Google Analytics Konferenz: Trends für die Webanalyse

Beitrag aus Ausgabe 59 / April 2016
Analytics
Maik Bruns

ist Inhaber des auf Webanalyse-Beratung und -Seminare spezialisierten Unternehmens MetrikaDer Google-Analytics- und Tag-Manager-Professional und Coach liebt es, aus Unternehmen und ihren Websites zielorientierte Erfolgsmechanismen herauszukitzeln und sie auf Wachstumskurs zu bringen.

Drei Tage umgeben von Webanalysten, Analyse-Interessierten und Online-Marketern bringen immer Erkenntnisse. So auch bei der diesjährigen Google Analytics Konferenz in Wien. Einige Trends, die sich für die Webanalyse ergeben, werden in diesem Beitrag zusammengefasst.

Wer sich der Webanalyse bislang aus Unternehmenssicht noch nicht geöffnet hat, stochert oftmals im Trüben bei der Untersuchung der Leistungsfähigkeit der eigenen Website oder auch bei der Ermittlung der Wirtschaftlichkeit einzelner Kanäle. Das Webanalyse-Tools, und dabei ist in diesem Beitrag im Speziellen Google Analytics gemeint, einen großen Beitrag zur Optimierung der eigenen Maßnahmen oder Website leisten kann, dürfte mittlerweile unbestritten sein. Doch welche Trends zeigen sich in puncto Webanalyse für das Jahr 2016 und darüber hinaus? Darüber wurde auf der Google Analytics Konferenz Ende Februar in Wien ausführlich gesprochen.

Wer sich die bloße Anzahl an Zuhörern auf der Konferenz anschaut – Veranstalter e-dialog spricht von „über 800“ bei dieser fünften Auflage –, wird feststellen, dass Webanalyse mittlerweile wohl im „Mainstream“ angekommen ist. Dementsprechend gab es eine breite Palette an Themen zu diskutieren.

More and more and more …

Einer der wichtigsten Trends, die sich zeigen: Unternehmen setzen zunehmend auf Webanalysten. Die Möglichkeiten, die sich für datengetriebenes Marketing eröffnen, scheinen mittlerweile von den Verantwortlichen auch in Unternehmen kleiner und mittlerer Größe erkannt worden zu sein. Webanalytics-Zahlen werden also nicht länger nur als „Zahlen“, sondern als Entscheidungsgrundlage zur Optimierung der Website und vieler interner Prozesse begriffen. Und wer diese Daten nicht nutzt, gerät schnell ins Hintertreffen, wenn der Wettbewerb es tut.

Nicht zuletzt darauf ging auch Justin Cutroni (Abbildung 1) – der Nachfolger von Avinash Kaushik als Analytics Evangelist im Analytics-Team von Google – in seiner Keynote ein. Seiner Meinung nach fehlt in vielen Unternehmen der CDO („Chief Data Officer“) als Schnittstelle zwischen dem technischen und dem Marketing-/Vertriebs-Verantwortlichen in den Unternehmen.

Der CDO sollte dabei nicht nur Verständnis für die vielen Metriken entwickeln, sondern sich im Wesentlichen für ein „Erlebbar machen“ derselben einsetzen. „Data Storytelling“ ist daher ein wesentlicher Aspekt seiner Arbeit. Weg von reinen Zahlen, hin zu nachvollziehbaren Geschichten.

Es kann also beinahe schon von „Mainstream“ gesprochen werden – zumindest dann, wenn die bloße Anzahl an Zuhörern auf dieser Konferenz zugrunde gelegt werden soll.

Customer Journey nachvollziehen

Kanalisoliertes Denken war gestern. Was heute in der Webanalyse zählt, ist das Verständnis dafür, dass Benutzer nicht nur verschiedene Kanäle nutzen, um zu Unternehmenswebsites zu gelangen, sondern darüber hinaus auch noch mehrere Geräte. Mehrmals täglich nutzen Menschen heute unterschiedlichste Möglichkeiten, um mit Websites in Kontakt zu treten. Und das nicht nur online, sondern obendrein mitunter offline – ganz gleich, ob am Telefon, in der Filiale oder per E-Mail.

Das erschwert natürlich in vielerlei Hinsicht die Analysen der sogenannten Customer Journey. Vielleicht kommt ein Besucher zunächst mit dem Smartphone über einen Link in einem sozialen Netzwerk zu einer Website oder einem Shop, kauft aber noch nicht, sondern informiert sich nur. Später erinnert er sich daran, findet per organischer Suche nach der Marke des Shops zu der Website, um einen Tag später mittels Direkteingabe der Webadresse dort einen Kauf zu tätigen.

Wenn Analysten diese Reise nachvollziehen können, werden bestimmte Werte in Analytics plötzlich in einem anderen Licht erscheinen. Auch und vor allem im Hinblick auf unterschiedliche Zielgruppen, deren Segmentierung ebenfalls künftig eine große Rolle spielen wird. Also: Wie definieren sich die Zielgruppen, wofür stehen sie, welchen Wert kann ihnen die Unternehmenswebsite bieten?

Um die Customer Journey besser nachvollziehen zu können, bietet etwa der Menüpunkt „Top Conversion-Pfade“ einen guten Einstieg (siehe Abbildung 2) – zumindest, wenn es um Conversions geht, die am gleichen Gerät umgesetzt wurden. Für geräteübergreifende Conversions reicht die Basis-Implementation von Google Analytics nicht aus. Dafür sind weitergehende Konzepte nötig, die Benutzer mittels einer geräteübergreifend zugeordneten User ID anonymisiert identifizieren.

Attributionsmodelle für sich definieren

Google Analytics weist pauschal dem letzten indirekten Klick die Conversion zu. Dass das oftmals nur die „halbe Wahrheit“ ist, wissen all diejenigen, die sich um die weniger abschlussintensiven Kanäle kümmern, beispielsweise um Social Media. Die „ganze Wahrheit“ lautet in der Regel eher (siehe Abschnitt zur Customer Journey), dass verschiedene Kanäle an einer Conversion beteiligt sind, etwa Anzeigen im Display-Netzwerk, die organische Suche oder AdWords, die oftmals vorbereitend für die Conversion tätig sind. Das wird aber zunächst in den Standard-Conversion-Reports nicht berücksichtigt.

Hier kommen die verschiedenen Attributionsmodelle ins Spiel, die die Webanalyse-Software bietet, etwa unter dem Menüpunkt „Conversions“ > „Modellvergleichstool“. Insbesondere Matthias Cada von Google hielt ein Plädoyer für die dort liegenden Modelle („Die Welt ist Multichannel und jeder will die Conversion für sich beanspruchen“ und „Mit Attributionsmodellen hin zu einer klareren Vision“). Denn wenn beispielsweise AdWords zu Beginn der Customer Journey, sprich bei der Akquise, eine Rolle spielt, ist es als „Türöffner“ ggf. mit einem hohen prozentualen Beitrag an der Conversion beteiligt. Welches der Modelle im Modellvergleichstool für das eigene Geschäft sinnvoll ist (etwa „Letzte Interaktion“ im Vergleich zu „Erste Interaktion“ oder auch positionsbasierten Definitionen), muss letztlich jedes Unternehmen für sich herausfinden. Der Trend geht jedoch in Richtung individueller Anpassung – und auch diese Möglichkeit bietet das Modellvergleichstool mit den „benutzerdefinierten Modellen“, die sich dort erstellen lassen (siehe Abbildung 3).

Datenqualität sichern

Wenn die Daten in Google Analytics nicht stimmen, stimmen auch die resultierenden Analysen nicht. So einfach wie die Anforderung formuliert ist, gelingt es in der Praxis jedoch nicht, die Datenqualität sicherzustellen. Denn neben Referrer Spam (den Google seit einiger Zeit besser im Griff hat) und technischen Fehlern, wie etwa falsch gesetzten Filtern oder Missgeschicken mit dem Tracking Code, sind viele andere Fallstricke zu bewältigen.

Problemstellen in puncto Datenqualität

Beispielhafte Probleme, die in Hinblick auf die Datenqualität in Google Analytics auftreten können

  • Trackingcode fehlt auf bestimmten Seiten
  • Transaktionen werden unvollständig erfasst
  • Interner Traffic wird mit aufgezeichnet
  • Bots und Spider werden nicht gefiltert (wird seit einigen Wochen durch Google wesentlich besser abgedeckt als zuvor)
  • Für die Analyse unnötige Parameter (u. U. Suchparameter, Druckparameter) werden in der URL nicht gefiltert
  • Groß-/Kleinschreibungs-URLs und Kampagnen-Parameter nicht harmonisiert
  • Zielland der Website nicht korrekt eingestellt (hat Einfluss auf den „Tagessprung“, an dem bspw. eine Session automatisch beendet wird.
  • Hohe Rückerstattungsquoten werden nicht berücksichtigt

Es bleibt also in der Verantwortung des Unternehmens, konsequent daran zu arbeiten, die Datenqualität auf einem hohen Level zu halten. Das erfordert in erster Linie einen Verantwortlichen, der genau darauf achtet und regelmäßig die Website und die resultierenden Ergebnisse dahingehend überprüft, ob in Sachen Tracking alles in Ordnung ist. Das kann mitunter den Abgleich von Conversion-Daten mit der eigenen Warenwirtschaft erfordern – oder auch ein schlichtes Crawling der Website, um zu erkennen, ob der Analytics Trackingcode oder der Tag Manager Code global ausgespielt werden. Der oben erwähnte Chief Data Officer (CDO) könnte eine solche Stelle einnehmen.

Tag Manager ist „angekommen“

Was vor rund zwei Jahren noch als „Nerd-Kram“ abgetan wurde, ist spätestens seit dem Update auf die V2 des Google Tag Managers aus Konzepten rund um die Webanalyse nicht mehr wegzudenken. Nicht nur, dass Google im positiven Sinne an der Usability-Schraube gedreht hat, auch die Möglichkeiten des Tag Managers werden zunehmend durch Unternehmen erkannt – und genutzt.

Das Konzept, in der Regel nur noch einen Code-Schnipsel auf der Website einbauen zu müssen und über diesen im Backend des Tag Managers quasi beliebige Änderungen vornehmen zu können, setzt sich mehr und mehr durch. Zumal der Google Tag Manager mittlerweile nicht mehr mit vordefinierten Templates geizt (siehe Abbildung 4), so etwa dem Basistracking für Google Analytics. So wird es auch für weniger technikaffine Marketer wesentlich einfacher, sich mit dem Tag Management auseinander zu setzen.

Spannend? Jetzt Artikel zu Ende lesen!

Lesen Sie den Artikel weiter in unserer suchradar Ausgabe 59 von April 2016 mit dem Titelthema „SEO-Analysen selber durchführen“.

Kostenloses PDF-Magazin bestellen Online weiterlesen? Einfach kostenlos für den Newsletter anmelden. Kostenpflichtiges Print-Abo bestellen