Het verkeer van een webshop schatten: methode en foutmarge

Laten we beginnen met wat geen enkele verkooppagina je vertelt: geen enkele tool kent het echte verkeer van een site die niet van haar is. Ze schatten het allemaal, op basis van gebruikerspanels, internetaanbieders en statistische modellen.

Een onderzoek dat die schattingen vergelijkt met echte Google Analytics-cijfers die site-eigenaren deelden, legt de gemiddelde foutmarge tussen 30 en 50 %. Op afzonderlijke metingen zit Similarweb rond 37 % afwijking en Semrush rond 49 %.

Dat is geen reden om ze links te laten liggen. Het is een reden om te weten wat je ermee doet. Een cijfer met 40 % marge volstaat ruimschoots om een winkel met driehonderd bezoeken per maand te onderscheiden van een met honderdduizend. Het volstaat niet om te beweren dat een concurrent 112.000 bezoeken haalt in plaats van 90.000.

Waarom niemand je het echte getal kan geven

Alleen de eigenaar van een site ziet zijn verkeer, omdat alleen zijn server en zijn meetinstrument de bezoeken tellen. Al het overige wordt van buitenaf gereconstrueerd.

Schatters leunen op drie bronnen: panels van internetgebruikers die een extensie of app installeerden, gegevens gekocht bij internetaanbieders en operators, en modellen die extrapoleren vanuit bekende zoekposities. Elke bron brengt haar eigen vertekening mee, en het resultaat is een reconstructie, geen meting.

Vandaar één simpele regel voor al het volgende: behandel deze cijfers als een orde van grootte, nooit als boekhoudkundige gegevens.

Wat de schattingen werkelijk waard zijn

De foutmarge, in cijfers

Onthoud 30 tot 50 % gemiddelde afwijking. Concreet betekent een schatting van 50.000 maandelijkse bezoeken «waarschijnlijk tussen 30.000 en 80.000». Dat is een bandbreedte, en zo hoort ze gelezen te worden.

Dat volstaat om te rangschikken, te vergelijken en af te vallen. Het volstaat niet om een prognose op te bouwen, noch om een investering te verantwoorden op het volume alleen.

Waarom kleine sites het minst betrouwbaar zijn

De nauwkeurigheid stijgt met de omvang. Boven het miljoen sessies per maand wordt de afwijking kleiner. Onder een paar duizend bezoeken schiet ze omhoog, om een mechanische reden: het panel dat als basis dient bevat slechts een handvol bezoekers van die site, soms geen enkele.

Dat is de meest voorkomende val in e-commerce-onderzoek, want de meeste winkels die je analyseert zijn klein. Een schatting van 800 bezoeken per maand kan net zo goed 200 als 4.000 betekenen. Op dat niveau lees je het cijfer niet meer, maar de andere signalen.

Wat ondanks de fout blijft kloppen

Goed nieuws: de vertekeningen zijn grotendeels constant van site tot site. Een tool die overschat doet dat door haar methode, en overschat dus overal ongeveer evenveel.

Praktisch gevolg: vergelijkingen en trends zijn veel betrouwbaarder dan absolute waarden. Geeft dezelfde tool 40.000 aan de ene winkel en 8.000 aan de andere, dan is die verhouding van één op vijf solide, ook al kloppen beide cijfers niet.

De vier signalen die meer waard zijn dan een cijfer

De verdeling van de bronnen

Dit is de nuttigste informatie van de hele analyse, en de meest verwaarloosde. Weten waar het verkeer vandaan komt vertelt je hoe de winkel werkt, wat ze uitgeeft en hoe aanvalbaar ze is.

De trend over twaalf maanden

Een lijn die gestaag stijgt is meer waard dan een hoog maar stilstaand volume. Ze wijst op een mechaniek die werkt, terwijl een losse piek meestal duidt op een eenmalige actie, een korting of een virale video zonder vervolg.

Trends zijn betrouwbaar omdat de vertekening van de tool maand na maand dezelfde blijft.

De landen van herkomst

Een winkel met veel verkeer waarvan 80 % van de bezoekers uit een land komt waar ze niet levert, haalt niet de omzet die haar volume doet vermoeden. Omgekeerd kan een kleine winkel die op één markt gericht is veel rendabeler zijn dan ze lijkt.

De advertentiedruk

Het aantal actieve netwerken en de ouderdom van de geplaatste pixels vertellen of het verkeer gekocht is en sinds wanneer. Betaald verkeer dat maandenlang wordt volgehouden bewijst dat de rekensom klopt, want niemand betaalt lang met verlies.

De bronverdeling lezen

Overwegend betaald verkeer

De winkel koopt haar bezoekers. Ze is kwetsbaar: de dag dat ze stopt, verdwijnt het verkeer. Maar houdt ze het al maanden vol, dan dekt de marge per bestelling de acquisitiekosten. Een aanvalbaar model, mits je een advertentiebudget hebt.

Overwegend organisch verkeer

De winkel heeft een duurzame positie in zoekresultaten opgebouwd. Dit is het lastigste profiel om frontaal aan te vallen, want dat kapitaal kost jaren. Daar staat tegenover dat het de zoekopdrachten blootlegt die opbrengen, en die kun je op een andere manier bespelen.

Overwegend sociaal verkeer

Afhankelijkheid van een publiek of een algoritme. Het volume kan aanzienlijk zijn en de conversie laag: men kijkt een video, men koopt niet per se. Wees op je hoede voor indrukwekkende cijfers op dit kanaal, ze vertalen zich zelden in bijpassende omzet.

Veel direct verkeer

Twee tegengestelde lezingen. Ofwel is het merk gevestigd en typen mensen de naam in, het best denkbare signaal. Ofwel zet de tool daar neer wat ze niet kan toewijzen, wat bij kleine sites vaak gebeurt. Toets het aan het zoekvolume op de winkelnaam voordat je concludeert.

Kruis het met aanwijzingen die niet liegen

Sommige dingen worden niet geschat, maar vastgesteld. Dat zijn je ankerpunten wanneer het verkeerscijfer twijfelachtig is.

Het aantal reviews dat in een bepaalde periode is achtergelaten vormt een ondergrens voor echte bestellingen. Het tempo waarin producten worden toegevoegd geeft de bedrijvigheid aan. Herhaalde uitverkoop van dezelfde variant wijst aan wat verkoopt. De aanwezigheid van advertentiepixels verraadt waar het budget heen gaat. En de ouderdom van het domein plaatst de geschiedenis van de winkel in de juiste orde van grootte.

Wanneer die aanwijzingen overeenkomen met de verkeersschatting, stijgt je vertrouwen. Wanneer ze haar tegenspreken, geloof dan de aanwijzingen.

Van verkeer naar omzet: de som en haar valkuilen

De basissom is eenvoudig: bezoeken × conversiepercentage × gemiddelde orderwaarde. Een winkel met 100.000 bezoeken, 1,8 % conversie en een mandje van 55 € zou 99.000 € per maand draaien.

Alleen vermenigvuldig je drie schattingen. Het verkeer is 40 % onzeker, het conversiepercentage is onbekend en loopt van 0,5 % tot 4 % naargelang sector en bron, het gemiddelde mandje wordt geraden uit de getoonde prijzen. De fouten heffen elkaar niet op, ze stapelen: het resultaat kan er een factor drie naast zitten.

Gebruik het waarvoor het deugt, namelijk om te antwoorden op «weegt deze markt tienduizenden euro's per maand of miljoenen?». En bedenk dat dit cijfer omzet is, geen winst: na inkoop, advertenties en retouren blijft er vaak minder dan 10 % over.

Vergelijken in plaats van meten

Dat is de praktische conclusie van al het voorgaande. Eén los cijfer leert je niets bruikbaars; tien winkels naast elkaar gelegd met dezelfde tool leren je veel.

De verschillen tussen hen zijn de informatie, en die overleven de gedeelde vertekening. Je ziet wie domineert, wie afhaakt, wie zijn verkeer koopt en wie het verdient. Vooral zie je de afwijking: de kleine winkel wiens organische verkeer stijgt terwijl de anderen kopen, of die al jaren verkoopt zonder dat iemand haar kopieert.

Tien vergeleken winkels zijn meer waard dan één nauwkeurig gemeten winkel.

De fouten die duur uitpakken

Het cijfer voor waar aannemen. Het is een bandbreedte. Het als meting behandelen leidt tot beslissingen op drijfzand.

Tools door elkaar halen. De schatting van de ene met die van de andere vergelijken heeft geen zin, hun vertekeningen verschillen. Eén tool voor de hele vergelijking.

De bronnen negeren en alleen naar volume kijken. Honderdduizend sociale bezoeken en honderdduizend zoekbezoeken leveren niet dezelfde omzet op, en niet hetzelfde risico.

Concluderen op één losse maand. Seizoensinvloeden vertekenen alles. Kijk naar twaalf maanden voordat je wat dan ook beslist.

Afhaken omdat het niet exact is. Het alternatief is geen perfecte data, het is helemaal geen data. Een erkende orde van grootte verslaat een onderbuikgevoel.

Veelgestelde vragen

Kun je het exacte verkeer van een concurrent kennen?

Nee, en wees op je hoede voor elke tool die dat beweert. Alleen de site-eigenaar beschikt over de echte meting. Al het andere is een schatting, met de hierboven beschreven foutmarge.

Vanaf welke sitegrootte is de schatting bruikbaar?

Vanaf enkele tienduizenden bezoeken per maand wordt de orde van grootte bruikbaar. Onder een paar duizend leun je niet meer op het cijfer en stap je over op reviews, assortiment en advertentiepixels.

Mag je het verkeer van een concurrent analyseren?

Ja. Deze schattingen berusten op geaggregeerde gegevens en op publieke informatie die voor elke bezoeker toegankelijk is. Je krijgt niets privés te zien: je bekijkt wat de winkel aan iedereen toont.

Verkeer is maar één signaal van meerdere. Assortiment, bestsellers, geïnstalleerde apps en techniekstack lees je op dezelfde manier, en die hebben we uitgewerkt in onze gids over het analyseren van een concurrerende Shopify-winkel.

Waar je deze week begint

Drie acties om deze inzichten in beslissingen om te zetten.

Kies eerst tien winkels in jouw markt, met één enkele tool voor allemaal, en noteer per winkel het geschatte verkeer, de bronverdeling en de trend over twaalf maanden. Voeg daarna de verifieerbare aanwijzingen toe: aantal recente reviews, omvang van het assortiment, gedetecteerde advertentienetwerken. Rangschik die winkels ten slotte niet op volume, maar op het verschil tussen wat ze binnenkrijgen en wat ze eruit lijken te halen. In dat verschil liggen de posities.

Deze inventarisatie kost met de hand een middag. Evidio doet het met één klik vanuit je browser, op elke Shopify-winkel: geschat verkeer en bronnen, advertentiepixels en actieve netwerken, geïnstalleerde apps, bestsellers en techniekstack, met een export zodat je tien winkels in dezelfde tabel staan. De extensie is gratis, en het is precies de vergelijking, niet de meting, die ze je snel laat maken.