Mit Analytics Erkenntnisse über Besucher generieren

Google Analytics im Einsatz – und jetzt?

Wir erklären dir, wie du mithilfe von Google Analytics zu hilfreichen Erkenntnissen kommst und dich nicht in deinen Daten verlierst

Falls du unseren letzten Artikel „Google Analytics einrichten“ gelesen hast, bist du jetzt bereit, den Erfolg deiner Website mit Google Analytics zu messen. Aber Google Analytics ist sehr umfangreich und viele unserer Kunden verlieren sich in den unzähligen Berichten des Tools. Das führt dazu, dass nach der ersten Begeisterung die Nutzung von Analytics wieder stark abnimmt und die meisten Unternehmen das Potenzial der Analysen nicht nutzen.

Der Artikel gibt eine erweiterte Antwort auf die häufig gestellte Frage: „Was ist der größte Fehler, den die Leute bei ihren Analysen machen?“. Die Zusammenfassung der Antwort: Die Nutzer fühlen sich vom Datenberg des Tools überwältigt und wissen nicht, wo sie anfangen sollen, umsetzbare Erkenntnisse zu finden.

Wonach soll ich in meinen Analysen suchen?

Die Antwort ist: Analytics teilt dir nicht von alleine mit, welche Erkenntnisse für dich und dein Geschäft relevant sind; zunächst musst du dir Gedanken machen, welche Fragen du selbst an dein Geschäft hast.

Wenn du also eine geschäftliche Frage stellst und dich dann mit deinen Fragen in Google Analytics nach Erkenntnissen umschaust, wirst du immer erfolgreicher sein, als wenn du dich nur durch die Standard-Berichte von Google Analytics klickst und darauf hoffst, dass sich daraus Erkenntnisse ergeben.

Im Folgenden erklärt dir der Artikel, was mit „Fragen an dein Geschäft“ genau gemeint ist und beschäftigt sich vor allem mit dem Thema Segmentierung. Es ist nicht so langweilig, wie du jetzt vielleicht denkst! Um jede sinnvolle Geschäftsfrage zu beantworten und Erkenntnisse zu gewinnen, musst du deine Daten zerlegen und gewichten. Sobald du mit dem Auseinandernehmen und Aufschlüsseln vertraut bist, wirst du es wahrscheinlich ziemlich interessant und spannend finden.

Dies sind unsere besten Tipps, wie du deine Geschäftsfragen an Analytics stellst:

Technologie in Analytics

Ziel → Verbesserung der Benutzererfahrung (und der Anzahl an Conversions).
Frage → Gibt es Hinweise darauf, dass sich die Benutzererfahrung – je nach Gerätetyp oder Browser – stark unterscheidet?
Aktion → Behebung technischer Probleme, die die Benutzererfahrung beeinträchtigen.

Fangen wir mit einem Beispiel an, das sehr häufig auftritt, nämlich mit einer „low-hanging-fruit“ → Technologie.

Cross-Browser-Tests, obwohl sehr wichtig, sind zeitaufwendig und nicht jedes Entwicklerteam stellt bei jedem Live-Push sicher, dass die Website in allen Browsern und auf allen Betriebssystemen perfekt funktioniert. Die Systeme sind einfach zu vielfältig, um jede Kombination von Browser/OS immer zu berücksichtigen. Aber eins ist klar: Wenn deine Website in einem bestimmten Browser defekt ist, wirst du dort keine Conversions erzielen.

Der Ausgangspunkt für diese Daten ist die Verwendung eines Standard-Berichts:

Zielgruppe > Technologie > Browser & Betriebssystem

Screenshot - Google Analytics - Browser-und-Betriebssystem

Im Allgemeinen kannst du schneller und effektiver Erkenntnisse aus deinen Daten ziehen, wenn du die Daten besser visualisierst, als es die tabellarischen Berichte in Google Analytics zulassen.

Bedingte Formatierung in Excel

Wenn du deine Daten in Excel oder zu Google Tabellen exportierst und eine bedingte Formatierung anwendest, wird der Erkenntnisgewinn erheblich erleichtert.

Browser und Version exportiert zu Excel

Export zu Excel

In ähnlicher Weise hilft dir die Vergleichs-Visualisierung in den Google Analytics-Berichten dabei zu erkennen, welcher Trend sich in deinen Daten darstellt (Erklärung unterhalb des Bildes).

 

Screenshot - Google Analytics - Vergleich-Tab

Google Analytics – Darstellung im Vergleich

Im Bild oben sehen wir, dass Internet-Explorer und Firefox in Bezug auf die Conversionrate weit vom Chrome-Browser entfernt sind. In diesem speziellen Fall liegt das an der geringen Trafficmenge und einer neuen Analytics Property :).

Diese Aussage ist aber beispielsweise bei Browsern wie dem Internet Explorer sehr relevant. Wie performen IE 8 und IE 9 auf deiner Seite? Können die Besucher trotz veralteter Browser-Technologien bei dir konvertieren? Die Menge an Traffic von diesen Browsern zur Website ist oft nicht unbedeutend, da Konzerne und Behörden oft nur sehr langsam ihre Rechnerlandschaften aufrüsten.

In diesem speziellen Anwendungsfall führt das Ausführen einiger Cross-Browser-Tests in IE 8 und 9 schnell dazu, dass wir ein technisches Problem finden (und beheben), das den Verkauf behindert.

 

Seitenladegeschwindigkeit in Analytics

Ziel → Verbesserung der Benutzererfahrung (und der Anzahl an Conversions).
Frage → Gibt es Seiten, auf die ich achten sollte, weil sie zu langsam geladen werden?
Aktion → Schnapp dir die IT, um die Ladegeschwindigkeit zu verbessern.

Ein weiteres technisches Problem, das sich stark auf die Benutzererfahrung (und die Conversions) auswirken kann, ist die Ladegeschwindigkeit einzelner Seiten.

Google Analytics verfügt über ausreichend gute Informationen, die dir zeigen, wie lange es dauert bis deine Seiten geladen werden. Mit diesen Berichten erhältst du einen ersten Anhaltspunkt für die Ladezeit-Analyse und kannst priorisieren, welche Seiten bearbeitet werden sollten und wie du die Probleme lösen kannst.

Wenn du den Entscheidern in deinem Unternehmen ein gutes Argument dafür liefern willst, dass die Ladegeschwindigkeit der Seite wirklich Auswirkungen auf die Performance der gesamten Website hat, vergleiche einfach die Absprungrate (Bounce-Sessions vs. Non-Bounce-Sessions).

Es sollte schnell klar sein, dass Benutzer, die auf die Website kommen und wieder abspringen, eine schlechte Benutzererfahrung haben, weil die Seite zu langsam ist. Wegen technischer Probleme oder einfach zu behebender Komprimierungen verliert dein Unternehmen so bares Geld.

Oder vergleiche die Geschwindigkeit beim Laden von Seiten durch Nutzer, die die verschiedenen Phasen deines Conversion-Trichters durchlaufen haben.

Diese Art von Berichten kann man für die verschiedensten Websites durchführen und die Ergebnisse sind alle sehr ähnlich: Du solltest mitnehmen, dass die Geschwindigkeit, mit der die Seite geladen wird, einen erheblichen Einfluss auf den Erfolg deines Geschäfts hat. Jetzt ist es an der Zeit, dies zu verbessern!

Segmentierung in Analytics von Sitzungen mit Interaktionen

Kleiner Tipp: Verwende häufig die Segmentierungsfunktion in deinem Analyse-Tool. Im obigen Beispiel vergleichen wir Sitzungen, in denen der Benutzer nicht mit der Website interagiert hat, mit Sitzungen, in denen eine Interaktion stattgefunden hat. Die Daten präsentieren ein valides Argument dafür, dass die Ladegeschwindigkeit der Seiten eine starke Auswirkung darauf hat, ob Benutzer kaufen oder abspringen.

Es gibt eine Reihe unterschiedlicher Faktoren, die das Laden einer Seite beeinflussen können, z. B. Gerätetyp, Browsertyp und Standort des Benutzers im Verhältnis zum Webserver. Wenn du Segmentierungen auf deine Website-Geschwindigkeitsdaten anwendest, kannst du sowohl die richtigen Seiten identifizieren, an denen du arbeiten solltest, als auch verstehen, in welchem Kontext deine Änderungen stehen sollten: Im Bild unten sehen wir z.B. Ladezeiten für verschiedene Regionen. Optimiere nur die Ladezeiten für die Regionen, die deine Zielgruppe darstellen. Wenn deine Seiten-Ladezeit in Indien sehr lang ist, weil du dort keinen Server hast, Indien aber nicht zu deiner Zielgruppe gehört, ist dies für dich nicht relevant und du solltest die Region herausfiltern.

Eine Kern-Funktion von Webanalyse-Tools wie Google Analytics besteht in der Berichterstattung über die Auswirkungen von Änderungen, die du an deiner Website vornimmst. Unser aktueller Anwendungsfall ist die Seiten-Ladegeschwindigkeit, dies kann aber auf jeden Bereich der Optimierung angewendet werden.

Du möchtest wissen, was funktioniert, was nicht funktioniert und wie sich deine Optimierungen im Laufe der Zeit auswirken. Ich unserem aktuellen Kontext (Seitenladezeit verbessern) stelle ich dir eines meiner Lieblingswerkzeuge in Google Analytics vor → Bewegungsdiagramme (Motion Charts).

Bewegungsdiagramme sind eine gute Möglichkeit, Anomalien in deinen Daten zu erkennen und zu sehen, wie sich deine Datenpunkte im Laufe der Zeit ändern.

Im obigen Beispiel siehst du die Optimierungsbemühungen im Bezug auf die Seitenladezeiten pro Seite. (Es ist einfach ein gestapeltes Liniendiagramm, in dem du eine einzelne Seite isolieren und allgemeine Trends über viele Seiten hinweg sehen kannst.)

Tageszeit / Wochentag in Analytics

Ziel → Den größten Einfluss der Marketing-Bemühungen erkennen.
Frage(n) → Gibt es optimale Zeiten für den Versand deines E-Mail-Newsletters? Zu welchen Tageszeiten solltest du den CPC bei der bezahlten Suche verbessern? Gibt es „beste Zeiten“ um Posts in sozialen Medien zu veröffentlichen?
Aktion → Liefere deine Marketing-Nachrichten zum idealen Zeitpunkt aus.

Mit Google Analytics kannst du ermitteln, wie deine Website zu unterschiedlichen Tageszeiten und an verschiedenen Wochentagen funktioniert. Um auf diese Daten zugreifen zu können, musst du einen benutzerdefinierten Bericht erstellen und deine Daten in Excel exportieren.

Hier kannst du eine Kopie dieses Berichts herunterladen.

Wenn du den Bericht selbst erstellen möchtest, erstelle zuerst einen benutzerdefinierten Bericht und wähle „Tabellenliste“. Deine Dimensionen sind „Name des Wochentags“ (Day of Week Name) und „Stunde“ (Hour).

Füge nun Messwerte wie Sitzungen, Seitenaufrufe und Conversion-Rate (für eigene Ziele oder E-Commerce) hinzu.

Screenshot - Google Analytics - Benutzerdefinierter Bericht - Wochentag/Tageszeit

Um alle Zeilen des Berichts herunterzuladen, musst du „Zeilen anzeigen“ am unteren Ende der Tabelle anklicken und die Anzahl entsprechend deiner Einträge auswählen. Danach kannst du die Tabelle für Excel exportieren.

Sobald du deine Daten in Excel hast, solltest du eine Pivot-Tabelle erstellen. Übernimm die bedingte Formatierung und voilà! Du erhältst eine beeindruckende Heatmap deiner Google Analytics-Daten.

Spezial-Tipp: Füge „Kanal“ oder „Quelle/Medium“ zu deinen Dimensionen in der Tabellenliste hinzu, um dein Traffic-Volumen und deine Conversion-Rate nach Traffic-Quelle zu segmentieren.

Conversiontrichter (Conversion-Funnel) in Analytics verstehen

Ziel → Erhöhe die Anzahl an Conversions.
Frage → Wo fallen die Benutzer aus meinem Trichter?
Aktionen → Verbessere den Conversion-Trichter-Flow und das „intelligente“ Remarketing, um zum richtigen Zeitpunkt die richtige Nachricht an den potenziellen Kunden zu senden.

Ein wichtiger Bereich, in dem du nach Informationen suchen solltest, ist dein Conversion-Trichter. Der Conversion-Trichter oder Conversion-Funnel beschreibt eine Reihe von Schritten, die der Benutzer durchlaufen muss, um eine gewünschte Aktion auf deiner Website abzuschließen.

Für eine B2B-Leadgenerierungs-Seite ist es manchmal nur die Landingpage und das darauffolgende Kontaktformular. Bei E-Commerce-Websites ist es in der Regel der komplette Kaufvorgang (Besuch Kategorieseite, Produkt angeschaut, Produkt in den Warenkorb gelegt, eventuell die Warenkorbseite besucht, Schritte des Checkouts).

Obwohl dieser Artikel nicht so sehr auf die Einrichtung deines Google Analytics-Kontos ausgerichtet ist, sondern vielmehr darauf, Erkenntnisse in der Webanalyse zu gewinnen, möchte ich darauf hinweisen, dass du nicht viele Erkenntnisse gewinnen wirst, wenn du keine nützlichen Daten sammelst. Lies dir also dringend unseren Artikel Google Analytics einrichten durch und sorge dafür, dass deine Webanalyse die richtigen und wichtigen Daten misst, die du benötigst.

Conversion-Trichter nach Dimensionen segmentieren

In Bezug auf die Conversion-Analyse bedeutet dies, dass deine Zielvorhaben und dein Conversion-Trichter richtig konfiguriert sein müssen.

Indem du in deinem Analysetool für jede Phase des Trichters Ziele/Messwerte festlegst, kannst du deinen  Trichter problemlos nach beliebigen Dimensionen segmentieren. Diese Art der Darstellung wurde von John Henson mit dem Begriff „horizontale Trichter“ geprägt. Die Idee besteht darin, im Trichter nach Verlustpunkten zu suchen. Auf diese Bereiche musst du dich bei deiner Optimierung konzentrieren.

Peter O’Neill hat vor einiger Zeit einen Beitrag geschrieben, in dem er erläutert, wie die Konfiguration berechneter Metriken dazu beiträgt Einblicke zu gewinnen, die dir zeigen, wo du etwas unternehmen kannst. In der Zusammenfassung:

„Zu wissen, dass deine Conversion-Rate für das Segment X gegenüber dem Segment Y niedriger ist, ist nicht besonders wertvoll. Aber zu wissen, dass sich zwei Dimensionswerte, mit Ausnahme einer Stufe im Trichter, genau gleich verhalten, hilft dir genau an dieser Stelle Maßnahmen zu ergreifen.“

Was an der Analyse horizontaler Trichter besonders hilfreich ist, ist die Tatsache, dass du in der Lage bist, deinen Trichter mit benutzerdefinierten Berichten nach einer beliebigen Anzahl nützlicher Dimensionen zu segmentieren.
Im Beispiel oben segmentieren wir den Trichter nach Kanal.

Dein Bericht kann jedoch auch so konfiguriert werden, dass er z.B. Folgendes analysiert:

  • Landingpage-Typ
  • A/B-Test-Variante
  • Neue Besucher im Vergleich zu wiederkehrenden Besuchern
  • Geografische Lage
  • Gerätetyp
  • Browsertyp

Ein weiterer Ansatz zum Ermitteln von Erkenntnissen bezüglich deines Conversion-Trichters besteht darin, Segmente für Nutzer zu erstellen, die sich während des Prozesses anders verhalten haben. Einige E-Commerce-Beispiele sind:

  • Hat ein Produkt angesehen, aber kein Produkt in den Warenkorb gelegt.
  • Hat ein Produkt zum Warenkorb hinzugefügt, aber den Checkout nicht gestartet.
  • Ist in den Checkout eingestiegen, hat aber nicht gekauft.

Die Logik zum Erstellen dieser Segmente ist ziemlich einfach.

Sobald du dein Segment erstellt hast, fährst du mit der Suche fort (ja, noch mehr Segmentierung). Aus welchen Quellen stammen diese Nutzer? Auf welche Landingpages sind sie gekommen? Welche Produkte haben sie angesehen? Aus welchen Regionen kamen die Besucher (geografischen Standorte)?

Segmentierung und Remarketing

Eine besonders leistungsstarke Funktion von Google Analytics ist die Möglichkeit, ein Vielzahl von Segmenten zu verwenden und sie direkt einer AdWords Remarketing-Liste hinzuzufügen (die sowohl für Display-Kampagnen als auch für Remarketing-Listen der Google Suche verwendet werden kann).

Wenn du also deinen Traffic segmentierst (und Kleinst-Segmente bildest), kannst du intelligente Zielgruppen-Listen erstellen, damit du deinen potenziellen Kunden die richtige Nachricht zur richtigen Zeit ausliefern kannst.

Anstatt also das Internet mit Display-Anzeigen an alle Besucher deiner Website zuzuspammen, kannst du den Nutzern relevante Nachrichten anzeigen, die sich auf die jeweilige Customer Journey beziehen. (Und du stellst sicher, dass du deine geworbenen Kunden nicht verprellst, indem du ihnen sinnlose Anzeigen zeigst.)

Die Conversion-Funnel-Analyse II

Die Conversion-Funnel-Analyse eignet sich hervorragend um Abschnitte des Trichters zu identifizieren, die repariert werden müssen (entweder technisch / oder bezüglich der Besucher-Motivation).

Beachte im Bild unten, wie Benutzer von der „Bestellbestätigungsseite“ (sie haben bereits ihre Kreditkartennummer eingegeben!) zurück zur Rechnungsseite springen. Anscheinend sind die Besucher verunsichert oder werden auf der Bestellbestätigungsseite zu stark aufgefordert, Eingaben aus dem Checkout-Prozess zu korrigieren.

Es ist erwähnenswert, dass quantitative Analyse-Tools (wie Google Analytics oder Adobe Analytics) nur in der Lage sind, das Nutzerverhalten zu modellieren (also dir zu zeigen was deine Besucher tun). Sie können dir nicht sagen, warum sich deine Benutzer auf eine bestimmten Weise verhalten.

Dafür benötigst du qualitative Werkzeuge wie Website-Reviews, Umfragen oder Sitzungsaufzeichnungen. Webanalyse-Tools helfen dir also vor allem die richtigen Fragen für deine qualitativen Tools und Tests zu ermitteln. So kannst du gezielt die Seiten anschauen, die offensichtlich schlechter performen als erwartet oder dort einen Website-Review oder eine Umfrage / Session-Analyse durchführen.

Eine Ausnahme dieser Regel in Bezug auf Analysetools besteht in der Ermittlung von konkreten Fehlern. Wenn du auf deiner Website nach Fehlermeldungen suchst, bekommst du hilfreiche Hinweise darauf, warum Nutzer aus deinem Trichter fallen.

Zusammenfassung

Digitale Medien und Digitale Analyse ermöglichen es uns, das Nutzerverhalten auf bisher unerreichte Weise zu messen. Die Auswirkungen deiner Marketing-Bemühungen, UX-Entscheidungen, Landingpages und A/B-Testvariationen können mit großer Genauigkeit gemessen werden.

Um Erkenntnisse in deinen Analysedaten zu finden, musst du deine Daten letztendlich segmentieren. Denn sonst gilt Avinash Kaushiks Zitat: „Daten in Summe sind Mist„.

Um dir eine Orientierung zu geben, wo du anfangen solltest, folgende Empfehlung:

  • Geräte- und Browsertyp
  • Seitenladegeschwindigkeit
  • Die richtige Tageszeit für den richtigen Kanal
  • Conversion-Trichter

Beim Ritt durch diese verschiedenen Bereiche habe ich einige Techniken für die Erkenntnis-Suche mit dir geteilt. Diese sind vor allem:

1. Datenvisualisierung

  • Daten in eine (Excel-)Tabelle exportieren und bedingte Formatierung anwenden
  • Verwenden der Vergleichs-Schaltflächen in deinem Analysetool
  • Verwenden von Bewegungsdiagrammen (für Google Analytics)

2. Nutze die vorhandenen Ad-hoc-Segmentierungsfunktionen deines Analytics-Tools.

  • Bounce- vs. Non-Bounce-Sessions
  • Benutzer, die auf deiner Website einzelne Aktionen ausführen
  • Nutzer, die den Conversion-Trichter verlassen

Mit Analytics kannst du den Erfolg (oder Misserfolg) messen und du hast auch eine Fülle an Informationen für zukünftige Richtungsentscheidungen deines Geschäfts.

Das solltest du mitnehmen:

  • Wenn du nach Erkenntnissen suchst, beginne mit einigen Kernzielen (KPIs) und einer Liste von Geschäftsfragen. Erwarte keine Einblicke, die sich dir von alleine präsentieren.
  • Exportiere dein Google Analytics-Daten zu Excel. Du kannst dort einfach und schnell Heatmaps erstellen und deine Daten anderweitig visualisieren, um Erkenntnisse abzuleiten, die du in einem tabellarischen Bericht möglicherweise übersehen hättest.
  • Conversion-Trichter sind sehr wertvoll. Du wirst in der Lage sein, Verhaltensänderungen zu erkennen, wenn sich Besucher durch die Trichter bewegen. Du siehst dadurch genau, worauf du dich bei deinen Optimierungsbemühungen konzentrieren solltest.

Zum nächsten Artikel der Conversion-Grundlagen Serie:

About the Author:

Upliftr-Gründer Valentin Espagné hat bereits einen ganzen Weihnachtsmann-Sack mit Landingpages, A/B-Tests und Conversion Optimierungs-Projekten gesehen und betreut. Er ist überzeugt, dass Conversion Marketing Wissen kein Monopol-Wissen bleiben sollte. Wer es dann immer noch falsch macht, der muss eben dafür bezahlen, dass es jemand für ihn erledigt. Als Speaker trifft man ihn auf Online-Marketing-Veranstaltungen auf seiner Mission, die digitale Welt ein Stückchen besser zu machen. Du solltest Valentin auf Twitter folgen. » Mehr Blog-Artikel von Valentin Espagné