- Werbung - Hier Werbung schalten -

suchradar.de > Magazin > Archiv > Ausgabe 21 > Website-Leistung optimieren

Optimierung der Website-Leistung:
Verbesserungspotenziale mit Google Analytics identifizieren

Jeder, der eine Website betreibt, verfolgt damit mindestens ein Ziel: Conversions. Die Website soll Verkäufe oder Buchungen vermitteln, Kontakte einleiten, Image, Ideen oder Werte transportieren, Kataloge oder Newsletter verbreiten, Fragen beantworten und, und, und. Die Liste möglicher Missionen einer Website ist lang.

Doch die sogenannte Conversion-Leistung einer Website ist nicht immer optimal und bietet in der Regel Verbesserungspotenzial. Um diese Leistung zu messen und die Entstehung der Conversions zu beobachten und so Ansatzpunkte für Verbesserungen zu finden, sind Tools wie Google Analytics hervorragend geeignet.

Mit dem Start einer Website beginnt im Prinzip ein großes Experiment: Erreicht die Website, was sie erreichen soll? Können die Besucher erreichen, was sie erreichen wollen? Diese beiden Motive klaffen manchmal weit auseinander und es gilt, eine Schnittmenge herzustellen. Dann klappt's auch mit den Conversions.

Kriterien für geeignete Analysen

In diesem Artikel werden zwei Analysen vorgestellt, mit denen die Untersuchung zweier wesentlicher Faktoren des Website-Erfolgs möglich ist: Die Landing-Pages und die Conversion-Prozesse. Diese Analysen sind äußerst empfehlenswert, weil die verwendeten Konzepte einige wichtige Kriterien erfüllen:

Sie sind sofort nützlich und unkompliziert: Webanalyse findet nicht im luftleeren Raum statt. Denken wir bspw. an einen Entscheider: Ist die Kennzahl (KPI, Key Performance Indicator) nicht sofort nützlich, wird sie ignoriert. Der KPI sollte im Idealfall alle Beteiligten ohne weitere Erklärungen in die Lage versetzen, zu entscheiden und zu handeln. Wer hingegen einen KPI konstruiert, der aus zig zusammengeschobenen Variablen besteht, die möglicherweise noch mit individuellen Faktoren gewichtet werden, erschafft ein mathematisches Monster, das keiner - außer vielleicht der Webanalyst selbst - mehr versteht. Ergebnis: Optimierungsprozess erfolgreich verhindert.

Wer mit derartigen KPIs arbeitet, läuft außerdem Gefahr, Informationsverluste statt -gewinne zu produzieren. Angenommen es gilt, so etwas wie die Beliebtheit von einzelnen Seiten einer Website zu ermitteln. Als Indikatoren werden die Besuchszeiten der einzelnen Seiten und die Anzahl der Seitenaufrufe hergenommen. Plausibel. Unabhängig von der Frage, wie aussagekräftig diese Werte nun tatsächlich sind und ob jetzt multipliziert oder addiert werden sollten: Es werden mit an Sicherheit grenzender Wahrscheinlichkeit mehrere Seiten identische oder nahezu identische Werte aufweisen, die in Wahrheit in Bezug auf die Ziele der Website völlig unterschiedliche Leistungen abliefern.

Sie sind relevant: Webanalyse ist kein Selbstzweck. Webanalysten müssen ihre Finger auf die relevanten Stellen legen. Dabei gilt oft: Was für das eine Unternehmen relevant ist, kann für ein anderes Unternehmen völlig irrelevant sein. Das hängt von dem Geschäftsmodell, den Prioritäten und der Art und Weise ab, wie die multiplen Kanäle des Internets genutzt werden. Selbst für zwei Unternehmen derselben Branche zählen nicht selten ganz unterschiedliche Kennzahlen. Das macht es nicht einfacher, eine Analyse anzubieten, die jedem nutzt. Aber jede Website hat Landing-Pages und einen wie auch immer gestalteten Conversion-Prozess.

Sie sind pünktlich: Damit die Entscheider ihre Entscheidungen im richtigen Moment fällen können, muss eine zeitliche Nähe zwischen Web-Analyse und Entscheidung gegeben sein. Zu erfahren, dass sich vor einem halben Jahr eine pfiffige Maßnahme gelohnt hätte, zaubert eher ein Zähneknirschen anstatt eines leuchtenden Aha!-Blicks in die Gesichter. Das Netz und die Online-Märkte sind nun mal sehr dynamisch.

Landing-Pages: Die Türen der Website

Wenn das Konzept für den Aufbau einer Website erstellt wird, wird in der Regel viel Zeit auf die Gestaltung der Startseite verwendet. Sie ist schließlich das große Eingangstor, das in die Website führt. Das Aushängeschild. Der eine oder andere Website-Betreiber wird überrascht sein, zu erfahren, dass die Startseite in Wirklichkeit nur eine von vielen mehr oder minder großen Türen darstellt und oft sogar eine untergeordnete Rolle spielt. Die Besucher betreten die Website über eine Vielzahl sogenannter Landing-Pages. Diesen Zutritt erhalten sie bspw. über die Treffer in Suchmaschinen, über Verlinkungen auf Portalen oder auch über bezahlte Anzeigenschaltungen in Suchmaschinen, die direkt auf Unterseiten verlinken.

Um die relevantesten Landing-Pages der Website zu ermitteln, wählt man in den Content-Berichten von Google Analytics den Unterpunkt "Beliebteste Zielseiten". Es werden die - gemessen an der Zahl der Einstiege - zehn wichtigsten Landing-Pages dargestellt. Nun sollte noch die Ansicht "Vergleich" mit der Absprungrate als vergleichende Kennzahl aufgerufen und analysiert werden (siehe Abbildung 1). Damit ist die makroskopische Analyse der Landing-Pages praktisch abgeschlossen.

Voilà! Mit fünf Klicks sind die Stars und Sternchen entdeckt. Dem Betreiber dieser Website kann außerdem schon mal gratuliert werden, da der Website-Durchschnitt der Absprungrate mit 28,27% exzellent niedrig ist. Der Wert spricht für eine gut aufgestellte Website gekoppelt mit einem gut funktionierenden Online-Marketing. Aber alles was gut läuft, kann noch besser laufen. Und der Ansatzpunkt für "noch besser" kann in Abbildung 1 leicht identifiziert werden: Es ist Seite Nummer fünf, die mit dem längsten roten Balken. Diese Seite ist ganz deutlich kein Star, sondern ein Sternchen bzw. eine vergleichsweise schlecht funktionierende Landing-Page, was aus der Absprungrate zu schließen ist, die mit 58,19% mehr als doppelt so hoch ist, wie der Website-Durchschnitt. Das bedeutet, dass mehr als die Hälfte aller Besucher, die über diese Seite in die Website einsteigen, diese auch dort gleich wieder verlässt. Mit an Sicherheit grenzender Wahrscheinlichkeit liegt hier eine Schwachstelle vor. Es muss irgendein Problem vorliegen, dass es zu identifizieren gilt. Grundsätzlich kommen für die schlechte Performance einer Landing-Page zwei Faktoren in Betracht: Entweder die Besucherquellen oder die Seite selbst. Oder beides zusammen.

Die Besucherquellen dieser Seite können mit Google Analytics noch genauer untersucht werden. Hierzu kann man in dem oben abgebildeten Bericht auf die URI von Seite Nummer fünf klicken, um die Kennzahlen dieser einzelnen Seite detailliert zu sehen.

Unter dem Punkt "Zielseitenoptimierung" finden sich Berichte zu den Einstiegsquellen und den Einstiegs-Keywords. Mit Hilfe dieser Berichte kann man analysieren, ob einzelne Einstiegsquellen oder -Keywords durch besonders hohe Absprungraten auffallen. Wird beispielsweise eine verweisende Website, die Besuche mit einer besonders hohen Absprungrate aufweist, in dem Bericht über die Einstiegsquellen aufgeführt, dann sollte der Link auf der verweisenden Website überprüft werden. Möglicherweise wird dort dem Nutzer ein Versprechen gegeben, dass die Zielseite nicht einhält.

Nach der Analyse der Einstiegsquellen und Einstiegs-Keywords ist die Seite selbst zu untersuchen. Die fragliche Seite kann direkt über Google Analytics aufgerufen werden. An dieser Stelle hilft Analytics leider nicht mehr weiter. Jetzt sind neben den Webanalysten die Designer, Programmierer, Usability- und Marketingspezialisten am Zug und sollten sich fragen: "Was stimmt nicht in diesem Bild?" Dazu sind Hypothesen aufzustellen, welche Aspekte die schlechte Performance der Landing-Page verursachen könnten. Diese Hypothesen sind dann in alternative Varianten der Seite zu übertragen und diese bzw. deren Conversion-Leistungen bspw. durch den Google Website Optimizer mit dem Original zu vergleichen. Alternativ können auch Usability-Tests durchgeführt werden, um zu erfahren, warum die Nutzer nicht weiterkommen.

Aufgepasst! Damit brauchbare Daten für die geschilderte Analyse zur Verfügung stehen, muss gewährleistet sein, dass alle dynamischen URL-Parameter in Google Analytics gefiltert werden. Viele Websites und insbesondere Shop-Systeme arbeiten z.B. mit Session-IDs. Jedes mal wenn ein Nutzer auf eine solche Website zugreift, wird eine neue Session-ID erstellt und in die URL der aufgerufenen Seiten geschrieben. Da Google Analytics standardmäßig die URLs der aufgerufenen Seiten ausliest und diese mit jedem neuerlichen Besuch wegen der anderen Session-ID als neue URL ansieht, taucht ein und dieselbe Seite vielfach in den Berichten auf, wenn die Session-IDs nicht gefiltert werden. Die dargestellte Analyse ist dann nicht möglich. Ob und welche dynamischen Parameter auf der zu untersuchenden Website verwendet werden, weiß der Webmaster oder die beauftragte Agentur. Man kann aber auch einfach selbst ein paar Seiten aufrufen und die URLs in der Adress-Zeile des Browsers auf dynamische Parameter untersuchen. Sofern welche vorhanden sind, können diese in den Google Analytics Profileinstellungen gefiltert werden. Dazu wählt man in den "Profileinstellungen für die Hauptwebsite" den Punkt "Bearbeiten". Hier muss der Name des Parameters in das Feld "URL-Suchparameter ausschließen:" eingegeben werden. Wenn mehrere Parameter ausgeschlossen werden müssen, sind alle Parameter in das Feld einzugeben und durch Kommata voneinander zu trennen.

In Bezug auf die Startseite gilt es u.U. einen ähnlichen Aspekt zu beachten und auch hier helfen die "Profileinstellungen für die Hauptwebsite" weiter. Viele Websites haben die Eigenart, dass sie bei einem ersten Aufruf der Startseite eine URL wie diese ausliefern: "www.beispiel.de". Surft der Nutzer nun durch die Site und ruft die Startseite später erneut auf, so liefert die Site u.U eine andere Startseiten-URL wie diese aus: "www.beispiel.de/index.php". Zwei unterschiedliche URLs? Das bedeutet für Google Analytics, dass es sich um zwei unterschiedliche Seiten handelt, die in den Berichten folglich getrennt werden, obwohl es sich ja in beiden Fällen de facto um ein und dieselbe Startseite dreht. Um diesen Effekt zu verhindern, der sich ebenfalls störend auf die dargestellte Analyse auswirkt, sollte im Feld "Website-URL:" "http://www.beispiel.de" stehen. In das Feld "Standardseite" ist der Text "/index.php" einzutragen (siehe Abbildung 2).

Conversion-Prozesse: Wenn Besucher zu Kunden werden

Eine Conversion ist i.d.R. kein isoliertes Ereignis, sondern der Endpunkt eines Prozesses. Beispielsweise in einem Online-Shop durchlaufen die Nutzer vor einer Bestellung einen Prozess, in dem Sie Zahl- und Versandarten auswählen, Gutscheine oder Rabatt-Codes einlösen, Liefer- und Rechnungsadresse eingeben und dergleichen mehr. In Google Analytics und anderen Webanalyse-Tools kann ein solcher Conversion-Prozess mithilfe eines Trichters abgebildet und visualisiert werden (siehe Abbildung 3).

Die makroskopische Analyse eines solchen Trichters ist eine ebenso simple Schau-drauf-und-erkenne-Analyse wie die zuvor beschriebene. Es ist derjenige Schritt im Prozess zu betrachten, der den längsten roten Balken aufweist. In diesem Fall stellt der rote Balken allerdings nicht die Absprungrate im Vergleich zum Website-Durchschnitt dar, sondern spiegelt für jeden Teilschritt des Prozesses den Anteil der Besucher wider, die aus dem Prozess aussteigen.

In Abbildung 3 ist zu erkennen, dass bei Schritt 2 mit 41% die meisten Besucher aussteigen, dicht gefolgt von Schritt 5 mit 37%. Ähnlich wie bei den Landing-Pages sind dies die Schwachstellen des Conversion-Prozesses. Auch hier läuft etwas schief. Etwas stört oder hindert die Besucher daran, den Conversion-Prozess abzuschließen. Durch die Analyse der Ausstiegspfade, die in Form einer kleinen Tabelle jeweils rechst neben den einzelnen Teilschritten aufgeführt werden (aus Datenschutzgründen unkenntlich gemacht), können u.U. bereits erste Erkenntnisse darüber gewonnen werden, warum einige Besucher den Prozess an dieser Stelle verlassen. In einem Online-Shop beispielsweise, weil sie nach AGB oder Lieferbedingungen suchen. Oder möglicherweise mit den angebotenen Bezahlarten nicht einverstanden sind und sich nach anderen Anbietern umschauen. Nach der Analyse der Ausstiegspfade sollten dann wieder das erprobte Team von Experten versammelt und die Seiten, die sich hinter Schritt 2 und 5 verbergen, genau inspiziert werden. Das Team sollte auch hier Hypothesen diskutieren, worin die Probleme bestehen könnten und alternative Varianten der Seiten mit entsprechend abgeleiteten Lösungsansätzen entwickeln. Die Verbesserungswirkung kann genau wie in der zuvor beschriebenen Analyse wieder mit dem Google Website Optimizer oder mit Usability-Tests ermittelt werden.

Da haben wir sie: Zwei unkomplizierte, sofort nützliche und für jeden Entscheider relevante Analysen, die zeitnah durchgeführt werden können, wenn das Analytics Konto erst einmal komplett und korrekt eingerichtet ist.

Der Clou der ersten Analyse besteht darin, dass dadurch ein Optimierungsprozess in Gang gesetzt wird, in dessen Folge die Absprungraten der wichtigsten Landing-Pages sinken und somit mehr Besucher in "das Innere" der Website gelangen. Dieser erhöhte innere Besucherstrom geht mit einer Zunahme der Conversion-Wahrscheinlichkeit einher. Der Optimierungsprozess, der durch die zweite Analyse angestoßen wird, sorgt dafür, dass mehr Besucher als zuvor den Trichter passieren und im Ergebnis somit mehr Conversions abgeschlossen werden.

Zum Schluss gibt es noch zwei Tipps, die das Arbeiten mit Google Analytics vereinfachen und verbessern.

Datenhygiene

Der Webanalyst ist gut beraten, wenn er die Daten in Google Analytics frei von Besuchern und vom Traffic aus dem eigenen Unternehmen hält. Die Verzerrungen, die durch interne oder eigene Besuche der Website entstehen, sind tatsächlich oft immens. Der erste Ansatz, die eigene IP-Adresse über einen ausschließenden Filter aus den Berichten fern halten, scheitert daran, dass für die meisten Zugänge ins Internet eine dynamische IP-Adresse vergeben wird, die in der Regel täglich wechselt. Nur einige wenige Inhaber einer statischen IP-Adresse für den Internetzugang könnten diese einfache Lösung umsetzen. Ein zweiter Ansatz besteht darin, den gesamten Bereich, aus denen die dynamischen IP-Adressen vergeben werden, heraus zu filtern. Aber nicht nur, dass diese Bereiche gar nicht leicht zu ermitteln sind, zugleich würde man damit eine erhebliche Nutzerschaft, die ebenfalls mit Adressen aus diesem Pool bedient wird, nicht mehr erfassen. Die Daten wären deutlich verzerrt. Wer sich sicher gehen will, dass die Statistiken saubere Daten liefern, der besucht www.reffaker.de bevor er die eigene Site aufruft. Nach Eingabe der zu besuchenden Website in das Feld "Destination-URL" auf reffaker.de wird der Nutzer zur gewünschten Website weitergeleitet. Der Reffaker tut nichts Besonderes, aber er sorgt dafür, dass beim Besuch der gewünschten Website ein bestimmter Referrer übermittelt wird, nämlich "reffaker.de". Zugriffe mit diesem Referrer lassen sich in Analytics leicht herausfiltern. Solche Zugriffe erscheinen in Google Analytics unter "Verweisende Websites" mit "reffaker.de" als Referrer. In einem Analytics-Profil kann nun ein Filter angelegt werden, der sämtliche Zugriffe über reffaker.de aus den Berichten ausschließt. Wie dies im Detail geschieht ist auf www.reffaker.de anschaulich erklärt. Sofern die eigene Website konsequent über den Reffaker angesteuert wird, sind die Google Analytics Berichte in dem gefilterten Profil frei von eigenen Zugriffen.

Es gibt noch mehr Methoden, den eigenen Traffic nicht in die Google Analytics-Berichte einfließen zu lassen. Die vorgestellte Methode ist allerdings die einfachste Lösung.

Interpretation von Kennzahlen

Wenn Absprung-, Conversion- oder sonstige Raten interpretiert werden, sollten nur diejenigen Werte berücksichtigt werden, die auf mindestens 100 Zugriffen, Seitenaufrufen, oder was sonst zur Errechnung der Rate im Nenner steht, basieren. Steht im Nenner ein kleinerer Wert als 100, dann ist diese Rate nur unter Vorbehalt im Sinne eines Hinweises auf eine positive oder negative Tendenz zu interpretieren. Ganz egal wo die Messlatte liegt: Die Absprungrate einer Seite, die sich bspw. auf lediglich fünf Seitenzugriffe bezieht, ist für eine solide Interpretation einfach nicht zu gebrauchen.

Während man in der Vergangenheit die Google Analytics Berichte exportieren und mit einem Tabellenkalkulationsprogramm nachbearbeiten musste, um ernsthaft interpretierbare Kennzahlen aus den Berichten zu extrahieren, bietet Google Analytics seit Neuestem eine komfortablere Möglichkeit an. Unter den vor kurzem freigegebenen neuen Features in Google Analytics befinden sich nämlich auch neue erweiterte Filter, die in allen vollständigen Google Analytics Berichten zur Verfügung stehen. Mit ihnen kann man direkt im Konto festlegen, dass in den Berichten nur Daten erscheinen, die eine oder mehrere Bedingungen erfüllen. Sollen beispielsweise die Absprungraten aller Webseiten analysiert werden, die auf mindestens 100 Seitenzugriffen basieren, ist das mit den neuen erweiterten Filtern kein Problem mehr (siehe Abbildung 4). Für alle ein erfreulicher Fortschritt in Richtung "komfortables Arbeiten".

Über den Autor Markus Hartwig ist Diplom-Psychologe und seit 2007 im Analytics-Team der Internet-mit-IQ GmbH. Durch die Kombination von Online-Marketing-Kenntnissen und seiner langjährigen Praxiserfahrung auf dem Gebiet der Webanalyse versteht es Markus Hartwig mit seiner Arbeit, das Thema Conversionsteigerung in den Fokus zu setzen.

Kommentar abgeben