Datadrevet design, konverteringsoptimalisering – hva er det og hvorfor er det nyttig?

av Marianne Person - UX manager | minutter å lese

Datadrevet design, også kjent som konverteringsoptimalisering, lar deg ta faktabaserte valg og øker sannsynligheten for at du får brukerne dine til å gjøre det du vil.

Datadrevet design handler om å jobbe strategisk med å få besøkende på en nettside til å utføre en bestemt handling. Dette kan for eksempel være å gjennomføre et kjøp, melde seg på et nyhetsbrev eller sende inn et søknadsskjema. 

Som designer er det viktig for meg at de jeg jobber med forstår hva en datadrevet designprosess innebærer. Dette er nemlig ikke et ansvar som kun ligger på en rolle, men gjennomføres på tvers av flere roller.  

Det kan hende hende du har hørt om begrepet konverteringsoptimalisering, eller conversion rate optimization (CRO). Dette er det samme som datadrevet design, men i Sopra Steria har vi valgt å bruke sistnevnte, ettersom  vi mener dette er et enklere og like forklarende begrep. 

Et konkret eksempel på en datadrevet designprosess

Man kan gå litt i surr i alle fagbegreper og metoder. Derfor skal jeg ved hjelp av et enkelt eksempel, illustrere en datadrevet designprosess. 

Husk at dette kun er et eksempel. Det er mange veier til mål og de konkrete verktøyene og metodene som brukes vil blant annet avhenge av prosjektet, kunden, produktet og tilgjengelige dataverktøy. 

La oss si at vi eier en godteributikk. Der er målet å selge flest mulig produkter i nettbutikken.

 

Mann peker på tavle med tall

Ledelsen i godteributikken har satt som mål at 15 prosent av de besøkende i nettbutikken skal kjøpe et eller flere produkter. 

De ønsker altså å konvertere 15 prosent av brukerne sine fra å være besøkende personer i nettbutikken, til å bli betalende kunder. Det vil si at konverteringsraten er på 15 prosent. 

 

 

Medarbeider som analyserer data

Godteributikken har en ansatt som gjennomfører webanalyse og datainnsamling. Sagt på en enklere måte: hun ser på hva de besøkende i nettbutikken gjør i dag. 

Hun har flere verktøy for å gjøre dette. Hun ser på dashboards i google analytics og får vite detaljert statistikk om hva de besøkende i nettbutikken gjør. 

Hun bruker også et verktøy som heter hot jar, der hun ved hjelp av blant annet clickmaps kan se hvor brukerne trykker på nettsiden. 

En annen ting hun ser er dagens konverteringsrate. Altså hvor mange besøkende som konverteres i dag. 

En ting som er viktig å påpeke er at hun har kvantitative data, ikke kvalitative. Hun ser hva brukerne gjør, men vet ikke ikke hvorfor.

 

Kvinne og mann snakker om prosenten


I dag er konverteringsraten på 10 prosent. Ettersom godteributikken sitt mål er på 15 prosent, må de ansatte gjøre noe for å øke konverteringsraten.

Designere jobber med data

 

Designerne på teamet tar utgangspunkt i den kvantitative dataen for å lage hypoteser som kan svare på hvorfor brukerne gjør som de gjør. 

For det kan være mange årsaker til den lave konverteringsraten. Godteributikken vet ikke hvorfor brukerne ikke blir konvertert til betalende kunder:

  • Er det fordi de ikke ser produktene?
  • Er de for høyt priset?
  • Er det vanskelig å forstå hvordan man faktisk gjennomfører kjøpet? 

Denne listen kan være lang og teamet må velge hvilken hypotese de skal lage løsningsforslag til. 

 

Jobber foran Mac

Teamet velger å gå videre med hypotesen "Knappen for å legge til i handlekurv ligger utenfor det naturlige synsfeltet til brukerne og ved å flytte knappen vil vi påvirke dem til å gjennomføre et kjøp." 

Så lager designeren en prototype der knappen for å legge til i handlekurv flyttes, før den går til utvikling. 

Nå skal teamet teste den nye plasseringen av knappen på brukerne. Dette gjennomføres ved hjelp av en A/B test, som er en vanlig testmetode innenfor datadrevet design.

A/B-test av nettside

 

Ved en A/B test publiseres to versjoner av nettsiden:

  • en versjon A, med det gamle designet. Denne skal brukes av 50 prosent av brukerne
  • en versjon B der knappen er flyttet, som skal brukes av de resterende 50 prosent

 

Jobber med A/B-testing

Begge versjoner publiseres og teamet er klare til å se om endringen faktisk har noen effekt. Vil den sørge for at flere konverteres til å bli betalende kunder? 

Brukerene har tilgang til hver sin versjon av nettsiden over en begrenset tidsperiode på omtrent 2-4 uker. Det er viktig at det er mange nok besøkende innom nettsiden for at dataen teamet samler inn er gyldig.

 

 

Resultat av A/B-testen

Noen uker har gått og teamet ser at konverteringsraten på B-versjonen er høyere. Butikken har oppnådd målet sitt, faktisk litt mer enn det også! 

B-versjonen erstatter den originale nettsiden og inntjeningen til godteributikken vil øke. Dette er basert på fakta, ikke synsing. 

I virkeligheten er det ikke så enkelt 

Kanskje konverteringsraten til B-versjonen hadde gått ned istedenfor. Det er også et viktig funn og bekrefter at det er viktig å måle bruken og se hva som faktisk skjer. 

Hvis konverteringsraten ikke er der teamet ønsker, må de tilbake til tegnebrettet og se på de andre hypotesene for å øke konvertering, prototype og utvikle, samt implementere ny A/B test. Dette er ofte en gjentagende prosess med med prøving og feiling før man kommer i mål. 


Datadrevet design er en kontinuerlig prosess 

 

Kontinuerlig prosess med datadrevet design


Husk også at datadrevet design er en kontinuerlig prosess. 

Nå kan teamet analysere, videreutvikle og teste nye deler av nettsiden for å konvertere enda flere brukere. Kanskje neste mål er å jobbe mot å øke konverteringen av brukere som melder seg på nyhetsbrevet? 

I dagens marked er det viktig å konstant jobbe med utvikling og forbedring, for å holde seg konkurransedyktig. I den forbindelse er datadrevet design en viktig prosess. 

Search
Se alle blogginnleggene våre