Når en bruger skal gennem flere trin for at nå et mål, kan det være svært at se, hvor processen går galt. Funnel analysis, også kaldet tragtanalyse, er en metode til at måle, hvordan brugere bevæger sig fra ét trin til det næste i et forløb.
Analysen bruges typisk til at følge vejen mod en konvertering, for eksempel et køb, en tilmelding eller en udfyldt formular. Her ser man, hvor mange der går videre, og hvor mange der falder fra undervejs. Det gør det lettere at finde de trin, der skaber friktion eller stopper brugeren.
Funnel analysis giver derfor et klart billede af, hvor et website, en kampagne eller en brugerrejse kan forbedres. Både enkelte sider og hele flows kan analyseres, så man kan reducere frafald og øge andelen, der når målet.
En konverteringstragt viser, hvordan brugere bevæger sig fra første handling til et ønsket mål. I en webshop kan tragten for eksempel bestå af fire trin: produktvisning, læg i kurv, checkout og gennemført køb. Hvert trin måles separat, så man kan se, hvor mange der går videre, og hvor mange der falder fra undervejs.
Hvis 1.000 brugere ser et produkt, 300 lægger varen i kurven, 180 går til checkout, og 120 gennemfører købet, kan man beregne den trinvise konvertering mellem hvert led. Fra produktvisning til kurv er konverteringsraten 30 procent. Fra kurv til checkout er den 60 procent, og fra checkout til køb 66,7 procent. Drop-off er forskellen mellem to trin, altså de brugere, der ikke går videre. I eksemplet falder 700 fra før kurven, 120 før checkout og 60 før køb.
Den samlede konvertering måler derimod, hvor stor en andel af alle brugere i første trin der ender med at konvertere. Her er den samlede rate 12 procent, fordi 120 ud af 1.000 gennemfører købet. Det er netop forskellen mellem samlet og trinvis konvertering, der gør funnel analysis nyttig: Analysen viser ikke kun resultatet, men også præcis hvor i forløbet der opstår friktion.
Funnel analysis gør det tydeligt, hvor potentielle kunder falder fra, og hvor indsatsen derfor giver størst effekt. I marketing bruges metoden til at finde svage led i kunderejsen, for eksempel en annonce, der skaffer mange besøg, men få tilmeldinger. Så kan teamet forbedre budskab, målretning eller landingpage i stedet for blot at købe mere trafik.
I produktarbejdet hjælper analysen med at forstå, hvilke trin der skaber friktion. Det kan være en oprettelsesproces, hvor mange brugere stopper ved et bestemt felt, eller en checkout, hvor for mange forlader kurven. Den indsigt bruges til at forenkle flows, teste ændringer og skabe en mere gnidningsfri oplevelse.
For salg er funnel analysis nyttig til at kvalificere leads og prioritere opfølgning. Hvis data viser, at leads fra en bestemt kanal oftere booker møder eller bliver til kunder, kan salgsafdelingen fokusere sin tid bedre. Et praktisk eksempel er forskellen mellem demobrugere og dem, der kun henter en guide: De to grupper kræver sjældent samme salgsindsats. På tværs af teams skaber analysen et fælles billede af, hvor vækst bremses, og hvordan den kan styrkes.
En brugbar funnel starter med klare definitioner, ikke med rapporten i sig selv. Først skal du beslutte, hvilke handlinger der markerer de vigtigste trin i brugerrejsen, og hvordan de måles som events. Det kan for eksempel være besøg på en produktside, tilføjelse til kurv, påbegyndt checkout og gennemført køb. Event tracking skal være konsistent på tværs af sider, enheder og kampagner, så samme handling ikke registreres forskelligt.
I GA4 bygges funnel analysis typisk på events og eventparametre, som gør det muligt at afgrænse trin mere præcist. Her er det vigtigt at vælge, om trinene skal være åbne eller lukkede, og om brugeren skal gennemføre dem i fast rækkefølge. Amplitude og Mixpanel arbejder også eventbaseret, men bruges ofte mere direkte til produktanalyse, hvor trinlogik, segmenter og brugerflows er centrale dele af opsætningen. I alle tre værktøjer bør du tage stilling til, om et trin må gentages, om der er en tidsgrænse mellem trinene, og hvordan frafald skal tolkes.
Valget af konverteringsmål er afgørende. Et godt mål er entydigt, forretningsrelevant og teknisk stabilt, så analysen kan bruges over tid. For nogle virksomheder er målet et køb, mens det for andre er en oprettelse, en booking eller et kvalificeret lead. Når trin, events og mål er defineret korrekt fra start, bliver funnel analysis langt mere pålidelig og lettere at omsætte til konkrete forbedringer.
Ikke alle analyser svarer på det samme spørgsmål. Tragtanalyse bruges til at måle, hvor mange brugere der bevæger sig gennem en bestemt række trin mod et mål, og præcis hvor de falder fra. Den gør det derfor lettere at se konverteringstab mellem konkrete handlinger, for eksempel fra produktside til kurv og videre til køb.
Almindelig webanalyse giver et bredere overblik over trafik, sider, hændelser og adfærd på et website. Det er nyttigt til at forstå, hvad der sker samlet set, men det viser ikke altid lige så tydeligt, hvordan en afgrænset proces performer trin for trin. Brugerflow og brugersti kortlægger derimod de veje, brugerne tager gennem indholdet. De kan afsløre mange mulige ruter, men de er mindre fokuserede på frafald mellem nøje definerede konverteringstrin.
Attribution har et andet formål igen. Her ser man på, hvilke kanaler eller kontaktpunkter der bidrager til en konvertering. Tragtanalyse handler derimod om processen frem mod målet, ikke om hvem der skal have æren for resultatet. Derfor er tragtanalyse særlig stærk, når man vil finde flaskehalse og forbedre selve brugerrejsen.
Mange konklusioner bliver skæve, fordi tragten er bygget for kompliceret. For mange trin gør analysen svær at læse og øger risikoen for, at små databrud ligner store problemer. Vælg derfor kun de trin, der faktisk afspejler brugerens vej mod et klart mål. Hvis målet er uklart, bliver frafald og konvertering også uklare størrelser.
En anden klassisk fejl er svag datakvalitet. Hvis events er fejlopsat, navngivet inkonsekvent eller udløses flere gange, mister analysen troværdighed. Kontrollér derfor altid tracking, definitioner og tidsvinduer, før du tolker tallene. Sammenlign også med andre datakilder, hvis det er muligt.
Det er også let at overse betydningen af segmentering. En samlet tragt kan skjule, at nye brugere, mobiltrafik eller bestemte kampagner opfører sig meget forskelligt. Del derfor analysen op i relevante segmenter, så du ikke optimerer på baggrund af gennemsnit, der dækker over flere forskellige mønstre.
Endelig bliver korrelation ofte forvekslet med årsag. Et fald mellem to trin betyder ikke automatisk, at det forrige trin er problemet. Test ændringer systematisk, og vurder kontekst, før du drager konklusioner.
Nøglen er at se på, hvor mange brugere der falder fra mellem hvert trin, ikke kun hvor mange der gennemfører til sidst. Et stort fald tidligt i tragten peger ofte på et grundlæggende problem, mens et mindre fald senere kan være mindre kritisk. Vurder derfor både den procentvise frafaldsrate og det faktiske antal brugere, der forsvinder. Et trin med mange besøg og højt frafald er som regel den første flaskehals, der bør prioriteres.
Se derefter på, hvad frafaldet kan betyde i praksis. Hvis mange forlader en produktside uden at gå videre, kan det tyde på uklart værditilbud, svage call to actions eller manglende tillid. Sker frafaldet i en formular, er typiske årsager for mange felter, uklare fejlbeskeder eller usikkerhed om, hvorfor oplysningerne skal afgives. I flows med flere trin kan et markant fald også pege på tekniske problemer, langsom indlæsning eller dårlig mobiloplevelse.
Brug indsigterne til konkrete forbedringer. Test for eksempel kortere formularer, tydeligere overskrifter, stærkere knapper eller mere overbevisende indhold tæt på beslutningspunktet. Forbedr UX med færre distraktioner, bedre visuel prioritering og mere friktionsfri navigation. Mål derefter igen, så du kan se, om ændringen reducerer frafaldet og løfter konverteringsraten i det relevante trin eller på tværs af hele flowet.
Funnel analysis fokuserer på en afgrænset række trin frem mod et bestemt mål, for eksempel køb, tilmelding eller booking. Den viser, hvor mange der går videre mellem trinene, og hvor mange der falder fra.
Almindelig webanalyse er bredere og bruges til at måle trafik, sidevisninger, hændelser og generel adfærd på et website. Den er god til overblik, mens tragtanalyse er bedre, når du vil finde præcise flaskehalse i en konverteringsproces.
Du finder frafald ved at sammenligne antallet af brugere i ét trin med antallet i det næste trin. Forskellen mellem de to tal er dem, der ikke gik videre i forløbet.
Hvis 500 brugere starter i checkout, og 350 gennemfører købet, er frafaldet 150 brugere. Det kan også vises som en procent, så du lettere kan sammenligne trinene og se, hvor tabet er størst.
Trinene bør være de vigtigste handlinger på vejen mod målet. Det kan for eksempel være besøg på produktside, læg i kurv, start checkout og gennemført køb.
Vælg kun trin, der er forretningsmæssigt relevante og teknisk kan måles stabilt. Hvis du tager for mange små mellemtrin med, bliver analysen ofte unødigt kompleks og sværere at bruge i praksis.
I GA4 starter opsætningen med korrekte events. Du skal definere de handlinger, der udgør tragten, for eksempel view_item, add_to_cart, begin_checkout og purchase, eller tilsvarende brugerdefinerede events.
Derefter opretter du en funnel-rapport i Udforskninger, hvor du vælger trinene, rækkefølgen og eventuelle segmenter. Det er vigtigt at tage stilling til, om tragten skal være åben eller lukket, og at kontrollere, at events registreres ens på tværs af sider og enheder.
Funnel analysis måler en på forhånd defineret vej mod et mål. Her ser du, hvor mange der gennemfører hvert trin i en fast eller delvist fast proces.
Brugerflow viser derimod de ruter, brugerne faktisk tager gennem et website eller et produkt. Det er nyttigt til at forstå navigation og adfærd bredt, men mindre præcist, hvis du vil måle frafald mellem konkrete konverteringstrin.
Du måler den ved at dividere antallet af brugere i det næste trin med antallet af brugere i det forrige trin. Går 200 brugere fra trin 1 til trin 2 ud af 500, er konverteringsraten mellem trinene 40 procent.
Det er også nyttigt at skelne mellem trinvis konvertering og samlet konvertering. Den trinvise viser styrken i hvert led, mens den samlede viser, hvor stor en andel af alle brugere i første trin der når helt til målet.
De mest almindelige fejl er dårlig tracking, uklare trindefinitioner og for komplekse tragte. Hvis events udløses forkert eller navngives inkonsekvent, bliver resultaterne usikre.
En anden fejl er at analysere alle brugere samlet. Mobiltrafik, nye brugere og forskellige kampagner kan opføre sig meget forskelligt, så manglende segmentering kan skjule det egentlige problem.
Hvis mange besøger en landingpage, men få går videre til næste trin, peger det på, at siden ikke understøtter handlingen godt nok. Det kan skyldes uklart budskab, svag call to action, for lidt tillid eller et dårligt match mellem annonce og side.
Brug analysen til at teste konkrete ændringer som tydeligere overskrift, kortere formular, stærkere knaptekst eller bedre social proof. Mål derefter igen for at se, om flere går videre fra siden.
Ja, metoden kan bruges i begge tilfælde. I e-handel handler tragten ofte om produktvisning, kurv, checkout og køb, mens den i B2B typisk følger handlinger som besøg, indholdsdownload, demoanmodning og kvalificeret lead.
Forskellen ligger mest i målet og længden på forløbet. I B2B er konverteringen ofte mere kompleks og strækker sig over længere tid, men princippet med at finde frafald mellem trinene er det samme.
Det afhænger af behovet. GA4 er et oplagt valg, hvis du vil analysere website- og kampagnedata og allerede bruger Googles økosystem. Amplitude og Mixpanel er ofte stærke valg til produktanalyse, især når du arbejder meget med events, segmenter og brugeradfærd i digitale produkter.
Det bedste værktøj er det, der kan måle dine trin pålideligt og give de segmenter og rapporter, du faktisk har brug for. Datakvalitet og korrekt opsætning er som regel vigtigere end selve platformen.