# Gjenkjenne kjøpsinteresse: hvilke sidevisninger som teller

> Gjenkjenn kjøpsinteresse på nettsiden: hvilke sidevisninger, klikk og tilbakevendende som teller, og hvordan du vurderer bedriftsbesøk med poengskjema.

Quelle: https://whovisit.app/nb/blog/gjenkjenne-kjopsinteresse-sidevisninger
Veröffentlicht: 2026-11-07
Herausgeber: Whovisit (ARAVILO, Innsbruck)

En bedrift var på nettsiden din. Det er til å begynne med bare et faktum. Om det følger interesse for tilbudet ditt av det, avhenger av hva den gjorde der. Den som behandler hver gjenkjente bedrift som en interessent, kaster bort tid. Den som leser besøk etter vekten deres, ser raskere hvor en samtale lønner seg.

Denne artikkelen viser hvilke signaler som er utsagnskraftige, hvordan du leser dem og hvor fallgruvene ligger. Alt arbeider på **bedriftsnivå**: Du ser hva som har skjedd fra en organisasjon, ikke hva et bestemt menneske har gjort.

## Sterke og svake signaler

Ikke alle sider sier like mye. Tabellen nedenfor er en tommelfingerregel, ikke en naturlov. Alt etter tilbud forskyves vektingen.

| Signal | Vekt | Hvorfor |
|---|---|---|
| Priser eller tariffer sett på | sterk | Den som sjekker priser, sammenligner som regel allerede |
| Kontaktside, telefon- eller e-postlenke klikket | sterk | Steget til henvendelse ligger nær |
| Skjema sendt | sterk | Dette er en henvendelse du kan besvare direkte |
| Nedlasting (prisliste, datablad, katalog) | sterk | Den som laster ned dokumenter, vil gi dem videre internt |
| Referanser eller eksempler | middels til sterk | Leses ofte som sikring før en beslutning |
| Tjeneste- eller produktsider | middels | Viser interesse for temaet, ikke for kjøpet |
| Tilbakekomst en annen dag | middels til sterk | Den som kommer tilbake, holder på med saken |
| Bloggartikler | svak til middels | Ofte research, av og til tilfeldighet |
| Forsiden alene | svak | Som regel et kort blikk |
| Karriere, impressum, personvern | svak | Søkere, kontrollører, nysgjerrige |

Avgjørende er **kombinasjonen**. En bedrift som ser på tjenester, referanser og priser og kommer tilbake dagen etter, forteller en annen historie enn en bedrift med ett enkelt blikk på en bloggartikkel.

## Aktiv tid i stedet for oppholdstid

Oppholdstiden høres ut som et godt mål, men bedrar. En nettleserfane som blir stående åpen over lunsj, teller som to timers oppholdstid selv om ingen ser på den.

Bedre er **aktiv tid**: tiden da fanen er synlig og vinduet står i forgrunnen. Den aktive tiden teller bare videre når begge deler stemmer. En glemt fane skaper slik ingen fantomtid. Det hjelper ved spørsmål som: Har noen skumlest prissiden på ti sekunder eller lest den i fire minutter?

## Les rulledybden riktig

Rulledybden angir hvor langt ned på en side noen var, i prosent. Den er nyttig, men lett å overvurdere:

- **En høy verdi betyr ikke automatisk lesing.** Den som suser raskt nedover, når raskt 100 prosent.
- **Korte sider forvrenger.** På en kort side er 100 prosent raskt nådd.
- **Lange sider med prisblokken langt nede** sier noe når rulledybden er høy og den aktive tiden passer til.

Les rulledybde og aktiv tid alltid sammen. Høy dybde ved svært kort tid er skumlesing, liten dybde ved lang tid er ofte en samtale i bakgrunnen.

## Klikk med betydning

Noen handlinger er mer utsagnskraftige enn enhver oppholdstid. Whovisit registrerer disse klikkene:

- **E-postlenke** (et klikk på en `mailto:`-adresse)
- **Telefonlenke** (et klikk på et `tel:`-nummer)
- **Nedlasting** av filer som PDF, ZIP, Word, Excel, PowerPoint, CSV, DWG eller DXF
- **Klikk utover** til et annet domene
- **Skjema sendt**, med skjemaets kjennetegn, men uten innholdet som ble skrevet inn

Et sendt skjema når deg uansett direkte. Verdifullt er klikket på en e-post- eller telefonlenke: Det viser at noen har vurdert kontakt, selv om ingen melding kom frem. Klikket utover er derimot tvetydig: Det kan føre til en konkurrent eller til en profil i sosiale medier.

## Et enkelt poengskjema

Den som har mange bedrifter i rapporten, trenger en rekkefølge. Skjemaet nedenfor er uttrykkelig et **eksempel til å bygge selv**. Tallene er oppdiktede og stammer ikke fra en måling. Tilpass dem til tilbudet ditt.

| Hendelse hos en bedrift på 14 dager | Eksempelpoeng |
|---|---|
| Prisside sett på | 3 |
| Kontaktside sett på | 2 |
| Nedlasting av en prisliste eller et datablad | 3 |
| Klikk på telefon- eller e-postlenke | 3 |
| Referanser eller eksempler sett på | 2 |
| Andre besøk en annen dag | 2 |
| Tjenesteside sett på | 1 |
| Bloggartikkel lest | 1 |

Deretter fastsetter du fra hvor mange poeng du ser nærmere på en bedrift, for eksempel fra 6. Viktig her:

- Det er en sorteringshjelp for oppmerksomheten din, **ingen sannsynlighet** og ingen dom over bedriften.
- Kontroller etter noen uker om de høyt vurderte bedriftene faktisk oftere kom i samtale. Hvis ikke, endrer du vektene.
- Tell ikke like hendelser ubegrenset. Ti bloggartikler er ikke ti ganger så mye verdt som én.

Et slikt skjema bygger på faste regler som du selv fastsetter. Det er ingen automatisk vurdering av kunstig intelligens.

## Fallgruver

Før du ringer eller skriver til en bedrift, sjekk hvem som egentlig var der:

- **Egne ansatte.** Kolleger ser på prissiden, sjefer kontrollerer fremtoningen. Når ditt eget kontornett dukker opp, er det ikke markedet.
- **Søkere.** Fra en bedrift kan noen se på karrieresiden. Det er nysgjerrighet på deg som arbeidsgiver, ikke et kjøpssignal.
- **Leverandører og tjenesteytere.** Også de leser siden din, ofte av egeninteresse.
- **Konkurrenter.** Den som følger med på konkurrentene, ser nøye på priser og tjenester.
- **Roboter og verktøy.** Datasenternett telles separat og lagres ikke som bedrift. Likevel kan kontrollverktøy fra bedrifter dukke opp.
- **Mange mennesker bak ett nett.** En bedriftsadresse kan samle hundrevis av mennesker. Bak et besøk kan det stå hvilken som helst avdeling.

Dertil kommer grensen ved selve metoden: Den som kobler til hjemmefra eller mobilt, er usynlig i denne analysen. Hvorfor det er slik og hvor sterkt tallene svinger, forklarer [Gjenkjenningsrate: hvorfor tallene svinger så sterkt](https://whovisit.app/blog/erkennungsquote-besuchererkennung).

## Hva du gjør med listen

En ordnet liste er bare begynnelsen. Hvordan du gjør en bedrift med høy poengsum til en samtale uten å overskride grenser, står i [Fra gjenkjent bedrift til samtale](https://whovisit.app/blog/von-der-erkannten-firma-zum-gespraech). Hvordan besøk, handlinger og sidefølger lar seg lese i rapporten og viderebehandle som fil, viser hjelpen under [Lese rapporten og eksportere som CSV](https://whovisit.app/hilfe/bericht-lesen-und-exportieren). Og hvis du vil vite hvor oppgaven til nettanalysen slutter og oppgaven til besøkergjenkjenningen begynner: [Gjenkjenne bedrifter med Google Analytics: hva som går og ikke går](https://whovisit.app/blog/firmen-erkennen-google-analytics).

Hvor bedriftene i listen i det hele tatt kommer fra, forklarer [Hvilke bedrifter besøker nettsiden min? 3 veier i oversikt](https://whovisit.app/blog/welche-firmen-besuchen-meine-website).