Frank Reese - Damit aus Traffic Umsatz wird (2008)

• Frank Reese befasst sich seit 2002 mit dem Thema Web Analysen und bringt seit 2005 den Einkaufsführer Web Analytics raus. Er war Geschäftsführer von Ideal Observer und beriet Unternehmen beim Einsatz und der Auswahl von Web Analytics Tools. Reese ist seit April 2010 bei Webtrekk. Der Einkaufsführer geht nach 5 Jahren Reese-Arbeit an ein anderes Unternehmen. Frank Reese ist zudem Herausgeber und Mit-Autor vom Buch „Website-Testing: Conversion Optimierung für Landing Pages und Online-Angebote“. ..
  
• Das Buch ist das erste deutsche Web Analytics Buch. Der Schwerpunkt liegt darin, Web Analytics so zu betreiben, dass Kosten und Nutzen im Verhältnis stehen. Wie der Titel schon sagt „Damit aus Traffic Umsatz wird“... geht es hier stark um Kennzahlen (KPI), um die Priorisierung von Zielen und um die gezielte Analyse der Daten (Segmentierung nach Nutzern und Webseitenbereichen). Ich musste das Buch zweimal lesen, um es richtig wert zu schätzen. Es ist einfach geschrieben, aber beim zweiten Durchgang gab es einfach noch ein paar Dinge mehr, die man beim ersten mal überlesen hat. Also.... gut investierte 35,- Euro... die sich bestimmt schnell wieder auszahlen.

Kapitel 1 – Acht Punkte zum produktiven Einsatz von Web Analytics
Web Analytics hilft dabei die Webseite zu verbessern. Damit man eine Verbesserung messen kann, müssen Ziele definiert werden. Und um ein Ziel zu definieren, muss man wissen, was für das Unternehmen erfolgsentscheidend ist. Den Grad der Zielerreichung misst man am besten mit Kennzahlen. Eine Kennzahl ist beispielsweise der Return on Investment (ROI), d.h. wie stehen überhaupt Aufwand und Nutzen im Verhältnis? Sich Mittelwerte über alle Nutzer anzusehen bringt wenig: sinnvoller ist es, Segmente zu bilden und die Besucher nach ähnlichen Gruppen zu analysieren und nicht alles zu vermischen. Statt hin und her zu philosophieren, was denn nun am besten ist, kann man es auch einfach mit einem A/B Test ausprobieren und erhält eine statistisch abgesicherte Antwort in realer Nutzungssituation. Wissen allein ändert die Webseite noch nicht. Das vorhandene Wissen muss in Abgleich zu den Zielen der Website in Handlungen umgesetzt werden. Ein laufendes Beobachten und Optimieren der Website hilft dabei mehr als eine einmalige Hau-Ruck-Aktion. Der Unterschied zwischen Mittel und Zweck wird anhand eines Hammers erklärt. Was nützt ein ergonomischer und schöner Hammer, wenn man damit keinen Nagel in die Wand bekommt. Wichtig ist immer den Focus auf den Zweck zu richten und zu kontrollieren, ob durch die Verbesserung des Designs und der Usability die Nutzer auch wirklich besser zum Ziel kommen.

Kapitel 2 – Kennzahlen – gemacht, um zu handeln
Eine Kennzahl, auch KPI (Key Performance Indikator), ist eine Verdichtung von Daten, die anzeigt, ob etwas geschäftsrelevantes auf der Website gut oder schlecht läuft. Alles, was geschäftsrelevant ist, sollte als Kennzahl abgebildet werden. Eine Kennzahl ist mit klaren Verantwortlichkeiten und Handlungsoptionen verknüpft, d.h. wenn eine Zahl gut ist, gibt es Lob, wenn eine Zahl schlecht ist, dann muss es eine Person geben, die etwas verändert, damit es besser wird. Damit man weiß, was gut und schlecht ist, braucht man Vorgaben bzw. Ziele. So kann die Steigerung der Kennzahl zum Vormonat ein Ziel sein. Da es bei der Website sehr viele unterschiedliche Ziele gibt, hilft es, diese mit einem Geldwert zu beziffern. Beispielsweise werden über eine Webseite im Monat 10 Kontakte generiert, die insgesamt 10.000 Euro Umsatz brachten, dann ist ein einzelner Kontakt 1.000 Euro wert. Von 1.000 Besuchern wird einer zum Kontakt, damit ist jeder gezählte Besucher 1 Euro wert. Das Gute an dieser „Monetarisierung“ ist, dass man im Web Analytics System beim Browser-Overlay für einzelne Navigationspunkte sieht, wie viel Beitrag zur Wertschöpfung einzelne Bereiche geben. Ein Ampelstatus kann zudem bei den Kennzahlen deutlich machen, wenn es etwas zu tun gibt.

Es werden Kennzahlen nach Website-Typ vorgestellt (Online-Shop, Content-Site, B2B-Site, Support-Site). Zudem gibt es eine hierarchische Gliederung, die mit dem Return-on-Investment (ROI) beginnt und sich dann in die strategische und operative Ebene runter bricht. Zu den Kennzahlen gehören beispielsweise das Verhältnis von neuen und wiederkehrenden Besuchern, Conversionrates, das Bestellvolumen, die Anzahl an Bestellungen, die Kosten pro Bestellung, die Besuchshäufigkeit und die Intensität der Besuche und Weitere. KPIs können auch nach Funktionen unterteilt werden. So interessiert bei der Startseite und den Landingpages die Bounce-Rate. Bei Infoseiten interessiert wie hoch der Anteil zur nächsten Aktion ist. In Bestell- und Registrierungsprozessen die Conversionrate, das Bestellvolumen und die Anzahl an Käufen pro Bestellung. Des Weiteren werden KPIs für SEM, Newsletter und Werbebanner dargestellt. Zum Ende des Kapitels geht es um das Reporting über Excel oder Dashboards.

Kapitel 3 – Segmentierung
Segmentierung bedeutet die Besucher auf der Webseite durch Filter in unterschiedliche Gruppen aufzuteilen, um diese besser zu verstehen und gezielter auf Ihre Bedürfnisse zu reagieren. Frank Reese unterscheidet drei Gruppen: (1) Diejenigen, die irrtümlich auf der Webseite waren und nie zufrieden gestellt werden können, (2) Diejenigen, die ganz gezielt auf die Webseite gekommen sind und alles finden, was sie suchen und (3) Diejenigen, die mehr oder weniger bewusst auf die Webseite gekommen sind, aber irgendwie nicht finden können, was sie suchen. Neben den Nutzern der Webseite können ebenso die Inhalte der Webseite gruppiert werden. Woher kommen die Nutzer? Für welche Inhalte interessieren sie sich? Welche Keywords nutzen Sie? Das alles kann durch eine Segmentierung treffsicherer beantwortet werden. Mögliche Segmente sind: Traffic-Quellen (Direkteinstieg vs. Suchmaschinen), Besuchertreue (Neue Besucher vs. Wiederkehrer), Nutzer nach inhaltlichen Interessen (Betreten bestimmte Webseitenbereiche oder kommen über Preisvergleichsseiten oder geben bestimmte Suchbegriffe in der internen und externen Suche ein).

Kapitel 4 – Optimierung
Wenn die Startseite, ein Bestellprozess oder eine Landingpage verbessert werden soll, dann muss diese ganze Optimierung im Kosten/Nutzen-Verhältnis stehen, d.h. bis wann ist mit gegebenen Budget ein bestimmter Mehrwert erreicht... und wer trägt dafür die Verantwortung?

Um eine Webseite zu Optimieren gibt es mehrere Wege:
Pfadanalysen zeigen auf, wie sich die Nutzer bewegen. Das die Wege sehr unterschiedlich sind, lohnt es, die Bewegungsdaten zu Inhaltsgruppen zu verdichten. Beispielsweise bedeutet das für eine Newsseite, sich nicht auf Artikelebene zu bewegen, sondern nach Themenbereichen (Aktuelles, Wirtschaft, Sport). Zu der Gesamtübersicht kann man sich auch einzelne Knotenpunkte ansehen, d.h. von wo sind die Besucher dort eingestiegen und wo gehen sie anschließend hin? Dies kann zur Optimierung einzelner Produktseiten genutzt werden, d.h. werden die Besucher zum Kauf gelenkt oder eher abgelenkt?
Beim Browser-Overlay bewegt man sich auf Ebene einzelner Webseiten und bekommt visualisiert, wo als nächstes die meisten Klicks hingingen. Man erhält dadurch einen anschaulichen Blick über das Nutzungsverhalten. Geeignet ist der Browseroverlay für die Optimierung der Startseite oder von Landingpages.

Der Konversionpfad (Funnel) beinhalten Punkte von A nach Z, die ein Besucher durchlaufen muss, um ans Ziel zu kommen (z.B. ein Bestellprozess oder eine Registrierung). Ausgezählt wird, wie viele Besucher man von Schritt zu Schritt verliert. Ziel ist es, möglichst viele von A nach Z zu bekommen. Anstelle von Einzelseiten können auch inhaltlich passende ganze Seitenbereiche zusammengefasst werden. Die Traffic-Bewegungen werden mit einer Glas-Analogie dargestellt (nach Jim Sterne). Wie ein Martini-Glas sieht der Traffic aus, wenn man viel Aufmerksamkeit bekommen hat, aber viele Besucher direkt wieder abspringen. Wie ein Champagner-Glas sieht es aus, wenn die Besucher ins Angebot einsteigen, dann aber nach ersten Informationen dann wieder abbrechen. Wie ein Weinglas sieht es aus, wenn die Besucher bis kurz vor Kaufabschluss weitermachen und sich dann zurückziehen. Die Shooter-Situation ist die beste, da läuft alles glatt. Anhand dieser Metapher lässt sich dann feststellen, wo man am besten optimiert: Bei der Zielgruppen-Ansprache auf der Landingpage? Bei der Argumentation während des Verkaufprozesses? Frank Reese führt noch die ROI-Situation hinzu, bei der man das Kosten-Nutzen-Verhältnis nicht außer acht lassen soll.

Bei einem A/B-Test werden zwei nahezu identische Webseiten gezeigt, um herauszufinden, welche besser ankommt. Nahezu identisch bedeutet, dass sich genau ein Merkmal in beiden unterscheidet. Das kann beispielsweise ein Bild oder ein Text sein. Der Test läuft dann live auf der Webseite und die eine Hälfte der Besucher bekommt Variante A und die andere Hälfte bekommt Variante B. Möchte man mehrere Merkmale variieren, dann braucht man einen Multivariaten Test. Diese Tests eignen sich gut für die Optimierung einzelner Seiten (Startseite, Landingpages).

Wird in einer Analyse das Verhältnis zwischen Suchbegriff und die Conversion gemessen, dann sagt dies etwas über die Qualität des Traffics aus. Keywords können zu inhaltsnahen Gruppen zusammengefasst werden und die Güte dieser Gruppe ist messbar. Wenig erfolgreiche Gruppen werden dann nicht weitergeführt und der Einkauf von Suchworten wird damit optimiert. Der Erfolg von Newsletter und E-Mail-Kampagnen ist ebenso messbar (Öffnungsrate, Clickrate, Conversionrate).

Analysen von Mausbewegungen, Heatmaps, Befragungen und Usability-Tests sind weitere Hilfsmittel zur Optimierung der Website.

Kapitel 5 – Technische Grundlagen und Datenschutz
Im diesem Kapitel werden Begriffe und Techniken erläutert: Page Impressions, Visits, Visitor. Logfile-Analysen vs. Pixel-Tracking, Cookies (Sessioncookies vs. Bleibende Cookies, 1st-Party vs. 3rd-Party). Auch geht Frank Reese auf Messungenauigkeiten ein, die durch die Löschung von Cookies entstehen können. Am Ende des Kapitels wird auf Datenschutzbestimmungen eingegangen.

Kapitel 6 – Einführung eines Systems
Frank Reese fasst in einem sehr schönen Satz die Wichtigkeit des Web-Analysten zusammen: „Die Analysen leben unbedingt davon, dass sich jemand Gedanken um die richtigen Reports macht, dass sich jemand mit Segmentierung, Kennzahlen, Konversionpfaden beschäftigt, dass jemand alle anderen dabei unterstützt, die Analysen zu nutzen. Dass im Unternehmen jemand ist, der sich mit dem System auskennt, der andere von der Nützlichkeit überzeugt und die Botschaft von Analyse, Kennzahlen und A/B-Tests verbreitet.“
Die Auswahl des Tools ist sekundär und primär ist ein Analyst zu beschaffen, sowie die Anforderungen an ein Tool der Mitarbeiten einzuholen. Das ganze Projekt braucht zudem Unterstützung vom Management. Sinnvoll ist ein Workshop, bei dem die allgemeinen Möglichkeiten und Bedingungen von Web-Analytics erläutert werden. Hat man dann die Anforderungen zusammengetragen, dann hilft das IOTA-Modell bei der Tool-Auswahl weiter (IOTA = Ideal Observer Tool Assessment). IOTA ist auch die Grundlage des Einkaufsführers Web Analytics.
Erst einmal stellt sich die Frage nach dem zur Verfügung stehenden Budget (Tool: Einsteiger, Business, Enterprise). Dann hat man Fragen zum Unternehmen (Standort, Unternehmensgröße, Supportleistungen, Referenzen). Beim Tool sind die einzelnen Funktionen und die Benutzerfreundlichkeit wichtig. Für einen individuellen Umgang ist die Flexibilität wichtig, d.h. in wieweit man das Tool an eigene Anforderungen noch anpassen kann. Spezielle Branchen haben spezielle Anforderungen, was das Tracken von z.B. Multimedia-Inhalten nötig macht... oder auch spezielle Marketing-Möglichkeiten (Bid Management, Behavioral Targeting). Was die Datensicherheit angeht gibt es auch Unterschiede. Bei einer Inhouse-Lösung bleiben die Daten auf den eigenen Servern gespeichert. Nachdem man es dann auf wenige Anbieter reduziert hat, wird eine Short-List formuliert und die Anbieter zur persönlichen Präsentation eingeladen. Im letzten Schritt kommt der „Proof of Concept“, bei dem das System implementiert und ausprobiert wird.

Dann werden noch kurz 7 Tools vorgestellt: etracker, Google Analytics, Yahoo-Analytics (ehemals Index-Tools), Nedstat, Omniture (Site Catalyst), Webtrekk, WebTrends

Am Ende des Kapitels wird aufgezeigt, wie es dann weiter geht: Es müssen Kennzahlen festgelegt werden. Dann einigt man sich auf Dashboards und Reports. Und zum Schluss sollte man noch regelmäßige Besprechungen einrichten.

Kapitel 7 – Ausblick
Schaut man sich Web Analytics in einigen Jahren an, dann zeichnen sich folgende Trends ab: Daten von Web Analytics werden mit Daten aus anderen Quellen (z.B. Marketing, Kundenbestandsdaten) verknüpft. Web Analytics und Business Intelligence werden einander in irgendeiner Art und Weise beeinflussen. Business Intelligence hat ausgereifte statistische Verfahren, um aus Datenmassen Zusammenhänge zu analysieren. Web Analytics erlaubt einen schnellen und benutzerfreundlichen Umgang Daten. Ein weiterer Zukunftsblick sagt, dass es ein neues Berufsfeld, den Web Analysten, geben wird. Und, dass Behavioral Targetting und Personalisierung, sowie Bid Management die Web Analyse in Zukunft beschäftigen werden.

Kapitel 8 – Weiterführende Quellen
Im letzten Kapitel gibt es noch Buchempfehlungen, sowie Hinweise auf Internetquellen, Konferenzen und Veranstaltungen.