Jurjen Jongejan van ISM eCompany en Elles van Leeuwen van Lucardi gaven op Emerce Fashion 2018 in Amsterdam een sessie over conversie-optimalisatie bij Lucardi. Wat is de aanpak? En wat zijn de resultaten? Bekijk het in deze presentatie. www.ism.nl

1. Jurjen Jongejan Elles van Leeuwen
Datagedreven conversie-optimalisatie
bij Lucardi
Aanpak, learnings, resultaten
en roadmap

2. Jurjen Jongejan – sr. Conversie-optimalisatie consultant
Online Marketing Director | Auteur
✓ Oprichter afdeling online marketing & optimalisatie bij ISM eCompany
✓ Meer dan 15 jaar ervaring in optimalisatie & e-Commerce
✓ Voorzitter expertgroep ‘Revenue Optimization’ Shopping Tomorrow
✓ Bestseller auteur
j.jongejan@ism.nl
Linkedin.com/jurjenjongejan
@jurjenjongejan

3. Digital Strategy &
customer journey
Webshop
design
Webshop
development
Online marketing
& Optimization

5. Elles van Leeuwen – e-Commerce Manager Lucardi
elles.van.Leeuwen@lucardi.nl
Linkedin.com/ellesvanleeuwen
✓ 12 jaar e-Commerce ervaring
✓ Verantwoordelijk voor de effectiviteit van alle digitale communicatie en
de performance van de website

6. Agenda
1. Over Lucardi
2. Volwassenheid conversie-optimalisatie Lucardi
3. Conversie-optimalisatie proces
4. Resultaten
5. Roadmap
6. Vragen

7. Over Lucardi

8. Over Lucardi

9. Over Lucardi
De fysieke winkels van Lucardi
Winkels 105
Bezoekers 12.000.000
Klanten 2.112.917
Verkopen via loyale klanten 32%

10. Over Lucardi
De fysieke winkels van Lucardi
12,5%
13,4%
13,2%
13,7%
14,4%
15,1%
16,7%
8,0%
9,0%
10,0%
11,0%
12,0%
13,0%
14,0%
15,0%
16,0%
17,0%
18,0%
1.500.000
1.700.000
1.900.000
2.100.000
2.300.000
2.500.000
2.700.000
2.900.000
3.100.000
3.300.000
2010 2011 2012 2013 2014 2015 2016
bezoekers kopers fysieke conversie %
bezoekers
kopers
conversie %

11. Over Lucardi
De online winkel van Lucardi
Bezoekers: 3.700.000
Gemiddelde conversie: 2,7%
E-mailadressen opt in: >424.000

12. Over Lucardi
De persona’s van Lucardi
SNAPCHATTER
SOPHIE
MILLENNIAL
ANOUK
50 PLUSSER
JOKE
35 PLUSSER
ELS
BUDGET
SOCIAL
WEB SAVY
EARLY ADOPTER
OFFLINE
BUDGET
SOCIAL
WEB SAVY
EARLY
ADAPTOR
OFFLINE
BUDGET
SOCIAL
WEB SAVY
EARLY
ADAPTOR
OFFLINE
BUDGET
SOCIAL
WEB SAVY
EARLY
ADAPTOR
OFFLINE
BUDGET
SOCIAL
WEB SAVY
EARLY
ADAPTOR
OFFLINE

13. motivatie
inspiratie
oriëntatie
vergelijken
bezinkenbeslissen
kopen
gebruik
oordeel

14. Volwassenheid conversie-optimalisatie

15. Competenties voor conversie-optimalisatie

16. Volwassenheidsmodel voor conversie-optimalisatie
Vaardigheden
Personen
Activiteiten
Aantal A/B - MV tests
Tools
Draagvlak
Gevorderde kennis conversie-
optimalisatie:
✓ Gevorderde Analytics kennis
✓ Conversion-centered design
Niveau 2 +
✓ Enquêtes
✓ Analyse webanalytics- (incl.
segmentatieanalyses)
✓ Onsite
klantfeedbackanalyses
✓
4 - 10 testen per maand
Niveau 2 +
✓ On site klantfeedbacktool
✓ Form analysistool
✓ Project managementtool
Hoger management
Klein conversie-
optimalisatieteam: webanalist,
designer, front end developer,
conversie-specialist
Basiskennis
conversieoptimalisatie
Niveau 1 +
✓ A/B-testing
✓ Gevorderde webanalytics-
analyses
1 - 3 testen per maand
Niveau 1 +
✓ A/B-testingtool
Lager management
Conversie-optimalisatiespecialist
Basiskennis
online marketing
✓ Externe expertanalyse
✓ Webanalyticsanalyses
✓ Sessie recording-analyses
Geen
✓ Webanalytics
✓ Performance monitoring-
tool
✓ Sessie recording tool
Lijnmanagement
Online marketingspecialist
Expert in conversie-
optimalisatie:
✓ Verleidingstechnieken
✓ Conversie-copywriting
Niveau 3 +
✓ Realtime personalisatie
✓ Usability onderzoek
✓ Gedragsonderzoek
11 - 17 testen per maand
Niveau 3 +
✓ Realtime personalisatie-
tool
Directieniveau
Groot conversie-
optimalisatieteam: niveau 3, + UX
researcher, psycholoog/gedrags-
onderzoeker, copywriter
Data drivenexpert:
✓ Business Intelligence
✓ Datamining
Niveau 4 +
✓ Data als input voor nieuwe
ontwikkelingen
✓ Algoritme testing
> 17 testen per maand
Niveau 4 +
✓ Predictive analyticstool
Gehele organisatie
Meerdere conversie-
optimalisatie teams: niveau 4, +
Statisticus, big data specialist,
teammanagers
(A/B-test) KPI’s
Buying Cycle-niveau
Online omzet-KPI’s:
Online omzet, online
omzetwaarde per bezoek
Sessie-niveau
Conversie-KPI’s:
add to cart, uitvalpercentages,
conversiepercentage
Sessie-niveau
Interactie-KPI’s:
Traffic, bounce rate, time on
site, paginaweergaven,
verkeersbronnen
Omnichannel-niveau
Totaalomzet, winst
Customer lifetime-niveau
Klanttevredenheid, NPS,
Customer lifetime value
* In dit model ligt de grens om te kunnen A/B testen of Multivariatie (MV) testen vanaf 1.000 bestellingen per maand.

18. Conversie-optimalisatieproces

19. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test herhalen
Informeren
team
Rapportage
o # bezoekers en conversie
per variant
o Segment analyse
o Significantieniveau
o Impact op KPI
Verandering
doorvoeren?
Nee JaVerwerpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
A B C
o Webanalyticsdata
o Externe expertanalyses
o Sessierecordinganalyses
o Onsite klantfeedback
o Usability onderzoek
o Gedragsonderzoek
o Analyse klantenservicevragen
o Interviews met klanten
o Etc.
Bronnen voor
conversieverbeteringen

21. Stijging in mobiele sessies

22. Stijging in mobiele transacties

24. Voor Na

25. Visitor to cart / Conversie
Productpaginaviews
laag hoog
laaghoog
AANDACHT
Conversie-optimalisatie
POPULAIR
Inkoop / promotie
DISCUSSIE
Langetermijnanalyse / trendanalyse
KANSRIJK
Verkeer / zichtbaarheid vergroten

28. Voor Na

29. Voor Na

31. 60% koopt iets
voor iemand
anders!

32. Enquête fysieke winkels

33. Origineel A Variant B

34. Impact op besluitvorming
Same day delivery (spoedservice)
Bezorging op werk / Afhalen in winkel
Discretie bankafschrift
Retourbeleid (niet goed, geld terug)
Cadeauverpakking
Retourkosten
Retourtermijn
Levertijd
Verzendkosten

35. Onsite feedback analyse

36. “waarom is de keus ophalen of
verzenden niet eerder dan het
invullen van adres? want als ik iets
wil ophalen in de winkel moet ik
nu mn adres invullen, lijkt mij een
beetje overbodig”
“waarom moest ik het adres
invoeren als ik de oorbellen in de
winkel wilde ophalen? ”
“Ik had niet vooraf gezien dat ik
het bestelde artikel kan afhalen in
de winkel, waardoor ik dan geen
verzendkosten hoef te betalen ”
“Waarom alle adres en persoons
gegevens invullen, terwijl ik het
kom afhalen in een filiaal?”
“eerder aangeven dat je de
bestelling ook gratis kunt afhalen
bij een winkel of DHL punt.
“Geen adres gegevens vragen als
ik het toch in de winkel kom
afhalen”

37. 1. Winkelmandje 2. Als gast afrekenen / inloggen
3. Gegevens invoeren4. Bezorgwijze - - > keuze filiaal
Oude flow – ophalen in de winkel

38. Nieuwe flow – ophalen in de winkelOude flow – ophalen in de winkel

39. Nieuwe flow – ophalen in de winkel

40. ✓ 12 vrouwen
✓ Leeftijd 21-52
✓ Mobile: 4 Android, 4 iOS
✓ Desktop: 4
Britt (44 jaar) Astrid (31 jaar) Marieke (48 jaar)
Alexandra (52 jaar) Sophielize (26 jaar) Fatima (44 jaar)
Soraya (25 jaar) Lea (26 jaar) Marliene (21 jaar)
Anita (34 jaar)
Dominique (26 jaar)
Jaimy (28 jaar)
Usability onderzoek op nieuwe flow

41. Nadat een gebruiker begint
met het invullen van het
eerste veld onder ‘Adres’, is
de placeholder ‘Postcode’
verdwenen, waardoor de
gebruiker op dat moment
afhankelijk is van de
bovenstaande label (‘Adres’ in
dit geval), wat leidt tot
verwarring
Voor Na

43. Origineel A – oude flow Variant B – nieuwe flow

44. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test herhalen
Informeren
team
Rapportage
o # bezoekers en conversie
per variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?
Nee JaVerwerpen en naar
volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
A
B
C
o Webanalyticsdata
o Externe expertanalyses
o Sessie recordinganalyses
o Onsite klantfeedback
o Usability-onderzoek
o Gedragsonderzoek
o Analyse klantenservicevragen
o Interviews met klanten
o Etc.
Bronnen voor
conversieverbeteringen
1. Klantfeedback als
bron voor
verbetering
2. Usability-onderzoek om
nieuwe flow op gebruikers te
testen
3. Nieuwe flow
A/B-testen

46. Na het selecteren van een
filteroptie, sluit de filtergroep.
Deze interactie wordt als
vervelend ervaren. De
gebruiker wil zelf de controle
hebben om een filtergroep te
sluiten na een selectie.
Oplossing:
Laat de filtergroep geopend, na het
selecteren van een filteroptie uit
deze filtergroep.

47. Gebruikers missen de
‘Toevoegen’-button en gaan
verder naar de volgende
stap, zonder de kortingscode
toe te passen.
Voor Na

48. Gebruikers zien de ‘Filters’-
button over het hoofd door
de vormgeving en positie.

50. Origineel A Origineel B + 2,7%

51. Gebruikers vinden het
belangrijk om te weten of er
extra kosten worden
gerekend bij bepaalde
betaalmethodes. Dit is een
belangrijke reden om voor
een betaalmethode te kiezen.
Origineel A Variant B

52. Origineel A Variant B

53. Origineel A Variant B

54. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B-test live
Analyseren
Learnings delen
Test herhalen
Informeren
team
Rapportage
o # bezoekers en conversie
per variant
o Segment analyse
o Significantieniveau
o Impact op KPI
Verandering
doorvoeren?
Nee JaVerwerpen en
naar volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
A B C
o Webanalyticsdata
o Externe expertanalyses
o Sessierecordinganalyses
o Onsite klantfeedback
o Usability onderzoek
o Gedragsonderzoek
o Analyse klantenservicevragen
o Interviews met klanten
o Etc.
Bronnen voor
conversieverbeteringen

55. Mogelijk maken
Mogelijk maken
Mogelijk maken
Behoeften vervullen en redenen geven
om te kopen
Onzekerheid reduceren,
overtuigen en verleiden
Emotie
Usability
Functionaliteit
Technologie
Bron: Jurjen Jongejan (2014). Meer omzet met je webshop, in vier stappen naar een hogere conversie. Culemborg: Van Duuren Management
Klantpropositie

56. Potential Importance Ease

57. Potential Importance Ease

58. Potential Importance Ease

59. PrioPotential Importance Ease

60. Potential Importance Ease Prio

61. Inzichten
Prioriteren
Test backlog
HoogLaag
Hypothese opstellen
Testplan maken
Testvarianten maken
A/B test live
Analyseren
Learnings delen
Test herhalen
Informeren
team
Rapportage
o # bezoekers en conversie per
variant
o Segment analyse
o Significantie niveau
o Impact op KPI
Verandering doorvoeren?Nee JaVerwerpen en naar
volgende test
Maak ticket voor
Development
Hoog
LIVE
Change backlog
A
B
C
o Webanalytics data
o Externe expert analyses
o Sessie recording analyses
o Onsite klantfeedback
o Usability onderzoek
o Gedragsonderzoek
o Analyse klantenservice vragen
o Interviews met klanten
o Etc.
Bronnen voor
conversieverbeteringen

62. Resultaten

63. Waarde CRO programma
A/B test succes
ratio

64. 2018
2017
2016
2018
2017
2016

65. 2018
2017
2016

66. Traditioneel
Potentiële verbeteringen direct doorvoeren Potentiële verbeteringen A/B-testen
Bron voor klantreis verbetering
Prioritering om klantreis te verbeteren
Methodiek
Kans op impact op klantreis KPI’s
Besparing op interne discussies
Slagingskans succesvolle klantreis innovaties
Onderbuikgevoel
Persoon met het hoogste salaris
20%
0%
10%
Data
Data
40%
40%
80%
Datagedreven
Verschillen in werkwijze

67. Origineel A Variant B + 3%

68. Conversie roadmap

71. Bron: Luke Wroblewski

72. Voor Na Voor Na

73. Bottom menu
Top menu
Origineel A Variant B

74. Inzichten verzamelen
A/B-testen
Data
A/B-
testen
Hypothesen
Design
Development
36 A/B-testen
in 2018

75. Start Huidige situatie

76. Key take aways
1. Baseer potentiële
verbeteringen altijd op basis
van data in plaats van
onderbuikgevoel. Dan groei je
harder!
2. Prioriteer potentiële
verbeteringen ook op
basis van data
3. Valideer potentiële
verbeteringen zoveel mogelijk
met A/B-testen, óók grote
wijzigingen (zoals nieuwe
checkout)
4. Optimaliseer géén
paginatemplates, maar
klantreizen op basis van
de persona’s!

77. Van Nelleweg 1, 3044 BC Rotterdam +31 (0)10 243 60 000 info@ism.nl www.ism.nl