Konverteringsoptimering (CRO): en praktisk guide

Konverteringsoptimering (CRO) är det systematiska arbetet med att öka andelen besökare som utför en värdefull handling på din webbplats, genom att ta reda på varför de inte gör det och åtgärda det. Det är hela idén. Allt annat i den här guiden är metod: hur du hittar de verkliga orsakerna, hur du avgör vad du ska åtgärda först, hur du vet om en ändring fungerade och hur du fortsätter utan att lura dig själv.

Det här är en allmän guide. Principerna gäller lika för en webbutik som för ett B2B-mjukvaruföretag, men vi lägger extra tid på den situation som de flesta guider hoppar över: webbplatser med måttlig trafik, långa säljcykler och konverteringar med mycket olika värde. Oavsett om du kallar det konverteringsoptimering eller CRO är disciplinen densamma.

Vad konverteringsoptimering egentligen är

En konvertering är varje handling som du vill att en besökare ska utföra: ett köp, en demoförfrågan, en registrering för en provperiod, en prenumeration på nyhetsbrevet. Konverteringsgraden är andelen besökare (eller sessioner) som genomför den:

Konverteringsgrad = konverteringar / besökare × 100

Exempel: en landningssida får 18 400 sessioner på en månad och ger 460 registreringar. 460 / 18 400 = 0,025, så konverteringsgraden är 2,5 %. Om en ändring höjer den till 3,0 % med samma trafik får du 552 registreringar: 92 fler per månad utan att köpa ett enda extra klick. Det är en relativ ökning på 20 %, eller en absolut ökning på 0,5 procentenheter. Säg alltid vilken du menar; att blanda ihop dem är det vanligaste rapporteringsfelet inom CRO. Du kan räkna på dina egna siffror i kalkylatorn för konverteringsgrad.

Två beslut döljer sig i den formeln. Först nämnaren: sessioner blåser upp basen för webbplatser med många återkommande besökare, användare underskattar den om din spårning inte kan ta bort dubbletter mellan enheter. Välj en och håll fast vid den. Sedan täljaren: vilken konvertering som räknas.

Makro- och mikrokonverteringar

• Makrokonverteringar är de handlingar som verksamheten finns till för: en order, en demoförfrågan, en betald plan.
• Mikrokonverteringar är stegen som leder dit: lägga i varukorgen, påbörja ett formulär, titta på priser, se en produktvideo, klicka på en CTA.

Mikrokonverteringar är viktiga av två skäl. De visar var läckan finns (besökare tittar på prissidan men klickar aldrig på ”Kom igång”), och de inträffar mycket oftare än makrokonverteringar, vilket gör dem testbara på webbplatser där makrokonverteringen är för sällsynt för att mätas. Mer om det i avsnittet om låg trafik.

Vad CRO inte är

• Det handlar inte om att testa knappfärger. Kosmetiska tester påverkar sällan något eftersom de inte tar itu med varför folk tvekar. Bra CRO ändrar vad besökaren förstår, tror på eller måste göra.
• Det är inte bara A/B-tester. Testandet är valideringssteget. Det mesta av värdet kommer från research som visar vad du ska ändra. Många förbättringar (ett trasigt formulär i Safari, ett saknat pris) ska helt enkelt åtgärdas, inte testas.
• Det är ingen påse med bästa praxis. "Skapa brådska" eller "korta formuläret" kan hjälpa eller stjälpa beroende på din målgrupp. En praxis är en hypotes tills din egen data stöder den.
• Det är inte trafikanskaffning. CRO arbetar med det som händer efter att besöket har börjat. Det gör varje anskaffningskanal effektivare, men ersätter ingen.

CRO-processen steg för steg

Varje trovärdigt CRO-program kör någon variant av samma loop. Namnen varierar; ordningen gör det inte.

1. Research: ta reda på var och varför besökare inte konverterar.
2. Hypoteser: gör varje fynd till ett testbart påstående.
3. Prioritering: rangordna hypoteser så att knapp trafik och utvecklingstid går till de bästa satsningarna.
4. Testning: kör ett kontrollerat experiment (eller, där det är omöjligt, den näst bästa metoden).
5. Analys: läs resultatet ärligt, inklusive segment och skyddsmått.
6. Utrullning och lärande: lansera vinnarna, dokumentera varje resultat och för tillbaka lärdomarna till researchen.

1. Research: var och varför

Research har två halvor. Kvantitativ data visar var problemet finns. Kvalitativ data visar varför. Du behöver båda: en trattrapport visar att 70 % av besökarna lämnar prissidan, men den kan inte berätta att de lämnade för att enterprise-nivån säger ”Kontakta oss” utan något prisintervall.

Börja med analysdata för att välja de två eller tre sidor som betyder mest (hög trafik, nära intäkter, stora avhopp) och lägg sedan den kvalitativa insatsen bara där. En researchsprint på två till tre veckor ger vanligtvis fler testidéer än du hinner köra på sex månader.

Innan du litar på något av det, kontrollera grunderna. Bekräfta att konverteringshändelser utlöses en gång per konvertering, att stegen i tratten spåras på alla enheter och att intern trafik filtreras bort. En förvånansvärt stor andel av ”konverteringsproblemen” visar sig vara mätproblem.

2. Hypoteser: gör varje idé falsifierbar

En hypotes kopplar en observation till en förändring och ett mätbart resultat. Använd den här mallen:

”Eftersom vi observerade” vad datan visade, ”tror vi att en ändring av” ett element ”för” en målgrupp ”kommer att leda till” det förväntade resultatet, ”mätt med” ett primärt mätvärde.

Exempel: ”Eftersom vi har sett i sessionsinspelningar och en utgångsenkät att mobilbesökare på prissidan inte kan avgöra vilken plan som inkluderar SSO, tror vi att en växlingsknapp för funktionsjämförelse ovanför plankorten för mobilbesökare kommer att leda till fler planval, mätt som klick på någon ’Välj plan’-knapp per besökare på prissidan.”

Mallen gör tre jobb. Den tvingar fram belägg (inget "för att vd:n gillar det"). Den namnger målgruppen, så att du testar där problemet finns. Och den låser det primära måttet innan testet börjar, vilket hindrar att man väljer ett smickrande mått i efterhand. En version att kopiera finns i vår mall för A/B-testplan.

3. Prioritering: PIE, ICE eller PXL

Du kommer alltid att ha fler idéer än kapacitet. Tre poängramverk dominerar:

• PIE (Potential, Importance, Ease), populariserat av WiderFunnel: poängsätt var och en 1–10 och räkna ut genomsnittet. ”Importance” handlar om hur värdefull trafiken på sidan är.
• ICE (Impact, Confidence, Ease), från growth marketing: ge vart och ett 1–10 poäng och ta medelvärdet. ”Confidence” är hur starka dina belägg är.
• PXL, från CXL: en checklista med mest ja/nej-frågor och fasta poäng, till exempel om ändringen syns utan att man scrollar, om den märks inom fem sekunder, om den lägger till eller tar bort ett element, om den körs på en sida med mycket trafik och om den löser ett problem som hittats i användartester, kvalitativ feedback eller analysdata. Enkelhet poängsätts utifrån uppskattad arbetsinsats. CXL utformade den för att ta bort den gissning som PIE och ICE lämnar kvar i ”effekt”.

Exempel (illustrativa poäng för en backlog, PXL förenklat till sju frågor):

Alla tre ramverken är överens om att A går först och D sist. De är oense om C: PIE placerar det nära B eftersom ”potential” bedöms generöst, medan ICE och PXL straffar bristen på belägg. Den oenigheten är just skälet till att välja ramverk medvetet.

Vår syn: använd ICE för ett litet team som behöver rangordna 20 idéer på en eftermiddag. Byt till PXL när fler än en person poängsätter idéer, eftersom ja/nej-frågor ger konsekventa poäng mellan personer och hindrar den som låter mest från att blåsa upp ”effekt”. PIE är användbart när du bestämmer vilken sida du ska arbeta med, mindre för enskilda idéer. Vad du än väljer, vikta belägg tungt: det som bäst förutsäger ett vinnande test är en hypotes som bygger på research.

4. Testning

Bygg varianten, kvalitetssäkra den i alla stora webbläsare och enheter och kör ett kontrollerat experiment där trafiken räcker (se statistikavsnittet nedan). Skriv ner före lansering: primärt mätetal, skyddsmått, urvalsstorlek, planerad längd och stoppregel. Om du inte kan fylla i de fem är du inte redo att lansera.

5. Analys

När det planerade urvalet har nåtts, kontrollera först datakvaliteten (urvalsfördelning, spårning), sedan det primära måttet, sedan skyddsmåtten och därefter förregistrerade segment som enhet eller nya kontra återkommande besökare. Behandla segmentfynd som du inte planerat som nya hypoteser, inte slutsatser: dela upp ett test på tillräckligt många sätt så kommer något att se signifikant ut av en slump.

6. Utrullning och lärande

Implementera vinnarna ordentligt (i kodbasen, inte kvarlämnade på 100 % i testverktyget i månader). Dokumentera varje test i en logg: hypotes, skärmdumpar, siffror, beslut och vad det lärde dig om dina besökare. Ett förlorande test som motbevisar en utbredd uppfattning är ofta värt mer än en liten vinst, men bara om någon skriver ner det.

Teststatistik, rätt gjord

Du behöver inte vara statistiker för att köra giltiga tester, men du måste respektera fem idéer. Den bästa enskilda referensen är Kohavi, Tang och Xu, Trustworthy Online Controlled Experiments (2020).

Urvalsstorlek: bestäm den innan du börjar

Hur många besökare du behöver beror på din grundläggande konverteringsgrad, den minsta effekt du vill kunna upptäcka (minimum detectable effect, MDE), din signifikansnivå (alfa) och din statistiska styrka. För ett tvåsidigt test som jämför två proportioner:

n per variant = [ z_1-α/2 × √(2 p̄(1-p̄)) + z_1-β × √(p₁(1-p₁) + p₂(1-p₂)) ]² / (p₂ - p₁)²

Genomräknat exempel: baslinje p₁ = 3 %, MDE = 20 % relativt, alltså p₂ = 3,6 %. Alfa = 0,05 (tvåsidigt), alltså z = 1,96. Styrka = 0,8, alltså z ≈ 0,8416. Den poolade andelen p̄ = 3,3 %.

1. Första termen: 1,96 × √(2 × 0,033 × 0,967) = 1,96 × √0,06382 = 1,96 × 0,2526 = 0,4951
2. Andra termen: 0,8416 × √(0,03 × 0,97 + 0,036 × 0,964) = 0,8416 × √(0,02910 + 0,03470) = 0,8416 × 0,2526 = 0,2126
3. Täljare: (0,4951 + 0,2126)² = 0,7077² = 0,5009
4. Nämnare: (0,036 − 0,03)² = 0,006² = 0,000036
5. n = 0,5009 / 0,000036 ≈ 13 900 besökare per variant, cirka 27 800 totalt.

Det stämmer med vad Evan Millers kalkylator för urvalsstorlek ger för samma indata, och du kan kontrollera ditt eget scenario i vår A/B-testkalkylator. Notera hur brutal matematiken är: halvera MDE till 10 % och du behöver ungefär fyra gånger så mycket trafik. Vårt inlägg om urvalsstorlek för A/B-tester har uppslagstabeller för vanliga baslinjer.

Längd: urvalsstorlek delat med trafik, i hela veckor

Testets längd = totalt urval som behövs / antal relevanta besökare per vecka, avrundat uppåt till hela veckor.

Exempel: sidan ovan får 7 000 relevanta besökare i veckan. 27 800 / 7 000 = 3,97, så kör testet i 4 hela veckor. Hela veckor spelar roll eftersom besökare på vardagar och helger beter sig olika; att avbryta på en onsdag överrepresenterar en del av veckan. Som tumregel: kör minst en hel affärscykel och undvik tester som är längre än sex till åtta veckor, eftersom borttagna cookies och säsongsförändringar därefter börjar förorena urvalet.

Tjuvtitta inte (eller använd en metod som är byggd för det)

Att kontrollera ett vanligt test med fast horisont varje dag och stoppa det i samma stund som det når p < 0,05 ökar andelen falska positiva dramatiskt, som Evan Miller visar i How Not To Run an A/B Test. Antingen binder du dig till den planerade urvalsstorleken och läser bara av resultatet i slutet, eller så använder du ett verktyg vars statistik är byggd för kontinuerlig övervakning (sekventiell testning). Att titta på en dashboard är okej; att agera på den för tidigt är problemet.

Kontrollera om fördelningen av urvalet avviker (sample ratio mismatch)

Om du delar trafiken 50/50 och får 10 000 besökare i kontrollgruppen och 9 400 i varianten är något trasigt: en omdirigering som tappar användare, ett botfilter som slår mot en gren, en variant som kraschar i vissa webbläsare. Ett chi-två-test på antalet besökare flaggar det. Kohavi med kollegor behandlar sample ratio mismatch som en av de viktigaste tillförlitlighetskontrollerna; när den slår till ska du inte tolka resultatet utan hitta felet.

Nyhetseffekter, ett primärt mått och skyddsmått

• Nyhets- och vaneeffekter: återkommande besökare kan klicka på ett nytt element för att det är nytt, eller ignorera det för att de är vana vid den gamla layouten. Jämför vecka ett med senare veckor; om effekten avtar, var skeptisk.
• Ett primärt mätetal: bestämt i förväg, helst det mätetal närmast intäkter som du kan mäta med tillräcklig volym. Tio ”primära” mätetal garanterar en falsk vinnare någonstans.
• Skyddsmått: saker som inte får bli sämre, som intäkt per besökare, leadkvalitet, andel återbetalningar och sidans laddningstid. En variant som ökar registreringarna med 10 % men sänker det genomsnittliga ordervärdet med 15 % är ingen vinnare.

Och testa en sammanhängande ändring per variant om du inte har mycket trafik. Vår jämförelse av A/B-tester och multivariata tester förklarar när den multivariata vägen är värd sin trafikkostnad (sällan, under sexsiffriga antal besökare per månad).

CRO för B2B-webbplatser och webbplatser med lite trafik

De flesta råd om CRO är skrivna av personer som optimerar konsumentsajter med stora volymer. B2B-webbplatser, och små konsumentsajter, har tre strukturella problem:

1. Låg trafik. Det genomräknade exemplet ovan kräver ungefär 27 800 besökare för ett test. En sida med 5 000 besökare i månaden skulle behöva fem till sex månader, och då har marknaden, annonserna och själva sidan hunnit förändras.
2. Långa säljcykler. Ett test kan räkna ifyllda formulär på några veckor, men om de leadsen blev pipeline tar månader att se. Varianten som vinner på demoförfrågningar i februari kan förlora på intäkter i juni om den lockade företag som passar dåligt.
3. Ojämnt konverteringsvärde. En demoförfrågan kan komma från ett företag som kan bli din största kund, en annan från en student. Konverteringsgraden behandlar dem lika, och intäktsviktade mått är mycket brusigare, så de kräver ännu mer data.

Inget av detta betyder ”strunta i CRO”. Det betyder att du ska ändra metod.

Vad du ska testa först

När du bara kan köra en handfull tester per år, kör de som har stora förväntade effekter på sidor nära intäkterna. En rimlig ordning:

1. Rubriker och värdeerbjudande på dina kommersiella sidor med mest trafik: resultatfokuserat kontra funktionsfokuserat, målgruppsspecifikt kontra generiskt, problemfokuserat kontra lösningsfokuserat.
2. Erbjudandet och CTA:n: inte bara knapptexten, utan vad du erbjuder (demo, produktrundtur, bedömning, prissamtal) och var det visas.
3. Formulär: fält, kvalificerande frågor, ett steg eller flera steg. Mät leadkvalitet, inte bara hur många som fyller i.
4. Layout och sidstruktur sist: dyrast att bygga, i genomsnitt minst effekt och långsammast att mäta.

Ta större kliv

Nödvändig urvalsstorlek skalar med inversen av effektens kvadrat. Att upptäcka en förbättring på 40 % kräver ungefär en fjärdedel av trafiken jämfört med en förbättring på 20 %. Små justeringar går inte att testa med låg trafik; djärva, researchbaserade förändringar (ett helt annat argument i rubriken, ett annat erbjudande) går. De lär dig också mer om dina köpare, medan små justeringar bara lär dig något om sidan.

Testa mikrokonverteringar tidigare i tratten

Om demoförfrågningar är för sällsynta, välj ett primärt mått högre upp i tratten som rimligen hänger ihop med dem: klick till demosidan, påbörjade formulär, besök på prissidan från startsidan. Ett mått som inträffar tio gånger så ofta gör att tester når tillräcklig styrka ungefär tio gånger snabbare. Nackdelen är att du ändå måste bevaka makrokonverteringen som skyddsmått, eftersom en mikrokonvertering kan öka medan de verkliga konverteringarna står still.

Acceptera en säkerhet som är anpassad efter beslutet

Alla beslut behöver inte 95 % konfidens. För textändringar som lätt kan återställas är en lägre tröskel (eller en bayesiansk avläsning av ”sannolikhet att vara bäst”) en rimlig avvägning mellan snabbhet och säkerhet. För strukturella ändringar som är dyra att backa, till exempel en omdesign av prissidan, ska du kräva starka belägg. Bestäm tröskeln före testet, inte efter att du sett siffrorna.

Sekventiella tester och före/efter-tester, med förbehåll

När ett split-test är omöjligt (upplevelser för målkonton med några dussin besök, en ändring av navigeringen på hela webbplatsen) är en före/efter-jämförelse bättre än ingenting, men var ärlig om dess svaghet: säsongsvariationer, kampanjer, säljaktivitet och marknadsnyheter förändras samtidigt som din sida. Minska risken genom att jämföra lika långa perioder, kontrollera ett kontrollmått som din ändring inte borde påverka (rörde det sig också är förändringen troligen extern) och upprepa bytet (på, av, på) där du kan.

Luta dig mot kvalitativ research

Med lite trafik är fem kundintervjuer och tjugo inspelade säljsamtal värda mer än ett test med för låg styrka. Använd kvalitativt arbete för att göra ändringar som du är ganska säker på, och spara testningen till de verkligt osäkra besluten där mycket står på spel.

Mät pipeline, inte formulärinskick

Exempel: variant A ger 20 leads varav 25 % blir affärsmöjligheter (5 affärsmöjligheter). Variant B ger 30 leads varav 10 % blir affärsmöjligheter (3). B ”vann” på konverteringsgrad och förlorade på det mått som spelar roll. Koppla ditt testverktyg eller analysverktyg till CRM så att varje lead bär med sig sin variant, och gå tillbaka till resultaten när datan om affärsmöjligheter har mognat. Kontrollera också resultaten per segment: ett platt totalresultat kan dölja en vinnare för enterprise-besökare och en förlorare för små företag som tar ut varandra. För CRO-taktiker specifika för B2B, som kvalificerande formulär, sociala bevis för enterprise och innehåll för köpkommittéer, se vår fördjupade guide om konverteringsoptimering för B2B.

Genomföra en CRO-granskning

En CRO-granskning är researchsteget komprimerat till en engångsgenomgång, användbar när du tar över en webbplats eller snabbt behöver en prioriterad plan. Den korta versionen:

1. Kontrollera mätningen: konverteringshändelser, steg i tratten, spårning mellan domäner, filtrerad intern trafik.
2. Kartlägg tratten per enhet och kanal, och hitta de två steg med störst absolut förlust.
3. Granska de sidorna heuristiskt: hur tydligt erbjudandet är på fem sekunder, relevans för trafikkällan, friktion (fält, steg, laddningstid), oro (förtroende, pris, integritet) och distraktion.
4. Samla in kvalitativa belägg på samma sidor: inspelningar, en kort enkät, några användartester.
5. Logga fynden som antingen ”åtgärda direkt” (buggar, trasiga flöden), ”undersök” eller ”testa”, vart och ett med en hypotes och en prioriteringspoäng.

Vår checklista för CRO-granskning listar varje kontroll, och genomgången av CRO-granskningen visar hur du gör om resultaten till en färdplan.

Vad du ska fokusera på, per sidtyp

Två externa riktmärken är värda att känna till. Baymard Institute, som tar genomsnittet av 50 studier, anger dokumenterade övergivna kundvagnar online till cirka 70 %; bland kunder som övergav av andra skäl än att de ”bara tittade” rankas extra kostnader (40 %) och tvingande kontoskapande (18 %) högt, och Baymard uppskattar att en idealisk kassa bara behöver 7–8 formulärfält mot ett genomsnitt i USA på cirka 15. För formulär i allmänhet är Nielsen Norman Groups rekommendationer om formuläranvändbarhet (håll formulären korta, en kolumn, förklara krav i förväg, specifika felmeddelanden) en gedigen checklista. B2B-formulär är delvis ett undantag från ”kortare är alltid bättre”, eftersom kvalificerande fält skyddar säljtiden; vår guide till design av formulär för leadinsamling tar upp hur du anpassar formulärlängden efter köpintentionen, och optimering av B2B-landningssidor går djupare in på kampanjsidor.

Personalisering som hävstång för CRO

Ett klassiskt A/B-test frågar ”vilken version är bäst för alla?” Ibland är det ärliga svaret ”ingen av dem”: en köpare på ett storföretag och en startup med fem personer vill ha olika bevis, olika språk och olika nästa steg, och genomsnittsresultatet döljer det. Personalisering innebär att visa olika upplevelser för definierade segment och sedan mäta var och en mot en kontrollgrupp för det segmentet.

Det slår testning med en version för alla när tre villkor är uppfyllda: din målgrupp delar upp sig i segment med verkligt olika behov (efter bransch, företagsstorlek, fas i tratten eller trafikkälla), du kan tillförlitligt känna igen segmenten när de kommer, och du har innehåll som faktiskt skiljer sig för varje segment. Saknas något av dem ger personalisering mer komplexitet utan förbättring. Det delar också upp din trafik, så det är ingen genväg förbi matematiken för urvalsstorlek; börja med ett eller två stora segment och en sida. Vill du strukturera segmenten först går guiden till segmenteringsstrategi igenom det, och våra segmenteringsfunktioner visar hur Markettailor visar segmentspecifika varianter med en kontrollgrupp.

Vanliga CRO-misstag (och hur du åtgärdar dem)

1. Testa utan research. Idéer från brainstorming vinner mer sällan än idéer som bygger på belägg. Lösning: varje test hänvisar till den iakttagelse det bygger på.
2. Att avbryta tester i förtid. Tidiga ledningar är mest brus, och tjuvtittning ökar antalet falska positiva. Åtgärd: bestäm urvalsstorlek och längd i förväg.
3. Tester med för låg styrka. Ett test som bara kan upptäcka en ökning på 50 % kommer att kalla de flesta verkliga förbättringar för ”ingen skillnad”. Åtgärd: räkna ut vilken MDE du kan upptäcka före lansering och kör bara tester som rimligen kan nå den.
4. Att optimera fel mått. Fler leads, sämre pipeline. Åtgärd: ett primärt mått så nära intäkter som volymen tillåter, plus kvalitetsspärrar.
5. Att kalla förluster för misslyckanden. Team lägger i tysthet ner förlorande tester och går miste om lärdomen. Åtgärd: logga varje resultat och vad det motbevisade.
6. Att ignorera segment, eller övertolka dem. Båda händer. Lösning: förregistrera två eller tre segment (enhet, nya kontra återkommande, företagsstorlek) och behandla resten som hypoteser.
7. Att kopiera konkurrenter eller listor med ”bästa praxis”. Du ser deras sida, inte deras resultat. Åtgärd: använd dem som källor till hypoteser, aldrig som svar.
8. Att hoppa över kvalitetskontrollen. En variant som går sönder i en webbläsare ger en falsk förlorare och en sample ratio mismatch. Åtgärd: testa varje variant i de vanligaste webbläsarna och på de vanligaste enheterna före lansering.
9. Att behandla CRO som ett projekt. En granskning, fem åtgärder, klart. Lösning: en fast rytm med en ägare, en backlogg och en logg.
10. Att inte åtgärda uppenbara buggar för att "vi borde testa det". Lösning: det som är trasigt lagas; det som är osäkert testas.

CRO-verktyg per uppgift

Välj verktyg efter vilket jobb de gör, och köp testverktyget sist: de flesta team behöver bättre research innan de behöver mer testkapacitet.

• Analys: trattar, segment och händelser. Google Analytics 4, Adobe Analytics eller produktanalys som Mixpanel och Amplitude.
• Beteendeanalys: heatmaps och sessionsinspelningar. Microsoft Clarity, Hotjar, Contentsquare.
• Testning och personalisering: experiment på klient- eller serversidan. Optimizely, VWO, AB Tasty eller plattformar för feature flags för tester på serversidan.
• Enkäter och användarundersökningar: omröstningar på sidan och modererade eller omodererade användartester. Hotjar-enkäter, Typeform, UserTesting, Maze.

För en fullständigare jämförelse efter trafiknivå och budget, se vår sammanställning av verktyg för konverteringsoptimering.

Bygga ett CRO-program

CRO ger växande effekt bara när det drivs som ett program snarare än en serie enstaka åtgärder. Den minsta strukturen:

• En ägare med avsatt tid för det, plus tillgång till design- och utvecklingskapacitet. Utan utvecklingstid blir backloggen en önskelista.
• En rytm: en researchsprint varje kvartal, en prioriteringsgenomgång varannan vecka och en månatlig resultatgenomgång för intressenterna.
• En testlogg som alla kan söka i: hypotes, målgrupp, skärmdumpar, urval, resultat, beslut, lärdom. Efter ett år är den den mest värdefulla CRO-tillgången du äger.
• Ett realistiskt mål för testtakten. En konsumentwebbplats med mycket trafik kan köra flera tester i månaden parallellt på olika sidor. En B2B-webbplats med 10 000 besökare i månaden kanske klarar ett eller två i månaden, kombinerat med researchdrivna förbättringar.

Sätt förväntningar på vinstfrekvens från början. I Online Experimentation at Microsoft (Kohavi et al., 2009) rapporterar författarna att bara ungefär en tredjedel av idéerna förbättrade de mätvärden de var tänkta att förbättra, medan ungefär en tredjedel var neutrala och en tredjedel negativa. Microsofts idéer var inte dåliga; bra idéer är helt enkelt svåra att förutse. Om ditt program ”vinner” 80 % av sina tester är den troligare förklaringen slarvig statistik, inte exceptionella idéer. Bedöm ett CRO-program utifrån validerad kumulativ effekt och kvaliteten på det som har lärts, inte utifrån vinstfrekvensen.

Vanliga frågor

Vad är en bra konverteringsgrad?

Det finns ingen universellt bra siffra, eftersom konverteringsgraden beror på vad du räknar, din trafikmix, prisnivå och köpcykel. En gratis nyhetsbrevsregistrering och en enterprise-demoförfrågan värd sexsiffriga belopp kan inte dela riktmärke. Den användbara jämförelsen är mot din egen baslinje för samma sida, trafikkälla och enhet. Sikta på att förbättra den stadigt, och bedöm framgång utifrån intäkter eller pipeline per besökare snarare än enbart andelen.

Hur länge ska ett A/B-test pågå?

Kör det tills det når den urvalsstorlek du räknade fram före lansering, avrundat uppåt till hela veckor så att varje veckodag är lika representerad. Dela det totala antalet besökare som behövs med din kvalificerade trafik per vecka. För de flesta webbplatser innebär det två till sex veckor. Om beräkningen säger flera månader, testa en större ändring eller ett mått med högre volym i stället för att köra ett test i all oändlighet.

Vad är skillnaden mellan CRO och SEO?

SEO ökar hur många kvalificerade besökare som når din webbplats via organisk sökning. CRO ökar andelen av de besökarna, från alla kanaler, som utför en värdefull handling. De stöder varandra: sidor som tydligt besvarar sökarens intention brukar både ranka och konvertera bättre. Konflikter är ovanliga, men undvik CRO-ändringar som döljer eller tar bort innehåll som sökmotorer och besökare behöver.

Är CRO värt det för webbplatser med lite trafik?

Ja, men metoden ändras. Med begränsad trafik lutar du dig mot kvalitativ research som kundintervjuer, sessionsinspelningar och användartester, åtgärdar uppenbara problem direkt och sparar A/B-tester till djärva ändringar med mycket på spel, mätta på frekventa mått tidigare i tratten. Även helt utan tester hittar en researchdriven granskning av dina två eller tre viktigaste sidor oftast friktion som är värd att åtgärda.

Vad gör en CRO-specialist?

En CRO-specialist driver optimeringsloopen: analyserar trattar, genomför användarundersökningar, skriver hypoteser, prioriterar och utformar experiment, kontrollerar deras statistiska giltighet och omvandlar resultaten till rekommendationer. Rollen kombinerar analys, UX-research, gott omdöme som copywriter och tillräckligt med statistik för att undvika falska vinnare. Funderar du på yrket går vår översikt över jobb inom konverteringsoptimering igenom roller, kompetenser och hur du kommer igång.