Webanalyse fra første måling til bedre beslutninger

Hvad er webanalyse egentlig?

Webanalyse er arbejdet med at forstå, hvad folk gør på dit website, og bruge den viden til at ændre noget. Måling er at samle tallene ind. Rapportering er at vise dem. Analyse er at forklare, hvorfor de ser sådan ud, og hvad du gør ved det. De tre ting bliver konstant blandet sammen.

Forskellen lyder som ordkløveri, men den er hele grunden til, at så mange virksomheder har fem års data liggende uden at have ændret en eneste ting på baggrund af dem. Jeg møder den hver måned. Værktøjet kører, tallene samler sig op, og ingen har nogensinde brugt dem til at træffe en beslutning.

Hvad er forskellen på at aflæse en graf og at forstå den?

To kunder, samme branche, nogenlunde samme størrelse. Den ene kunne åbne Google Analytics og fortælle mig, at trafikken var steget 18 procent siden sidste kvartal. Han kunne pege på grafen, han kunne se hvilke sider der fik flest besøg, og han var godt tilfreds. Da jeg spurgte, hvor mange af de nye besøgende der havde ført til en henvendelse, blev der stille. Den anden kunde kunne ikke huske sit trafiktal. Til gengæld kunne han sige, at der var kommet elleve forespørgsler i november, at otte af dem kom fra Google Ads på tre bestemte søgeord, at to kom fra en LinkedIn-artikel han havde skrevet i oktober, og at den sidste kom fra en gammel kunde der havde googlet firmanavnet. Han vidste også, at de otte fra Ads havde kostet ham omkring 940 kroner stykket i klik. Den første aflæser en graf. Den anden laver analyse. Forskellen er ikke, at nummer to har bedre værktøjer. De havde begge Google Analytics 4 og Google Ads koblet sammen. Forskellen er, at nummer to havde besluttet sig for, hvad han ville vide, inden han åbnede rapporten. En trafikgraf der stiger fortæller dig ingenting alene. Trafik kan stige, fordi en konkurrent er lukket, fordi du er blevet delt i en Facebook-gruppe, eller fordi en bot i Litauen har fået smag for din forside. Ingen af delene betyder, at du skal gøre mere af det samme. Det er først, når du kan koble besøget til en handling og handlingen til en krone, at tallet kan bruges til noget.

Hvorfor har alle værktøjet installeret uden at bruge det?

I min erfaring har omkring ni ud af ti af de virksomheder, jeg kommer ud til, Google Analytics kørende. Det er ikke et gæt taget ud af luften, det er hvad jeg ser, når jeg logger ind første gang. Sporingskoden blev sat på, dengang websitet blev bygget, typisk af den udvikler der lavede sitet, og så har ingen rørt den siden. Det der mangler, er ikke teknik. Det er en anledning. Ingen har nogensinde sagt: den her uge kigger vi på, hvorfor kontaktformularen kun bliver udfyldt af én ud af hundrede besøgende. Uden det spørgsmål er der ingen grund til at åbne rapporten, og så bliver den ikke åbnet. Jeg havde en produktionsvirksomhed i Sydjylland, hvor direktøren havde haft Analytics i seks år. Vi brugte halvanden time på at kigge sammen. Det viste sig, at halvdelen af deres henvendelser kom fra en enkelt produktside, som ingen internt betragtede som vigtig. Den lå gemt tre klik nede i menuen. Vi flyttede den op i hovedmenuen, og over de følgende to måneder steg antallet af forespørgsler mærkbart. Der var ikke tale om avanceret analyse. Der var tale om, at nogen for første gang havde stillet et spørgsmål til tallene. Det er derfor, jeg sjældent starter med at rode i opsætningen hos en ny kunde. Jeg starter med at spørge, hvilken beslutning de gerne vil kunne træffe bedre. Er der ikke noget svar på det, giver det ingen mening at bygge videre på målingen.

Hvorfor bliver tallene aldrig brugt til noget?

Tallene bliver ikke brugt, fordi ingen har fået ansvaret for dem, fordi der måles alt for mange ting på én gang, og fordi rapporten ikke er koblet til en beslutning nogen skal træffe. Når de tre ting mangler, bliver analysen en fane, man lukker igen.

Hos en kunde i Sydjylland åbnede vi deres dashboard sammen sidste forår. Tredive widgets. Sessioner, afvisningsprocent, sidevisninger pr. session, enheder, browsere, et verdenskort med prikker på lande de aldrig har solgt til. Det havde kostet et par arbejdsdage at bygge. Da jeg spurgte, hvornår nogen sidst havde åbnet det, kiggede de på hinanden. Det viste sig at være omkring et halvt år siden. Ingen kunne huske hvorfor de havde holdt op.

Det er ikke dovenskab. Det er, at dashboardet ikke svarede på noget, nogen stod og manglede svar på. Et tal bliver først interessant, når det kan ændre en beslutning. Resten er pynt.

Hvem ejer tallene hos jer?

Prøv at stille spørgsmålet højt på næste møde. I de fleste virksomheder under halvtreds ansatte bliver der stille. Marketing tror, at direktøren kigger. Direktøren tror, at marketing kigger. Bureauet, hvis der er et, sender en PDF den femte i måneden, og den bliver arkiveret uden at blive åbnet.

Ejerskab handler ikke om, hvem der har adgang til Google Analytics. Det har typisk fire til seks personer, og det er en del af problemet. Det handler om, hvem der har ansvaret for at sige højt, når et tal har flyttet sig, og hvem der skal forklare det, hvis ingen har opdaget det. Uden det ansvar er der ingen, der føler sig forpligtet til at kigge.

Jeg beder altid om ét navn. Ikke en afdeling, ikke et team. Et navn på en person, der har en halv time i kalenderen hver måned, og som er den, direktøren spørger, hvis omsætningen fra websitet falder. Den person behøver ikke være analytiker. Hos en af mine kunder er det bogholderen, fordi hun i forvejen kigger på tal og har en pænt lav tolerance over for ting der ikke stemmer.

Da vi satte navn på hos kunden med de tredive widgets, gik der tre måneder, før de opdagede at deres kontaktformular havde været i stykker på mobil siden en temaopdatering. Det var ikke dashboardet, der fandt fejlen. Det var en person, der undrede sig over, hvorfor leads var faldet mens trafikken var uændret.

Hvorfor drukner de vigtige tal i alle de andre?

Fordi værktøjerne leverer hundredvis af målepunkter gratis, og gratis føles som noget man skal tage imod. Google Analytics 4 har over hundrede indbyggede dimensioner og målinger, og de er alle sammen lige tilgængelige. Der er ingen indbygget forskel på det tal, der afgør om du skal bruge flere penge på annoncer, og det tal, der fortæller hvor mange der bruger Safari.

Mennesker er ikke gode til at scanne tredive tal og finde de to, der har flyttet sig meningsfuldt. Jeg er ikke selv god til det, og jeg laver det til dagligt. Når jeg åbner en rapport med tredive tal, kigger jeg på fire af dem og springer resten over. Så kan man lige så godt skrive de fire ned og fjerne de seksogtyve.

Reglen jeg bruger hos kunder er fem tal til ledelsen. Ikke fem kategorier, fem tal. Alt andet kan man grave frem, hvis et af de fem opfører sig mærkeligt. Det lyder brutalt, indtil man prøver det. Så viser det sig, at det som regel var de samme fem, man kiggede på i forvejen.

Hvad gør en halv time om måneden ved det?

Den kobler tallene til en beslutning. Sæt en tilbagevendende aftale i kalenderen, tredive minutter, samme dag hver måned. Ejeren af tallene og den der bestemmer over budgettet. Ikke flere.

Det sidste spørgsmål er det vigtigste. Hvis svaret er ingenting, tre måneder i træk, måler I de forkerte ting. Så er der ikke noget galt med mødet. Der er noget galt med tallene.

Få viden du kan bruge i din markedsføring

Du får konkrete erfaringer fra arbejdet med danske virksomheder, skrevet så du kan handle på det. Ingen reklame.

Hvad skal du måle, før du måler noget som helst?

Start med det tal der står i budgettet, og regn baglæns. Omsætningsmål bliver til antal ordrer, ordrer bliver til antal kvalificerede forespørgsler, og forespørgsler bliver til en konkret handling på sitet du kan måle. Den kæde skal stå på papir, før du rører ved et analyseværktøj.

Hos mine kunder er den her øvelse næsten altid den korteste del af opgaven. Den tager en halv time. Alligevel er det den del der oftest bliver sprunget over, fordi det føles mere produktivt at logge ind i GA4 og begynde at klikke.

Problemet med at starte i værktøjet er at du får svar på spørgsmål du ikke har stillet. Du ser sessioner, afvisningsprocent og gennemsnitlig engagementstid, og ingen af delene fortæller dig om du kommer i mål med årets budget.

Hvordan oversætter du et omsætningsmål til et målepunkt?

Lad mig tage en kunde jeg har arbejdet med. B2B, produktion, 40 ansatte, sælger til andre virksomheder med en salgsproces på to til fire måneder. Direktøren ville have 15 kvalificerede forespørgsler om måneden. Ikke 15 henvendelser. 15 hvor der er et reelt behov, et budget og en person der må beslutte.

Første spørgsmål jeg stillede var hvor mange af de forespørgsler der historisk blev til ordrer. Svaret lå omkring en ud af fire. Anden gang jeg spurgte, hvor mange af de indkomne henvendelser der overhovedet var kvalificerede, blev det mere ubehageligt. Sælgeren gættede på halvdelen. Da vi gennemgik tre måneders indbakke, var det 42 procent.

Så kæden blev: 15 kvalificerede forespørgsler kræver cirka 36 henvendelser i alt. Med en konverteringsrate på 2,1 procent fra besøg til henvendelse, som var det sitet leverede dengang, svarer det til omkring 1.700 relevante besøg om måneden. Relevante, altså ikke alle besøg, men dem der lander på produktsiderne og løsningssiderne.

Det tal kunne vi arbejde med. Nu havde vi tre knapper at dreje på i stedet for et diffust ønske om mere trafik. Vi kunne skaffe flere relevante besøg, vi kunne hæve konverteringsraten fra 2,1 procent, eller vi kunne hæve andelen af kvalificerede henvendelser fra 42 procent. Den sidste viste sig at være billigst, fordi den mest handlede om at skrive tydeligere på sitet hvem de arbejder med og hvad en typisk opgave koster.

På målesiden blev det til fire ting: udfyldt kontaktformular, klik på telefonnummer fra mobil, download af produktdatablad, og besøg på prissiden. De to første er selve henvendelsen. De to sidste er varsler om at nogen er på vej.

Hvad er forskellen på en KPI og et støttetal?

En KPI er et tal du holder dig selv ansvarlig for. Et støttetal er noget du kigger på, når KPI'en bevæger sig, for at forstå hvorfor. Forskellen lyder banal, men den afgør om din rapport bliver læst eller lukket.

Hos den kunde jeg nævnte, var der præcis to KPI'er: antal kvalificerede forespørgsler og andelen af henvendelser der var kvalificerede. To tal. Resten var støtte.

Støttetallene var trafik til produktsiderne, konverteringsrate på formularsiden, andel mobiltrafik, og hvilke kanaler henvendelserne kom fra. De bliver kun interessante når en KPI falder. Så er de der til at fortælle hvor det gik galt.

Den praktiske test jeg bruger er enkel. Hvis tallet falder 20 procent, ved du så hvem der skal gøre noget, og hvad? Kan du svare på begge dele, er det en KPI. Kan du ikke, er det støtte, og så hører det ikke hjemme øverst i rapporten.

Du behøver ikke ramme rigtigt i første forsøg. Lukkeraten hos den kunde viste sig efter seks måneder at være tættere på en ud af tre end en ud af fire, og så justerede vi kæden. Pointen er at have et regnestykke du kan korrigere, i stedet for en fornemmelse du kan diskutere.

Vil du længere ned i hvordan man vælger og definerer de enkelte målepunkter, har jeg skrevet en selvstændig gennemgang af KPI og målepunkter der tager metoden skridt for skridt.

Hvilket webanalyseværktøj skal du vælge?

Google Analytics 4 er nok for de fleste små og mellemstore virksomheder. Vælg et alternativ som Matomo, Plausible, Fathom eller Piwik PRO når du har et juridisk krav om EU-databehandling, når du vil måle uden samtykkebanner, eller når ingen hos jer gider lære GA4 at kende.

Værktøjsvalget fylder alt for meget i samtalerne jeg har med kunder. Det er det første de spørger om, og det er sjældent det vigtigste. Et dårligt opsat Matomo er lige så ubrugeligt som et dårligt opsat GA4, bare dyrere.

Når det er sagt, så er der reelle forskelle. GA4 er gratis, kan det meste, og hænger sammen med Google Ads og Search Console ud af kassen. Til gengæld er brugerfladen tung, dataene bliver behandlet uden for EU med mindre du bruger EU-endpoints korrekt, og rapporterne kræver at nogen sætter sig ind i dem.

De lette alternativer trækker den anden vej. Plausible og Fathom viser dig ét overblik der kan læses på tredive sekunder, kører i EU, og fylder omkring en procent af GA4's scriptstørrelse. Til gengæld kan du ikke bygge dybe segmenter, og du får ikke samme kobling til annoncedata.

Hvornår er Google Analytics 4 godt nok?

Når du kører Google Ads, har mere end nogle få tusinde besøg om måneden, og har brug for at se hvilke kampagner der skaber leads. Så er GA4 svært at komme uden om. Koblingen til Ads og Search Console giver dig noget du skal betale ekstra for andre steder, og den er gratis.

Det samme gælder hvis du sælger online. Ecommerce-sporingen i GA4 er grundig, og du kan se produktvisninger, kurvlægninger og køb i samme rapport. Jeg har endnu ikke mødt en webshop hvor GA4 var det svage led.

Jeg bruger også GA4 som standard hos kunder der har under fem timer at afsætte til opsætning. Ikke fordi det er hurtigst at sætte op, men fordi jeg har gjort det hundredvis af gange og kan lave en ordentlig opsætning på to til tre timer. Et nyt værktøj koster mig og kunden tid vi begge skal betale for.

Prisen er heller ikke uvæsentlig. GA4 er gratis op til 10 millioner hændelser om måneden ifølge Googles egen dokumentation, og det tal rammer ingen af mine SMV-kunder. Matomo Cloud starter omkring 19 euro om måneden for 50.000 besøg, og Piwik PRO ligger væsentligt højere når du kommer over gratisniveauet. For en virksomhed med 3.000 månedlige besøg er forskellen ikke afgørende. For en webshop med 80.000 er den det.

Hvorfor har jeg flyttet kunder væk fra GA4?

Næsten aldrig af tekniske grunde. Jeg har flyttet fem kunder væk fra GA4 de seneste tre år, og i fire af tilfældene handlede det om noget helt andet end data.

To af dem var offentligt finansierede og fik et krav fra deres jurist om at persondata skulle blive i EU uden diskussion. Det er en beslutning jeg ikke skal overrule. Vi flyttede dem til Matomo On-Premise på deres eget hosting, og det tog tre uger at få historikken parallelkørt så de kunne sammenligne bagud.

En tredje, en produktionsvirksomhed i Sydjylland, flyttede vi til Plausible af en langt mere banal årsag. Direktøren åbnede aldrig GA4. Han sagde det lige ud efter et halvt år: han kunne ikke finde de tre tal han ville se. Efter skiftet kiggede han på dashboardet hver mandag. Tallene var dårligere i den forstand at de indeholdt mindre, men de blev brugt. Det slår et perfekt datagrundlag ingen ser på.

Den fjerde ville af med cookiebanneret på sin B2B-side, fordi bannerbrugen kostede dem henvendelser. Plausible sætter ingen cookies og kræver derfor ikke samtykke på samme måde, og de fik pludselig data på alle besøgende i stedet for de omkring 60 procent der før accepterede.

Den femte var en ren teknisk sag. Kunden havde brug for at koble webdata sammen med deres CRM på individniveau, og der var Piwik PRO det rigtige valg. Det er den eneste af de fem hvor GA4 reelt ikke kunne løfte opgaven.

Vil du have mere i indbakken?

Du får konkrete erfaringer fra arbejdet med danske virksomheder, skrevet så du kan handle på det. Ingen reklame.

Hvordan kommer du i gang med Google Analytics 4?

Sæt to timer af og ret fem ting, før du kigger på et eneste tal. Filtrer jeres egen trafik fra, skru datalagringen op til 14 måneder, marker de rigtige nøglehændelser, kobl Google Ads og Search Console på, og ryd op i udvidet måling. Standardopsætningen måler alt og fortæller ingenting.

Google Analytics 4 begynder at samle data i samme øjeblik, du limer sporingskoden ind. Det er både det gode og det dårlige ved det. Du får tal med det samme, og de ser tilforladelige ud, så mange stopper der. Problemet er, at de tal beskriver noget andet end det, du tror. Sessioner fra jeres eget kontor, hændelser der tæller klik på telefonnummeret i footeren som en konverteringm, og et datavindue på to måneder der gør år-til-år-sammenligning umulig.

Hos en kunde i Esbjerg fandt jeg sidste år, at knap en tredjedel af sessionerne på deres site kom fra deres egen bygning. Salgsafdelingen brugte produktsiderne som opslagsværk over for kunder i telefonen. De havde kigget på en flot stigende kurve i et halvt år og troet, markedsføringen virkede.

Hvilke fem indstillinger ændrer jeg altid på en ny ejendom?

Rækkefølgen betyder noget, fordi de to første påvirker data fremadrettet og ikke bagudrettet. Jo længere du venter, jo mere forurenet er historikken.

Hvorfor giver standardopsætningen misvisende tal?

Fordi GA4 som udgangspunkt er sat op til at måle så meget som muligt, ikke så præcist som muligt. Udvidet måling tæller automatisk scroll, udgående klik, filmvisninger og filhentninger som hændelser. Det er smart, hvis du ved, hvad du bruger det til. Det er støj, hvis du ikke gør.

Det tydeligste eksempel er engagerede sessioner. GA4 regner en session som engageret, hvis den varer over ti sekunder, har mere end én sidevisning eller indeholder en nøglehændelse. Har du markeret scroll som nøglehændelse, bliver stort set alle sessioner engagerede, og tallet holder op med at skelne mellem noget og ingenting. Det samme sker med konverteringsraten, der pludselig ligger på 40 procent og ser fantastisk ud lige indtil nogen spørger, hvor ordrerne så er.

Den anden klassiker er selvhenvisninger. Bruger du en ekstern betalingsløsning eller et bookingsystem på et andet domæne, sender GA4 kunden tilbage som ny trafikkilde efter betaling. Så står der pludselig, at jeres betalingsudbyder er den bedste marketingkanal. Løsningen hedder listen over uønskede henvisninger og ligger samme sted som datastrømmens øvrige indstillinger.

Jeg har skrevet en længere gennemgang af Google Analytics 4 med skærmbilleder af hver enkelt indstilling, hvis du vil have hele turen. Men de fem punkter herover flytter mest på kvaliteten af dine data, og de kan klares, før kaffen bliver kold.

Hvad betyder samtykke for de tal du ser?

Samtykke bestemmer hvor stor en del af dine besøgende der overhovedet bliver talt med. Afviser folk cookies, må du ikke sætte analysecookies, og besøget forsvinder enten helt eller bliver erstattet af et modelleret estimat. Derfor er trafiktallet i GA4 aldrig antallet af mennesker på sitet, men antallet du har lov til at måle.

Det overrasker stadig mange af mine kunder. De har set trafikken falde 30 procent fra den ene måned til den næste og tror de har mistet kunder. Så viser det sig at de har skiftet cookiebanner, og faldet ligger udelukkende i målingen. Salget var uændret.

Omvendt sker det også at et nyt banner får trafikken til at stige, uden at der er kommet én ekstra besøgende. Det er værd at vide inden du begynder at fejre noget.

Hvad er forskellen på afvist, ikke-besvaret og accepteret?

Der er tre tilstande, og de bliver rutinemæssigt blandet sammen. Accepteret betyder at brugeren har trykket ja, og du må sætte analysecookies og måle besøget normalt. Afvist betyder at brugeren aktivt har trykket nej. Ikke-besvaret betyder at bannneret står der, og brugeren hverken trykker ja eller nej, men bare scroller, læser og går igen.

Den sidste gruppe er den største hos de fleste af mine kunder, og den er også den mest oversete. Folk der ikke svarer, tæller ikke som afvisning i din statistik, men de bliver behandlet som afvisning teknisk set, fordi du ikke har samtykke. Så hvis dit banner viser en flot accept­rate på 80 procent, er det ofte 80 procent af dem der svarede, ikke 80 procent af alle besøgende.

Jeg beder altid om at få begge tal frem. Accept blandt dem der svarede, og accept ud af samtlige besøgende. Forskellen mellem de to tal er typisk 15 til 25 procentpoint i de opsætninger jeg har set. Det er den forskel der afgør hvor meget af din virkelighed der lander i rapporten.

Modellering er ikke svindel, men det er heller ikke måling. Det er et kvalificeret gæt bygget på mønstre fra dem der accepterede. Når accept­raten er lav, bliver gættet bygget på et tyndere grundlag, og tallene bliver mindre præcise. Google oplyser selv at modellering af konverteringer kræver et vist trafikvolumen, før den overhovedet slår til. Små sites får ofte ingen modellering og ser bare et hul.

Hvor meget flytter bannerets udformning?

Mere end noget andet enkeltgreb jeg kender i webanalyse. Hos en B2B-kunde med omkring 9.000 besøgende om måneden sad bannerets accept-knap nederst i venstre hjørne i en grå boks med fire tekstlinjer om formål og behandlingsgrundlag. Målt trafik i GA4 lå på cirka 5.100 sessioner. Vi flyttede banneret til bunden i fuld bredde, kortede teksten ned til to linjer og gav ja-knappen samme visuelle vægt som nej-knappen, som Datatilsynet kræver. Næste måned lå målt trafik på cirka 7.400 sessioner. Ingen ændring i annoncebudget, ingen ny kampagne. Bare flere der tog stilling.

Pointen er ikke at du skal snyde folk til at klikke ja. Det må du ikke, og Datatilsynet har flere gange slået ned på bannere hvor ja er nemt og nej er gemt væk. Pointen er at et rodet banner får folk til at ignorere det, og ignorering koster dig data uden at give brugeren noget som helst.

Det jeg kigger på først er tre ting. Står banneret et sted hvor øjet lander, eller skal man lede efter det? Kan man forstå teksten på fem sekunder? Og er nej lige så synlig som ja, så du er på den rigtige side af reglerne? De tre spørgsmål tager et kvarter at svare på og flytter ofte mere end en måneds analysearbejde.

Og husk at sammenligne med noget der ikke påvirkes af samtykke. Ordrer i webshoppen, leads i CRM, opkald i telefonsystemet. Når de tal ligger stabilt mens GA4 hopper, ved du hvor problemet ligger. Den øvelse har sparet mig for mange unødige krisemøder.

Vil du have mere i indbakken?

Du får konkrete erfaringer fra arbejdet med danske virksomheder, skrevet så du kan handle på det. Ingen reklame.

Hvordan sætter du konverteringssporing rigtigt op?

Konverteringssporing sættes rigtigt op, når du sporer den handling der har værdi for forretningen, én gang pr. handling, og kan skelne mellem den store konvertering og de små skridt på vejen. Det meste rod opstår, fordi sporingen sidder på en side frem for på selve handlingen.

Jeg ser oftest to yderpunkter hos nye kunder. Enten er der ingen konverteringer målt overhovedet, og så kører man annoncer i blinde. Eller også er der tyve konverteringer sat op, hvoraf de atten tæller ting som scroll og klik på telefonnummeret i footeren, og så har ingen tillid til tallene længere.

Begge dele koster penge. Den første fordi du ikke kan optimere på noget. Den anden fordi Google Ads byder efter alt det larm, du har fodret den med.

Hvad skal tælle som en konvertering?

Del det op i to. Makrokonverteringen er den handling, der er grunden til at sitet findes. Et gennemført køb, en indsendt tilbudsanmodning, en booket tid. Den er der typisk kun én eller to af, og den er den, du styrer budgetter efter.

Mikrokonverteringer er skridtene på vejen. Klik på et telefonnummer, download af et datablad, start på en formular, tilmelding til nyhedsbrev. De er nyttige, fordi de fortæller dig hvor i forløbet folk falder fra. De er ikke nyttige som styringsmål, fordi du kan få hundrede nyhedsbrevstilmeldinger uden at sælge noget.

Reglen jeg holder mig til: makrokonverteringer markeres som nøglebegivenheder i GA4 og importeres til Google Ads. Mikrokonverteringer måles, men bliver liggende som almindelige begivenheder. Så kan du kigge på dem, uden at de forurener budgivningen.

Hos en B2B-kunde med lang salgscyklus gjorde vi en undtagelse. Der var kun 6 til 9 tilbudsanmodninger om måneden, og det er for lidt data til smart budgivning. Så importerede vi også formularstart som sekundært signal, med lavere værdi. Det er en nødløsning, ikke en hovedregel.

Hvorfor tæller tak-siden forkert?

Fordi en side kan indlæses igen og igen. En webshop jeg overtog målingen på, havde konverteringssporingen hængt op på visninger af /tak. Deres rapporterede ordrer lå cirka 30 procent over det, der stod i deres eget backend-system. Ingen kunne forklare hvorfor.

Forklaringen var banal. Kunden landede på tak-siden, trykkede tilbage for at se ordren igen, eller opdaterede siden. Hver genindlæsning talte som et nyt salg. Vi fandt ordrer, der var talt tre gange. En enkelt kunde havde bogmærket tak-siden og besøgte den ugentligt.

Løsningen var at flytte målingen væk fra sidevisningen og over på en purchase-hændelse med ordrenummeret som transaktions-id. GA4 og de fleste andre værktøjer smider dubletter væk, når id'et går igen. Efter omlægningen lå afvigelsen fra deres økonomital på 4 procent, og det var de cookieafviste besøg.

For formularer gælder det samme. Mål på formularens bekræftelseshændelse, ikke på at brugeren nåede frem til en side. Kan du ikke det, så sæt i det mindste en spærring, så samme session kun kan udløse konverteringen én gang.

Hvad gør du med telefonopkald og salg der lukkes offline?

Telefonopkald er den konvertering flest SMV'er ignorerer, og for mange håndværkere og B2B-virksomheder er det den vigtigste af dem alle. Et klik på et telefonnummer på mobil kan måles direkte. Det er ikke det samme som et opkald, men det er et rimeligt signal.

Vil du have præcision, kræver det opkaldssporing med dynamiske numre, hvor hver besøgende får vist et nummer der kan kobles til kilden. Det koster typisk et par hundrede kroner om måneden. Hos en kunde med servicebiler viste det, at hver tredje henvendelse kom fra telefonen og aldrig var blevet talt.

Lukkes salget først uger senere, kan du sende det tilbage. Gem klik-id'et fra annoncen sammen med leadet i dit CRM, og upload status når aftalen er i hus. Så ved Google hvilke klik der blev til penge, ikke bare hvilke der blev til formularer. Det kræver lidt opsætning, men det er den enkeltting der flytter mest på kvaliteten af leads.

Vil du have hele opsætningen trin for trin, har jeg skrevet en selvstændig guide til konverteringssporing, som går dybere i hændelser, værdier og opkald.

Hvordan ved du hvilken kanal der skabte salget?

Du ved det gennem trafikkilder, UTM-tagging og en attributionsmodel du har valgt bevidst. Kilden fortæller hvor klikket kom fra, UTM-parametrene fortæller hvilken kampagne, og attributionsmodellen fordeler æren mellem de klik der kom før salget. Alle tre dele skal virke, ellers gætter du.

Det her er den del af webanalyse hvor folk oftest bliver uvenner. Marketingchefen siger at annoncerne gav 40 leads. Bogholderen kan se 22 i CRM. GA4 siger 31. Og alle tre har ret ud fra hver deres målesystem.

Hos mine kunder bruger jeg altid det første møde om kanaler på at slå fast, at tallene ikke skal stemme. De skal bare være konsistente over tid, så du kan se en udvikling. Når du accepterer det, bliver samtalen pludselig produktiv.

Hvorfor viser Google Ads og GA4 aldrig det samme tal?

Fordi de tæller forskelligt, og de tæller på forskellige tidspunkter. Google Ads bogfører en konvertering på den dag klikket skete. GA4 bogfører den på den dag konverteringen skete. Har du et salg der tager elleve dage at lande, ligger det to forskellige steder i kalenderen.

Oveni kommer attributionen. Google Ads tager æren for alle konverteringer efter et annonceklik inden for sit lookback-vindue, også dem hvor brugeren bagefter kom tilbage via Google organisk. GA4 fordeler æren på tværs af kanaler. Så en konvertering, der tæller som én hel i Ads, kan tælle som 0,4 i GA4.

Og så er der samtykke. Blokerer brugeren statistik-cookies, er klikket registreret hos Google Ads, men konverteringen kan være væk i GA4 eller kun være modelleret.

En webshop jeg arbejdede med havde 12 procents forskel mellem de to systemer og brugte et halvt år på at jagte fejlen. Der var ingen fejl. Jeg bad dem vælge Google Ads som sandhed for annoncestyring og GA4 som sandhed for kanalsammenligning. Diskussionen stoppede samme dag.

Hvorfor er direkte trafik en skraldespand?

Fordi direkte trafik ikke betyder at folk tastede din adresse i browseren. Det betyder at GA4 ikke kunne se hvor de kom fra. Klik fra en PDF, fra Outlook, fra en app, fra et nyhedsbrev uden tagging, fra en redirect der taber referrer-data. Alt det havner i samme bunke.

Det samme gælder det jeg kalder mørk social. Nogen deler dit link i en lukket Facebook-gruppe, i en Messenger-tråd eller i en LinkedIn-besked. Modtageren klikker fra appen, og trafikken lander som direkte. Din LinkedIn-indsats ser derfor ringere ud end den er.

Hos en B2B-kunde udgjorde direkte trafik 38 procent af alle sessioner. Vi taggede nyhedsbrevet og de links vi selv delte i grupper. Tre måneder efter var direkte trafik nede på 21 procent, og e-mail var gået fra usynlig til tredjestørste kanal. Trafikken havde ikke ændret sig. Kun vores evne til at se den.

Hvorfor overvurderer sidste klik dine brand-søgninger?

Fordi den der søger på dit firmanavn allerede har besluttet sig. Søgningen er ikke det der skabte salget, den er bare den sidste dør ind. Men i en sidste klik-model får den hele æren, mens det Facebook-opslag eller den Google-annonce der plantede idéen tre uger før, får nul.

Konsekvensen ser jeg hele tiden. Nogen kigger på rapporten, ser at brand-søgninger konverterer med 14 procent mod 1,8 procent på det øvrige, og skruer op for brand og ned for alt andet. Et halvt år efter falder antallet af brand-søgninger, fordi ingen længere opdager virksomheden i første omgang.

Hvordan ser en brugbar UTM-standard ud?

Den er kort, den er skrevet ned, og den bruger kun små bogstaver. GA4 skelner mellem stort og småt, så Facebook og facebook bliver to kanaler i rapporten. Det er den mest almindelige fejl jeg retter.

Standarden jeg giver mine kunder har fire regler. Source er platformens navn, altid det samme ord: facebook, linkedin, google, nyhedsbrev. Medium er typen: cpc, social, email, banner. Campaign er navn og måned, for eksempel foraarssalg-2026-03. Content bruges kun når to annoncer i samme kampagne skal skilles ad.

Ét regneark med alle links. Ingen taster en URL i hånden. Det tager tyve minutter at sætte op.

Alternativet kender jeg også. En kunde bad mig rydde op i seks måneders kampagnenavne fordelt på fire personer og tre platforme. Otte timers arbejde, og halvdelen af juli og august kunne ikke reddes, fordi der ikke var mønster nok til at gætte hvad navnene betød. Tyve minutter mod otte timer plus to tabte måneder.

Vil du have mere i indbakken?

Du får konkrete erfaringer fra arbejdet med danske virksomheder, skrevet så du kan handle på det. Ingen reklame.

Hvad gør du når tallene peger på et problem?

Start med at verificere målingen, før du ændrer noget som helst. Derefter finder du det sted i flowet hvor folk forsvinder, danner en hypotese om hvorfor, retter én ting, og måler igen. Rækkefølgen er vigtigere end hastigheden, for en fejlrettelse oven på en målefejl gør kun forvirringen større.

De fleste afvigende tal jeg bliver kaldt ud til, er ikke rigtige. Et tracking-script der er røget af i en template-opdatering. Et cookiebanner der er blevet ændret. En kampagne uden UTM-tagging der pludselig lander i direkte trafik. Så inden jeg går i gang med at tale om købsoplevelse og knapfarver, bruger jeg en halv time på at se efter om målingen overhovedet holder.

Den halve time har reddet mig fra en del pinlige møder. Jeg har siddet klar med en hel handlingsplan for et fald i konverteringer, og så viste det sig at kunden havde flyttet deres tak-side til en ny URL uden at sige det til nogen. Der var ikke noget fald. Der var bare en side der ikke blev talt længere.

Hvordan finder du ud af hvor folk falder fra?

Du følger vejen fra landingsside til mål, ét skridt ad gangen, og ser hvor mange der går videre til næste skridt. Har du en webshop, er trinnene typisk produktside, kurv, levering, betaling, kvittering. Har du et B2B-site med forespørgsler, er det landingsside, kontaktside, formular påbegyndt, formular sendt. Det sidste skridt er det folk oftest glemmer at måle, og det er netop der de fleste problemer gemmer sig.

Jeg havde en kunde inden for teknisk service med omkring 4.000 besøgende om måneden og syv forespørgsler. Trafikken var fin, søgeordene var relevante, og kontaktsiden fik masser af besøg. Alligevel kom der ingenting ud i den anden ende. Vi satte en måling op på selve formularen, så vi kunne se hvem der begyndte at udfylde den, og hvem der sendte den.

Tallet var brutalt. 61 ud af 100 der startede på mobil, sendte aldrig formularen. På computer var det 18 ud af 100. Den forskel er ikke tilfældig, og den peger ét sted hen: noget i formularen virker anderledes på en telefon.

Det var et felt til CVR-nummer, som var sat op til at kræve præcis otte cifre uden mellemrum, og som gav en fejlbesked der lå uden for skærmen på mobil. Folk udfyldte, trykkede send, der skete tilsyneladende ingenting, og så gik de. Feltet blev gjort valgfrit. Måneden efter var forespørgslerne på 19. Samme trafik, samme annoncer, samme tekster.

Hvorfor skal du kun rette én ting ad gangen?

Fordi du ellers ikke ved hvad der virkede. Jeg ser tit at man samler alle de gode ideer og ruller dem ud på én gang: ny overskrift, nyt billede, kortere formular, ny knapfarve. Går tallet op, er alle glade, men ingen kan gentage det på de andre sider. Går det ned, ved du heller ikke hvilken af de fire der ødelagde det.

Min regel hos kunderne er en ændring per måleperiode, og perioden er lang nok til at tallet ikke svinger af sig selv. For de fleste SMV-sites betyder det to til fire uger. Skriv ned hvad du ændrede, hvornår, og hvad du forventede. Den note er guld værd et halvt år senere, når nogen spørger hvorfor knappen ser sådan ud.

Hvornår er trafikken for lille til en A/B-test?

Som tommelfingerregel skal du have et par hundrede konverteringer per variant, før en A/B-test siger noget sikkert. Har du 20 leads om måneden, vil en test løbe i over et år, og så har markedet ændret sig undervejs. Det er de færreste af mine kunder der har volumen til det, og de bruger tiden bedre andre steder.

Det du gør i stedet er før og efter-måling kombineret med kvalitativ indsigt. Kig på de sidste tre måneder, lav ændringen, kig på de næste tre, og sammenlign også med samme periode året før så sæsonen ikke narrer dig. Er udsvinget lille, så behandl det som en indikation og ikke som et bevis.

Ved siden af det tager jeg fem kunder i telefonen og spørger hvad der var besværligt. Ti minutters optagelse af en session hvor nogen kæmper med en formular giver ofte mere end tre ugers statistik. Og så prøver jeg selv at gennemføre købet eller forespørgslen på min egen telefon, i dagslys, med tommelfingeren. Det afslører flere problemer end folk regner med.

Hvordan bygger du en rapport nogen gider læse?

En rapport bliver læst, når den fylder én side og indeholder tre tal, en forklaring og en anbefaling. Tallene sammenlignes altid med samme måned sidste år, aldrig kun med sidste måned. Og der står en kommentar ved hvert tal, som siger hvad det betyder.

Jeg har lavet rapporter på 24 sider. De blev ikke læst. Jeg har lavet rapporter på én side. De blev læst, og de blev diskuteret på ledermødet dagen efter. Forskellen var ikke kvaliteten af analysen. Forskellen var, at direktøren kunne overskue den på to minutter mellem to møder.

Det svære ved en rapport er ikke at få tal ud af GA4. Det er at vælge de tre tal fra, som ingen handler på alligevel. Sessioner er sjældent et af de tre. Afvisningsprocent er det aldrig.

Hvilke tre tal skal stå øverst?

De tre tal skal være det, virksomheden tjener penge på, det der skaber dem, og det der koster. For en B2B-virksomhed med leadsalg bruger jeg typisk antal kvalificerede leads, pris pr. lead og andel af leads der blev til tilbud. For en webshop er det omsætning, konverteringsrate og gennemsnitsordre.

Hvert tal står med tre kolonner. Denne måned, samme måned sidste år, og forskellen i procent. Sammenligningen med sidste måned alene er farlig, fordi sæson trækker mere end de fleste tror. En af mine kunder sælger til byggebranchen, og juli ser ud som en katastrofe hvert eneste år. Sammenlignet med juli året før var den rigtig fin.

Under hvert tal skriver jeg to linjer. Første linje siger hvad der skete. Anden linje siger hvorfor. Hvis jeg ikke ved hvorfor, skriver jeg at jeg ikke ved det endnu, og hvad jeg gør for at finde ud af det. Det er mere brugbart end en velformuleret gætteri.

Grafen kommer bagefter, aldrig først. En graf uden tekst betyder, at modtageren selv skal fortolke. Så fortolker de enten forkert eller lader være. Jeg har set en direktør konkludere at annoncerne virkede dårligere, fordi kurven faldt. Kurven faldt fordi vi havde slukket for en kampagne med masser af klik og nul leads.

Hvordan automatiserer du den del ingen gider lave?

Looker Studio henter tallene selv fra GA4, Google Ads og Search Console, så du slipper for at kopiere ind i et regneark hver måned. Opsætningen tager mig typisk tre til fire timer første gang. Derefter er den månedlige opgave kun kommentarsporet, og det tager tyve minutter.

Looker Studio kan sende rapporten som PDF på e-mail på en fast dag hver måned. Jeg sætter den til den tredje hverdag, fordi GA4 stadig justerer tal de første par dage efter månedsskift. Får du rapporten den 1., kigger du på ufærdige data.

Automatikken løser transporten af tal. Den løser ikke fortolkningen. Den dag jeg begyndte at skrive kommentarerne i hånden igen, i stedet for at lade dashboardet tale for sig selv, begyndte kunderne at svare på mine mails.

Hvem udfordrer dine tal, når du ikke har en bestyrelse?

De fleste direktører i virksomheder med 5 til 50 ansatte har ingen at vende tallene med. Revisoren kigger bagud, og medarbejderne siger sjældent at chefens yndlingskanal ikke leverer. Der er et hul mellem rapporten og beslutningen, og det hul er årsagen til at mange rapporter bare bliver arkiveret.

En af de ting jeg peger folk på, er boardpanel.dk. Du opretter selv en konto og får med det samme adgang til et AI-bestyrelsespanel med fem faste rådgivere, Morten Krarup som formand, Strategen, CFO'en, CMO'en og Djævlens Advokat. Det koster 499 kroner om måneden. Du kan lægge månedens tre tal og din anbefaling ind og få modspil på den.

Værdien ligger i spørgsmålene, ikke i svarene. CFO'en spørger hvad det koster at hente det ekstra lead. Djævlens Advokat spørger hvorfor du tror stigningen skyldes din indsats og ikke sæsonen. Det er nøjagtig de spørgsmål, en rigtig bestyrelse ville stille, og som ingen stiller dig i dag.

Skal vi tage en snak?

Tag en uforpligtende snak om hvor du står. Du går fra samtalen med mindst tre konkrete ting du kan gøre.

Ofte stillede spørgsmål

Relaterede artikler