Je website krijgt ongeveer 400 bezoekers per maand. Over drie maanden wil je iemand voor klantenservice aannemen en je moet weten of je dan genoeg klanten hebt. Voorspellende analytics (predictive analytics) beantwoordt dat: hoe ziet je website er over drie maanden uit als alles zo doorgaat?
Voorspellende analytics voorspelt de toekomst op basis van je verleden. Dit artikel behandelt hoe het werkt, welke voorspellingen je echt over je website kunt doen en wanneer ze ertoe doen.
Voorspellende analytics gebruikt historische data om te schatten wat er hierna gebeurt. Je hebt een overzicht van je verkeer van de afgelopen zes maanden. Op basis van patronen in die data voorspel je hoeveel verkeer je volgende maand, volgend kwartaal of volgend jaar krijgt.
De belangrijkste beperking: voorspellende analytics werkt het best als de toekomst op het verleden lijkt. Groeit het verkeer op je website gestaag, dan kun je voorspellen dat de groei doorgaat. Start je een nieuwe marketingcampagne die alles verandert, dan klopt je voorspelling niet, omdat de toekomst niet op het verleden lijkt.
Wat je over je website kunt voorspellen
Niet elk cijfer is voorspelbaar. Maar website-eigenaren kunnen dit realistisch voorspellen.
Verkeersvolume (hoeveel bezoekers volgende maand)
Was je verkeer de afgelopen zes maanden 400 tot 500 bezoekers per maand en blijft het stabiel, dan kun je voorspellen dat volgende maand vergelijkbaar is. Groeide het verkeer (300, 350, 400, 450), dan kun je voorspellen dat die trend doorgaat (500 volgende maand).
De nauwkeurigheid hangt af van de stabiliteit. Stabiel verkeer is makkelijker te voorspellen. Verkeer met grote schommelingen is moeilijker. Bij verkeer dat door seizoenen beïnvloed wordt (pieken in een webshop in december) moet je met het seizoen rekening houden.
Conversieverwachting (hoeveel leads of verkopen)
Converteert 5% van je bezoekers gewoonlijk en verwacht je volgende maand 500 bezoekers, dan kun je 25 conversies voorspellen. Dat is eenvoudig als je conversiepercentage stabiel is. Het is minder betrouwbaar als het schommelt.
Gedrag van bezoekers (hoe lang ze blijven, of ze afhaken)
Is het gemiddelde bouncepercentage van je site 45%, dan kun je voorspellen dat het volgende maand rond 45% ligt. Is de gemiddelde tijd op een pagina 2 minuten, dan is dat je voorspelling voor volgende maand. Die voorspellingen zijn handig om wijzigingen in je inhoud te plannen of om te zien of er iets misging (springt het bouncepercentage plotseling naar 65%, dan is dat een teken dat er iets veranderde).
Piekmomenten (wanneer je verkeer meestal piekt)
Krijg je op zondag meer verkeer dan op maandag, dan zet dat patroon waarschijnlijk door. Krijg je pieken rond feestdagen of seizoensgebonden gebeurtenissen, dan kun je voorspellen dat die terugkomen. Dat helpt bij het plannen: weet je dat je rond Black Friday twee keer zoveel verkeer krijgt, dan kun je je site op die drukte voorbereiden.
Hoe voorspellende analytics werkt
Het proces is eenvoudiger dan het klinkt.
Stap 1: Verzamel historische data
Hoe meer data je hebt, hoe beter je voorspelling. Zes maanden data is het minimum. Een jaar is beter (dan zie je seizoenspatronen). Meerdere jaren is het best.
Analytics en inzichten van WEMASY bewaart je historische data, zodat je kunt terugkijken naar verkeer, conversies, bouncepercentages en bezoekersgedrag zo ver terug als je data reikt.
Stap 2: Herken patronen
Bekijk je verkeer in de loop van de tijd. Groeit het, daalt het of is het stabiel? Is het elke week hetzelfde of wisselt het? Piekt het op bepaalde dagen of tijden? Zijn er seizoenspatronen?
Op die patronen zijn voorspellende modellen gebouwd. Is je data consistent (het verkeer blijft elke maand tussen 400 en 500), dan is de voorspelling zeker. Is je data grillig, dan is de voorspelling minder betrouwbaar.
Stap 3: Trek het door naar de toekomst
Trek het patroon dat je herkende door naar de toekomst. Groeide het verkeer drie maanden achter elkaar 10% per maand, dan voorspelt het model dat het volgende maand ongeveer 10% blijft groeien.
Hier zie je de beperking: het model gaat ervan uit dat de toekomst op het verleden lijkt. Start je volgende maand een grote marketingcampagne, dan klopt de voorspelling niet. Verandert Google de zoekresultaten, dan breekt de voorspelling. De voorspelling is alleen goed zolang de omstandigheden gelijk blijven.
Stap 4: Bepaal een betrouwbaarheidsmarge
Voorspellingen zijn geen garanties. Een goede voorspelling bevat een bandbreedte: "We verwachten 500 bezoekers volgende maand, met 95% zekerheid tussen 450 en 550."
Die bandbreedte laat zien hoeveel schommeling je mag verwachten. Een smalle bandbreedte (450 tot 550) betekent dat je data zeer consistent is en de voorspelling betrouwbaar. Een brede bandbreedte (350 tot 650) betekent dat je data sterk wisselt en de voorspelling minder zeker is.
Wanneer voorspellende analytics echt helpt
Voorspellende analytics is nuttig om te plannen, niet om het gedrag van individuele bezoekers te voorspellen. Je kunt niet voorspellen dat één bepaald persoon morgen je site bezoekt. Je kunt wel je totale verkeersvolume voorspellen.
Omzet of leads voorspellen
Ken je je conversiepercentage en je gemiddelde bestelwaarde, dan kun je omzet voorspellen. "We krijgen 500 bezoekers, 5% koopt, de gemiddelde bestelling is $200. Volgende maand maken we waarschijnlijk $5.000." Dat helpt bij begroten en doelen stellen.
Aannemen en teamcapaciteit plannen
Hier past het voorbeeld uit de inleiding. Voorspel je volgende maand 500 conversies en kan je team er 400 aan, dan weet je dat je meer capaciteit nodig hebt. Voorspellingen laten zien of je kunt bemensen wat nodig is.
Zien wanneer iets stuk gaat
Je voorspelt 500 bezoekers op basis van eerdere data. In werkelijkheid krijg je er 200. Er veranderde iets (lagere posities, een verkeersbron die wegviel, een probleem op de site). Het verschil tussen voorspelling en werkelijkheid zegt dat je moet onderzoeken. Zo ontdek je problemen vroeg.
Seizoenskansen herkennen
Verkoop je seizoensproducten en laat je data pieken in bepaalde maanden zien, dan vertelt voorspellende analytics je wanneer je die pieken kunt verwachten, zodat je voorraad, inhoud of marketing kunt plannen.
De grenzen van voorspellen
Voorspellende analytics is nuttig, maar het is geen toverkunst. Begrijp waar het tekortschiet.
De toekomst is niet het verleden
Je voorspelling gaat ervan uit dat de omstandigheden die je historische data veroorzaakten gelijk blijven. Doen ze dat niet, dan klopt de voorspelling niet.
Je kunt het effect van een grote marketingcampagne, een productlancering of een viraal moment niet voorspellen. Je kunt niet voorspellen hoe wijzigingen in het algoritme van Google je posities beïnvloeden. Je kunt niet voorspellen hoe acties van concurrenten je verkeer beïnvloeden.
Hoe stabieler je omstandigheden, hoe beter je voorspellingen werken. Nieuwe websites en websites in onrustige markten zijn moeilijker te voorspellen dan gevestigde websites in stabiele markten.
Voorspellingen op korte termijn zijn minder betrouwbaar dan trends op lange termijn
Je verkeer van volgende maand voorspellen is moeilijker dan je gemiddelde verkeer van volgend jaar voorspellen. Data op korte termijn is rumoerig (de ene week 500, de volgende 300). Trends op lange termijn vlakken de ruis af. Voorspellingen werken dus beter voor "gemiddeld dit kwartaal" dan voor "precies 15 augustus".
Individuele uitzonderingen zijn niet te voorspellen
Je kunt het gedrag van je gemiddelde bezoeker voorspellen. Je kunt niet voorspellen dat één bepaalde bezoeker afhaakt of koopt. Analytics voorspelt totalen, geen individuen.
Zo gebruik je voorspellingen zonder bedrogen uit te komen
Voorspellende analytics is een hulpmiddel, geen kristallen bol. Gebruik het verstandig.
Gebruik voorspellingen om te plannen, niet als zekerheid
Voorspel je 500 bezoekers, dan is dat geen garantie. Het is je beste schatting op basis van historische data. Plan ernaar, maar blijf flexibel.
Werk je voorspellingen bij als de omstandigheden veranderen
Als je een campagne start of een grote wijziging doorvoert, wordt je historische data minder relevant. Verzamel nieuwe data (twee weken, een maand) en bereken je voorspelling opnieuw met de nieuwe omstandigheden erbij.
Combineer voorspellingen met controles op de werkelijkheid
Je voorspelling zegt dat het verkeer volgende maand 10% groeit. Controleer het na twee weken. Lig je op koers (tot nu toe 5% omhoog), dan is de voorspelling goed. Lig je niet op koers (5% omlaag), dan veranderde er iets. Zoek uit wat en pas je voorspelling aan.
Houd de bandbreedte in gedachten
Is je voorspelling "500 bezoekers, 95% zekerheid tussen 450 en 550", plan dan voor de onderkant. Zet geen middelen in alsof je 550 haalt als de bandbreedte ook 450 omvat.
Veelgestelde vragen
Hoe ver vooruit kan ik voorspellen?
Hoe verder je vooruit voorspelt, hoe minder nauwkeurig de voorspelling. Volgende maand voorspellen: vrij betrouwbaar als de omstandigheden stabiel zijn. Volgend kwartaal voorspellen: nog redelijk, maar met bredere bandbreedtes. Volgend jaar voorspellen: alleen betrouwbaar als je data zeer consistent is en de trends op lange termijn duidelijk zijn. Alles voorbij een jaar is meestal te onzeker om nuttig te zijn. Met de Websitebouwer van WEMASY zet je dit direct op je eigen website op.
Kan ik voorspellende analytics gebruiken om het gedrag van individuele gebruikers te voorspellen?
Niet betrouwbaar. Voorspellende analytics werkt met totalen (gemiddeld bouncepercentage, totaal aantal conversies). Je kunt gedrag van groepen bezoekers voorspellen, niet van specifieke individuen. Je kunt zeggen "bezoekers uit Google hebben een conversiepercentage van 6%", maar niet "deze specifieke bezoeker gaat kopen."
Wat als ik maar twee maanden data heb?
Voorspellingen met maar twee maanden data zijn onbetrouwbaar. Twee maanden is niet genoeg om weekschommelingen af te vlakken of seizoenspatronen te zien. Wacht tot je minstens zes maanden hebt voordat je op voorspellingen vertrouwt. Houd tot die tijd gewoon je data bij zonder te voorspellen.
Kan AI mijn voorspellende analytics verbeteren?
Ja. Geavanceerde modellen voor machine learning vinden patronen in data die een eenvoudige trendanalyse mist. Maar voor de meeste website-eigenaren werkt simpel voorspellen prima (naar de trend kijken, het gemiddelde groeitempo berekenen en doortrekken). Geavanceerde AI helpt als je veel data hebt en ingewikkelde patronen.
Moet ik grote bedrijfsbeslissingen baseren op voorspellingen?
Nee. Gebruik voorspellingen als één van de input voor je beslissing, niet als enige. Voorspelt een prognose groei van het verkeer, dan is dat goede context voor beslissingen over aannemen. Kijk ook naar je capaciteit, je doelen en andere bedrijfsfactoren. Voorspellingen zijn richtlijnen, geen opdrachten.
Wat is het verschil tussen forecasting en voorspellen?
In analytics zijn deze termen vrijwel hetzelfde. Beide betekenen: historische data gebruiken om toekomstige waarden te schatten. Forecasting (voorspellen) impliceert soms een langere tijdshorizon of een formeel proces, maar het idee is hetzelfde.