“Cijfers zeggen alles”, zei laatst een verdwaald schaap tegen mij. Het was tijdens een workshop voor een multivariatietest, waarbij we met z’n allen moesten bedenken welke variaties we gingen testen.
De pagina die eraan zou moeten geloven was een uitlogpagina. Zelfs Stevie Wonder kon zien dat deze pagina 1. extreem lelijk was en 2. dat hij niet zou converteren omdat hij op geen enkele manier geoptimaliseerd was.
Gezond verstand
Ik was met het verdwaalde schaap en een paar van de andere webanalisten in discussie geraakt omdat ik vond dat je niet alles met cijfers aan moet tonen. Soms is gezond verstand voldoende. Het gevaar van alles met cijfers aantonen is dat je de beslissers er een verkeerd signaal mee geeft. Bij de workshop zaten marketingprofessionals, contentspecialisten, webanalisten, communicatiespecialisten, interactiedesigners etc. Is een multivariatietest nou echt nodig om te bepalen dat poep stinkt? Moet je nou echt in een tabelletje terug zien dat poep inderdaad stinkt? En als je eenmaal het meest voor de hand liggende gaat meten, moet je dan ook gaan meten dat water nat is omdat anders je professionele mening niks waard is?
Cijfers hebben geen karakter
“Cijfers liegen niet,” vloog me in dezelfde discussie even later ook nog eens om de oren. Ook zo’n non-opmerking. Cijfers liegen op zichzelf uiteraard niet. Cijfers doen niet zoveel. De waarde van cijfers hangt af van vele factoren. Als ik zeg dat 5 mensen borstkanker krijgen, dan zegt dat helemaal niks. Als ik zeg dat 5 van de 6 vrouwen in Nederland borstkanker krijgen, dan zegt dat al veel meer. Als ik zeg dat het 5 van de 6 rokende vrouwen in Nederland zijn, komen we nog een stapje dichter bij het hele verhaal. Maar ook dan kunnen er hele andere factoren dan het roken leiden tot die borstkanker. Kort gezegd, de analyse van de cijfers en de vertaling ervan is belangrijk.
Meten is niet direct weten
Het verdwaalde schaap had voor mij meteen de vinger op de zere plek gelegd. Natuurlijk moet je meten, maar daarmee zit je absoluut nog niet keihard te weten. Als het werk van een webanalist bestaat uit het uitdraaien van rapportages uit coole meetpakketten, dan heb ik weinig behoefte aan een webanalist bij het verbeteren van mijn site en heb ik voldoende aan iemand die de juiste knop weet te vinden in het coole pakket van de dag. Nee, daar zit de meerwaarde van de webanalist niet in. Het analyseren, in de context plaatsen en bedenken wát moet worden gemeten, daar zit de meerwaarde van de webanalist in. Een goede webanalist meet niet elke punt en komma, om dan die cijfers de digi-ether in te gooien. Een goede webanalist kijkt, luistert en gebruikt de kennis van professionals (inclusief de eigen kennis uiteraard). Bepaalt dan wat er zinnig is om te meten. En neemt wanneer de cijfers binnenrollen de context in acht bij het analyseren van de gegevens. Toch kom ik nog teveel meet-weters tegen. Teveel cijferprinters. Dat kan toch nooit webanalyse zijn? Dit artikel is geschreven voor – en gedeeld met Webanalisten.nl
Don’t stress….it’s just me!
I’ve spent over 25 years working in content strategy and digital transformation, which means I’ve seen enough technology hype cycles to be skeptical and enough genuine innovation to stay curious.
Want to talk shop? Do get in touch!
I have a newsletter and it's bearable. Subscribe to read my (Gen)AI articles!
Ik zeg amen!
Ook wel meten met twee maten te noemen….. wat best uitkomt, terug laten komen in de interpretaties en hard roepen ook vooral, ookewel politiek voeren te noemen.
Waar is de controle over deze tests? 'Weten wat je meet' zeg maar? Ik mis doelstellingen van dergelijke tests, nulmetingen, uitgangspunten en randvoorwaarden, vaste factoren en hun variaties. Gewoon factoren kunnen uitsluiten dan ook omdat je dat van te voren goed hebt vastgelegd. En hoeveel variaties van zeg 1 webpagina, zijn qua testresultaat nog relevant te noemen als dat om 10-tallen variaties gaat en de omgevingsfactoren e.e.a. enorm kunnen beïnvloeden?
Het is natuurlijk zo dat ik gewoon geen verstand heb van deze tests en ik kan het helemaal mis hebben. Maar ik vraag me werkelijk af hoe bijv. UI specialisten dergelijke hoeveelheid aan meetresultaten goed kunnen vertalen in verbeterslagen.
Leidinggevenden zijn nou eenmaal verzot op cijfers. Webanalisten maken het de bazen makkelijk om te scoren. Want met cijfers kan je inderdaad aantonen dat recht krom is en rond vierkant. Het hangt er maar van af welk resultaat je graag wil dat eruit komt.
Volgens mij zijn er gewoon goede webanalisten en slechte webanalisten. De goeie weten cijfers te interpreteren en te vertalen naar oplossingen of voorstellen in elk geval. De slechte weten alleen maar cijfers te produceren. Die laatste categorie kan je niks mee.