スキップしてメイン コンテンツに移動

顧客を知る! アクセス解析でサイト訪問者の特長を掴め!

コンバージョンに至った訪問者の行動傾向をアクセス解析により分析する。

実際にWebサイト上でのGOAL(コンバージョン)に至った訪問者の行動パターンを知ることは、
そのビジネスにおける顧客を知るひとつの手がかりとなります。

アクセス解析を活用することで、自社の製品や商品、サービスに「興味」を持ってくれた、または「購入」してくれた人がWebサイト内でどの情報を見て、どのタイミングで行動(コンバージョン)してくれたのかが分かります。
当然それは、サイトシナリオの組立てやコンテンツ最適化、プロモーションのターゲティングをする上で有効な情報となります。

下の画像は、ユニーク訪問者別に見た「訪問」回数「ページビュー数」それとコンバージョンポイントとなる「問い合わせ」「資料請求」「デモ申し込み」のコンバージョンページ到達回数を表したレポートサンプルです。
(SiteTracker8 訪問者サマリにメトリックス「最後の新規訪問」「問合せ完了」「資料DL」「申込み完了」を加えたサンプル)

上のレポートを、ちょっと分かりやすい表現にしてみるとこんな感じ。



さらに、その中の「訪問者 7」さんの訪問回数の内訳を見たのがこれ。(いつに訪問があったかわかります。)

その「訪問者 7」さんの全閲覧ページがこれ。(いつどのページを見たかが分かります。)

というように、コンバージョンした訪問者の行動をつぎのようなことが分析できる。
・いつからいつの期間に何回来訪しているのか
・どのページを閲覧したのか
・コンバージョンページに到達したのか
(他にも、曜日や時間帯などの来訪傾向も分析できます。By SiteTracker)


そして、大きく2つの訪問者「資料請求をする人」と「問い合わせをする人」の行動傾向を比較してみると、それぞれ必要とする情報に違いが出てきます。
これは、資料請求や問い合わせというアクションに至る訪問者の状態(モチベーション)が異なるからですね。

つまり、資料請求する人は、商品に興味を持った段階と考えられ、基本的な情報(特長や価格、サービス、事例など)を必要としている状態だということが想像できます。

また、問い合わせする人は、商品をある程度「検討」してくれている段階と考えられ、他商品と比較する情報(スペック)や商品のレビューやナレッジ、事例、サポート内容などを頻繁に閲覧する傾向があります。

さらに、何人かをサンプルとして分析することで傾向がより顕著にあらわれてきます。



コンバージョンしてくれる顧客のサイト内行動パターンが見えてくれば、サイトシナリオだけでなくWebマーケティング全体のシナリオ最適化にも役立つのではないでしょうか?

サイト上でのコンバージョンに至るまでの期間と訪問回数、さらに、それぞれの訪問におけるコンテンツの見られ方が分かるので、ターゲットとする顧客と、その商品やサービス検討プロセスの仮説検証が可能になるのです。

これを応用して、リードナーチャリングの手法のひとつメルマガ→Webサイト誘導などで、その訪問者(メルマガ会員)がどのコンテンツに興味があり、検討プロセスのどのレベルにあるのかが分析できるので、アプローチの方法に変化をつけ訴求を高めることも可能になるでしょう。

BtoCでは対象顧客の母数が多すぎますが、ひとつの商談が大きめなBtoBのビジネスであれば、ちょっと根気強くこれらを分析するのはアリでしょう。

※ レポートサンプルは、SiteTracker8 Premier SQLiteで解析したサンプルです。ツールによって解析できる内容が異なりますのでご注意を。

コメント

  1. このコメントはブログの管理者によって削除されました。

    返信削除

コメントを投稿

このブログの人気の投稿

『手続きのコンバージョン分析 ~SiteTrackerの2つのシナリオ分析~』

コンバージョンに影響してくる手続きステップ Webサイトの中における目的(GOAL)として、資料請求や会員登録、商品購入など訪問者にアクションをとってもらうことがあります。 コンバージョンを上げるのに、これらの資料請求手続きやカート手続きのステップには特に神経を使う部分ではないでしょうか? 右の図でいうと、手続き開始ページの部分から完了ページまでの流れのところですね。 今回はその手続きステップにポイントを絞ったシナリオ分析について、図の「手続きページ→完了ページ」の部分をどうやって分析するべきか、SiteTracker8のシナリオレポートによる2つの設定によって解析結果の違いをみながら確認してみたいと思います。

解析データの根拠を追求できるSiteTrackerの「ドリルダウン機能」

手探りの解析には限界がある 定期的なアクセス解析運用を行っている中で、解析データの数値に異常値が出たとき、その原因をどこまでどのように追求してますか? フィルタ機能を駆使してセグメント化し、それぞれの特出したデータから推測することも当然必要ですが、ここはまずシンプルに「ドリルダウン機能」を使ってその数値の詳細を確かめることからはじm。 data-gtmクリック data-gtm=’バナークリック,レコメンドバナー_クリック,ボタン01’ data-trackeventnameクリック data-trackeventname="event_click" data-trackeventlabel="TOPボタン_GTM;1"