1

Handleiding user id functie in Google Analytics: speel in op individueel

gebruikersgedrag

Inhoudsopgave Inleiding .......................................................................................................................................... 2

De basisbeginselen van een user-id weergave ....................................................................... 3

Voor wie is een user-id weergave geschikt? ............................................................................ 5

De implementatie van een user-id weergave ........................................................................... 5

Hoe integreer je de user-id weergave in je huidige analyse? ................................................ 9

Toepassingsmogelijkheden user-id weergave ....................................................................... 11

CRM data integreren binnen je user-id weergave ................................................................. 12

6 praktijkvoorbeelden van individueel gebruikersgedrag in Google Analytics .................. 14

1. De winkelwagen – en check-out verlaters ...................................................................... 14

2. De conversiewaarde per klant .......................................................................................... 15

Micro-segmenten om de conversiewaarde van je e-mail campagnes te bepalen ............ 17

3. Wie zijn de top 10/25 abonnees qua geopende mails en kliks? ................................. 18

4. Welke doelgroep is verantwoordelijk voor de meest betrokken abonnees? ............. 20

5. Loyaliteit e-mail abonnees ................................................................................................. 21

6. Rating per e-mail abonnee ................................................................................................ 22

Afsluitende tips ............................................................................................................................ 23

2

Inleiding

In een standaardweergave meet Google Analytics sessies en gebruikers op basis

van cookies. (het client id)

Dit zijn geen individuele (unieke) gebruikers, maar apparaat/browser gebruikers. De

cookies (client id’s) op je desktop zijn namelijk niet identiek aan de cookies op je

mobiel of tablet apparaat.

Onderstaande weergave is een voorbeeld van deze situatie:

In de standaardweergave meet Google Analytics voor rij 4 t/m 8 in ieder geval 11

gebruikers, terwijl het hierbij gaat om slechts 5 individuele gebruikers.

Gelukkig heeft Google Analytics hierop ingespeeld met de user-id override functie.

Een lastige technische term. De toepassing van deze user-id weergave is dat je wel

individueel gebruikersgedrag kunt bepalen, ongeacht het gebruikte apparaat.

3

Disclaimer hierbij: deze functie kun je alleen gebruiken indien je beschikt over een

identificatie zoals een e-mail adres.

In deze handleiding laat ik je de basisbeginselen van de user-id weergave zien: wat

dien je te weten om actiegerichte inzichten te kunnen halen via een user-id

weergave?

De doelstelling is namelijk niet het instellen van een user-id weergave, maar de

cijfers vertalen naar concrete informatie om in te kunnen spelen op het individuele

gebruikersgedrag van bijvoorbeeld je inloggers of e-mail abonnees.

Daarnaast zal ik je 6 praktijkvoorbeelden laten zien. Ik hoop dat je hierdoor inspiratie

krijgt om actiegerichte inzichten te gaan halen uit je eigen user-id weergave voor

inloggers of e-mail abonnees.

De basisbeginselen behandel ik stap-voor-stap, van eenvoudig t/m de geavanceerde

mogelijkheden:

1. Wat is een user-id weergave?

2. Voor wie is een user-id weergave geschikt?

3. Hoe stel je een user-id weergave in?

4. Hoe integreer je de user-id weergave in je huidige analyse?

5. Hoe kun je CRM data integereren binnen je user-id weergave?

De basisbeginselen van een user-id weergave

De user id-weergave is een toepassing om het gedrag van je individuele gebruikers

binnen een inlog-omgeving of e-mail campagne te bepalen.

Om deze user-id weergave te activeren heb je een identificatie in de vorm van een e-

mail adres nodig. Dit user-id is afkomstig uit je webshop/CRM of e-mail systeem.

Dit user-id zorgt ervoor dat je het individuele gebruikersgedrag binnen je inlog-

omgeving of e-mail campagne kunt gaan bepalen.

Disclaimer hierbij: je mag geen persoonlijke informatie zoals een e-mail

adres/naam/postcode in Google Analytics importeren.

Onderstaande weergave is een voorbeeld van een geïmplementeerde user-id

weergave:

4

Met dit user-id kun je vervolgens eigen data uit je webshop/CRM systeem in Google

Analytics integreren. Bijvoorbeeld je belangrijkste doelgroepen:

Wat zijn de voordelen om een user-id weergave te gebruiken?

Je kunt de werkelijke impact van mobiele gebruikers op je conversie gaan

bepalen, omdat je gebruikersgedrag over de apparaten heen kunt

achterhalen.

Je kunt de conversie van nieuwe vs. bestaande klanten gaan bepalen.

Je kunt de werkelijke impact van je acquisitie kanalen op de conversie gaan

bepalen.

Last but not least: je kunt CRM data gaan koppelen aan het user-id.

Voorbeelden hiervan zijn doelgroep en type klant.

5

Voor wie is een user-id weergave geschikt?

Een user-id weergave is niet voor iedere website geschikt. Je dient namelijk de

gebruiker vóóraf te kunnen identificeren. In de volgende situaties adviseer ik je om

een user-id weergave te gaan gebruiken:

Inlog-omgeving klanten binnen een webshop;

Inlog-omgeving proef – en betaalde abonnees. Bijvoorbeeld in een SAAS

systeem of inlog van een online uitgever.

E-mail campagnes;

De inlog-omgeving voor je klanten/abonnees spreken voor zichzelf. Na de inlog

koppel je het user-id aan het site/winkelgedrag van de ingelogde gebruiker.

De toepassing voor e-mail campagnes is wat minder vanzelfsprekend. Je hebt

namelijk geen inlog voor je e-mail abonnees, maar je beschikt wel over een e-mail

adres van je abonnee.

Dit e-mail adres is gekoppeld aan een user-id binnen je ESP. (voorbeelden van

ESP’s zijn MailChimp en MailPlus)

Dit user-id kun je koppelen aan het site/winkel gedrag, nadat de abonnee klikt op een

link vanuit je nieuwsbrief. Hierdoor kun je in Google Analytics de omzet/conversie per

e-mail abonnee gaan bepalen:

De implementatie van een user-id weergave

Helaas dien je ook een implementatie uit te voeren om een user-id weergave te

kunnen gebruiken.

Allereerst dien je een user-id weergave in te stellen via property > tracking info

> user id:

6

Vervolgens dien je ervoor te kiezen om de sessie-unificatie aan of uit te zetten:

7

Mijn advies is om deze optie te activeren. Zo kun je namelijk de interacties vóór de

inlog integreren binnen je user-id weergave.

Tot slot geef je de weergave een beschrijvende naam + vul je de juiste tijdzone in:

8

Tip: maak een aangepaste dimensie aan voor het user-id van je klanten met het

bereik gebruiker.

Dit user-id kun je zo gaan toepassen binnen je aangepaste dashboards/rapporten:

9

Helaas ben je er dan nog niet….

Je dient ook een technische implementatie uit te voeren om de user-id weergave te

activeren. Mijn advies is om dit over te laten aan je webbouwer of een technisch

webanalist.

Zo kun jij de aandacht richten op de informatie en actiepunten die je achterhaalt via

de user-id weergave.

In deze Google Analytics tip leg ik stap-voor-stap uit hoe je dit implementeert met

Google Tagmanager.

In deze Google Analytics tip leg ik uit hoe je user id’s van je e-mail abonnees

integreert binnen Google Analytics

Hoe integreer je de user-id weergave in je huidige analyse?

Nu kun je eindelijk starten met het echte werk: de inzichten die je achterhaalt via de

user-id weergave.

Allereerst heb je enkele nieuwe standaard rapporten erbij gekregen. Deze vind je

terug onder doelgroep > verschillende apparaten:

10

Met deze rapporten kun je de werkelijke impact van mobiel/tablet op de conversie

gaan bepalen: wat is de werkelijke impact van mobiele/tablet gebruikers op de

conversie?

In bovenstaand voorbeeld kun je zien dat de impact van de desktop gebruiker op de

conversie hoger is dan de mobiele/tablet gebruiker.

Echter, de omzet per nieuwe gebruiker is hoger vanuit Tablet dan desktop. Dit komt

11

door een hogere omzet van Tablet in combinatie met gebruik van andere apparaten.

(inkomsten van andere apparaten)

Helaas kun je bovenstaand standaard rapport nu (nog) niet toepassen binnen een

aangepast dashboard/rapport.

Toepassingsmogelijkheden user-id weergave

Een user-id koppelen aan site/winkelgedrag is natuurlijk een goede 1ste stap. Maar

dan ben je er nog niet.

Want welke actiegerichte inzichten kun je hier nu mee achterhalen?

Voorbeeld: welke klanten (inloggers) hebben doorgeklikt naar de stap afrekenen,

maar geen bestelling geplaatst?

Deze informatie kun je meenemen bij de opzet van een mailing gericht op de

winkelwagen – en check-out verlaters, die de meeste kans hebben om alsnog hun

bestelling af te ronden.

Bekeken handleidingen via e-mail campagne

Daarnaast kun je de user-id weergave ook toepassen op je e-mail campagnes. Ik

deel iedere maand een handleiding met mijn e-mail abonnees. Via een user-id

weergave kun je de volgende zaken achterhalen:

De abonnees die de handleiding bekijken;

De abonnees die doorklikken vanuit de mailing, maar de handleiding niet

bekijken.

12

Uit bovenstaande afbeelding kun je afleiden dat 11 handleidingen zijn bekeken.

Echter, abonnees 1/3 en 5 hebben meerdere pagina’s bekeken, maar geen

handleiding bekeken.

Nu kun je ervoor kiezen om abonnee 1/3 en 5 mee te nemen binnen de mailing

gericht op de handleiding die ze (nog) niet hebben bekeken.

Tip: gebruik identieke dashboards/aangepaste rapporten binnen je user-id weergave

zoals binnen je standaard weergave. Zo kun je namelijk de vergelijking gaan maken

tussen bestaande vs. nieuwe klanten.

CRM data integreren binnen je user-id weergave

Context is cruciaal om actiegerichte inzichten te halen uit het individuele

gebruikersgedrag van je klanten/abonnees. Daarom adviseer ik om de belangrijkste

dimensies uit je CRM te koppelen aan de geïmplementeerde user-id. Nu dien je

natuurlijk de volgende vraag te beantwoorden: wat zijn de belangrijkste dimensies in

je CRM-pakket?

Dit is natuurlijk afhankelijk van meerdere factoren zoals bedrijfsdoelstellingen – en

strategie + de beschikbare dimensies in je CRM-pakket. Onderstaande dimensies

kom ik regelmatig tegen in de praktijk:

1. Doelgroep > man/vrouw of particulier/zakelijk.

2. Duur klantrelatie > minder dan 1 jaar/1-2 jaar/meer dan 2 jaar.

3. Klantwaarde in de loop van de tijd.

4. Geografie > uit welke regio’s zijn je klanten afkomstig?

13

5. Datum nieuwsbrief-inschrijving/1ste aankoop. Zo kun je de impact van loyale

abonnees/klanten op de site resultaten gaan bepalen.

Onderstaande weergave is een voorbeeld van de klantwaarde voor een webshop:

Wat kun je met deze data?

Je kunt de werkelijke conversiewaarde van een kanaal gaan bepalen. In

bovenstaand voorbeeld zie je dat SEO verantwoordelijk is voor klanten die meer

besteden dan AdWords en Facebook.

14

6 praktijkvoorbeelden van individueel gebruikersgedrag in Google Analytics

In de vorige paragraaf heb ik de basisbeginselen van de user-id functie stap-voor-

stap met je doorgenomen. In deze paragraaf laat ik je 6 praktijkvoorbeelden zie hoe

je actiegerichte inzichten achterhaalt via de user-id weergave.

Kortom: hoe vertaal je de data uit de user-id weergave naar concrete informatie?

Ik heb deze 6 praktijkvoorbeelden onderverdeeld in onderstaande categorieën:

1. Winkelwagen – en check-out verlaters voor een e-mail campagne;

2. De conversiewaarde per klant om het rendement van je campagnes te

bepalen.

3. Micro-segmenten om de conversiewaarde van je e-mail campagne te bepalen.

Disclaimer: om de conversiewaarde per klant/klantsegment te bepalen dien je een

technische implementatie uit te voeren. In deze paragraaf ga ik niet in op de

technische implementatie hiervan.

De insteek is namelijk dat je de aandacht kunt richten op het halen van actiegerichte

inzichten uit het gebruikersgedrag van je klanten/abonnees. Zo kun je namelijk dit

gebruikersgedrag gaan vertalen naar concrete actiepunten om de conversie vanuit je

klanten/abonnees naar een hoger niveau te tillen.

1. De winkelwagen – en check-out verlaters

Door het implementeren van de user-id weergave (inlog-omgeving) kun je de

conversie van de winkelwagen – en check-out per klant/e-mail abonnee gaan

bepalen.

Het is natuurlijk zeer tijdrovend en weinig efficiënt om de conversie van iedere

klant/abonnee te gaan analyseren. Het is verstandiger om de belangrijkste micro-

segmenten mee te nemen in de conversie optimalisatie van je webshop. Een

voorbeeld hiervan zijn de winkelwagen – en check-out verlaters. Onderstaande

weergave is een voorbeeld van dit micro-segment:

15

Wat kun je met deze informatie?

Je ziet dat 347 klanten hun product in de winkelwagen hebben gelegd, maar

geen bestelling hebben geplaatst. Je kunt er voor kiezen om deze bezoekers

nogmaals te benaderen via een e-mail campagne.

Nog beter is om deze winkelwagen verlaters nog verder onder te verdelen in

waardevolle groepen. Bijvoorbeeld door te kiezen voor de gebruikers die in

ieder geval 2x een product in de winkelwagen hebben gelegd.

Daarnaast kun je er ook voor kiezen om deze gebruikers met een koop

intentie mee te nemen in een Remarketing campagne gericht op je

winkelwagen verlaters.

Zo kun je testen wat beter converteert: een e-mail of een Remarketing

campagne gericht op de winkelwagen verlaters.

2. De conversiewaarde per klant

Naast het winkelgedrag van je klanten wil je ook de conversiewaarde van een klant

in de loop van de tijd kunnen bepalen. In Google Analytics kun je doelen instellen om

de bestellingen/afgesloten abonnementen per klant/abonnee te bepalen.

16

Dit zijn echter alleen de bestellingen voor één sessie. Je kunt dus niet de werkelijke

conversiewaarde van een klant in de loop van de tijd bepalen.

Voorbeeld: je wilt de werkelijke impact van je AdWords klanten op het

bedrijfsresultaat gaan bepalen. Is AdWords verantwoordelijk voor klanten die meer of

minder dan gemiddeld besteden?

In bovenstaand voorbeeld kun je zien dat er grote verschillen zijn qua

conversiewaarde per klant. Nu is het natuurlijk waardevol om de werkelijke

klantwaarde per kanaal te gaan bepalen.

Welke kanalen hebben nu de meeste impact op de online omzet? We exporteren de

klantwaarde naar Excel en gaan de kanalen met elkaar vergelijken:

17

AdWords en SEO hebben de meeste impact op de online omzet, terwijl de impact

van de nieuwsbrieven op de online omzet minimaal is. Wat kun je met deze

informatie?

Je kunt deze gebruiken voor je marketingcommunicatie planning en budget

verdeling. Voorbeeld: dien je alle activiteiten op de optimalisatie van je

AdWords campagnes te richten of dien je ook budget vrij te maken voor SEO-

optimalisatie?

Daarnaast geeft deze informatie je input voor je marketingcommunicatie

strategie.

Voorbeeld: E-mail heeft in dit geval weinig impact op de online omzet. Waar

ligt dat aan? De grootte van je lijst? De content in je mailing of wellicht sluit je

landingspagina niet aan op de content uit je mailing?

Micro-segmenten om de conversiewaarde van je e-mail campagnes te bepalen

De user-id weergave kun je ook toepassen op je e-mail campagnes. Je beschikt ten

slotte over het e-mail adres van je abonnees. Via een aangepaste implementatie kun

je het user-id van je e-mail abonnees importeren in Google Analytics.

Zo kun je het gebruikersgedrag per e-mail abonnee gaan analyseren. Het

gebruikersgedrag analyseren van iedere individuele abonnee is niet erg efficiënt. Je

kunt beter micro-segmenten van je e-mail campagnes gaan analyseren.

Onderstaand enkele suggesties/ideeën voor micro-segmenten:

De top 10/25 abonnees qua geopende mails/kliks vanuit je mailing;

18

De doorklikratio/conversie per doelgroep > in mijn geval zijn dit de

doelgroepen websites/bureaus en ZZP’ers. Een ander voorbeeld van een

doelgroep is consument/zakelijk.

In MailChimp beschik je over de dimensies datum van de nieuwsbrief-

inschrijving en rating(waardering).

Rating is een indicator voor het percentage geopende mails en klikken vanuit

je mails per abonnee. Via de integratie met Google Analytics kun je de rating

vanuit je e-mail systeem gaan koppelen aan het gebruikersgedrag. Hebben de

abonnees met een hoger dan gemiddelde rating ook een werkelijke impact op

je conversie?

Bovenstaande integraties zijn natuurlijk interessant. Echter, zonder context kun je

hier geen actiepunten aan koppelen. Daarom gaan we eerst de vragen op papier

zetten waarop we antwoord willen krijgen:

3. Wie zijn de top 10/25 abonnees qua geopende mails en kliks?

19

Mijn top 15 abonnees zijn verantwoordelijk voor 25% van de totale geopende mails.

Daarnaast zie je grote verschillen qua doorklikratio (CTR e-mail) tussen de abonnees

in bovenstaand overzicht.

Wat is er aan de hand met abonnee 2 en 4? Waarom klikken abonnee 1/3 en 6 wel

vaker dan gemiddeld door vanuit de mailing?

Praktische informatie om mee te nemen bij de optimalisatie van je e-mail

campagnes.

20

4. Welke doelgroep is verantwoordelijk voor de meest betrokken abonnees?

De doelgroep website is verantwoordelijk voor meer geopende mails en klikken

vanuit de mailing dan de doelgroepen bureau en ZZP. Nu gaan we kijken naar de

conversiewaarde per doelgroep:

Ook qua conversiewaarde heeft de doelgroep website een grotere impact op de

resultaten dan de doelgroepen bureau en ZZP. Praktische informatie om mee te

nemen binnen de content planning voor de verschillende mailings.

21

5. Loyaliteit e-mail abonnees

Welke e-mail abonnees zijn het meest loyaal? Abonnees die zich dit jaar hebben

ingeschreven of al 1-2 jaar je nieuwsbrief ontvangen?

Om deze informatie te achterhalen gebruiken we de dimensie datum nieuwsbrief-

inschrijving.

Vervolgens gebruiken we deze aangepaste dimensie om de jaren 2014/2015 en

2016 in een apart segment (groep) te plaatsen:

In bovenstaand voorbeeld kun je zien dat de inschrijvers uit 2015 verantwoordelijk

zijn voor de meeste geopende mails en kliks vanuit de mailing. Echter, het

doorklikpercentage voor de inschrijvers uit 2014 is hoger dan voor de jaren 2015 en

2016.

Nu gaan we kijken naar de conversiewaarde per jaar. Welk jaar van inschrijving is

verantwoordelijk voor de hoogste conversiewaarde per gebruiker?

22

De inschrijvers uit 2015 zijn verantwoordelijk voor de hoogste doelwaarde. Niet

verwonderlijk aangezien zij verantwoordelijk zijn voor de meeste doorklikken vanuit

de mailings.

Echter, de conversiewaarde per gebruiker voor de inschrijvers uit 2014 zijn hoger

dan voor de inschrijvers uit 2015 en 2016.

Wat kun je met deze informatie?

Ik investeer in het werven van nieuwe abonnees via mijn blog. Maar bovenstaand

overzicht geeft je onderbouwde informatie om ook de aandacht te richten op de

loyale abonnees die al 1-2 jaar je nieuwsbrief ontvangen.

6. Rating per e-mail abonnee

MailChimp geeft een rating (waardering) per e-mail abonnee. Dat is natuurlijk zeer

nuttige informatie. Echter, deze rating is alleen gebaseerd op geopende mails en

kliks vanuit de mailing.

Je wilt ook de conversiewaarde per rating ster met elkaar kunnen vergelijken:

De meerderheid van de klikken vanuit de mailing waardeert MailChimp met 4/5

sterren. De abonnees met 5 sterren hebben ook de meeste impact op de conversie.

Het is echter wel opvallend dat de abonnees met 4 sterren verantwoordelijk zijn voor

een lagere conversiewaarde per gebruiker dan de abonnees met 2/3 sterren. Dan

23

kun je je dus afvragen of de abonnees met 4 sterren wel zo waardevol zijn voor je

website/webshop.

Tip: test met segmenten binnen je e-mail pakket (in dit geval MailChimp) om

antwoord te krijgen op de vraag of de abonnees met 4 sterren meer impact hebben

op de conversie dan abonnees met minder dan 4 sterren.

Afsluitende tips

In deze handleiding heb ik de basisbeginselen van de user-id functie stap-voor-stap

met je doorgenomen. Daarnaast heb ik je 6 praktijkvoorbeelden laten zien om toe te

passen binnen je user-id weergave. Mijn belangrijkste advies is om niet de

individuele klanten/abonnees te gaan analyseren, maar gebruik te maken van micro-

segmenten.

Ik heb je bovenstaande micro-segmenten laten zien. Er zijn natuurlijk nog meer

kenmerken te bedenken om te gebruiken als micro-segment. Enkele

suggesties/ideeën:

Gegevens op basis van geografie > provincie per klant/abonnee;

Gegevens op basis van demografie/psychografie zoals leeftijd/geslacht en

interesses/koopkracht;

Type klant/abonnee. Bijvoorbeeld premium/standaard en budget.

De frequentie van aankopen per klant.

Tot slot wil ik nog enkele tips met je delen. Zo kun je goed van start gaan met de

optimalisatie van je website/webshop voor je klanten/abonnees.

Laat je niet intimideren door de technische implementatie. Een ervaren

webbouwer/technisch webanalist kan de implementatie van de user-id

weergave voor je uitvoeren. Zo kun jij de aandacht richten op het

optimaliseren van je website/webshop voor je klanten.

Stel altijd macro – en micro doelen in binnen je user-id weergave. Zo kun je de

werkelijke conversiewaarde van je klanten gaan bepalen.

Koppel gebruikerskenmerken aan het user-id van je klant/abonnee.

Met deze kenmerken kun je de conversie per micro-segment gaan bepalen.

Voorbeeld: de conversie per doelgroep/type klant/woonplaats.

24

Veel succes met het halen van actiegerichte inzichten uit het gebruikersgedrag van

je klanten/abonnees!

Heb je aanvullende vragen/onduidelijkheden over deze handleiding?

Mail me gerust!