Post on 24-Jun-2015
description
De student aan het woord benut klikgedrag voor effectiever onderwijs
Wat kunnen we leren van een webshop?
Waarom kijken naar webshops
• Webshops (e-commerce) zijn de meest ‘procesvolwassen’ partijen op die op het web actief zijn • Al meer dan 20 jaar actief (bijv. Amazon sinds 1994)
• Vaak lage marges: operational excellence is een must
• Grotere aantallen klanten dan traditionele winkels
• Globale markt: meer concurrentie
• Minder trouwe klanten: meer aanbod en minder binding
Hoe beslist een webshop (niet)?
• Door klanten te vragen wat ze fijn vinden aan een website? • Hoe vaak ben je door een ‘echte webshop’ gevraagd wat je fijn vond? • En als websites (vaak banken en telecomaanbieders) wat vragen, heb je het
gevoel dat daar dan wat mee gedaan werd?
• Hoe betrouwbaar is het eigenlijk als je iemand om zijn mening vraagt? • Wat zegt klanttevredenheid over hoe je je webshop beter maakt? • Gaat iedereen meer kopen als je de punten waar iemand niet tevreden over is
oplost? • Krijg je niet vooral antwoord van de ontevreden mensen? • Als je alleen naar luistert naar de (10% ?) ontevreden mensen, maak je de webshop dan
beter voor de (90% ?) tevreden mensen?
• Krijg je ook antwoorden anders dan vergelijkend (‘daar is het beter’)?
Hoe beslist een webshop (wel)?
• Ze kijken naar gedrag van een gebruiker • Via tools als Google Analytics leer je:
• Welke gebruikers meteen weer weggaan (bounce rate): • betere homepage
• specifieke landingspagina’s voor zoekwoorden of thema’s
• Hoeveel gebruikers afhaken per stap (conversie): • Lage drempels: eerst laten zien wat je te koop hebt, dan pas klantinformatie vragen
• Toegankelijke support, eenvoudig betalen, etc.
• Hoeveel gebruikers nieuw zijn of juist terugkomen: • Wees makkelijk terug te vinden: stuur bijvoorbeeld een bevestiging per mail
• Zorgen dat je niet vergeten wordt, bijv. aanbiedingen of informatie toesturen
• Dit bepaalt de doelen (vooraf) en het succes (achteraf)
Waarom beslissing op basis van gedrag?
• (klik)gedrag geeft een veel ‘eerlijker’ beeld • Je ziet wat gebruikers echt doen in plaats van wat ze beweren
• Je ziet alle gebruikers, niet alleen de gebruikers die reageren
• Uiteindelijk is het gedrag wat telt: niet of iemand graag bij je WIL kopen, maar of iemand bij je KOOPT
• (klik)gedrag is veel beter te meten • (klik)gedrag is goedkoop te verzamelen -> dus vaak en veel data
• Een enquête is duur: kost gebruikers tijd en kost jou tijd om te bedenken en te verwerken
• (klik)gedrag meten kun je bijstellen op basis van wat je ziet (doorvragen) • Bij een enquête kun je pas doorvragen bij weer de volgende enquête
Maar onderwijs is toch geen webshop?
• Nee, maar er zijn overeenkomsten en die nemen toe • Onderwijs wordt steeds digitaler
• Contact wordt hierdoor anders, gaat meer op een webshop lijken
• Ook studenten zijn redelijk ‘anoniem’
• Nee, maar mogen we dan ook niet van webshops leren?
Wat kan ik daar dan mee?
Benut klikgedrag voor effectiever onderwijs
• Hoe effectief is uw huidige IT voor studenten?
• Wat levert het echt op en hoe weet u dat?
De informatie die nodig is om deze vragen te beantwoorden heeft u al.
In deze sessie laten we aan de hand van een drietal voorbeelden zien hoe u deze informatie benut voor effectiever onderwijs.
Drie voorbeelden van het nut van (klik)gedrag
• Portfolio beheer • Welke projecten zijn in potentie waardevol? Welke hebben resultaat
geleverd?
• Welke applicaties moet ik in gaan investeren? Wat kan ik beter opruimen?
• Aansturing van projecten en (door)ontwikkeling • Wat zouden we moeten verbeteren (doelen)?
• Bereikt een project haar doelen?
• Wat kunnen we doen om nog meer nut uit een (door)ontwikkeling te halen?
• Onderwijsverbetering • Welke studenten kunnen we helpen? Hoe?
Portfolio beheer
• Welke projecten zijn in potentie waardevol?
• Welke hebben resultaat geleverd?
• Welke applicaties moet ik in gaan investeren?
• Wat kan ik beter opruimen?
• We gaan van een drietal applicaties een lifecycle zien
• We bekijken hier aantallen ‘unieke gebruikers’
0
500
1000
1500
2000
2500
0
10000
20000
30000
40000
50000
60000
DLWO13 (links)
DPF (rechts)
MobieleApp (rechts)
0
500
1000
1500
2000
2500
0
10000
20000
30000
40000
50000
60000
DLWO13 (links)
DPF (rechts)
MobieleApp (rechts)
Meer domeinen gebruiken DLWO
September typisch het drukst
0
500
1000
1500
2000
2500
0
10000
20000
30000
40000
50000
60000
DLWO13 (links)
DPF (rechts)
MobieleApp (rechts)
Applicatie wordt steeds minder gebruikt
0
500
1000
1500
2000
2500
0
10000
20000
30000
40000
50000
60000
DLWO13 (links)
DPF (rechts)
MobieleApp (rechts)
Eerste adoptie: App nog niet heel breed bekend
Mainstream: grote groep gebruikers ‘ontdekt’ de App
Verzadiging: mensen die kunnen en willen gebruiken de App nu
Aansturing projecten en (door)ontwikkeling
• Wat zouden we moeten verbeteren (doelen)?
• Bereikt een project haar doelen?
• Wat kunnen we doen om nog meer nut uit een (door)ontwikkeling te halen?
Mobiele App
0
50
100
150
200
250
300
350
9/1
/20
13
9/2
/20
13
9/3
/20
13
9/4
/20
13
9/5
/20
13
9/6
/20
13
9/7
/20
13
9/8
/20
13
9/9
/20
13
9/1
0/2
01
3
9/1
1/2
01
3
9/1
2/2
01
3
9/1
3/2
01
3
9/1
4/2
01
3
9/1
5/2
01
3
9/1
6/2
01
3
9/1
7/2
01
3
9/1
8/2
01
3
9/1
9/2
01
3
9/2
0/2
01
3
9/2
1/2
01
3
9/2
2/2
01
3
9/2
3/2
01
3
9/2
4/2
01
3
Absenten Rooster Nieuws Notificatie
0
50
100
150
200
250
0.00%
20.00%
40.00%
60.00%
80.00%
100.00%
120.00%
9/1
/20
13
9/2
/20
13
9/3
/20
13
9/4
/20
13
9/5
/20
13
9/6
/20
13
9/7
/20
13
9/8
/20
13
9/9
/20
13
9/1
0/2
01
3
9/1
1/2
01
3
9/1
2/2
01
3
9/1
3/2
01
3
9/1
4/2
01
3
9/1
5/2
01
3
9/1
6/2
01
3
9/1
7/2
01
3
9/1
8/2
01
3
9/1
9/2
01
3
9/2
0/2
01
3
9/2
1/2
01
3
9/2
2/2
01
3
9/2
3/2
01
3
9/2
4/2
01
3
Mobiele App - duiding
0
50
100
150
200
250
300
350
9/1
/20
13
9/2
/20
13
9/3
/20
13
9/4
/20
13
9/5
/20
13
9/6
/20
13
9/7
/20
13
9/8
/20
13
9/9
/20
13
9/1
0/2
01
3
9/1
1/2
01
3
9/1
2/2
01
3
9/1
3/2
01
3
9/1
4/2
01
3
9/1
5/2
01
3
9/1
6/2
01
3
9/1
7/2
01
3
9/1
8/2
01
3
9/1
9/2
01
3
9/2
0/2
01
3
9/2
1/2
01
3
9/2
2/2
01
3
9/2
3/2
01
3
9/2
4/2
01
3
Absenten Rooster Nieuws Notificatie
0
50
100
150
200
250
0.00%
10.00%
20.00%
30.00%
40.00%
50.00%
60.00%
70.00%
80.00%
90.00%
100.00%
9/1
/20
13
9/2
/20
13
9/3
/20
13
9/4
/20
13
9/5
/20
13
9/6
/20
13
9/7
/20
13
9/8
/20
13
9/9
/20
13
9/1
0/2
01
3
9/1
1/2
01
3
9/1
2/2
01
3
9/1
3/2
01
3
9/1
4/2
01
3
9/1
5/2
01
3
9/1
6/2
01
3
9/1
7/2
01
3
9/1
8/2
01
3
9/1
9/2
01
3
9/2
0/2
01
3
9/2
1/2
01
3
9/2
2/2
01
3
9/2
3/2
01
3
9/2
4/2
01
3
Technisch probleem met notificaties
Optimalisatie door A/B testing
Onderwijsverbetering
• Welke studenten kunnen we helpen? Hoe?
• We bekijken hier twee groepen van elke 100 studenten
• Beide groepen zijn gestart per 1 september 2013
• Wat je gaat zien is aantallen clicks binnen de DLWO voor deze groepen
Welke groep moeten we helpen?
0
500
1000
1500
2000
2500
3000
3500
2013M9 2013M10 2013M11 2013M12 2014M1 2014M2 2014M3 2014M4 2014M5 2014M6
0
500
1000
1500
2000
2500
3000
3500
2013M9 2013M10 2013M11 2013M12 2014M1 2014M2 2014M3 2014M4 2014M5 2014M6
Overige praktische voorbeelden
• Faculteiten/Domeinen/Vakgroepen kunnen van elkaar leren • Delen van wat werkt/niet werkt
• Bekijken welke onderdelen boven/onder verwachting gebruikt worden • Signaleren van verbeteringen • Worden ze voldoende gestart? • Haken gebruikers af?
• Herkennen (en ondersteunen) leerstijlen van studenten • Laat openen van documenten
Kan ik dan echt nu starten?
Privacy?
Heb ik de data?
Kan ik zoveel data verwerken?
Wat wil ik eigenlijk bereiken?
Hoe koppel ik dat allemaal?
Wat moet ik daar voor weten?