Archief voor categorie “Web intelligence”


Afgelopen vrijdag vond Design for Conversion plaats in het Lichtschip in Amsterdam. Een hele gave locatie, al heeft het een paar zeezieken opgeleverd. Hier een korte samenvatting van de dag, die wat mij betreft een groot succes was (de eerlijkheid gebied te zeggen dat ik zelf in de organisatie zat dus wellicht wat bevooroordeeld ben).

Er stonden maar liefst drie key note speakers op het programma en aan Andrew Chak de eer om af te trappen met zijn verhaal “Getting to the next click”. Andrew is de auteur van het boek “Submit Now: Designing Persuasive Websites” waarin uiteen wordt gezet hoe je via design gebruikers tot aankoop aan kan zetten. Zijn verhaal komt eigenlijk om drie belangrijke lessen neer:

  1. Start where your users are
  2. Don’t sell, help them buy
  3. Remove the barriers

Zijn verhaal werd geilliustreerd met veel voorbeelden waardoor het een heel praktisch verhaal werd. De gehele presentatie is hier te lezen.

Als tweede keynote was het woord aan Steve Jackson van Trainers House (voorheen Satama). De titel van zijn verhaal ‘Combining 4 techniques to improve your conversion rates’ was veelbelovend. Steve maakt gebruik van The Insight Model, waarin de volgende elementen worden samengebracht.

  1. Persona, een uitgebreide beschrijving van je gebruiker
  2. Competitive data, hoe presteren we t.o.v. de concurrentie
  3. Clickstream data, hoe gedragen klanten zich op de site
  4. Experience data, welke mogelijkheden worden ingezet om de ervaring van de gebruiker te versterken

Aan de hand van een case liet hij zien hoe dit model gebruikt kan worden. Persoonlijk had ik iets meer van dit verhaal verwacht, maar er zaten een aantal praktisch toepasbare tools in. In april 2009 komt zijn boek “The Cult of Analytics” uit, waarin ongetwijfeld meer in detail wordt getreden.

Het hoogtepunt van de dag (wat mij betreft) was de presentatie van B.J.Fogg van Stanford. De titel van zijn verhaal was “The elements of behavior change: motivation, simplicity & triggers”. Op basis van zijn Model of behavior change liet hij zien dat mensen in principe voorspelbaar zijn (dat wisten we natuurlijk al vanuit databasemarketing) en dat er 35 verschillende type gedragsverandering zijn.

Zoals al uit de titel blijkt zijn er drie elementen die verandering in gang kunnen zetten. De eerste daarvan is motivatie. Hij onderscheid drie ‘core motivators’:

  • pleasure/pain
  • hope/fear
  • social acceptance/rejection

Zijn tip: “Use the lightest touch that works (don’t overmotivate)”

Is motivatie voldoende? Nee. Gebruikers moeten wel de mogelijkheid hebben om gedrag te veranderen. Deze mogelijkheid kun je vergroten door het zo simpel mogelijk te maken/houden. Simplicity is weer in een zestal elementen op te delen:

  1. Time
  2. Money
  3. Physical effort
  4. Brain cycles
  5. Social deviance
  6. Non routine

Moraal van het simplicityverhaal: “Humans are lazy!”.

Zijn motivatie en mogelijkheid dan genoeg? Nee, gedrag moet ook nog getriggerd worden. Er zijn drie type triggers die hier gebruikt kunnen worden, afhankelijk van de motivatie en mogelijkheid die de gebruiker heeft:

  1. high motivation, low ability –> facilitator
  2. low motivation, high ability –> spark
  3. High motivation, high ability–> signal

Op zijn eigen site is een deel van zijn verhaal te zien en zijn aanvullende artikelen te verkrijgen (zoals zijn model of behavior change). Zeker de moeite waard om eens te kijken.

Tussendoor konden we in teams de geleerde lessen in de praktijk brengen op een aantal cases. Alhoewel de tijd voor een uitgebreide oplossign beperkt was, was het wel een leuke manier om brainstormendewijs van elkaar te leren. Persoonlijk vond ik deze opzet erg prettig, maar ik hoor graag van aanwezigen als zij daar andere ideeen over hebben.

Na afloop hebben we nog heerlijk gebarbecued op het dek en was er nog een prive sessie met BJ Fogg. Dit keer ging het over het proces om expert te worden. Kort samengevat: wordt expert op en niche van en niche en schrijf er een boek over!

Tags:

Comments Geen reacties »

Excel, welke analist gebruikt het niet. Vanwege de beperking in aantal records wil je nog wel eens genoodzaakt zijn om een andere tool te gebruiken, maar Excel 2007 heeft ook dat top op zekere hoogte opgelost (> 1 mio records!).

Op internet zijn tal van handige gratis Excel tools te vinden. Hieronder twee gratis tools die ik recentelijk tegen ben gekomen.

KPI Dashboard

Steeds vaker zie je dat Excel gebruikt wordt als standaard rapportagetool. Vooral het ontwikkelen van KPI dashboards is eenvoudig. Hiervoor verschijnen steeds meer standaard templates. Zo heeft Stephane Hamel van Immeria een mooie KPI dashboard template ontwikkeld waarin je je belangrijkste KPI’s kunt volgen. Het template is hier te downloaden. Het werkt alleen in Excel 2007, dus heb je nog een reden om over te stappen.

Je kunt naast verschillende KPI’s de ontwikkelingen van segmenten met elkaar vergelijken en events definieren. Als je een beetje handig met Excel bent kun je de template natuurlijk helemaal aan je eigen wensen aanpassen, maar de basis is hiermee wel gelegd.

CXNow!

Een mindere kant van Excel is de standaard grafieken, vooral als deze in een presentatie worden gebruikt. Hiervoor heeft Business Objects een fantastische gratis tool ontwikkeld, genaamd CXNow. Hiermee kun je niet alleen geavanceerde grafieken maken die je zo in je presentatie kunt gebruiken, maar kun je on the fly what if analyses uitvoeren. In deze video wordt uitgelegd hoe eenvoudig het is.

In deze video wordt stap voor stap uitgelegd hoe het werkt. Op de site van CXNow kun je het programma ook downloaden. Ik ben benieuwd naar jullie bevindingen.

Tags: , ,

Comments 7 Reacties »

Als manager e-commerce wordt u ongetwijfeld vaak gevraagd naar de performance van uw werk. In vele gevallen zult u dan schoorvoetend moeten toegeven dat de conversiepercentages op de website toch weer achterblijven bij de resultaten op offline DM.

Komt dit doordat direct marketing kannibaliseert? Komt het doordat offline dm gewoonweg succesvoller is? Of omdat u niet het volle rendement uit de website haalt? Het antwoord hierop is even simpel als doeltreffend: verander de analyse. Bepaal het resultaat van de website op dezelfde wijze als de resultaten van andere marketingactiviteiten.

Online marketeers gaan er tot nu toe vaak vanuit dat een klant naar de website komt en vervolgens een aankoop doet, of niet. Het normale aankoopproces werkt echter niet zo. Dit heeft grote consequenties voor het uitvoeren van online analyses en de onderbouwing van beslissingen voor investeringen op zowel strategisch als tactisch niveau.

Websiteresultaat
Net als in de offline media, zijn het conversiepercentage en de kosten per conversie cruciale stuurgrootheden om het resultaat van de winkel, in dit geval de website te bepalen. Online marketeers redeneren voornamelijk dat ieder bezoek aan een website moet leiden tot een conversie. De conversie wordt dan op het niveau van een sessie als volgt bepaald:

conversie (sessieniveau) = alle sessies met een aankoop/totaal aantal sessies.

Deze definitie staat echter een goede vergelijking van de online conversie met offline conversie in de weg. De conversie op een mailing wordt immers ook niet bepaald door de respons te delen op het aantal keer dat de mailing is gelezen.

Met dit in het achterhoofd is een conversie op sessieniveau dus ongeschikt om de effectiviteit van verschillende instrumenten te vergelijken. Om tot een eerlijk vergelijk te komen dient de conversie van de website net als in de offline media gebruikelijk is, op klantniveau te worden bepaald. De bijbehorende conversieberekening op klantniveau ziet er dan als volgt uit:

conversie (klantniveau) = alle kopende bezoekers/totaal aantal unieke bezoekers.

Een mailing wordt meestal verstuurd naar een vooraf geselecteerde groep prospects waarvan men verwacht dat ze een hogere kans op respons geven. Klanten die een product niet hebben gekocht, worden bijvoorbeeld uitgesloten van mailings hierover. Deze werkwijze dient ook gebruikt te worden bij het bepalen van de conversie van de website. Hiervoor is het dus belangrijk om uit te vinden welke klanten het predikaat prospect verdienen, ofwel de klanten die in de pre-buying phase van de customer journey zitten. Dat zijn namelijk de klanten waar je op korte termijn producten aan kunt verkopen. Het werkelijke resultaat van de website wordt dan met de volgende formule bepaald:

webconversie = # kopende bezoekers/# unieke bezoekers in pre-buying phase

Niet alleen bepaal je op deze manier de werkelijke prestatie van de website, ook valt de vergelijking van het resultaat met offline-marketing te maken. Hiermee kan een goede beslissing over de optimale verdeling van marketingbudgetten worden gemaakt.

Stap voor Stap
Met het bepalen van de werkelijke webconversie wordt het werkelijke resultaat van de online marketinginspanningen duidelijk en wordt het mogelijk om dit op de juiste manier te vergelijken met andere (offline) marketinginspanningen. Alleen zo bent u in staat de strategie stap voor stap te optimaliseren.

Bovenstaande artikel verscheen in het september 2007 nummer van Twinkle Magazine en werd geschreven door Bart Clement & Bram van Essen. Het volledige artikel in pdf is hier te downloaden

Tags: , ,

Comments Geen reacties »

Google Trends bestaat nu al enige tijd (sinds 2006 ). Een hele leuke tool om verschillende zoekwoorden te vergelijken. Sinds afgelopen week is het echter ook mogelijk om websites met elkaar te vergelijken met Google Trends for Websites.

Hoe werkt het?
Je kunt tot 5 domeinen tegen elkaar afzetten, door deze in te geven met een comma gescheiden. Je krijgt vervolgens verkeer, zoekwoorden en geografische data voor deze domeinen te zien. Ook kun je zien welke sites door bezoekers van een domein nog meer bezocht zijn en welke zoekwoorden nog meer gebruikt zijn.

Ik heb voor de grap het verkeer van Telegraaf.nl, AD.nl en Volkskrant.nl eens tegen elkaar afgezet . Op zich niet verrassend dat de Telegraaf het meeste verkeer heeft. De sites die ook bezocht werden geven wel een leuk beeld. Sportwereld.nl heeft bij alle drie de bezoekersgroepen een aardige positie opgebouwd.

Google Trends for Websites gebruikt een aantal bronnen om het verkeer op een website in te schatten. Uiteraard de data uit Google Search, geaggregeerde data uit Google Analytics, consumentenpanels en andere marktonderzoeksdata. Met name de data uit Google Analytics heeft veel stof doen opwaaien. Veel mensen trekken de ananimiteit van deze data in twijfel.Hoge bomen vangen veel wind zullen we maar denken. De tool zal wel blijven, dus geniet ervan!

Tags: ,

Comments Geen reacties »

Omniture is steeds meer bezig om een totaalaanbieder te worden op online marketing gebied. De overgenomen partijen TouchClarity (behavioral targeting) en Offermatica (online testen) zijn inmiddels geintegreerd tot Omniture Test & Target. Afgelopen week is aan de bestaande diensten een online onderzoeksinstrument toegevoegd.

Naast het optimaliseren van je website via het meten van gedrag, kun je nu dus ook de mening van de bezoeker vragen. Vooral de combinatie van beide kan denk ik heel sterk zijn. Het zou mij benieuwen wanneer ze zich ook buiten online marketing gaan profileren met bijvoorbeeld een campagnemanagement oplossing.

Tags: ,

Comments Geen reacties »

In de offline kanalen begint het besef door te dringen dat klanten zich vaak volkomen irrationeel en onlogisch gedragen. Slechts 50% van de consumenten blijkt bijvoorbeeld een folder van voor naar achter door te nemen, de andere 50% neemt de folder van achter naar voor door. Om de aandacht van de lezer vast te houden moet er dus niet alleen een pakkende verhaallijn van voor naar achter in de folder worden verwerkt, maar ook van achter naar voren. Analogie met het ‘doornemen’ van een website is duidelijk.

In Paul Postma’s ‘Neurologie Berooft Marketing van Logica’ wordt aangetoond dat klantgedrag volkomen irrationeel is. In dit artikel worden vier onderzoeksmethoden behandeld waarmee het mogelijk is om het werkelijke onlogische klantgedrag te achterhalen. Een van deze vier onderzoeksmethoden waarmee werkelijk klantgedrag te achterhalen is, is emphatic design, oftewel gewoon waarnemen wat klanten doen. Peter Merholz, partner van Adaptive Path heeft aan de hand van deze methode aangetoond dat een klant zich ook op internet volkomen irrationeel en onlogisch gedraagt.

Merholz geeft aan dat het beslisproces dat hij keer op keer ziet tijdens het bestuderen van mensen die op het internet beslissen welk product zij willen aanschaffen volkomen non-lineair is en dat ook op een website als gevolg hiervan geen logische klikpaden worden gevolgd. Er bestaan dus ook geen dominante klikpaden, en al helemaal geen funnels. Een voorbeeld van een beslisproces van een klant is het aankoopproces van een digitale camera. Wat Merholz observeert is dat mensen zich eerst laten ‘vallen‘ op een camera die ze wel aardig lijkt. Ze nemen enkele specificaties tot zich en leren het domein beter kennen (digitale camera’s in dit geval), ‘stuiteren‘ weer terug en gaan nadenken welke specificaties ze eigenlijk nodig hebben, laten zich vallen op een andere camera, leren weer iets en stuiteren vervolgens minder hoog op. Dit houdt men vol totdat er uiteindelijk een keuze is gemaakt. De plek waar de bal terechtkomt, is volgens Merholz geheel toevallig en irrationeel.


Toepassing van een andere behandelde onderzoeksmethode, database gestuurde marketing, ofwel het analyseren van vertoond klantgedrag uit het recente verleden (datamining op webdata), laat zien dat er inderdaad in webdata vaak geen dominante klikpaden op een (grote) website te vinden zijn. Ook online blijkt een klant zich irrationeel te gedragen. En is gedrag niet te vangen in een logisch model. Internet marketeers die toch proberen klantgedrag in logische modellen te vangen om het voor zichzelf verklaarbaar te maken slaan volledig de plank mis. De klant beweegt zich op Internet dus als een stuiterende tennisbal die overal kan neerkomen.

Wanneer we slechts klantgedrag op sessieniveau bestuderen, zijn er daarom inderdaad geen patronen te vinden die voorspellende waarde kunnen hebben. Vaak wordt hier toch een poging toe gedaan door verklaringen als ‘fouten in de website’ of ‘een slechte ecommerce-strategie’. Aanpassing hiervan zal echter niet leiden tot een ander gedragspatroon van consumenten. Indien we een stap verder gaan en een reeks sessies van een klant bestuderen, blijken er wel degelijk stabiele patronen met voorspellende waarde in het online klantgedrag te ontstaan. De patronen die hier gevonden worden, hebben een hoge mate van voorspelbaarheid en verschaffen uitstekend inzicht in het gedrag van consumenten.

Deze wetenschap is bij directmarketing in de offline kanalen al jaren gemeengoed. Op basis van voorspellende waarde van reeksen aan contactmomenten worden in de Telecom-sector en in de financiële wereld al jaren complete geavanceerde contactstrategieën ontwikkeld op basis van voorspellende modellen en het maximaliseren van klantwaarde. Nu blijkt dat ook online een soortgelijke aanpak mogelijk is, omdat het klantgedrag, zowel online als offline, dezelfde kenmerken vertoont. Dit is niet zo vreemd, omdat door de enorm hoge penetratiegraad van internet tegenwoordig de offline klant dezelfde is als de online klant.

Tags: , ,

Comments 2 Reacties »

Afgelopen maand werd in Maarssen het Webanalyticscongres gehouden. Op dit congres heeft ook de taskforce Online Expirimenten van de Web Analytics Association Nederland een presentatie verzorgd. Het afgelopen half jaar hebben we met deze werkgroep hard gewerkt aan een manier om de kennis over online expirimenten binnen Nederland te vergroten.

Wat zijn online expirimenten? Eerst maar een definitie:

Het tonen van verschillende variaties van webpagina’s of onderdelen hiervan aan bepaalde groepen bezoekers om te onderzoeken welke variatie op welke moment de meeste conversie oplevert.

De taskforce Online Expirimenten heeft drie instrumenten bepaald, namelijk:

A/B testing: test verschillende versies van een pagina tegelijkteid en kijk welke het best converteert.

Multivariate test: test verschillende variaties van meerdere elementen op een pagina en kijk vervolgens welke variatie tot de beste conversie leidt.

Behavioral Targeting: creëer voor elke bezoeker de optimale paginavariatie voor conversie op basis van profiel (profiling) en/of gedrag (behavioral)

Door toepassing van online expirimenten kun je niet alleen je conversie sterk verbeteren, het heeft ook een heel prettig orginisatorisch neveneffect. Een online test kan als ideale scheidsrechter fungeren zodra verschillende mensen in een organisatie verschillende ideeen hebben ten aanzien van communicatieuitingen. Gewoon verschillende uitingen testen en de beste doorzetten!

Wil je meer weten over online expirimenten? De werkgroep heeft een wiki ontwkkeld waarop je informatie kunt vinden. De wiki is hier te vinden.

Tags: , , ,

Comments Geen reacties »

Onderstaand artikel verscheen in het mei 2008 nummer van het Tijdschrift voor Marketing en werd geschreven door Bart Clement & Bram van Essen. Het volledige artikel in pdf is hier te downloaden.

Door de hoge penetratie van internet is het onderscheid tussen online en offline klanten verdwenen. Er is slechts één klant en daar heb je zowel online als offline contact mee. Toch hebben veel organisaties nog steeds twee verschillende afdelingen die zich onafhankelijk van elkaar op dezelfde klant richten. Een belangrijke reden hiervoor is het ontbreken van een integraal klantbeeld. Wanneer dit er wel is kunnen online en offline marketing elkaar versterken en ontstaat één centrale afdeling Direct Marketing. Internet is daarmee weer gewoon één van de kanalen geworden, en meer is het natuurlijk ook niet.

Online gedrag offline gebruiken
Het toepassen van inzichten in online klantgedrag bij offline direct marketing campagnes staat bij veel organisaties nog in de kinderschoenen. Hierbij worden klanten niet alleen gesegmenteerd op basis van profielkenmerken, zoals leeftijd of geslacht en het offline gedrag van de klant, maar ook op basis van het online (surf)-gedrag van de klant.

Stel, je bent uitgever van een dagblad. De laatste jaren kost het je steeds meer moeite om abonnees te behouden. Om hier iets aan te doen maak je een churnmodel. Je weet dat gedrag uit het verleden de beste voorspeller is van gedrag in de toekomst, maar de enige gedragsvariabele die je tot je beschikking hebt, is de betaling. En dat is te weinig voor je churnmodel. De voorspelkracht van je model is bedroevend, dus stort je je maar weer op abonneewerving.

De toevoeging van online klantgedrag aan offline direct marketing geeft interessante inzichten in de fase van het beslisproces waar de klant zich bevindt. Online klantgedrag is op die manier een uitstekende voorspeller van toekomstig (offline) gedrag van de klant. Offline direct marketing kan hierdoor erg relevant zijn en ook nog op het juiste moment: vlak voor de beslissing tot het opzeggen van een abonnement of een aankoop van een product wordt genomen. Dit levert significante verbetering in resultaten op, zowel bij toepassing in event driven marketing campagnes als bij het gebruik van voorspellende modellen bij offline direct marketing.

Wat betekent dit voor de uitgever? Op internet heeft hij voor abonnees extra diensten gratis beschikbaar gesteld. Hiervoor moet wel op de site worden ingelogd, waardoor hij weet wie, wanneer, hoe vaak en wat op de site bezoekt. Deze informatie neemt hij mee in het churnmodel. Het blijkt dat weglopers in de maand voordat zij opzeggen vaker dan eenmaal per dag naar de site gaan, en daarbij nu en dan de contactpagina met de algemene voorwaarden bekijken..Met klanten die dit gedrag online laten zien, kun je aldus gericht aan de slag om ze met een speciaal aanbod voor te zijn met hun opzegging

Offline gedrag online gebruiken
Het toepassen van inbound online marketing wordt ook wel behavioral targeting genoemd. Hierbij wordt het aanbieden van content gedifferentieerd naar (behoeften van) klant(groep)en. De segmentatie van klanten gebeurt niet alleen op basis van profielkenmerken, zoals leeftijd of geslacht, maar ook op basis van het gedrag van de klant. Dit kan zowel offline als online gedrag zijn.

Stel, een bank heeft wil via banners internetklanten een goed aanbod kunnen doen. Uit bestaande voorspelmodellen is bekend welke klanten voor welke producten een verhoogde kans hebben. Door deze modellen nu ook online te gebruiken kan de bank iedere klant een relevante banner tonen.

Toepassing van analyse van offline klantgedrag bij online marketing geeft interessante inzichten in gedragskenmerken, profielen en behoeften van klanten. Gerichte online advertising kan hierdoor erg relevant zijn, op het moment dat de klant contact zoekt met de organisatie. De resultaten uit online marketing zullen hierdoor significant verbeteren.

Kortom
Bedenk je dat er slechts één klant is, die zowel online als offline contactmomenten met een bedrijf heeft. Het beslisproces van deze klant strekt zich uit over meerdere contactmomenten in meerdere kanalen. Zorg daarom dat alle (marketing)activiteiten ook op klantniveau gebeuren, en niet op kanaalniveau.

De beste voorspeller van toekomstig gedrag is nog altijd gedrag uit het recente verleden. Uit transactiesystemen zijn echter niet altijd voldoende gedragsvariabelen te destilleren. Het internetkanaal biedt een schat aan informatie over het gedrag van je klant. Ook andersom geldt dat er bij veel bedrijven al veel klantinformatie beschikbaar is. Gebruik deze informatie dan ook online. Het is niet nodig om online het wiel opnieuw uit te vinden.

Tags: , ,

Comments Geen reacties »

Online marketing is in relatief korte tijd voor veel bedrijven een belangrijk wervingskanaal geworden. Daar waar veel offline direct marketinginstrumenten al jarenlang te maken hebben met dalende responscijfers, neemt online alleen maar toe.

Online marketing is waar iedere DM-er altijd van heeft gedroomd. Niet alleen kunnen nu bewegende beelden op de klant worden afgevuurd, iedere actie van de klant wordt vastgelegd. Wie leest je uiting, wie gooit hem weg, wie klikt waar en wanneer en wat gebeurt er vervolgens. Allemaal relevante en interessante data die de traditionele DM-er altijd heeft moeten missen.

Gek genoeg heeft dit nadeel ook een voordeel. Doordat offline alleen de daadwerkelijke conversie kon worden gemeten, werden campagnes ook op conversie geevalueerd. En uiteindelijk is dat toch waarom het draait.

Voor online marketing heeft het grote meetvoordeel eigenlijk als nadeel gewerkt. In de praktijk slaagden veel organisatie er niet in om conversies vast te leggen en werd alleen de klik juist gemeten. Op die manier zijn veel online marketeers opgevoed met click through rate als belangrijkste graadmeter voor succes van een campagne.

Inmiddels hebben we in de gaten dat kliks niet perse omzet betekenen en zijn we online campagnes echt op conversie en omzet gaan beoordelen. Een goede stap voorwaarts, al schuilt hier ook een gevaar in. Het ene instrument is namelijk het andere niet en verschillende instrumenten zullen mogelijk ook verschillende type klanten aantrekken. Op zich positief, want zo worden deze instrumenten complementair in plaats van kanabaliserend.

Lifetime value

Het gevaar van een nieuw kanaal is dat je nog niet weet wat voor klanten je binnenhaalt. Van de ‘oude’ kanalen weet je precies hoe lang een geworven klant blijft en wat hij in de tussentijd gaat uitgeven bij je. Een online geworven klant zou het wel eens bij slechts één aankoop kunnen houden. En dan kan goedkoop opeens duurkoop blijken te zijn.

Loyalty en klantwaarde zijn pas op langere termijn vast te stellen. Door je alleen tijdens of vlak na de campagne met de evaluatie te bemoeien kun je interessante en relevante inzichten mislopen. Uit onderstaande grafiek blijk bijvoorbeeld pas na 3 tot 6 maanden dat de klanten uit campagne A veel regelmatiger aankopen doen dan de klanten uit campagne B en dus uiteindelijk meer geld opleveren.

Naast churnpercentage en % herhaalaankopen kan bijvoorbeeld ook het percentage dubieuze debiteuren of ‘dure’ klanten worden bekeken. Op basis van deze cijfers kunnen op het eerste gezicht gelijkscorende campagnes toch nog wel eens een heel verschillend beeld geven.

Door inzicht in de LTV van klanten per wervingsinstrument of zelfs per zoekwoord kun je mogelijke problemen op tijd signaleren en hier actie op ondernemen. Zo voorkom je dat je je kostbare budget weliswaar voor de korte termijn goed inzet, maar op lange termijn problemen krijgt. Uiteindelijk is voorkomen toch beter dan genezen.

Comments Geen reacties »

Yahoo! heeft zich met de overname van IndexTools afgelopen week eindelijk in de web analytics strijd gestort. Vandaag werd bekend dat ze het echt goed gaan aanpakken. Yahoo! heeft besloten om IndexTools gratis aan te gaan bieden.

Hiermee krijgen Google Analytics en het net gestarte Microsoft AdCenter Analytics er een heel serieuze concurrent bij. Om met IndexTools oprichter Dennis Mortensen te spreken: “You get 80% of the functionality of Omniture for FREE”.

Een hele goede ontwikkeling denk ik. Ik ben benieuwd welke pakketten zullen volgen.


Comments Geen reacties »