Website afhakers analyseren: van bezoekers naar betere beslissingen

De grootste fout bij afhakers analyseren is starten met een berg cijfers en hopen dat het patroon vanzelf opvalt. Het werkt andersom: je definieert eerst de route die een bezoeker idealiter aflegt, en pas daarna bepaal je welke data je nodig hebt om elke stap te meten. Voor de meeste websites is dat een keten van vijf tot zeven stappen, niet meer.

Voor CheckBorg ziet de kernfunnel er bijvoorbeeld zo uit: pagina bekijken, scan starten, resultaat bekijken, e-mail achterlaten, checkout starten en aankoop afronden. Voor een installatiebedrijf of webbureau is het vaak korter: landingspagina bekijken, offerteformulier openen, formulier verzenden, contact bevestigd. Het type bedrijf bepaalt de stappen, maar het principe blijft gelijk.

Zodra de funnel op papier staat, wordt analyseren een kwestie van invullen. Bij elke overgang van de ene stap naar de volgende verlies je een deel van de bezoekers. Die verliespercentages, de zogenoemde drop-off per stap, vertellen je precies waar het lek zit. Je hoeft niet alles te begrijpen, je hoeft alleen te zien wáár de meeste mensen verdwijnen. Een funnel van zes stappen geeft je vijf overgangen om naar te kijken, en dat is overzichtelijk genoeg om in een halve middag te beoordelen.

Twee soorten data vertellen samen het hele verhaal: pageviews en events. Pageviews laten zien waar mensen binnenkomen en hoe ze door de site bewegen. Events laten zien wat ze daar daadwerkelijk doen: een knop indrukken, een scan starten, een formulier verzenden. Wie alleen pageviews meet, weet waar het verkeer is maar niet of het iets oplevert. Wie alleen events meet, mist de context waarin die acties plaatsvinden.

Het onderscheid is praktisch belangrijk. Stel dat een dienstpagina veel bezoek krijgt maar weinig CTA-clicks oplevert, dan zit het probleem op die pagina zelf: de boodschap, het bewijs of de knop klopt niet. Krijgt diezelfde pagina veel clicks maar haakt iedereen af op het formulier erna, dan ligt het lek juist een stap verderop. Zonder beide datasoorten zou je de verkeerde pagina aanpakken.

Meet daarom per pagina minimaal: de pageview zelf en de belangrijkste actie die je op die pagina wilt uitlokken. Voor CheckBorg zijn dat onder andere scan gestart, scan voltooid, lead vastgelegd en checkout gestart. Geef events korte, consistente namen en houd de lijst bewust kort. Tien goed gekozen events zeggen meer dan honderd die niemand ooit opent. Liever drie maanden lang dezelfde vijf events dan elke maand een nieuwe meetstructuur die je niet kunt vergelijken.

Niet elke pagina hoeft direct te verkopen, en dat is precies waar veel analyses ontsporen. Een kennisbankartikel of blog heeft een andere taak dan een prijspagina. Beoordeel een pagina daarom op zijn eigen rol in de funnel, niet op een conversiedoel dat er niet bij past.

Een informerende pagina, zoals dit artikel, slaagt als hij de lezer helpt en vervolgens logisch doorlinkt naar een passende scan of landingspagina. De relevante meting is dan niet aankoop, maar of bezoekers van de informatiepagina doorklikken naar een actiepagina. Een commerciële landingspagina daarentegen meet je wél hard op CTA-clicks en formulierstarts. Door per pagina vast te leggen welke intentie erbij hoort, voorkom je dat je een prima informatiepagina afschrijft omdat hij niet direct verkoopt.

Maak dat concreet door elke belangrijke pagina een label te geven: informeren, overtuigen of converteren. Bij informeren let je op doorklik naar de volgende stap. Bij overtuigen op CTA-clicks en tijd op pagina in combinatie met de vervolgactie. Bij converteren op formulierstart, scanstart en afronding. Zo voorkom je dat je appels met peren vergelijkt en weet je per pagina welk getal er echt toe doet.

Als je eenmaal per stap ziet hoeveel mensen afhaken, ontstaat de verleiding om overal tegelijk aan te sleutelen. Doe dat niet. De winst zit bijna altijd in een of twee plekken, en die vind je door verkeer en actie tegen elkaar af te zetten.

De vuistregel: begin bij pagina's met veel verkeer en lage actie. Een pagina die duizend bezoekers per maand trekt maar waar slechts twee procent doorklikt, is een groter lek dan een pagina met vijftig bezoekers en tien procent doorklik, ook al klinkt dat laatste percentage slechter. Reken het in absolute aantallen door: hoeveel extra leads of aankopen levert het op als je de conversie op die drukke pagina met een paar procentpunt verbetert? Dat getal bepaalt je volgorde.

Kleine pagina's met weinig bezoek leveren meestal minder snelle winst op, hoe verleidelijk het ook is om een mooie maar onbezochte pagina te optimaliseren. Werk van groot lek naar klein lek, fix er één, meet het effect, en ga dan pas door. Zo bouw je aan een lijst van bewezen verbeteringen in plaats van een verzameling losse aanpassingen waarvan niemand het effect kent. Een gratis CheckBorg-scan helpt hier door per pagina technische en vertrouwenssignalen op te lijsten, zodat je de drukke lekpagina's gericht kunt nalopen.

Data zegt wáár iets gebeurt, niet altijd waaróm. Op het moment dat je een groot lek hebt aangewezen, stopt het cijferwerk en begint het kijken. Open de lekpagina zelf, het liefst op een mobiel, en doorloop hem als een nieuwe bezoeker die je bedrijf niet kent.

Let daarbij op een vaste set frictiepunten. Is binnen enkele seconden duidelijk voor wie de pagina is en wat de volgende stap is? Staat de belangrijkste knop zichtbaar en is de tekst erop concreet? Is er bewijs in de vorm van cases, reviews of logo's? Hoe snel laadt de pagina, en springt er niets rond tijdens het laden? En bij formulieren: hoeveel velden zijn er, en zijn ze allemaal echt nodig? Elk extra veld is een extra reden om af te haken.

Vertrouwen is een onderschatte oorzaak van afhaken, zeker bij mkb-websites en webshops. Ontbrekende contactgegevens, een verlopen of ontbrekend SSL-certificaat, geen privacyverklaring of waarschuwingen in de browser jagen bezoekers weg nog voordat ze de inhoud lezen. Dit zijn signalen die je niet altijd in je analytics terugziet, maar wel direct meetbaar zijn. Een gratis CheckBorg-scan brengt deze technische en vertrouwenssignalen objectief in kaart, zodat je naast je eigen funneldata een tweede, onafhankelijke blik hebt op waarom een drukke pagina toch lekt.

Een eenmalige analyse levert een eenmalig inzicht. De echte waarde ontstaat als je afhakers analyseren een vast ritme geeft, want pas dan kun je zien of een aanpassing echt iets deed of dat het toeval was. Leg na elke verbetering een nulmeting vast: de conversie per funnelstap op de dag van de wijziging.

Kies een frequentie die past bij het belang van de website. Voor een rustige bedrijfssite is maandelijks naar de funnel kijken genoeg. Voor een webshop of een actief leadkanaal is wekelijks verstandig, omdat campagnes, seizoenen en wijzigingen het beeld sneller laten schommelen. Belangrijk is dat je telkens dezelfde stappen en events vergelijkt; verander je halverwege je meetstructuur, dan verlies je de vergelijking met het verleden.

Vergelijk vooral met je eigen trend en niet met een algemeen branchegemiddelde. Wat een goede conversieratio is, hangt af van kanaal, intentie en aanbod, en een gemiddelde uit een rapport zegt weinig over jouw specifieke verkeer. Het getal dat telt is of jouw funnel deze maand beter presteert dan vorige maand, en of de verbeteringen die je doorvoerde aantoonbaar effect hadden. Zo wordt analyseren geen losse exercitie maar een stuurmiddel dat elke maand een paar concrete beslissingen oplevert.