- Werbung - Hier Werbung schalten -

suchradar.de > Magazin > Archiv > Ausgabe 24 > Google AdWords Werkstatt - Search Funnels

Google AdWords Werkstatt:
Mit Search Funnels das Suchverhalten analysieren

Die Search-Funnel-Analyse ermöglicht Werbetreibenden einen größeren Einblick in das Suchverhalten ihrer Kunden. Ob man daraus großen Nutzen ziehen kann, ist allerdings fraglich. Von Martin Röttgerding.

Unter dem Begriff Search Funnel, zu Deutsch "Such-Trichter", hat Google eine Berichtsart bereitgestellt, die AdWords-Kunden helfen soll, das Suchverhalten von Nutzern besser zu verstehen. Genauer gesagt geht es allerdings nicht um alle Nutzer, sondern nur um solche, die eine Conversion generiert haben. Voraussetzung für die Nutzung dieser Berichte ist also ein aktiviertes Conversion-Tracking.

Conversions werden von AdWords grundsätzlich dem letzten Klick zugerechnet. Beispiel Fernseherkauf: Ein Nutzer sucht zunächst nach "fernseher", dann nach "lcd fernseher" und schließlich nach "sony lcd tv". Bei jeder Suche klickt er auf eine Anzeige desselben Werbetreibenden und kauft am Ende dort ein. Im Konto des Advertisers steht nun für alle drei Keywords jeweils ein Klick, aber nur für das zuletzt angeklickte Keyword, "sony lcd tv", wurde eine Conversion verbucht.

Mithilfe der Search-Funnel-Reports lässt sich nun auch wieder ein Teil des restlichen Suchverhaltens nachvollziehen. Dort werden für die anderen beiden Suchbegriffe im Beispiel so genannte "Click-Assists" oder "unterstützende Klicks" verbucht: Diese Suchbegriffe haben sozusagen bei der Conversion "assistiert". Ebenfalls ausgewiesen werden Impression-Assists (unterstützende Impressionen), wenn eine Anzeige zwar eingeblendet, aber nicht angeklickt wurde.

Die Reports rund um Search Funnels finden Advertiser auf der AdWords-Oberfläche unter dem Reiter Berichterstellung und dem Menüpunkt Conversions. Auf der folgenden Seite befindet sich dann links der Link "Such-Trichter", der zu einer Übersichtsseite führt. Dort sieht man zunächst die wichtigsten Größen: Conversion-Zahl, die durchschnittliche Zahl der Klicks und Impressionen bis zu einer Conversion, sowie die durchschnittliche Zeit bis zur Conversion. Insgesamt stehen sieben Berichte zur Verfügung, die sich in die Bereiche Quellenanalyse, Interaktionsanalyse und Zeitanalyse gliedern.

Quellenanalyse

Der Bericht "Unterstützte Conversions" zeigt auf, wie viele Conversions und welcher Conversion-Wert (Umsatz) über den letzten Klick einer Kampagne, Anzeigengruppe oder eines Keywords erzielt wurden. Daneben lassen sich aber auch Anzahl und Wert von unterstützten Conversions anzeigen, sowie das Verhältnis zwischen Assists und Conversions über den letzten Klick. Diese Auswertung kann sowohl für Klicks als auch für Impressionen vorgenommen werden. So lassen sich z.B. Keywords finden, die besonders oft "Unterstützung" durch andere Keywords erhalten haben.

Der Bericht "Unterstützte Klicks und Impressionen" funktioniert ähnlich, nimmt aber eine andere Perspektive ein (beim Namen hat sich wohl ein Übersetzungsfehler eingeschlichen: es geht natürlich um unterstützende Klicks und Impressionen). Hier steht, für wie viele letzte Klicks und wie viele unterstützende Klicks und Impressionen eine Kampagne, Anzeigengruppe oder ein Keyword verantwortlich ist. Der Unterschied zum vorherigen Report: Wenn eine Conversion zwei Click-Assists bekommt, wird sie im vorigen Report als eine unterstützte Conversion geführt, während in diesem Report zwei Unterstützungen durch Klicks ausgewiesen werden.

Zeitanalyse

Welche Zeit bis zu einer Conversion vergeht, entnimmt man dem Bericht "Verzögerung". Hier wird aufgeschlüsselt, wie viele Conversions in welcher Zeitspanne nach der ersten Impression, dem ersten Klick oder dem letzten Klick generiert wurden. Beispiel: 220 Conversions oder 55 % wurden am ersten Tag nach der ersten Impression generiert, weitere 20 am zweiten usw. Möglich ist aber auch eine Aufschlüsselung nach Conversion-Wert. Im gleichen Beispiel könnten diese Werte dann lauten: 10.000 € Umsatz oder 48 % wurden am ersten Tag generiert. Anstatt Tagen lassen sich auch Stunden betrachten.
Im "Pfadlänge"-Bericht wird aufgeschlüsselt, wie viele Conversions bzw. welcher Conversion-Wert nach wie vielen Klicks oder Impressionen zustande gekommen ist. Ein Beispiel (siehe Abbildung 2): 65 % der Conversions kamen schon beim ersten Klick zustande, weitere 18 % nach dem zweiten Klick.

Interaktionsanalyse

Der Report "Oberster Pfad" heißt im Englischen "Top Paths" und enthält die wichtigsten Klick- und Impressions-Pfade. Im eingangs erwähnten Beispiel wäre der Keyword-Klickpfad theoretisch "fernseher" > "lcd fernseher" > "sony lcd tv". Auch Impressions-Pfade lassen sich anzeigen. In der Praxis sieht man hier aber kaum konkrete Pfade und bekommt stattdessen den Hinweis "(gefilterte Pfaddaten)".

Mächtige Instrumente sind auch die letzten beiden Reports "Auswertung erste Klicks" und "Auswertung letzte Klicks", welche analog zueinander funktionieren. Hier wählt man zunächst eine Kampagne aus, man kann die Auswahl aber auch weiter auf eine Anzeigengruppe oder ein Keyword einschränken. Für die Auswahl kann man sich dann alle übrigen Reports anzeigen lassen. So kann man zum Beispiel eine Kampagne wählen und sich dann den Bericht Verzögerung anzeigen lassen. Die enthaltenen Daten gelten dann nur für die Conversions, deren erster respektive letzter Klick in dieser Kampagne lag.
Eingeschränkte Datenbasis

Während die Berichte in der Theorie sehr interessant klingen, stößt man in der Praxis leider schnell an die Grenzen der verfügbaren Daten. Eine besteht darin, dass auf der untersten Ebene der Analysen nur Keywords betrachtet werden können, nicht aber die konkreten Suchanfragen. Hat ein Advertiser also nur die Keywords "fernseher" und "sony lcd" eingebucht, dann kann auch nur diese in seinen Analysen sehen. Die Suchanfragenkette "fernseher", "lcd fernseher", "sony lcd tv" sieht als Keyword-Pfad für ihn dann so aus: "fernseher" > "fernseher" > "sony lcd" - daraus lassen sich schnell falsche Schlüsse ziehen.

Ebenfalls problematisch: In die Search-Funnel-Analysen gehen nur solche Pfade ein, die am Ende auch zu einer Conversion geführt haben. Alle übrigen Suchvorgänge bleiben unberücksichtigt. Das Problem dabei: Dass zwei Conversions der exakt gleiche Keyword-Pfad vorausgeht, ist recht unwahrscheinlich. In der Auswertung der wichtigsten Pfade sieht man deshalb auf Keyword-Ebene oft sehr viele einzelne Pfade, welche zu jeweils einer Conversion geführt haben. Hier den Überblick zu behalten und Erkenntnisse zu gewinnen gestaltet sich recht schwierig.

Um der Flut dieser Einzeldaten Herr zu werden, kann man auf zwei Aggregationsmöglichkeiten zurückgreifen. Die erste besteht in der Betrachtung von Daten auf Anzeigengruppen- oder Kampagnenebene. Wie viel man dort sieht, hängt von der Strukturierung ab. Wer allgemeine Keywords und konkrete Produktnamen trennt, hat gute Chancen zu erkennen, ob seine Kunden zuerst allgemein und später speziell suchen. Interessant ist in diesem Zusammenhang auch die Einbuchung des Namens der eigenen Website bzw. des eigenen Namens oder der eigenen Marke in einer separaten Kampagne. So lassen sich solche Pfade identifizieren, an deren Ende die Nutzer ganz konkret wieder die Website des Werbetreibenden gesucht haben.

Als zweite Aggregationsmöglichkeit lassen sich die Pfade außerdem auf Übergänge beschränken. Aus dem Keyword-Pfad "fernseher" > "fernseher" > "sony lcd" wird dann der Keyword-Übergangspfad "fernseher" > "sony lcd". Die Vorteile: Wiederholte Keywords werden zusammengefasst, so dass mehr gleichartige Pfade entstehen. Die Zersplitterung in viele verschiedene Pfade mit wenigen Conversions wird also zum Teil wieder aufgehoben. Hinzu kommt, dass den Übergängen in der Regel das größte Interesse gilt.

Kritische Betrachtung

Mit den Search-Funnel-Analysen liefert Google Daten, die für Werbetreibende interessant sein können - in vielen Fällen sind sie aber wenig hilfreich. Denn nicht immer lassen sich auch tatsächlich Erkenntnisse gewinnen, die Konsequenzen für die Praxis haben. So lässt sich zum Beispiel anhand der wichtigsten Pfade nachvollziehen, wie nach den eigenen Produkten gesucht wird. Die herrschende Lehrmeinung sagt hier, dass zunächst allgemein ("fernseher") und dann immer spezieller gesucht wird, bis hin zu konkreten Produktbezeichnungen ("sony kdl 32ex705"). Das erscheint zwar logisch, allerdings wird man in der Praxis höchst selten auf solch einen Pfad stoßen. Dominiert wird der entsprechende Bericht in der Regel von wiederholten Suchvorgängen in der Form Keyword A > Keyword A - wobei diese Pfade sehr lang werden können. Dieses Phänomen hat auch Auswirkungen auf die anderen Auswertungen. Viele der ausgewiesenen Assists sind lediglich so genannte "Self Assists", also Wiederholungen der gleichen Suchanfrage.

Fraglich ist allerdings auch, wie ein Assist grundsätzlich zu bewerten ist. In den Berichten ist wie selbstverständlich von Assists und Unterstützungen die Rede. Dabei ist keineswegs klar, ob eine Conversion auch tatsächlich Schützenhilfe bekommen hat. Zumal bei Impression-Assists auch unklar ist, ob ein Nutzer die Einblendung überhaupt wahrgenommen hat - je nach Anzeigenposition ist das mehr oder weniger wahrscheinlich. Welchen Beitrag "unterstützende" Klicks oder Impressionen zu einer Conversion leisten, bleibt leider unklar.

Ein weiteres grundsätzliches Problem der Search-Funnel-Analyse ist die zumeist schwache Datenbasis. So gibt es nur Daten zu Pfaden, die auch tatsächlich mit einer Conversion endeten und nur zu eingebuchten Keywords, nicht aber konkreten Suchanfragen. Die Ergebnisse lassen sich daher auch kaum auf die Goldwaage legen, spiegeln sie doch zum Großteil die eigenen Kampagnen wieder.

Praktische Erkenntnisse

Einige praktische Erkenntnisse lassen sich aus den Search Funnels aber doch ziehen. Wird zum Beispiel festgestellt, dass zwischen dem letzten Klick und einer Conversion oft mehr als ein Tag liegt, so hat dies Auswirkungen auf die Bewertung der jüngsten Kampagnenperformance. Bei der Durchsicht der Ergebnisse vom Vortrag weiß man dann, dass eigentlich noch einige Conversions fehlen.

Die Verbreitung von Self Assists hat außerdem Auswirkungen auf die optimale Zahl der Anzeigen pro Anzeigengruppe. Googles klassisches A/B-Testing von Anzeigen ist darauf ausgerichtet, dass es am Ende nur noch eine Anzeige pro Anzeigengruppe gibt. Gibt es aber sehr viele wiederholte Suchvorgänge, so läuft dies darauf hinaus, dass ein Nutzer immer wieder dieselbe Anzeige gezeigt bekommt. In diesen Fällen sollte getestet werden, ob verschiedene Anzeigen, welche im Wechsel eingeblendet werden, möglicherweise zu besseren Ergebnissen führen. Umgekehrt bedeutet das Ausbleiben von Self Assists, dass man einem Nutzer besser gleich die beste Werbung zeigt.

Über den Autor Martin Röttgerding ist Head of SEM bei der SEO-/SEM-Agentur Bloofusion. E-Mail: martin.roettgerding@bloofusion.de