7 spezielle Analytics-Berichte für Deine Content-Analysen

Webanalyse-Systeme wie Google Analytics werden noch zu oft als bloße „Besucherzähler“ benutzt. Vielleicht geht es Dir ja auch so? Du prüfst regelmäßig die Kernzahlen in der Übersicht:

1. Anzahl der Besucher,

2. Menge der abgerufenen Seiten,

3. durchschnittliche Verweildauer pro Besuch,

4. Absprungrate in Prozent.

Doch was lässt sich daraus für die Optimierung einer Website lernen? Antworten auf Fragen dieser Art ruhen eher in anderen Berichten. Deren Interpretation fällt aber Vielen schwer, was sich mit diesem Beitrag ändern soll!

Für die Optimierung von Website-Inhalten ist es wichtig, die Intention zu verstehen, die den Nutzer auf die Website brachte. Auch das Verhalten des Nutzers mit den Inhalten fördert lehrreiche Kenntnisse zutage.

Allein aus den Standardwerten, die Google Analytics liefert, lässt sich all dies nicht lernen. Möchtest Du mehr als die Standardwerte sehen, dann brauchst Du mehr als eine Standard-Installation. Sorge deshalb zusammen mit dem für die Installation Verantwortlichen für das Erfassen dieser Informationen:

• demografische Merkmale (Alter und Geschlecht),

• Interessen (es gibt drei Berichte, die Interessen der Nutzer auflisten),

• Ladegeschwindigkeit,

• exaktere Verweildauer (durch konkrete Zeitmessung),

• Klicks auf ausgehende Links, E-Mail-Adressen und Telefonnummern,

• Scrollverhalten,

• Absenden von Kontaktformularen,

• PDF-Downloads und Video-Plays.

Nach Möglichkeit sollte jedwede Form der Interaktion, die ein Nutzer mit Deiner Website durchführen kann, in der Webanalyse sichtbar sein. Denke bitte auch an das Benchmarking, AdWords- und Search-Console-Daten. Dies alles ermöglicht Dir ein umfassendes Bild. Du kannst damit „hinter die Kulissen“ blicken.

1. Traffic-Spitzen erfassen

Im Hauptnavigationspunkt „Zielgruppe“ fällt gleich weit oben der Subnavigationspunkt „Aktive Nutzer“ ins Auge. Dieser Bericht zeigt auf einen Blick für vier Zeiträume den eingehenden Traffic – auf 1 Tag, eine Woche, 14 Tage und einen Monat. Ich rate hier zum segmentierten Blick auf den Bericht. Was es mit Segmenten in Google Analytics auf sich hat, liest Du am besten hier im Magazin nach: Content-Marketing Erfolge mit Google Analytics messen.

Zeigt der „Aktive Nutzer“-Bericht ungewöhnliche Ausschläge nach oben und unten, dann haben genau zu diesen Zeitpunkten Traffic-Spitzen und Traffic-Einbrüche auf der Website stattgefunden. Diesen gehe im Anschluss gleich auf den Grund.

Abbildung 1: Vermerke (Annotations) an den Google Analytics Graph anheften

Sehr hilfreich für diese Ursachenforschung sind Vermerke an der Google-Analytics-Zeitleiste, auch Annotations genannt (Abbildung 1). Erfasst Du konsequent mit Hilfe der Vermerke alle Content-Marketing-Aktivitäten, kannst Du außergewöhnliche Traffic-Entwicklungen recht oft sehr schnell einer Content-Marketing-Maßnahme zuordnen.

2. Conversion-starke Zeiträume erkennen

Noch wichtiger wird das Segmentieren in der Kohortenanalyse, einem weiteren Spezialbericht unter dem Hauptnavigationspunkt „Zielgruppe“. Zum Zeitpunkt der Entstehung dieses Beitrags ist dieser Bericht noch im Beta-Stadium.

Der Begriff der Kohorte kommt ursprünglich aus der Soziologie und wird nun schon seit geraumer Zeit auch in der Statistik eingesetzt. Eine Kohorte besteht aus einer Gruppe von Menschen, die ein bestimmtes Merkmal gemeinsam haben. In Google Analytics steht zum Zeitpunkt der Entstehung dieses Beitrags ein Kohortentyp zur Verfügung: das Akquisitionsdatum (der Tag des Erstbesuchs des Nutzers).

Untersucht man nun diesen Kohortentyp, wählt als Kohortengröße „nach Woche“, als Messwert „Umsatz“ und als Zeitraum „Letzte 6 Wochen“, dann entsteht ein beeindruckendes Raster:

Abbildung 2: Umsatzentwicklung auf der Basis von Kohorten analysieren

Für jede Woche der vergangenen 6 Wochen wird Dir aufgezeigt, wie viele Erstbesucher auf der Website landeten. Darüber hinaus wird der Umsatz dargestellt, der durch diese Erstbesucher generiert wurde – verteilt auf die sechs Wochen nach dem Erstbesuch. Wochen, in denen bestimmte Kohorten stärker konvertierten als andere, werden in einem dunkleren Blauton dargestellt (Abbildung 2). Mit diesem Bericht lassen sich neben Umsätzen auch erreichte Zielvorhaben auswerten.

Schaut man sich diesen Bericht mit Blick auf unterschiedliche Ziel- und Bedarfsgruppen an (Segmentierung) und weiß durch saubere Google Analytics Vermerke-Erfassung in welcher Woche welche Content-Marketing-Aktivitäten stattfanden, dann ist dieser Bericht eine wertvolle Analyse-Quelle.

3. Konvertierende Website-Besucher detaillierter begreifen

Ohne Segmentierung macht der spannende „Nutzer-Explorer“ im Hauptnavigationsbereich „Zielgruppe“ gar keinen Sinn. Hier finden sich Informationen über die Website-Besuche einzelner Nutzer (Abbildung 3). Bei Websites mit entsprechendem Traffic können hier mehrere zig-tausend Datenzeilen zu finden sein.

Erstellst Du Dir ein Segment aus konvertierenden Nutzern einer bestimmten Zielgruppe, Bedarfsgruppe oder Persona, dann lässt sich dieses Segment auf den „Nutzer-Explorer“ anwenden. Konzentrierst Du Dich nun noch auf einen konkreten Zeitraum, sind plötzlich im Bericht nicht mehr endlos viele Datenzeilen zu sehen. Er zeigt jetzt ausschließlich das Verhalten einzelner Nutzer aus der von uns bestimmten Gruppe an, die tatsächlich definierte Zielvorhaben erreicht haben.

Klickst Du im Bericht einzelne Nutzer an, schaust Du darauf, welche Seiten für diese konvertierenden Nutzer den Einstieg bildeten. Es lässt sich verfolgen, wie die Nutzer mit dem Inhalt dieser Seiten interagierten, welche Seiten der Einstiegsseite folgten. Noch mehr wird deutlich:

• Wo werden Events ausgelöst?

• Wo werden Mikroziele erreicht?

• Nach wie vielen Websitebesuchen erfolgt eine Zielerreichung?

• Wo findet die Zielerreichung statt?

Abbildung 3: Im Nutzer-Explorer das Verhalten einzelner Website-Besucher analysieren

Bei der Betrachtung dieses Nutzerverhaltens werden Muster erkennbar. Du stellst fest, wie oft welche Content-Stücke Teil einer „Customer Journey“ waren, die am Ende zu Umsatz und Gewinn führte. Du lernst sehr detailliert zu verstehen, wie Nutzer mit Inhalten umgehen – welche Content-Marketing-Ideen den vordefinierten Zielen dienlich sind … und welche nicht!

4. Abhängigkeit konvertierender Traffic-Kanäle untereinander sichtbar machen

Dein Ziel als Online-Marketer ist stets, Traffic aus unterschiedlichen Kanälen für die Website zu generieren. So vermeidest Du eine zu starke Abhängigkeit von nur einer oder zwei Traffic-Quellen.

Verfolgst Du nun die Zielerreichung aufgeschlüsselt nach Kanälen oder einzelnen Quellen, dann stellst Du fest, dass einige Kanäle und Quellen in Punkto Zielerreichung deutlich besser abschneiden als andere. Bedeutet dies aber, dass Du Dich um die „nicht konvertierenden“ Kanäle und Quellen weniger oder gar nicht kümmern musst?

Die Übersicht im „Multi-Channel-Trichter“ des Hauptnavigationspunkts „Conversions“ gibt Antwort auf diese Frage (Abbildung 4). Hier wird deutlich gemacht, dass Kanäle und Quellen in ihrem Erfolg voneinander abhängig sind. In Google Analytics wird eine Conversion zum Zeitpunkt der Entstehung dieses Beitrags immer nur dem letzten indirekten Kontaktpunkt zugeordnet. Doch heutzutage gelangen Nutzer oft über viele unterschiedliche Kontaktpunkte (Touchpoints) mehrfach auf eine Website, ehe sie dann endgültig eines der Zielvorhaben erreichen.

Abbildung 4: Der Multi-Channel-Trichter

Es ist gut möglich, dass beispielsweise AdWords- oder Facebook-Traffic eher Conversions vorbereitet, die erst bei einem späteren Websitebesuch über eine andere Quelle vom Nutzer ausgelöst werden. Analytics teilt aber die eine Conversion nicht auf mehrere Kanäle oder Quellen auf – es weist sie immer nur dem letzten indirekten Kontaktpunkt zu.

Mit dem „Multi-Channel-Trichter“-Bericht werden ebensolche Conversions, die erst durch mehrere Besuche über verschiedene Kanäle und Quellen hinweg entstehen, aufgezeigt. Man sieht zudem, welche Kanal- und Quellkombinationen sehr oft vorkommen. Diese Analysen kann man für jeden einzelnen Conversion-Typ durchführen. Hierfür steht ein Auswahlfeld zur Verfügung, ebenso für bestimmte Conversion-Segmente.

In Kombination mit dem Bericht „Vorbereitende Conversions“ kannst Du so den Wert aktiv betreuter Kanäle und Quellen für Content-Marketing-Aktivitäten sehr gut einschätzen.

5. Mehr Sicherheit bei der Conversion- und Budget-Zuweisung

Die Zuweisung von Konversionen zu den einzelnen „Touchpoints“ einer „Customer Journey“ wird in der Marketingwelt als Attribution bezeichnet. Sehr oft gibt es mehr als einen solchen Berührungspunkt zwischen dem Marketing eines Unternehmens und dem Nutzer, ehe er eine Conversion auslöst.

Trotzdem weist Google Analytics jede Konversion zu 100 Prozent dem letzten indirekten Kanal zu. Alle anderen Touchpoints gehen leer aus. Für die exakte Allokierung von Werbebudgets ist das wenig hilfreich, trägt doch jeder Kanal innerhalb der „Customer Journey“ zum Zustandekommen der Konversion bei.

Abbildung 5: Das Modellvergleichstool für die Attribution von Conversions

Das Modellvergleichstool im Analytics-Menü „Conversions“ > „Attribution“ will Dir dabei helfen, ein schärferes Bild über den Beitrag der einzelnen Kanäle zum Erreichen der Zielvorhaben zu erhalten.

Vergleiche hier das Standard-Attributionsmodell „Letzter indirekter Klick“ mit einer „Linear“-Verteilung von „Conversions und Wert“ sowie mit der „Positionsbasiert“-Betrachtung (Abbildung 5). Diese Sicht über alle Touchpoints hinweg, macht Dir deren Bedeutung für die Zielerreichung klarer. Fehleinschätzungen in der Budget-Zuteilung passieren mit diesem Wissen sicher seltener.

6. Benutzerdefinierte Anpassungen für Deine Content-Analysen

Alle bisher vorgestellten Berichte sind in Google Analytics standardmäßig vorhanden. Möchtest Du aber sehr unternehmensspezifische Analysen durchführen, reicht unter Umständen nicht aus, was Google Analytics an Berichten „frei Haus“ liefert.

Die Webanalyse-Software bietet deshalb das Anlegen von benutzerdefinierten Dimensionen und Messwerten an. In der Google-Analytics-Verwaltung beginnt deren Einrichtung auf Property-Ebene.

An diesem Punkt war auch schon das Team von Ryte. In einer Case Study beschrieb Irina Hey auf dem Analytics Summit in Hamburg, dass das Ryte-Team das Verhalten von Nutzern auf der Website in Abhängigkeit davon untersuchen wollte, welchen Ryte-Account der jeweilige Nutzer gebucht hat.

Einen solchen Bericht liefert Google Analytics nicht einfach so – über eine benutzerdefinierte Dimension war es Irina jedoch möglich, auch diese Information im System sichtbar zu machen.

Einmal eingerichtet, erstellst auch Du Auswertungen für solch individuelle Dimensionen über den „Personalisieren“-Bereich mit benutzerdefinierten Berichten. Und natürlich stehen diese Dimensionen auch für das Zusammenstellen von Segmenten oder als sekundäre Dimension in den Standardberichten zur Verfügung!

Dimensionen, die für Deine Content-Marketing-Erfolgsanalysen spannend sein könnten:

• Erfolgreiche Autoren: Welches Redaktionsmitglied wird am häufigsten gelesen?

• Beliebte Kategorien: Welche Content-Themen sind von großem Interesse?

• Akzeptierte Textlängen: Wie lang dürfen Produktbeschreibungen sein, ohne Nutzer zu „überfordern“?

• Aktuell vs. Alt: Lohnt sich das Vorhalten und Betreuen eines Content-Archivs?

• Einfluss der Wetterlage: Stehen Sonnenschein und Umsatz in Beziehung zueinander?

• Schnäppchenjäger vs. Premiumkunde: Wer verhält sich auf der Website wie?

Kombiniert mit Standard-Informationen aus Google Analytics lassen sich viele spannende Rückschlüsse auf Optimierungspotenziale sowie kurzfristige und langfristige Content-Marketing-Erfolge ziehen.

7. Analytics-Intelligenz aus den Untiefen der Berichte-Welt

Hast Du schon die Google-Analytics-App auf Dein Smartphone heruntergeladen? Darin gibt es eine besondere Funktion, die es in der Desktop-Variante von Google Analytics zum Zeitpunkt der Entstehung dieses Beitrags noch nicht gibt.

Abbildung 6: Die Google Analytics App gibt Hinweise auf Anomalien in Berichten

„Analytics Intelligence“ (auch „Analytics Radar“ oder „Analytics Assistant“) weist App-Benutzer gezielt auf Ungewöhnliches in Berichten hin, die nicht sofort „ins Auge springen“ (Abbildung 6). Hier ein paar Beispiele, die mir schon in der App angezeigt wurden:

• Die Menge der weiblichen Nutzer aus Berlin hat im Vergleich zum Vormonat zugenommen.

• Die Ausstiegsrate auf der Seite „Produkte“ ist im Vorwoche-Vergleich gestiegen.

• Die Konversionsrate bei Safari-Nutzern mit einer Bildschirmauflösung von 1.920x1.080 ist im Vergleich zum Vormonat gesunken.

Im Abgleich mit Deinen Personas, Bedarfs- und Zielgruppen erkennst Du die Bedeutung dieser Hinweise für deine Website-Ziele. Stellst Du fest, dass etwas schief läuft, kannst Du gegensteuern.

Fazit

Eine klug gewählte Strategie macht Content Marketing erfolgreich. Habe ein klares Ziel vor Augen. Richte den Content Deiner Website darauf aus. Und miss mit Google Analytics oder einer anderen Webanalyse-Lösung, wie gut Dir die Umsetzung der Strategie gelingt.

Sorge für ausreichend Vertrauen in das Zahlenwerk der Webanalyse. Entwickle Hypothesen und teste sie. So kommst Du den definierten Zielen Tag für Tag ein Stück näher. Good luck!