Analytics lezen en gaps dichten

Analytics lezen en gaps dichten

Waarom analytics meer is dan een dashboard

Fynd-analytics laat zien of je AI-productadviseur shoppers daadwerkelijk helpt kiezen, niet alleen of de widget zichtbaar is. Elke sessie hoort bij je shop. Events zoals opens, berichten, productkliks, add-to-cart, aankopen, leads en onbeantwoorde vragen vormen samen een funnel die je wekelijks kunt lezen als een onderhoudsritueel.

Dit artikel is een praktische handleiding. Je leert welke cijfers elkaar versterken, hoe je de wachtrij met onbeantwoorde vragen gebruikt, wanneer je resolve kiest versus negeren, en hoe je een gap koppelt aan catalogus versus custom knowledge. Het beschrijft ook wat redelijk verwachtingspatroon is na een proefperiode van veertien dagen, en welke metrics je beter links kunt laten liggen.

Playgroundverkeer telt niet mee in je live-analytics. Test in de playground, maar baseer je wekelijkse review op echte storefront-sessies.

De funnel in één oogopslag

Open het analytics-overzicht in je shop-dashboard. Bovenaan zie je acht kernstatistieken over de laatste dertig dagen (tenzij je filter anders instelt):

Onder de statistieken staan drie kennisindicatoren: producten in kennis, documenten (sitemap + custom) en blogs. Die getallen zijn geen vanity metrics, ze verklaren waarom bepaalde vragen wél of niet beantwoord worden.

Lees de funnel van boven naar beneden, niet als losse getallen:

Opens → Berichten → Productkliks → Add to cart → Aankopen
                ↘ Onbeantwoord (parallelle gap-lijn)
                ↘ Leads (optioneel, parallel)

Als opens stijgen maar berichten flat blijven, ligt het probleem waarschijnlijk bij welkomsttekst, plaatsing of verwachtingen, niet bij je catalogus. Stijgen berichten maar dalen productkliks, dan levert de bot antwoorden zonder duidelijke productroute. Stijgen onbeantwoorde vragen terwijl engagement gezond lijkt, dan groeit je assortiment of je vragen sneller dan je kennisbronnen.

Wekelijks ritueel: dertig minuten, vaste volgorde

Plan één terugkerend moment per week, bijvoorbeeld maandagochtend, met iemand die zowel content als catalogus kan beïnvloeden. Gebruik steeds dezelfde volgorde zodat je vergelijkingen over weken heen zinvol blijven.

Stap 1: Context (5 minuten). Noteer wat er in de afgelopen week veranderde: nieuwe collectie, prijswijziging, feed-storing, nieuwe FAQ, andere widget-plaatsing. Zonder context interpreteer je ruis als trend.

Stap 2: Funnel en rates (10 minuten). Kijk naar de percentages onder de statistieken:

• Engagement: berichten als percentage van opens
• Click-through: productkliks als percentage van berichten
• Answer gap: onbeantwoord als percentage van berichten
• Cart: add-to-cart als percentage van productkliks (alleen zinvol als je cart-events doorgeeft)
• Purchase: aankopen ten opzichte van sessies of kliks (afhankelijk van je setup)
• Lead: leads als percentage van sessies

Schrijf één zin op: *wat verbeterde* en *wat verslechterde* ten opzichte van vorige week. Geen spreadsheet nodig; een kort logboek in Notion of een gedeeld doc volstaat.

Stap 3: Activiteitsgrafiek (5 minuten). De lijnen voor opens, berichten en productkliks per dag tonen pieken en dalen. Koppel een piek aan een campagne, een productlancering of een technische storing. Een enkele uitschieter is geen bewijs; drie weken dezelfde richting wél.

Stap 4: Onbeantwoord-wachtrij (10 minuten). Dit is het hart van gap-dichten. Meer hierover in het volgende hoofdstuk.

Stap 5: Eén concrete actie. Kies maximaal één fix voor de komende week: één FAQ, één feedveld, één productschrijfregel, één pagina toevoegen aan sitemap-crawl. Meerdere parallelle fixes maken het onduidelijk wat werkte.

De onbeantwoord-wachtrij: je fix-loop

Wanneer Fynd geen bruikbaar antwoord kan geven op basis van opgehaalde kennis, registreert analytics een unanswered-event. De vraag verschijnt in de sectie *Fix-loop: onbeantwoord* met de originele shopperformulering en tijdstempel.

Elke open entry is een kandidaat voor verbetering, geen schuldgevoel, wel een prioriteitenlijst. Sorteer impliciet op:

1. Frequentie: komt dezelfde intentie vaker voor in top-vragen?
2. Commerciële impact: gaat het over koopblokkades (verzending, retour, compatibiliteit, voorraad)?
3. Eenvoud van fix: is het één ontbrekend FAQ-antwoord of een structureel feedprobleem?

Resolve: toevoegen aan kennis

Kies Toevoegen aan kennis wanneer je een goedgekeurd, klantklaar antwoord hebt. Je kunt optioneel direct een antwoordtekst meegeven. Fynd maakt of hergebruikt een custom knowledge-bron (*Fix-loop: onbeantwoorde vragen*) en indexeert de vraag-antwoordcombinatie. Het event wordt gemarkeerd als opgelost (resolved_at in de payload).

Gebruik resolve wanneer:

• het antwoord stabiel beleid is (retour, garantie, betaalmethoden);
• het om uitleg gaat die niet in een productfeed hoort;
• je een eerdere gap hebt gevalideerd met legal, operations of support.

Schrijf het antwoord zelfstandig leesbaar, zoals bij elke custom FAQ. Verwijs naar je officiële procedure; verzin geen termijnen of garanties.

Negeren: bewust afvoeren

Negeren verwijdert de entry uit de open wachtrij zonder kennis toe te voegen. Dat is legitiem wanneer:

• de vraag off-topic, spam of een testprompt was;
• de shopper iets vroeg dat je bewust niet via de bot afhandelt;
• het antwoord al in catalogus staat maar de vraag te vaag was; fix dan de bron, niet een duplicate FAQ;
• dezelfde intentie al resolved is en dit een duplicaat is.

Negeren is geen "weglaten tot het verdwijnt". Noteer intern kort waarom je negeerde, zodat een collega niet dezelfde vraag opnieuw oppakt.

Resolve versus dismiss in de praktijk

Gap koppelen aan catalogus versus custom knowledge

Niet elke onbeantwoorde vraag wordt een FAQ. Verkeerde bronkeuze leidt tot dubbel onderhoud of verouderde antwoorden.

Kies catalogus (feed, Catalog API, sitemap-productpagina's) wanneer:

• het antwoord per SKU, variant of voorraad verschilt;
• prijs, afmeting, materiaal, compatibiliteit of technische specs het antwoord bepalen;
• het assortiment regelmatig wisselt en je één sync-pad wilt.

Kies custom knowledge (FAQ's, fix-loop) wanneer:

• het om shop-breed beleid gaat dat geldt voor alle bestellingen;
• de uitleg kort en gezaghebbend moet blijven, los van productrecords;
• feed of crawl bewust geen privé-informatie mag bevatten.

Kies sitemap-crawl / blog wanneer:

• het antwoord in een bestaande koopgids, maatgids of blogarticle staat;
• de content al publiek is maar nog niet goed wordt opgehaald; controleer dan JSON-LD, interne links en crawl-frequentie.

Werk de drie lagen niet door elkaar. Een retourtermijn in drie FAQ's én op elke productpagina én in de feed geeft tegenstrijdige antwoorden wanneer één bron veroudert.

Wat "goed" eruitziet na veertien dagen proef

Een proefperiode is bedoeld om te leren, niet om benchmarkrecords te breken. Na veertien dagen live storefront-verkeer (niet alleen playground) is dit een realistisch verwachtingskader:

Minimale gezondheid

• Er zijn opens en sessies, de embed werkt en shoppers vinden de widget.
• Engagement (berichten/opens) is niet nul: minstens een deel van de openers stelt een vraag.
• De onbeantwoord-wachtrij is beheersbaar: je kunt entries afhandelen in je wekelijkse ritueel, niet honderden openstaande items.

Groeiende maturiteit

• Answer gap daalt of stabiliseert terwijl berichten stijgen, je voegt kennis toe sneller dan nieuwe vraagtypes binnenkomen.
• Productkliks volgen op berichten over productkeuze, de bot linkt naar concrete items.
• Top-vragen herhalen zich; je herkent thema's (maat, levering, vergelijking) en fixt bronnen gericht.

Nog geen harde conclusies

• Absolute aantallen aankopen of add-to-cart zijn vaak laag in week twee, vooral zonder cart/purchase-integratie.
• Één week vakantie of campagne vertekent alles; vergelijk liever week 2 met week 3 dan dag 3 met dag 13.

Signalen dat je moet ingrijpen vóór dag 14

• Opens zonder berichten: herzie welkomsttekst, suggested prompts en widget-plaatsing.
• Veel berichten, nul productkliks: controleer of productcards verschijnen en of je catalogus-index gevuld is.
• Answer gap boven ruim twintig procent van berichten zonder dalende trend: plan een kennis-sprint (feed + FAQ's), geen extra prompt-tweak alleen.

Definieer voor jezelf één primair succescriterium voor de proef, bijvoorbeeld "answer gap onder tien procent" of "minstens drie resolved gaps per week", in plaats van alle acht metrics tegelijk te optimaliseren.

Vanity metrics vermijden

Sommige cijfers zien indrukwekkend uit maar sturen slechte beslissingen. Gebruik ze hooguit als context.

Alleen opens tellen. Hoge opens met lage engagement betekenen vaak dat de launcher opvalt maar het gesprek niet start. Optimaliseer voor berichten en bruikbare antwoorden, niet voor klikken op het icoon.

Ruwe gesprekslengte als kwaliteit. Lange chats kunnen verwarring betekenen, geen tevredenheid. Korte chats met productklik kunnen beter zijn dan tien berichten zonder route.

Leads zonder lead-rate. Tien leads klinkt goed; bij duizend sessies is het ruis. Lees leads altijd tegen sessies (lead-percentage in analytics).

Aankopen zonder event-setup. Zonder purchase-tracking is nul aankopen geen bewijs van falen. Stel cart/purchase-events in voordat je commerce-metrics als KPI zet.

Playground-cijfers. Testgesprekken zijn nuttig voor QA, niet voor managementrapportages.

Alles vergelijken met andere shops. Assortiment, traffic en integraties verschillen te veel. Vergelijk je shop met je eigen vorige weken.

Koppeling met conversaties en teams

Gesprekken horen bij de shop. Analytics-events verwijzen naar sessies; leads kunnen aan een conversation_id gekoppeld zijn. Gebruik dat in je wekelijkse review:

• Open een paar gesprekken bij opvallende onbeantwoord-events: klopt de classificatie?
• Deel resolved FAQ's met support zodat antwoorden consistent blijven met menselijke kanalen.
• Laat catalogusbeheer feed-fixes doen; laat content of operations FAQ's en fix-loop entries doen.

Documenteer elke resolve in je teamlog: datum, vraag, bron (catalogus/custom/crawl), eigenaar. Na een maand zie je welke laag het meeste oplevert.

Checklist na elke week

• Funnel gelezen met context van shop-wijzigingen
• Engagement, click-through en answer gap genoteerd
• Onbeantwoord-wachtrij leeg of bewust geprioriteerd
• Elke resolve gekoppeld aan juiste bron (catalogus vs custom vs crawl)
• Off-topic entries genegeerd met korte reden
• Maximaal één geplande fix voor volgende week
• Geen beslissing op vanity metrics alleen

Analytics is geen eindpunt. Het is de feedbacklus die je RAG-bronnen, FAQ's en catalogus scherper maakt, week na week, gap voor gap.