Del 1: Introduktion till webbanalys

Du kanske frågar dig vad webbanalys är och varför är det viktigt? Jag är glad att du frågar, och denna del kommer att besvara detta, hoppas jag. Ett ämne som ofta följer med på köpet är sökmotoroptimering och andra knep för att nå ut.

Webbanalys handlar inte om simpla knep eller genvägar! Däremot är webbanalys ditt sätt att lära känna din webbplats, dina användare och hur de använder webbplatsen. Det är ett metodiskt sätt att utvärdera om förändringar bär frukt och vad som kan bli ännu bättre.

Webbplatsen är inte bara en digital plats fylld av sidor, bilder och dokument. Ofta har man ett syfte, eller åtminstone en förhoppning med den som dess skapare. Något man önskar att webbplatsen ska bidra med, något som ska hända. Det kan vara att sälja varor, förmedla kontakt mellan människor, informera medborgare om samhällsservice eller deras rättigheter, och mycket annat.

Att jobba med webbanalys handlar om att förbättra, eller kanske förenkla, det som webbplatsen ska möjliggöra. Att göra det intuitivt att hitta fram till, och enkelt att exempelvis fullfölja, alla delsteg i en köpprocess. Webbanalys är alltså alla verktyg och sysslor som bidrar till hur man optimerar en webbplats!

Man skulle kunna tro att webbanalys går ut på att samla på sig mängder med data för att sedan leta efter nålen i höstacken. Det är inte riktigt så det går till. Webbanalys är att med hjälp av insamlad data nå insikt i användarens upplevelse av en webbplats. Med avsikten att förbättra upplevelsen. Att göra webbplatsen mer nyttig.

Det korta svaret på vad webbanalys är besvaras rätt bra av Wikipedia, tycker jag:

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

Det är lätt hänt att fokus hamnar på att analysera insamlad besöksstatistik när man gör webb- eller intranätanalys. Dock ingår all form av utvärdering i begreppet – inte bara hur en webbplats används. Jag hör allt oftare att branschkollegor, utöver sin besöksstatistik, använder andra typer av verktyg för att skaffa sig en överblick över sina webbplatser. Det man kan behöva överblick kring är att enkelt sålla fram sidor med diverse problem. Exempelvis att se vilka sidor som inte lever upp till organisationens ambition kring tillgänglighet, var man använder onödigt högupplösta bilder, var folk försvinner från webbplatsen, med mera.

Mycket handlar om annat än den besöksstatistik praktiskt taget alla samlar in. Dessutom finns det andra aspekter än de strikt kommersiella och envetna e-handelsliknelserna. Men först ska vi gå igenom grunderna i hur man jobbar med sin webbstatistik, bearbetar sina data, vilka metoder och verktyg alla behöver känna till. Mycket av detta kan du använda i andra webbanalyssammanhang, förutsatt att tillräcklig data finns att tillgå.

Intro till att jobba mätbart – börja med en nollmätning

Det finns ett antal aktiviteter för att komma igång och jobba mätbart med sin webbplats. En sak är att komma fram till verksamhetsmål som ska styra webbplatsens utveckling, vilket vi kommer in på strax, en annan är att få koll på läget. Har man redan en webbplats gör man något som kallas för en nollmätning. Det går ut på att göra sin allra första mätning av hur nuläget är. Det som kommer stå som modell för att beskriva framtida förändringar. De värden som du och dina kollegor kommer att skrocka om på fikarasten om några år, i bästa fall, eller det du använder i utvärderingen för att kvalitetstesta en uppdaterad webbplats. Webbplatsens referenspunkt helt enkelt.

Nu kanske jag tar upp det uppenbara, men varför inte, det är väl lika bra så ingen råkar missa det. För att det ska vara meningsfullt och rättvist att jämföra hur webbplatsen presterar över tid behöver du ha kontroll över de omständigheter som påverkar mätningen.

Mitt råd är att utforma minst en sida på webbplatsen som är den du nollmäter webbplatsens tekniska kvalitet mot. Helst har du en testsida per typ av sida, säg en för startsida, en ytterligare för produktsidor, en för artiklar, och så vidare. Det är mot dessa sidor du över tid ska kontrollera att webbplatsen kontinuerligt blir bättre, eller åtminstone inte sämre och sämre. Dessa sidor är vars adresser du matar in i verktyg framöver för att kolla hur snabbt sidorna svarar, laddar färdigt, om de anses mobilvänliga, etc.

Kom ihåg att exempelinnehållet på dessa testsidor även det måste bestå över tid. Om det gör det kan du faktiskt ställa väldigt konkreta - och mätbara - acceptanskriterier när du beställer en helt ny webbplats. Det är väl inte mer än rätt att man förväntar sig att en ny webbplats är bättre än den föregående, eller hur?

För att hålla koll på att redaktionellt innehåll eller sådant som kommer serverat från andra system håller rätt kvalitet så kan ett arbetssätt vara att bevaka de mest nyskapade sidorna. Annars riskerar webbplatsen att bli allt sämre över tid.

Jag kan tycka att all kommunikation kring förbättringar av en webbplats ska innehålla en jämförelse mot både ens nollmätning och den senaste referenspunkten innan förändringen. Då kan man se i konkreta siffror att inget blev sämre, och om en utlovad förbättring faktiskt inträffade. Varför har man då officiella och utpekade testsidor? Jo, då kan leverantören kolla sin leverans mot testsidan innan de anser att de är klara och ropar ”Färdig!”

Dessa mätningar kan handla om så oerhört mycket mer än det du får fram i din webbstatistik. Bland annat kan det vara:

1. Efterlevnad till uppsatta mål om tillgänglighet enligt WCAG.
2. Språkliga ting, som vilka förkortningar som accepteras.
3. Hur responsiviteten är exempelvis på bilders upplösning.
4. Vilken svarstid webbservern får lov att ha under svåra glesbygdsförhållanden via 3G-nätet.
5. Vad externa aktörer som Google och Pingdom anser om ens prestanda för otåliga besökare.

Fler exempel på mätbara acceptanskriterier hittar du i den sista delen av boken som tar upp vilka aktiviteter man kan jobba med för att få koll på sin webbplats kvalitet. Innan vi kommit så långt i ämnet webbanalys ska vi dock prata metoder, dokumentation och målsättning.

Dokumentation man bör ha innan ett nytt webbprojekt startar

Det finns mycket att tänka på innan man startar ett nytt webbprojekt. Dessa saker tenderar att förändras över tid vilket gör det svårt att återanvända förra webbprojektets krav rakt av. Jag tänkte ta upp några punkter jag skulle vilja påstå allt för sällan diskuteras innan ett projekt kommer igång på allvar. Detta är en snabbintroduktion i dokumentation, det kommer en djupdykning senare där stilguide, designmönster och prestandabudget diskuteras i längre ordalag. Denna del är vad alla inblandade i ett webbprojekt bör veta.

Nedan rubriker kan du ha i ett dokument som följer med projektet fram till leverans – och sedan lämnas över till förvaltning av ens egen kontrollinstans (den egna webbanalytikern?). Detta görs för att se till att man inte löpande avviker från den initiala överenskommelsen under sin förvaltning av webbplatsen. Poängen är alltså inte att webbplatsen ska vara glänsande fin på lanseringsdagen utan minst lika bra tre månader senare.

Jag vet att du hört det förut – man blir aldrig ”klar” med en webbplats. Det är viktigare hur bra den fungerar efter ett år än hur fin den var som prototyp. Lika gärna som att du kontinuerligt måste förbättra webbplatsen för att den inte ska avveckla sig själv bör du löpande revidera de mätbara kraven du ställer på webbplatsen. Du bör ständigt höja kraven i takt med att omvärlden förändras.

Ska man använda någon annans innehållsnätverk?

Innehållsnätverk (kallas ofta för CDN - Content Delivery Networks) används för att slippa ha filer lokalt på en egen webbplats. I många fall ger det snabbare nedladdningstid eller andra prestandafördelar för användarna, samtidigt som det är både billigt och enkelt att få till på sina webbplats. Vanligaste varianten lär vara att hämta spårningskod för webbanalysverktyg som Google Analytics på detta vis. Däri ligger också den största anledningen till att man behöver fundera igenom sin användning av innehållsnätverk. De inkräktar mer eller mindre mycket på användarens personliga integritet eftersom man blandar in en tredje part i kommunikationen med sin användare.

Du bör välja webbplatsens tredjepartstjänster med stor omsorg. Det är du som utgivare av en webbplats som måste tänka till kring dina användares integritet, vilka parter du bjuder in att bidra till din webbplats och därmed hur användningsdata kan komma på villovägar. Det är fullt möjligt att sätta upp egna innehållsnätverk, stora som små.

Andra exempel utöver Google Analytics är de webbplatser som hämtar in teckensnitt från Google Fonts eller har ett socialt flöde från Facebook integrerat. Många har knappar för att dela inlägget i sociala medier eller de som låter Wordpress.com hantera bilderna för våra egna Wordpress-sajter. Nästan alltid när man får en kod att klistra in från en tjänst kommer denna problematik på köpet. Tänk inbäddningskod från videotjänster. Så fort en bild eller annat visuellt ska visas hämtas det ofta från tredjepartstjänstens webbservrar utan att besökaren aktivt behöver interagera med tjänsten.

Man kan driva sitt eget innehållsnätverk, men där kan du förstås inte placera Facebooks nyhetsflöde eller Google Analytics spårningskod. Men mycket annat. Som bilder, video, designramverk som Jquery, eller annat som används för att få webbplatsen att fungera som det är tänkt. Då kan man hämta hem lite av den vinsten som ett innehållsnätverk erbjuder. För dig som driver en mycket liten webbplats kan du kolla exempelvis på webbhotellstjänster som Loopias Autobahn. Sådana tjänster är specialgjord för att snabbt skicka filer som sällan eller aldrig uppdateras – det vill säga statiska filer. Eller om du bedömer att storskaliga tredjepartstjänster inte är någon större fara för just dina besökare så kolla upp Cloudflare med flera som ofta är enkla att integrera med de flesta webbpubliceringssystemen (CMS).

Jag föreslår att man delar denna frågeställning i två delar; hur gör vi med webbanalys samt hur gör vi med innehållsnätverk för andra behov.

För webbanalys är Google Analytics oerhört vanligt. Under 2015 fanns Google Analytics exempelvis på 8 av 10 av kommunernas webbplatser. Ser man integritet mest som en juridisk fråga så är det allt vanligare att kontrakten med leverantörerna av webbanalysverktyg gör det klart att du äger din användardata. Vill man värna integriteten extra mycket just kring att samla besökarstatistik finns alternativet Matomo¹ som man kan lägga på ens egen webbserver. Då blir det svårare för främmande länders övervakningsmyndigheter att ha koll på dina användare.

Sedan finns väldigt många nischade verktyg som erbjuder annat nyttigt till webbanalys, som att kunna spela in besökares session på webbplatsen, enkätverktyg, A/B-tester, kolla hur långt ner användarna skrollar och annat vi kommer gå igenom senare. Det första och kanske viktigaste beslutet är vilka av de stora drakarna du låter få en god överblick. Kör du med Google Analytics läggs det in på varje sida och du lär behålla det väldigt länge. Då får Google väldigt mycket större insyn den vägen än om du bäddar in några utspridda Youtube-klipp (Google äger Youtube). Ta ett aktivt beslut och dokumentera gärna hur ni resonerade.

Angående den andra delfrågan, den om innehållsnätverk för att stötta designen av webbplatsen, så handlar det om när man väljer att designa sin webbplats på ett sätt att den drar nytta av andras tjänster. Främsta argumentet för detta är att dessa tredjeparter ofta kan skicka innehåll snabbare till din användare än du kan. Alltså blir upplevelsen snabbare, din webbplats avlastas och kan således ta hand om fler användare.

Några exempel där man har att vinna på att använda innehållsnätverk för bättre användarprestanda är:

• Strömma video eller ljud från en datahall placerad så nära respektive användare som möjligt.
• Låta Google, Microsoft eller annat större företag skicka vanliga filer som inte är unika för din webbplats. Exempelvis teckensnitt, kodbibliotek som Jquery, med mera.
• Placera sina egna statiska filer som bilder, dokument, med mera på ett innehållsnätverk eller webbserver som är specialiserad på snabb filöverföring.

Sen ska man ju komma ihåg att detta är ett nytt beroende man utsätter sin webbplats för, att fler kockar blir inblandade för att sidan ska visa upp sig på rätt sätt. Detta var något som många stora medier fick erfara när Facebook hade en driftstörning med sin gilla-knapp under 2013.

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

Många gånger har man nog inte gjort ett särskilt aktivt val, eller åtminstone inte ett särskilt genomtänkt val, det bara blev som det blev. Jag har själv utvärderat projekt där frågan om varför det fanns så många externa beroenden besvarades av utvecklaren i stil med ”vi brukar göra på det sättet”. Alltså hade frågan aldrig tagits upp med beställaren. Därför kan det vara bra att föregå dessa automatiska icke-beslut med en dokumentation.

Vilka acceptanskriterier blir det?

Det är inte alltid man har några acceptanskriterier över huvud taget. Ibland har man inte stöd för dem i avtalet med leverantören. När jag jobbat som utvecklare har vi ibland haft en ganska omfattande dokumentation om hur man definierar att man är färdig med ett mjukvaruprojekt, men det täcker inte in alla aspekter av en webbplats. Men har du någon dokumentation som definierar ett gott hantverk, eller hittar en du gillar, så diskutera den med leverantören, eller internt, och kom fram till vilka delar projektet måste leva upp till.

Att leva upp till lagstiftningen kan tyckas uppenbart. Men lagstiftningen är dels något som uppdateras och samtidigt inte är så svartvit i uttolkning som man skulle önska. När det gäller webbplatser är det väl främst Lagen om Elektronisk Kommunikation (LEK), där en paragraf populärt kallas cookielagen, Personuppgiftslagen (PuL) och Lag om ansvar för elektronisk anslagstavla (1998:112, kallad BBS-lagen) som är aktuella. Det du bör tänka till om innan webbprojektet, och dokumentera, är om ni över huvud taget ska använda cookies. Och om det blir cookies, hur ni väljer att se på cookie-meddelanden med dess samtyckeskrav.Under 2016, i skrivande stund, har EU en ny dataskyddslagstiftning på gång. Den kommer på sikt ersätta den svenska PuL-lagstiftningen, så kartan ritas om.

En nykomling är så som Diskrimineringslagen spetsades till 1:a januari 2015. Från och med 2015 är det en diskrimineringsgrund om en webbplats fungerar sämre för någon med en funktionsnedsättning. Till skillnad mot LEK och PuL är detta en lagstiftning du behöver jobba mer aktivt med eftersom den ställer krav på allt som publiceras. Det är exempelvis inte ok att användarna måste ha perfekt syn eller hörsel för att ta del av innehållet. Man måste också passa sig för vilka krav man ställer på användarens motorik, kognitiva förmåga, etc. Ett sätt att börja reda ut tillgängligheten är att sätta en önskad nivå. Som tur är finns det ett standardiserat ramverk för att utvärdera tillgänglighet i form av Web Content Accessibility Guidelines (WCAG). Med WCAG kan man välja olika nivåer av hur hög tillgänglighet man är ute efter, exempelvis WCAG 2.0 nivå AA, där nivå A är slappare och nivå AAA är striktare.

WCAG löser inte alla ens utmaningar med tillgänglighet, men det är en mycket god början och definitivt något man ska ha med i sina acceptanskriterier gentemot sin leverantör. Har man en svensk leverantör kan man alltid kolla om de känner till webbriktlinjer.se – Vägledningen för webbutveckling. Det är fortsättningen av 24-timmarsmyndigheten, men är definitivt också vettigt för privat sektor. Den första riktlinjen, med högsta prioritet är att följa WCAG 2.0 nivå AA men där finns en hel del andra kloka riktlinjer.

Själv har jag ofta kompletterat de IT-navelskådande kravlistorna med en lista med mätbara leveranskriterier för det som i slutändan landar ute hos en användare av en webbplats. Det som utvecklare kallar frontend, men det har också en hel del med webbprestanda att göra. En lång men på inget sätt komplett lista med aktiviteter finner du i slutet på denna bok.

Dokumenterad acceptans från alla leverantörer?

Har samtliga leverantörer fått uppdragshandlingen och all annan projektdokumentation de behöver? Även ens egen IT-avdelning? Min erfarenhet är att det inte alltid är så att uppdragets exakta formuleringar och krav följer med till alla inblandade. Bland annat så schabblade vi på min arbetsplats till det med hur de av många avskydda cookie-meddelandet skulle se ut och fungera på alla våra webbplatser. Vi är väl ett extremfall, med våra nästan tretusen webbredaktörer till det hundratal webbplatser vi driver. Med andra ord är det stickprov som gäller för att verifiera att en uppdragshandling jag skrivit verkligen slagit igenom med full kraft överallt.

Så hur förebygger man att någon kan säga att de inte visste? Bra fråga. Kanske genom att ha en tydligare, och högtidligare, dokumentation som beskriver precis det man menar samt med vem respektive uppdrag måste stämmas av med vid leverans. Detta är säkert inget problem om man bara har ett fåtal webbplatser eller är få inblandade. Men det kanske inte skadar att förtydliga detta ändå.

Det gäller att man själv håller sig till denna dokumentation. Senare i boken kommer du få en introduktion till prestandabudget, där just denna typ av krav gärna får placeras. Ordet ”budget” är av största vikt. Den är nämligen som andra budgetar något man ska försöka hushålla med, planera för att ha ett litet överskott kvar, och att en mindre övertrassering inte är hela världen.

Personas är användbart även vid webbanalys

Allt för ofta när jag sett organisationers personas är det leende karikatyrer av personer ur den tilltänkta målgruppen. Det blir säkert allt vanligare att ens personas även har svagheter. Men om du inte redan har en sådan kan jag definitivt rekommendera att ha en eller flera personas som tillsammans har alla vanliga funktionsnedsättningar.

Varför då? Jo, för att alla vi som daglig dags inte anses leva med en funktionsnedsättning kan drabbas av detta, både tillfälligt och bestående. Säg att någon är i chock eller personlig kris, ja då är det ju bra om det som byggts har designats utan att kräva en hög kognitiv nivå. I slutet på en tuff arbetsdag är nog de flesta märkbart kognitivt nedsatta, åtminstone brukar jag ofta vara det. Att vi alla har det svårt med synen blev tydligt i och med ett mobilt beteende och användning av skärmar utomhus. Svaga kontraster framkommer inte alls på mobilen när man är utomhus en solig dag. Denna svårighet har de med synnedsättning även under optimala ljusförhållanden.

Exempel-persona: Salongsberusade Sanjay

Du som jobbar med personas får gärna ha med Sanjay, eller krydda en befintlig persona med hans egenskaper (men välj ett lämpligt namn som funkar inom din organisation). Nu har jag inte jobbat med Systembolaget, men om Sverige inte vore så ängsligt för alkoholpolitik kunde man lugnt ha räknat med att de hade haft en persona som vore åtminstone salongsberusad. Eller?

Så vilka egenskaper har Sanjay? Vad utmärker honom?

• Språk: Förstår lite grand svenska, men läser utmärkt på hindi.
• Enhet: Modern mobil, med spräckt display vilket ger konstiga färger runt sprickorna.
• Abonnemang: Sanjay har flera indiska SIM-kort, men också ett svenskt med en månatlig surfpott om 500 Mb.
• Plats: Utomhus, mitt på dagen, midsommar, i solsken (tro det eller ej).
• Tillstånd: Lite onykter, det är ju ändå midsommar.
• Geografi: I utkanten av 3G-nätet i nordvästra Dalarna, halvt i radioskugga.

Sanjay är i Dalarna hos vänner och firar en klassisk svensk midsommar. Något onykter spräckte han skärmen då han hade mobilen i bakfickan när han stupade under leken irländsk julafton. Skärmen ger nu knepiga färgvariationer runt sprickorna. Hans kognitiva förmåga är inte på topp, motoriken inte heller helt hundra och det är riktigt dålig mottagning där han befinner sig.

Bild 1: Bland annat Tele2 erbjöd under 2016 surfpotter om endast 500 Mb.

Sanjay är förstås ett koncentrat av den utmaning du har med din webbplats, särskilt om du driver en webbplats med krisinformation, exempelvis giftinformationscentralen eller annat som gör honom självständig när han kanske behöver det som mest. Det finns nog en del att lära av honom. Särskilt den kontrast han erbjuder jämfört med Ergonomiske Egon.

Typisk anti-persona: Ergonomiske Egon

Ergonomiske Egon är alltid på topp, väl utsövd och aldrig känslomässigt påverkad. Egon använder bara webben på kontoret, med väl intrimmade datortillbehör han själv nogsamt valt ut. Han har förstås en högupplöst stor skärm med bred betraktningsvinkel och inga fönster som ger blänk i skärmen. Snabb trådad uppkoppling helt utan begränsningar.

Egons egenskaper är allt för vanliga som ett antagande när man utformar sina personas. Normalanvändaren ligger förstås någonstans emellan Sanjay och Egon, men båda extremerna existerar och särskilt kan vi behöva lägga lite omtanke för Sanjays skull.

En vecka med empati för sina användare

För att åtminstone känna lite empati med sina användare kan man göra som Facebook annonserade ut 2015, de införde en veckodag då man kan leva med de förutsättningar ens viktiga målgrupper har. I Facebooks fall har deras utvecklarpersonal endast 2G-hastighet när de surfar, du vet det där hysteriskt långsamma vi i Sverige hade innan 3G började slå igenom strax efter millennieskiftet.

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

Bild 2: Peter Antonius om hur en vecka med omsorg om användarna kan se ut.

Eller som Peter Antonius⁴ föreslog på Twitter kan man ha en hel vecka med denna typ av insikt i användarnas verklighet. Hans förslag går ut på följande:

• Måndag: Screen Reader Monday
  En dag då man får innehållet på sin skärm uppläst för sig. Program för detta finns säkert redan i din dator/pryl om du aktiverar tillgänglighetsfunktionerna. Glöm inte att stänga av skärmen, annars blir det nog svårt att inte fuska.
• Tisdag: 2G Tuesday
  Dagen för att ha en riktigt långsam internetuppkoppling. Det är nu du märker vilket material som du gärna skulle slippa vänta länge på.
• Onsdag: Keyboard Wednesday
  På onsdagar får man bara navigera med hjälp av tangentbordet, det vill säga muspekaren får ledigt. Då kommer du upptäcka när tab-ordningen är fel på webbplatser, om det där meddelandet kan stängas med ett mellanslag eller inte.
• Torsdag: Color Vision Deficiency Thursday
  Torsdagen är för att du inte ska använda färg eller nyans som meningsbärare, det finns ju de som har nedsatt färgseende.
• Fredag: Mobile Friday
  Denna dag kommer du ha en liten skärm du styr med fingrarna. Surt för dig om något inte är responsivt byggt eller om zoomning är inaktiverat.

Man kan förstås anpassa dessa dagar efter sina egna målgrupper. Som skapare av webbplatser med primärt en svensk publik är den mest uppenbara justeringen att ändra tisdagen till en ”seg 3G-tisdag” för att simulera all svensk glesbygd och när nätet blir överbelastat på någon populär plats.

Anledningen till att detta är viktigt beror på att om användbarheten är för låg så fungerar ingenting för användarna. Det bådar inte gott för att måluppfyllelse ska se på webbplatsen.

Vilka intressenter finns det och vilka kompetenser är inblandade?

Vilka intressenterna är beror väldigt mycket på organisationens storlek, sort och kanske främst hur långt man kommit i den digitala omställningen. De vanligaste intressenterna är de med chefsansvar inom olika ämnesområden. Som marknadschef, personalchef, ekonomichef, etc. Vi kommer mer in på det senare, men det finns ingen poäng i att börja rapportera sina fynd till dessa personer innan man är väl förberedd. Särskilt inte en massa siffror – så kallad ”data puking”. Däremot kan man ta kontakt med dem för att efterfråga verksamhetsmål som finns inom deras skrå, om de har några KPIer framtagna redan. Om du nu inte redan har denna information.

Jag tänkte beskriva hur ett webbanalysteam kan se ut. Men misströsta inte, det är nog vanligare än någon vill erkänna att man knappt har en enda heltidsresurs på att jobba med webbnärvaron på ett strategiskt och analytiskt sätt.

• Marknadsanalytiker – är den som omsätter verksamhetens långsiktiga och kortsiktiga mål. Jobbar med målsättning för kampanjer m.m. Det kräver både strategiska och taktiska insatser.
• Konverteringsoptimerare – är den som jobbar med hur man ska lyckas konvertera användarna, det vill säga göra lojala användare av spontanbesökare och kunder av förbipasserande.
• Teknisk analytiker/webbutvecklare – jobbar med specifikation och kanske utförandet så att det går att samla in data, för att senare analysera. Om man inte utvecklar sin egen webbplats blir denna roll den person som finns nära till hands för att tala om vad som är möjligt att göra samt dokumentera hur det ska göras.
• Data scientist – en roll ännu utan svensk översättning. Det är en självhjälpstekniker vars främsta styrkor sitter i att kunna samla in data, bearbeta den, designa rapporter och skapa visualiseringar. Kan troligen en del statistik och förklaringsmodeller om hur data ska se ut.

Utöver detta finns en helt vanlig marknadsavdelning, eller kommunikationsavdelning om det är inom offentlig sektor. Notera att det inte ingick någon webbstrateg i denna korta lista och inte heller någon redaktör. Det beror på att dessa snarare är i den mottagande änden av detta teams slutsatser än att de har något uppenbart att bidra med. Det är inte alla som är så renodlade i sina roller, men låt för guds skull inte webbanalys bli enbart en fråga om innehåll. Det som också behövs är förstås någon som leder detta gäng, någon som ser till att sysslorna fördelas och så vidare.

Datakvalitet

Vad är det viktigaste av allt när man ska analysera något och fatta beslut som påverkar ens framtid? Hyggligt ledande fråga, men självklart är det beslutsunderlaget det handlar om. Om din data är undermålig är det nära på meningslöst att försöka dra några slutsatser baserat på dem. Det är av yttersta vikt att någon av dem som jobbar med webbanalys inom verksamheten har god förståelse för hur ens data samlas in och kan verifiera att modellen stämmer med verkligheten.

Inspektera dina data och gör en datarevision löpande, så att du inte fattar beslut på undermåligt underlag. Du måste veta hur din data ser ut och hur de samlas in. Detta kan vara svårare än man först tänker sig, därav är det klokt att föra dagbok med noggranna anteckningar för vad man gör. Särskilt om ens insatser påverkar vilken data som samlas in. Det kan också vara till hjälp om man vid ett senare tillfälle ska kunna återskapa samma webbanalys-miljö. Är du orolig för din datakvalitet och vill använda en beprövad modell så kolla in Brian Cliftons bok Successful Analytics⁵ och allt det han skriver i kapitel fyra, bland annat om Quality Score.

Något jag själv råkat ut för är att olika delar av en webbplats spårat användningen till helt olika konton för webbstatistik. Det innebär bland annat att när man länkar från startsidan till en undersida så räknas det som skilda webbplatser. All ens data blir grumlig och svår att arbeta med. Orsaken i just det fallet var av välvilja. Så respektive intressent (läs stuprör i organisationen) kunde få sitt eget konto med webbstatistik och slapp se resten av organisationen. Det vi förlorade var att det blev stört omöjligt att få en översikt över hela webbplatsen, vilket nog vore mer meningsfullt enligt min åsikt.

Lösningen hade givetvis varit att dubbelregistrera användningen av webbplatsen. Att spåra varje sidvisning främst till ett övergripande konto men också till respektive intressents egna konto. Eller om vi kört Adobe Analytics hade vi kunnat använda en inbyggd funktion för att skapa en delmängd till de interna intressenter som ville slippa se allt annat. Spårningen går att fixa till i efterhand, men det går inte att trolla fram förlorad data. Därför är det viktigt att man tänkt till innan man börjar.

Ett allt större problem är att användare blockerar webbanalys-verktyg. Då uppstår en osäkerhet om ifall det är en homogen grupp du går miste om i dina försök att nå insikt eller om det bara är färre användare jämnt fördelat över alla de grupper du känner till. Ett sätt att försöka ta reda på detta är att börja jobba med logganalys, en teknik vi kommer titta mer på i bokens tredje del.

Filtrering

Filtrering kan göras på flera olika nivåer. Till att börja med kan du välja att filtrera bort vad som ens samlas upp för din webbanalys. Exempelvis är det vanligt att man utesluter inloggade webbredaktörer och anställda från det som samlas in av verktyg som Google Analytics. I just Google Analytics finns ett sätt att filtrera bort vissa användare i efterhand. Detta kräver att du skriver en hel del dokumentation så du i efterhand kan verifiera att filtreringen var korrekt och i bästa fall kunna justera den. En variant många använde tidigt var att utesluta vissa serier av IP-nummer, det vill säga de internetadresser man som kontorsarbetare delade på när man besökte webben. Denna metod behövde förstås kompletteras när de anställda började surfa på organisationens webbplats via mobilen.

Bild 3: ai-writer.com har framgångsrikt spammat sig in på listan med avsändarsajter.

Ett annat bekymmer är att hantera falska data. Du som använder Google Analytics har säkert sett de som försöker spamma dig genom att sätta avsändar-URL i referer-listan. Det finns sätt att försöka filtrera bort spammarna, men det gäller att veta att man inte skevar sin data på ett sätt så den blir oanvändbar. Det finns en hel del tips på hur man undviker spam i sin webbanalys, bland annat att man filtrerar bort allt med fel webbadress⁶. Men för att inte göra bort sig kan det vara klokt att provköra sina filterönskemål först som ett segment, mer om segmentering nedan. Segmentering förändrar inte data, det ger endast en selektiv presentation - som en förhandsgranskning av vad ett dataförstörande filter skulle ge.

Dessutom kan man ha vyfilter, ett högst tillfälligt filter. Det går ut på att du slipper se vissa sorters uppgifter i den presentation du har framför dig. Ett helt annat sorts tillfälligt filter kallas för segmentering.

Om segmentering och varför det är viktigt

Dina användare är inte en homogen grupp, inte heller kan man förutsätta att en enskild grupp är homogen. För att utforska variationen inom en grupp använder man segment. En segmentering förändrar eller manipulerar aldrig datakällan man tittar på, något som filtrering ibland gör. Segmentering handlar om att gruppera användare efter en eller flera gemensamma egenskaper. Segment av användare är intressant att jämföra med varandra. Exempelvis vad skiljer sig mellan kunder på en mobil enhet från de med förrförra versionen av Internet Explorer? Kanske döljer sig en möjlighet till förbättring i liknande jämförelser.

Exempel på intressanta segment kan vara de vars användningsmönster avslöjar dem som:

• Jobbsökare. Hur ska man vägleda dem vidare i webbplatsen för att få dem att lämna in en ansökan?
• Potentiell kund. De är säkert i en annan fas i hur de behöver bearbetas jämfört med en befintlig kund. Man kanske inte kan göra antagandet att de är ointresserade av organisationens support (precis som att inte alla mobila användare endast är ute efter kontaktuppgifter) men de behöver nog en annan behandling jämfört med stamkunden som är övertygad sedan länge.
• Befintlig kund. De kanske behöver en personligare upplevelse och snabb tillgång till sina kontaktvägar.
• Ens egna anställda. De egna anställda har ofta vissa förkunskaper, bland annat om organisationen, som utmärker dem. Har du som mål att hjälpa dem på din externa webbplats så behöver de kanske lite stöd.

Har du hört talas om begreppet personalisering? Det är att anpassa innehållet baserat på individuella faktorer och vilket segment en användare tillhör. I sin absolut enklaste form är det att anpassa sin externa webbplats till allmänheten och hänvisa sina egna anställda att använda intranätet istället.

Ibland kan du stöta på ordet filter och i vissa sammanhang betyder det samma sak som segmentering. Ska man vara språkpolis så kanske ett filter främst handlar om vad som ska bort, men att segmentering snarare beskriver vad som ska vara kvar. Tänk det som att du antingen filtrerar bort 13 873 typer av mobila enheter, eller att du segmenterar din data till att endast visa de användare som anslöt med en mobil av märket Fairphone.

Det är konstigt nog ganska ofta man behöver utmana det oprövade antagandet att alla ens användare har liknande behov och att de liknar varandra. Antagandet att alla är i ens målgrupp eller att alla användare i grunden är likadana brukar falla när man tittar på sina segment. Där finns oftast en stor variation.

Det finns också ofta en oklar bild om vem man attraherar. Det är bra att berätta vem som använder det man erbjuder, någonting värt att förmedla vidare till sina intressenter.

Segmentering går ut på att gruppera statistiken efter gemensamma faktorer. Ett segment kan vara användare på mobil enhet, ett annat kan vara användare från Norge. Att aldrig jobba med segmentering är väldigt riskabelt, åtminstone kommer man troligen inte nå någon som helst insikt.

Segmentering är ett strukturerat sätt att arbeta vidare från de lägst hängande frukterna när man redan tycker sig ha inspekterat de stora datamängderna utifrån ett helhetsperspektiv. Annars vet du inte för vem du vill skapa en förbättring och det är dessutom enklare att följa upp en förändring om du har en tilltänkt målgrupp - ett segment av användare.

Utan att snöa in på statistik så är ett varningens finger på sin plats när det gäller att bara kolla på statistiken på ett övergripande plan, eller att ha ospecifika verksamhetsmål när det gäller vem man avser.

Risken med att titta på genomsnittsvärden (och att inte segmentera) är att det genomsnittliga värdet inte alltid är representativt för majoriteten av användare. Att allt ses ur ett så genomsnittligt synsätt att det inte finns några meningsfulla slutsatser att dra. För att dra ett exempel så är det fullt möjligt att inte bottna i en sjö som i genomsnitt endast är en meter djup. Det värdet säger väldigt lite om hur djupt det är som djupast.

Bild 4: En normalfördelad kurva. Majoriteten av data liknar genomsnittet.

Ett genomsnittligt värde är bara meningsfullt om informationen är normalfördelad, eller att det genomsnittliga värdet har förutsägbara avvikelser. Med andra ord är det genomsnittliga värdet ”10 sidvisningar per besök” inte något direkt meningsfullt värde om hälften av användarna gör endast en sidvisning och resten nästan 20. Det beskriver inte verkligheten. Det intressanta är snarare att det finns minst två vitt skilda grupper i dessa data.

För att råda bot på detta och få klarhet kring vilka avvikande grupperingar man kan följa används alltså segmentering. Då kan man dela upp sina användare i olika grupper som kan utforskas separat. Eller om man hellre vill jämföra dem med varandra. Segmentering handlar om att filtrera fram en delmängd av användarna och se på vilket sätt de presterar, om de skiljer ut sig på något vis. Segmentering går ut på att fånga olikheter och avvikelser i jakt på förbättringspotential. Olikheter i hur man beter sig, var man geografiskt befinner sig, vilka produkter man tittat på, med mera.

Vilka segment är värda att jobba med?

De segment som finns färdiga i ditt analysverktyg är de som är så pass uppenbara att leverantören tror att alla behöver dem. Det är inte de segmenten som ger dig en konkurrensfördel om användarnas gunst. Snarare är det de verksamhetsspecifika segmenten som gör mest nytta. Dessa kanske till och med är så komplexa att du inte får ditt analysverktyg att lista dem. Du kan behöva utvidga med fler verktyg.

När man sätter upp sina verksamhetsmål finns det en poäng i att fokusera på några enskilda segment per upprepning av analysarbetet. I exemplet ovan skulle ett sådant segment kunna vara att man filtrerar bort användare som bara gör en ynka sidvisning för att istället se trender i användning bland de som mer flitigt använder webbplatsen. Ett annat segment kan vara att bara se på de som vänder i dörren, de som bara gör en enda sidvisning. Detta är en grupp som kanske är värd att försöka konvertera med någon kampanj som bara personer i det segmentet ser. Ett segment kan också vara dina mest värdefulla användare. Deras beteende kan vara intressant att jämföra med genomsnittsanvändaren.

Som sagt, genomsnittsvärden ger inte alltid en särskilt rättvisande bild av verkligheten. Ibland är det den femtedel med störst problem du ska fokusera på trots att majoriteten har väldigt få problem. Med webbanalys kan du jobba med flera samtidiga grupper av användare på ett strukturerat sätt.

Det kan vara svårt att bedöma vilka segment som är vettiga, inte minst när verksamheten inte funnits länge. Många gånger kan man behöva lära känna sina kunder, användare och tilltänkta målgrupp först för att veta vilka segment som är viktigast för verksamheten.

Segment är inte nödvändigtvis statiska. När man är tillbaka på reflektionsfasen i sitt analysarbete ska man inte betrakta befintliga segment som heliga. De är bara en logisk uppdelning för att utforska och testa förbättringar. Om verksamheten redan jobbar med personas (karikatyrer av ens olika användare) kan utvecklingsarbetet kring segmentering ge värdefull återkoppling till vad som utmärker respektive persona.

Som du förstått vid det här laget så behöver det som publiceras på webbplatsen linjera med de verksamhetsmål och intentioner webbplatsen har. Idag räcker det inte med att hävda ett allmänintresse eller behandla webbplatsen som ens egen informationssoptipp bara för att man gillar att producera innehåll. Innehållet måste bära frukt!

Metod för kontinuerlig webbanalys

Allt mer börjar verksamheter på webben tvingas leva upp till de krav äldre och mer etablerade yrkesområden har på sig sedan länge. Att ha en webbplats kan precis som på 1990-talet anses vara något man har eftersom alla andra har det. En stor skillnad från då är att numera har användarna betydligt högre förväntningar. Det duger oftast inte med att hälsa någon välkommen och ge dem lite kontaktuppgifter.

Idag är en webbplats ofta ganska kostsam att ta fram och underhålla. Genom att sträva mot verksamhetens mål även på webbplatsen kan man styra sina insatser och vara en del av organisationens ordinarie verksamhet – och leva efter samma rättesnöre.

Strax kommer ett förslag på metod för att jobba med webbanalys. De kommande fyra kapitlen beskriver var och ett de steg som utgör metoden, vilka saker man ska tänka på i det skedet av arbetet samt exempel på vad resultatet kan vara.

Jag kan inte ta åt mig hela äran av denna metod, även om den kan kännas uppenbar för vissa personer av mer strukturerad natur än undertecknad. Snarare skulle jag vilja förklara att det är ett hopkok av det jag läst om ämnet under åren och hur jag själv jobbat med ständiga förbättringar av egna webbplatser.

Kortversion av metoden

Bild 5: Börja med verksamhetsmål, sen är du igång.

Innan vi går igenom metodens delar vill jag ge en snabb överblick, så att du i varje steg vet vad som kommer sedan.

1. Arbeta med verksamhetsmål, KPI:er och mätvärden.
2. Samla in din data, under tiden du samlar in data utvecklar du rapporter.
3. Analysera och kommunicera fynden.
4. Utför förbättringar på webbplatsen.

Vad är då KPI:er? Ett KPI (Key Performance Indicator) är ett mätbart mål verksamheten satt upp för att beskriva framgång. Notera ordet ’key’, det finns också ’performance indicator’ som innebär att man mätt upp att något positivt har hänt, men att det kanske inte är någonting som är värt att styra sin verksamhet mot.

En KPI kan exempelvis vara ett genomsnittligt ordervärde, andel återkommande kunder, eller vad som helst som är objektivt bra för verksamheten.

Inte alla KPI:er ger svar inom ett varv i denna process, detta för att det kan krävas olika lång tid att samla på sig data beroende på vad du mäter. Vissa KPI:er kan analyseras mer sällan, men jag föreslår ändå att du reserverar tid i kalendern för respektive moment. Är du på moment tre så analyserar du allt det som vid tillfället samlat på sig tillräckligt med data.

Moment 1: Att jobba med mätbara verksamhetsmål

Först och främst måste man ha ett rättesnöre. Om man inte vet var man ska komma är det svårt att följa upp att man är på rätt väg. Har webbplatsen ett existensberättigande över huvud taget? När Web Service Awards (WSA) under 2015⁷ frågade ut svenska webbansvariga om vad poängen är med deras webbplats svarade 27 procent att det inte finns ett uttalat syfte. På sätt och vis fann de ett ännu sämre resultat i att endast 54 procent anser sig ha ett definierat syfte för webbplatsens olika undersidor.

Ungefär hälften kan alltså inte förklara varför en viss undersida existerar, vilken nytta den ska bidra med. Utan mål blir det svårt att styra sin lycka, eller följa upp arbetet genom webbanalys.

Sedan ska man komma ihåg att även om mål är viktiga så är de inte vatten värda om man inte jobbar för att uppnå dem. Då är de helt värdelösa och meningslösa. Det är till detta man har sina KPI:er, de ska motivera en att följa upp verksamhetsmålen och detta kan behöva bli en process för att faktiskt hända.

Tänk på målen som orsaken till varför webbplatsen byggdes från första början. Förhoppningsvis fanns det en orsak om målsättning på förhand, annars är det dags att ta tag i det nu. Vad ens mål är varierar naturligtvis något beroende på vilken typ av verksamhet man bedriver.

Fyra sorters verksamheter

Jag såg en gång en ganska vettig (och väldigt kategorisk) indelning av vilka typer av webbplatser som finns. Den föreslog följande grovindelning, att en webbplats till huvudsak handlar om:

1. Handel
2. Innehåll
3. Skapa kontakter mellan personer, eller mellan organisationer
4. Självhjälp

Fyra sorters webbplatser som skiljer sig mycket åt. Alla ger lite förklaring till att målsättningen kan variera stort mellan organisationer och att man definierar framgång på lite olika sätt. För den som jobbar med handel är ett mål lättare att förklara om det handlar om inkomster, försäljning eller något annat med ett monetärt värde. För organisationen som jobbar med innehåll, exempelvis medierna, kan man i större utsträckning tillåta sig att mäta hur många i en tilltänkt målgrupp som sett ett visst innehåll. För kontaktskaparen är det relationer allt kretsar kring, och självhjälparen försöker lösa påtagliga problem.

Ibland kan man läsa hos branschskribenter att man bör finna sina ”objektivt sanna mätvärden”. Ja, jag har förstått att många fastnar vid den termen. Med ”objektivt sanna” avses att andra än du, dem du jobbar med eller folk inom samma yrkesroll ska hålla med om att era mätvärden är meningsfulla. Att de beskriver om något av vikt eller värde har förändrats.

Hur ser ett värdeskapande besök ut? Makro- och mikronivå.

Vilket värde ska verksamheten få ut av webbplatsen? Det handlar inte bara om vilka mål man har, de målen måste bli mätbara. Gör man ett gediget förarbete kan man komma fram till att man, lite halvluddigt antagligen, kan knyta några mål till nåt mätbart på sin webbplats. Det är extremt viktigt att försöka komma på vilket värde som kan uppstå i och med rätt sorts användning av webbplatsen. Som vanligt är detta väldigt mycket enklare om man bedriver handel på sin webbplats, det är därför dessa exempel ständigt tas upp. Dock kan det även i andra sammanhang, som för en kommun, finnas tydliga sätt att relatera sina så kallade e-tjänster på webbplatsen till ett faktiskt värde. För varje genomförd bygglovsansökan som lämnas in digitalt finns potentiellt en utebliven utgift för kommunen. Men också en vinst för den enskilde medborgaren som kunde fullfölja en byråkratisk syssla på distans, utan att behöva planera in ett avbrott i vardagen.

Ett annat exempel jag ofta drar är det från för mig väldigt bekanta hälsovården, eftersom jag råkar ha jobbat mycket inom denna verksamhet. Vad är det uppnådda värdet av en användare på 1177 Vårdguidens e-tjänster? Om denne loggar in och beställer förnyelse på ett recept? Först och främst ska man komma ihåg att ju mindre tid och tanke en medborgare behöver lägga på att vara i vårdens omsorg, eller identifiera sig som patient, är bra för individen. Att då kunna administrera sin hälsovård på distans och på kortare tid är väldigt värdefullt. Dessutom, om en person inte dyker upp i vården minskar risken för smitta, det blir mindre krav på lokaler eller personal på vissa platser.

Det går att dela in målen i följande kategorier (viktigast först):

1. Makromål – verksamhetens vision eller storslagna planer (engagerade kunder, uppfattas som tankeledande, attraktiv arbetsgivare, etc)
2. Mål – ens KPI:er, eller nyckeltal på svenska. Alltså ett absolut mått för att utvärdera framgång. Vill man dela upp KPI:er så kan de beskriva:
   2.1. Fullföljande av ett mål – användaren genomförde alla delsteg på ett lyckosamt sätt. Om ett mål är att användaren ska skapa ett konto är ett fullföljande KPI att denne skapar ett konto.
   2.2. Framsteg mot ett mål – alltså ett steg i rätt riktning, men att användaren inte nådde riktigt ända fram. Framsteg vore att en förbipasserande användare väljer att läsa mer om fördelarna med att skapa ett konto. Close, but no cigar.
3. Mikromål – mätbara delmoment som genom hypotes kan bindas till att en användare bekräftat makromålet (som att signa upp på ett nyhetsbrev, gått från en landningssida och hamnat på en detaljsida). Här ska alltså ett bekräftat intresse kunna bevisas. En intressesignal som markant skiljer en kund från någon som bara kollar runt och fördriver tiden.
4. Mätvärden, eller metrics på engelska - de övriga mätvärden man samlar in. Ofta mest av nyfikenhet eller för att stötta slutsatserna

Den punkt man jobbar mest med är punkt nummer två. Den första handlar om varför man gör något över huvud taget, det vill säga vad det går ut på. Mikromålen och framstegs-KPI:er handlar om att utvärdera positiva händelser, men de är mest intressanta för att hitta trender, som till exempel om trenden förändrats sedan man designat om någon funktion. Problemet med att stoppa in sina mikromål som något man mäter i sitt webbanalysverktyg är att de kan överskugga de ”riktiga” målen. De viktigare målen inträffar inte fullt så ofta men är ultimat vad man är ute efter, om ingen någonsin fullföljer ett mål spelar det liksom ingen roll hur många prenumeranter man samlat in till sitt nyhetsbrev.

Jag inser att det kanske inte i alla lägen är jättelätt att skilja på mål och mikromål, och den exakta skiljelinjen kanske inte är direkt avgörande. Försök hålla det till att ett mål är det som skiljer en genuint engagerad person från en intressent. Ett exempel kan vara mikromålet att leda in användare mot de jobbannonser man har på webbplatsen, det ger en indikation på att något av någon form av värde har inträffat under besöket – det var i alla fall inte helt meningslöst. För att göra skillnad mellan mikromålet om fönstershoppande kring jobbannonser så är ett uppfyllt mål att användaren faktiskt lämnat in en ansökan för ett jobb. Ett bekräftat intresse och ett ömsesidigt mål har inträffat.

Mikromålen ger indikation på intresse, ett mål ska bekräfta någon form av ömsesidig nytta eller måluppfyllelse.

Sist, och kanske minst trots allt, mätvärden. Det är allt mellan himmel och jord du kan vara nyfiken på, som vilka källor dina mest värdefulla användare kommer från. Mätvärden är oftast inte mål i sig, mer som en del i bakgrundsberättelsen om de andra målen.

Rangordna målen sinsemellan

Ett alternativ i detta arbetet är att ge respektive mål ett relativt värde. Säg att mål måste värderas mellan noll och tio. Sätter du en nolla i värde på en ny prenumerant på nyhetsbrevet, en sjua på en ny registrerad användare och tio vid ett genomförd transaktion? En massa nollor är fortfarande noll i värde. På detta sätt kan du relativisera nyttan av en massa gillare på Facebook, tusentals kontaktuppgifter, massor med kampanjer och så vidare med någon annan aktivitet som kanske skapar lejonparten av allt värde (med eller utan hjälp av allt det andra).

Sitter du istället i situationen att nyttan med webbplatsen är ifrågasatt så kan du ju vända på resonemanget. Dels kan du kontra med vilket värde som uppstår på grund av webbplatsen, men också vilken outnyttjad potential till förbättring det finns genom att jobba mer strukturerat med webbanalys och lära känna användarnas upplevelse.

För att omsätta de olika nivåerna av mål kanske det är dags för ett exempel. 1177 Vårdguiden, alltså Sveriges landstings gemensamma webbplats för att ge vård och hälsoinformation till allmänheten, skulle kunna ha följande mål:

1. Makromålet är verksamhetens mål att alla invånare som någon gång kan ha behov av kontakt med vården känner till 1177.se och har ett konto på 1177 Vårdguidens e-tjänster.
2. KPI:er kan bland annat bli ”procentandel av befolkning i upptagningsområdet som har invånarkonto”, eller fullföljande-KPI:er som ”procentandel som lyckas genomföra hela processen för receptförnyelse”.
3. Mikromål är sannolikt ganska många, som att en användare fönstershoppar efter vårdcentral att byta till, läser på om sina rättigheter, etc.
4. Mätvärden blir typ av enhet som använts vid besök, plats, tid och allt annat som kan stötta eller beskriva slutsatserna.

Detta är ju inte raketforskning så man kan ju trots allt slappna av något med vederhäftigheten, men att slarva kan straffa sig. Enklast, och troligen klokast, är att använda de mål, visioner och sådant som redan formulerats av verksamheten.

Alla verksamhetsmål är inte mätbara. Men med lite fantasi (och ibland med hjälp av en duktig webbutvecklare) kan man ofta komma på något sätt att åtminstone delvis få en bild av hur väl ett mål möts på webbplatsen.

Försök se till att de verksamhetsmål som väljs ut – och i vissa fall bearbetas för att bli mätbara – är sådana som man kan agera på. En drastisk förändring av mätvärdet ska inte mötas av ett ljummet intresse eller osäkerhet om det är betydelsefullt.

Tryter inspirationen om vad er webbplats ska leverera till verksamheten så kan du fundera på vilket sätt webbplatsen kan underlätta för användarna och samtidigt skapa värde för verksamheten. Glöm inte heller att se efter i verksamhetens vision, planer och annan dokumentation då det möjligen redan finns definierade nyckeltal som går att återanvända. Bryt ner varje sak till något som bör kunna isoleras och mätas. En utmaning kan vara att de mätbara verksamhetsmålen måste fungera tillsammans med de långsiktiga målen. Det gäller alltså att försöka förutse de långsiktiga konsekvenserna av de mål man sätter upp. Att försöka undvika negativa sidoeffekter. För att se hur andra mäter sin verksamhet kan du kolla in listningar på nätet med KPI-bibliotek⁸.

Bild 6: Apropå att försöka förutse framtida konsekvenser⁹.

Bild 7: Den här varianten fungerar ganska länge.

En annan förklaringsmodell man kan låna för kategorisering av mål är den i reklamsammanhang klassiska AIDAS¹⁰. Det vill säga att kundresans konverteringsprocess består av följande steg, uppifrån och ner:

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

Här försöker man genom reklam och marknadskommunikation att förflytta en kund steg för steg. En kanske mer neutral variant är den som webbanalytikern Avinash Kaushik föreslagit¹¹. En uppdelning av din tilltänkta målgrupp beroende på var i övervägande-processen de befinner sig:

1. See – En person som matchar en tilltänkt målgrupp.
2. Think – Person i tilltänkt målgrupp som också är medveten om ett behov din tjänst kan hjälpa till med.
3. Do – Person medveten om behov din tjänst kan hjälpa till med, och som också är redo att agera precis nu.
4. Care (alltså dalta med kunden eller skämma bort dem), kallas ibland "Coddle" – De personer som är stamkunder, eller åtminstone återkommande som konverterat mer än en gång.

Förutom att man behöver definiera mätbara sätt att följa upp sina mål blir det med dessa modeller uppenbart att man behöver flera olika sorters mål. Antagligen minst ett per kategori. Om du sitter fast i målsättningar som mäter en digital motsvarighet till en trycksaks upplaga kanske någon av dessa modeller är ett förlösande sätt att diskutera andra vinklar på målsättning.

Åtminstone jag har stött på webbansvariga som enbart haft definierade mål som skulle hamna i See-kategorin ovan. Den typen av mål är väldigt svåra att försvara på sin egen webbplats då det troligen är orsaken till att användaren hamnade på din webbsida – väl på plats finns inga mätbara mål på vad som utgör ett nyttigt eller lyckosamt besök.

Det är definitivt utanför ämnet för denna bok, men pratar du med en marknadsförare skulle de nog nämna ord som kanalstrategi, eller kanske kanalmix. Det handlar om att din webbplats inte nödvändigtvis är inblandad i alla delar av konverteringsprocessen. Det kan mycket väl vara så att man jobbar med externa bloggare, köpa sökord på sökmotorer eller liknande för att bygga kännedom. Sen kanske de två sista delmomenten i konverteringsprocessen sker på din webbplats, app, eller en kombination av vad man nu har för kontaktpunkter med personen av intresse.

Utöver verksamhetsmålen kan man förstås ha viss nytta av att jobba med ”fåfänge-siffror”, som antalet sidvisningar per besök och liknande. Dock är det svårt att visa på vilket värde som förklarar att resultatet är otvetydigt bra eller dåligt. Dessa siffror ska inte vara det du lägger stor ansträngning vid då många sidvisningar (eller liknande) knappast är ett eftersträvansvärt mål för verksamheten. Dessa siffror kan vara trevliga anekdoter oss webbnördar emellan men de ger väldigt lite insikt i hur webbplatsen blir framgångsrik.

Exempel på verksamhetsmål omsatta till mätbara mål – KPI:er

• Minst 90 % av de som påbörjar registreringsprocessen ska klara av att skapa ett användarkonto.
• Minst varannan ärendeanmälan till kundsupporten ska göras via webbplatsens specialbyggda formulär, samt att färre än 10 % ska ske per e-post.
• Användarna ska anse att sökfunktionen ger relevanta resultat.
• Kunderna ska anse att det är lätt att hitta kontaktuppgifter till kundtjänst och den närmasta butiken.
• Minst 90 % av de mobila användarna ska anse att webbplatsen är mycket användbar i ett mobilt scenario.
• Åtminstone 95 % av materialet på webbplatsen ska ha granskats/reviderats det senaste året.
• Samtliga sidor skall leva upp till tillgänglighetskraven i WCAG 2.0 nivå AA.
• Genomförda köp med kampanjpris ska ha under 5% returer.
• Minst 25% av de kunder som rekryterats genom sökordsannonsering ska göra en andra beställning inom ett halvår.

Som du märker i dessa exempel på verksamhetsmål så är de inte begränsade till statistik som hamnar i webbstatistikverktyget, och det är själva poängen. Vissa har ett tröskelvärde, som att minst en viss andel ska anse något eller klara av att uppnå något. I andra fall saknas ett specifikt mål och där jobbar man istället med en ständig förbättring. Hur du väljer att mixa dessa upplägg är upp till dig.

Du behöver jobba både med kvantitativa värden som det du får i webbplatsstatistiken och kvalitativ efterforskning som är användarnas subjektiva åsikter. Och beroende på verksamhetsmål så behöver man även titta på andra system eller göra egen efterforskning.

Exempel på bearbetning av verksamhetsmål

För att ge dig lite uppslag på hur ett verksamhetsmål kan bearbetas till något mätbart följer här ett antal exempel. Först ut är det kanske är det svåraste. Det lite väl luddiga och abstrakta makromålet. Efter det följer ett mer konkret och enkelt mätbart mål.

”Vi ska uppfattas som ett kundfokuserat och kompetent företag”

Själva formuleringen gör det tydligt att det handlar om ett makromål, säkert återfinns något liknande i flera organisationers visionsdokument eller affärsplaner.

Här är det bara att kapitulera direkt inför att man inte kan mäta en uppfattning på ett kvantitativt sätt via webbplatsstatistik. Däremot kan man jobba med webbplatsundersökningar – du vet de där rutorna som frågar om du har en stund över för att svara på några frågor om webbplatsen. Genomför man enkäter eller annan form av marknadsundersökning kan man tycka sig få svar på detta makromåls utveckling över tid, bara genom att ganska påfluget ställa frågan.

Men hur tusan får man till det med enskilda användares sessioner på webbplatsen? Jo, ett sätt är att börja inventera om det redan finns innehåll som relaterar till målet. Är innehållet dessutom ”aktivt”, alltså att man kan fånga upp användarsignaler om deras gillande, blir det desto enklare. Saknar man helt sådant innehåll behöver man fundera på om detta verkligen är ett mål som bör påverka webbplatsens innehåll. Kommer man fram till att skapa ett sådant innehåll behöver innehållet designas så att man kan följa upp att mottagandet/användandet är i linje med målet. Man behöver alltså lista ut hur man placerar en call-to-action, alltså något som kan registrera målet eller mikromålet som uppnått.

Call-to-action, ofta förkortat CTA, är ett begrepp du kommer snubbla över med jämna mellanrum. En CTA är oftast en knapp. Knappens funktion kan vara att användaren gilla-markerar sidans innehåll, sätter ett betyg, delar ett inlägg i sociala nätverk, lägger en produkt i kundvagn med mera.

Denna sorts innehåll kan man sedan gruppera via sitt webbanalysverktyg så man kan följa dess öde och hur det tas emot. Mikromål, eller framstegs-KPI rent utav, för denna grupp av innehåll är om det delas vidare av användare. Eller om sidvisningar på dessa sidor är en del av att andra mätbara verksamhetsmål infrias. Ett exempel på en lyckad användarsession kan vara att användaren kom in på webbplatsen via en landningssida om de kompetenser organisationen besitter och att användaren lämnade in en spontan jobbansökan på en annan del av webbplatsen.

”Vår kommunikation ska vara begriplig”

Detta makromål är något som offentlig sektor gärna har uttalat, man vill inte tillåta sig att det interna fikonspråket ska drabba allmänheten. Målet är inte särskilt mätbart i befintligt skick, men betydligt närmre än föregående. Här pratar man alltså om innehållet, webbplatsens budskap, och att det ska passa den tilltänkta målgruppens språkkunskaper.

Bild 8: Har du prövat att söka efter grejer du inte vill ska finnas på din webbplats?

Hur får man reda på om man är begriplig? Ett sätt är att jobba med innehållsanalys. De flesta webbplatser har redan en sökfunktion och varje kompetent sökfunktion har ett index med allt den vet om webbplatsen. Detta index kan man inspektera för att hitta kända språkliga avarter och rätta dem. För att över tid hålla koll på vanliga dumheter kanske en utvecklare kan skapa ett tillägg som utför sökningar på alla ”dåliga ord”, där man hoppas på att inte få några träffar.

Har man en sökredaktör är det dennes syssla att kolla språkbruket med jämna mellanrum. En sökfunktion är sällsynt bra på att visa upp hur illa det är ställt med det innehåll som finns.

På tal om sökfunktioner så kan man också ta tag i det dåliga samvetet med sökanalys (något som har fått ett helt eget kapitel senare i boken). Den mest uppenbara nyttan med sökanalys är att kolla på de vanligaste sökfrågorna och hur väl de matchar ord som används på webbplatsen. När någon inte hittar kan de försöka söka efter det. Det som gör sökfunktionen unik i sammanhanget är att där får du reda på vad användaren anser att något heter.

Även om debatten om ’dagis’ kontra ’förskola’ aldrig lär sluta så är det viktigt att jobba med synonymhantering och strukturera innehåll på ett sätt så användaren har en chans att hitta. Ett relaterat KPI är antalet nollresultat i sökfunktionen, alltså när det inte finns ett matchande innehåll. Det har ibland med språkförbistring att göra. Som kommun behöver man se till att sökningar på ’dagis’ också ger träff på ’förskola’. Kanske finns motsvarande skillnad i språkbruk även i din bransch?

Ett annat KPI är vilken nivå av läsbarhet man strävar efter. Det finns flera metoder för att mäta detta, varav ingen av dem lär imponera på en språkvetare. En är läsbarhetsindex (LIX, testa själv på nätet¹²) vilket försöker ange hur avancerad en text är. Läsbarhetsindex är ingen perfekt metod men kan indikera en texts komplexitet. Till skillnad från att dela ut lathundar till webbredaktörerna är LIX något som är mätbart för att se om trenden går åt mer komplexa eller enklare meningar.

En ytterligare variant, fast för engelsk text, är Flesch reading ease¹³ som ger en fingervisning om texten riskerar att vara komplex. Inte heller här är metoden exakt nog att börja lönesätta redaktörer efter betyget, men det kanske ändå är värt att övervaka hur texterna utvecklas, om det skiljer sig mellan olika grupperingar av innehåll. Säg att man bygger ett verktyg som analyserar detta så blir det intressant att utvärdera om enklare texter presterar bättre eller sämre än komplexa. Läs mer om A/B-tester senare i boken, men det går att utvärdera om någon variant är att föredra.

”Våra skandinaviska kunder ska uppfatta oss som ett skandinaviskt varumärke”

Bild 9: Zlatan och en Volvo i ett vinterlandskap (källa: Volvo Cars).

Jag har aldrig haft insyn i vad före detta svenskägda bolag sätter upp för mål när de slutar vara ägda eller styrda från den världsdel där de en gång startade. Tänk Volvo Cars, ägd ömsom av amerikaner, ömsom kineser, men går ut i en omfattande reklamkampanj om att de är ”Made by Sweden”. Man kan ju tycka vad man vill om sånt, men budskapet och vad de vill att folk ska tro om varumärket Volvo är ju otvetydigt – Volvo är svenskt!

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 hur mäter man ifall folk tar till sig ett sådant budskap, och om det finns vissa användarsegment där man kan behöva jobba lite extra? Det är här kvalitativa metoder kommer till användning. Intervjuer av olika slag, enkäter, gerilla-testning i väntan på morgonkaffet på närmsta kaffeställe.

Det är som du förstått inte särskilt meningsfullt att göra denna typ av insats en enda gång. Vad ska man göra av vetskapen att 72% anser något? Det är förstås så att ett värde uppstår genom en förändrad uppfattning, och vid någon viss tidpunkt kanske man bara behöver underhålla den position man är tillfreds med.

Det finns några hållpunkter när man utformar frågor att ställa till sina användare. Som man frågar får man svar. Jag brukar ofta exemplifiera med hur man tror svenska folket skulle svara på frågan ”Tycker du att Sveriges statschef bör vara demokratiskt vald?”. Det är en ledande och samtidigt förvillande fråga då många som vill behålla monarkin kommer svara ja, men genom sitt svar ange att de vill säga avsätta kungen som statschef.

Den här typen av problem är väldigt vanliga om man slarvar med sina frågor, men också när det gäller vilka svarsalternativ som ges. Några som jobbar mycket med detta är medierna, och Sveriges Radios Ekoredaktion har tagit fram ett alldeles utmärkt checklista¹⁵ som belyser vanliga problem med enkätsvar. Man ska kunna svara ja på sju frågor, nämligen:

1. Är urvalet slumpmässigt? Annars riskerar felmarginalen att bli väldigt stor.
2. Har tillräckligt många svarat? Svepande generaliseringar så behöver man normalt 1000 svarande, eller om det nu är en mindre grupp kanske man ska fråga alla.
3. Har tillräckligt många av de tillfrågade ställt upp? Är det under 60 % är det dags att bli orolig om de som lät bli att svara kanske skulle svarat annorlunda än de som ställde upp.
4. Är undersökningen gjord per telefon, via brev eller genom besök? Just Ekot godkänner inte webbpaneler, men även enkäter på webben kan vara tveksamma om man inte kan visa på att de svarande är utvalda slumpmässigt.
5. Är förändringen som du vill berätta om statistiskt säker? Den berömda felmarginalen kan spela dig ett spratt.
6. Kan du lita på avsändaren? I sammanhang som på webben så gäller det att vara frågande kring hur insamlingen av data har gått till. Om du har en tredjepart som hjälper till gäller det att man litar på att de vet vad de håller på med och ger dig korrekta uppgifter.
7. Är frågorna neutrala och vettigt ställda? Den som formulerar frågorna kan ovetandes råka avslöja sin egen åsikt genom hur frågorna ställs. Frågans formulering kan påverka svaret man får. En fråga ska vara neutral och sakna värderingar.

Men som nämnts tidigare, det här är inte raketforskning, var vaksam på vilka slutsatser du baserar på data med mindre noggrannhet. Gör inga storslagna förändringar baserat på en statistiskt icke-säkerställd andel av svaranden. Vill du verkligen vara på den säkra sidan (och spendera massor med tid) så fråga en statistiker vad hen anser om din metod…

Mätbara värderingar och kvalitetskrav

Förutom verksamhetens mål finns andra saker man vill följa upp, alltså de mätvärden man prioriterat. Det kan handla om hur man förväntar sig att webbplatsen ska fungera för att vara representativ för verksamheten. Dagens Nyheter hade en artikelserie hösten 2015 där de påpekade på vilka sätt svensk offentlig sektor lät tredjeparter, som Google, Facebook, m fl, lyssna in när medborgare använde webbplatserna. I vissa extremfall var tredjeparterna organisationer som inte hymlade med att de sålde uppgifterna vidare. Att då ha med dem på sidor som avhandlar sexuell läggning, sexuell hälsa, etnicitet eller andra känsliga personuppgifter var förstås inte alls bra.

Bättre är om man är på det klara med vilka värderingar man har och vad de kan tänkas innebära för utformningen av webbplatsen. Dessutom finns det ett antal kvalitetskrav man bör ställa på sig själv samt göra löpande uppföljningar så att det i alla fall inte blir sämre ju längre bort lanseringsdagen är i backspegeln.

Vad som förväntas av en modern, effektiv och nyttig webbplats som följer god praxis är föränderligt. Detta ställer krav på att ofta göra efterforskningar. Sista delen i boken tar upp en lång men verkligen inte komplett lista med aktiviteter man kan börja titta på för att få koll på läget.

Utöver ovan nämnda mätvärden finns det också de mätvärden som berättar användarens historia och låter dig få insikt i användarupplevelsen. Såväl deras frustrationer som framgångar. Som du listat ut vid det här laget är detta inte målsättningar med webbplatsen, men de är ändå viktiga för att ha en komplett bild av hur webbplatsen fungerar och kan optimeras. Även dessa mål ska du ha med dig genom denna metod för webbanalys.

Nedan har du en förslag på punkter för att prata igenom med webbteamet och med leverantörer:

1. Ska vi använda eller ens tillåta tredjeparters innehållsnätverk? Även om man kanske inte kommer att vara helt konsekvent i detta så är det bra att dokumentera vilka avsteg man kan tänka sig att göra. Många kommer säkert fram till att de oavsett vad vill använda Google Analytics, men att man inte tänker designa webbplatsen så att den har med fler aktörer. Tillfälligt kan man säkert stoppa in verktyg för att följa upp användarupplevelsen, få hjälp av tredjeparter på enskilda undersidor för att utföra A/B-tester med mera. Det viktiga är att göra ett aktivt val.
2. Vilka hygienfaktorer/kvalitetskrav är prioriterade? Kolla sista delen i boken för ett gäng förslag, men troligtvis kommer du på fler. Dessa kan man dokumentera i något som kallas stilguide, ett ämne vi kommer avhandla i nästa del av boken.
3. Vilka kompromisser är överenskomna, och vilka förbättringar är planerade? Dokumentera gärna vilka punkter man ska leva upp till med den första insatsen av webbplatsen. Det kan ju vara så att man av budgetskäl eller liknande behöver skjuta vissa krav på framtiden. Det här är en plan för webbplatsens kontinuerliga förbättringar och hur man kan mäta att planen uppfyllts.
4. Kom överens om vad som ska ingå i en nollmätning! Om man inte redan har gjort en nollmätning, eller en mätplan med historiska jämförelsevärden är det dags att börja med detta.
5. Ta fram en representativ "testsida" som är samma efter varje uppdatering av webbplatsen! Denna ska IT-utförare, utvecklare och konsulter stämma av sina leveranser mot för att visa på att deras bidrag inte försämrade kvaliteten, snarare bör man förvänta sig förbättringar.
6. Ha dokumenterad buy-in från alla leverantörer! Om man ska göra det högtidligt eller formellt är upp till dig och hur relationen ser ut med de som bidrar till webbplatsen, men det är viktigt att alla är införstådda i de förväntningar som finns.

Checklista för ett bra verksamhetsmål för webbanalys

Det finns ett antal kriterier som pekar på att de verksamhetsmål man valt ut är relevanta, nämligen att:

1. Det finns en uttalad intressent. Vet man inte vem som borde bry sig är det ganska lönlöst att börja mäta.
2. Intressenten kan bli intresserad av en markant förändring. Om en större förändring av mätvärdet/KPI:n möts av en axelryckning, kommentarer som ”än sen?” eller oförståelse har du problem.
3. Mätvärdet har påverkan på verksamhetens måluppfyllelse. Har den lite med verksamhetens väg till framgång är den inte en ’Key’ Performance Indicator.
4. Går att agera på. Ett mätvärde/KPI behöver vara relaterat till något påtagligt, som att vid en viss nivå är det inte längre lönsamt med att fortsätta reklamkampanjen på ett visst socialt nätverk. Eller att en del av webbplatsen inte längre bidrar till verksamhetens mål, att ytterst få värdeskapande användare drar nytta av det innehållet. Det finns också informativa mätvärden/KPIer, men de är sällan särskilt intressanta till annat än att förstå sin användare.
5. Orsakar inte negativa sidoeffekter. Ett bra mål är genomtänkt nog så det inte uppstår problem någon annanstans i verksamheten. Exempelvis att en ökad försäljning mest orsakade merarbete, fler returer och kunder som kände sig lurade.

Tänk också på att ytterst få bryr sig om siffrorna! De vill höra insikt och rekommendationer som är uppbackade av insamlade fakta - inte en massa siffror eller data-snack. Repetera ditt framförande på förhand, stäm av din rapport med någon kollega och gör ytterligare förberedelser, innan du förhoppningsfull tar kontakt med ledningsfolk.

Moment 2: Ta fram rapporter och metoder för kommande analys

I moment två är det dags att börja jobba med hur data ska samlas in, hur kvaliteten på insamlingen ska bli bra nog och hur man ska presentera det. Som redan nämnts så handlar rapporter till större del om text än siffror. Även ett fåtal visualiseringar kan vara överväldigande första gången någon utanför webbteamets kärna tar del av innehållet. En rapport ska vara en berättelse som mottagaren kan komma ihåg och berätta vidare!

Begreppet rapport är så där härligt diffust. Det jag menar med det är egentligen inte så komplicerat, det handlar om hur någon ska kunna ta del av det som inspekterats. Ibland kallas det för dashboard (vilket nog motsvarar svenskans ’kontrollpanel’). Det kanske inte är mer komplicerat än att man skapar en ny flik i ett Excel-ark där man dokumenterar resultatet av arbetet.

Bild 10: Exempel på dashboard med många flikar, från Länsstyrelsen i Örebro.

Jag har genom åren sett massor av olika sätt att bygga upp rapporter. De flesta har varit bra. Det man behöver tänka på är vem man vänder sig till. Vem ska ta del av rapporten och vilka aktiviteter man hoppas det ska föranleda. Vi som jobbar med att samla in data, eller vadar i webbplatsstatistik dagarna i ända kanske tror att vi kan agera på data, men antagligen ljuger vi för oss själva. Troligtvis så bygger vi en historia om den data vi kontinuerligt matas med och sedan reagerar vi automatiskt på de avvikelser vi uppfattar.

En person som sällan ser samma statistik upplever däremot att vi spyr ur oss en massa siffror om vi inte berättar den insamlade datans historia snarare än redovisar siffror. Det kan vara lätt att glömma bort. Så lätt att det på engelska fått ett namn – data puking :)

Så det första steget är förstås att lista ut vem som kommer ha nytta av den information vi ska samla in och senare rapportera. Vad har de intressenterna för förkunskaper inom statistik, webb och teknik? Har man inte tänkt anpassa sig efter intressenterna är det ganska meningslöst att jobba med webbanalys. Det är ju de som kan hjälpa dig att få bra saker att hända baserat på de bevis du gräver fram.

Bild 11: Exempel på verktyg där intressenter själva kan inspektera insamlad data.

Två grundläggande former av rapportering är om du kommer skicka dem en sammanställd rapport i efterhand eller om de behöver få löpande insyn. Här är skillnaden också om intressenten vill ha en skrivbordsprodukt att ta med på ett styrelsemöte eller om de själva aktivt vill följa utvecklingen på webbplatsen i realtid. Mest troligt är att du i slutändan kommer ha en kombination av bägge.

En grov översikt för arbetet i detta moment är följande:

1. Samla in data.
2. Bedöm kvaliteten på insamlad data.
3. Förädla innehållet, alltså tvätta till det så att det är redo för kommande arbete. Det kan handla om att konvertera geografiska positioner från ett format till ett annat.
4. Mixa in fler datakällor och dimensioner. Säg att du uttökar geografiska positioner med genomsnittligt ordervärde.
5. Förprocessering. Arbeta fram modeller för hur man ska kunna dra slutsatser på potentiellt jättestora datamängder. Kanske behöver man göra innehållet enklare att jobba med?
6. Filtrera ut den data du behöver. Det kan handla om att bara samla på sig eller sammanställa data om ett visst användarsegment.
7. Utforskande, visualisering och dataanalys. För att veta att du har rätt innehåll och verifiera alla tidigare steg kan visualisering och allmänt utforskande av datamängden vara klok.

Notera gärna också att din data blir mer värdefull efter varje steg, det är lite av en förädlingsprocess. Kör man som generalist fast kan det vara en tröst att veta att det finns expertis inom varje delmoment. Jobbar du inom en större organisation finns säkert denna expertis internt, annars brukar folk vara oväntat hjälpsamma när man hör av sig på sociala medier (med korta frågor).

En ny yrkesroll som började växa fram runt 2015 kallas för data scientist. Det är alltså en mångsysslande person som är bra på statistik, tekniska system och som kan hjälpa sig själv med att få tekniskt jobb gjort även om datakällan är väldigt stor. Utöver dessa kan man behöva prata med de som kan innehållet på en webbplats, men gärna också en webbutvecklare för att få koll på hur det ska gå till att samla in sin data på rätt sätt. Sitter man trångt till så är det en utvecklare i största allmänhet man är ute efter.

Ibland kan det nämligen krävas att man gör justeringar i sin tekniska plattform. Utöver verksamhetsmålets egna data är det bra att samla in data som berättar historien runt verksamhetsmålet – du vill ju gärna veta varför något blev bättre, inte bara att det hände.

Att samla in data kan vara svårt

Bild 12: Hur loggar man automatiska felmeddelanden på en webbplats?

I teorin är det säkert enkelt att samla in den data man är intresserad av. Men ju större den tekniska miljön blir desto fler komplexa komponenter hjälper till för att erbjuda en webbplats. Där jag jobbar, på landstinget, är vi säkert ett extremfall i och med att våra tekniska system har ett stort skyddsvärde då vi hanterar ytterst känsliga personuppgifter, så hos oss är det inte alltid givet att vi vill dra nytta av all den data vi har. Samma bekymmer finns nog hos de flesta, om än i mindre skala, nu när praktiskt taget alla organisationer börjar sätta ett stort värde på insamlad data.

Lite beroende på vad man har för verksamhetsmål så kan man behöva gräva i denna nästintill oändliga tekniska komplexitet. Allra värst är det när man i detalj vill ha reda på varför en avvikelse inträffade. Dessa datakällor är primärt relevanta när du i efterhand vill kunna göra efterforskning i varför folk försvann precis innan de fullföljde ett verksamhetsmål på webbplatsen.

På min arbetsplats har det hänt emellanåt att viktigt innehåll hamnat i publiceringssystemets papperskorg. För att en sida som hamnat i papperskorgen ska visas för en icke-inloggad användare hamnar man på inloggningssidan för publiceringssystemet. Den sidan loggas inte i vårt fall av webbplatsstatistiken. Alltså försvinner användare ut i ett svart hål, webbanalysmässigt, och vi tappar helt uppsikten över användarens upplevelse.

Ett sätt som många webbplatsstatistiksystem erbjuder för att fånga upp sånt som inte är en vanlig sidvisning kallas för händelser och virtuella sidvisningar. Det går ut på att bakom kulisserna registrera att något inträffade, bra eller dåligt. På många sätt är det praktiskt att kunna samla in signaldata i samma plattform som sin webbplatsstatistik.

Om man nu inte lyckas påverka diverse felsidor så de registrerar användaren i den vanliga webbplatsstatistiken så blir analytikerns åtkomst till tekniska loggar helt avgörande. På tal om svårigheten med att samla in data så är det för arbetets trovärdighet viktigt att man kan svara på frågan hur ens data blev insamlad, vilka faktorer som påverkar, och så vidare. Det kan vara vettigt att dokumentera vad som utgör en virtuell sidvisning, när man väljer att registrera det som händelser istället, och så vidare. Det kanske inte är så viktigt exakt hur man väljer att göra bara man är konsekvent, annars kan man själv orsaka oönskad variation i sin egen datakälla.

Just logganalys kan komma att få en uppsving. Det var vad vi använde förr i tiden på webben eftersom inte många nog hade stöd för Javascript i sina webbläsare. Idag är problemet snarare att många användare blockerar verktyg för webbanalys för att värna sin integritet. För den stora massan dök detta upp under hösten 2015 då Apple släppte iOS 9 som hade stöd för så kallade content blockers. Dessa gör att man kan blockera Google Analytics, Matomo, och de flesta andra verktyg som försöker ha koll på vad användaren gör på en webbplats.

Till en början var det mest skumma eller okända avsändare till dessa blockerare. Men efter några månader kom den öppna och hyggligt trovärdiga organisationen Mozilla ut med Focus by Firefox. Plötsligen fanns ett öppet alternativ utan kommersiell eller dold baktanke.

Även innan dessa innehållsblockerare fanns inbyggda i Apples mobila system har det förstås funnits speciella webbläsare. Och för datorer har annonsblockerare funnits väldigt länge – de kan användas även mot verktyg för webbanalys.

Bild 13: Focus By Firefox gör det lätt att blockera diverse övervakning.

Förekomsten av denna typ av verktyg är värt att tänka på när du utformar din insamling av data. Kommer det verktyg du väljer att orsaka att alla dessa användare inte kan använda webbplatsen? Det kan vara nog för att man går i konkurs om man har riktig otur. Min rekommendation är att du själv provkör dessa blockeringsverktyg och noga följer vilken inverkan de kan ha på din webbplats, hur de påverkar de verktyg du väljer att använda. Du har kanske själv råkat ut för att det inte går att skrolla neråt på en webbplats? Det har åtminstone jag. Frågan man bör ställa sig är, hur troligt är det att det fåtal som listar ut att det beror på deras innehållsblockerare faktiskt väljer att göra något åt det. Kanske är troligare att de struntar i det och besöker en konkurrent istället?

Kontentan av ditt arbete kring insamling av data är att du behöver kolla så att du har en något sånär komplett bild av vad som kan hända för de användare som besöker din webbplats. Gör en inventering av vilka system som bidrar till att visa upp de sidor som kan nås och kolla så du har insyn i respektive system. Inom en större organisation kan det typiskt handla om att man bland annat har följande system som bidrar till webbplatsens innehåll:

• Själva webbpubliceringssystemet, sitt CMS, där redaktionellt material handhas.
• Ett separat dokumenthanteringssystem (ECM – Enterprise Content Management) för att hålla ordning på dokument, broschyrer, blanketter med mera.
• En bildbank som ligger i ett bildhanteringsverktyg – ett så kallat MAM (Media Asset Management).
• Videoklipp, eller teckensnitt och tredjeparts-filer som inte är unika för organisationen ligger på ett innnehållsnätverk (CDN – Content Delivery Network) för att snabba upp överföringen.
• Diverse udda-lösningar från externa aktörer som läses in via den, ursäkta min rättframhet, komplett värdelösa tekniken Iframe, alltså ett litet titthål i sidan som läser in innehåll från en tredjepart.
• Tredjeparter som via API:er bidrar med valutakonverteringar, kortbetalningar eller innehåll som aktuella produkttexter.

Detta behöver man ha koll på. Om inte annat får man det så fort man börjar efterforska hur det kommer sig att det ser ut som det gör (eller varför något inte tycks fungera som det var tänkt). Det är ibland en intressant utmaning att lyckas mäta en användares resa mellan flera olika system, men ofta kommer man långt med att registrera en virtuell sidvisning innan webbplatsen lämnar över användaren exempelvis till dokumenthanteringssystemet.

Verktyg för analys

Det finns väldigt många verktyg för att jobba med webbanalys. Dessutom tillkommer det nya hela tiden. Vissa är små lösningar som hjälper till med enskilda uppgifter, som att bygga upp rapporter, andra är stora miljöer som erbjuder dig och intressenterna en ganska komplett vy över nuläget.

Mest kända typen av verktyg är de som hjälper till med webbplatsstatistiken. Störst är nog Google Analytics, men Adobe erbjuder en motsvarighet i sin Adobe Analytics som har sina styrkor. För den som inte vill blanda in tredjeparter så finns Matomo. Det är en öppen källkods-lösning som man kan installera på sin egen webbplats och då värna om den personliga integriteten. Den använder vi på min arbetsplats och nu i ett samhälle, post-Snowden, är det nog allt fler offentliga aktörer som börjar intressera sig för Matomo.

Dessa verktyg visar egentligen bara upp den mest uppenbara informationen. Alltså klickströmmen på ens webbplats. Var kom användarna ifrån, vad gjorde de och hände det något av värde? Dessa verktyg erbjuder vyer av information som är väldigt allmängiltiga. Sådant som är så uppenbart att alla nog kan ha nytta av dem. Det du behöver för att ha koll på just din webbplats kanske du behöver lista ut själv och komplettera med?

Det finns allt fler verktyg för att hjälpa sig själv kring att analysera insamlad information. Ett verktyg jag haft en del nytta av heter Tableau. Det är ett sätt att utforska den data man samlat in med förhoppningen att avvikelser och mönster kan ge mig insikt i vad som kan förbättras för att göra webbplatsen lite-lite bättre för användarna. Här finner man nya vyer över den data man samlat på sig. Det beror ju lite på vad målet man ska mäta handlar om eller vilken sorts data man tittar på. Senare, i den mer avancerade delen av boken, kommer vi gå igenom några av de nyttiga verktyg som finns men som bland många av oss hamnat i skuggan av webbplatsstatistiksystem som Google Analytics.

Det finns ett antal välanvända tekniker du kan titta på för hur dina rapporter kan utformas och strax kommer vi gå igenom några av de möjligheter som bjuds. Det kan vara nyttigt att ha en webbutvecklare till hands tills dess att man själv vet hur komplicerad ens lösning blir att realisera i det system webbplatsen rullar på.

En stor del av nyttan med rapportarbetet och metoder är den lärande processen. Att arbeta med vilken nytta man ska sträva mot, att lära känna sina användares beteenden och behov är något som gör att varje upprepning av detta arbete börjar på en ny högre nivå.

Ännu ett begrepp du behöver ha koll på är CTR (Click Through Rate), vilket på svenska brukar översättas till genomklickningsfrekvens. Det avser hur stor andel av användarna som valde att klicka på en viss länk i ett sökresultat, eller följa den call-to-action som finns på en sida de besökt. Målet är att ha en hög och förutsägbar CTR då det betyder att användaren förstår vad den får sig serverat och accepterar att fortsätta mot målet.

Omvandlingskanal (conversion funnel på engelska)

Bild 14: Stort tapp i första steget, nästan inget alls i sista. Från Google Analytics för 1177.se

Den metoden som antagligen är vanligast när det gäller att rapportera måluppfyllelse är att använda en omvandlingskanal. Den lämpar sig särskilt väl för att visualisera hur stor andel av användarna som faller ifrån i en process med flera delmoment. Man definierar en startpunkt och sedan mäter man hur stor genomklickningsfrekvensen är på varje delmoment – alltså hur många användare man tappar bort på vägen mot målet.

Har man låg genomklickningsfrekvens kan det bland annat tyda på att man behöver förbättra användbarheten i det moment där många användare försvinner, eller så är inte nästa steg lockande nog för användaren. Om man inte alls jobbat med omvandlingskanaler kan man få en chock första gången. Kanske finns en enorm förbättringspotential i att minska andelen avhopp på ett enskilt steg i en flerstegsprocess mot ett gemensamt mål.

Tänk dig att verksamhetsmålet för ett intranät är att minst 90 % ska klara av att skicka in sin ledighetsansökan. Om då 25 % av dem försvinner vid första delmomentet får man försöka lista ut vad det beror på, eller möjligen komma fram till ett rimligare mål.

Det är av intresse att segmentera ut de användare som inte fullföljer alla steg i en omvandlingskanal för att leta mönster. Finns det några gemensamma nämnare för var de hoppar av? Vart de tar vägen? Är det möjligen en otydlig call-to-action som gör att användarna inte förstår vad de förväntas göra för att komma vidare?

Det behöver inte nödvändigtvis vara många delmoment för att en omvandlingskanal ska vara lämplig som visualisering när du rapporterar webbanalysens resultat till dina intressenter. Ett simpelt exempel på omvandlingskanal kan vara hur stor andel som efter en webbplatssökning faktiskt klickar på någon av träffarna. Det skulle kunna vara ett av flera sätt att utvärdera om en förbättrad relevansmodell för sökfunktionen varit lyckosam. Det en omvandlingskanal kan berätta, till skillnad från genomklickningsfrekvens, är vad de vanligast använda utgångarna är.

En omvandlingskanal begränsas inte till ens webbplats utan kan mycket väl vara måttstocken för genomslag för nyhetsbrev per e-post eller rent av något i den fysiska verkligheten.

A/B-testning för att jämföra två olika alternativ

Bild 15: A/B- test är att likt en gungbräda jämföra alternativ A mot alternativ B.

A/B-testning är en metod för att se vilket av två alternativa sätt att utforma något som fungerar bäst på riktiga användare. Detta är förhoppningsvis ett prestigelöst test av folks hypoteser för att se vad som fungerar bäst. Det är lite av en tävling som körs under en begränsad tid genom att alternativ A och alternativ B slumpas ut till användarna. Efteråt inspekterar man hur de två alternativen presterade och om man kan utse en vinnare som får förtroendet att fortsätta finnas (tills dess en ny utmanare dyker upp).

Det kan vara ett utmärkt (och ofarligt) förslag när någon påstridig person föreslår en viss förändring. Helt avväpnande utbrister man att det är ett utmärkt förslag som man är ivrig att utvärdera om det fungerar på livs levande användare :)

Med ett A/B-test ska man försöka besvara tre frågor; vem, vad, och varför.

• Vem är det som förändringen riktar sig till? Det är alltså ett visst segment av användarna, med andra ord en delmängd som har något visst gemensamt.
• Vad i användarnas beteende hoppas man ska förändras? Det kan exempelvis handla om att fler väljer att skriva en produktrecension på webbplatsen efter ett genomfört köp.
• Varför borde förändringen ske? Det behöver finnas en testbar hypotes om hur målet/förbättringen kan uppnås, vilket oftast är en förändring i design.

Exempel på ett A/B-test för en webbplats är att på segmentet användare som ansluter via en skrivbordsdator kontrollera om en högerkolumn med extrainformation fungerar bäst jämfört med att lägga materialet under artikelns brödtext.

A/B-testning kan verkligen göra skillnad. Ett av de mer inspirerande exempel jag hört är när Obamas presidentvalskampanj 2012 gjorde A/B-test för att hitta det bästa sättet att få in så mycket donationer som möjligt. Efter att de genomfört 240 stycken A/B-tester¹⁶ hade de ökat konverteringsgraden med 49 %. Lyckas man med den nivån av optimering kan det göra riktigt stor skillnad.

Slumpmässigt urval till testgrupp och kontrollgrupp

Tänk på att det kan vara förvirrande, och kan försämra testets kvalitet, om man som användare får olika versioner under testperioden. Försök designa testet så att man konsekvent visar det ena alternativet för en viss grupp av användare. Dessutom är det att föredra att urvalet är slumpmässigt. Det kan vara genom att man särskiljer användarna genom deras geografiska plats, rangordning i värdekedjan eller kanske beroende på om det är deras första besök eller ej. Utöver det så slumpas det ifall man ingår i testgruppen eller kontrollgruppen. Om man får det nya förslaget eller det befintliga, alternativ A eller B.

Anledningen till att man vill ha detta halvt vetenskapliga upplägg är för att man ska kunna dra slutsatser baserad på trovärdiga data. Ifall du har tillräckligt många användare att testa på, säg 5000 användare, så väljs 2500 ut slumpartat till testgruppen – de som man provkör ett nytt designförslag eller text på. När testperioden är över så jämför man testgruppens och kontrollgruppens resultat, vilken grupp var mest lyckosam gentemot det mål man ville uppnå? Om skillnaden mellan de två grupperna är större än försumbar så har man hittat något. Men det kan absolut vara så att man kommer fram till att det gamla designalternativet fortfarande fungerar bäst.

Även om testet kommer fram till att de två alternativen presterar ungefär jämbördigt så har man lärt sig vilket svängrum man har och kanske vågar sig på en mer drastisk förändring till nästa test.

Saker som du kan vilja testa är bland annat:

• Olika layouter, som om det fungerar bättre med en sidokolumn på breda skärmar eller ifall den ska placeras under själva artikeln. På detta sätt kan du undersöka fenomenet ”banner blindness”.
• Mikrocopy, exempelvis vilka knapptexter som fungerar bäst för att dels få ett klick men också för att användaren ska fullfölja hela processen – övergivna kundvagnar har inget egentligt värde.
• Färgalternativ, det är välkänt att folk av olika kulturer reagerar olika på färger¹⁷. I tävlingssammanhang är det bevisligen mer sannolikt¹⁸ att vinna om man har röd klädsel. Så vilken färg väljer du på en knapp för köp? Blå, röd, grön, eller annan? Testa!
• Bildspråk, bland annat kan du utvärdera vilken typ av bild som fungerar på annonser på en viss annonsplats, men också om det är havsutsikten eller poolen som säljer hotellpaket vid Medelhavet.
• Användbarhetsfaktorer. En intressant sak som dock kan vara lite komplicerad att testa är om man kan höja upplevelsen av en flerstegsprocess genom att minska eller öka antalet delmoment. Att användare inte orkar klicka mer än tre steg är ett otestat antagande tills dess man faktiskt undersökt saken. Kanske blir processen mer tydlig om man inför ett ytterligare delmoment. Genom att jämföra alternativens omvandlingskanal ser du vilket alternativ som behöll flest användare till slutet.

Precis som med omvandlingskanal kan och bör A/B-testning användas i andra sammanhang än strikt på själva webbplatsen. I mejlutskick är det vanligt att man skickar ut två alternativa meddelanden, exempelvis på ett erbjudande av något slag. När man i efterhand analyserar vilket genomslag respektive alternativ fick väcks tankar om vad man möjligen kan göra bättre i ett framtida utskick.

Multivariat testning för att testa flera saker samtidigt

Vill och vågar man krångla till det något kan man utföra så kallad multivariat testning. Det innebär att man testar ett flertal justeringar samtidigt i ett paket, men i övrigt är det en mix av andra metoder – kanske främst A/B-testning.

Ett exempel är när man initialt designar landningssidor på sin webbplats. Vilket alternativ funkade bäst av exempelvis:

• Alternativ A med stor utsmyckningsbild, maffig rubrik och en enda call-to-action?
• Alternativ B som utan bild eller maffig rubrik använder utrymmet till att erbjuda tre distinkta call-to-actions?
• Alternativ C med en copy-text som personaliserats för användaren baserat på dennes klickmönster, hur hen hamnade på sidan, etc.

Måttstocken för vilket alternativ man ska jobba vidare med är den som har högst genomklickningsfrekvens på de call-to-actions man satt upp. Eller ännu hellre, om det nu är möjligt, mäta faktisk lönsamhet på användarens session. Första omgången av detta test skulle ge svar kring hur många call-to-actions användarna kan hantera på en och samma sida. Beroende på hur resultatet ser ut kan man designa nästa test för att försöka optimera ytterligare.

Även i denna metod används segmentering för att kunna isolera delmängder av den information man samlar in, kanske främst för att berätta historien runt omkring det man testar.

Kontroll av kvalitetsfaktorer

Det är inte alla mätvärden som kan besvaras med hjälp av insamlad statistik om användarnas klick och beteende. Exempelvis bör man underhålla tanken om att kontrollera andra former av kvalitetsindikatorer. Säg att kommunikationsavdelningen behöver följa upp publicerat material. Exempelvis lista allt material som inte uppdaterats på ett visst antal månader, eller:

• Lista tunga bilder i storleksordning i hopp om att kunna optimera dem.
• Kolla om det finns föråldrad teknik som gömmer sig någonstans. Exempelvis Flash-filer eller konstiga dokumentformat.
• Webbsidor med sidtitlar som inte följer aktuell praxis inom sökmotoroptimering, något som försvårar möjligheterna att hitta dessa via sökmotorer.
• Dokument som heter något olämpligt, exempelvis ”Nytt Word-dokument”, saknar titel eller andra vanliga misstag som gör det svårt att söka efter innehållet eller är genant när någon hittar det.
• Material som saknar tillräckligt mycket metadata. Exempelvis att beskrivning av sidan, eller att nyckelord till den egna sökmotorn saknas.
• Sidor som svarar väldigt långsamt. Långsam sidvisning kan bero på många saker men ofta handlar det om komplexitet i systemet för att sammanställa allt som ska visas upp för användarna. Men ibland har man ju helt enkelt en för trög webbserver.

På min arbetsplats har vi drygt en miljon sidor/dokument som är sökbara. Med hjälp av allt det sökmotorn vet om sidorna den indexerat kan vi plocka fram en hel del intressant statistik. Bland annat att 89% av innehållet på intranätet saknar nyckelord – med andra ord kan 9 av 10 sidor inte delta i toppstriden på den interna sökmotorn. Inte undra på att sökmotorn har svårt att välja ut vad som är mest relevant. Det är inte särskilt mycket bättre på våra externa webbplatser.

Bild 16: Optimizr.com ger rapporter per e-post.

Ta gärna inspiration av de rapporter som kommersiella verktyg har, det är oftast både enkelt och gratis att anmäla sig för en testperiod med de flesta verktyg. När du utvecklar din egen mall för rapportering är det förstås viktigt att fokusera på de värdeskapande händelserna. Inte bara alla potentiella bekymmer, utmaningarna och notiserna som är uppenbara nog att standardverktygen lyfter fram dem.

För dig som inte redan har någon lämplig programvara som kan inspektera hela webbplatsen, eller åtminstone stora delar av den, finns en del verktyg du själv kan köra eller tillsammans med någon mer tekniskt lagd kollega. Det jag själv kört och gillat heter SEO Toolkit¹⁹, vilket är ett tillägg till Windows Server. Denna serverversion av operativsystemet Windows finns inom praktiskt taget varje större organisation och är nog inte heller ovanlig bland utvecklare i din närhet.

Bild 17: SEO Toolkit kan kravla igenom din webbplats och ge en hel del tips.

Exempel på andra källor där du kan hitta data av kvalitativ eller kvantitativ sort är exempelvis:

• Kundservice eller IT-avdelningen kan ha loggar på ärenden som rör svårigheter att använda webbplatsen, eller andra ärenden där webbplatsen inte lyckats hjälpa användaren.
• Användbarhetsstudier där jag arbetar har ibland gjorts på delsystem utan min vetskap och ändå, tacksamt nog, tittat på de delar jag jobbar med. Det skadar alltså inte att fråga runt lite grand.
• Transaktionsdata vilket kan gå under många olika namn beroende på kunskaperna hos den du pratar med. Exempelvis kan det kallas för tjänsteplattform, Enterprise Service Bus (ESB), integrationsplattform, API:er eller liknande. Det här är en form av digital telefonväxel och informationsdisk i kombination.

Nästa moment är förstås att inspektera, jämföra och analysera all data man samlat in.

Moment 3: Analysera

Målet med analys-fasen är att förstå varför användarna beter sig på ett visst sätt eller tycker som de gör. Det du gjort så här långt är att samla på dig bevis för vad som hänt när, och var. Nu är det dags att försöka svara på frågan varför. Här får du chansen att se vilka hinder som stoppar användarna från att genomföra de önskvärda aktiviteterna på webbplatsen och vad du kan ta tag i för att optimera värdet av webbplatsen.

Det du ganska snart märker som skiljer olika användare åt, särskilt om du pratar med dem, är att deras nöjdhet påverkas av åtminstone två faktorer, nämligen:

1. Användarens förväntningar inför besöket. De kan vara olika motiverade. Kanske har du övertygat personen redan innan hen dykt upp.
2. Själva användarupplevelsen. En väldigt motiverad användare står ut med lite mer än den som behöver bearbetas lite för att konvertera. Det kan handla om hur lätt det är att förstå vad man ska göra. Hur många delmoment något har. Om man ens kan ta del av webbplatsen under de förutsättningar man befinner sig i och vilken pryl man använder.

Det första du måste fundera på i analysarbetet är om du har nog med data för att kunna dra några slutsatser. Även om du kommer fram till att du nog har för lite data för att dra stora och långtgående slutsatser så ger dina data dig säkert indikationer på hur det ligger till och tips på hur du kan göra om testet i större skala. Men gräv inte ner dig! Risken finns att du lägger mer tid på att analysera än att förbättra webbplatsen. Tvekar du så ta kontakt med en statistiker och nämn nyckelord som konfidensintervall (alltså vilken felmarginal som finns) för att fånga hens uppmärksamhet. Eller så googlar du och sätter dig in ämnet :)

Var också uppmärksam på eventuella säsongsvariationer som kan påverka testet. Enligt min erfarenhet finns det information och stöd som behövs mer vid särskilda tillfällen under året. Exempelvis ger data från min arbetsplats stöd för att det är vanligt att folk glömmer bort sina lösenord under sommarsemestern. Detta är också ett exempel på hur dina slutsatser inom webbanalys även kan stödja internkommunikationen med prioriteringarna i det redaktionella arbetet med intranät. Om nu folk har extra svårt med lösenord under slutet på juli och hela augusti finns nog en effektivitetsvinst placera relevanta tips på intranätets startpunkter för hur man som anställd agerar vid bortglömt lösenord. Motsvarande svårighet kan säkert externa användare också ha första gången de ska logga in efter en lång semester.

Om du nu ändå ska placera ut denna säsongsinformation så kan du lika gärna göra ett A/B-test för utvärdera bästa tänkbara formulering istället för att bara skriva ihop något. Själv skulle jag testa att dels att köra en fråga som titel, exempelvis ”Glömt lösenordet?” men också det mer aktiva ”Få nytt lösenord”. Gör du det som en bildpuff kan du testa vilken form av bild eller illustration som presterar bäst. Här kommer vi in på de hypoteser kring tänkta förbättringar som hänger ihop med besvarandet av varför-frågan och viljan att optimera.

De data du samlat in kan ibland innehålla oönskad variation eller extrema exempel. Vill du vara helt på den säkra sidan är det som sagt läge att koppla in en statistiker men ofta kan man med hjälp av historisk data komma fram till vad som är ett osannolikt scenario. Om så är fallet är det helt ok att filtrera eller segmentera bort dessa udda fall. Det du uppnår är statistik som visserligen inte är lika exakt men det går att se trend över tid. Exaktheten är egentligen mest avgörande i jämförande tester mellan tävlande alternativ, om nu inget alternativ vinner en jordskredsseger.

Inspektera det fåtal som konverterar - eller alla andra?

Baserat på de mål och användarsegment som identifierats är det nu man ställer sig frågan angående vilken grupp som har störst potential till förbättring. Ska man försöka nå vetskap i om det är mer lönt att optimera de som konverterat, eller de kanske 98% som inte konverterat. Jag antar att även du tycker det är intressant att försöka omvända fler av den stora massan användare. Men givetvis ska man inte glömma bort att försöka göra ännu bättre ifrån sig på de som redan bekräftat att de gillar verksamhetsmålen genom att faktiskt konvertera.

Att öka andelen som konverterar med en ynka procentenhet kan innebära en fördubbling, om du nu hade en procent konvertiter innan förbättringen och två efter. Det kan vara svårt att dubbla nytta/intäkten/etc. på befintliga användare eller kunder.

Det ofta lilla andel som konverterar är de som bekräftat sig som intresserade av det verksamheten erbjuder. Men många av de andra består till stor del också av intresserade användare, men av någon anledning kom de inte till nästa steg. I denna grupp finns de som överger kundvagnar, skaffar sig vetskap om utbudet, läser på, använder jämförelsefunktioner men inte slutför något (ännu).

I analysfasen behöver man kolla upp var någon faller ifrån i processer, se var friktionen uppstår och komma med förslag på konkreta åtgärder till nästa moment i arbetsprocessen. Att analysera går ut på att baserat på data och strukturerad utvärdering komma fram till slutsatser om hur bra något presterat, samt hypoteser för hur något kan förbättras ytterligare.

Analysens kortsiktiga resultat

Baserat på de data du samlat in, bearbetat och analyserat, ska du dokumentera de fynd och lärdomar som gjorts. Det kan vara bra att ha en anteckning som visar med vilken säkerhet analysen pekar på att man har rätt, inget fel i att vara ödmjuk med att detta inte är en exakt vetenskap. Skriv gärna också ner vilka metoder som användes för respektive test. En logg helt enkelt.

Tänk på att bakom ett otvetydigt A/B-test kan det mycket väl gömma sig data som tydligt förklarar varför den ena varianten presterade bättre. Exempelvis kan det visa sig vara stor skillnad mellan mobila användare och de med skrivbordsdator som besöker en viss undersida. Kanske är designelementet som är sidans call-to-action inte lika lätt att upptäcka på en liten skärm? Det kan vara vad segmenteringen visar, men kan vara värt att testa igen för att se huruvida det antagandet stämde. Kanske kan testet ha bäring på hur andra delar av webbplatsen kan fungera ännu bättre?

Skriv gärna ned vilka test som kan behöva förbättras och köras ett varv till genom hela analysarbetet. Det är inte direkt ovanligt att man inte får fram något som är tillräckligt tydligt för att dra några stora slutsatser, men också det är en vetskap som inte är värdelös.

Som sista punkt i analysfasen sammanställer du rapporten, utgå från den mall du jobbat med i det föregående momentet och fyll på med insikter och slutsatser (och var försiktig med att stoppa in mer data eller siffror än nöden kräver). Denna rapport är dels något att arkivera undan, men främst är det nu du ska kunna stämma av fynd med de intressenterna som ”äger” webbplatsen eller dess olika delar.

Ta inte kontakt med intressenterna och säg ”Vi har 17,39% fler besökare jämfört med föregående period”, eller andra liknande påståenden. Innan presentation eller överlämnande av rapporten kan du och en kollega presentera den för varandra, där ni båda turas om att vara djävulens advokat – den som gnäller och ifrågasätter allt mellan himmel och jord. Det du rapporterar om ska ge insikt och vara möjligt att agera på. De ska passera ett test jag själv brukar kalla för ”än sen?”. Kan du inte besvara motfrågan om varför man ska bry sig så är det du vill rapportera om inte värdigt någon annans uppmärksamhet.

Exempel på saker att berätta om som både ger insikt och går att agera på kan vara bland annat:

• ”Om utvecklingen fortsätter slutar vår kampanj på Facebook att vara lönsam om två veckor (då räknat på en kunds genomsnittliga lönsamhet under 5 år)”.
• ”Över hälften av våra konkurrenter har nu bättre prestanda än oss. Det finns tre enklare åtgärder vi skulle vilja testa och utvärdera, till att börja med.”
• ”Vi har designat om processen för kundvagnen och utvärderat den. På mobila enheter har slutföranden fördubblats, men det sjönk med 7% på datorer. Totalt sett plus minus noll, men då vi tror på mer mobil trafik föreslår vi att behålla designen.”
• ”Endast ett fåtal av våra landningssidor följer praxis inom SEO. Vi föreslår omdesign av CMS så det inte går att glömma beskrivningstext samt att sidtitlar aldrig är över 70 tecken långa.”

Moment 4: Utför förbättringar på webbplatsen

Baserat på hypoteser och slutsatser från analys-fasen prioriterar man vilka förbättringar man först ska ta tag i. Visst arbete kan ha stor påverkan och samtidigt vara en liten insats, andra saker kan vara komplexa på grund av att de har externa beroenden – oavsett vad så har du nu en lista med saker att ta tag i.

Exempel på arbete i förbättringsfasen är att flytta på knappar för att öka användbarheten, något som kanske bara behövs för de med liten skärm. Har du kört A/B-tester ”manuellt”, det vill säga utan ett automatiskt stöd i webbpubliceringssystemet, är det nu du ser till att bara det vinnande alternativet används.

Det sista du gör i förbättringsfasen är att fylla på önskelistan med de förbättringar du prioriterade bort att göra denna gång. Den listan kan visa sig vara nyttig framöver när man råkar få tid över, kanske kan slå samman vissa aktiviteter som liknar varandra eller som inspiration nästa gång man designar om webbplatsen.

Vissa av de verksamhetsmål du satt upp kan ta rätt lång tid att påverka oavsett vad du gör för förbättringar, så ha en rimlig förväntan på hur snabbt du kan börja se resultat.

...och sen då?

Efter utförda förbättringar kör man ett nytt varv och börjar om med moment ett och sina verksamhetsmål. Detta arbete är något som aldrig blir klart, det som styr är snarare ambitionsnivån. Ambitionsnivån styr hur många varv man orkar med per år.

Bli certifierad webbanalytiker?

Om du känner dig otrygg i din roll finns det god hjälp att få, utöver denna bok. Även om du utbildat dig eller jobbat med statistik, har en bakgrund som webbutvecklare eller på annat sätt känner att du har koll på mycket kan det vara bra att kunna hänvisa till något konkret. Eller för att säkerställa att de erfarenheter du tillägnat dig inte har stora luckor på något viktigt område.

Någonting som gör dig till en webbanalytiker även enligt en ifrågasättande persons perspektiv är att förtjäna titeln. Exempelvis för dig som använder Google Analytics finns deras Academy, en gratis webbaserad utbildning där du får lära dig både teori och praktik. Där kan du lära dig handgreppen som krävs i just Google Analytics och i slutändan få dina kunskaper bekräftade genom att bli certifierad på plattformen. Även om du inte använder just Google Analytics kan utbildningen och dess certifiering vara nyttig.

Att ha en certifiering inom ett område är ofta den kvalitetsstämpel som öppnar dörrar, något som visar på att man åtminstone uppnått en okej nivå enligt en tredje part.

Vanliga fallgropar vid arbete med webbplatsstatistik

Det finns förstås många olika sätt att misslyckas på med sitt analysarbete, långt fler än jag har möjlighet att efterforska eller du har ork att läsa om. Jag har valt ut två huvudgrupper som det åtminstone enligt min erfarenhet är väldigt lätt att hamna i. Dels om kvaliteten på målen är något att ha, men också att man går vilse i sin statistik.

Vanity metrics – mätvärden eller mål som ger en bra magkänsla, men som saknar faktiskt värde

En vanlig tankevurpa är det som kallas för ”vanity metrics”, det vill säga mätvärden som tilltalar ens fåfänga. Vad som tilltalar ens fåfänga misstänker jag varierar beroende på ens yrkesidentitet. Det kan vara jämförelser på värden som kan tyckas vara långsökta vad de har med ett otvetydigt gott resultat att göra.

Exempel jag hört ofta under åren är hur många sidvisningar man har, eller antalet unika besökare. Bara för att man i trycksaksbranschen tidigare kom undan med flummiga siffror som i vilken upplaga något släpptes gör det inte värdet till ett rimligt verksamhetsmål värt att sträva mot.

Det är tveksamt vilken nytta man kan uppnå genom att sätta upp mål om genomsnittligt antal sidvisningar på en webbplats. Är det tveklöst bra med många sidvisningar per besökare? Är det dåligt? Det gäller att vara självkritisk till sina mål – då kanske du slipper att andra är kritiska åt dig. I metoden finns det inbyggt i arbetsgången att man reflekterar kring sina mål. Det är nämligen ytterst naturligt att man skruvar på målen ju mer man lär sig om sin webbplats, användarnas beteende och det innehåll man erbjuder.

Relationen mellan webbstrategi och systematiskt arbete med webbanalys är det som hjälper dig hålla ordning på din mix av målsättningar. Så det inte enbart ger god magkänsla.

Webbanalys-gurun Avinash Kaushik har, utöver See-Think-Do-Care, introducerat ”Ladder of awesomeness” för att visualisera detta. Ens webbstrategi går ut på hur man når högt upp på stegen, medan webbanalysen handlar om hur man följer upp resultatet, förbättrar och laborerar.

Bild 18: Avinash trappa illustrerar de steg som behöver tas för att skapa en bra upplevelse på webben.

I botten av stegen finns de hygienfaktorer som denna bok fokuserar på i sin avslutande del, överst upp hittar du marknadsföring på hög nivå. Behöver jag nämna att det är meningslöst att vara duktig på marknadsföring om de två nedersta stegen är undermåliga?

Agenda-amplification effect

Att ens egen agenda styr kan kännas snarlik med vanity metrics. Jag vill hävda att denna dock handlar om hur neutral och öppen man är för att lära sig något nytt. Med statistik och undersökning hittar man ofta argument vars enda värde är att de bekräftar ett svar man redan bestämt sig för. För att återvinna ett exempel, låt säga att undertecknad, som är tveksam till kungahusets demokratiska värde, ställer följande fråga till allmänheten: ”Anser du att Sveriges statschef ska vara demokratiskt vald?”

Vad tror du svaret skulle bli? Jag tippar på att fler skulle svara ja på den frågan jämfört med om frågan formulerats så här: ”Borde Sverige avsätta kungen och ha en demokratiskt vald president istället?”

Som man frågar får man svar. Och beroende på ens invanda tankemönster kan det vara svårt att vara helt objektiv, eller ens ställa frågor som inte är ledande. Det är bra att vara flera om detta arbete och kanske rent utav införa en aktivitet där man utmanar sina antaganden, utforskar andra förklaringsmodeller, med mera. Det kan finnas andra insikter där som inte är i linje med ens egna agenda.

Vanliga missar kring statistik

Den mest uppenbara missen är den data samlats in inte har en kvalitet som är bra nog. Kanske är den inte heller representativ för verkligheten. Så fort man är tveksam till sin datakvalitet slutar man hålla på med statistik och snarare blir det gissningar baserat på ett undermåligt underlag. Då är det tillbaka till ritbordet som gäller för att ta reda på hur man kan samla in data på ett bra och ordnat sätt. Att använda tredjepartsverktyg är att överlåta problemet på någon annan, men även här är det bra att veta en del om hur det går till. Exempelvis kunde de som hade en stor andel Iphone-användare antagligen se ett före-och-efter för när Ios 9 släpptes, då började nämligen fler blockera bland annat Google Analytics. Låt säga att just din tilltänkta målgrupp är sannolika användare av innehållsblockering, vad säger det dig om din datainsamling?

Dessutom måste underlaget vara stort nog för att man ska kunna dra slutsatser. Felmarginalen är oerhört mycket större om du har en handfull användare i ditt urval jämfört med om du har hundratusentals. Har du en handfull användare och en majoritet av detta fåtal stöter på ett visst problem handlar det egentligen inte om statistik. Men även anekdotiska bevis kan vara bra nog för att agera på.

Bild 19: Konfidensintervall visat med röd linje.

Jämför med att singla slant. Med en perfekt slant är chansen att få krona 50% och 50% att få klave. Singlar du tio gånger är chansen till jämn fördelning lägre än om du singlar tjugofem eller tusen gånger. Ett sätt att vara öppen och ärlig med sin osäkerhet kallas för konfidensintervall. Det är en matematisk skattning av hur ofta man kommer ha fel baserat på det underlag som finns. Har man ett konfidensintervall på 95% tror man sig alltså ha fel var tjugonde gång. För att visualisera detta i rapporter brukar man visa ett rött streck i staplar för att ange inom vilken härad osäkerheten är. Då blir det tydligare att jämföra två staplar, när deras röda staplar överlappar varandra har man kanske inte bevis för att göra skillnad på dem.

Korrelation säger inget om orsakssamband!

Bild 20: Smörförsäljningen och skilsmässor i delstaten Maine uppvisar en tydlig korrelation.

Bara för att två grafer följer varandra över tid behöver det inte betyda att de har en gemensam orsak. En av mina favoriter i detta är den kreativa religionen med guden ”det flygande spaghettimonstret”, där man hyllar pirater. Det finns nämligen ett samband mellan minskande antal pirater och växthuseffekten. Därför ska man fira ”Talk like a Pirate Day” för att minska växthuseffekten.

Sen finns det svaga orsakssamband, som i glassförsäljning och väder.

Vad en statistiker kallar statistisk signifikans kan vara värt att reflektera kring. Det handlar om att ett värde behöver vara tillräckligt avvikande från ett annat för att man ska kunna säga att det inte handlar om slumpen. Säg att du kör ett A/B-test där du jämför genomklickfrekvensen på två olika designalternativ. Om alternativ A har 23% och alternativ B har 25% genomklickningsfrekvens är det visserligen sant att alternativ B har två procentenheter högre frekvens i testet. För att avgöra om vi kan utse alternativ B till vinnare måste vi veta hur många som ställts inför alternativet A respektive B (vad som kallas för population). Kortversion av hypotesprövningen är att ju fler som tagit del av respektive alternativ desto mindre lurigt är det att utse alternativ B till vinnare.

En stor riskfaktor här är att du förlitar dig på att urvalet av användare till alternativ A och B gjordes slumpmässigt. Annars kan det skeva till resultatet mer än de ynka två procentenheter vi har som ”bevis” för att alternativ B är bättre. Se till att dina A/B-tester inte blir några statistikers skräckexempel framöver. Agera när du har ett ganska stort underlag och stor avvikelse mellan alternativens prestation (eller anlita en statistiker när du tvekar).

Det kan vara klokt att ha en statistiker att rådfråga, eller att inte dra för stora växlar på data man inte är trygg med.

Summering

Nyttan med varje omstart av analysarbetet är att man får chansen att titta kritiskt på sina verksamhetsmål för att se om man verkligen tycker att de fortfarande är något att ha. Troligtvis kommer du se dem med lite nya ögon över tid och de kan behöva förbättras, kompletteras eller göras tydligare.

Nu följer ett parti om att dokumentera sin prestandabudget, alltså vilken kvalitetsnivå webbplatsen ska leva upp till samt hur man gör designarbetet mer standardiserat och möjligt att följa upp. I det arbetet ingår att bestämma sig kring en lång rad hygienfaktorer, göra designen lite mer ingenjörsmässigt och vikten av att dokumentera allt.

Fortsätt läs – Del 2: Analytisk vinkel på design, prestanda och innehåll