+31 (0)30 636 39 70 | info@onmarc.nl

Exitdetectie, maar dan op tijd!

 

MarcSense Retain

Exitdetectie, maar dan op tijd!

Marc Sense Retain 

Wellicht was het je bij onze kerstgroet van december al opgevallen: bij het verlaten van de OnMarc website wensten wij je fijne feestdagen!

Dit was een sneak preview van ons nieuwe product: Retain. De lancering zal komende maand plaatsvinden. Het product ‘Retain’ is kort gezegd een getraind machine learning model dat exit voorspellingen doet op basis van muis bewegingen. Zo kan er geanticipeerd worden op bezoekers die de website willen verlaten, zoals ook gebeurde bij de kerstgroet. In dit artikel vertellen we meer over dit product. In een volgende nieuwsbrief hopen we de eerste resultaten omtrent het gebruik van dit model  te kunnen delen.

 

Kerstmemory Hohoho
Ho ho ho Kerst Memory Spel.  

Conversieoptimalisatie met MarcSense Retain

Retain is vrij vertaald ‘behouden’ en draait er om, bezoekers of potentiële klanten die de website willen verlaten nog zodanig te triggeren dat zij op de website blijven. Met als uiteindelijk doel: Conversieoptimalisatie.

In de online wereld is alles snel en vluchtig en wordt een bezoeker geconfronteerd met onmetelijke hoeveelheden data en verleidingen. Om jouw bezoekers zoveel mogelijk te blijven interesseren,  is het van belang dat je met relevante content werkt. MarcSense Retain helpt hierbij door tijdig te onthullen wanneer bezoekers hun interesse verliezen en dreigen je website te verlaten.

Wat maakt Retain uniek?

Retain is een getraind model dat zo goed mogelijk exit voorspellingen doet gedurende een bezoek op een website. Het is een model dat getraind is op basis van muisbewegingen. Zaken als aantal klikken per tijdseenheid, snelheid van de muisbewegingen en de muisbewegingen zelf worden hierbij meegenomen. Op basis hiervan berekent het model hoe groot de kans is dat bij soortgelijke muisbewegingen iemand de website verlaat. Dit betekent dat je voortijdig weet wanneer een bezoeker de intentie heeft om de website te verlaten. Bij veel bestaande modellen wordt de exit voorspelling pas gedaan op het allerlaatste moment, namelijk als de beweging naar het kruisje in de rechterbovenhoek van de browser al in gang is gezet. En op dat moment ben je eigenlijk al te laat om te kunnen ingrijpen.

Hoe werkt het?

Op basis van het getrainde model wordt voor elke bezoeker een exit kans bepaald op elk moment in zijn/haar sessie. Hoe groot is de kans dat hij/zij de website gaat verlaten? Deze berekende scores kunnen vervolgens gebruikt worden om een personalisatie op uit te voeren. Er wordt gekozen bij welke exit drempel er actie genomen moet worden. Er kan bijvoorbeeld gekozen worden om bij een exit kans van > 75% een ‘Call me now button’ te tonen. Andere voorbeelden zijn een chat bot of een chat venster dat getoond wordt. Maar het kan ook een gepersonaliseerde banner zijn die op basis van eerder getoonde interesses een bepaald product toont. Al deze maatregelen moeten er uiteindelijk voor zorgen dat de bezoeker langer op de website blijft met als uiteindelijke doel: conversie optimalisatie.

Met MarcSense Retain ligt echte conversie optimalisatie binnen handbereik!

Vertel mij meer

Verdieping: Hoe het allemaal begon…

Uit onderzoek blijkt dat online verkoopprocessen sterk worden door de emoties van de bezoeker en zijn/haar staat van zijn op dat moment. Ook hebben studies aangetoond dat muisbewegingen een spiegel kunnen zijn voor de klant zijn staat van zijn. Zo zijn onderzoekers in staat geweest gebruikersprofielen, geslacht en emotionele staat te bepalen op basis van data omtrent muisbewegingen.

Celebrus

OnMarc heeft de beschikking over de tool Celebrus. Uniek aan deze tool is dat het mogelijkheden biedt om data rondom muisbewegingen te collecteren. Hierbij worden onder andere de plaats en snelheid van de muisbewegingen vastgelegd. Deze studies in combinatie met de mogelijkheden die Celebrus biedt, zijn de aanleiding geweest voor het eerste onderzoek naar de relatie tussen muisbewegingen en exit gedrag. En hier is uiteindelijk het product Retain uit ontstaan.