Experten Spezial: Tracking Optimierung für Online-Shops – Teil 6

Digital Analytics Framework

Nach all den wertvollen Hinweisen der vorigen Artikel zu Optimierungspotenzialen von Websites (absolut wichtig und überlebensnotwendig – "Test or Die"), geht es nun um das Thema Tracking. Alle Leser dieses Artikels sollten ein Web Analyse Tool im Einsatz haben. Vermutlich wird die große Mehrheit Google Analytics nutzen – dennoch würde ich vermuten, dass die Möglichkeiten, die sowohl das Tool, als auch die Digitale Analyse allgemein bietet, nicht ausgereizt werden. Woran liegt das? Ich werde in den folgenden Punkte einige Hindernisse, Hürden, Probleme und Herausforderungen darstellen – genauso aber auch Lösungen anbieten, wie diese angegangen werden können.

Implementation Sucks

In den meisten Fällen ist es so, dass die Implementierung alles andere als zufriedenstellend ist. So gibt es eine Vielzahl an Unternehmen, mit teils sehr großen Advertising-Budgets, die nicht in der Lage sind den organischen Suchmaschinen-Traffic von bezahlten Suchmaschinen-Traffic zu unterscheiden (sick!). Es gibt Konzerne, bei denen Kampagnen nicht ordnungsgemäß erhoben und damit auch nicht hinsichtlich des Erfolgs miteinander ausgewertet werden können.

Parallel dazu wird aber über hochwissenschaftliche Attributionsmodelle philosophiert, ohne auch nur den Ansatz einer Basis für die Funktionsfähigkeit dieser Modelle zu haben. Es gibt Unternehmen, in den bewusst nicht mit dem implementierten Web Analyse Tool gearbeitet wird, da einige Metriken den eigenen Logfiles abweichen, oder insgesamt die Richtigkeit der Daten angezweifelt wird. Teilweise zieht sich dieser Prozess über Jahre, offensichtlich Jahre der Stagnation. Verlorene Zeit.

Und das nur, weil niemand sich intensiv mit dem Thema beschäftigt hat, weil niemand mal x-Tausend Euro in die Hand genommen hat, um eine Consulting-Firma zu engagieren, die es einmal richtig aufsetzt, um eine gute Basis zu schaffen, weil lieber Werbegelder ungetrackt und damit unnachweisbar in irgendwelche Online- und Offline-Maßnahmen verpulvert werden, statt Daten zu erheben, Maßnahmen zu benchmarken und Budgets datenbasiert zu allokieren.

Abbildung 1: Implementation Chain

Es hilft leider alles nichts – durch die Implementierung muss man durch. Im ganzen Themenbereich der Web Analyse ist die Implementierung sicherlich der Teil, der am wenigsten sexy ist. Wenn man diesen Schritt jedoch erstmal gegangen ist entfaltet sich einem die Schönheit der Daten. Schlaue Sätze am Ende: Ohne Fundament kein vernünftiges Haus, ohne Reifen kein vernünftiges Autofahren, ohne gute Internet-Verbindung kein vernünftiges Surfen – ohne gute Implementierung keine vernünftige Web Analyse! Get the Implementation done! Es geht nicht ohne. Es ist nicht immer einfach. Aber dennoch: Get it done!

90-60-90 oder 90-10 oder 10-90 oder 15-15-70 oder wie?

Es gibt viele Regeln die einem suggerieren, dass man automatisch erfolgreich ist, wenn man sie einhält. Üblicherweise ist die Welt nicht so einfach wie diese Regeln vermuten lassen. Dennoch können diese Regeln bei richtiger Anwendung die Chance erhöhen, bestimmte Ziele zu erreichen. 90-60-90 bedeutet nicht per se, dass eine Frau mit einer solchen Figur ihren Traummann findet. Die Chancen stehen allerdings besser, als wenn es ein umgekehrtes Verhältnis wäre. Ebenso verhält es sich bei den web analytischen 90-10 und 10-90 Regeln.

10-90

Die bekannte 10-90 Regel besagt, dass wenn man 100 Euro (oder 1.000 Euro oder 10.000 Euro oder 100.000 Euro oder 1.000.000 Euro) Budget für die Web Analyse zur Verfügung hat, maximal 10 Euro (entsprechend mehr bei höheren Budgets) in das Tool und mindestens 90 Euro (entsprechend mehr bei höheren Budgets) in die Person, die mit diesem Tool arbeitet, investieren soll. Diese Annahme gilt seit langem und ist im Grundsatz auch nach wie vor korrekt. Sie basiert auf der Erkenntnis, dass ein Tool, welches auch immer es sein mag, nicht ansatzweise einen Mehrwert generiert, wenn kein vernünftiges Personal vorhanden ist, welches es bedienen kann. Mit Bedienen ist nicht nur die reine Anwendung des Tools gemeint, sondern vor allem die sinnvolle und business-orientierte Interpretation und Analyse der anfallenden Daten mit dem Ziel, Erkenntnisse zu gewinnen und Dinge zu verbessern.

90-10

Wie auch immer die Verteilung des Web Analyse Budgets vorgenommen wird – eine sinnvolle Allokation des Geldes mit dem Fokus auf die Ressource Mensch wird auf Dauer erfolgreich sein. Nehmen wir an, die Implementierung ist perfekt gelungen. Gratulation. Nehmen wir an, die 10-90 Regel wurde nahezu perfekt eingehalten, sodass diverse Web Analysten eingestellt wurden, um mit dem perfekt implementierten Web Analyse Tool zu arbeiten. Well done! Und nun? Was machen nun all die Web Analysten in den Unternehmen? Reporting!

In den meisten Unternehmen sind die Web Analysten zum Großteil damit beschäftigt, Daten aus unterschiedlichsten Datenquellen in umfangreichen Excel-Tabellen zusammenzustellen. Oftmals wird 100% der Arbeitszeit für die Erstellung von Reports verwendet. Wie viel Zeit bleibt dann noch für Analysen? Wer nach diesem Muster Arbeitet und sich gleichzeitig noch Web Analyst nennt liegt etwas daneben. Mit Web Analyse hat dies eher wenig zu tun – in der Lage zu sein, unterschiedliche Tools nutzen zu können und Daten aus diesen in Excel aufzubereiten, qualifiziert noch keinen Web Analysten. Doch wie sollte die Aufteilung der Arbeitszeit sein?

Als Web Analyst kommt man um das Reporting nicht herum – nur sollte man versuchen diesen Aufwand so gering wie möglich zu halten, bzw. ihn zu automatisieren. D.h. ein wenig Reporting ist immer Bestandteil der Arbeit, sollte aber nicht den Hauptteil ausmachen. Die Arbeit des Web Analysten die den eigentlichen Mehrwert bringt ist die Analyse. Die Interpretation der Daten, das Erarbeiten von Handlungsempfehlungen mit dem Ziel, den Erfolg des Unternehmens positiv zu beeinflussen. Hierfür sollte die meiste Zeit verwendet werden. Eine ideale Verteilung ist wie folgt: 90% der Arbeitszeit sollte für die Interpretation und Analyse von Daten verwendet werden 10% der Arbeitszeit sollte für Reporting verwendet werden

15-15-70

Demnach ergibt sich also eine 90-10 Regel. Aber entspricht dies der Realität? Während der Analyse-Phase wird man des Öfteren feststellen, dass die bestehende Implementierung noch nicht ausreichend ist und ggfs. angepasst werden muss oder es wird festgestellt, dass weitere Datenquellen hinzugezogen oder integriert werden müssen. D.h. die Optimierung und Anpassung der Datenerhebung muss zwangsläufig ebenfalls Bestandteil der Arbeit eines Web Analysten sein. Daraus ergib sich also folgendes Framework (ERA of Web Analysts Work) für die Verwendung der Arbeitszeit: 15% - Erhebung 15% - Reporting 70% - Analyse

Abbildung 2: ERA Beschreibung

Das Einhalten der Regel verspricht noch nicht automatisch einen Erfolg - wenn sich die Arbeitszeitverteilung dieser Verteilung annähert ist man auf einem guten Weg zumindest die Basis für eine gute Web-Analyse zu haben. Schlaue Sätze am Ende: Web Analyse ohne die richtigen Menschen funktioniert auch in 2014 nicht. Implementation sucks. Reporting sucks. Analyse ist fun! Wenn schon Reporting dann automatisiert!

Individualisieren und Segmentieren­­­

Jedes Web Analyse Tool bietet einige unglaublich gute Berichte. Die meisten Web Analyse Tools haben sich wirklich Mühe gegeben, weitestgehend schöne Darstellungen anzubieten (einige haben sich jedoch auch keine Mühe gegeben – oder sie haben sich Mühe gegeben und es hat trotzdem nichts gebracht). Und da die Vielzahl der unterschiedlichen Berichte, die innerhalb eines Tools bereits per Default angeboten werden, so groß ist (und sie vielleicht auch noch schick und bunt aussehen mögen), denken viele, dass es völlig ausreichend ist mit diesen vorgegebenen Reports zu arbeiten. Dies ist leider ein Trugschluss. Standard-Reports sind Standard – wie der Name schon sagt. Sie sind nicht individualisiert, nicht auf irgendwelche Business-Bedürfnisse angepasst, sondern stellen lediglich Daten dar, die erhoben werden.

Konkrete Fragestellungen werden mit den vorhandenen Standard-Berichten nur selten beantwortet. Diese geben in der Regel lediglich einen ersten groben Überblick. Wer ist schon gerne Standard? Richtige Web Analysten individualisieren Berichte. Das fängt damit an, dass die grafischen Darstellungen verändert, weitere Daten hinzugefügt, Daten durch Filter eingegrenzt oder Daten mit anderen Daten kombiniert werden. Oftmals ist dies innerhalb des genutzten Web Analyse Tools möglich, gelegentlich bedarf es aber auch einem Export der Daten und einer Weiterverarbeitung (und Veredelung) der Daten in einem anderen Tool (bspw. BigQuery, Excel, BI-Tool, etc.).

Abbildung 3: Beispiel eines individualisierten Berichtes

Spielen macht Spaß! Wenn man sich mit dem Vorhandenen nicht zufrieden gibt, damit anfängt, die Möglichkeiten zu hinterfragen und mit den Daten zu spielen, beginnt der eigentliche Spaß der Web Analyse. Ein weiterer Faktor, der hier hineinspielt, ist die Segmentierung. Aggregierte alleinstehende Daten ohne Kontext sind maximal Reporting, auf keinen Fall Web Analyse. Egal ob Besuche, Absprungrate, Conversion Rate oder Verweildauer – all diese Daten sind nicht interessant, solange sie nicht in Bezug zu anderen Daten gesetzt werden.

• Über welche Marketing-Kanäle kamen die meisten Besuche, die gleichzeitig eine überdurchschnittlich hohe Absprungrate hatten? – Optimierungspotenzial!

• Welche Kampagne hat zwar eine hohe Conversion Rate, aber gleichzeitig eher weniger Besuche im Vergleich zu anderen Maßnahmen? – Lern- und Optimierungspotenzial!

• Inwiefern korreliert die Verweildauer mit der Conversion? – Lern- und Optimierungspotenzial!

• In welcher Region hat welches Geschlecht in Bezug auf welche Marketingmaßnahme besser funktioniert? – Lern- und Optimierungspotenzial!

Abbildung 4: Beispielsegmentierung von Besucherquellen

Kaum jemand ist auf Dauer gern allein – auch Metriken und Dimensionen nicht. Web Analysten können dabei helfen, Daten glücklich zu machen, indem die richtigen Partner gefunden werden. Die übergeordnete Absprungrate ist nicht interessant – zusammen mit Traffquellen, geografischen Regionen, etc. ist die Zahl interessanter. Die Overall-Conversion-Rate ist nicht interessant. Mit Partnern wie Kampagnen, demografischen Daten, Anzahl von Besuchen bis zur Conversion, etc. wird die Conversion Rate erst interessant (und glücklich). Schlaue Sätze Am Ende: Daten und ihre Partner – machen Sie zunächst Ihre Daten glücklich, dann sind es alle anderen auch. Segmentierung ist der einzige Weg, interessante Erkenntnisse innerhalb der vorhandenen Daten zu finden.

Coming Up next…

Bald geht es weiter mit dem nächsten umfangreichen Beitrag. Tanja Scherm, Senior User Experience Designerin für Web und Mobile wird alles Wichtige zum Thema “User Experience Optimierung für Online-Shops” erläutern und Ihre persönlichen Experten-Tipps geben.