Rflct

Hur en optikkedja kartlade det digitala köpbeslutet

Genom att observera faktiskt onlineköpbeteende istället för att fråga om det kunde kedjan identifiera konverteringsbarriärer som aldrig synts i traditionella undersökningar.

En ledande nordisk optikkedja stod inför en utmaning: de visste att en växande andel av köpbeslutet skedde online, men förstod inte hur processen faktiskt såg ut. Traditionella kundundersökningar gav svar som inte matchade faktiskt beteende — kunder sa att de jämförde pris, men beteendedata visade att de fastnade i helt andra delar av processen.

Reflect genomförde en Journey Decision Engine-studie (JDE) som observerade hur kunder faktiskt navigerade köpprocessen online. Istället för att fråga 'hur väljer du?' följde vi beslutsprocessen i realtid och använde AI-klassificering för att tolka köpnarrativ.

Studien avslöjade fundamentala skillnader mellan produktkategorierna. Kontaktlinskunder hade ett nästan transaktionellt beteende — de visste vad de ville ha och sökte effektivaste vägen. Bågkunder däremot hade en utforskande process med fler kontaktpunkter, där inspiration och visuell presentation spelade en avgörande roll.

Resultaten visualiserades som Sankey-diagram som tydligt visade beslutsflöden per segment och kanal. Kedjan kunde identifiera exakt var i processen potentiella kunder föll bort och vilka kontaktpunkter som hade störst påverkan på konvertering.

Det viktigaste att förstå

  • Faktiskt beteende skiljer sig markant från självrapporterat beteende
  • Kontaktlinser och bågar har fundamentalt olika köpprocesser
  • Konverteringsbarriärer identifierades som aldrig synts i enkäter
  • AI-klassificering av köpnarrativ avslöjade dolda beslutsvägar

Relaterade artiklar

Hur onlineköpbeslut faktiskt fungerar

Onlineköpbeslut är inte den linjära tratt som de flesta modeller antar. De är iterativa, kaotiska processer där kunder hoppar mellan kanaler, jämför, överger och återkommer — ofta utan att själva vara medvetna om mönstret.

Varför trattmodeller misslyckas

Trattmodellen antar att kunder rör sig linjärt från kännedom till köp. I verkligheten hoppar de fram och tillbaka, lämnar tratten, kommer tillbaka via en annan kanal och fattar beslut baserat på faktorer som tratten inte fångar.

AI-klassificering av köpnarrativ — hur och varför

Öppna frågor om köpbeslut ger rik data men är tidskrävande att analysera manuellt. AI-klassificering gör det möjligt att identifiera beslutsteman, motivation och barriärer i tusentals narrativ med konsistens som manuell kodning inte kan matcha.

Experimentell design i kundreseforskning

Observation visar vad kunder gör, men inte varför. Genom att kombinera observation med experimentell manipulation — ändra pris, kanalupplevelse eller informationstillgång — kan vi isolera vad som faktiskt driver beslut från vad som bara korrelerar.

Reflects ramverk för kundreseanalys

Reflects kundreseramverk kombinerar tre metoder: realtidsobservation av onlinebeteende, AI-klassificering av beslutsnarrativ och experimentell design. Tillsammans ger de en bild av hur kunder faktiskt köper — inte hur de säger att de gör.

Se tillhörande tjänst
Tillbaka till Hur köpbeslut faktiskt fattas — inte hur kunder säger