I webanalyse bruges multi-channel funnels til at vise, hvordan flere marketingkanaler sammen bidrager til en konvertering. Pointen er, at kunderejsen sjældent består af ét enkelt besøg eller ét sidste klik, men ofte af flere berøringspunkter på tværs af for eksempel organisk søgning, betalte annoncer, sociale medier og direkte trafik.
Begrebet dækker altså analyse af konverteringsstier, hvor man ser på samspillet mellem kanaler frem for kun at kreditere den sidste kanal før købet eller leadet. Det giver et mere retvisende billede af, hvilke indsatser der faktisk påvirker resultatet.
Assisterede konverteringer er de konverteringer, hvor en kanal har medvirket tidligere i forløbet uden at være den afsluttende kanal. De hjælper med at synliggøre værdien af kanaler, der skaber interesse og overvejelse, selv om de ikke lukker konverteringen alene.
En konvertering sker sjældent efter ét enkelt besøg. Ofte møder en potentiel kunde virksomheden flere gange, gennem forskellige kanaler, før beslutningen bliver taget. Flerkanalsanalyse viser hele forløbet og gør det muligt at se, hvilke kilder der skaber opmærksomhed, hvilke der modner interessen, og hvilke der afslutter salget eller henvendelsen.
Et typisk forløb kan begynde med organisk trafik, hvor en bruger finder et blogindlæg i søgeresultaterne. Senere ser den samme person en betalt annonce, klikker ind på produktsiden og vender tilbage nogle dage efter via direkte trafik for at gennemføre købet. I analysen vil alle tre kanaler indgå i samme konverteringssti. Det giver et mere retvisende billede end kun at tilskrive værdien til det sidste klik.
Et andet eksempel er sociale medier, der skaber første kontakt. Brugeren ser et opslag, besøger hjemmesiden, men køber ikke med det samme. Senere søger personen efter brandet på Google og klikker på et organisk resultat. Til sidst kommer vedkommende tilbage direkte og konverterer. Her kan sociale medier have startet rejsen, mens organisk trafik og direkte besøg har hjulpet med at føre den til mål.
Når man aflæser flerkanalsanalyse, handler det derfor om samspillet mellem kanalerne. Ikke kun om, hvem der får den sidste ære. Det gør det lettere at forstå, hvilke marketingindsatser der understøtter hinanden, og hvor budget og indhold skaber størst samlet effekt.
Et salg opstår sjældent efter kun ét kontaktpunkt. Mange brugere møder en virksomhed flere gange, før de køber, og derfor kan en kanal have stor værdi, selv om den ikke står som den sidste klikbaserede kilde. I multi-channel funnels skelner man typisk mellem kanaler, der introducerer brugeren til virksomheden, kanaler, der påvirker beslutningen undervejs, og den kanal, der afslutter konverteringen.
En assisteret konvertering opstår, når en kanal indgår på vejen mod køb uden at være den sidste kanal før handlingen. Det gør assisterede konverteringer nyttige, fordi de viser kanalers reelle betydning i kunderejsen. En kanal kan for eksempel skabe opmærksomhed tidligt, mens en anden modner interessen, og en tredje udløser selve købet.
Et enkelt eksempel: En bruger finder først virksomheden via organisk søgning, ser senere en annonce på sociale medier og vender til sidst tilbage direkte og gennemfører købet. Her introducerer SEO brugeren, sociale medier påvirker beslutningen, og direkte trafik afslutter konverteringen. Uden de første trin var salget måske aldrig blevet til noget. Derfor bør vurderingen af kanalers værdi ikke kun bygge på, hvem der får det sidste klik.
Mange virksomheder vurderer stadig markedsføring ud fra den sidste interaktion før en konvertering. Det kaldes sidste klik-attribuering, og metoden giver hele værdien til den kanal, som brugeren besøgte lige før køb, lead eller anden ønsket handling. Det er enkelt at aflæse, men billedet bliver ofte for snævert, fordi tidligere kontaktpunkter ikke tæller med i analysen.
En flerkanalstilgang ser derimod på hele kunderejsen. Her indgår flere kanaler og besøg i samme forløb, for eksempel organisk søgning, sociale medier, nyhedsbreve og betalt annoncering. Det ændrer analyseperspektivet markant: I stedet for kun at spørge, hvad lukkede salget, undersøger man også, hvad der skabte interesse, modnede brugeren og førte til den sidste handling. Derfor kan kanaler, som sjældent får kredit i sidste klik, vise sig at have stor betydning tidligere i processen.
Attributionsmodeller bruges til at fordele værdi mellem kontaktpunkter, men pointen er ikke kun, hvordan kredit fordeles. Det afgørende er, at analysen skifter fra et isoleret slutpunkt til et samlet forløb. Sidste klik er velegnet til en hurtig, enkel rapportering, mens attribuering på tværs af kanaler giver et bedre beslutningsgrundlag, når budgetter, indhold og kanalroller skal vurderes mere nuanceret.
I praksis møder mange først multi-channel funnels i Google Analytics som rapporter, der viser, hvordan flere kanaler har bidraget på vejen mod en konvertering. Den klassiske rapporttype er tæt forbundet med Universal Analytics, hvor man blandt andet kunne se assisterede konverteringer, topkonverteringsstier og tidsforsinkelse. Her var pointen at belyse samspillet mellem kanaler i stedet for kun at kreditere det sidste klik.
I GA4 arbejder man anderledes. Selve rapportnavnet multi-channel funnels bruges ikke på samme måde, og rapporteringen er i højere grad samlet omkring attribuering, konverteringsstier og datadrevne modeller. Det betyder, at samme indsigt typisk findes i andre rapporter og analyser frem for i en særskilt, klassisk MCF-visning.
For SEO og digital analyse er forskellen vigtig. I Universal Analytics var multi-channel funnels en fast rapportpakke, mens GA4 fordeler tilsvarende indsigter på tværs af attribueringsrapporter og stianalyser. Formålet er dog stadig det samme: at forstå, hvordan organiske besøg, annoncer, e-mail og andre kanaler hver især påvirker brugerens vej frem mod konverteringen.
En konverteringssti viser, hvilke kanaler en bruger har mødt, før en konvertering sker. Læs stien fra venstre mod højre. Den første kanal skaber ofte opmærksomhed, de midterste påvirker overvejelsen, og den sidste kanal ligger tættest på selve handlingen. Det betyder ikke nødvendigvis, at den sidste kanal har skabt hele effekten.
Et eksempel kan være: organisk søgning → betalt søgning → e-mail → direkte trafik. Her finder brugeren først virksomheden via Google, vender senere tilbage gennem en annonce, bliver modnet af en e-mail og gennemfører til sidst ved at gå direkte ind på siden. Rækkefølgen fortæller noget om både adfærd og kanalernes samspil.
I analysearbejdet kan stien bruges til at se, hvilke kanaler der starter kunderejser, hvilke der assisterer, og hvilke der typisk afslutter dem. Det gør det lettere at vurdere påvirkning på tværs af kanaler, justere budgetter og forstå, hvorfor enkelte kanaler ser svage ud i en ren last-click-model, selv om de reelt bidrager tidligt i forløbet.
Rapporten er især værdifuld, når du vil forstå, hvilke kanaler der faktisk bidrager til konverteringer på tværs af kunderejsen. Hvis organisk trafik ofte er første kontakt, men en betalt kampagne lukker salget, bør SEO ikke undervurderes, fordi den sidste klikmodel overser den tidlige påvirkning. Det giver et mere retvisende billede af, hvordan søgemaskineoptimering og annoncering arbejder sammen.
Indsigten kan bruges direkte i budgetfordelingen. Ser du, at betalte kampagner primært skaber afsluttende klik, mens organiske besøg, nyhedsbreve eller sociale medier introducerer brugeren til virksomheden, kan du prioritere budgettet efter kanalens rolle i stedet for kun efter sidste konvertering. Det er ofte relevant ved sæsonkampagner, lanceringer og længere beslutningsprocesser.
Rapporten er også nyttig, når du vurderer, om PPC tager æren for konverteringer, som SEO har været med til at skabe. Omvendt kan den vise, at organisk trafik ikke altid kan stå alene, men løfter mere, når den understøttes af remarketing eller brandannoncer. Det gør prioriteringen skarpere og reducerer risikoen for at skære i de forkerte kanaler.
Data i multi-channel funnels bør læses som et kvalificeret estimat, ikke som en fuldstændig sandhed. Sporingsfejl, manglende tags og forskelle i opsætning kan flytte konverteringer mellem kanaler eller få besøg til at fremstå som direkte trafik. Selv små tekniske fejl kan derfor ændre billedet mærkbart.
Cookiebegrænsninger og samtykkevalg reducerer også datakvaliteten. Når brugere skifter enhed, browser eller sletter cookies, bliver kunderejsen ofte brudt op i flere forløb. Det gør det sværere at vurdere den reelle sammenspilseffekt mellem for eksempel organisk søgning, annoncering og e-mail.
Kanalgruppering er en anden fejlkilde. Hvis reglerne er upræcise, kan trafik blive placeret i den forkerte kanal, og sammenligninger mister værdi. Rapporterne viser desuden sjældent hele offline-billedet, som butikssalg, telefonhenvendelser eller påvirkning fra trykte medier. Derfor bør konklusioner om kanalernes effekt altid holdes op mod andre datakilder og forretningsmæssig viden.
Multi-channel funnels er en analysevisning, der viser, hvordan flere trafikkanaler har bidraget til en konvertering over tid. I stedet for kun at se på det sidste klik synliggør rapporten hele forløbet frem mod køb eller lead.
I Google Analytics blev begrebet især brugt i Universal Analytics om rapporter som assisterede konverteringer og topkonverteringsstier. Formålet er at forstå samspillet mellem kanaler som organisk trafik, betalt søgning, sociale medier, e-mail og direkte trafik.
Sidste klik-attribuering giver al kredit til den kanal, der ligger lige før konverteringen. Det er en enkel model, men den overser ofte de kanaler, der har skabt opmærksomhed og interesse tidligere i kunderejsen.
Multi-channel funnels ser derimod på flere kontaktpunkter i samme forløb. Derfor kan du se, om en kanal har assisteret konverteringen, selv om den ikke stod for det afsluttende besøg.
En assisteret konvertering registreres, når en kanal indgår i forløbet før den sidste interaktion. Det betyder, at kanalen har medvirket til konverteringen uden at være den afsluttende kilde.
Hvis en bruger først kommer via organisk søgning, senere klikker på en annonce og til sidst konverterer via direkte trafik, vil de tidligere kanaler typisk fremgå som assisterende. Det gør det lettere at vurdere den reelle værdi af kanaler, der påvirker tidligt i processen.
De mest almindelige kanaler er organisk søgning, betalt søgning, direkte trafik, sociale medier, henvisningstrafik og e-mail. I nogle opsætninger indgår også displayannoncering, affiliate-trafik og andre kampagnekilder.
Hvilke kanaler du ser, afhænger af kanalgrupperingen og din sporingsopsætning. Hvis kampagner ikke er korrekt tagget, kan trafik ende i forkerte kategorier og gøre analysen mindre præcis.
En konverteringssti læses som en rækkefølge af kontaktpunkter frem mod konverteringen. Den første kanal er ofte den, der skaber den første kontakt, mens de efterfølgende kanaler påvirker beslutningen og den sidste ligger tættest på handlingen.
En sti som organisk søgning → e-mail → direkte trafik viser for eksempel, at brugeren først fandt virksomheden i søgeresultaterne, senere blev påvirket via e-mail og til sidst vendte tilbage direkte for at konvertere. Pointen er at forstå forløbet, ikke kun slutpunktet.
Ja, men ikke på helt samme måde som i Universal Analytics. I GA4 bruges selve betegnelsen multi-channel funnels ikke som en klassisk, særskilt rapportpakke, men indsigten findes i attribueringsrapporter og analyser af konverteringsstier.
Det betyder, at du stadig kan arbejde med samspillet mellem kanaler, men du finder dataene i en anden struktur. Fokus er fortsat at se, hvordan flere kontaktpunkter bidrager til konverteringer.
Flerkanalsanalyse gør det lettere at se, hvilke kanaler der skaber første kontakt, og hvilke der primært afslutter konverteringer. Det er nyttigt, fordi en kanal godt kan være vigtig for salget, selv om den sjældent får sidste klik.
Hvis SEO ofte starter kunderejsen, mens betalte annoncer lukker salget, bør budgettet vurderes ud fra begge roller. Det giver et mere balanceret grundlag for prioritering af marketingmidler.
PPC og SEO arbejder ofte sammen i samme kunderejse. SEO kan skabe den første interesse, mens betalte annoncer kan få brugeren tilbage og føre til konvertering.
Uden flerkanalsanalyse kan det se ud, som om annoncering alene skaber resultaterne, fordi den ofte ligger tættere på købet. Multi-channel funnels hjælper med at synliggøre, om organisk trafik har haft en vigtig rolle tidligere i forløbet.
Dataene afhænger af korrekt sporing, kanalgruppering og samtykke. Hvis kampagner ikke er tagget rigtigt, eller hvis brugere afviser cookies, bliver kunderejsen ofte ufuldstændig eller skævt fordelt mellem kanaler.
Derudover kan skift mellem enheder og browsere bryde forløbet op, så samme bruger fremstår som flere separate besøg. Derfor bør rapporterne bruges som beslutningsstøtte, ikke som et fuldstændigt facit.