Siffran som förändrade allt

Klockan var strax efter nio när Elin öppnade sin laptop. Utanför fönstret låg Solna i sitt vanliga morgonljus. Människor hade redan börjat fylla trottoarerna, pendeltåg och tunnelbanetåg hade transporterat tusentals stockholmare mot dagens första möten och inne på kontoren hade den första vågen av kaffe redan börjat göra sitt jobb.

Elin satt några våningar upp i ett kontor i Solna och tittade på skärmen. Hon arbetade med analytics och digital marknadsföring, vilket innebar att hon tillbringade en stor del av sitt arbetsliv med saker som de flesta människor aldrig såg. Det handlade om små förändringar kring en landningssida, ett formulär, en rubrik, en annons, en knapp, en trafikkanal eller en kurva som rörde sig några procent åt fel håll.

För någon annan kunde det se ut som bara siffror men för Elin var siffrorna människor. Hon såg besökaren som hade kommit in från Google klockan 08.42 på väg till jobbet, personen som klickat på en annons från mobilen och den potentiella kunden som hade kommit till företagets hemsida, tittat en kort stund och sedan lämnat.

Den morgonen fastnade hennes blick på en specifik siffra. Bounce rate. Det var inte den största siffran på skärmen och det var inte ens den vackraste men hon kunde inte släppa den.

Elin hade nämligen börjat förstå något som många företag fortfarande missade. En siffra i analytics är aldrig själva problemet utan den är ett symptom. Hennes jobb var att ta reda på vad kroppen försökte säga.

Den gamla bounce rate är inte längre den nya bounce rate

Det första Elin brukade säga när någon använde ordet bounce var att fråga vilken Analytics de menade. Det låter som en detalj men det är det absolut inte.

I den äldre modellen för Google Analytics, Universal Analytics, användes bounce rate i praktiken för att beskriva sessioner där användaren gick in på en sida och lämnade utan att en ytterligare interaktion registrerades. Det är också ungefär så den gamla artikeln beskriver måttet.

Google Analytics 4 fungerar dock annorlunda. I GA4 definieras bounce rate som andelen sessioner som inte var engagerade sessioner. Google definierar en engagerad session som en session som varar längre än tio sekunder, innehåller minst en viktig händelse eller har minst två sidvisningar eller skärmvisningar. Bounce rate är alltså i praktiken motsatsen till engagement rate.

Elin tyckte att det här var en viktig skillnad för den förändrar hela frågan. En person kan komma till en sida, läsa det hon behöver och lämna utan att det betyder att webbplatsen misslyckades. En person kan också stanna i tio sekunder och tekniskt räknas som engagerad utan att göra någonting som företaget egentligen bryr sig om.

Därför tittade Elin aldrig längre på bounce rate ensam utan hon tittade på berättelsen bakom siffran.

Men är inte hög bounce rate dåligt?

Det var en fråga som nästan alltid kom förr eller senare. Elin brukade svara att det ibland är så och sedan väntade hon. Det var då de flesta såg förvånade ut och frågade om det inte var mer än så. Hon förklarade att man måste tänka sig två olika webbplatser.

Den första är en sida som svarar på frågan när biblioteket är öppet. Personen googlar, klickar, läser, ser öppettiden och stänger sedan sidan. Ur ett traditionellt analytics perspektiv kan sessionen se ut som ett snabbt avhopp men ingenting var egentligen fel eftersom personen fick sitt svar.

Den andra webbplatsen säljer en dyr tjänst för andra företag. En besökare kommer från en annons, landar på hemsidan, förstår inte erbjudandet, letar efter pris men hittar inget, försöker navigera, möts av en popup och upplever att sidan laddar långsamt. Besökaren lämnar efter några sekunder.

Där är samma typ av beteende betydligt mer intressant. Det är därför en bounce rate siffra utan sammanhang nästan är meningslös. Google säger uttryckligen att page experience ska bedömas holistiskt och att det inte finns någon enskild signal som ensamt avgör ranking.

Elin slutade jaga ett lågt tal

Det var här hennes syn på analytics förändrades. Tidigare hade hon velat sänka siffran för bounce rate men nu ville hon förstå varför människor lämnade, vilket var en mycket bättre fråga.

Hon öppnade GA4 och började dela upp trafiken i organisk trafik, betald trafik, sociala medier, direkttrafik, referral, mobil och desktop. Hon tittade på nya användare, återkommande användare, olika landningssidor, olika kampanjer och olika målgrupper.

Plötsligt såg hon något som den genomsnittliga totalsiffran hade dolt. Företagets totala bounce rate såg ganska normal ut men på en av deras viktigaste kampanjsidor var den betydligt högre och nästan all trafik till sidan kom från mobilen.

Där började historien bli intressant.

Mobilen var inte bara mindre, den var en annan situation

En stockholmare som sitter hemma framför en stor skärm beter sig inte alltid som samma människa när hon står på perrongen i Solna med mobilen i ena handen och en kaffe i den andra. På desktop kan användaren ha gott om tid men på mobilen kan hon vara på språng. Hon kanske väntar på bussen, står i kön på ICA eller bara har två minuter till godo.

Därför tittade Elin inte bara på om webbplatsen var responsiv. Responsivitet är i dag en grundläggande del av webben och Google använder mobile first indexing, vilket innebär att de i huvudsak använder den mobila versionen av en webbplats för crawling och indexering. Google rekommenderar responsiv webbdesign som ett robust sätt att hantera olika skärmar.

Men Elin ville veta mer. Hon undersökte om knapparna fungerade, om rubriken syntes, om man förstod erbjudandet och om den viktigaste bilden laddade snabbt. Hon granskade om formuläret var enkelt, om texten var läsbar och om det gick att använda sidan med en hand.

Det är stor skillnad mellan en sida som kan visas på mobilen och en sida som är designad genuint för den som använder mobilen.

Det visade sig att problemet inte var innehållet

Det första testet gav en oväntad ledtråd. Elin gick igenom innehållet och såg egentligen ingenting uppenbart fel eftersom budskapet var tydligt, rubriken var okej, bilderna var professionella och en tydlig uppmaning till handling fanns på plats.

Men sidan kändes trög. Hon laddade den på sin egen telefon. Först kom rubriken och sedan fick hon vänta. Bilden tog sin tid, några element flyttade sig, en knapp hoppade till och ett script laddade.

Hon stirrade på skärmen och konstaterade för sig själv att där var problemet. Det var inga konkreta bevis ännu men det var en hypotes.

Enligt henne handlade analytics egentligen om just detta. Man formulerar en hypotes, utför ett test, gör en observation och genomför en förbättring.

Bounce rate kan säga något men den måste få sällskap

Elin började bygga ett större analysramverk. Bounce rate fick stå kvar men bredvid den lade hon bland annat engagement rate, genomsnittlig engagemangstid, key events, konverteringar, landningssidans konverteringsgrad och intäkt. Hon inkluderade även trafikkälla, enhet, geografi samt ny kontra återkommande trafik.

I GA4 baseras engagemangsgraden på andelen engagerade sessioner och den kompletteras av mått som genomsnittlig engagemangstid och viktiga händelser. Google definierar även key events som händelser du själv väljer att markera som viktiga för verksamheten.

Nu började siffrorna prata med varandra och när siffror gör det kan man ibland upptäcka något mycket mer värdefullt än ett bra värde i en dashboard. Man upptäcker pengar.

Det var där chefen började lyssna

Elin hade en känsla av att marknadsföringsteamet hade fokuserat för mycket på ren trafik genom att jaga fler besökare, fler klick, större räckvidd och större kampanjer. Det är lätt att göra eftersom trafik är synlig medan affärsvärde och intäkter är betydligt mindre romantiskt.

Hon började därför räkna på hela kedjan. Anta att hundratusen kronor i marknadsbudget gav tiotusen relevanta besökare och anta sedan att webbplatsen konverterade två procent. Det gav tvåhundra konverteringar. Om varje affär i genomsnitt var värd femtusen kronor blev intäkten en miljon kronor.

Om Elin kunde förbättra konverteringsgraden från två till två och en halv procent utan att köpa mer trafik blev det plötsligt tvåhundrafemtio konverteringar. Förbättringen handlade därmed inte längre om en liten graf i analytics utan om extra intäkter på hundratusentals kronor i det förenklade exemplet.

Det var då diskussionen förändrades från att handla om hur man får ner bounce rate till att handla om hur man kan få fler av rätt besökare att göra det företaget faktiskt behöver dem att göra. Det är en mycket bättre affärsfråga.

Hon började testa i stället för att gissa

Elin förändrade inte hela webbplatsen på en gång eftersom det hade varit ett misstag. Om man ändrar rubriken, layouten, färgerna, bilderna, knappar och formuläret samtidigt vet man aldrig vad som gjorde skillnaden.

Hon började därför i en mindre skala med en tydligare rubrik, en enklare första sektion, en bättre placerad knapp för köp, färre distraktioner och en mer konkret förklaring av erbjudandet.

Framför allt skapade hon en tydligare koppling mellan annonsen och landningssidan. Besökaren skulle genast känna att detta var exakt det de klickade på och inte undra var de överhuvudtaget hade hamnat.

Sedan upptäckte hon något ännu viktigare

En del av trafiken hade aldrig varit särskilt värdefull. Det var här hennes analys blev mer mogen då hon insåg att vissa kampanjer gav enormt mycket trafik men ytterst få affärer.

Andra gav mindre trafik men en betydligt högre konverteringsgrad och bättre intäkt. Det innebar att en kampanj kunde se ut som en solklar succé i marknadsförarens rapport men som ett rent misslyckande i företagets resultaträkning.

Elin började därför använda en princip som skulle förändra hur teamet arbetade i grunden. De skulle inte optimera för billig trafik utan de skulle optimera för värdefull trafik.

Hon började också läsa sökintention i stället för bara sökord

Den gamla artikeln lade stor vikt vid att undersöka sökord och att hitta rätt nyckelord. Det är fortfarande en del av modern sökoptimering men det räcker inte längre att bara välja ett sökord med en hög sökvolym.

Google beskriver i dag Search som ett system där relevans, hjälpsamhet och många olika signaler spelar in. De betonar innehåll skapat för människor och varnar uttryckligen för innehåll som produceras primärt för sökmotorer eller i stor skala helt utan eget värde.

Elin började därför alltid fråga vad personen egentligen försöker göra. Vill hon köpa, jämföra, lära sig, hitta ett telefonnummer, lösa ett problem, förstå ett begrepp eller boka.

Om sidan svarade på fel fråga kunde en hög bounce rate vara helt logisk. Då var problemet inte designen utan den bristande matchningen mellan besökarens förväntan och verkligheten.

AI förändrade också hennes jobb

Det märktes först i små saker där AI hjälpte henne att sammanfatta långa rapporter, identifiera mönster, generera hypoteser, formulera experiment, jämföra innehåll, skapa variationer och analysera gigantiska mängder feedback.

Det gjorde henne dock inte överflödig, tvärtom gjorde det den mänskliga delen av hennes arbete ännu viktigare. AI kunde snabbt hjälpa henne att hitta tio möjliga förklaringar men den kunde inte automatiskt veta vilken specifik affärsfråga som var absolut viktigast.

Maskinen kunde peka på ett mönster men någon människa var tvungen att förstå varför människor beter sig på ett visst sätt. AI kunde skriva tre rubriker men någon var tvungen att avgöra vilken som bäst representerar företagets verkliga erbjudande.

Det är kanske en av de allra viktigaste förändringarna inom analytics idag. AI gör det billigare och snabbare att analysera och därför blir förmågan att ställa rätt fråga enormt mycket mer värdefull.

Hon använde också AI för att förstå innehåll men gick aldrig på autopilot

Google har varit tydliga med att generativ AI i sig inte är problemet. Problemet uppstår när AI används för att producera stora mängder innehåll utan tillräckligt eget värde, originalitet eller mänsklig kontroll. Google rekommenderar genuint innehåll skapat för människor och varnar bland annat för omfattande automation som främst syftar till att driva onaturlig söktrafik.

Elin tog detta på allvar och använde AI som en ren analytisk assistent och aldrig som en ersättning för det egna tänkandet.

Hon kunde be systemet lista vilka frågor de eventuellt inte besvarade på landningssidan men därefter gick hon vidare till riktiga kundintervjuer, till supportärendena, till försäljningsavdelningen och till riktiga användare. Sanningen fanns otroligt sällan bara gömd i en dashboard.

Sedan kom Core Web Vitals

Det var här hon äntligen kunde bekräfta en stor del av sin första intuition. Google rekommenderar att webbplatser arbetar aktivt med Core Web Vitals såsom Largest Contentful Paint för laddningsprestanda, Interaction to Next Paint för responsivitet och Cumulative Layout Shift för visuell stabilitet.

Goda riktvärden ligger på högst två och en halv sekund för LCP, under tvåhundra millisekunder för INP och under noll komma ett för CLS vid den sjuttiofemte percentilen. Det var exakt den typen av segdragna problem hon hade sett.

Den stora bilden kom sent, ett element hoppade till, interaktionen kändes trög och sidan såg nästan färdig ut innan den faktiskt var helt stabil.

Det var otroligt lätt att tro att detta bara rörde sig om teknik men för Elin var det affärskritiskt. En användare som väntar är en användare som riskerar att lämna och en användare som blir osäker riskerar att inte konvertera. En användare som inte förstår vad som händer kanske aldrig kommer tillbaka överhuvudtaget.

Men hon gjorde inte misstaget att tro att ett perfekt resultat automatiskt skapar ranking

Det här var ytterligare en gammal idé hon snabbt behövde kasta bort.

Google säger att Core Web Vitals visserligen används av systemen för ranking men också att bra Core Web Vitals inte garanterar en hög placering. Google betonar att upplevelsen av sidan är en del av en mycket större helhet och att det viktigaste fortfarande är att visa relevant och genuint hjälpsamt innehåll.

Elin började därför tänka att bra prestanda inte är den slutgiltiga destinationen utan snarare en grundläggande förutsättning för en bra användarupplevelse. Det visade sig vara en mycket mer användbar princip att arbeta efter.

När bounce rate faktiskt betyder att något är fel

Efter några veckors intensiva tester började Elin använda ett enkelt sätt att tänka.

En hög bounce rate blev särskilt intressant när den kombinerades med andra tydligt negativa signaler som kort engagemang, låg konvertering, dålig matchning mellan annons och landningssida, tekniska problem, mobilproblem, svag navigation, dålig internlänkning, otydliga uppmaningar till handling, felaktig trafik eller ett innehåll som helt enkelt inte svarar på användarens avsikt.

Då var det verkligen dags att gräva djupare.

En hög bounce rate på en sida där användaren får sitt svar snabbt behöver däremot inte innebära att något är fel alls.

Det var kanske det viktigaste hon hade lärt sig eftersom siffran inte alltid säger exakt vad man ska göra utan den säger var man ska börja ställa frågor.

Hon gjorde ett misstag som många företag fortfarande gör

Teamet hade under väldigt lång tid pratat om webbplatsens genomsnittliga bounce rate men Elin tog helt sonika bort det från första sidan i sin dashboard.

Detta gjordes inte alls för att hon tyckte att värdet var värdelöst utan för att ett genomsnitt kan gömma så mycket mer än det faktiskt avslöjar.

Hon ville istället se detaljerna kring vilka sidor, vilka användare, vilken specifik trafik, vilken enhet, vilken kampanj, vilket innehåll, vilken affär och vilket faktiskt resultat det handlade om.

Det här är också mer i linje med hur Google beskriver hur deras sök fungerar där ranking och användarupplevelse bedöms genom otaliga signaler och på sidnivå istället för genom en enda enkel övergripande siffra för hela webbplatsen.

Hon upptäckte att de hade ett budskapsproblem

När Elin jämförde företagets annonser med landningssidorna hittade hon ett oerhört märkligt mönster. Annonserna lovade snabbhet men landningssidan började med att långrandigt berätta om företagets historia.

Det var ett subtilt fel men det var likväl ett stort fel. Användaren klickade för att snabbt få ett resultat medan företaget prompt ville berätta om sig självt.

Elin ändrade snabbt ordningen så att sidan började med problemet och sedan presenterade lösningen, följt av bevis, detaljer och slutligen en tydlig uppmaning till handling.

Bilden av sidan förändrades inte på ett radikalt sätt men precis tillräckligt för att göra skillnad.

Och resultatet syntes inte bara i Analytics

Efter de allra första förändringarna började siffrorna äntligen röra sig åt helt rätt håll. Engagemanget ökade markant, färre lämnade direkt och fler fortsatte genom webbplatsen samtidigt som konverteringen förbättrades avsevärt.

Det som gjorde Elin allra mest nöjd var dock inte hennes bounce rate utan företagets faktiska intäkter.

När teamet kopplade sina digitala beteenden till det direkta affärsresultatet började diskussionen inne i ledningsrummet att förändras i grunden. Marknadsföring var plötsligt inte längre en skrytmetod om hur många hundratusen besök man hade fått utan det handlade i stället om att visa exakt vilka trafikkanaler som skapade rätt del av företagets pipeline.

Det var där analytics slutade vara en tråkig rapport och i stället blev ett kraftfullt beslutsverktyg.

Några månader senare

Det var återigen morgon i Solna med exakt samma kontor, samma utsikt och samma kaffemaskin men den här gången satt Elin framför en helt annan dashboard. Den stora siffran hade förändrats och andelen som lämnade direkt hade gått ner rejält.

Ännu viktigare var att engagemanget hade förbättrats, landningssidorna konverterade mycket bättre och intäkten från den aktuella trafiken hade ökat markant.

Chefen stod längst fram i mötesrummet, klickade med självförtroende genom presentationen och konstaterade att detta var precis vad de hade behövt hela tiden. Sedan tittade han på Elin och påpekade att hon inte bara hade förbättrat deras webbplats utan hon hade även gjort hela företagets marknadsföring mer lönsam.

Någon längst bort i rummet började applådera, sedan stämde en till in och snart applåderade hela det fullsatta rummet. Elin log lite generat eftersom hon egentligen aldrig hade varit ute efter applåderna.

Hon tänkte i stället tillbaka på morgonen då hon satt framför skärmen i exakt samma byggnad och stirrade på en enda siffra. Då såg hon bara ett frustrerande problem men nu såg hon vad siffran egentligen hade varit. Den var en ledtråd.

Det var det analytics hade lärt henne

När hon många timmar senare gick ut från kontoret var det nästan kväll. Solna hade bytt färg, kontorsfönstren lyste varmt och människor var på väg hem. Någon skulle vidare mot Stockholm city, någon mot Sundbyberg, någon skulle hämta barn, någon skulle träna och någon skulle sätta sig på tunnelbanan och öppna mobilen igen.

Hon tänkte på alla de där människorna bakom varje enskild datapunkt. Varje klick, varje sökning, varje sida som öppnades och varje sida som stängdes representerade en människa med ett liv.

Plötsligt kändes analytics mindre som ren matematik och mycket mer som psykologi, ibland nästan som granskande journalistik. Man såg ett spår och försökte genuint förstå historien bakom det. Det är precis därför siffrorna fortfarande kan vara otroligt värdefulla.

Inte som en sträng dom, inte som ett betyg och inte som ett slutmål i sig utan som en nyfiken fråga kring varför personen faktiskt valde att lämna. Om du kan svara ärligt på den frågan kan du ibland göra något mycket större än att bara snygga till en siffra.

Du kan förbättra hela upplevelsen, öka konverteringen och drastiskt minska en bortkastad marknadsbudget. Du kan hjälpa fler människor att hitta rätt och i slutändan kan du förbättra företagets intäkter på riktigt.

Det är exakt där den sanna kraften i analytics finns. Den finns inte i själva siffran utan i berättelsen som vilar bakom den.