Webanalyse: Weshalb die „Nutzer-Conversion-Rate“ die bessere Conversion Rate ist

Beitrag aus Ausgabe 76 / Februar 2019
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.

Wer in Webanalyse-Tools auf die Conversion Rate in den Standard-Reports vertraut, ignoriert unter Umständen eine wesentlich bessere Performance der Website. Weshalb die Nutzer-Conversion-Rate die bessere Metrik ist.

Warum ist die Conversion Rate so wichtig?

Immer noch wird in vielen Unternehmen die Performance der Website anhand der Conversion Rate definiert. Doch obwohl diese Metrik ihre Schwächen hat, ist das ein grundsätzlich besseres Vorgehen, als die Leistung anhand von Seitenaufrufen oder Absprungraten zu analysieren.

Denn die Conversion Rate hat den normalen Standard-Metriken in Webanalyse-Tools eine Sache voraus: Sie ist zielbezogen und damit Outcome-bezogen. Und wer Webanalyse ernsthaft betreibt, misst die Leistungsfähigkeit seiner Website immer in diesem Kontext. Denn, um das mal plakativ auf die Spitze zu treiben: Nicht Seitenaufrufe sind wichtig, sondern das, was am Ende durch sie erzielt wird.

Doch leider ist die Conversion Rate in vielen Fällen mit einem grundsätzlichen Interpretationsfehler behaftet.

Was berichtet das Analytics-Tool?

In den Webanalyse-Tools oder auch vielen Dashboard-Tools wird die Conversion Rate zumeist als sitzungsbezogene Metrik erhoben. Das bedeutet, die Anzahl der Transaktionen oder sonstiger Zielerreichungen wird durch die Anzahl der Sitzungen geteilt, um sie zu berechnen (siehe Abbildung 1).

Die Conversion Rate wird in Google Analytics also wie folgt berechnet:

Ziel-Conversion-Rate: (Anzahl der Zielerreichungen/Anzahl der Sitzungen) * 100

E-Commerce-Conversion Rate: (Anzahl der Transaktionen/Anzahl der Sitzungen) * 100

Oder in einem Zahlenbeispiel:

(10 Transaktionen (oder Zielerreichungen)/1 000 Sitzungen) * 100 = 0,1 * 100 = 1 % Conversion Rate

Doch die Anzahl der Sitzungen ist in vielen Fällen kein gutes Messinstrument. Denn sie ignoriert, dass Nutzer u. U. mehrmals eine Website besuchen, bevor sie zum Käufer werden. „Customer Journey“ ist hier das Schlagwort. Und die kann nun mal sehr unterschiedlich ausfallen.

Zwei Beispiele:

Ein Nutzer besucht die Website zweimal und kauft einmal in einer der Sitzungen = 50 % Conversion Rate (da „Transaktionen“/„Sitzungen“ = 1/2 = 0,5 = 50 %)

Ein Nutzer besucht die Website 20 Mal und kauft dreimal in unterschiedlichen Sitzungen = 15 % Conversion Rate (da 3/20 = 0,15 = 15 %)

Wenn die Conversion Rate stattdessen auf Basis der Nutzerzahlen errechnet würde, läge diese im ersten Beispiel bei 100 % und im zweiten Beispiel sogar bei 300 %, da statt der Sitzungszahl die Nutzerzahl zugrunde gelegt würde („Transaktionen“/„Nutzer“).

Ist der Unterschied deutlich?

Was ist denn nun die bessere Zahl?

Natürlich lässt sich trefflich darüber streiten, ob das nicht mitunter mit Kanonen auf Spatzen schießen bedeutet, denn irgendwie rechnen ja „alle“ immer nur mit der normalen Conversion Rate. Doch ich zeige weiter unten, warum das durchaus einen großen Unterschied in der Ausrichtung der Strategie ausmachen kann.

Gibt es eine „noch bessere“ Conversion Rate?

In der Theorie gibt es natürlich eine noch bessere Conversion Rate als die gerade aufgeführte Nutzer-Conversion-Rate. Denn technisch gesehen ist in Webanalyse-Tools ein Nutzer mit einem Browser auf einem bestimmten Gerät gleichzusetzen.

Wenn ein Website-Besucher mit einem anderen Browser und/oder einem anderen Gerät (Smartphone, Desktop, Tablet) auftaucht, ist er technisch gesehen ein neuer Nutzer. Und das kann die Statistik natürlich noch einmal ordentlich durcheinander würfeln – das ist aber bei allen Webanalyse-Tools so.

Das ist solange ein Problem, bis sich Nutzer gegenüber der Seite zu erkennen geben, sich also einloggen. Denn dann ist die Vergabe einer speziellen User-ID möglich. Und dementsprechend könnte man die Nutzer-Conversion-Rate weiter verfeinern.

Macht das überhaupt etwas aus?

Zunächst einmal sollte sich jeder fragen: Was genau ist das Ziel, das ein Nutzer erreichen soll? Ist es eines, das ein Nutzer in jeder Sitzung erreichen sollte? Oder ist es eines, das er mindestens einmal überhaupt erreichen sollte? Abhängig davon lässt sich meist schnell beantworten, ob eine Nutzer-Conversion-Rate oder eine Sitzungs-Conversion-Rate die bessere Metrik ist.

Bei einem Makroziel, wie einem Kauf etwa, würde vermutlich beinahe jeder zustimmen, dass das auf Nutzer-Ebene bewertet werden sollte – es sei denn, es ist tatsächlich klar, dass Zielerreichungen zu einem Großteil innerhalb der ersten und einzigen Sitzung stattfinden. Während das Erreichen eines Mikrozieles, wie einem Login oder einem Abspielen eines Videos, möglicherweise auch sitzungsbezogen ausgewertet wertvoll sein kann.

Im Folgenden (siehe Tabelle 1) werden verschiedene Real-Beispiele aufgeführt, wie unterschiedlich die Werte bei verschiedenen Website-Typen sein können. Selbstverständlich nur als Stichprobe, aber über längere Zeiträume (jeweils > 1 Monat), sodass ausreichend Daten vorhanden sein sollten.

 

Sitzungs-Conversion-Rate (Durchschnitt)

Nutzer-Conversion-Rate (Durchschnitt)

Abweichung

E-Commerce-Seite

1,70 %

2,68 %

+57,65 %

Lead-Erzeugungs-Seite

3,55 %

4,45 %

+25,35 %

B2C-Portal

0,28 %

0,51 %

+82,14 %

Tabelle 1: Unterschiede zwischen Sitzungs-Conversion-Rate und Nutzer-Conversion-Rate

Zur Interpretation, die sich hieraus ableiten lässt: Je größer der Anstieg der Nutzer-Conversion-Rate gegenüber ihrem sitzungsbezogenen Pendant, desto mehr Sitzungen hat ein Nutzer vor der Conversion benötigt. Die Customer Journey ist dann also länger.

Wie kann man die Nutzer-Conversion-Rate aufzeigen?

Am besten lässt sich das in Google Analytics mithilfe von sogenannten berechneten Messwerten erledigen. Diese lassen sich in der Verwaltung und dort auf Ebene der Datenansicht unter dem Menüpunkt „Berechnete Messwerte“ anlegen (siehe Abbildung 2).

Dort wird mit Klick auf den roten Knopf ein neuer berechneter Messwert angelegt. Um bspw. eine Nutzer-Conversion-Rate für vorhandene E-Commerce-Transaktionen anzulegen, sind folgende Einstellungen nötig (siehe Abbildung 3):

  1. Name für berechneten Messwert angeben
  2. Formatierungstyp: „Prozentwert“
  3. Formel hinterlegen. In diesem Fall: „{{Transaktionen}} / {{Nutzer}}“

Keine Angst vor den doppel-geschweiften Klammern. Es genügt, in dem Feld die Buchstaben einzugeben, dann werden entsprechende vorhandene Metriken vorgeschlagen und die Klammern automatisch gebildet.

In diesem Fall wurden „Transaktionen“ genutzt, doch lassen sich hier natürlich auch andere Abschlusszahlen verschiedener eingerichteter Ziele nutzen.

Auf diese neue berechnete Metrik kann nun entweder mittels benutzerdefinierten Berichten in Google Analytics (siehe Abbildung 4) oder über die API-Schnittstelle (auch in Google Data Studio) zurückgegriffen werden.

Die Ergebnisse des benutzerdefinierten Berichts lassen sich dann schnell mit denen aus den Standard-Reports vergleichen (siehe Abbildungen 5 und 6).

Und jetzt? Handeln!

Wie bei allem, was man aus der Webanalyse ablesen kann, ist die Zahl als solche nicht interessant, sofern sie keine Handlung auslöst. Daher sollte sich der Analyst fragen: Was mache ich jetzt aus diesen Zahlen? Sind sie für mich gut genug oder möchte ich sie verbessern? Was sind die Einflussfaktoren, die die Zahl treiben? Kann ich diese überhaupt beeinflussen?

Aus diesen und noch mehr Fragen leitet sich nun die Handlung ab, die umgesetzt werden muss. Erst wenn Handlung entsteht, kann Webanalyse wirklich sinnvoll erfolgen.

Fazit: Conversion Rate ≠ Conversion Rate

Die Standard-Conversion-Rate in Google Analytics und anderen Webanalyse-Tools kann nicht mehr sein als ein Indikator. Da sie zumeist sitzungsbezogen erhoben werden wird, ist sie per se unvollkommen. Besser ist es da, mit einer eigens berechneten Nutzer-Conversion-Rate zu analysieren. Und damit lässt sich die Website weiter optimieren.

Spannend? Dieser Artikel ist im suchradar #76 erschienen

Lesen Sie weitere spannende Artikel aus der Ausgabe „Der Online-Marketing-Stundenplan: Strukturiert durch das Jahr“! Entweder online oder als PDF-Magazin.

Kostenlos als PDF-Version Alle Artikel aus der Ausgabe ansehen