Mit Analytics Erkenntnisse über Besucher generieren

upliftr.de/blog/cro-grundlagen/mit-analytics-wirkliche-erkenntnisse-generieren/

December 15, 2017

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.

1/13
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

2/13
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.

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).

3/13
 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.

4/13
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!
5/13
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).

6/13
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.

7/13
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?
8/13
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
9/13
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

10/13
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.

11/13
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:

12/13
In-Page-Analyse – So nutzt du Qualitative Forschung für die Optimierung

13/13