Vind de verliezen in de checkout voordat u meer aan advertenties uitgeeft

Demo van het Lab voor websiteconversie en checkout — een aankooptrechter van vijf stappen van 10.000 sessies tot 300 betaalde bestellingen met een checkoutscenario

Meer verkeer kan meer mensen naar hetzelfde haperende aankooppad sturen. Bepaal voordat u een campagnebudget verhoogt waar bezoekers niet verder komen en of een verbetering zichzelf zou terugverdienen met de kosten die u werkelijk draagt. In het voorbeeld hieronder is het verhogen van één checkoutstap van 50% naar 60% $ 1.000 per periode waard na de eigen terugkerende kosten, en het meeste dat u eenmalig aan die wijziging kunt uitgeven en binnen drie perioden terugverdienen is $ 3.000.

Begin met een consistente trechter

Een aankooptrechter is alleen zinvol als elke stap hetzelfde telt bij dezelfde mensen. Sessies die een productpagina bereiken, een artikel toevoegen, de checkout starten en betalen moeten tot dezelfde gedefinieerde groep en hetzelfde observatievenster horen. Dat maakt het een gesloten trechter: elke stap telt alleen wie de vorige stap bereikte.

Drie definities bepalen of uw cijfers überhaupt vergelijkbaar zijn:

  • Teleenheid — sessies, gebruikers of bestellingen. Meng ze nooit en gebruik geen ruwe gebeurtenisaantallen: één bezoeker kan „artikel bekijken” tien keer activeren.
  • Cohort — wie in de eerste stap wordt geteld, over welke datums en in welke tijdzone.
  • Attributievenster — hoe lang na de eerste stap een latere stap nog meetelt.

Een aantal productgebeurtenissen is niet direct vergelijkbaar met een aantal unieke kopers. Is een latere stap groter dan een eerdere — bijvoorbeeld 23.800 productweergaven na 10.000 sessies —, dan is er geen gesloten trechter. Onderzoek de definities voordat u een percentage berekent; „corrigeer” de cijfers niet met de hand.

Nog twee regels voorkomen stille fouten. Een percentage over een stap met nul mensen is niet gedefinieerd, niet 0%. En een ontbrekend aantal is onbekend, niet nul.

Lees de trechter stap voor stap

Stel een winkel voor met 10.000 startsessies in oktober, 5.000 productweergaven, 1.000 winkelwagens, 600 gestarte checkouts en 300 betaalde bestellingen.

Stap Aantal Percentage vanaf vorige Niet verder
Binnenkomst 10.000 — —
Productpagina 5.000 50% 5.000
Winkelwagen 1.000 20% 4.000
Afrekenen 600 60% 400
Betaalde bestelling 300 50% 300

De totale conversie is 300 ÷ 10.000 = 3%. De grootste absolute uitval zit tussen productpagina en winkelwagen, maar de stap waar al besliste kopers verloren gaan is de laatste: slechts de helft van wie de checkout start, betaalt.

Het is verleidelijk om elke uitval te vermenigvuldigen met de orderwaarde en dat „verloren omzet” te noemen. Doe dat niet. Wie bij de productpagina vertrok, had ook nog de winkelwagen en de checkout moeten doorlopen. Wilt u een waarde per overgang, vermenigvuldig de uitval dan met de percentages van de latere stappen en uw dekkingsbijdrage per bestelling — en beschouw die als voorwaardelijk, nooit als bewezen verlies. Tel de waarden van verschillende stappen nooit op.

Houd apparaten en sites in beeld

Een gezamenlijk totaal kan een probleem in de mobiele checkout verbergen of een bron zwak laten lijken alleen omdat die een ander publiek brengt. In ons voorbeeld bestaan de 10.000 sessies uit twee aparte groepen:

  • Mobiel: 6.000 → 2.700 → 500 → 250 → 100 betaald (1,67%)
  • Desktop: 4.000 → 2.300 → 500 → 350 → 200 betaald (5%)

De mobiele checkout wordt in 40% van de gevallen afgerond, op desktop in 57%. Vergelijk de groepen — maar zie het verschil niet als bewijs dat een bepaald pagina-element het veroorzaakt. Telefoons en computers brengen andere mensen met andere bedoelingen.

Groepen mogen alleen opgeteld worden als ze niet overlappen (elke sessie hoort bij precies één groep) en hetzelfde cohort, dezelfde teleenheid en periode hebben. Vergelijkt u een maand van 31 dagen met een van 28, vergelijk dan per dag, niet de totalen.

Vertaal een scenario naar dekkingsbijdrage

De laatste overgang zet 50% van de checkouts om in betalingen. Verhoogt u die naar 60% terwijl de rest gelijk blijft, dan levert dat op:

10.000 × 0,5 × 0,2 × 0,6 × 0,6 = 360 verwachte bestellingen — 60 meer dan nu.

Gebruik nu een bedrag dat uw echte economie weergeeft. Het juiste getal is niet de omzet, maar de dekkingsbijdrage per betaalde bestelling: wat één afgeronde bestelling overlaat na goederen, betaalkosten, verzending en verwachte retouren, vóór de vaste kosten van de periode. Stel dat elke bestelling $ 20 bijdraagt.

Stap Berekening Resultaat
Verandering dekkingsbijdrage 60 × $ 20 $ 1.200 per periode
Netto per periode $ 1.200 − $ 200 terugkerend $ 1.000
Netto over 3 perioden 3 × $ 1.000 − $ 1.800 eenmalig $ 1.200
Eenvoudige terugverdientijd $ 1.800 ÷ $ 1.000 1,8 perioden
Maximaal eenmalig budget 3 × $ 1.000 $ 3.000

Met $ 200 terugkerende kosten en een implementatiefactuur van $ 1.800 blijft er $ 1.000 per periode over en verdient het scenario zich terug in 1,8 perioden. Deze cijfers gelden alleen als het doel werkelijk wordt gehaald. Een doel is uw aanname, geen prognose.

Pas hetzelfde doel van 60% alleen toe op de mobiele groep en het antwoord verandert, want de berekening start bij de eigen percentages van die groep: van 100 naar 150 verwachte bestellingen, +50, dus $ 1.000 dekkingsbijdrage, $ 800 netto per periode en terugverdiend in 2,25 perioden. Gebruik het resultaat van het totaal nooit opnieuw voor een segment.

Tel overlappende kansen niet op

Stel dat u ook denkt dat de stap van winkelwagen naar afrekenen van 60% naar 70% kan. Op zichzelf voegt die 50 bestellingen toe; de betaalverbetering alleen 60. Samen voegen ze niet 110 toe, maar 120:

10.000 × 0,5 × 0,2 × 0,7 × 0,6 = 420 verwachte bestellingen.

Een verbetering in een eerdere stap verandert hoeveel mensen de latere stappen bereiken, dus het gecombineerde scenario moet over de hele reeks opnieuw worden berekend. Afzonderlijke kansen optellen geeft een verkeerd antwoord — soms te hoog, soms te laag. Om dezelfde reden mag een lijst „gederfde winst per stap” nooit worden opgeteld.

Als meer bestellingen minder winst betekenen

De dekkingsbijdrage kan negatief zijn. Een outlet die na verzending en retouren onder de variabele kosten verkoopt, verliest geld op elke afgeronde bestelling. Leveren dezelfde +60 bestellingen elk −$ 20 op, dan is de verandering −$ 1.200 per periode, −$ 1.400 na de $ 200 terugkerende kosten, en wordt de verbetering nooit terugverdiend. Een conversieproject loont alleen waar de extra bestellingen iets opleveren.

Eén winkel of meerdere

Een zelfstandige winkel heeft misschien maar een paar totalen nodig. Een middelgrote verkoper heeft mogelijk aparte cohorten per apparaat, bron, land en site nodig, een eigen dekkingsbijdrage per site en een export van precies het bereik dat wordt bekeken. In beide gevallen zijn de definities belangrijker dan het aantal grafieken.

Checklist voordat u het advertentiebudget verhoogt

  1. Noteer de teleenheid, het cohort, de periode en het attributievenster van uw trechter.
  2. Controleer dat geen enkele stap groter is dan de vorige.
  3. Bekijk apparaten, sites en bronnen apart; tel ze alleen op als ze niet kunnen overlappen.
  4. Gebruik de dekkingsbijdrage per betaalde bestelling, niet de gemiddelde orderwaarde.
  5. Stel een expliciet doel voor de stap die u wilt verbeteren en prijs de wijziging: eenmalige kosten, terugkerende kosten en horizon.
  6. Bereken meerdere verbeteringen samen in plaats van ze op te tellen.
  7. Zie het resultaat als een scenario, niet als een gegarandeerde stijging — en test de wijziging voordat u het verkeer opschaalt.

Reken met uw eigen cijfers

Het Lab voor websiteconversie en checkout combineert aantallen per stap met de dekkingsbijdrage en de kosten van de wijziging die u invoert. Het importeert geaggregeerde exports met expliciete kolomkoppeling, blokkeert open trechters en onverenigbare groepen en toont elke rekenstap. Volg in de vaste demo de cijfers van sessies tot terugverdientijd — geen AI-gissingen, exacte rekenkunde.

Voor een andere vraag — of advertenties extra winst opleveren in plaats van de eer te krijgen voor verkopen die toch zouden plaatsvinden — gebruikt u Advertising Profit & Experiment Lab.

Tools uit deze gids

Meer gidsen