Formularanalyse: mål indsendelser, konvertering og resultater

Lær at måle, hvordan dine formularer klarer sig. Følg indsendelser og gennemførelse, og se, hvor besøgende falder fra.

Kladde

De fleste virksomheder lancerer en formular og tjekker aldrig tallene. De regner med, at den virker. De bruger tid på at redesigne felter, der ikke har brug for det. De overser det ene felt, der faktisk dræber indsendelserne. Imens måler en konkurrent sin formular, finder det ene defekte felt, retter det og ser sin konvertering stige med 20 %. Det ene hold har data. Det andet gætter.

Denne artikel handler om, hvilke formulartal du skal følge, hvordan du læser dem, og hvordan du bruger dem til at gøre dine formularer bedre.

Derfor har formularanalyse betydning

Formularanalyse fortæller dig, hvordan dine formularer faktisk klarer sig. Ikke antagelser. Ikke mavefornemmelser. Data.

Nyttige spørgsmål, formularanalyse kan svare på:

Hvor mange sender faktisk formularen (antal og andel)? Hvor falder de besøgende fra (hvilket felt giver flest afbrud)? Hvor lang tid tager det at udfylde formularen? Gennemfører nogle grupper af besøgende oftere end andre? Forbedrer dine ændringer faktisk resultatet?

Uden disse data gætter du. Du bruger måske tid på ændringer, der ikke gør en forskel. Du overser måske det ene felt, der dræber din konvertering.

De vigtigste tal at følge

Antal og andel af indsendelser

Hvor mange indsendelser får du pr. dag, uge eller måned? Hvad er din indsendelsesandel (indsendelser divideret med visninger af formularen)? Hvis din formular vises 1.000 gange om måneden og får 50 indsendelser, er din indsendelsesandel 5 %.

Det giver dig et udgangspunkt. Er 5 % godt? Det afhænger af formularens type. En tilmelding til nyhedsbrev kan konvertere med 15 %. En bestilling af demo måske 2 %. Følg dit eget udgangspunkt, og forbedr det så.

Gennemførelsesrate (start mod færdig)

Hvor mange af dem, der begynder at udfylde formularen, gennemfører og sender den? Hvis 100 begynder og 70 sender, er din gennemførelsesrate 70 %.

Et fald i gennemførelsesraten tyder på et problem. Folk begynder, men gør ikke færdig. Det næste spørgsmål er, hvor de falder fra.

Gennemførelse og afbrud pr. felt

Hvor mange har udfyldt hvert felt? Hvilket felt får flest til at gå?

Hvis 100 personer udfylder felt 1, 85 udfylder felt 2, 60 udfylder felt 3, og kun 30 udfylder felt 4, så dræber felt 4 din gennemførelsesrate. Folk giver op ved felt 4. Det er data, du kan handle på. Gør felt 4 valgfrit eller forklar, hvorfor det er nødvendigt.

Tid brugt på formularen

Hvor lang tid bruger en gennemsnitlig person på at udfylde din formular? Hvis det tager 15 minutter, giver folk op. Hvis det tager 30 sekunder, gør de det nok færdigt.

Lang tid på formularen hænger sammen med flere afbrud. Tidstal viser, om din formular føles som en byrde.

Frafald i hvert trin

I formularer med flere trin skal du følge gennemførelsen i hvert trin. "Trin 1 af 3: 100 personer. Trin 2 af 3: 80 personer. Trin 3 af 3: 60 personer." Du kan se præcis, hvor folk går. Hvis de forlader formularen i stort tal ved trin 2, skal du lave trin 2 om.

Gennemførelse efter enhed og browser

Har besøgende på mobil og computer den samme gennemførelsesrate? Nogle formularer virker ikke på mobil. Det ville du ikke vide uden disse data. Hvis gennemførelsen er 20 % på mobil og 50 % på computer, skal du rette oplevelsen på mobil.

Sådan læser og forstår du formulardata

Led efter fald: Hvor falder gennemførelsen kraftigt? Det felt eller trin er problemet.

Find mønstre: Giver nogle typer besøgende oftere op end andre? Måske gennemfører en bestemt gruppe eller trafikkilde sjældnere.

Følg ændringer over tid: Hvis du ændrer en formular, stiger eller falder indsendelserne så? Med hvor meget? Er ændringen reel, eller er det tilfældig støj?

Sammenlign med tommelfingerregler: Hvis din type formular normalt konverterer med 10 %, og din er på 5 %, er der plads til forbedring. Hvis du er på 25 %, klarer du dig bedre end de fleste.

Almindelige fejl i formularanalyse

Du ser kun på antal og ikke på andel

100 indsendelser er ikke brugbare data uden sammenhæng. Har du 100 visninger af formularen? Så er indsendelsesandelen 100 % (umuligt, men fantastisk). Har du 10.000 visninger? Så er den 1 % (meget lav). Se altid på andelen, ikke kun på antallet.

Du deler ikke op efter type af besøgende

Din samlede indsendelsesandel er 5 %. Men nye besøgende ligger måske på 2 %, mens tilbagevendende ligger på 8 %. Du kan ikke forbedre begge lige meget. Del dataene op og tag fat på hver gruppe for sig.

Du bruger ikke analyse trin for trin

Du behøver ikke gætte, hvilket felt der giver afbrud. Se på gennemførelsen for hvert felt. Det felt, hvor faldet efter feltet er størst, er problemet.

Du ændrer for meget på én gang

Hvis du ændrer fem felter, og indsendelsesandelen stiger, ved du ikke, hvilken ændring der gjorde det. Ændr én ting, mål, ændr noget andet, mål. Sådan lærer du, hvad der faktisk virker.

Sådan bruger du formularanalyse til at forbedre resultatet

Trin 1: Mål dit udgangspunkt. Kør din formular en uge uden ændringer. Skriv din indsendelsesandel, din gennemførelsesrate og tallene for hvert felt ned.

Trin 2: Find det største problem. Hvor er faldet størst? Start der og ikke med små justeringer.

Trin 3: Lav én ændring. Fjern et felt, omformulér en etiket, gør et felt valgfrit. Kun én ændring.

Trin 4: Mål effekten. Kør formularen endnu en uge med ændringen. Sammenlign med udgangspunktet. Blev indsendelsesandelen bedre?

Trin 5: Behold det, der virker, og ændr det, der ikke gør. Hvis ændringen hjalp, så behold den. Hvis den gjorde det værre, så fortryd. Gå så videre til næste problem.

Sådan giver WEMASY dig formularanalyse

WEMASY følger antal indsendelser, gennemførelsesrate, gennemførelse for hvert felt og tid brugt på formularen. Se analysen i dashboardet i realtid. Se, hvilke felter der giver frafald. Følg ændringer over tid. Sammenlign resultater på tværs af forskellige formularer. Del op efter enhed, kilde og andre egenskaber ved de besøgende. Brug dataene til at finde forbedringer og måle effekten af de ændringer, du laver.

Åbn formularanalysen i dit WEMASY-dashboard, eller se prissiden for at se, hvilke funktioner til analyse der er med i din plan.

Ofte stillede spørgsmål

Hvad er en god indsendelsesandel for en formular?
Det afhænger af formularens type. Tilmelding til nyhedsbrev: 10-30 %. Kontaktformularer: 2-10 %. Bestilling af demo: 1-5 %. Formularer til at skaffe leads: 5-15 %. Start med at måle dit eget udgangspunkt, og sigt så efter at forbedre det med 10 % hver måned. Små, jævne forbedringer lægger sig sammen. Med WEMASYs hjemmesidebygger kan du sætte det op direkte på din hjemmeside.
Hvor længe skal jeg vente, før jeg måler effekten af en ændring?
Vent, til du har mindst 100 indsendelser, før du drager konklusioner. Med få data ligner tilfældige udsving et mønster. Med 100 indsendelser er du mere tilbøjelig til at se rigtige tendenser. Hvis din formular får 10 indsendelser om ugen, skal du vente 10 uger for at have nok data.
Skal jeg optimere for indsendelsesandel eller for kvaliteten af leads?
Begge dele. Men hvis du skal vælge, så vælg kvalitet. En formular med 10 % indsendelser af leads af høj kvalitet er bedre end 30 % af leads af lav kvalitet. Mål begge. Prøv at forbedre kvaliteten uden at ødelægge indsendelsesandelen. Ofte forbedrer en lidt kortere formular begge dele.
Kan formularanalyse vise mig, hvor folk bruger mest tid?
Nogle værktøjer viser gennemsnitlig tid pr. felt. Andre viser kun den samlede tid på formularen. Tjek dit formularværktøjs analyse. Hvis den ikke viser tid pr. felt, er det stadig nyttigt at kende den samlede tid. Lange formularer skal tage længere tid end korte. Hvis en kort formular tager 10 minutter, er der noget galt.
Hvordan ved jeg, om min gennemførelsesrate faktisk ændrer sig, eller om det bare er tilfældige udsving?
Se på udviklingen over tid. Én dag er støj. En uge er støj. En måned med jævn ændring er en tendens. Tegn din indsendelsesandel dag for dag, og led efter den overordnede retning og ikke efter udsving fra dag til dag.
Skal jeg lave A/B-test af ændringer i formularer eller bare måle før og efter?
Begge dele virker. A/B-test (hvor du viser version A til 50 % af de besøgende og version B til de andre 50 %) er mere præcis. Men måling før og efter er enklere og stadig gyldig, hvis du venter længe nok mellem målingerne. Hvis du har nok trafik, så lav A/B-test. Hvis trafikken er lav, fungerer før og efter fint.

Brug det med det samme
på din egen hjemmeside.

Start gratis med WEMASY, og byg din side på få minutter.