Del 1: Introduktion til webanalyse

Du spørger måske dig selv, hvad webanalyse er, og hvorfor det er vigtigt? Jeg er glad for, at du spørger, og denne del vil besvare det, håber jeg. Et emne, som ofte følger med på købet, er søgemaskineoptimering og andre kneb for at nå ud.

Webanalyse handler ikke om simple kneb eller genveje! Derimod er webanalyse din måde at lære din hjemmeside at kende, dine brugere og hvordan de bruger hjemmesiden. Det er en metodisk måde at evaluere, om ændringer bærer frugt, og hvad der kan blive endnu bedre.

Hjemmesiden er ikke bare et digitalt sted fyldt med sider, billeder og dokumenter. Ofte har man et formål, eller i det mindste et håb med den som dens skaber. Noget man ønsker, at hjemmesiden skal bidrage med, noget der skal ske. Det kan være at sælge varer, formidle kontakt mellem mennesker, informere borgere om samfundsservice eller deres rettigheder, og meget andet.

At arbejde med webanalyse handler om at forbedre, eller måske forenkle, det som hjemmesiden skal muliggøre. At gøre det intuitivt at finde frem til, og enkelt at eksempelvis gennemføre, alle delskridt i en købsproces. Webanalyse er altså alle værktøjer og opgaver, der bidrager til, hvordan man optimerer en hjemmeside!

Man kunne tro, at webanalyse går ud på at samle mængder af data for derefter at lede efter nålen i høstakken. Sådan foregår det ikke helt. Webanalyse er at med hjælp af indsamlede data opnå indsigt i brugerens oplevelse af en hjemmeside. Med henblik på at forbedre oplevelsen. At gøre hjemmesiden mere nyttig.

Det korte svar på, hvad webanalyse er, besvares ret godt af Wikipedia, synes jeg:

Web analytics is the measurement, collection, analysis and reporting of web data for purposes of understanding and optimizing web usage.

Det sker nemt, at fokus lander på at analysere indsamlet besøgsstatistik, når man laver web- eller intranetanalyse. Dog indgår al form for evaluering i begrebet – ikke kun hvordan en hjemmeside bruges. Jeg hører stadig oftere, at branchekolleger, ud over deres besøgsstatistik, bruger andre typer af værktøjer for at skaffe sig et overblik over deres hjemmesider. Det man kan have behov for overblik over er at nemt sile sider fra med diverse problemer. Eksempelvis at se, hvilke sider der ikke lever op til organisationens ambition omkring tilgængelighed, hvor man bruger unødvendigt højopløste billeder, hvor folk forsvinder fra hjemmesiden, med mere.

Meget handler om andet end den besøgsstatistik, praktisk talt alle indsamler. Desuden findes der andre aspekter end de strengt kommercielle og ihærdige e-handelslignelser. Men først skal vi gennemgå grundlaget i, hvordan man arbejder med sin webstatistik, bearbejder sine data, hvilke metoder og værktøjer alle bør kende til. Meget af dette kan du bruge i andre webanalysesammenhænge, forudsat at der er tilstrækkelige data at trække på.

Introduktion til at arbejde målbart – begynd med en nulmåling

Der er en række aktiviteter for at komme i gang med at arbejde målbart med sin hjemmeside. Én ting er at nå frem til forretningsmål, der skal styre hjemmesidens udvikling, hvilket vi kommer ind på om lidt, en anden er at få styr på situationen. Har man allerede en hjemmeside, laver man noget, der kaldes en nulmåling. Det går ud på at lave sin allerførste måling af, hvordan den aktuelle situation er. Det som kommer til at stå som model for at beskrive fremtidige ændringer. De værdier, som du og dine kolleger vil smile af over kaffen om nogle år, i bedste fald, eller det du bruger i evalueringen for at kvalitetsteste en opdateret hjemmeside. Hjemmesidens referencepunkt ganske enkelt.

Nu tager jeg måske det oplagte op, men hvorfor ikke, det er vel lige så godt, så ingen kommer til at overse det. For at det skal være meningsfuldt og retfærdigt at sammenligne, hvordan hjemmesiden præsterer over tid, skal du have kontrol over de omstændigheder, der påvirker målingen.

Mit råd er at udforme mindst én side på hjemmesiden, som er den du nulmåler hjemmesidens tekniske kvalitet mod. Helst har du en testside per type af side, f.eks. én for startsiden, én mere for produktsider, én for artikler, og så videre. Det er mod disse sider, du over tid skal kontrollere, at hjemmesiden kontinuerligt bliver bedre, eller i det mindste ikke dårligere og dårligere. Disse sider er dem, hvis adresser du indtaster i værktøjer fremover for at tjekke, hvor hurtigt siderne svarer, indlæser færdigt, om de anses for mobilvenlige, etc.

Husk, at eksempelindholdet på disse testsider også skal bestå over tid. Hvis det gør det, kan du faktisk stille meget konkrete – og målbare – acceptancekriterier, når du bestiller en helt ny hjemmeside. Det er vel ikke mere end rimeligt, at man forventer, at en ny hjemmeside er bedre end den foregående, ikke?

For at holde styr på, at redaktionelt indhold eller indhold, der kommer serveret fra andre systemer, holder den rette kvalitet, kan en arbejdsmetode være at overvåge de mest nyskabte sider. Ellers risikerer hjemmesiden at blive stadig dårligere over tid.

Jeg synes, at al kommunikation omkring forbedringer af en hjemmeside bør indeholde en sammenligning mod både ens nulmåling og den seneste referencepunkt inden ændringen. Så kan man se i konkrete tal, at intet blev dårligere, og om en lovet forbedring faktisk skete. Hvorfor har man så officielle og udpegede testsider? Jo, så kan leverandøren tjekke sin leverance mod testsiden, inden de anser, at de er færdige og råber "Færdig!"

Disse målinger kan handle om så ufatteligt meget mere end det, du får frem i din webstatistik. Blandt andet kan det være:

1. Overholdelse af opsatte mål om tilgængelighed ifølge WCAG.
2. Sproglige ting, som hvilke forkortelser der accepteres.
3. Hvordan responsiviteten er, eksempelvis på billeders opløsning.
4. Hvilken svartid webserveren må have under vanskelige yderområdeforhold via 3G-nettet.
5. Hvad eksterne aktører som Google og Pingdom mener om ens præstation for utålmodige besøgende.

Flere eksempler på målbare acceptancekriterier finder du i den sidste del af bogen, der tager op, hvilke aktiviteter man kan arbejde med for at få styr på sin hjemmesides kvalitet. Inden vi er kommet så langt i emnet webanalyse, skal vi dog tale om metoder, dokumentation og målsætning.

Dokumentation man bør have, inden et nyt webprojekt starter

Der er meget at tænke over, inden man starter et nyt webprojekt. Disse ting har en tendens til at ændre sig over tid, hvilket gør det svært at genbruge forrige webprojekts krav direkte. Jeg tænkte at tage nogle punkter op, som jeg vil påstå alt for sjældent diskuteres, inden et projekt kommer i gang for alvor. Dette er en hurtig introduktion til dokumentation, der kommer et dybt dyk senere, hvor stilguide, designmønstre og præstationsbudget diskuteres mere udførligt. Denne del er, hvad alle involverede i et webprojekt bør vide.

Nedenstående overskrifter kan du have i et dokument, der følger med projektet frem til leverance – og derefter overdrages til forvaltning af ens egen kontrolinstans (den egen webanalytiker?). Dette gøres for at sikre, at man ikke løbende afviger fra den initiale aftale under sin forvaltning af hjemmesiden. Pointen er altså ikke, at hjemmesiden skal være skinnende flot på lanceringsdagen, men mindst lige så god tre måneder senere.

Jeg ved, at du har hørt det før – man bliver aldrig "færdig" med en hjemmeside. Det er vigtigere, hvor godt den fungerer efter et år, end hvor fin den var som prototype. Lige så vel som du løbende skal forbedre hjemmesiden for at den ikke skal afvikle sig selv, bør du løbende revidere de målbare krav, du stiller til hjemmesiden. Du bør konstant hæve kravene i takt med, at omverdenen forandrer sig.

Skal man bruge en andens indholdsleveringsnetværk?

Indholdsleveringsnetværk (kaldes ofte CDN – Content Delivery Networks) bruges for at slippe for at have filer lokalt på sin egen hjemmeside. I mange tilfælde giver det hurtigere downloadtid eller andre præstationsfordele for brugerne, samtidig med at det er både billigt og nemt at sætte op på sin hjemmeside. Den mest almindelige variant er nok at hente sporingskode for webanalyseværktøjer som Google Analytics på denne måde. Deri ligger også den største årsag til, at man skal gennemtænke sin brug af indholdsleveringsnetværk. De griber mere eller mindre ind i brugerens personlige integritet, fordi man blander en tredjepart ind i kommunikationen med sine brugere.

Du bør vælge hjemmesidens tredjepartstjenester med stor omhu. Det er dig som udgiver af en hjemmeside, der skal tænke over dine brugeres integritet, hvilke parter du inviterer ind til at bidrage til din hjemmeside og dermed, hvordan brugsdata kan komme på afveje. Det er fuldt muligt at opsætte egne indholdsleveringsnetværk, store som små.

Andre eksempler ud over Google Analytics er de hjemmesider, der henter skrifttyper fra Google Fonts eller har et socialt feed fra Facebook integreret. Mange har knapper til at dele indlæg på sociale medier eller dem, der lader Wordpress.com håndtere billederne for vores egne Wordpress-sider. Næsten altid når man får en kode at indsætte fra en tjeneste, følger denne problematik med på købet. Tænk indlejringskode fra videotjenester. Så snart et billede eller andet visuelt skal vises, hentes det ofte fra tredjepartstjenestens webservere, uden at den besøgende aktivt behøver at interagere med tjenesten.

Man kan drive sit eget indholdsleveringsnetværk, men der kan du naturligvis ikke placere Facebooks nyhedsfeed eller Google Analytics sporingskode. Men meget andet. Som billeder, video, designframeworks som Jquery, eller andet der bruges for at få hjemmesiden til at fungere som tiltænkt. Så kan man hente lidt af den gevinst, som et indholdsleveringsnetværk tilbyder. For dig, der driver en meget lille hjemmeside, kan du tjekke eksempelvis webhostingtjenester som Loopias Autobahn. Sådanne tjenester er speciallavet til hurtigt at sende filer, der sjældent eller aldrig opdateres – det vil sige statiske filer. Eller hvis du vurderer, at store tredjepartstjenester ikke er nogen stor fare for netop dine besøgende, så tjek Cloudflare med flere, som ofte er nemme at integrere med de fleste CMS-systemer.

Jeg foreslår, at man deler denne problemstilling i to dele: hvordan gør vi med webanalyse, samt hvordan gør vi med indholdsleveringsnetværk for andre behov.

For webanalyse er Google Analytics enormt udbredt. I 2015 fandtes Google Analytics eksempelvis på 8 ud af 10 kommuners hjemmesider. Ser man integritet mest som et juridisk spørgsmål, er det stadig mere almindeligt, at kontrakterne med leverandørerne af webanalyseværktøjer gør det klart, at du ejer dine brugerdata. Vil man værne ekstra meget om integriteten netop omkring indsamling af besøgsstatistik, findes alternativet Matomo¹, som man kan lægge på sin egen webserver. Så bliver det sværere for fremmede landes overvågningsmyndigheder at have styr på dine brugere.

Derudover findes der rigtig mange nichede værktøjer, der tilbyder andet nyttigt til webanalyse, som at kunne optage besøgendes session på hjemmesiden, spørgeskemaværktøjer, A/B-tests, tjekke hvor langt ned brugerne scroller og andet, vi kommer til at gennemgå senere. Den første og måske vigtigste beslutning er, hvilke af de store aktører du lader få et godt overblik. Kører du med Google Analytics, lægges det ind på hver side, og du beholder det nok i meget lang tid. Så får Google langt større indsigt ad den vej, end hvis du indlejrer nogle spredte Youtube-klip (Google ejer Youtube). Tag en aktiv beslutning og dokumentér gerne, hvordan I ræsonnerede.

Angående det andet delspørgsmål, det om indholdsleveringsnetværk for at understøtte designet af hjemmesiden, handler det om, når man vælger at designe sin hjemmeside på en måde, så den drager nytte af andres tjenester. Det vigtigste argument for dette er, at disse tredjeparter ofte kan sende indhold hurtigere til din bruger, end du kan. Altså bliver oplevelsen hurtigere, din hjemmeside aflastes og kan således tage sig af flere brugere.

Nogle eksempler, hvor man har noget at vinde på at bruge indholdsleveringsnetværk for bedre brugerpræstation, er:

• Streame video eller lyd fra et datacenter placeret så tæt på den enkelte bruger som muligt.
• Lade Google, Microsoft eller et andet større firma sende almindelige filer, der ikke er unikke for din hjemmeside. Eksempelvis skrifttyper, kodebiblioteker som Jquery, med mere.
• Placere sine egne statiske filer som billeder, dokumenter med mere på et indholdsleveringsnetværk eller en webserver, der er specialiseret i hurtig filoverførsel.

Så skal man jo huske, at dette er en ny afhængighed, man udsætter sin hjemmeside for, at flere kokke bliver involveret for at siden skal vise sig korrekt. Dette var noget, mange store medier fik at mærke, da Facebook havde en driftforstyrrelse med sin synes godt om-knap i 2013.

Wow a Facebook bug has taken down CNN, the Washington Post, Huffington Post, Slate, BuzzFeed, Gawker and Kickstarter...
- John Herrman, BuzzFeed²

Mange gange har man nok ikke truffet et særlig aktivt valg, eller i hvert fald ikke et særlig gennemtænkt valg, det blev bare, som det blev. Jeg har selv evalueret projekter, hvor spørgsmålet om, hvorfor der var så mange eksterne afhængigheder, blev besvaret af udvikleren i stil med "vi plejer at gøre det på den måde". Altså var spørgsmålet aldrig taget op med bestilleren. Derfor kan det være godt at komme disse automatiske ikke-beslutninger i forkøbet med en dokumentation.

Hvilke acceptancekriterier bliver det?

Det er ikke altid, man har nogen acceptancekriterier overhovedet. Nogle gange har man ikke opbakning til dem i aftalen med leverandøren. Når jeg har arbejdet som udvikler, har vi somme tider haft en ret omfattende dokumentation om, hvordan man definerer, at man er færdig med et softwareprojekt, men det dækker ikke alle aspekter af en hjemmeside. Men har du nogen dokumentation, der definerer godt håndværk, eller finder en du kan lide, så diskutér den med leverandøren, eller internt, og nå frem til, hvilke dele projektet skal leve op til.

At leve op til lovgivningen kan synes oplagt. Men lovgivningen er dels noget, der opdateres, og samtidig ikke så sort-hvid i fortolkning, som man kunne ønske. Når det gælder hjemmesider, er det vel primært Lagen om Elektronisk Kommunikation (LEK), hvor en paragraf populært kaldes cookieloven, Personuppgiftslagen (PuL) og Lag om ansvar för elektronisk anslagstavla (1998:112, kaldet BBS-loven), der er aktuelle. Det du bør tænke over inden webprojektet og dokumentere, er om I overhovedet skal bruge cookies. Og hvis der bliver cookies, hvordan I vælger at se på cookiemeddelelser med deres samtykkekrav. I 2016, i skrivende stund, har EU en ny databeskyttelseslovgivning på vej. Den vil på sigt erstatte den svenske PuL-lovgivning, så kortet tegnes om.

En nykommer er den måde, Diskrimineringslagen blev skærpet den 1. januar 2015. Fra og med 2015 er det en diskrimineringsgrund, hvis en hjemmeside fungerer dårligere for nogen med et handicap. Til forskel fra LEK og PuL er dette en lovgivning, du skal arbejde mere aktivt med, da den stiller krav til alt, der publiceres. Det er eksempelvis ikke ok, at brugerne skal have perfekt syn eller hørelse for at kunne tilegne sig indholdet. Man skal også passe på, hvilke krav man stiller til brugerens motorik, kognitive evne, etc. En måde at begynde at afklare tilgængeligheden er at sætte et ønsket niveau. Heldigvis findes der et standardiseret rammeværk for at evaluere tilgængelighed i form af Web Content Accessibility Guidelines (WCAG). Med WCAG kan man vælge forskellige niveauer af, hvor høj tilgængelighed man er ude efter, eksempelvis WCAG 2.0 niveau AA, hvor niveau A er mere lempeligt, og niveau AAA er strengere.

WCAG løser ikke alle ens udfordringer med tilgængelighed, men det er en meget god begyndelse og bestemt noget, man bør have med i sine acceptancekriterier over for sin leverandør. Har man en svensk leverandør, kan man altid tjekke, om de kender til webbriktlinjer.se – Vägledningen för webbutveckling. Det er fortsættelsen af 24-timmarsmyndigheten, men er bestemt også relevant for den private sektor. Den første retningslinje, med højeste prioritet, er at følge WCAG 2.0 niveau AA, men der findes en hel del andre kloge retningslinjer.

Selv har jeg ofte suppleret de IT-navlebeskuende kravlister med en liste af målbare leverancekriterier for det, der i sidste ende lander ude hos en bruger af en hjemmeside. Det som udviklere kalder frontend, men det har også en hel del med webpræstation at gøre. En lang, men på ingen måde komplet, liste med aktiviteter finder du i slutningen af denne bog.

Dokumenteret accept fra alle leverandører?

Har samtlige leverandører fået opdragsbeskrivelsen og al anden projektdokumentation, de har brug for? Også ens egen IT-afdeling? Min erfaring er, at det ikke altid er sådan, at opdragets præcise formuleringer og krav følger med til alle involverede. Blandt andet fumlede vi på min arbejdsplads med, hvordan det af mange forhadte cookiemeddelelse skulle se ud og fungere på alle vores hjemmesider. Vi er vel et ekstremtilfælde med vores næsten tre tusind webredaktører til det hundredetal hjemmesider, vi driver. Med andre ord er det stikprøver, der gælder for at verificere, at en opdragsbeskrivelse, jeg har skrevet, virkelig er slået igennem med fuld kraft overalt.

Så hvordan forebygger man, at nogen kan sige, at de ikke vidste? Godt spørgsmål. Måske ved at have en tydeligere og mere højtidelig dokumentation, der beskriver præcis det, man mener, samt med hvem det respektive opdrag skal afstemmes ved leverance. Dette er sikkert ikke et problem, hvis man kun har et fåtal hjemmesider eller er få involverede. Men det skader måske ikke at præcisere dette alligevel.

Det gælder, at man selv holder sig til denne dokumentation. Senere i bogen vil du få en introduktion til præstationsbudget, hvor netop denne type krav gerne kan placeres. Ordet "budget" er af største vigtighed. Det er nemlig ligesom andre budgetter noget, man skal forsøge at husholdere med, planlægge at have et lille overskud tilbage, og at en mindre overtrædelse ikke er verdens undergang.

Personas er også nyttigt ved webanalyse

Alt for ofte når jeg har set organisationers personas, er det smilende karikaturer af personer fra den tilsigtede målgruppe. Det bliver sikkert stadig mere almindeligt, at ens personas også har svagheder. Men hvis du ikke allerede har en sådan, kan jeg bestemt anbefale at have en eller flere personas, der tilsammen har alle almindelige funktionsnedsættelser.

Hvorfor det? Jo, fordi alle vi, der til daglig ikke anses for at leve med et handicap, kan rammes af det, både midlertidigt og permanent. Lad os sige, at nogen er i chok eller personlig krise – ja, så er det jo godt, hvis det, der er bygget, er designet uden at kræve et højt kognitivt niveau. I slutningen af en hård arbejdsdag er nok de fleste mærkbart kognitivt nedsatte – i hvert fald plejer jeg ofte at være det. At vi alle har svært ved synet, blev tydeligt med den mobile adfærd og brug af skærme udendørs. Svage kontraster viser sig slet ikke på mobilen, når man er ude en solrig dag. Denne vanskelighed har de med nedsat syn også under optimale lysforhold.

Eksempel-persona: Selskabsberusede Sanjay

Du, der arbejder med personas, er velkommen til at tage Sanjay med, eller krydre en eksisterende persona med hans egenskaber (men vælg et passende navn, der fungerer inden for din organisation). Nu har jeg ikke arbejdet med Systembolaget, men hvis Sverige ikke var så ængstelig omkring alkoholpolitik, kunne man roligt have regnet med, at de havde haft en persona, der var i det mindste let beruset. Eller hvad?

Så hvilke egenskaber har Sanjay? Hvad kendetegner ham?

• Sprog: Forstår lidt svensk, men læser udmærket på hindi.
• Enhed: Moderne mobil med sprukket display, hvilket giver mærkelige farver omkring revnerne.
• Abonnement: Sanjay har flere indiske SIM-kort, men også et svensk med en månedlig datapulje på 500 Mb.
• Sted: Udendørs, midt på dagen, midsommer, i solskin (tro det eller ej).
• Tilstand: Lidt beruset, det er jo trods alt midsommer.
• Geografi: I udkanten af 3G-nettet i det nordvestlige Dalarna, halvt i radioskygge.

Sanjay er i Dalarna hos venner og fejrer en klassisk svensk midsommer. Lidt beruset knuste han skærmen, da han havde mobilen i baglommen, da han faldt under legen irsk juleaften. Skærmen giver nu underlige farvevariationer omkring revnerne. Hans kognitive evne er ikke på toppen, motorikken heller ikke helt hundrede, og der er virkelig dårlig modtagelse, hvor han befinder sig.

Billede 1: Blandt andet Tele2 tilbød i 2016 datapuljer på kun 500 Mb.

Sanjay er naturligvis et koncentrat af den udfordring, du har med din hjemmeside, særligt hvis du driver en hjemmeside med kriseinformation, eksempelvis giftinformationscentralen eller andet, der gør ham selvstændig, når han måske har mest brug for det. Der er nok en del at lære af ham. Særligt den kontrast han byder, sammenlignet med Ergonomiske Egon.

Typisk anti-persona: Ergonomiske Egon

Ergonomiske Egon er altid på toppen, veludhvilet og aldrig følelsesmæssigt påvirket. Egon bruger kun nettet på kontoret med veltilpassede computertilbehør, han selv omhyggeligt har udvalgt. Han har naturligvis en højopløst stor skærm med bred betragtningsvinkel og ingen vinduer, der giver genskin i skærmen. Hurtig kablet forbindelse helt uden begrænsninger.

Egons egenskaber er alt for almindelige som en antagelse, når man udformer sine personas. Normalbrugeren ligger naturligvis et sted mellem Sanjay og Egon, men begge ekstremer eksisterer, og især kan vi have brug for at lægge lidt omtanke for Sanjays skyld.

En uge med empati for sine brugere

For i det mindste at føle lidt empati med sine brugere kan man gøre som Facebook annoncerede i 2015 – de indførte en ugedag, hvor man kan leve med de forudsætninger, ens vigtige målgrupper har. I Facebooks tilfælde har deres udviklingspersonale kun 2G-hastighed, når de surfer – du ved det der hysterisk langsomme, vi i Sverige havde, inden 3G begyndte at slå igennem kort efter årtusindskiftet.

People are coming online at a fast rate in emerging markets. In most cases, they are doing so on mobile via 2G connections. But on a typical 2G network, it can take several minutes to download a webpage.[…] Today we're taking another step toward better understanding by implementing "2G Tuesdays" for Facebook employees. On Tuesdays, employees will get a pop-up that gives them the option to simulate a 2G connection. We hope this will help us understand how people with 2G connectivity use our product, so we can address issues and pain points in future builds.
- Chris Marra, code.facebook.com³

Billede 2: Peter Antonius om, hvordan en uge med omsorg for brugerne kan se ud.

Eller som Peter Antonius⁴ foreslog på Twitter, kan man have en hel uge med denne type indsigt i brugernes virkelighed. Hans forslag går ud på følgende:

• Mandag: Screen Reader Monday
  En dag, hvor man får indholdet på sin skærm læst op for sig. Programmer til dette findes sikkert allerede i din computer/enhed, hvis du aktiverer tilgængelighedsfunktionerne. Glem ikke at slukke skærmen, ellers bliver det nok svært ikke at snyde.
• Tirsdag: 2G Tuesday
  Dagen for at have en virkelig langsom internetforbindelse. Det er nu, du mærker, hvilket materiale du gerne ville slippe for at vente længe på.
• Onsdag: Keyboard Wednesday
  Om onsdagen må man kun navigere ved hjælp af tastaturet, det vil sige musemarkøren har fri. Så vil du opdage, når tab-rækkefølgen er forkert på hjemmesider, om den besked kan lukkes med et mellemrum eller ej.
• Torsdag: Color Vision Deficiency Thursday
  Torsdagen er for, at du ikke skal bruge farve eller nuance som meningsbærer – der findes jo dem, der har nedsat farvesyn.
• Fredag: Mobile Friday
  Denne dag vil du have en lille skærm, du styrer med fingrene. Ærgerligt for dig, hvis noget ikke er responsivt bygget, eller hvis zoom er deaktiveret.

Man kan naturligvis tilpasse disse dage efter sine egne målgrupper. Som skaber af hjemmesider med primært et svensk publikum er den mest oplagte justering at ændre tirsdagen til en "langsom 3G-tirsdag" for at simulere al svensk yderområde og når nettet bliver overbelastet et populært sted.

Årsagen til, at dette er vigtigt, er, at hvis brugervenligheden er for lav, så fungerer ingenting for brugerne. Det lover ikke godt for, at målopfyldelse skal ske på hjemmesiden.

Hvilke interessenter findes der, og hvilke kompetencer er involveret?

Hvilke interessenter der er, afhænger meget af organisationens størrelse, type og måske især, hvor langt man er kommet i den digitale omstilling. De mest almindelige interessenter er dem med ledelsesansvar inden for forskellige fagområder. Som marketingchef, personalechef, økonomichef, etc. Vi kommer mere ind på det senere, men der er ingen pointe i at begynde at rapportere sine fund til disse personer, inden man er godt forberedt. Især ikke en masse tal – såkaldt "data puking". Derimod kan man tage kontakt med dem for at efterspørge forretningsmål, der findes inden for deres felt, om de allerede har udarbejdet KPI'er. Hvis du ikke allerede har denne information.

Jeg tænkte at beskrive, hvordan et webanalyseteam kan se ud. Men fortvivl ikke, det er nok mere almindeligt, end nogen vil indrømme, at man knap har en eneste fuldtidsressource til at arbejde med webpræsens på en strategisk og analytisk måde.

• Markedsanalytiker – er den, der omsætter virksomhedens langsigtede og kortsigtede mål. Arbejder med målsætning for kampagner m.m. Det kræver både strategiske og taktiske indsatser.
• Konverteringsoptimerer – er den, der arbejder med, hvordan man skal lykkes med at konvertere brugerne, det vil sige gøre loyale brugere af spontanbesøgende og kunder af forbipasserende.
• Teknisk analytiker/webudvikler – arbejder med specifikation og måske udførelsen, så det bliver muligt at indsamle data for senere at analysere. Hvis man ikke udvikler sin egen hjemmeside, bliver denne rolle den person, der er tæt ved hånden til at fortælle, hvad der er muligt at gøre, samt dokumentere, hvordan det skal gøres.
• Data scientist – en rolle endnu uden dansk oversættelse. Det er en selvhjælpstekniker, hvis fremmeste styrker ligger i at kunne indsamle data, bearbejde dem, designe rapporter og skabe visualiseringer. Kan sandsynligvis en del statistik og forklaringsmodeller om, hvordan data bør se ud.

Ud over dette findes en helt almindelig marketingsafdeling, eller kommunikationsafdeling, hvis det er inden for den offentlige sektor. Bemærk, at der ikke indgik nogen webstrateg i denne korte liste og heller ikke nogen redaktør. Det skyldes, at disse snarere er i den modtagende ende af dette teams konklusioner, end at de har noget oplagt at bidrage med. Det er ikke alle, der er så rendyrkede i deres roller, men lad for guds skyld ikke webanalyse udelukkende blive et spørgsmål om indhold. Det, der også behøves, er naturligvis nogen, der leder dette hold, nogen der sørger for, at opgaverne fordeles og så videre.

Datakvalitet

Hvad er det vigtigste af alt, når man skal analysere noget og træffe beslutninger, der påvirker ens fremtid? Ganske ledende spørgsmål, men selvfølgelig er det beslutningsgrundlaget, det handler om. Hvis dine data er utilstrækkelige, er det næsten meningsløst at forsøge at drage nogen konklusioner baseret på dem. Det er af yderste vigtighed, at nogen af dem, der arbejder med webanalyse inden for virksomheden, har god forståelse for, hvordan ens data indsamles, og kan verificere, at modellen stemmer med virkeligheden.

Inspicér dine data og lav en datarevision løbende, så du ikke træffer beslutninger på utilstrækkeligt grundlag. Du skal vide, hvordan dine data ser ud, og hvordan de indsamles. Dette kan være sværere, end man først forestiller sig, derfor er det klogt at føre dagbog med omhyggelige noter for, hvad man gør. Især hvis ens indsatser påvirker, hvilke data der indsamles. Det kan også være til hjælp, hvis man på et senere tidspunkt skal kunne genskabe det samme webanalysemiljø. Er du bekymret for din datakvalitet og vil bruge en afprøvet model, så tjek Brian Cliftons bog Successful Analytics⁵ og alt det, han skriver i kapitel fire, blandt andet om Quality Score.

Noget jeg selv har oplevet, er, at forskellige dele af en hjemmeside sporede brugen til helt forskellige konti for webstatistik. Det indebærer blandt andet, at når man linker fra startsiden til en underside, tæller det som separate hjemmesider. Al ens data bliver uklar og svær at arbejde med. Årsagen i netop det tilfælde var velment. Så den respektive interessent (læs siloer i organisationen) kunne få sin egen konto med webstatistik og slap for at se resten af organisationen. Det vi tabte, var, at det blev nærmest umuligt at få et overblik over hele hjemmesiden, hvilket nok ville være mere meningsfuldt efter min mening.

Løsningen ville naturligvis have været at dobbeltregistrere brugen af hjemmesiden. At spore hver sidevisning primært til en overordnet konto, men også til den respektive interessents egen konto. Eller hvis vi havde kørt Adobe Analytics, kunne vi have brugt en indbygget funktion til at oprette en delmængde til de interne interessenter, der ville slippe for at se alt andet. Sporingen kan ordnes efterfølgende, men man kan ikke trylle tabte data frem. Derfor er det vigtigt, at man har tænkt det igennem, inden man begynder.

Et stadig større problem er, at brugere blokerer webanalyseværktøjer. Så opstår en usikkerhed om, hvorvidt det er en homogen gruppe, du mister i dine forsøg på at opnå indsigt, eller om det bare er færre brugere jævnt fordelt over alle de grupper, du kender til. En måde at forsøge at finde ud af dette er at begynde at arbejde med loganalyse, en teknik vi kommer til at se mere på i bogens tredje del.

Filtrering

Filtrering kan gøres på flere forskellige niveauer. Til at begynde med kan du vælge at filtrere, hvad der overhovedet indsamles til din webanalyse. Eksempelvis er det almindeligt, at man udelukker indloggede webredaktører og ansatte fra det, der indsamles af værktøjer som Google Analytics. I netop Google Analytics findes en måde at filtrere visse brugere fra efterfølgende. Dette kræver, at du skriver en del dokumentation, så du bagefter kan verificere, at filtreringen var korrekt, og i bedste fald kan justere den. En variant, mange brugte tidligt, var at udelukke visse serier af IP-numre, det vil sige de internetadresser, man som kontorarbejder delte, når man besøgte nettet. Denne metode skulle naturligvis suppleres, da de ansatte begyndte at surfe på organisationens hjemmeside via mobilen.

Billede 3: ai-writer.com har med succes spammet sig ind på listen med afsendersider.

Et andet problem er at håndtere falske data. Du, der bruger Google Analytics, har sikkert set dem, der forsøger at spamme dig ved at sætte afsender-URL i referer-listen. Der findes måder at forsøge at filtrere spammerne fra, men det gælder at vide, at man ikke skævvrider sine data, så de bliver ubrugelige. Der findes en hel del tips om, hvordan man undgår spam i sin webanalyse, blandt andet at man filtrerer alt med forkert webadresse fra⁶. Men for ikke at gøre sig selv til grin, kan det være klogt at prøvekøre sine filterønsker først som et segment – mere om segmentering nedenfor. Segmentering ændrer ikke data, det giver blot en selektiv præsentation – som en forhåndsvisning af, hvad et dataødelæggende filter ville give.

Desuden kan man have visningsfiltre, et helt midlertidigt filter. Det går ud på, at du slipper for at se visse typer oplysninger i den præsentation, du har foran dig. En helt anden slags midlertidigt filter kaldes segmentering.

Om segmentering og hvorfor det er vigtigt

Dine brugere er ikke en homogen gruppe, man kan heller ikke forudsætte, at en enkelt gruppe er homogen. For at udforske variationen inden for en gruppe bruger man segmenter. En segmentering ændrer eller manipulerer aldrig den datakilde, man kigger på, noget som filtrering nogle gange gør. Segmentering handler om at gruppere brugere efter en eller flere fælles egenskaber. Segmenter af brugere er interessante at sammenligne med hinanden. Eksempelvis hvad der adskiller kunder på en mobil enhed fra dem med den forrige version af Internet Explorer? Måske gemmer der sig en mulighed for forbedring i lignende sammenligninger.

Eksempler på interessante segmenter kan være dem, hvis brugsmønster afslører dem som:

• Jobsøgere. Hvordan skal man vejlede dem videre på hjemmesiden for at få dem til at indsende en ansøgning?
• Potentiel kunde. De er sikkert i en anden fase i, hvordan de skal bearbejdes, sammenlignet med en eksisterende kunde. Man kan måske ikke antage, at de er uinteresserede i organisationens support (ligesom at ikke alle mobile brugere udelukkende er ude efter kontaktoplysninger), men de har nok brug for en anden behandling sammenlignet med den faste kunde, der er overbevist for længst.
• Eksisterende kunde. De har måske brug for en mere personlig oplevelse og hurtig adgang til deres kontaktveje.
• Egne ansatte. De egne ansatte har ofte visse forkundskaber, blandt andet om organisationen, der kendetegner dem. Har du som mål at hjælpe dem på din eksterne hjemmeside, har de måske brug for lidt støtte.

Har du hørt om begrebet personalisering? Det er at tilpasse indholdet baseret på individuelle faktorer og hvilket segment en bruger tilhører. I sin absolut enkleste form er det at tilpasse sin eksterne hjemmeside til offentligheden og henvise sine egne ansatte til at bruge intranettet i stedet.

Somme tider kan du støde på ordet filter, og i visse sammenhænge betyder det det samme som segmentering. Skal man være sprogpoliti, handler et filter vel mest om, hvad der skal væk, men segmentering beskriver snarere, hvad der skal blive. Tænk det som, at du enten filtrerer 13.873 typer mobile enheder fra, eller at du segmenterer dine data til kun at vise de brugere, der tilsluttede med en mobil af mærket Fairphone.

Det er mærkeligt nok ganske ofte, man behøver at udfordre den uprøvede antagelse, at alle ens brugere har lignende behov, og at de ligner hinanden. Antagelsen om, at alle er i ens målgruppe, eller at alle brugere grundlæggende er ens, plejer at falde, når man kigger på sine segmenter. Der er oftest en stor variation.

Der er også ofte et uklart billede af, hvem man tiltrækker. Det er godt at fortælle, hvem der bruger det, man tilbyder – noget der er værd at formidle videre til sine interessenter.

Segmentering går ud på at gruppere statistikken efter fælles faktorer. Et segment kan være brugere på mobil enhed, et andet kan være brugere fra Norge. Aldrig at arbejde med segmentering er meget risikabelt – i det mindste vil man sandsynligvis ikke opnå nogen som helst indsigt.

Segmentering er en struktureret måde at arbejde videre fra de lavest hængende frugter, når man allerede synes at have inspiceret de store datamængder ud fra et helhedsperspektiv. Ellers ved du ikke, for hvem du vil skabe en forbedring, og det er desuden nemmere at følge op på en ændring, hvis du har en tilsigtet målgruppe – et segment af brugere.

Uden at fokusere for meget på statistik, er et advarende finger på sin plads, når det gælder kun at kigge på statistikken på et overordnet plan eller at have uspecifikke forretningsmål, hvad angår hvem man sigter efter.

Risikoen ved at kigge på gennemsnitsværdier (og ikke segmentere) er, at den gennemsnitlige værdi ikke altid er repræsentativ for flertallet af brugere. At alt ses ud fra et så gennemsnitligt synspunkt, at der ikke er nogen meningsfulde konklusioner at drage. For at tage et eksempel er det fuldt muligt ikke at bunde i en sø, der i gennemsnit kun er en meter dyb. Den værdi siger meget lidt om, hvor dybt der er på det dybeste.

Billede 4: En normalfordelt kurve. Størstedelen af data ligner gennemsnittet.

En gennemsnitlig værdi er kun meningsfuld, hvis informationen er normalfordelt, eller at den gennemsnitlige værdi har forudsigelige afvigelser. Med andre ord er den gennemsnitlige værdi "10 sidevisninger per besøg" ikke noget direkte meningsfuldt, hvis halvdelen af brugerne kun gør én sidevisning og resten næsten 20. Det beskriver ikke virkeligheden. Det interessante er snarere, at der er mindst to vidt forskellige grupper i disse data.

For at råde bod på dette og få klarhed over, hvilke afvigende grupperinger man kan følge, bruges altså segmentering. Så kan man dele sine brugere op i forskellige grupper, der kan udforskes separat. Eller hvis man hellere vil sammenligne dem med hinanden. Segmentering handler om at filtrere en delmængde af brugerne frem og se, på hvilken måde de præsterer, om de skiller sig ud på nogen vis. Segmentering handler om at fange uligheder og afvigelser i jagten på forbedringspotentiale. Uligheder i, hvordan man opfører sig, hvor man geografisk befinder sig, hvilke produkter man har kigget på, med mere.

Hvilke segmenter er værd at arbejde med?

De segmenter, der findes færdige i dit analyseværktøj, er dem, der er så oplagte, at leverandøren tror, alle har brug for dem. Det er ikke disse segmenter, der giver dig en konkurrencefordel om brugernes gunst. Snarere er det de virksomhedsspecifikke segmenter, der gør mest nytte. Disse er måske endda så komplekse, at du ikke kan få dit analyseværktøj til at liste dem. Du kan have brug for at udvide med flere værktøjer.

Når man sætter sine forretningsmål op, er der en pointe i at fokusere på nogle enkelte segmenter per gentagelse af analysearbejdet. I eksemplet ovenfor kunne et sådant segment være, at man filtrerer brugere fra, der kun gør en enkelt sidevisning, for i stedet at se tendenser i brugen blandt dem, der mere flittigt bruger hjemmesiden. Et andet segment kan være kun at se på dem, der vender i døren, dem der kun laver en eneste sidevisning. Dette er en gruppe, der måske er værd at forsøge at konvertere med en kampagne, som kun personer i det segment ser. Et segment kan også være dine mest værdifulde brugere. Deres adfærd kan være interessant at sammenligne med gennemsnitsbrugeren.

Som sagt giver gennemsnitsværdier ikke altid et særlig retvisende billede af virkeligheden. Nogle gange er det den femtedel med størst problemer, du skal fokusere på, selvom flertallet har meget få problemer. Med webanalyse kan du arbejde med flere samtidige grupper af brugere på en struktureret måde.

Det kan være svært at bedømme, hvilke segmenter der er fornuftige, ikke mindst når virksomheden ikke har eksisteret længe. Mange gange kan man have brug for at lære sine kunder, brugere og tilsigtede målgruppe at kende først for at vide, hvilke segmenter der er vigtigst for virksomheden.

Segmenter er ikke nødvendigvis statiske. Når man er tilbage i refleksionsfasen i sit analysearbejde, skal man ikke betragte eksisterende segmenter som hellige. De er bare en logisk opdeling for at udforske og teste forbedringer. Hvis virksomheden allerede arbejder med personas (karikaturer af ens forskellige brugere), kan udviklingsarbejdet omkring segmentering give værdifuld tilbagemelding til, hvad der kendetegner den respektive persona.

Som du har forstået på nuværende tidspunkt, skal det, der publiceres på hjemmesiden, være i tråd med de forretningsmål og intentioner, hjemmesiden har. I dag er det ikke nok at hævde en almen interesse eller behandle hjemmesiden som ens egen informationslosseplads, bare fordi man kan lide at producere indhold. Indholdet skal bære frugt!

Metode for kontinuerlig webanalyse

Stadig flere virksomheder på nettet tvinges til at leve op til de krav, ældre og mere etablerede fagområder har haft på sig i lang tid. At have en hjemmeside kan lige som i 1990'erne anses for at være noget, man har, fordi alle andre har det. En stor forskel fra dengang er, at brugerne nu har markant højere forventninger. Det er oftest ikke godt nok at byde nogen velkommen og give dem lidt kontaktoplysninger.

I dag er en hjemmeside ofte ganske kostbar at udvikle og vedligeholde. Ved at stræbe mod virksomhedens mål også på hjemmesiden kan man styre sine indsatser og være en del af organisationens ordinære virksomhed – og leve efter samme rettesnor.

Om lidt kommer et forslag til metode for at arbejde med webanalyse. De kommende fire kapitler beskriver hvert især de trin, der udgør metoden, hvilke ting man skal tænke på i det stadie af arbejdet, samt eksempler på hvad resultatet kan være.

Jeg kan ikke tage hele æren for denne metode, selvom den kan føles oplagt for visse personer af mere struktureret natur end undertegnede. Snarere vil jeg forklare, at det er en sammenblanding af det, jeg har læst om emnet gennem årene, og hvordan jeg selv har arbejdet med løbende forbedringer af egne hjemmesider.

Kortversion af metoden

Billede 5: Begynd med forretningsmål, så er du i gang.

Inden vi gennemgår metodens dele, vil jeg give et hurtigt overblik, så du i hvert trin ved, hvad der kommer derefter.

1. Arbejd med forretningsmål, KPI'er og måleværdier.
2. Indsaml dine data; mens du indsamler data, udvikler du rapporter.
3. Analysér og kommunikér fundene.
4. Udfør forbedringer på hjemmesiden.

Hvad er så KPI'er? En KPI (Key Performance Indicator) er et målbart mål, virksomheden har sat op for at beskrive succes. Bemærk ordet 'key' – der findes også 'performance indicator', som indebærer, at man har målt, at noget positivt er sket, men at det måske ikke er noget, der er værd at styre sin virksomhed efter.

En KPI kan eksempelvis være en gennemsnitlig ordreværdi, andel af tilbagevendende kunder, eller hvad som helst der er objektivt godt for virksomheden.

Ikke alle KPI'er giver svar inden for en omgang i denne proces, fordi det kan kræve forskellig tid at indsamle data, afhængigt af hvad du måler. Visse KPI'er kan analyseres sjældnere, men jeg foreslår alligevel, at du reserverer tid i kalenderen for det respektive moment. Er du på moment tre, analyserer du alt det, der på det tidspunkt har indsamlet tilstrækkelige data.

Moment 1: At arbejde med målbare forretningsmål

Først og fremmest skal man have en rettesnor. Hvis man ikke ved, hvor man skal hen, er det svært at følge op på, at man er på rette vej. Har hjemmesiden et eksistensberettigelse overhovedet? Da Web Service Awards (WSA) i 2015⁷ spurgte svenske webansvarlige, hvad pointen er med deres hjemmeside, svarede 27 procent, at der ikke er et udtalt formål. På en måde fandt de et endnu dårligere resultat i, at kun 54 procent anser sig for at have et defineret formål for hjemmesidens forskellige undersider.

Omtrent halvdelen kan altså ikke forklare, hvorfor en bestemt underside eksisterer, hvilken nytte den skal bidrage med. Uden mål bliver det svært at styre sin lykke eller følge op på arbejdet gennem webanalyse.

Derudover skal man huske, at selv om mål er vigtige, er de ikke det papir værd, de er skrevet på, hvis man ikke arbejder for at opnå dem. Så er de helt værdiløse og meningsløse. Det er hertil, man har sine KPI'er – de skal motivere én til at følge op på forretningsmålene, og dette kan have brug for at blive en proces for faktisk at ske.

Tænk på målene som årsagen til, at hjemmesiden blev bygget fra første begyndelse. Forhåbentlig fandtes der en årsag til målsætning på forhånd, ellers er det tid til at tage fat i det nu. Hvad ens mål er, varierer naturligvis noget afhængigt af, hvilken type virksomhed man driver.

Fire slags virksomheder

Jeg så engang en ganske fornuftig (og meget kategorisk) inddeling af, hvilke typer hjemmesider der findes. Den foreslog følgende grovindeling, at en hjemmeside hovedsageligt handler om:

1. Handel
2. Indhold
3. At skabe kontakter mellem personer eller mellem organisationer
4. Selvhjælp

Fire slags hjemmesider, der adskiller sig meget. Alle giver lidt forklaring på, at målsætningen kan variere stort mellem organisationer, og at man definerer succes på lidt forskellige måder. For den, der arbejder med handel, er et mål lettere at forklare, hvis det handler om indtægter, salg eller noget andet med en monetær værdi. For organisationen, der arbejder med indhold, eksempelvis medierne, kan man i større grad tillade sig at måle, hvor mange i en tilsigtet målgruppe der har set et bestemt indhold. For kontaktskaberen er det relationer, alt drejer sig om, og selvhjælperen forsøger at løse håndgribelige problemer.

Nogle gange kan man læse hos brancheskribenter, at man bør finde sine "objektivt sande måleværdier". Ja, jeg har forstået, at mange hænger fast ved den term. Med "objektivt sande" menes, at andre end dig, dem du arbejder med, eller folk inden for samme fagområde skal være enige om, at jeres måleværdier er meningsfulde. At de beskriver, om noget af vigtighed eller værdi har ændret sig.

Hvordan ser et værdiskabende besøg ud? Makro- og mikroniveau.

Hvilken værdi skal virksomheden få ud af hjemmesiden? Det handler ikke kun om, hvilke mål man har – de mål skal gøres målbare. Gør man et gedigt forarbejde, kan man nå frem til, at man, lidt halvfjernt sandsynligvis, kan knytte nogle mål til noget målbart på sin hjemmeside. Det er ekstremt vigtigt at forsøge at finde ud af, hvilken værdi der kan opstå i kraft af den rette brug af hjemmesiden. Som vanligt er dette langt nemmere, hvis man driver handel på sin hjemmeside – det er derfor, disse eksempler konstant tages op. Dog kan det også i andre sammenhænge, som for en kommune, findes tydelige måder at relatere sine såkaldte e-tjenester på hjemmesiden til en faktisk værdi. For hver gennemført byggetilladelsesansøgning, der indleveres digitalt, er der potentielt en udeblevet udgift for kommunen. Men også en gevinst for den enkelte borger, der kunne fuldføre en bureaukratisk opgave på afstand uden at behøve planlægge et afbræk i hverdagen.

Et andet eksempel, jeg ofte bruger, er det fra den for mig velkendte sundhedssektor, da jeg tilfældigvis har arbejdet meget inden for denne virksomhed. Hvad er den opnåede værdi af en bruger på 1177 Vårdguidens e-tjenester? Hvis denne logger ind og bestiller fornyelse af en recept? Først og fremmest skal man huske, at jo mindre tid og tanke en borger behøver at lægge i at være i sundhedsvæsenets varetægt eller identificere sig som patient, jo bedre er det for individet. At kunne administrere sin sundhedspleje på afstand og på kortere tid er meget værdifuldt. Desuden, hvis en person ikke dukker op i sundhedsvæsenet, mindskes risikoen for smitte, der bliver mindre krav til lokaler eller personale visse steder.

Det er muligt at inddele målene i følgende kategorier (vigtigst først):

1. Makromål – virksomhedens vision eller storslåede planer (engagerede kunder, opfattes som tankeleder, attraktiv arbejdsgiver, etc.)
2. Mål – ens KPI'er, eller nøgletal. Altså et absolut mål for at evaluere succes. Vil man opdele KPI'er, kan de beskrive:
   2.1. Fuldførelse af et mål – brugeren gennemførte alle delskridt på en vellykket måde. Hvis et mål er, at brugeren skal oprette en konto, er en fuldførelses-KPI, at denne opretter en konto.
   2.2. Fremskridt mod et mål – altså et skridt i den rigtige retning, men brugeren nåede ikke helt i mål. Fremskridt ville være, at en forbipasserende bruger vælger at læse mere om fordelene ved at oprette en konto. Close, but no cigar.
3. Mikromål – målbare delmomenter, som gennem hypotese kan knyttes til, at en bruger har bekræftet makromålet (som at tilmelde sig et nyhedsbrev, gået fra en landingsside og endt på en detaljerside). Her skal altså en bekræftet interesse kunne bevises. Et interessesignal, der markant adskiller en kunde fra en, der bare kigger rundt og fordiver tiden.
4. Måleværdier, eller metrics på engelsk – de øvrige måleværdier, man indsamler. Ofte mest af nysgerrighed eller for at understøtte konklusionerne.

Det punkt, man arbejder mest med, er punkt nummer to. Det første handler om, hvorfor man gør noget overhovedet, det vil sige, hvad det går ud på. Mikromålene og fremskridts-KPI'er handler om at evaluere positive begivenheder, men de er mest interessante for at finde tendenser, som for eksempel om tendensen har ændret sig, siden man har redesignet en funktion. Problemet med at putte sine mikromål ind som noget, man måler i sit webanalyseværktøj, er, at de kan overskygge de "rigtige" mål. De vigtigere mål indtræffer ikke helt så ofte, men er i sidste ende det, man er ude efter – hvis ingen nogensinde fuldender et mål, er det ligegyldigt, hvor mange abonnenter man har samlet til sit nyhedsbrev.

Jeg indser, at det måske ikke i alle situationer er super let at skelne mellem mål og mikromål, og den præcise skillelinje er måske ikke direkte afgørende. Forsøg at holde det til, at et mål er det, der adskiller en virkelig engageret person fra en interessent. Et eksempel kan være mikromålet at lede brugere hen mod de jobannoncer, man har på hjemmesiden – det giver en indikation af, at noget af en vis form for værdi er sket under besøget – det var i hvert fald ikke helt meningsløst. For at gøre forskel mellem mikromålet om vindueskiggeri efter jobannoncer, er et opfyldt mål, at brugeren faktisk har indsendt en ansøgning til et job. En bekræftet interesse og et gensidigt mål er indtruffet.

Mikromålene giver indikation på interesse, et mål skal bekræfte en form for gensidig nytte eller målopfyldelse.

Sidst, og måske mindst trods alt, måleværdier. Det er alt mellem himmel og jord, du kan være nysgerrig på, som hvilke kilder dine mest værdifulde brugere kommer fra. Måleværdier er oftest ikke mål i sig selv, mere som en del af baggrundshistorien om de andre mål.

Rangordne målene indbyrdes

Et alternativ i dette arbejde er at give hvert mål en relativ værdi. Lad os sige, at mål skal vurderes mellem nul og ti. Sætter du en nul i værdi på en ny abonnent på nyhedsbrevet, en syver på en ny registreret bruger og ti ved en gennemført transaktion? En masse nuller er stadig nul i værdi. På denne måde kan du relativisere nytten af en masse følgere på Facebook, tusindvis af kontaktoplysninger, masser af kampagner og så videre med en anden aktivitet, der måske skaber broderparten af al værdi (med eller uden hjælp fra alt det andet).

Sidder du i stedet i situationen, at nytten af hjemmesiden er sat i tvivl, kan du jo vende ræsonnementet om. Dels kan du svare med, hvilken værdi der opstår på grund af hjemmesiden, men også hvilket uudnyttet potentiale for forbedring der er ved at arbejde mere struktureret med webanalyse og lære brugernes oplevelse at kende.

For at omsætte de forskellige niveauer af mål er det måske tid til et eksempel. 1177 Vårdguiden, altså Sveriges landstings fælles hjemmeside for at give sundheds- og plejeinformation til offentligheden, kunne have følgende mål:

1. Makromålet er virksomhedens mål, at alle indbyggere, der på et tidspunkt kan have behov for kontakt med sundhedsvæsenet, kender til 1177.se og har en konto på 1177 Vårdguidens e-tjenester.
2. KPI'er kan blandt andet blive "procentandel af befolkningen i optageområdet, der har borgerkonto", eller fuldførelses-KPI'er som "procentandel der lykkes med at gennemføre hele processen for receptfornyelse".
3. Mikromål er sandsynligvis ganske mange, som at en bruger vindueskigger efter sundhedscenter at skifte til, læser om sine rettigheder, etc.
4. Måleværdier bliver type af enhed brugt ved besøg, sted, tid og alt andet der kan understøtte eller beskrive konklusionerne.

Dette er jo ikke raketvidenskab, så man kan jo trods alt slappe lidt af med den strenge vederhæftighed, men at sjuske kan straffe sig. Det nemmeste, og sandsynligvis klogeste, er at bruge de mål, visioner og lignende, der allerede er formuleret af virksomheden.

Alle forretningsmål er ikke målbare. Men med lidt fantasi (og nogle gange med hjælp fra en dygtig webudvikler) kan man ofte finde en måde at i det mindste delvist få et billede af, hvor godt et mål opfyldes på hjemmesiden.

Forsøg at sikre, at de forretningsmål, der vælges ud – og i visse tilfælde bearbejdes for at blive målbare – er sådanne, man kan handle på. En drastisk ændring af måleværdien skal ikke mødes med lunken interesse eller usikkerhed om, hvorvidt det er betydningsfuldt.

Mangler inspirationen til, hvad jeres hjemmeside skal levere til virksomheden, kan du overveje, på hvilken måde hjemmesiden kan lette det for brugerne og samtidig skabe værdi for virksomheden. Glem heller ikke at tjekke virksomhedens vision, planer og anden dokumentation, da der muligvis allerede findes definerede nøgletal, der kan genbruges. Bryd hver ting ned til noget, der bør kunne isoleres og måles. En udfordring kan være, at de målbare forretningsmål skal fungere sammen med de langsigtede mål. Det gælder altså at forsøge at forudse de langsigtede konsekvenser af de mål, man sætter op. At forsøge at undgå negative sideeffekter. For at se, hvordan andre måler deres virksomhed, kan du tjekke oplistninger på nettet med KPI-biblioteker⁸.

Billede 6: Apropos at forsøge at forudse fremtidige konsekvenser⁹.

Billede 7: Denne variant fungerer i ganske lang tid.

En anden forklaringsmodel, man kan låne til kategorisering af mål, er den i reklamesammenhæng klassiske AIDAS¹⁰. Det vil sige, at kunderejsens konverteringsproces består af følgende trin, fra top til bund:

• A – Attention
• I – Interest
• D – Desire
• A – Action
• S – Satisfaction

Her forsøger man gennem reklame og markedskommunikation at flytte en kunde trin for trin. En måske mere neutral variant er den, som webanalytikeren Avinash Kaushik har foreslået¹¹. En opdeling af din tilsigtede målgruppe afhængigt af, hvor de er i overvejelsesprocessen:

1. See – En person, der matcher en tilsigtet målgruppe.
2. Think – Person i tilsigtet målgruppe, der også er bevidst om et behov, din tjeneste kan hjælpe med.
3. Do – Person bevidst om behov, din tjeneste kan hjælpe med, og som også er klar til at handle lige nu.
4. Care (altså forkæle kunden eller pylre om dem), kaldes somme tider "Coddle" – De personer, der er faste kunder, eller i det mindste tilbagevendende, der har konverteret mere end én gang.

Ud over at man skal definere målbare måder at følge op på sine mål, bliver det med disse modeller oplagt, at man har brug for flere forskellige slags mål. Sandsynligvis mindst ét per kategori. Hvis du sidder fast i målsætninger, der måler en digital pendant til en trykesags oplag, er en af disse modeller måske en befriende måde at diskutere andre vinkler på målsætning.

I det mindste har jeg mødt webansvarlige, der udelukkende havde definerede mål, som ville lande i See-kategorien ovenfor. Den type mål er meget svære at forsvare på sin egen hjemmeside, da det sandsynligvis er årsagen til, at brugeren landede på din webside – vel ankommet er der ingen målbare mål for, hvad der udgør et nyttigt eller vellykket besøg.

Det er bestemt uden for emnet for denne bog, men taler du med en marketingmedarbejder, ville de nok nævne ord som kanalstrategi eller måske kanalmix. Det handler om, at din hjemmeside ikke nødvendigvis er involveret i alle dele af konverteringsprocessen. Det kan meget vel være, at man arbejder med eksterne bloggere, køber søgeord på søgemaskiner eller lignende for at opbygge kendskab. Så sker de to sidste delmomenter i konverteringsprocessen måske på din hjemmeside, app, eller en kombination af, hvad man nu har af kontaktpunkter med personen af interesse.

Ud over forretningsmålene kan man naturligvis have en vis nytte af at arbejde med "forfængelighedstal", som antallet af sidevisninger per besøg og lignende. Dog er det svært at vise, hvilken værdi der forklarer, at resultatet utvetydigt er godt eller dårligt. Disse tal skal ikke være det, du lægger stor anstrengelse i, da mange sidevisninger (eller lignende) næppe er et efterstræbelsesværdigt mål for virksomheden. Disse tal kan være hyggelige anekdoter os webnørder imellem, men de giver meget lidt indsigt i, hvordan hjemmesiden bliver succesfuld.

Eksempler på forretningsmål omsat til målbare mål – KPI'er

• Mindst 90 % af dem, der påbegynder registreringsprocessen, skal klare at oprette en brugerkonto.
• Mindst hver anden henvendelse til kundesupporten skal gøres via hjemmesidens specialbyggede formular, samt at færre end 10 % skal ske per e-mail.
• Brugerne skal mene, at søgefunktionen giver relevante resultater.
• Kunderne skal mene, at det er let at finde kontaktoplysninger til kundeservice og den nærmeste butik.
• Mindst 90 % af de mobile brugere skal mene, at hjemmesiden er meget brugbar i et mobilt scenarie.
• Mindst 95 % af materialet på hjemmesiden skal være gennemgået/revideret det seneste år.
• Samtlige sider skal leve op til tilgængelighedskravene i WCAG 2.0 niveau AA.
• Gennemførte køb med kampagnepris skal have under 5 % returneringer.
• Mindst 25 % af de kunder, der er rekrutteret gennem søgeordsannoncering, skal foretage en anden bestilling inden for et halvt år.

Som du bemærker i disse eksempler på forretningsmål, er de ikke begrænset til statistik, der havner i webstatistikværktøjet, og det er hele pointen. Visse har en tærskelværdi, som at mindst en vis andel skal mene noget eller klare at opnå noget. I andre tilfælde mangler der et specifikt mål, og der arbejder man i stedet med en løbende forbedring. Hvordan du vælger at mikse disse opsætninger, er op til dig.

Du skal arbejde med både kvantitative værdier, som det du får i hjemmesidestatistikken, og kvalitativ efterforskning, som er brugernes subjektive holdninger. Og afhængigt af forretningsmål behøver man også at kigge på andre systemer eller lave egen efterforskning.

Eksempler på bearbejdning af forretningsmål

For at give dig lidt idéer til, hvordan et forretningsmål kan bearbejdes til noget målbart, følger her et antal eksempler. Først ud er det måske det sværeste. Det lidt for vage og abstrakte makromål. Derefter følger et mere konkret og nemt målbart mål.

"Vi skal opfattes som en kundefokuseret og kompetent virksomhed"

Selve formuleringen gør det tydeligt, at det handler om et makromål – noget lignende kan sikkert genfindes i flere organisationers visionsdokumenter eller forretningsplaner.

Her er det bare at kapitulere direkte over for, at man ikke kan måle en opfattelse på en kvantitativ måde via hjemmesidestatistik. Derimod kan man arbejde med hjemmesideundersøgelser – du ved, de der bokse der spørger, om du har et øjeblik til at svare på nogle spørgsmål om hjemmesiden. Gennemfører man spørgeskemaer eller anden form for markedsundersøgelse, kan man synes at få svar på dette makromåls udvikling over tid, bare ved ganske pågående at stille spørgsmålet.

Men hvordan pokker får man det til med enkelte brugeres sessioner på hjemmesiden? Jo, en måde er at begynde at inventere, om der allerede findes indhold, der relaterer til målet. Er indholdet desuden "aktivt", altså at man kan opfange brugersignaler om deres accept, bliver det desto nemmere. Mangler man helt sådant indhold, skal man overveje, om dette virkelig er et mål, der bør påvirke hjemmesidens indhold. Når man når frem til at skabe et sådant indhold, skal indholdet designes, så man kan følge op på, at modtagelsen/brugen er i tråd med målet. Man behøver altså at finde ud af, hvordan man placerer en call-to-action, altså noget der kan registrere målet eller mikromålet som opnået.

Call-to-action, ofte forkortet CTA, er et begreb, du vil snuble over med jævne mellemrum. En CTA er oftest en knap. Knappens funktion kan være, at brugeren synes godt om-markerer sidens indhold, sætter en karakter, deler et indlæg i sociale netværk, lægger et produkt i indkøbskurven med mere.

Denne slags indhold kan man derefter gruppere via sit webanalyseværktøj, så man kan følge dets skæbne, og hvordan det modtages. Mikromål, eller fremskridts-KPI'er rent ud, for denne gruppe af indhold er, om det deles videre af brugere. Eller om sidevisninger på disse sider er en del af, at andre målbare forretningsmål indfries. Et eksempel på en vellykket brugersession kan være, at brugeren kom ind på hjemmesiden via en landingsside om de kompetencer, organisationen besidder, og at brugeren indleverede en spontan jobansøgning på en anden del af hjemmesiden.

"Vores kommunikation skal være forståelig"

Dette makromål er noget, den offentlige sektor gerne har udtalt – man vil ikke tillade sig, at det interne fagsprog rammer borgerne. Målet er ikke særlig målbart i sin nuværende form, men betydeligt tættere end det foregående. Her taler man altså om indholdet, hjemmesidens budskab, og at det skal passe den tilsigtede målgruppes sprogkundskaber.

Billede 8: Har du prøvet at søge efter ting, du ikke ønsker skal findes på din hjemmeside?

Hvordan finder man ud af, om man er forståelig? En måde er at arbejde med indholdsanalyse. De fleste hjemmesider har allerede en søgefunktion, og enhver kompetent søgefunktion har et indeks med alt, den ved om hjemmesiden. Dette indeks kan man inspicere for at finde kendte sproglige afvigelser og rette dem. For over tid at holde øje med almindelige fejl, kan en udvikler måske skabe et tillæg, der udfører søgninger på alle "dårlige ord", hvor man håber på ikke at få nogen træffere.

Har man en søgeredaktør, er det dennes opgave at tjekke sprogbrugen med jævne mellemrum. En søgefunktion er sjældent god til at vise, hvor galt det er fat med det indhold, der findes.

Apropos søgefunktioner kan man også tage fat på den dårlige samvittighed med søgeanalyse (noget der har fået sit eget kapitel senere i bogen). Den mest oplagte nytte ved søgeanalyse er at kigge på de mest almindelige søgeforespørgsler og, hvor godt de matcher ord, der bruges på hjemmesiden. Når nogen ikke finder det, de søger, kan de forsøge at søge efter det. Det, der gør søgefunktionen unik i sammenhængen, er, at der får du at vide, hvad brugeren mener, noget hedder.

Selvom debatten om 'dagis' kontra 'förskola' aldrig vil ende, er det vigtigt at arbejde med synonymhåndtering og strukturere indhold på en måde, så brugeren har en chance for at finde det. En relateret KPI er antallet af nulresultater i søgefunktionen, altså når der ikke findes et matchende indhold. Det har somme tider med sprogforbistring at gøre. Som kommune skal man sørge for, at søgninger på 'dagis' også giver træf på 'förskola'. Måske findes der en tilsvarende forskel i sprogbrug også i din branche?

En anden KPI er, hvilket niveau af læsbarhed man stræber efter. Der findes flere metoder til at måle dette, hvoraf ingen af dem nok vil imponere en sprogforsker. En er læsbarhetsindeks (LIX, test selv på nettet¹²), som forsøger at angive, hvor avanceret en tekst er. Læsbarhetsindeks er ingen perfekt metode, men kan indikere en teksts kompleksitet. Til forskel fra at uddele vejledninger til webredaktørerne er LIX noget, der er målbart for at se, om tendensen går mod mere komplekse eller enklere sætninger.

En yderligere variant, men for engelsk tekst, er Flesch reading ease¹³, der giver et fingerpeg om, hvorvidt teksten risikerer at være kompleks. Heller ikke her er metoden præcis nok til at begynde at sætte redaktørers løn efter karakteren, men det er måske alligevel værd at overvåge, hvordan teksterne udvikler sig, om det er forskelligt mellem forskellige grupperinger af indhold. Lad os sige, at man bygger et værktøj, der analyserer dette – så bliver det interessant at evaluere, om enklere tekster præsterer bedre eller dårligere end komplekse. Læs mere om A/B-tests senere i bogen, men det er muligt at evaluere, om en variant er at foretrække.

"Vores skandinaviske kunder skal opfatte os som et skandinavisk varemærke"

Billede 9: Zlatan og en Volvo i et vinterlandskab (kilde: Volvo Cars).

Jeg har aldrig haft indsigt i, hvad tidligere svenskejede selskaber sætter op af mål, når de ophører med at være ejet eller styret fra den verdensdel, hvor de engang startede. Tænk Volvo Cars, ejet skiftevis af amerikanere, skiftevis af kinesere, men som kører en omfattende reklamekampagne om, at de er "Made by Sweden". Man kan jo mene, hvad man vil om sådant, men budskabet og hvad de vil have folk til at tro om varemærket Volvo, er jo utvetydigt – Volvo er svensk!

Together with Zlatan Ibrahimovic we have done a celebration to Sweden. It's our country's unique nature that inspires and challenge the people at Volvo when they develop their cars. It's also here, at home, in the magnificent wilderness that they find their strength. Just as Zlatan does.
- Reklambyrån F&B i sin beskrivning av uppdraget¹⁴

Men hvordan måler man, om folk tager et sådant budskab til sig, og om der er visse brugersegmenter, hvor man kan have brug for at arbejde lidt ekstra? Det er her, kvalitative metoder kommer til nytte. Interviews af forskellige slags, spørgeskemaer, guerilla-testning, mens man venter på morgenkaffen på det nærmeste kaffested.

Det er, som du har forstået, ikke særlig meningsfuldt at gøre denne type indsats en eneste gang. Hvad skal man stille op med visheden om, at 72 % mener noget? Det er naturligvis sådan, at en værdi opstår gennem en ændret opfattelse, og på et vist tidspunkt har man måske bare brug for at vedligeholde den position, man er tilfreds med.

Der er nogle holdepunkter, når man udformer spørgsmål at stille til sine brugere. Som man spørger, får man svar. Jeg plejer ofte at eksemplificere med, hvordan man tror, det svenske folk ville svare på spørgsmålet "Synes du, at Sveriges statsoverhoved bør være demokratisk valgt?". Det er et ledende og samtidig vildledende spørgsmål, da mange, der vil beholde monarkiet, ville svare ja, men gennem deres svar angive, at de vil afsætte kongen som statsoverhoved.

Den slags problemer er meget almindelige, hvis man sjusker med sine spørgsmål, men også når det gælder, hvilke svarmuligheder der gives. Nogle, der arbejder meget med dette, er medierne, og Sveriges Radios Ekoredaktion har udarbejdet en aldeles fortræffelig checkliste¹⁵, der belyser almindelige problemer med spørgeskemabesvarelser. Man skal kunne svare ja på syv spørgsmål, nemlig:

1. Er udvalget tilfældigt? Ellers risikerer fejlmarginen at blive meget stor.
2. Har tilstrækkelig mange svaret? Ved generelle generaliseringer har man normalt brug for 1.000 respondenter, eller hvis det nu er en mindre gruppe, bør man måske spørge alle.
3. Har tilstrækkelig mange af de adspurgte deltaget? Er det under 60 %, er det tid til at blive bekymret for, om de, der lod være med at svare, måske ville have svaret anderledes end dem, der deltog.
4. Er undersøgelsen foretaget per telefon, via brev eller gennem besøg? Netop Ekot godkender ikke webpaneler, men også spørgeskemaer på nettet kan være tvivlsomme, hvis man ikke kan vise, at de svarende er udvalgt tilfældigt.
5. Er den ændring, du vil berette om, statistisk sikker? Den berømte fejlmargin kan spille dig et puds.
6. Kan du stole på afsenderen? I sammenhænge som på nettet gælder det at være spørgende til, hvordan indsamlingen af data er foregået. Hvis du har en tredjepart, der hjælper til, gælder det, at man stoler på, at de ved, hvad de laver, og giver dig korrekte oplysninger.
7. Er spørgsmålene neutrale og fornuftigt stillede? Den, der formulerer spørgsmålene, kan ubevidst komme til at afsløre sin egen holdning gennem, hvordan spørgsmålene stilles. Spørgsmålets formulering kan påvirke det svar, man får. Et spørgsmål skal være neutralt og uden vurderinger.

Men som nævnt tidligere er dette ikke raketvidenskab – vær opmærksom på, hvilke konklusioner du baserer på data med mindre nøjagtighed. Foretag ingen storslåede ændringer baseret på en statistisk ikke-sikret andel af respondenter. Vil du virkelig være på den sikre side (og bruge masser af tid), så spørg en statistiker, hvad vedkommende mener om din metode…

Målbare værdier og kvalitetskrav

Ud over virksomhedens mål er der andre ting, man vil følge op på, altså de måleværdier, man har prioriteret. Det kan handle om, hvordan man forventer, at hjemmesiden skal fungere for at være repræsentativ for virksomheden. Dagens Nyheter havde en artikelserie i efteråret 2015, hvor de påpegede, på hvilke måder svensk offentlig sektor lod tredjeparter, som Google, Facebook m.fl., lytte med, når borgere brugte hjemmesiderne. I visse ekstremer var tredjeparterne organisationer, der ikke lagde skjul på, at de solgte oplysningerne videre. At så have dem med på sider, der omhandler seksuel orientering, seksuel sundhed, etnicitet eller andre følsomme personoplysninger, var naturligvis slet ikke godt.

Bedre er, hvis man er på det rene med, hvilke værdier man har, og hvad de kan tænkes at betyde for udformningen af hjemmesiden. Desuden er der en række kvalitetskrav, man bør stille til sig selv, samt lave løbende opfølgninger, så det i det mindste ikke bliver dårligere, jo længere væk lanceringsdagen er i bakspejlet.

Hvad der forventes af en moderne, effektiv og nyttig hjemmeside, der følger god praksis, er foranderligt. Dette stiller krav til ofte at lave efterforskninger. Den sidste del af bogen tager en lang, men bestemt ikke komplet, liste med aktiviteter op, man kan begynde at kigge på for at få styr på situationen.

Ud over ovennævnte måleværdier er der også dem, der fortæller brugerens historie og lader dig få indsigt i brugeroplevelsen. Såvel deres frustrationer som succeser. Som du har forstået på dette tidspunkt, er dette ikke målsætninger med hjemmesiden, men de er alligevel vigtige for at have et komplet billede af, hvordan hjemmesiden fungerer og kan optimeres. Også disse mål skal du have med dig gennem denne metode for webanalyse.

Nedenfor har du et forslag til punkter at tale igennem med webteamet og med leverandører:

1. Skal vi bruge eller overhovedet tillade tredjeparters indholdsleveringsnetværk? Selvom man måske ikke vil være helt konsekvent i dette, er det godt at dokumentere, hvilke undtagelser man kan tænke sig at gøre. Mange vil sikkert nå frem til, at de uanset hvad vil bruge Google Analytics, men at man ikke tænker at designe hjemmesiden, så den har flere aktører med. Midlertidigt kan man sikkert indsætte værktøjer til at følge op på brugeroplevelsen, få hjælp af tredjeparter på enkelte undersider til at udføre A/B-tests med mere. Det vigtige er at træffe et aktivt valg.
2. Hvilke hygiejnefaktorer/kvalitetskrav er prioriterede? Tjek den sidste del af bogen for en række forslag, men du kommer sandsynligvis på flere. Disse kan man dokumentere i noget, der kaldes en stilguide, et emne vi kommer til at behandle i næste del af bogen.
3. Hvilke kompromiser er aftalt, og hvilke forbedringer er planlagt? Dokumentér gerne, hvilke punkter man skal leve op til med den første indsats på hjemmesiden. Det kan jo være, at man af budgetmæssige årsager eller lignende skal skubbe visse krav til fremtiden. Dette er en plan for hjemmesidens løbende forbedringer og, hvordan man kan måle, at planen er opfyldt.
4. Bliv enige om, hvad der skal indgå i en nulmåling! Hvis man ikke allerede har lavet en nulmåling, eller en måleplan med historiske sammenligningsværdier, er det tid til at begynde med det.
5. Udarbejd en repræsentativ "testside", der er den samme efter hver opdatering af hjemmesiden! Denne skal IT-leverandører, udviklere og konsulenter stemme af deres leverancer mod for at vise, at deres bidrag ikke forringede kvaliteten – snarere bør man forvente forbedringer.
6. Hav dokumenteret buy-in fra alle leverandører! Om man vil gøre det højtideligt eller formelt er op til dig og, hvordan relationen er til dem, der bidrager til hjemmesiden, men det er vigtigt, at alle er indforståede med de forventninger, der findes.

Checkliste for et godt forretningsmål for webanalyse

Der er et antal kriterier, der peger på, at de forretningsmål, man har udvalgt, er relevante, nemlig at:

1. Der er en udtalt interessent. Ved man ikke, hvem der burde bekymre sig, er det ganske nytteløst at begynde at måle.
2. Interessenten kan blive interesseret i en markant ændring. Hvis en større ændring af måleværdien/KPI'en mødes med en skuldertrækning, kommentarer som "nå, og hvad så?" eller uforståenhed, har du et problem.
3. Måleværdien har indflydelse på virksomhedens målopfyldelse. Har den lidt med virksomhedens vej til succes at gøre, er den ikke en 'Key' Performance Indicator.
4. Kan handles på. En måleværdi/KPI skal være relateret til noget håndgribeligt, som at ved et vist niveau er det ikke længere lønsomt at fortsætte reklamekampagnen på et bestemt socialt netværk. Eller at en del af hjemmesiden ikke længere bidrager til virksomhedens mål, at yderst få værdiskabende brugere drager nytte af det indhold. Der er også informative måleværdier/KPI'er, men de er sjældent særlig interessante til andet end at forstå sine brugere.
5. Forårsager ikke negative sideeffekter. Et godt mål er gennemtænkt nok, så der ikke opstår problemer andetsteds i virksomheden. Eksempelvis at en øget omsætning mest forårsagede merarbejde, flere returneringer og kunder, der følte sig snydt.

Tænk også på, at yderst få bekymrer sig om tallene! De vil høre indsigt og anbefalinger, der er bakket op af indsamlede fakta – ikke en masse tal eller datavrøvl. Gentag din præsentation på forhånd, afstem din rapport med en kollega og gør yderligere forberedelser, inden du forhåbningsfuldt tager kontakt med ledelsesfolk.

Moment 2: Udarbejd rapporter og metoder til kommende analyse

I moment to er det tid til at begynde at arbejde med, hvordan data skal indsamles, hvordan kvaliteten af indsamlingen skal blive god nok, og hvordan man skal præsentere det. Som allerede nævnt handler rapporter i højere grad om tekst end tal. Selv et fåtal visualiseringer kan være overvældende første gang, nogen uden for webteamets kerne tager del af indholdet. En rapport skal være en fortælling, som modtageren kan huske og fortælle videre!

Begrebet rapport er tilpas diffust. Det, jeg mener med det, er egentlig ikke så kompliceret – det handler om, hvordan nogen skal kunne tage del af det, der er inspiceret. Somme tider kaldes det for et dashboard (hvilket nok svarer til 'kontrolpanel'). Det er måske ikke mere kompliceret, end at man opretter en ny fane i et Excel-ark, hvor man dokumenterer resultatet af arbejdet.

Billede 10: Eksempel på dashboard med mange faner, fra Länsstyrelsen i Örebro.

Jeg har gennem årene set masser af forskellige måder at opbygge rapporter. De fleste har været gode. Det, man skal tænke over, er, hvem man henvender sig til. Hvem skal tage del af rapporten, og hvilke aktiviteter håber man, det skal medføre. Vi, der arbejder med at indsamle data, eller vader i hjemmesidestatistik dagene igennem, tror måske, at vi kan handle på data, men sandsynligvis lyver vi for os selv. Formentlig opbygger vi en historie om den data, vi løbende fodres med, og så reagerer vi automatisk på de afvigelser, vi opfatter.

En person, der sjældent ser den samme statistik, oplever derimod, at vi spyr en masse tal ud af os, hvis vi ikke fortæller den indsamlede datas historie snarere end at redegøre for tal. Det kan være let at glemme. Så let, at det på engelsk har fået et navn – data puking :)

Så det første skridt er naturligvis at finde ud af, hvem der vil have gavn af den information, vi skal indsamle og senere rapportere. Hvad har de interessenter af forkundskaber inden for statistik, web og teknik? Har man ikke tænkt at tilpasse sig efter interessenterne, er det ganske meningsløst at arbejde med webanalyse. Det er jo dem, der kan hjælpe dig med at få gode ting til at ske baseret på de beviser, du graver frem.

Billede 11: Eksempel på værktøj, hvor interessenter selv kan inspicere indsamlede data.

To grundlæggende former for rapportering er, om du vil sende dem en sammenfattet rapport bagefter, eller om de har brug for løbende indsigt. Her er forskellen også, om interessenten vil have et skrivbordsprodukt at tage med til et bestyrelsesmøde, eller om de selv aktivt vil følge udviklingen på hjemmesiden i realtid. Mest sandsynligt er, at du i sidste ende vil have en kombination af begge.

En grov oversigt for arbejdet i dette moment er følgende:

1. Indsaml data.
2. Bedøm kvaliteten af indsamlede data.
3. Forædl indholdet, altså vask det til, så det er klar til kommende arbejde. Det kan handle om at konvertere geografiske positioner fra et format til et andet.
4. Tilføj flere datakilder og dimensioner. Lad os sige, at du udvider geografiske positioner med gennemsnitlig ordreværdi.
5. Forbehandling. Udarbejd modeller for, hvordan man skal kunne drage konklusioner af potentielt kæmpestore datamængder. Måske skal man gøre indholdet nemmere at arbejde med?
6. Filtrér den data, du har brug for, frem. Det kan handle om kun at indsamle eller sammenstille data om et bestemt brugersegment.
7. Udforskning, visualisering og dataanalyse. For at vide, at du har det rigtige indhold, og for at verificere alle tidligere trin, kan visualisering og generel udforskning af datamængden være klog.

Bemærk gerne også, at dine data bliver mere værdifulde efter hvert trin – det er lidt af en forædlingsproces. Kører man som generalist fast, kan det være en trøst at vide, at der findes ekspertise inden for hvert delmoment. Arbejder du inden for en større organisation, findes denne ekspertise sikkert internt, ellers plejer folk at være overraskende hjælpsomme, når man henvender sig på sociale medier (med korte spørgsmål).

En ny jobrolle, der begyndte at vokse frem omkring 2015, kaldes for data scientist. Det er altså en mångsyslende person, der er god til statistik, tekniske systemer, og som kan hjælpe sig selv med at få teknisk arbejde gjort, selvom datakilden er meget stor. Ud over disse kan man have brug for at tale med dem, der kender indholdet på en hjemmeside, men gerne også en webudvikler for at få styr på, hvordan det skal foregå at indsamle sine data på den rette måde. Sidder man snævert til, er det en udvikler i al almindelighed, man er ude efter.

Somme tider kan det nemlig kræve, at man foretager justeringer i sin tekniske platform. Ud over forretningsmålets egne data er det godt at indsamle data, der fortæller historien omkring forretningsmålet – du vil jo gerne vide, hvorfor noget blev bedre, ikke kun at det skete.

At indsamle data kan være svært

Billede 12: Hvordan logger man automatiske fejlmeddelelser på en hjemmeside?

I teorien er det sikkert nemt at indsamle den data, man er interesseret i. Men jo større det tekniske miljø bliver, desto flere komplekse komponenter hjælper til med at tilbyde en hjemmeside. Hvor jeg arbejder, i landstinget, er vi sikkert et ekstremt tilfælde, idet vores tekniske systemer har en stor beskyttelsesværdi, da vi håndterer yderst følsomme personoplysninger, så hos os er det ikke altid givet, at vi vil drage nytte af al den data, vi har. Samme bekymring findes nok hos de fleste, omend i mindre skala, nu hvor praktisk talt alle organisationer begynder at sætte stor værdi på indsamlede data.

Lidt afhængigt af, hvad man har af forretningsmål, kan man have brug for at grave i denne nærmest uendelige tekniske kompleksitet. Allerværst er det, når man i detaljer vil have rede på, hvorfor en afvigelse indtraf. Disse datakilder er primært relevante, når du bagefter vil kunne efterforske, hvorfor folk forsvandt lige inden, de fuldførte et forretningsmål på hjemmesiden.

På min arbejdsplads er det sket ind imellem, at vigtigt indhold er havnet i publiceringssystemets papirkurv. For at en side, der er havnet i papirkurven, skal vises for en ikke-indlogget bruger, lander man på login-siden for publiceringssystemet. Den side logges ikke i vores tilfælde af hjemmesidestatistikken. Altså forsvinder brugere ud i et sort hul, webanalysemæssigt, og vi mister helt opsyn med brugerens oplevelse.

En måde, som mange hjemmesidestatistiksystemer tilbyder for at fange op på sådant, der ikke er en normal sidevisning, kaldes for hændelser og virtuelle sidevisninger. Det går ud på at bag kulisserne registrere, at noget indtraf, godt eller dårligt. På mange måder er det praktisk at kunne indsamle signaldata i den samme platform som sin hjemmesidestatistik.

Hvis man nu ikke lykkes med at påvirke diverse fejlsider, så de registrerer brugeren i den almindelige hjemmesidestatistik, bliver analytikerens adgang til tekniske logfiler helt afgørende. Apropos vanskelighederne med at indsamle data er det for arbejdets troværdighed vigtigt, at man kan besvare spørgsmålet om, hvordan ens data blev indsamlet, hvilke faktorer der påvirker, og så videre. Det kan være fornuftigt at dokumentere, hvad der udgør en virtuel sidevisning, hvornår man vælger at registrere det som hændelser i stedet, og så videre. Det er måske ikke så vigtigt præcis, hvordan man vælger at gøre, bare man er konsekvent, ellers kan man selv forårsage uønsket variation i sin egen datakilde.

Netop loganalyse kan komme til at få et opsving. Det var det, vi brugte i gamle dage på nettet, da ikke mange nok havde understøttelse af Javascript i deres browsere. I dag er problemet snarere, at mange brugere blokerer værktøjer til webanalyse for at værne om deres integritet. For den store masse dukkede dette op i efteråret 2015, da Apple udgav iOS 9, som havde understøttelse af såkaldte content blockers. Disse gør, at man kan blokere Google Analytics, Matomo og de fleste andre værktøjer, der forsøger at holde styr på, hvad brugeren gør på en hjemmeside.

Til at begynde med var det mest obskure eller ukendte afsendere af disse blokere. Men efter nogle måneder kom den åbne og nogenlunde troværdige organisation Mozilla ud med Focus by Firefox. Pludselig fandtes et åbent alternativ uden kommerciel eller skjult bagtanke.

Også inden disse indholdsblokere fandtes indbygget i Apples mobile system, har der naturligvis eksisteret specielle browsere. Og for computere har annonceblokere eksisteret i meget lang tid – de kan også bruges mod værktøjer til webanalyse.

Billede 13: Focus By Firefox gør det let at blokere diverse overvågning.

Forekomsten af denne type værktøjer er værd at tænke over, når du udformer din indsamling af data. Vil det værktøj, du vælger, forårsage, at alle disse brugere ikke kan bruge hjemmesiden? Det kan være nok til, at man går konkurs, hvis man har rigtig uheld. Min anbefaling er, at du selv prøvekører disse blokeringsværktøjer og nøje følger, hvilken indvirkning de kan have på din hjemmeside, hvordan de påvirker de værktøjer, du vælger at bruge. Du har måske selv oplevet, at det ikke er muligt at scrolle nedad på en hjemmeside? Det har i hvert fald jeg. Spørgsmålet, man bør stille sig, er, hvor sandsynligt det er, at det fåtal der finder ud af, at det skyldes deres indholdsbloker, faktisk vælger at gøre noget ved det. Måske er det mere sandsynligt, at de ignorerer det og besøger en konkurrent i stedet?

Kernen af dit arbejde med indsamling af data er, at du skal tjekke, at du har et nogenlunde komplet billede af, hvad der kan ske for de brugere, der besøger din hjemmeside. Lav en inventering af, hvilke systemer der bidrager til at vise de sider, der kan nås, og tjek, at du har indsigt i det respektive system. Inden for en større organisation kan det typisk handle om, at man blandt andet har følgende systemer, der bidrager til hjemmesidens indhold:

• Selve webpubliceringssystemet, sit CMS, hvor redaktionelt materiale håndteres.
• Et separat dokumenthåndteringssystem (ECM – Enterprise Content Management) til at holde orden på dokumenter, brochurer, blanketter med mere.
• En billedbank, der ligger i et billedhåndteringsværktøj – et såkaldt MAM (Media Asset Management).
• Videoklip, eller skrifttyper og tredjepartsfiler, der ikke er unikke for organisationen, ligger på et indholdsleveringsnetværk (CDN – Content Delivery Network) for at fremskynde overførslen.
• Diverse særløsninger fra eksterne aktører, der indlæses via den, undskyld min ligefremhed, komplet værdiløse teknik Iframe, altså et lille kighul i siden, der indlæser indhold fra en tredjepart.
• Tredjeparter, der via API'er bidrager med valutaomregninger, kortbetalinger eller indhold som aktuelle produkttekster.

Dette skal man have styr på. Hvis ikke andet, får man det, så snart man begynder at efterforske, hvorfor det ser ud, som det gør (eller hvorfor noget ikke synes at fungere, som det var tiltænkt). Det er somme tider en interessant udfordring at lykkes med at måle en brugers rejse mellem flere forskellige systemer, men ofte kommer man langt med at registrere en virtuel sidevisning, inden hjemmesiden overdrager brugeren eksempelvis til dokumenthåndteringssystemet.

Værktøjer til analyse

Der findes rigtig mange værktøjer til at arbejde med webanalyse. Desuden kommer der nye til hele tiden. Visse er små løsninger, der hjælper til med enkelte opgaver, som at opbygge rapporter, andre er store miljøer, der tilbyder dig og interessenterne et ganske komplet billede af nuværende situation.

Den mest kendte type værktøj er dem, der hjælper til med hjemmesidestatistikken. Størst er nok Google Analytics, men Adobe tilbyder en pendant i sin Adobe Analytics, der har sine styrker. For den, der ikke vil blande tredjeparter ind, findes Matomo. Det er en open source-løsning, man kan installere på sin egen hjemmeside og dermed værne om den personlige integritet. Den bruger vi på min arbejdsplads, og nu i et samfund post-Snowden er det nok stadig flere offentlige aktører, der begynder at interessere sig for Matomo.

Disse værktøjer viser egentlig bare den mest oplagte information. Altså klikstrømmen på ens hjemmeside. Hvor kom brugerne fra, hvad gjorde de, og skete der noget af værdi? Disse værktøjer tilbyder visninger af information, der er meget alment gældende. Sådant der er så oplagt, at alle nok kan have gavn af det. Det, du har brug for for at have styr på netop din hjemmeside, skal du måske finde ud af selv og supplere med?

Der findes stadig flere værktøjer til at hjælpe sig selv med at analysere indsamlet information. Et værktøj, jeg har haft en del nytte af, hedder Tableau. Det er en måde at udforske den data, man har indsamlet, med forhåbningen om, at afvigelser og mønstre kan give mig indsigt i, hvad der kan forbedres for at gøre hjemmesiden en smule bedre for brugerne. Her finder man nye visninger af den data, man har samlet. Det afhænger jo lidt af, hvad målet, man skal måle, handler om, eller hvilken slags data man kigger på. Senere, i den mere avancerede del af bogen, vil vi gennemgå nogle af de nyttige værktøjer, der findes, men som blandt mange af os er havnet i skyggen af hjemmesidestatistiksystemer som Google Analytics.

Der er en række velbrugte teknikker, du kan kigge på for, hvordan dine rapporter kan udformes, og om lidt gennemgår vi nogle af de muligheder, der byder sig. Det kan være nyttigt at have en webudvikler ved hånden, indtil man selv ved, hvor kompliceret ens løsning bliver at realisere i det system, hjemmesiden kører på.

En stor del af nytten ved rapportarbejdet og metoder er den lærende proces. At arbejde med, hvilken nytte man skal stræbe efter, at lære sine brugeres adfærd og behov at kende, er noget der gør, at hver gentagelse af dette arbejde begynder på et nyt højere niveau.

Endnu et begreb, du skal have styr på, er CTR (Click Through Rate), hvilket på dansk ofte oversættes til klikrate eller gennemklikfrekvens. Det angiver, hvor stor en andel af brugerne der valgte at klikke på et bestemt link i et søgeresultat, eller følge den call-to-action, der findes på en side, de har besøgt. Målet er at have en høj og forudsigelig CTR, da det betyder, at brugeren forstår, hvad denne får serveret, og accepterer at fortsætte mod målet.

Konverteringstragt (conversion funnel på engelsk)

Billede 14: Stort tab i første trin, næsten intet i det sidste. Fra Google Analytics for 1177.se

Den metode, der sandsynligvis er mest udbredt, når det gælder at rapportere målopfyldelse, er at bruge en konverteringstragt. Den egner sig særlig godt til at visualisere, hvor stor en andel af brugerne der falder fra i en proces med flere delmomenter. Man definerer et startpunkt og måler derefter, hvor stor gennemklikfrekvensen er på hvert delmoment – altså hvor mange brugere man mister på vejen mod målet.

Har man lav gennemklikfrekvens, kan det blandt andet tyde på, at man skal forbedre brugervenligheden i det moment, hvor mange brugere forsvinder, eller det næste trin er ikke lokkende nok for brugeren. Hvis man slet ikke har arbejdet med konverteringstragter, kan man få et chok første gang. Måske er der et enormt forbedringspotentiale i at mindske andelen af frafald på et enkelt trin i en flertrinsproces mod et fælles mål.

Tænk dig, at forretningsmålet for et intranet er, at mindst 90 % skal klare at indsende sin ferieansøgning. Hvis 25 % af dem forsvinder ved det første delmoment, må man forsøge at finde ud af, hvad det skyldes, eller muligvis nå frem til et mere rimeligt mål.

Det er af interesse at segmentere de brugere, der ikke fuldender alle trin i en konverteringstragt, for at lede efter mønstre. Er der nogen fælles nævnere for, hvor de hopper af? Hvor de bevæger sig hen? Er det muligvis en utydelig call-to-action, der gør, at brugerne ikke forstår, hvad de forventes at gøre for at komme videre?

Det behøver ikke nødvendigvis at være mange delmomenter, for at en konverteringstragt skal være egnet som visualisering, når du rapporterer webanalysens resultater til dine interessenter. Et simpelt eksempel på en konverteringstragt kan være, hvor stor en andel der efter en hjemmesidesøgning faktisk klikker på et af resultaterne. Det kunne være en af flere måder at evaluere, om en forbedret relevansmodel for søgefunktionen har været vellykket. Det en konverteringstragt kan fortælle, til forskel fra gennemklikfrekvens, er, hvad de hyppigst benyttede udgange er.

En konverteringstragt begrænses ikke til ens hjemmeside, men kan meget vel være målestokken for gennemslagskraft for nyhedsbreve per e-mail eller ligefrem noget i den fysiske virkelighed.

A/B-testning for at sammenligne to forskellige alternativer

Billede 15: A/B-test er som en vippe at sammenligne alternativ A med alternativ B.

A/B-testning er en metode til at se, hvilket af to alternative måder at udforme noget der fungerer bedst på rigtige brugere. Dette er forhåbentlig en prestigeløs test af folks hypoteser for at se, hvad der fungerer bedst. Det er lidt af en konkurrence, der køres i en begrænset periode ved, at alternativ A og alternativ B slumpes ud til brugerne. Bagefter inspicerer man, hvordan de to alternativer præsterede, og om man kan kåre en vinder, der får tillid til at fortsætte med at eksistere (indtil en ny udfordrer dukker op).

Det kan være et udmærket (og ufarligt) forslag, når en insisterende person foreslår en bestemt ændring. Helt afvæbnende udbryder man, at det er et udmærket forslag, som man er ivrig efter at evaluere på levende brugere :)

Med et A/B-test skal man forsøge at besvare tre spørgsmål: hvem, hvad og hvorfor.

• Hvem er det, ændringen retter sig mod? Det er altså et bestemt segment af brugerne, med andre ord en delmængde, der har noget bestemt til fælles.
• Hvad i brugernes adfærd håber man skal ændre sig? Det kan eksempelvis handle om, at flere vælger at skrive en produktanmeldelse på hjemmesiden efter et gennemført køb.
• Hvorfor burde ændringen ske? Der skal være en testbar hypotese om, hvordan målet/forbedringen kan opnås, hvilket oftest er en ændring i design.

Et eksempel på et A/B-test for en hjemmeside er at på segmentet brugere, der tilslutter via en desktop, kontrollere om en højrekolonne med ekstrainformation fungerer bedst sammenlignet med at lægge materialet under artiklens brødtekst.

A/B-testning kan virkelig gøre en forskel. Et af de mere inspirerende eksempler, jeg har hørt, er da Obamas præsidentvalgkampagne i 2012 lavede A/B-test for at finde den bedste måde at få så mange donationer ind som muligt. Efter at de havde gennemført 240 A/B-tests¹⁶, havde de øget konverteringsgraden med 49 %. Lykkes man med det niveau af optimering, kan det gøre virkelig stor forskel.

Tilfældigt udvalg til testgruppe og kontrolgruppe

Tænk på, at det kan være forvirrende og kan forringe testens kvalitet, hvis man som bruger får forskellige versioner under testperioden. Forsøg at designe testen, så man konsekvent viser det ene alternativ for en bestemt gruppe af brugere. Desuden er det at foretrække, at udvalget er tilfældigt. Det kan være ved at adskille brugerne gennem deres geografiske placering, rangorden i værdikæden eller måske afhængigt af, om det er deres første besøg eller ej. Ud over det slumpes det, om man indgår i testgruppen eller kontrolgruppen. Om man får det nye forslag eller det eksisterende, alternativ A eller B.

Årsagen til, at man vil have dette halvvidenskabelige set-up, er, at man skal kunne drage konklusioner baseret på troværdige data. Såfremt du har tilstrækkelig mange brugere at teste på, lad os sige 5.000 brugere, udvælges 2.500 tilfældigt til testgruppen – dem man prøvekører et nyt designforslag eller tekst på. Når testperioden er ovre, sammenligner man testgruppens og kontrolgruppens resultat: hvilken gruppe var mest succesfuld i forhold til det mål, man ville opnå? Hvis forskellen mellem de to grupper er større end ubetydelig, har man fundet noget. Men det kan absolut være, at man når frem til, at det gamle designalternativ stadig fungerer bedst.

Selvom testen når frem til, at de to alternativer præsterer omtrent lige godt, har man lært, hvilket bevægelsesrum man har, og vover sig måske på en mere drastisk ændring til næste test.

Ting, du kan ønske at teste, er blandt andet:

• Forskellige layouts, som om det fungerer bedre med en sidekolonne på brede skærme, eller om den skal placeres under selve artiklen. På denne måde kan du undersøge fænomenet "banner blindness".
• Microcopy, eksempelvis hvilke knaptekster der fungerer bedst for dels at få et klik, men også for at brugeren skal fuldende hele processen – forladte indkøbskurve har ingen egentlig værdi.
• Farvealternativer – det er velkendt, at folk fra forskellige kulturer reagerer forskelligt på farver¹⁷. I konkurrencesammenhæng er det bevisligt mere sandsynligt¹⁸ at vinde, hvis man har rød påklædning. Så hvilken farve vælger du på en knap til køb? Blå, rød, grøn eller anden? Test det!
• Billedsprog – blandt andet kan du evaluere, hvilken type billede der fungerer på annoncer på en bestemt annonceplads, men også om det er havudsigten eller poolen, der sælger hotelpakker ved Middelhavet.
• Brugervenlighedsfaktorer. En interessant ting, der dog kan være lidt kompliceret at teste, er, om man kan højne oplevelsen af en flertrinsproces ved at mindske eller øge antallet af delmomenter. At brugere ikke orker at klikke mere end tre trin, er en utestet antagelse, indtil man faktisk har undersøgt sagen. Måske bliver processen mere tydelig, hvis man indfører et yderligere delmoment. Ved at sammenligne alternativernes konverteringstragt ser du, hvilket alternativ der beholdt flest brugere til slutningen.

Præcis som med konverteringstragt kan og bør A/B-testning bruges i andre sammenhænge end strengt på selve hjemmesiden. I mailudsendelser er det almindeligt, at man sender to alternative meddelelser ud, eksempelvis om et tilbud af en slags. Når man bagefter analyserer, hvilken gennemslagskraft det respektive alternativ fik, vækkes tanker om, hvad man eventuelt kan gøre bedre i en fremtidig udsendelse.

Multivariat testning for at teste flere ting samtidig

Vil og tør man komplicere det lidt, kan man udføre såkaldt multivariat testning. Det indebærer, at man tester et flertal justeringer samtidig i en pakke, men i øvrigt er det et mix af andre metoder – måske først og fremmest A/B-testning.

Et eksempel er, når man initialt designer landingssider på sin hjemmeside. Hvilket alternativ fungerede bedst af eksempelvis:

• Alternativ A med stort udsmykningsbillede, imposant overskrift og en eneste call-to-action?
• Alternativ B, der uden billede eller imposant overskrift bruger pladsen til at tilbyde tre distinkte call-to-actions?
• Alternativ C med en copy-tekst, der er personaliseret for brugeren baseret på dennes klikmønster, hvordan vedkommende landede på siden, etc.

Målestokken for, hvilket alternativ man skal arbejde videre med, er det, der har højest gennemklikfrekvens på de call-to-actions, man har sat op. Eller endnu hellere, hvis det nu er muligt, at måle faktisk lønsomhed på brugerens session. Første omgang af denne test ville give svar om, hvor mange call-to-actions brugerne kan håndtere på en og samme side. Afhængigt af, hvordan resultatet ser ud, kan man designe næste test for at forsøge at optimere yderligere.

Også i denne metode bruges segmentering for at kunne isolere delmængder af den information, man indsamler, måske primært for at fortælle historien omkring det, man tester.

Kontrol af kvalitetsfaktorer

Det er ikke alle måleværdier, der kan besvares med hjælp af indsamlet statistik om brugernes klik og adfærd. Eksempelvis bør man vedligeholde tanken om at kontrollere andre former for kvalitetsindikatorer. Lad os sige, at kommunikationsafdelingen har brug for at følge op på publiceret materiale. Eksempelvis liste alt materiale, der ikke er opdateret i et vist antal måneder, eller:

• Liste tunge billeder i størrelsesorden i håb om at kunne optimere dem.
• Tjekke om der gemmer sig forældet teknik et eller andet sted. Eksempelvis Flash-filer eller mærkelige dokumentformater.
• Websider med sidetitler, der ikke følger aktuel praksis inden for søgemaskineoptimering, noget der vanskeliggør mulighederne for at finde disse via søgemaskiner.
• Dokumenter, der hedder noget upassende, eksempelvis "Nyt Word-dokument", mangler titel eller andre almindelige fejl, der gør det svært at søge efter indholdet eller er pinligt, når nogen finder det.
• Materiale, der mangler tilstrækkelig metadata. Eksempelvis at beskrivelse af siden, eller at nøgleord til den egne søgemaskine mangler.
• Sider, der svarer meget langsomt. Langsom sidevisning kan skyldes mange ting, men ofte handler det om kompleksitet i systemet for at sammenstille alt, der skal vises for brugerne. Men somme tider har man jo ganske enkelt en for langsom webserver.

På min arbejdsplads har vi godt en million sider/dokumenter, der er søgbare. Ved hjælp af alt det, søgemaskinen ved om de sider, den har indekseret, kan vi trække en hel del interessant statistik frem. Blandt andet at 89 % af indholdet på intranettet mangler nøgleord – med andre ord kan 9 ud af 10 sider ikke deltage i topkampen på den interne søgemaskine. Ikke underligt, at søgemaskinen har svært ved at vælge, hvad der er mest relevant. Det er ikke meget bedre på vores eksterne hjemmesider.

Billede 16: Optimizr.com giver rapporter per e-mail.

Tag gerne inspiration fra de rapporter, som kommercielle værktøjer har – det er oftest både nemt og gratis at tilmelde sig en prøveperiode med de fleste værktøjer. Når du udvikler din egen skabelon for rapportering, er det naturligvis vigtigt at fokusere på de værdiskabende begivenheder. Ikke bare alle potentielle bekymringer, udfordringer og notitser, der er oplagte nok til, at standardværktøjerne fremhæver dem.

For dig, der ikke allerede har noget passende software, som kan inspicere hele hjemmesiden, eller i det mindste store dele af den, findes en del værktøjer, du selv kan køre eller sammen med en mere teknisk anlagt kollega. Det, jeg selv har kørt og kunnet lide, hedder SEO Toolkit¹⁹, hvilket er et tillæg til Windows Server. Denne serverversion af operativsystemet Windows findes inden for praktisk talt enhver større organisation og er nok heller ikke ualmindelig blandt udviklere i din nærhed.

Billede 17: SEO Toolkit kan crawle igennem din hjemmeside og give en hel del tips.

Eksempler på andre kilder, hvor du kan finde data af kvalitativ eller kvantitativ sort, er eksempelvis:

• Kundeservice eller IT-afdelingen kan have logs over sager, der vedrører vanskeligheder med at bruge hjemmesiden, eller andre sager, hvor hjemmesiden ikke har formået at hjælpe brugeren.
• Brugervenlighedsstudier, der hvor jeg arbejder, er somme tider lavet på delsystemer uden mit vidende og har alligevel, taknemligt nok, kigget på de dele, jeg arbejder med. Det skader altså ikke at spørge lidt rundt.
• Transaktionsdata, hvilket kan have mange forskellige navne afhængigt af kundskaberne hos den, du taler med. Eksempelvis kan det kaldes for tjensteplatform, Enterprise Service Bus (ESB), integrationsplatform, API'er eller lignende. Det her er en form for digital telefoncentral og informationsdisk i kombination.

Næste moment er naturligvis at inspicere, sammenligne og analysere al data, man har indsamlet.

Moment 3: Analysér

Målet med analysefasen er at forstå, hvorfor brugerne opfører sig på en bestemt måde eller mener, som de gør. Det, du har gjort indtil nu, er at samle beviser for, hvad der er sket, hvornår og hvor. Nu er det tid til at forsøge at besvare spørgsmålet hvorfor. Her får du chancen for at se, hvilke hindringer der stopper brugerne fra at gennemføre de ønskede aktiviteter på hjemmesiden, og hvad du kan tage fat i for at optimere værdien af hjemmesiden.

Det, du ganske hurtigt bemærker, som adskiller forskellige brugere, især hvis du taler med dem, er, at deres tilfredshed påvirkes af mindst to faktorer, nemlig:

1. Brugerens forventninger inden besøget. De kan være forskellige motiverede. Måske har du overbevist personen allerede inden vedkommende dukkede op.
2. Selve brugeroplevelsen. En meget motiveret bruger holder ud med lidt mere end den, der skal bearbejdes lidt for at konvertere. Det kan handle om, hvor let det er at forstå, hvad man skal gøre. Hvor mange delmomenter noget har. Om man overhovedet kan benytte hjemmesiden under de forudsætninger, man befinder sig i, og hvilken enhed man bruger.

Det første, du skal overveje i analysearbejdet, er, om du har nok data til at kunne drage nogen konklusioner. Selvom du når frem til, at du nok har for lidt data til at drage store og vidtrækkende konklusioner, giver dine data dig sikkert indikationer på, hvordan det forholder sig, og tips til, hvordan du kan lave testen igen i større skala. Men grav dig ikke ned! Risikoen er, at du bruger mere tid på at analysere end på at forbedre hjemmesiden. Tvivler du, så tag kontakt med en statistiker og nævn nøgleord som konfidensinterval (altså hvilken fejlmargin der er) for at fange vedkommendes opmærksomhed. Eller du googler og sætter dig ind i emnet :)

Vær også opmærksom på eventuelle sæsonvariationer, der kan påvirke testen. Ifølge min erfaring er der information og støtte, der behøves mere ved bestemte tidspunkter af året. Eksempelvis giver data fra min arbejdsplads belæg for, at det er almindeligt, at folk glemmer deres adgangskoder under sommerferien. Dette er også et eksempel på, hvordan dine konklusioner inden for webanalyse også kan understøtte den interne kommunikation med prioriteringerne i det redaktionelle arbejde med intranet. Hvis nu folk har ekstra svært med adgangskoder i slutningen af juli og hele august, er der nok en effektivitetsgevinst i at placere relevante tips på intranetets startpunkter for, hvordan man som ansat handler ved glemt adgangskode. Tilsvarende vanskeligheder kan sikkert også eksterne brugere have, første gang de skal logge ind efter en lang ferie.

Hvis du nu alligevel skal placere denne sæsoninformation, kan du lige så godt lave et A/B-test for at evaluere den bedst tænkelige formulering i stedet for bare at skrive noget sammen. Selv ville jeg teste dels at køre et spørgsmål som titel, eksempelvis "Glemt adgangskoden?" men også det mere aktive "Få ny adgangskode". Gør du det som en billedpuff, kan du teste, hvilken form for billede eller illustration der præsterer bedst. Her kommer vi ind på de hypoteser om tænkte forbedringer, der hænger sammen med besvarelsen af hvorfor-spørgsmålet og viljen til at optimere.

De data, du har indsamlet, kan somme tider indeholde uønsket variation eller ekstreme eksempler. Vil du være helt på den sikre side, er det som sagt tid til at tilknytte en statistiker, men ofte kan man med hjælp af historiske data nå frem til, hvad der er et usandsynligt scenarie. Hvis det er tilfældet, er det helt ok at filtrere eller segmentere disse ualmindelige tilfælde fra. Det, du opnår, er statistik, der ganske vist ikke er lige så præcis, men det er muligt at se tendenser over tid. Præcisionen er egentlig mest afgørende i sammenlignende tests mellem konkurrerende alternativer, hvis intet alternativ vinder en jordskredssejr.

Inspicér det fåtal, der konverterer – eller alle andre?

Baseret på de mål og brugersegmenter, der er identificeret, er det nu, man stiller sig spørgsmålet om, hvilken gruppe der har størst potentiale for forbedring. Skal man forsøge at nå viden om, hvorvidt det er mere lønsomt at optimere for dem, der har konverteret, eller de måske 98 %, der ikke har konverteret. Jeg antager, at også du synes, det er interessant at forsøge at omvende flere af den store masse brugere. Men naturligvis skal man ikke glemme at forsøge at klare sig endnu bedre hos dem, der allerede har bekræftet, at de kan lide forretningsmålene ved faktisk at konvertere.

At øge andelen, der konverterer, med en enkelt procentenhed kan betyde en fordobling, hvis du nu havde én procent konvertitter inden forbedringen og to efter. Det kan være svært at fordoble nytten/indtægten/etc. hos eksisterende brugere eller kunder.

Den ofte lille andel, der konverterer, er dem, der har bekræftet sig som interesserede i det, virksomheden tilbyder. Men mange af de andre består til stor del også af interesserede brugere, men af en eller anden grund kom de ikke til næste trin. I denne gruppe er der dem, der forlader indkøbskurve, skaffer sig viden om udbuddet, læser op, bruger sammenligningsfunktioner, men ikke fuldfører noget (endnu).

I analysefasen skal man tjekke, hvor nogen falder fra i processer, se hvor friktionen opstår, og komme med forslag til konkrete tiltag til næste moment i arbejdsprocessen. At analysere går ud på at baseret på data og struktureret evaluering nå frem til konklusioner om, hvor godt noget har præsteret, samt hypoteser for, hvordan noget kan forbedres yderligere.

Analysens kortsigtede resultater

Baseret på de data, du har indsamlet, bearbejdet og analyseret, skal du dokumentere de fund og erfaringer, der er gjort. Det kan være godt at have en note, der viser med hvilken sikkerhed analysen peger på, at man har ret – intet forkert i at være ydmyg med, at dette ikke er en eksakt videnskab. Skriv gerne også ned, hvilke metoder der blev brugt for den respektive test. En log ganske enkelt.

Tænk på, at bag et utvetydigt A/B-test kan der meget vel gemme sig data, der tydeligt forklarer, hvorfor det ene alternativ præsterede bedre. Eksempelvis kan det vise sig at være stor forskel mellem mobile brugere og dem med desktop, der besøger en bestemt underside. Måske er designelementet, der er sidens call-to-action, ikke lige så let at opdage på en lille skærm? Det kan være, hvad segmenteringen viser, men kan være værd at teste igen for at se, om den antagelse stemte. Måske kan testen have betydning for, hvordan andre dele af hjemmesiden kan fungere endnu bedre?

Skriv gerne ned, hvilke tests der kan have brug for at blive forbedret og kørt en omgang til gennem hele analysearbejdet. Det er ikke direkte ualmindeligt, at man ikke får noget frem, der er tilstrækkelig tydeligt til at drage nogen store konklusioner, men også det er en viden, der ikke er værdiløs.

Som sidste punkt i analysefasen sammenstiller du rapporten – tag udgangspunkt i den skabelon, du har arbejdet med i det foregående moment, og fyld på med indsigter og konklusioner (og vær forsigtig med at putte flere data eller tal ind, end nøden kræver). Denne rapport er dels noget at arkivere, men primært er det nu, du skal kunne afstemme fund med de interessenter, der "ejer" hjemmesiden eller dens forskellige dele.

Tag ikke kontakt med interessenterne og sig "Vi har 17,39 % flere besøgende sammenlignet med foregående periode" eller andre lignende udsagn. Inden præsentation eller overdragelse af rapporten kan du og en kollega præsentere den for hinanden, hvor I begge skiftes til at være djævelens advokat – den der brokker sig og stiller spørgsmål til alt mellem himmel og jord. Det, du rapporterer om, skal give indsigt og være muligt at handle på. De skal bestå en test, jeg selv plejer at kalde "nå, og hvad så?". Kan du ikke besvare modspørgsmålet om, hvorfor man skal bekymre sig, er det, du vil rapportere om, ikke andres opmærksomhed værdigt.

Eksempler på ting at fortælle om, der både giver indsigt og kan handles på, kan blandt andet være:

• "Hvis udviklingen fortsætter, holder vores kampagne på Facebook op med at være lønsom om to uger (så regnet på en kundes gennemsnitlige lønsomhed over 5 år)".
• "Over halvdelen af vores konkurrenter har nu bedre præstation end os. Der er tre enklere tiltag, vi gerne ville teste og evaluere, til at begynde med."
• "Vi har redesignet processen for indkøbskurven og evalueret den. På mobile enheder er fuldførelser fordoblet, men det faldt med 7 % på desktops. Samlet set plus minus nul, men da vi tror på mere mobil trafik, foreslår vi at beholde designet."
• "Kun et fåtal af vores landingssider følger god praksis inden for SEO. Vi foreslår redesign af CMS, så det ikke er muligt at glemme beskrivelsestekst, samt at sidetitler aldrig er over 70 tegn lange."

Moment 4: Udfør forbedringer på hjemmesiden

Baseret på hypoteser og konklusioner fra analysefasen prioriterer man, hvilke forbedringer man først skal tage fat i. Noget arbejde kan have stor indvirkning og samtidig være en lille indsats, andre ting kan være komplekse, fordi de har eksterne afhængigheder – uanset hvad har du nu en liste med ting at tage fat i.

Eksempler på arbejde i forbedringsfasen er at flytte på knapper for at øge brugervenligheden, noget der måske kun er nødvendigt for dem med lille skærm. Har du kørt A/B-tests "manuelt", det vil sige uden automatisk understøttelse i webpubliceringssystemet, er det nu, du sørger for, at kun det vindende alternativ bruges.

Det sidste, du gør i forbedringsfasen, er at fylde på ønskelisten med de forbedringer, du prioriterede fra at gøre denne gang. Den liste kan vise sig at være nyttig fremover, når man tilfældigvis får tid til overs, måske kan slå visse aktiviteter sammen, der ligner hinanden, eller som inspiration næste gang, man redesigner hjemmesiden.

Visse af de forretningsmål, du har sat op, kan tage ret lang tid at påvirke, uanset hvad du gør af forbedringer, så hav en rimelig forventning til, hvor hurtigt du kan begynde at se resultater.

...og hvad så?

Efter udførte forbedringer kører man en ny omgang og begynder forfra med moment et og sine forretningsmål. Dette arbejde er noget, der aldrig bliver færdigt – det, der styrer, er snarere ambitionsniveauet. Ambitionsniveauet styrer, hvor mange omgange man orker per år.

Bliv certificeret webanalytiker?

Hvis du føler dig utryg i din rolle, er der god hjælp at få, ud over denne bog. Selvom du har uddannet dig eller arbejdet med statistik, har en baggrund som webudvikler eller på anden måde føler, at du har styr på meget, kan det være godt at kunne henvise til noget konkret. Eller for at sikre, at de erfaringer, du har tilegnet dig, ikke har store huller på et vigtigt område.

Noget der gør dig til en webanalytiker, også ifølge en skeptisk persons perspektiv, er at fortjene titlen. Eksempelvis for dig, der bruger Google Analytics, findes deres Academy, en gratis webbaseret uddannelse, hvor du kan lære både teori og praksis. Der kan du lære de praktiske greb, der kræves i netop Google Analytics, og i sidste ende få dine kundskaber bekræftet ved at blive certificeret på platformen. Selvom du ikke bruger netop Google Analytics, kan uddannelsen og dens certificering være nyttig.

At have en certificering inden for et område er ofte det kvalitetsstempel, der åbner døre, noget der viser, at man i det mindste har opnået et ok niveau ifølge en tredjepart.

Almindelige faldgruber ved arbejde med hjemmesidestatistik

Der er naturligvis mange forskellige måder at fejle på med sit analysearbejde, langt flere end jeg har mulighed for at efterforske, eller du har overskud til at læse om. Jeg har udvalgt to hovedgrupper, som det i hvert fald ifølge min erfaring er meget let at havne i. Dels om kvaliteten af målene er noget at have, men også at man farer vild i sin statistik.

Vanity metrics – måleværdier eller mål, der giver en god mavefornemmelse, men som mangler faktisk værdi

En almindelig tankefejl er det, der kaldes "vanity metrics", det vil sige måleværdier, der appellerer til ens forfængelighed. Hvad der appellerer til ens forfængelighed, mistænker jeg, varierer afhængigt af ens faglige identitet. Det kan være sammenligninger af værdier, der kan synes at være søgte i, hvad de har med et utvetydigt godt resultat at gøre.

Eksempler, jeg har hørt ofte gennem årene, er, hvor mange sidevisninger man har, eller antallet af unikke besøgende. Bare fordi man i trykkeribranchen tidligere slap afsted med vage tal som, i hvilket oplag noget blev udgivet, gør det ikke værdien til et rimeligt forretningsmål værd at stræbe mod.

Det er tvivlsomt, hvilken nytte man kan opnå ved at sætte mål op om gennemsnitligt antal sidevisninger på en hjemmeside. Er det utvetydigt godt med mange sidevisninger per besøgende? Er det dårligt? Det gælder at være selvkritisk over for sine mål – så slipper du måske for, at andre er kritiske for dig. I metoden er det indbygget i arbejdsgangen, at man reflekterer over sine mål. Det er nemlig helt naturligt, at man justerer målene, efterhånden som man lærer mere om sin hjemmeside, brugernes adfærd og det indhold, man tilbyder.

Relationen mellem webstrategi og systematisk arbejde med webanalyse er det, der hjælper dig med at holde orden på din blanding af målsætninger. Så det ikke udelukkende giver god mavefornemmelse.

Webanalyseguruen Avinash Kaushik har, ud over See-Think-Do-Care, introduceret "Ladder of awesomeness" for at visualisere dette. Ens webstrategi handler om, hvordan man når højt op ad stigen, mens webanalysen handler om, hvordan man følger op på resultatet, forbedrer og eksperimenterer.

Billede 18: Avinash' trappe illustrerer de trin, der skal tages for at skabe en god oplevelse på nettet.

I bunden af stigen findes de hygiejnefaktorer, som denne bog fokuserer på i sin afsluttende del, øverst oppe finder du markedsføring på højt niveau. Behøver jeg nævne, at det er meningsløst at være dygtig til markedsføring, hvis de to nederste trin er utilstrækkelige?

Agenda-amplification effect

At ens egen dagsorden styrer, kan føles beslægtet med vanity metrics. Jeg vil hævde, at denne dog handler om, hvor neutral og åben man er for at lære noget nyt. Med statistik og undersøgelse finder man ofte argumenter, hvis eneste værdi er, at de bekræfter et svar, man allerede har besluttet sig for. For at genbruge et eksempel, lad os sige, at undertegnede, der er skeptisk over for kongehusets demokratiske værdi, stiller følgende spørgsmål til offentligheden: "Mener du, at Sveriges statsoverhoved skal være demokratisk valgt?"

Hvad tror du svaret ville blive? Jeg gætter på, at flere ville svare ja på det spørgsmål sammenlignet med, hvis spørgsmålet var formuleret sådan: "Burde Sverige afsætte kongen og have en demokratisk valgt præsident i stedet?"

Som man spørger, får man svar. Og afhængigt af ens indgroede tankemønstre kan det være svært at være helt objektiv eller overhovedet stille spørgsmål, der ikke er ledende. Det er godt at være flere om dette arbejde og måske ligefrem indføre en aktivitet, hvor man udfordrer sine antagelser, udforsker andre forklaringsmodeller med mere. Der kan være andre indsigter, der ikke er i tråd med ens egen dagsorden.

Almindelige fejl omkring statistik

Den mest oplagte fejl er, at den indsamlede data ikke har en kvalitet, der er god nok. Måske er den heller ikke repræsentativ for virkeligheden. Så snart man er i tvivl om sin datakvalitet, holder man op med at lave statistik og bliver snarere til gætninger baseret på et utilstrækkeligt grundlag. Så er det tilbage til tegnebrættet for at finde ud af, hvordan man kan indsamle data på en god og ordentlig måde. At bruge tredjepartsværktøjer er at overlade problemet til nogen anden, men også her er det godt at vide en del om, hvordan det foregår. Eksempelvis kunne de, der havde en stor andel iPhone-brugere, sandsynligvis se et før-og-efter for, da iOS 9 blev udgivet – da begyndte nemlig flere at blokere blandt andet Google Analytics. Lad os sige, at netop din tilsigtede målgruppe er sandsynlige brugere af indholdsblokering – hvad siger det dig om din dataindsamling?

Desuden skal grundlaget være stort nok til, at man kan drage konklusioner. Fejlmarginen er enormt meget større, hvis du har en håndfuld brugere i dit udvalg, sammenlignet med hvis du har hundredtusinder. Har du en håndfuld brugere, og et flertal af dette fåtal støder på et bestemt problem, handler det egentlig ikke om statistik. Men selv anekdotiske beviser kan være gode nok til at handle på.

Billede 19: Konfidensinterval vist med rød linje.

Sammenlign med at slå plat og krone. Med en perfekt mønt er chancen for at få krone 50 % og 50 % for plat. Slår du ti gange, er chancen for jævn fordeling lavere, end hvis du slår femogtyve eller tusind gange. En måde at være åben og ærlig med sin usikkerhed kaldes for konfidensinterval. Det er en matematisk estimering af, hvor ofte man vil tage fejl baseret på det foreliggende grundlag. Har man et konfidensinterval på 95 %, tror man altså at tage fejl hver tyvende gang. For at visualisere dette i rapporter plejer man at vise en rød streg i søjler for at angive, inden for hvilket område usikkerheden ligger. Så bliver det tydeligere at sammenligne to søjler – når deres røde streger overlapper hinanden, har man måske ikke belæg for at gøre forskel på dem.

Korrelation siger intet om årsagssammenhæng!

Billede 20: Smørsalget og skilsmisser i delstaten Maine udviser en tydelig korrelation.

Bare fordi to grafer følger hinanden over tid, behøver det ikke betyde, at de har en fælles årsag. En af mine favoritter i denne sammenhæng er den kreative religion med guden "det flyvende spaghetti-monster", hvor man hylder pirater. Der er nemlig en sammenhæng mellem det faldende antal pirater og drivhuseffekten. Derfor skal man fejre "Talk like a Pirate Day" for at mindske drivhuseffekten.

Så er der svage årsagssammenhænge, som ved issalg og vejr.

Hvad en statistiker kalder statistisk signifikans, kan være værd at reflektere over. Det handler om, at en værdi skal være tilstrækkelig afvigende fra en anden, for at man kan sige, at det ikke handler om tilfældigheder. Lad os sige, at du kører et A/B-test, hvor du sammenligner gennemklikfrekvensen på to forskellige designalternativer. Hvis alternativ A har 23 % og alternativ B har 25 % gennemklikfrekvens, er det ganske vist sandt, at alternativ B har to procentpoint højere frekvens i testen. For at afgøre, om vi kan udnævne alternativ B til vinder, skal vi vide, hvor mange der blev stillet over for alternativ A henholdsvis B (det der kaldes population). Kortversion af hypotesetesten er, at jo flere der har taget del af det respektive alternativ, desto mindre risikabelt er det at udnævne alternativ B til vinder.

En stor risikofaktor her er, at du forlader dig på, at udvalget af brugere til alternativ A og B blev gjort tilfældigt. Ellers kan det skævvride resultatet mere end de ynkelige to procentpoint, vi har som "bevis" for, at alternativ B er bedre. Sørg for, at dine A/B-tests ikke bliver nogle statistikeres skrækeksempler fremover. Handl, når du har et ganske stort grundlag og stor afvigelse mellem alternativernes præstation (eller hyp en statistiker, når du tvivler).

Det kan være klogt at have en statistiker at rådføre sig med, eller at man ikke drager for store veksler på data, man ikke er tryg ved.

Opsummering

Nytten ved hver genstart af analysearbejdet er, at man får chancen for at kigge kritisk på sine forretningsmål for at se, om man virkelig synes, de stadig er noget at have. Sandsynligvis vil du se dem med lidt nye øjne over tid, og de kan have brug for at blive forbedret, suppleret eller gjort tydeligere.

Nu følger et parti om at dokumentere sit præstationsbudget, altså hvilket kvalitetsniveau hjemmesiden skal leve op til, samt hvordan man gør designarbejdet mere standardiseret og muligt at følge op. I det arbejde indgår at beslutte sig om en lang række hygiejnefaktorer, gøre designet lidt mere ingeniørmæssigt og vigtigheden af at dokumentere alt.

Fortsæt med at læse – Del 2: Analytisk vinkel på design, præstation og indhold