Die Körpersprache kann Bände über die Befindlichkeit des Gegenübers sprechen. Sie kennen das: Sie sitzen da und plötzlich erhellt sich das Gesicht des Gegenübers und seine Daumen zeigen nach oben und Sie wissen irgendwas ist in dem Menschen vorgegangen und die Stimmung ist positiv und bejahend.
Eine ähnliche Rolle wie im echten Leben die Körpersprache der Menschen können auf einer Website die Daten von Clicktale spielen, welche einem helfen die “digitale Köpersprache” der Website Besucher zu verstehen um Conversion-Optimierung zu betreiben.
Um das zu erläutern folgendes Fallbeispiels der Firma SC-Networks aus Starnberg. Das Unternehmen entwickelt und vertreibt die Premium eMail Marketing Lösung Evalanche, welche europaweit von über 1500 Kunden eingesetzt wird – darunter Unternehmen wie RedBull oder BMW. Das Ziel dieser Optimierung war es die Conversion-Rate auf der Formularseite zu erhöhen. Spannender Case welchen wir wie folgt angingen:
Clicktale bereitet die Daten in verschiedenen Darstellungsformen auf. Wichtig ist es diese „digitale Körpersprache“ zu interpretieren um die „Geschichte“ über das Nutzungs-Erlebnis der Website-Besucher zu verstehen und daraus Hypothesen zur Optimierung abzuleiten:
Die Formularanalyse von Clicktale zeigte ein klares Bild auf:
Der Grossteil der Besucher welche das Formular auszufüllen begannen, brachen dieses während des Ausfüllens ab. Zudem zögerten die Besucher welche nicht abbrachen gewisse, eigentlich unkritische Angaben zu tätigen.
Die Besucher hatten erfragte Informationen nicht sofort verfügbar oder waren schlicht überfordert mit der Menge an Fragen die gestellt wurden
Durch das Formulartracking konnten die entscheidenden Hinweise gewonnen werden um das Formular zielgerichtet zu optimieren.
Spannend auch die Analyse des Klickverhaltens auf der Formularseite, die hellen Punkte zeigen die Klicks auf der Seite.
Die Formularseite verfügte über zu viele klickbare Elemente. Beachten Sie insbesondere die Elemente im linken Bereich (rote Markierung) welche 40% der klickenden Besucher auf weitere Seiten führten.
Es war wie in einem Raum mit 20 Türen: Ablenkung vom Ziel und Zerstreuung durch zu viele Optionen
Die Ablenkung und “Verführung” zu weiteren Klicks ist hier insbesondere auch deshalb kritisch weil die Besucher auf dem Weg zur Conversion (die Anfrage) erneut diese Seite besuchen müssen und dabei „lernen“ diese Elemente im linken Bereich zu klicken statt das Formular zu nutzen.
Bei Seiten wie der Formularseiten welche zu Handlungen führen sollen, muss ein besonderes Augenmerk auf die Sichtbarkeit bestimmter Elemente gelegt werden.
Die Scroll-Reach Heatmap zeigt auf welche Bereiche der Seite die Besucher oft (rot) oder selten (blau) zu Gesicht bekommen. Nur wenige Besucher scrollten hier bis zum Ende des Formulars und der Handlungsaufforderung
Die Besucher sahen das Licht am Ende des Tunnels nicht
Das Formular soll überschaubar sein und inklusive der Handlungsaufforderung möglichst im sofort sichtbaren Bereich platziert werden (oberhalb des Folds).
Die Hypothesen aus der Analyse wurden zusammengefasst und in einer neuen Formularseite umgesetzt…
… und deren Erfolg durch einen A/B-Test überprüft:
Die neue Formularseite generierte 54% mehr Anfragen
Website-Besucher verhalten sich je nach Kontext ganz unterschiedlich und solche Resultate lassen sich nicht ohne weiteres erzielen oder die Erkenntnisse direkt in mehr Conversions ummünzen indem diese auf anderen Websites übertragen werden.
Erfahrungswerte die sich in Optimierungs-Projekten x-Mal bewährten können auf einer anderen Website plötzlich wertlos sein. Daher empfiehlt es sich bei der Conversion-Optimierung immer auf einen Methoden-Mix zu setzen – wobei Tools wie Clicktale sehr nützlich bei der Hypothesenbildung und Überwachung von Websites sein können.
Und dieser Methoden-Mix soll wenn immer möglich A/B-Tests enthalten um die Erkenntnisse und Hypothesen zu belegen. Mit dem Ziel das Maximum aus den Optimierungs-Massnahmen zu hohlen.
Die gesamte Fallstudie mit detaillierter Vorgehensweise kann frei auf unsere Website heruntergeladen werden.
FashionFriends ist DER Online-Shopping Club in der Schweiz und somit eines der grössten und spannendsten eCommerce Projekte bei welchem Tracking natürlich eine ganz besonders wichtige Rolle spielt. Bei einem Besuch in Langenthal konnte ich ein Gespräch zum Thema Webanalyse mit Matthias Schreier dem CMO von FashionFriends führen…
” … alle reden vom Potential der Webanalyse aber wenn man da konkret nachfragt dann merkt man schnell, dass es zwei unterschiedliche paar Schuhe sind sich ein Tool anzuschaffen und Erkenntnisse aus den Daten auch tatsächlich umzusetzen … ” Matthias Schreier CMO FashionFriends
Matthias: “Wir haben Anfangs 2012 die Shop-Tracking Lösung von Econda eingeführt und parallel dazu Google Analytics weiter laufen gelassen. Jedoch konnte sich Econda bei uns nicht wirklich durchsetzten und wir nutzen es hauptsächlich für das Tracking der Newsletter. Weil viele Leute im Marketing Team eher Google Analytics nutzten obwohl wir für Econda bezahlten, haben wir uns letztlich gegen eine weitere Nutzung von Econda entschieden. Zudem setzen wir vermehrt auf massgeschneiderte Tools welche uns unsere IT zur Verfügung stellt.”
Zwischenfrage: “War diese Investition in den Econda Shop Monitor rückblickend ein Fehler?”
Matthias: “Nein das würde ich so nicht sagen. Durch das Auseinandersetzen mit unseren Anforderungen haben wir viel gelernt und daher hat sich die fünfstellige Investition die wir in Econda tätigten durchaus bezahlt gemacht. Wir konnten uns in der Zeit weiterentwickeln was das Thema Tracking betrifft und das war letztlich unser Ziel. Die in dem Kontext war nie was es uns kostet sondern was es uns bringt.”
Matthias: “Unser Business funktioniert im Gegensatz zu „normalen“ Web-Shops ganz anders. Wir bieten Schnäppchenjägern für eine kurze Zeit hochwertige Waren zu sehr günstigen Preisen an. Das heisst wir müssen schnell Daten bekommen mit denen wir kurzfristige Entscheidungen treffen können. So spielen bei uns beispielsweise Real-Time Daten eine wichtige Rolle um Kampagnen zu steuern.
Eine weiter Herausforderung ist die Verknüpfung der verschiedenen Datenquellen welche wir haben und die Aufbereitung dieser Daten in verständlicher Form.”
Matthias: “Unsere IT wertet die serverseitigen Daten des Shopping-Clubs mit massgeschneiderten Lösungen aus. Die Situation ist ja bei uns insofern anders als bei herkömmlichen Shops, als das wir quasi ein geschlossenes System haben weil unsere Besucher alle eingeloggt sind. Das eröffnet unserer IT viele Möglichkeiten uns Daten über den Shop zu liefern.
Wir haben die 10 wichtigsten KPI’s für unser Geschäft herauskristallisiert und unsere IT liefert uns regelmässig eine so genannte Fundamentalanalyse basierend auf unserem Datenmeer. Des Weiteren führt unser Online-Marketing Team je nach Aufgabenstellung adhoc Analysen der Webanalyse Daten durch.”
Matthias: “Das ist eine gute Frage (schmunzelt) alle reden vom Potential der Webanalyse aber wenn man da konkret nachfragt dann merkt man schnell, dass es zwei unterschiedliche paar Schuhe sind sich ein Tool anzuschaffen und Erkenntnisse aus den Daten auch tatsächlich umzusetzen. Das ist immer auch ein Lern-Prozess und ein Abwägen. Ich war kürzlich an der CMO-Konferenz (Anmerkung: Treffen der „A-C-Level“ Marketingleiter) und wenn man da so die Kollegen fragt, erfährt man immer wieder dasselbe: Es werden zum Teil sehr teure Tools gekauft aber selten daraus Erkenntnisse gewonnen welche dann auch in den Prozessen umgesetzt werden. Da liegt sicherlich noch viel Potential.
Ein ganz anderes Bild habe ich beim Shopping Club KupiVIP in Russland bekommen als ich den besuchte. Der dortige CEO, Oskar Hartmann, setzt ein 10 köpfiges Web-Controlling Team ein und die werten mit diversen Tools alles Mögliche aus; was ich sehr beeindruckend fand. Wobei es sich fragt wie die ganzen Erkenntnisse umgesetzt werden können, die IT muss dabei ja auch immer nachrücken. Letztlich ist es immer auch einer Ressourcen Frage; sowohl bei der Analyse der Daten wie auch bei der Umsetzung. Zudem braucht es auch recht viel Abstimmungsaufwand zwischen den einzelnen Teams.
Wenn diese Aufgaben jedoch gelingen ist es eine tolle Sache. Es ist wie die grosse Maschine auf einem Dampfer. Die mag zwar gut laufen aber wenn jemand diese überwacht und wartet kann noch mehr Leistung aus der Maschine geholt werden und es wird frühzeitig erkannt wenn etwas schief läuft und dann kann der Kaptain eingreifen und die Mannschaft Gegensteuer geben.”
“Matthias vielen Dank für das nette Gespräch!”
Über: FashionFriends ist Dein persönlicher Online Shop, der Dir ein in der Schweiz einzigartiges Online Shopping Erlebnis zu unschlagbaren Preisen bietet. Bei uns findest Du jeden Tag neue Verkaufsaktionen mit bis zu 70% Rabatt aus den Bereichen Mode, Beauty, Spielwaren und Lifestyle.
Vielleicht haben sich auch schon gefragt wie Sie sich die Suchanfragen von Google Adwords in Google Analytics genau so anzeigen lassen können, wie diese in der Suchmaschine eingegeben wurden. In der Standard Einstellung verschlingt Google Analytics ein Teil der Information – doch wie so oft bei Google Analytics gibt’s auch dafür einen Trick.
Es gibt gute Gründe sich die exakten Keywords aus Adwords in Google Analytics sichtbar zu machen und diese Information auch zu nutzen. Nicht nur Neugierde sondern sondern wie Sie sehen werden auch aus wirtschaftlichen Gründen und darüber hinaus um das eigene Online-Marketing Nutzerfreundlicher zu gestalten macht diese einfache Anpassung Ihres Google Analytics Profils Sinn. Wie auch schon im Artikel Dimensionen in Google Analytics kombinieren beschrieben, ist bei der Verwendung von Filtern Vorsicht geboten, d.h. immer ein Backup Profil erstellen und die Anleitung Schritt für Schritt befolgen um sicher zu gehen, dass keine Daten verloren gehen.
Die Sache mit den Keywords ist die, dass je nachdem welche der Keyword-Optionen in Adwords gewählt wurde, eben nur das gebuchte Keyword oder die entsprechende Option angezeigt wird. Besonders bei weitgehend passenden Keywords aber auch bei modifizierten Keywords und bei passenden Wortgruppen, können die tatsächlichen Eingaben in der Suchmaschine erheblich vom gekauften Keyword abweichen. Ein einfaches Beispiel:
Keyword Mögliche Suchanfragen bei Google
Diese Eingaben sind wenn Sie Tennis Schuhe verkaufen wollen unterschiedlich relevant, oder? Klar das hängt wie Sie die Einstellung in Adwords tätigen (oder das am besten von Fachpersonen machen lassen) aber für die Optimierung und die Erfolgskontrolle der Adwords braucht es die Anpassung in Google Analytics aus folgenden Gründen:
Somit ist der Sinn der Anpassung glaube ich erstmal klar dargestellt. Doch wie gehen wir vor um das umzusetzten?
Falls Sie noch kein Backup-Profil in Ihrer Property haben, können Sie das zuerst noch erledigen. Das Backup Profil enthält immer alle ungefilterten Daten und dient als letzte Sicherheit weil gewisse Änderungen nicht mehr rückgängig gemacht werden können und man im Fall der Fälle dankbar sein wird ein Backup zu haben.
Um jetzt einen neuen Filter zu testen (bevor dieser im Standard-Profil Anwendung findet!) erstellen Sie ein weiteres neues Profil, indem Sie nach dem einloggen in Google Analytics oben rechts auf Verwaltung gehen, die passende eine Property wählen und dort auf bei „+neues Profil“ klicken.
In diesem neuen Profil erstellen Sie nun bei “Filter” den ersten Filter wie folgt:
Diese RegExp Eingaben (fett) kommen in die Felder rein und Sie können diese hier mit Copy&Paste übernehmen:
Feld A -> A extrahieren (\?|&)(q|p|query|kw|searchfor|wd)=([^&]*)
Feld B -> B extrahieren (cpc|ppc)
Ausgabe in -> Konstruktor $A3
Die Eingaben (fett) für Copy&Paste:
Feld A -> A extrahieren (.*)
Feld B -> B extrahieren (.*)
Ausgabe in -> Konstruktor $B1 ($A1)
Jetzt noch beim Reiter „Filter“ überprüfen ob die beiden Filter in der richtigen Reihenfolge sind (1 vor 2) und voila und schon ist das erledigt. Um das zu überprüfen, können Sie nach ein paar Stunden oder einem Tag die Keywords des neuen Profils mit dem “alten” Profil vergleichen.
Das ist meiner Ansicht nach die einfachste und sicherste Lösung um sich Keyword Kombinationen aus Adwords anzeigen zu lassen, weitere Optionen werden in diesem Artikel auf Englisch diskutiert.
Ich hoffe das hilft dem einen oder anderen ein wenig weiter und falls Sie weitere Fragen haben, hilft unser Google Analytics Support Ihnen gerne weiter oder wenn Sie sich das Wissen rund um Google Analytics selber aneignen möchten empfehlen ich Ihnen sich für den Google Analytics Kurs einzuschreiben.
Viel Spass beim analysieren weiterhin!
Update: In der neuen Google Analytics Version kann man das via “passende Suchanfragen” analysieren und zwar ohne die Filter. Einfach zum Report “Besucherquellen” -> “Quellen” -> “Suche” -> “Bezahlt” navigieren und dort die primäre Dimension “passende Suchanfrage” wählen. Um sowohl das gebuchte wie auch die passende Suchanfrage zu sehen, können Sie zusätzlich die sekundäre Dimension “Keyword” hinzufügen; beziehungsweise bei “Werbung” -> “Adwords” -> “passende Suchanfragen” die die sekundäre Dimension “Keyword” wählen.
Können Sie sich vorstellen wie es sich anfühlt wenn Sie Ihre Conversion-Rate verdoppeln? Tolles Gefühl nicht? Doch Ist eine Conversion-Rate (CR) von 3% gut oder schlecht? Wird oft gefragt und diskutiert.
Kommt ganz darauf an. Mal ganz Abstrakt betrachtet kann man sagen, dass ein „Wirkungsgrad“ einer Website von rund 3% nicht gerade umwerfend ist und bestimmt noch Potential nach oben hat. Die Frage ist jedoch, ob und wie sich das auf den Gewinn auswirkt, wenn eine Website nur mit 3% konvertiert – doch darauf komme ich später noch zurück.
Was beinhaltete eigentlich dieser Wert von 3%? Nehmen wir einfachheitshalber eine Landingpage (Zielseite einer Website) für ein einzelnes Produkt. Diese Landingpage wird beworben durch verschiedenen Kanäle und Kampagnen welche Traffic auf die Seite bringen und mehr oder weniger zum Erfolg beitragen; und daraus resultiert letztlich eine bestimmte Conversion-Rate für die ganze Seite. Die resultierende Conversion-Rate (CR) ist also ein Aggregat von verschiedenen Sub-Conversion-Rates wenn Sie so wollen.
Und solche Durchschnittswerte wie die Conversion-Rate sind eigentlich nie normalverteilt, dass heisst da mag es ganz unterschiedliche Anteile geben von hohen und tiefen Conversion-Rate pro Kanal. Letztens hat mir ein Kunde gesagt:
“Ich kann doch die Zahlen nicht beurteilen ohne einen Benchmark!? Wie soll ich wissen ob meine Conversion-Rate gut oder schlecht ist ohne einen Vergleich?”
Klar, messen heisst vergleichen und wenn man durch Benchmarks erfährt, dass es in der Branchen Top-Websites mit einer durchschnittlichen Conversion-Rate von 15% gibt, dann wissen Sie: Es gibt bestimmt noch Potential nach oben. Jetzt und für einen groben Vergleich ist es sicherlich ok einen Benchmark zu verwenden – falls vorhanden. Die Frage ist: Lässt sich denn eine Conversion-Rate durch einen externen Vergleich über einen Benchmark wirklich besser beurteilen um daraus konkrete Entscheidungen abzuleiten?
Der Benchmark ist natürlich viel stärker aggregiert als die CR einer einzelnen Seite. Und wie Bild oben zeigt nimmt die Glättung mit zunehmendem Aggregationsgrad zu. Das heisst auch, dass die Tendenz zur Normalverteilung zunimmt. Die Unterschiede zwischen kleinster und höchster Conversion-Rate innerhalb dieser Verteilungen sind aber sehr gross: Es gibt Spitzenreiter mit super Conversion-Rates und am anderen Ende sind die eher mässigen und saumässigen Conversion-Rates.
Das heisst wenn ich den Benchmark zu Rate ziehe kann es gut sein, dass meine Haupt-Mitbewerber eine viel höhere Converision-Rate haben als mir der Benchmark suggeriert und je nach Kosten/Ertragssituation vielleicht auch ein entsprechend höheres Effizienzlevel. Und genau da liegt das Problem wie Sie gleich sehen werden.
Sie können die Kennzahl in einen Kontext setzten indem Sie interne Benchmarks verwenden. Eine gute Segmentierung und Analyse der Webanalyse-Daten kann mehr Aufschluss bringen als ein Vergleich mit einem einzigen Durchschnittswert der Branche.
Beispielsweise indem ich analysiere welche der Conversion-Rates pro Produkt, Keywords etc. relativ zum Website-Durchschnitt eine besonders starke Abweichung haben.
Aber dann auch, indem ich die Entwicklung der Conversion-Rate über einen längeren Zeitraum beobachte. Vorausgesetzt mit den Produkten werden Deckungsbeiträge erwirtschaftete, kann die Steigerung der Conversion-Rate (z.B +30%) als Kennzahl für die Beurteilung der Effizienzsteigerung der Website hinzugezogen werden (als alleinige Kennzahl natürlich nur ceteris paribus).
Fragt der Kunde:
“Also bisher haben wir immer geschaut wie sich die Conversion-Rate vorher/nachher veränder hat. Also ich schaue mir den Januar an und vergleiche mit dem Februar. Oder so.”
Das geht schon – sagt aber nichts über eine einzelne Optimierungs-Massnahme aus sondern vielmehr über sämtlich Massnahmen inklusive der aufsummierten äusseren Einflussfaktoren wie Marktentwicklung, Konjunktur, nachlaufende Wirkung von Werbung … welche zu unterschiedlichen Zeitpunkten verschieden stark wirken mögen.
„Um äusserer Einflüsse auszuschliessen müssen Sie immer mit A/B-Tests arbeiten. Alles andere wird früher oder später in einer Sackgasse enden“
…antwortete ich ihm und das hat der gute Mann natürlich auch eingesehen und wir überlegten uns gleichmal gemeinsam was wir als erstes angehen sollten.
Optimiert wurde dann mithilfe von A/B-Test. Sie kennen das, dabei werden den Website-Besuchern während eines bestimmten Zeitraums verschiedene Variationen der Website eingeblendet um unabhängig von Einflussfaktoren wie…
…deren Einfluss auf die Conversion-Rate und den Erfolg zu bestimmen. Erst durch das zeitgleiche Testen von Variationen lassen sich diese und andere Einflussfaktoren ausschliessen um mit Sicherheit vorhersagen zu können, welche Änderungen an der Website zu mehr Conversions führen.
Wenn man trotz einer tiefen Conversion-Rate Gewinne schreibt ist doch alles im Butter, oder nicht? Nicht ganz denn durch eine höhere CR setzten Sie sich als Unternehmen am Markt nicht nur stärker durch, sondern Sie gewinnen immer auch an Sicherheit und Freiraum. Letztens hat mir ein Marketingleiter gesagt:
“Wenn ich meine Conversion-Rate um 25% steigere, dann habe ich defacto 25% mehr Budget zur Verfügung welches ich wiederum erfolgsbringend einsetzten kann.”
So betrachtet spielen auch die Kosten für die Optimierung fast keine Rolle. Und je höhere Ihre CR desto mehr Spielraum haben Sie in anderen unternehmerischen Entscheidungen. Klar, dabei muss der Gewinn im Auge behalten werden, damit die Rechnung am Ende des Tages aufgeht. Doch darauf kommen wir beim nächsten Mal zurück – inklusive Beispiele : – )
Last but not Least: Es geht um Ihre Kunden und es geht auch um die Nachhaltigkeit. Wenn nur 3% Ihrer Besucher konvertieren, dann ist es erst mal angesagt das zu verbessern bevor weiter Traffic gekauft wird, einfach schon der Menschen wegen welche auf die Website geschleust werden. Die werden es Ihnen danken und das wirkt sich nachhaltig positiv auf Ihr Geschäft aus – garantiert. Mehr zum Thema Conversion-Optimierung auf unserer Website.
Die üblichen Trainings für Google Analytics sind auf 12-16 Stunde Frontalunterricht ausgerichtet, 2 Tage, in denen die volle Konzentration abverlangt wird und eine Informationsflut herrscht, welche einen manchmal überfordern mag.
Vielleicht kennen Sie das: Sobald so eine Schulung Kurs rum ist treten genau die Fragen auf welche Ihnen im Kurs beim besten Willen nicht in den Sinn kamen. Oder Sie versuchen das gelernte nachzuvollziehen, und denken sich: „Jetzt bräuchte ich Hilfe, wie geht dies oder das schon wieder?“ Als neues Kurskonzept hat Valuestream deshalb einen Google Analytics Kurs entworfen, der gehirngerechtes Lernen im eLearning Modus mit umfassender persönlichen Betreuung vereint.
Hier können Sie das Video zum Google Analytics Kurs in HD-Qualität anschauen oder einen kostenlosen Testzugang verlangen.
Audiovisuelle Reize und viele Beispiele verankern Informationen leichter im Kopf – vor allem wenn diese in gehirngerechten Einheiten über einen längeren Zeitraum zu Gemüte geführt werden. Dazwischen bleibt Zeit zur Anwendung und nach jedem kleinen Erfolgserlebnis wächst Ihre Selbstsicherheit und Ihr Vertauen.
Deswegen ist der Kurs zu Google Analytics auch als Online-Seminar angelegt, mit zahlreichen Videos, die die einzelnen Schritte erläutern. Dazu kommen Kursunterlagen mit weiteren Beispielen und Tricks und Aufgaben mit den Sie das das Wissen vertiefen und Stück für Stück anwenden können.
Während der Kursdauer steht Ihnen Ihr Trainer zur dann zur Verfügung wenn Sie ihn brauchen und unterstützt Sie gezieht und individuell beim erreichen Ihrer Ziele. Hilfreich, wenn sich beim Bearbeiten eine Frage eröffnet, denn der Dialog über Problemstellungen ist auch etwas, das das Lernen effizienter macht.
Das Coaching steht Ihnen während der ganzen 6 Monaten zur Verfügung und der Support hilft Ihnen auch bei Einbau, Anpassung und Konfiguration von Google Analytics und bei Anwendungsfragen.
Der Kurs mit allen Materialien steht nach dem ersten Login für ganze 6 Monate zur Verfügung. Die Bearbeitung eines Moduls ist für ungefähr 2-4 Wochen ausgelegt, es können allerdings Pausen wie Urlaub, Krankheit oder erhöhter Arbeitsaufwand dazwischen kommen – das Training verfällt nicht. Wenn abends oder an Wochenenden die Stunden sind, in denen die meiste Aufnahmefähigkeit für die Inhalte da ist, dann wird eben nachts an den Materialien gearbeitet. Das Training passt sich ganz Ihrem Rhythmus an.
Der Kurs teilt sich auf in 3 Module, die nacheinander über einen Zeitraum von 3 Monaten Wochen freigeschalten werden. Eingeplant sind pro Woche maximal 1-2 Stunden an direkter Arbeitszeit.
Den Abschluss bildet eine Prüfung, mit der das Diplom erworben werden kann. Wer keine Prüfung ablegen möchte, erhält trotzdem eine Teilnahmebestätigung.
Sie können Sich auf der Valuestream Website zum Google Analytics Kurs anmelden und sicher per Rechnung bezahlen. Aktuell belaufen sich die Gebühren für den Google Analytics Kurs, inklusive Zugang zur eLearning Plattform, 9h Videos, Arbeitsmaterialien, Videos und 3 Stunden persönliche Betreuung und Coaching auf 950CHF (ca. 790 EUR) inklusive Prüfung & Diplom. Das heist mehr Leistung für wesentlich weniger Geld als ein herkömmliches Training.
Lernen, wann und wo Sie möchten, einzig eine gute Internetverbindung ist zwingend notwendig. Jederzeit Zugang zu ausgebildeten Google Analytics Analysten und Support bei Fragen rund um das Thema Google Analytics. 6 Monate lang Zugang zu allen Materialien und Unterstützung bei Fragen, die erst später auftauchen wollen. Zu einem Preis, der deutlich niedriger ist als herkömmliche Google Analytics Trainings.
Weitere Informationen und Anmeldung zum Google Analytics Kurs
In den neuen benutzerdefinierten Berichten von Google Analytics lassen sich neu bis zu zwei Dimensionen nebeneinander darstellen. In manchen Fällen mag es aber ganz nützliche sein drei oder mehr Dimensionen nebeneinander darstellen zu können. Zum Beispiel um die Quelle oder das Medium einer Kampagnen mit Kampagnen -Inhalt oder -Name zusammenzufassen oder um neben einem eCommerce-Artikel weitere Informationen aus den Reports darzustellen.
Die Frage wurde kürzlich in der Webanalyse-Gruppe aufgeworfen. Wie üblich habe ich dazu Nextanalytics empfohlen weil sich damit bequem auch mehrere Dimensionen zusammenführen lassen und damit weitergehende Reporting-Bedürfnisse gedeckt werden können (wie schon in hier beschrieben). Alexander Gut hatte dann die Idee vorgebracht die Dimensionen über erweiterte Filter zusammenzuführen. Eine gute Idee zumal es praktisch sein kann, mehrere Dimensionen direkt in den Reports zusammenzuführen – beispielsweise um einen PDF-Report zu erstellen. Ein guter Anlass für eine kleine Anleitung zum Thema benutzerdefinierte Filter und Reports.
Ganz wichtig: Erstellen Sie unbedingt ein neues Profil, weil Filter die Daten des entsprechenden Profils unwiderruflich verändern werden. Am besten erstellen Sie zusätzlich zu Ihren weiteren Profilen ein “Backup”-Profil welches gänzlich ungefilterte Daten enthält und auf das im Notfall zurückgegriffen werden kann. Beachten Sie auch das Profil-Filter die Geschwindigkeit der Reports beeinträchtigen können. Ein neues Profil zu erstellen ist mit Admin-Rechten ganz einfach:
Je nachdem wie viele Dimensionen Sie kombinieren möchten, brauchen Sie einen oder mehr Filter. Um zwei Dimensionen zu kombinieren, können Sie folgenden Filter verwenden um diese als benutzerdefinierten Wert zusammenzufassen:
Mehr als zwei Dimensionen würde ich nicht kombinieren, weil durch mehrere Filter die Google Reports sehr langsam werden können, das trifft vor allem bei grossen Accounts mit vielen Besuchern zu. Falls Sie das trotzdem möchten, können Sie zwei Filter in Google Analytics wie folgt kombinieren:
Mit dem ersten Filter fügen Sie zwei Dimensionen zu einem (provisorischen) benutzerdefiniertem Feld hinzu:
Im zweiten Schritt führen Sie die drei Dimensionen zu einem benutzerdefinierten Wert zusammen:
Und schon haben Sie die gewünschte Dimensionen zusammengeführt. Selbstverständlich lässt sich dieses Vorgehen auch für die anderen Dimensionen verwenden welche in der Auswahl im Filter verfügbar sind.
Nun haben wir die Daten(Dimensionen) in diesem benutzerdefinierten Wert zusammengefasst. Diesen können Sie nun in den Reports als sekundäre Dimension einblenden, zum Beispiel bei Content ->Seiten:
Oder Sie erstellen dazu einen eigenen benutzerdefnierten Bericht, beispielsweise wie folgt:
Dieser Bericht stellt dann Quelle/Medium/Keyword pro Seiten dar und sieht so aus :
Vielleicht hilft Ihnen auch einer der folgenden vorbereiteten benutzerdefinierten Berichte weiter, bei Interessen einfach herunterladen:
Die Erfahrung zeigt, dass sich Website-Tests und insbesondere A/B Tests meistens zuverlässig wiederholen lassen – falls gewisse Regeln eingehalten werden. Es kann jedoch vorkommen, dass sich ein Test nicht aufs erste reproduzieren lässt. Zudem ändern sich Websites und deren Besucher mit der Zeit, so dass regelmässiges Testen angesagt ist. Die Frage ist nur: Wie erkenne ich die Zeichen?
Im Beitrag Gefahren bei der Interpretation von A/B Tests bin ich auf Stolpersteine bei der Interpretation von Website-Tests eingegangen und möchte nun auf die dort aufgeworfenen Fragen vertiefen:
Wenn sich Erkenntnisse aus einem Website-Test in der Praxis nicht reproduzieren lassen kann das das an Störfaktoren oder am Zufall liegen welche die Resultate des Tests negativ beeinflussten. Das kommt zwar nicht oft vor, wenn man Störfaktoren möglichst ausschliesst und vor allem ein Auge auf Unregelmässigkeiten in der Zusammensetzung der Website-Besucher hat, doch darauf kommen wir gleich.
Wie gesagt neben den Störfaktoren kann auch der Zufall mitspielen. Wenn dann die Situation vorliegt, dass sich ein A/B-Test weshalb auch immer nicht reproduzieren lässt, befindet man sich in einer Patt-Situation. Und um die Testhypothese zu verwerfen oder zu bestätigen muss das Experiment wiederholt werden.
Wobei dann die Wiederholung über das Schicksal der Testhypothese entscheiden kann. Sie erinnern sich: Einmal messen ist kein mal messen. Das lässt sich einfach verdeutlichen indem Sie sich zwei entfernte Punkt auf einem X/Y Koordinatensystem vorstellen. Und jetzt fügen Sie in einem zweiten Koordinatensystem einen dritter Punkt hinzu der nahe beim ersten Punkt liegt dazu. Welcher Wert ist vermutlich korrekt?
Klar wird daraus auf jeden Fall, dass es keinen Sinn macht aus zwei Datenpunkten (Tests) mit starker Abweichung Schlüsse zu ziehen. Übrigens im wissenschaftlichen Kontext geht man oftmals von mindestens drei Messungen aus um ein Resultat einigermassen präzise und genau zu bestimmen; oftmals sogar von 5 Messungen.
Aber bleiben wir beim Website-Testing. Ein Mal messen heisst im Kontext von Website-Testing solange zu messen bis das Kriterium (Signifikanzniveau) erfüllt ist. Aus praktischen Gründen wird ein A/n-Test im Regelfall nur dann wiederholt, wenn es Anzeichen für Unregelmässigkeiten gibt oder anzunehmen ist, dass dieser „nicht repräsentativ“ ist bzw. auf keiner Zufallsstichprobe basiert – darauf komme ich gleich zurück. Anders bei multivariaten Tests. Diese sind vom zugrundeliegenden mathematischen Modell und auch technisch gesehen störungsanfälliger. Daher wird ein multivariater Test eigentlich immer wiederholt oder gewisse Resultate mit einem A/B Test verifiziert.
Immer wieder tauchen Fragen auf bezüglich der Repräsentativität von Website-Tests. Wie lange muss man einen A/B Test laufen lassen bis er repräsentativ ist? Oder wie viele Prozent der Website-Besucher soll ich über den Website-Test leiten damit er repräsentativ wird? Das sind gute Fragen jedoch ist die umgangssprachlich Begrifflichkeit „Repräsentativität“ in dem Kontext ein wenig irreführend. Denn Website-Test basieren jedoch auf statistischen Methoden (induktive Statistik), welche eine Zufallsstichprobe voraussetzen.
Das heisst es geht NICHT um eine ganz bestimmte Zusammensetzung der Stichprobe wie der Begriff unterstellt sondern darum, dass diese MÖGLICHST nach dem Zufallsprinzip erhoben wurde. Wobei alle Elemente einer Grundgesamtheit (hier die Websitebesucher) die gleiche Chance haben sollten am Experiment teilnehmen zu können. „Repräsentativität“ wird bei einem Website-Test quasi erreicht, wenn eine für den gewählten Vertrauensbereich genügend grosse Zufallsstichprobe vorliegt.
Bei einem A/B- oder multivariaten Test werden den Besuchern Varianten der Website nach dem Zufallsprinzip eingeblendet um eine Zufallsauswahl sicherzustellen. Dieses Auswahlverfahren ist jedoch relativ störanfällig, weil sich die Zusammensetzung der Website Besucher bedingt durch äussere Einflüsse wie Kampagnen oder andere Aktionen kurzfristig stark ändern können. Und zwar sowohl wenn die Testdauer zu kurz aber auch zu lange gewählt wird.
Dieses Dilemma liesse sich durch eine mehrstufige Zufallsauswahl auflösen; beispielsweise in dem der gleiche Test innerhalb eines längeren Zeitraums an nach dem Zufallsprinzip ausgewählten Tagen wiederholt und dann zusammengerechnet würde. Das ist jedoch meistens nicht praktikabel. Konsequent zu Ende gedacht müsste die Stichprobenauswahl dann über ein ganzes Jahr verteilt werden und daraus würde DIE super Stichprobe resultieren – für die retrospektive Betrachtung :-( Wie Sie jedoch gleich sehen werden, ist bei Websites von einer sich ändernden Grundgesamtheit auszugehen, was so oder so regelmässiges und erneutes Testen bedingt.
Praktikabler und daher üblich ist es über einen kürzeren Zeitraum von beispielsweise 2-3 Wochen zu testen. Darüber hinaus kann eine pragmatische Beurteilung der Stichproben und deren Zusammensetzung aufgrund der Webanalyse-Daten vorgenommen werden. Das ist das grosse Glück bei der ganzen Geschichte: Wir können ohne grossen Aufwand die Stichprobe in ihre Bestandteile zerlegen und analysieren und dabei auch den Zeitraum vor und nach dem Test berücksichtigen. Denn Website-Tests lassen sich ganz einfach mit den Webanalyse-Daten koppeln und das bietet einem eine Fülle von Insights –ist doch super – oder nicht?
Jeder konventionelle Marktforscher bekäme vermutlich spontan multiple Orgasmen ob dieser und andere Möglichkeiten in der Online-Welt. Um starke Schwankungen geht es auch bei der Beurteilung der Stichprobe. Hier jedoch nicht um die Schwankung von „gewissen“ Gefühlszuständen sondern um Schwankungen von Webanalyse-Kennzahlen im Zeitverlauf.
Jede Kennzahl oszilliert natürlicherweise um einen bestimmten Mittelwert. Eine genügend grosse Datenmenge und Zeitdauer vorausgesetzt, lässt sich mit Hilfe der Standardabweichung vom Mittelwert (hier deskriptive Statistik) ermitteln, ob Abweichungen nach oben oder nach unten mehr als nur zufällig sind. Sie können sich das ruhig mal als Darstellung in den Webanalyse-Daten vorstellen oder folgendes Bild betrachten.
Diese natürliche Schwankung erfolgt innerhalb eines bestimmten Bandes um den Mittelwert der Kennzahl. Dieses „Band“ ergibt sich aus der Schwankung nach oben und nach unten jeweils um die Standardabweichung der jeweiligen Kennzahl.
Die Frage ist nun, ob und ab welchem Schwellenwert eine Abweichung von diesem Band nach oben oder nach unten mehr als nur zufällig ist. Je nach dem wird dazu zwei bis drei Mal die Standard Abweichung nach oben und nach unten als Kontroll-Limit definiert. Ausführlich beschrieben wird das Thema Kontroll-Limits in der Webanalyse im Blogbeitrag von Avinash Kaushik. Dort finden Sie auch das Excel Tool zur Bestimmung der Kontroll-Limits. Einfach die Daten aus dem Webanalyse Tool einfügen und analysieren. Und die Standardabweichung anpassen.
Die kurzfristigen Ausschläge (Peaks) welche über die Kontroll- Limit aus dem „Rauschen“ herausragen sollten untersucht werden. Beziehungsweise der Zeitraum des Experiments so gesetzt werden, dass solche Überschreitungen nicht vorkommen. Wichtig ist, dass die Standardabweichung aufgrund von einem längeren Zeitraum als die Testdauer bestimmt werden; am besten einige Wochen oder Monate. Als Webanalyse-Kennzahlen eignen sich hier solche, die auf äussere Einflüsse hinweisen jedoch keine abhängigen Variablen des Test sind; geeignet sind beispielsweise Kennzahlen wie Traffic/Kanal nicht geeignet sind Conversion-Rates weil diese eben „vom Test abhängig“ sind.
Das beschrieben Vorgehen ermöglicht es auf pragmatische Art und Weise die Qualität der Stichprobe zu verbessern, indem Extrema aufgrund von äusseren Störfaktoren ausgeschlossen werden. Der Vorteil liegt auch darin, dass die Ausschlusskriterien dabei klar definiert werden können und so eine systematische Verzerrung (Bias) ausgeschlossen wird. Somit ist das Verfahren unter den beschriebenen Voraussetzungen sicherlich ein praktikabler Weg um validere und wiederholbare Ergebnisse durch eine bessere Stichprobenauswahl zu erzeugen. Schön, doch selbst falls ein valider Website-Test vorliegt der auf einer möglichst guten Stichprobenauswahl basiert stellt sich immer noch die Frage:
Grundsätzlich ist ein A/B Test so lange haltbar wie sich die Grundgesamtheit der Website Besucher nicht ändert oder die Website in Ihrem Design oder Inhalten so verändert wird, dass dies die bereits getesteten Elemente beeinflusst. Alles klar?! Es gibt natürlich kein allgemeingültiges Haltbarkeitsdatum von Website- Tests. Aber das schöne ist, dass wir wie beschrieben Webanalyse-Daten zu Hilfe nehmen können. Wobei es hier nicht nur um kurzfristigen Abweichungen (Peaks) wie oben geht, sondern um fundamentale und eher längerfristige Änderungen beispielsweise des Traffics pro Kanal.
Dabei kann im Prinzip mit Kontroll-Limits wie oben gearbeitet werden. Falls diese erreicht werden ist Zeit zu prüfen ob neu getestet werden soll. Wobei hier im Gegensatz zu oben auch weitere Kennzahlen wie Conversion-Rates oder vorgelagerte Kennzahlen wie Micro-Conversions zu Rate gezogen werden können und sollen. Der Unterscheid zu oben liegt darin, dass nicht aufgrund von Testresultaten auf die Grundgesamtheit geschlossen werden soll sondern nur Entwicklungen innerhalb der Daten analysiert werden.
Wenn sich die Veränderungen jenseits der Kontroll-Limits auf weitere Kennzahlen niederschlagen, dann ist die Zeit reif um neu zu testen oder. Bei Veränderungen an der Website müssen wie Eingangs erwähnt ältere Testresultate so oder so hinterfragt und allenfalls neu getestet werden.
Fazit:
Die Vorhersagekraft von Website-Tests lässt sich verbessern indem die Stichprobenqualität mithilfe der Webanalyse-Zahlen überprüft und allenfalls der Zeitraum des Tests angepasst wird. Das Ablaufdatum eines Website-Tests kann auch relativ einfach anhand von Kontroll-Limts und der Webanalyse-Kennzahlen bestimmt werden. Damit können die Optimierungs-Zyklen besser geplant und abgestimmt werden um die Effizienz und Effektivität der Optimierungsmassnahmen zu maximieren.
