują użytkownicy zalogowani. Odwrócenie proporcji w ruchu tak, aby 90% użytkowników generujących ruch to byli jednak klienci z kontem w serwisie, mogłoby podnieść ich przychody o 580%. Gra warta świeczki. Tylko skąd wiedzieć, jak zlojalizować tych klientów? Z danych jakościowych oczywiście!

Analiza behawioralna pozwoliła na wykrycie drobnych błędów technicznych w koszyku (m.in. niepotrzebne i powtarzające się odświeżenia strony po każdorazowym dodaniu produktu do koszyka), które irytowały zalogowany segment klientów, wskazała braki w treściach na stronach produktowych, a nawet błędy w contencie reklamowym (takie jak niejasne komunikaty, które nie zachęcały do podjęcia preferowanej akcji – założenia konta w serwisie), który wprowadzał dezorientację i frustrację wśród potencjalnych klientów!

Narzędzia do analityki behawioralnej

Narzędzia do analityki behawioralnej przydadzą się zarówno specjalistom od e-commerce, ekspertom ds. sprzedaży, marketerom, jak i content managerom czy UX designerom odpowiedzialnym za rozwój produktu. Dane o doświadczeniach i zachowaniach pozwalają przede wszystkim:

• tworzyć bardzo trafne segmenty klientów na podstawie ich doświadczeń i oczekiwań,
• śledzić frustracje klientów na każdym etapie lejka sprzedażowego/marketingowego,
• wykrywać i błyskawicznie analizować spadki konwersji,
• identyfikować kanały komunikacji o największym potencjale optymalizacji,
• znajdować tzw. wąskie gardła w produktach, które mogą powodować problemy i frustracje użytkowników,
• projektować architekturę treści dostosowaną do potrzeb różnych grup docelowych.

Poszczególne narzędzia do analityki zachowań użytkowników (ang. User Behavior Analytics, UBA) różnią się od siebie zarówno sposobem zbierania danych, jak i specyficznymi cechami. Jednak w większości przypadków umożliwiają obserwacje poprzez:

1. Nagrania wizyt, czyli „zaglądanie klientowi przez ramię”, aby sprawdzić, jak wchodzi w interakcję z witryną lub produktem. Nagrania pozwalają śledzić kliknięcia, ruchy myszką czy konkretne akcje wykonywane przez usera. UWAGA: większość narzędzi do analizy zachowań użytkowników skupia się na pojedynczych sesjach, a nie na całych wizytach!
2. Heatmapy, linkmapy i scrollmapy. Heatmapy graficznie prezentują miejsca, w których użytkownicy są najbardziej aktywni. Mapy linków koncentrują się wyłącznie na śledzeniu aktywności wokół klikalnych elementów, np. przyciski CTA. Mapy przewijania (scrollmapy) pokazują, jak „daleko” użytkownicy zabrnęli, przewijając stronę. UWAGA: wiele narzędzi pod nazwą „heatmapy” w rzeczywistości prezentuje mapy linków, skupiając się jedynie na klikalnych elementach, przez co nie dają pełnego obrazu zachowań klientów!
3. Analitykę internetową, a więc dostęp do podstawowych informacji o użytkownikach, takich jak używane przez nich urządzenia i systemy operacyjne lub kraje, z których pochodzą/logują się.
4. Czas zaangażowania, czyli kolejną podstawową miarę, do której dostęp zapewnia większość narzędzi UBA. UWAGA: wiele narzędzi do analizy behawioralnej nie rozróżnia czasu aktywności od rzeczywistego czasu zaangażowania. W ten sposób można uzyskać zakłamane wyniki, np. użytkownik miał otwartą witrynę przez 10 minut, ale rzeczywiście aktywnie z niej korzystał tylko przez 15 sekund.

Bonus: Jak zacząć przygodę z analizą behawioralną?

Praca z danymi behawioralnymi różni się od pracy z analizą ilościową. Najważniejsza zmiana to kwestia spojrzenia na dane – nie liczą się tu tak bardzo same metryki, co sposób patrzenia na „pełny obrazek”. Jeśli więc zamknąć pracę z analizą zachowań w sześciu krokach, brzmiałyby one następująco:

1. Nazwanie celu biznesowego, czyli działań klientów przynoszących największe zyski (konwersja).
2. Obejrzenie kilku(dziesięciu) nagrań wizyt. Na tym etapie nie należy szukać problemów klientów ani robić założeń co do ich doświadczeń, a jedynie wyłapać powtarzające się wzorce zachowań.
3. Odwzorowanie najpopularniejszych ścieżek. Powtarzające się wzorce zachowań pozwalają na zmapowanie customer journeys czy też lejków. Na tym etapie warto stworzyć tak dużo lejków, jak dużo wzorców zachowań użytkowników wyłoniło się z analizy.
4. Szukanie odpływów. Lejki pozwolą sprawdzić, na którym etapie występują największe spadki ruchu. Dla każdego „odpływu” warto przeanalizować zachowania – to najlepszy sposób, żeby zrozumieć problemy, które uniemożliwiają konsumentom dokończenie procesu.
5. Wprowadzenie zmian. Warto skupić się przede wszystkim na drobnych ulepszeniach – to one mają potencjał przyniesienia największych zysków w najkrótszym czasie.
6. Powrót do punktu 1. Analiza – szczególnie behawioralna – to proces nieskończony. Zaglądanie w dane pozwala znaleźć kolejne miejsca do optymalizacji biznesu.

Analiza behawioralna to narzędzie pozwalające marketerom doskonalić kampanie reklamowe, kierować komunikaty do najbardziej wartościowych segmentów klientów czy docierać z przekazem do kanałów, z których korzystają najczęściej.

Zoptymalizowana i spersonalizowana pod konkretne zachowania treść zwiększa nie tylko ruch w witrynie, ale przede wszystkim reputację marki. A przecież, jak powiedział pewien czeski poeta, biznes ma tylko dwie funkcje: marketing i innowacje.

A jeszcze więcej o analityce dowiesz się podczas wystąpienia Kamili Kotowskiej na konferencji I Love Marketing & Technology, która odbędzie się już 16–18 kwietnia 2024!