Mobiel afhaakgedrag in de winkelmand analyseren versus desktop met Google Analytics

Waarom dit vraagstuk bijna altijd groter is dan “mobiel presteert slechter”

Als een webshop-eigenaar zegt dat “mobiel waardeloos converteert”, dan snap ik de frustratie. In veel accounts zien we hetzelfde patroon: het verkeer op mobiel is hoog, de add-to-cart ratio kan nog prima zijn, maar in de winkelmand of checkout valt het ineens stil. Desktop maakt het dan wél af, en de reflex is vaak om mobiel verkeer minder serieus te nemen of het budget te verschuiven.

In de praktijk is dat meestal te kort door de bocht. Mobiel gedrag is anders, de context is anders en de frictie is op mobiel sneller fataal. Het goede nieuws is dat je met Google Analytics heel gericht kunt uitzoeken waar het misgaat en of het vooral een UX-probleem, een performance-probleem, een meetprobleem of een “verwachtingskloof” is. Alleen: je moet het wel op de juiste manier benaderen, anders ga je sturen op cijfers die het echte probleem niet aanwijzen.

Belangrijk om vooraf te zeggen: Google Analytics is geen magische waarheidsmachine. Je ziet gedrag door de bril van je meting. Als events, checkout-stappen of consent niet goed staan, ga je verkeerde conclusies trekken. Daarom bouw ik het hieronder op vanuit een aanpak die eerst de meetbasis checkt, en daarna pas de analyse ingaat.

Stap 1: Zorg dat je mobiel en desktop echt eerlijk vergelijkt

Voor je conclusies trekt, wil je zeker weten dat je appels met appels vergelijkt. Drie dingen gaan hier vaak mis.

1. Device is niet hetzelfde als “gebruikssituatie”

Mobiel verkeer bevat relatief veel oriënterende sessies. Mensen zitten in de trein, op de bank of doen even snel prijsvergelijking. Desktop is vaker “nu ga ik bestellen”. Dat betekent dat een lagere conversieratio op mobiel niet automatisch betekent dat je winkelmand op mobiel slecht is. Het kan ook zijn dat mobiel vooral top-of-funnel is.

Wat je daarom wél wilt vergelijken is: als iemand op mobiel een winkelmand start heeft, wat gebeurt er daarna vergeleken met desktop. Dus niet alleen sessie naar aankoop, maar specifiek: cart naar checkout naar aankoop.

2. Consent en tracking verschillen per device

Mobiel heeft vaak strengere instellingen, meer adblockers in browsers, en in-app browsers gedragen zich anders. In GA4 kan dit betekenen dat purchase-events wél binnenkomen, maar bepaalde tussenstappen (zoals view_cart of begin_checkout) minder consistent zijn. Dan lijkt het alsof mensen “afhaken” in de winkelmand, terwijl je het pad gewoon niet volledig ziet.

3. Je checkout is soms technisch niet één flow

Denk aan externe betaalproviders, redirects, subdomeinen of een checkout die deels in een embedded omgeving draait. Als cross-domain meting niet goed staat, lijkt het alsof mobiel vaker uitvalt, terwijl het eigenlijk een sessie breuk is.

Stap 2: Gebruik in GA4 de juiste rapporten voor winkelmandanalyse

Er zijn grofweg twee manieren om dit in GA4 goed te doen: via de standaard funnel in het “Monetization” stuk, of via een eigen funnel exploration. Voor echte diagnose gebruik ik vrijwel altijd een funnel exploration, omdat je dan veel meer controle hebt.

Funnel Exploration: de basisopzet

Ga in GA4 naar Explorations en kies Funnel exploration. Zet je funnel op basis van e-commerce events. Een praktische basisfunnel is:

• view_cart.
• begin_checkout.
• add_shipping_info (als je dit meet).
• add_payment_info (als je dit meet).
• purchase.

Niet elke shop meet shipping/payment netjes, dus voel je vrij om te starten met alleen view_cart, begin_checkout en purchase. Dat is al genoeg om winkelmand-afhaak te isoleren.

Maak de vergelijking mobiel versus desktop hard

Voeg als breakdown of comparison de dimensie Device category toe (mobile, desktop, tablet). Hiermee zie je per stap waar de grootste drop zit per device. Vaak zie je dat mobiel relatief goed view_cart haalt, maar begin_checkout achterblijft. Dat wijst vaker op frictie in de winkelmand zelf (verzendkosten, login, coupon-gedoe, snelheid) dan op de checkout.

Open funnel versus closed funnel

Gebruik meestal een open funnel wanneer je wilt weten hoe mensen uiteindelijk in aankoop belanden, ook als ze stappen overslaan (bijvoorbeeld via een express checkout knop). Gebruik een closed funnel als je echt het pad stap voor stap wilt toetsen. Ik begin vaak open om het grote plaatje te zien, en schakel daarna naar close om te kijken of een specifieke stap “lek” is.

Stap 3: Zoom in op het moment van afhaken in de winkelmand

Als je weet dat de drop op mobiel vooral tussen view_cart en begin_checkout zit, wil je begrijpen waarom. GA4 geeft je geen heatmaps, maar je kunt wél scherpe hypotheses bouwen met extra segmenten.

Segmenten die ik bijna altijd toevoeg

• New vs returning: nieuwe bezoekers haken vaker af door onzekerheid, op mobiel nog sneller.
• Traffic source/medium: betaalde campagnes kunnen veel “snelle kliks” opleveren die niet koopklaar zijn.
• Landing page: als mensen via een informatieve pagina binnenkomen, is de koopintentie anders dan via een productpagina.
• Product categorie: sommige categorieën zijn gevoeliger voor verzendkosten of levertijd.
• Country/region: afwijkende verzendregels of betaalmethodes veroorzaken frictie, mobiel merkt dat eerder.

Let op: kijk niet alleen naar percentages

Een valkuil is dat je alleen naar drop-off percentages kijkt. Een kleine funnel op desktop kan procentueel beter lijken, maar in absolute aantallen is mobiel vaak waar de winst zit. Ik wil daarom zowel drop-off rate als aantallen zien, zodat je prioriteit geeft aan de stap met de grootste impact.

Stap 4: Koppel afhaken aan performance en frictie (zonder te gokken)

Veel mobiel afhaakgedrag is eigenlijk performance-probleemgedrag: lang wachten, layout shifts, knoppen die niet lekker klikken, formulieren die frustreren. GA4 kan je hierbij helpen, maar niet alles is standaard zichtbaar.

Wat je in GA4 wél kunt doen

Maak een verkenning waarin je de funnel combineert met een extra dimensie zoals Page path of Checkout step (als je dat zelf als event-parameter meet). Dan kun je zien of één specifieke cart-URL of een specifieke stap op mobiel uit de pas loopt.

Daarnaast kun je een extra check doen met engagement-signalen:

• Average engagement time op de cart-pagina per device.
• Event count voor interacties op de cart-pagina (bijvoorbeeld apply_coupon, remove_from_cart, add_to_cart herhaal acties).

Als je op mobiel veel remove_from_cart ziet, kan dat een signaal zijn dat mensen schrikken van kosten, levertijd of dat ze “even parkeren” en later op desktop bestellen. Zie je juist weinig interactie en snelle exits, dan is performance of onduidelijkheid een aannemelijkere richting.

Wat je waarschijnlijk extra wilt meten

Als je dit serieus wilt analyseren, kom je meestal uit op extra events of parameters. Denk aan:

• Event: cart_error met parameter error_type (bijvoorbeeld voorraad, postcode, coupon).
• Event: checkout_click op de “Afrekenen” knop, zodat je ziet of men klikt maar niet verder komt.
• Parameter: cart_value_bucket (bijvoorbeeld 0-50, 50-100, 100+), omdat hoge bedragen op mobiel vaker uitgesteld worden.

Dit is geen must om te starten, maar het maakt je diagnose veel concreter dan alleen “mobiel haakt af”.

Stap 5: Begrijp de rol van cross-device gedrag

Een deel van je “mobiele afhakers” zijn geen echte afhakers, maar mensen die later op desktop afrekenen. Dit gebeurt vooral bij duurdere producten, complexere configuraties of B2B bestellingen. GA4 kan cross-device deels modelleren als de gebruiker ingelogd is of als Google signals actief is, maar in veel shops is dit beperkt. Het lijkt erop dat teams dit vaak onderschatten, waardoor mobiel onterecht als probleemkind wordt gezien.

Wat je wél praktisch kunt doen in GA4 is kijken naar:

• Returning users die later wél kopen, uitgesplitst naar device category bij eerste cart-event.
• Time lag (tijd tot aankoop) en of mobiel daar structureel langer is.

Je krijgt daarmee geen perfect cross-device verhaal, maar je ziet wel of mobiel vooral “start” en desktop vooral “finish” is.

Praktische tip: bouw één dashboard weergave die je elke week kunt herhalen

Als je één ding wilt dat direct bruikbaar is, maak dan in GA4 een funnel exploration die je opslaat en wekelijks bekijkt. Houd het simpel en herhaalbaar:

• Funnel: view_cart → begin_checkout → purchase.
• Breakdown: device category.
• Segment 1: new users, segment 2: returning users.
• Filter: alleen organisch + betaald verkeer (of juist één kanaal dat je wilt verbeteren).

Daarna pak je de grootste afwijking. Bijvoorbeeld: mobiel new users valt 45% vaker uit tussen cart en checkout dan desktop. Dan ga je niet “alles verbeteren”, maar kijk je specifiek naar de winkelmand ervaring voor nieuwe mobiele bezoekers: zijn verzendkosten pas laat zichtbaar, is de checkout-knop duidelijk, is gastcheckout mogelijk, zijn betaalopties helder, laadt de pagina snel genoeg.

Wat ik meestal als eerste test als mobiel afhaakt in de winkelmand

Als ik een shortlist moet maken van dingen die in veel webshops terugkomen, dan zijn dit vaak de eerste kandidaten om te checken en te testen:

• Transparantie over totale kosten: verzendkosten, toeslagen en levertijd zo vroeg mogelijk in of vóór de cart.
• Gastcheckout: verplicht inloggen op mobiel kost je bijna altijd conversie, maar de exacte impact verschilt per doelgroep.
• Couponveld: een prominent couponveld kan mobiel onrustig maken, omdat mensen gaan zoeken naar codes en de flow breekt.
• Sticky checkout-knop: op mobiel kan de knop buiten beeld vallen, zeker bij lange carts of cross-sells.
• Snelheid en fouten: vooral op mobiel zie je dat kleine haperingen grote drop veroorzaken.

Je hoeft dit niet allemaal tegelijk te doen. Kies één hypothese, meet vooraf wat “beter” betekent (bijvoorbeeld begin_checkout per view_cart op mobiel), voer de wijziging door, en kijk daarna of het effect er is. Soms zie je een verschuiving, soms niet, en dan is dat ook informatie omdat je gerichter verder kunt zoeken in plaats van te blijven raden.