marketing term for the chance that contact with an advertisement will convert to a sale
Konverteringsgrad är ett begrepp som främst används inom digital marknadsföring som ett mått på den andel besökare som genomför en handling. Konverteringsgrad beräknas när ett företag vill få reda på om dess försäljning, eller marknadsföringskampanjer är effektiva. Eftersom konverteringsgraden tillsammans med antalet besökare är de två enskilda faktorer som man kan påverka för att öka sin försäljning, har många företag av naturliga skäl ett stort intresse av att mäta och förbättra dessa siffror. Konverteringsgrad är, enkelt uttryckt, en kvantifiering av hur bra försäljningen går. Speciellt intressant kan det vara att studera konverteringsgrad när man genomför förändringar på en webbplats eller i en nätbutik. Även vid så kallad ”split testing” (man testar och ställer minst två olika alternativ mot varandra) kan konverteringsgraden vara bra att känna till. Konverteringsgraden räknas ut genom att dividera antalet unika besökare till en enskild sida (ex. startsidan på en webbplats, eller en produktsida i en nätbutik) med antalet unika besökare som genomförde en viss handling (ex. antalet unika besökare som slutförde ett köp). Exempel: 3500 unika besökare har besökt produktsida A i en nätbutik, under de senaste 7 dagarna. 120 av dessa unika besökare, genomförde en transaktion från produktsida A under de senaste 7 dagarna. För att räkna ut Konverteringsgraden dividerar du antalet besökare som slutfört ett köp (120st) med antalet unika besökare till produktsida A (3500st). Uträkningen: 120 (genomförda transaktioner) / 3500 (unika besökare) = 0.0342*100 = 3.42% Produktsida A har alltså en konverteringsgrad på 3.42% — vilket betyder att du kan förutspå att ca 3.42% av alla besökare som besöker produktsida A kommer att genomföra ett köp. Genom att räkna ut konverteringsgraden kan du få ett mått på hur effektiv din webbsida eller nätbutik är på att skapa intäkter, och bättre förutspå framtida intäkter.
Abstract from DBpedia / Wikipedia · CC BY-SA
via Wikidata sitelinks · CC0
Discovered by embedding cosine similarity (sentence-transformers MiniLM, 384-dim).