Was ist der Unterschied zwischen Reporting und Analyse?

Des Öfteren werde ich gefragt was denn eigentlich der Unterschied ist zwischen Reporting und Analyse. Oder anders, viele Unternehmen meinen sie würden Web Analyse betreiben - in Wirklichkeit ist es aber nichts anderes als Reporting.

Doch was ist denn dann eigentlich Web Analyse? Und wie unterscheidet es sich zum Reporting?

Dieser Post soll etwas Licht in die Unterschiede bringen.

Web Reporting ist das Zusammentragen von Zahlen und Daten aus Web Analyse Tools oder anderen Tools die Daten ausspucken.

Diese Daten werden in vielen Unternehmen in unterschiedlichen Formen (meist in Excel) zusammengepackt, vielleicht noch mit ein paar Excel Grafiken aufgehübscht, und dann an einen großen Verteiler verschickt.

Der Empfänger kann sich dann die für ihn relevanten Daten aus diesen Excel Tabellen und Datenolonnen heraussuchen und seine eigenen Erkenntnisse gewinnen.

In der Regel wird er allerdings, wenn überhaupt, einen kurzen Blick darauf werfen, und checken, ob es grobe Abweichungen gegenüber der Vorwoche, dem Vormonat oder gar dem Vorjahr gibt (einige sind dann sogar zufrieden, wenn es nicht schlechter als im Vorjahr lief!!).

Und so sehen Reportings dann teilweise so aus:

Automatisierter Email Report aus einem Web Analyse Tool

Ich möchte einen Menschen sehen, der mit diesen Daten tatsächlich etwas anfangen kann! (Bitte im Kommentar melden ;-)

Zugegeben, diesen Sreenshot habe ich von einer Email gemacht die ich wöchentlich bekomme - und die regelmäßig so aussieht. Ein Designer hat diesen Report/diese Email nie gesehen (hoffentlich). Aus meiner Sicht ist dieser Report ein schlimmer Schritt zurück in längst vergangene Jahrzehnte und eigentlich ein Verbrechen...niemals niemals niemals hat dies auch nur im Ansatz etwas mit Web Analyse zu tun!

Dashboard aus einem Web Analyse Tool

Diesen Screenshot kennen bestimmt die meisten. Aber ist das Web Analyse? Nein! Dies ist ein Dashboard und ebenfalls Reporting. Ebenso wie folgendes Bild:

Dashboard aus einem Web Analyse Tool

Und so bietet jedes Web Analyse Tool seine eigenen Dashboards - und viele Leute denken dann, wenn dieses eingerichtet ist, und vielleicht sogar noch automatisiert verschickt wird, dass nun Web Analyse betrieben wird.

Um Reporting zu machen können Sie einen günstigen Werkstudenten einstellen und ihn/sie die Daten aus einem Web Analyse Tool herauskopieren und in Excel neu zusammenstellen lassen. Es gibt in großen Unternehmen ganze Abteilungen, die nichts anderes machen...

Doch was ist denn dann Web Analyse?

Web Analyse beschäftigt sich viel mehr mit den eigentlichen Business-Zielen des Unternehmens.

Die Dashboards sind deutlich individualisierter und aktionsorientiert.

Die aufgeführten Inhalte sind contextbezogen und idealerweise stark segmentiert.

Und das Wichtigste überhaupt - Handlungsempfehlungen!

Es wird deutlich, dass dies eine völlig andere Arbeit ist, herausfordernder, qualifizierter und wesentlich businessorientiert. Völlig andere Anforderungen - ein zahlenexportierender Werkstudent reicht hier nicht mehr aus...

Wie kann also ein Dashboard auch aussehen, welches eher in Richtung Web Analyse statt in Reporting geht?

Beispielanalyse

Wer als erster den Unterschied erkennt schreibt einen Kommentar ;-)

Im Unterschied zu den obigen Beispielen wurden hier die ganzen Daten schon analysiert und nur die Erkenntnisse wiedergegeben.

Die Daten wurden sozusagen vorgekaut ehe sie verbreitet werden.

Dies hat den Vorteil, dass die Empfänger sich nicht mehr selber in die Daten einlesen müssen und eigene, womöglich voneinander abweichende, Interpretationen durchführen müssen, sondern innerhalb von wenigen Minuten wissen, wie der Stand ist und was zu tun ist.

Die obige Analyse besteht in Wirklichkeit noch aus einer weiteren Seite in der basierend auf den Daten Handlungsempfehungen aufgeführt sind. Und zwar so, dass diese auch nachgehalten werden können. Also mit Empfehlungsdatum und den Veränderungen der Daten nachdem die Empfehlung umgesetzt wurde.

Dies ist auch nur ein Beispiel wie soetwas aussehen kann. Letztendlich hängt es immer davon ab, wer der Empfänger ist und was der Analysegegenstand ist.

Wichtig ist, dass der Fokus nicht auf irgendwelchen Top10 Listen liegt, sondern eher auf Movers&Shakers, Veränderungen, Erkenntnissen und Empfehlungen.

Daten haben wir genug - Informationen sind das was zählt!

Letztendlich kann ein Dashboard sogar fast ausschließlich nur aus Text bestehen...hauptsache die Erkenntisse werden hierin gut verpackt und argumentiert.

Ein weiteres Beispiel für ein mögliches Musterdashboard:

Musterdashboard

Man kann hier sehen, dass es letztendlich oftmals ausreichend ist, wenn das Dashboard auf eine Din A 4 Seite passt.

Hauptsache die wichtigsten Erkenntnisse werden transportiert!

Dabei kommt es noch nicht mal auf schöne Grafiken, bunte Linien oder irre Charts an. Wenn die Erkenntnisse und daraus abgeleiteten Handlungsempfehlungen deutlich dargestellt werden ist reicht ein eselsohrbehaftetes herausgerissenes Blatt aus einem Collegeblock aus!

Versuchen Sie zudem immer den Output (also Umsatz, Verkäufe, Conversions, Registrierungen, Downloads, was weiß ich) in Verbindung mit den Daten zu bringen um einen möglichst großen Mehrwert zu schaffen und dadurch die Aufmerksamkeit der Empfänger zu gewinnen.

Nun ist nicht jedes erstelle Dashboard, egal ob mit vielen Zahlen oder vielen Worten, ein mustergültiges und sinnvolles Dashboard. Es ist recht einfach, statt der vielen eher sinnlosen Zahlen viele weitestgehend sinnlose Wörter aneinander zu hängen.

Um ein paar Tipps zu geben was Reporting von Web Analyse unterscheidet hier meine Top 10:

1. Die aufgeführten Daten sind segmentiert und bestehen nicht nur aus den Basisdaten die aus einem Web Analyse Tool kopiert wurden.
2. Die meisten Daten sind eng mit dem Output bzw. den eigentlichen Zielen der Website verknüpft.
3. Es werden konkrete Handlungsempfehlungen gegeben. Und zwar wird nicht nur gesagt, dass man dies und das machen sollte, sondern idealerweise ist dies verknüpft mit dem gewünschten Ergebnis.
4. Es fließen Daten auch aus anderen Tools mit ein. Beispielsweise werden Erkenntnisse aus Social Media, Google Insights, Google Trends, Facebook Insights, Twitter Tools, Umfragen oder sonstigen Tools mit eingeflochten.
5. Wenn es komplett automatisiert daherkommt ist es vermutlich keine Analyse (Analyse benötigt immer einen Menschen zu Interpretation - dies kann leider derzeit noch nicht von Maschinen übernommen werden).
6. Wenn die Daten contextbezogen sind handelt es sich vermutlich um Analyse.
7. Wenn das Dashboard ausschließlich aus Daten und Grafiken besteht ist es wahrscheinlich keine Analyse.
8. Wenn mehrere Metriken miteinander aufeinander bezogen werden und daraus eine Erkenntnis gewonnen werden kann handelt es sich um Analyse.
9. Werden fortschrittliche Analyse-Methoden verwendet (Statistiken, Segmentierung, Personas, etc.) ist es eher Analyse als Reporting.
10. Sind die Daten individuell auf bestimmte Abteilungen/Personen ausgerichtet und nicht für das gesamte Unternehmen handelt es sich vermutlich um Analyse und nicht Reporting.

Leider kommt man dennoch um Reporting oftmals nicht herum. Insbesondere große Unternehmen sind Zahlenfriedhöfe gewöhnt und fordern diese vehement ein.

Als Web Analyse sollte das Reporting allerdings nicht mehr als 10% der Arbeitszeit ausmachen.

Reporting ist in der Tat weitestgehend automatisierbar - nutzen Sie dies, sparen Sie Zeit und nutzen diese besser für die eigentlich weiterbringenden Analysen!

Ich hoffe es ist ein wenig klar geworden, wo ich den Unterschied zwischen Reporting und Web Analyse sehen.

Nun sind Sie an der Reihe! Welche Unterscheidungen würden Sie machen? Bei guten Vorschlägen nehme ich Ihre Vorschläge mit in die Liste auf. Haben Sie eigene Beispiele von Dashboards Reports - positive oder negative? Schicken Sie mir gern Ihre Screenshots (gern verfremdet oder ohne konkrete Zahlen). Auch diese nehme ich gern mit in diesen Post auf.


Ansonsten freue ich mich wie immer über zahlreiche Kommentare!

Das könnte Sie auch noch interessieren:

Web Analyse und Dashboards
Web Analytics in Unternehmen - 5 Erkenntnisse

Social Media Tracking mit Google Analytics

Mit der Veröffentlichung von Google+ letzte Woche und dem +1 Button (Erstellung eines +1 Buttons für die eigene Website) vor einigen Monaten gerät die Vormachtstellung von Facebook vielleicht ins Wanken. Dies wird die Zukunft zeigen.

Man beachte, dass auch ich hier den +1 Button, Twitter und Facebook eingebaut habe - bitte nutzen ;-)

Auf alle Fälle hat Google einiges dafür getan, dass die Nutzung von +1 Buttons und auch anderer Social Buttons nun deutlich einfacher getrackt werden können!

Click zum Vergrößern

Google Analytics erhält ab sofort einen neuen Social- Reporting Block!

Nachdem erst kürzlich die mobilen Berichte der Kategorie Besucher hinzugefügt wurden (siehe hierzu den Post: neue mobile Reports in Google Analytics) gibt es nun Berichte zum Thema Sozial.

Diese unterteilen sich in :

• Interesse
• Aktion
• Seiten

Besucher -> Sozial -> Interesse

Dieser Report unterscheidet Besucher danach, ob sie soziale Aktivitäten auf den Seiten vorgenommen haben oder nicht.

Click zum Vergrößern

Dabei wird der +1 Button von Google automatisch erhoben, man muss also nichts weiter dafür tun (das Tracking hierfür geht sehr schnell, d.h. die Daten sind in weniger als einer Stunde da!). Für andere Buttons wie Facebooks` "Gefällt mir", Twitter, Mister Wong, Xing oder ähnliche Aktivitäten hingegen muss in den Quelltext eingegriffen werden (wie dies funktioniert erkläre ich später).

Die nun angezeigten Daten können mit unterschiedlichen Metriken in Verbindung gebracht werden. Seiten/Besuch, Verweildauer, Zielerfüllungen, Conversion Rates, Ecommerce oder AdSense Umsätze.

Hieraus können sich eine ganze Menge Antworten auf Fragen ergeben wie:

• Verhalten sich User die Social Buttons nutzen anders, als andere?
• Welche Social Buttons werden am intensivsten genutzt?
• Welche Social Buttons nutzen die für mich erfolgreichsten User?
• Welche Social Buttons haben am meisten Umsatzeinfluss?
• Über welche Quellen kommen User die Social Buttons nutzen?
• Was bringt mir +1, Gefällt mir, und die anderen Buttons?
• Auf welche Social Buttons sollte ich mich konzentrieren?

Dies nur eine kleine Auswahl möglicher Fragen...weitere Fragestellungen können Sie gern in einem Kommentar posten!

Mit Klick auf die Zeile "Socially Engaged" erhalten Sie dann eine Übersicht über die unterschiedlichen genutzten Buttons.

Besucher -> Sozial -> Aktion

Dieser Bericht zeigt übersichtlich, welche sozialen Aktionen (+1, Tweets, Gefällt mir, etc.) in welchem Verhältnis zueinander genutzt wurden.

Click zum Vergrößern

Zur Verfügung stehende Metriken sind:

Soziale Aktionen

Dies ist die Gesamtzahl der durchgeführten sozialen Aktionen aller Besuche. Wenn ein User während seines Besuchs mehrere soziale Aktionen durchführt, werden diese hier alle gezählt.

Eindeutige soziale Aktionen

Hier werden nur die eindeutigen Aktionen gezählt. Angenommen ein User führt während seines Besuchs drei soziale Aktionen durch, so wird in dieser Metrik nur eine eins reportet.

Aktionen pro sozialem Besuch

Diese Kennziffer dividiert die Anzahl der sozialen Aktionen durch die Anzahl der eindeutigen sozialen Aktionen. Hieraus ergibt sich der rechnerische Wert der sozialen Aktionen pro sozialem Besuch. D.h. Besuche, die keine soziale Aktion durchgeführt haben werden hier nicht mitgezählt. 

Neben den drei dargestellten Metriken gibt es über den Reiter "Website-Nutzung" noch weitere Metriken die in Kombination mit den sozialen Quellen und sozialen Aktionen gebracht werden können.

Ist die Nutzung sozialer Komponenten für Sie wichtig, so kann man anhand dieser Metriken schöne und sinnvolle KPIs erarbeiten!

Besucher -> Sozial -> Seiten

Der Seiten Bericht wird per Default als Pivot Tabelle dargestellt. Es werden die Seiten, auf denen die verschiedenen sozialen Aktionen durchgeführt wurden, aufgelistet.

Click zum Vergrößern

Durch das Hinzufügen beispielsweise einer sekundären Dimension "Soziale Quelle und Aktion" kann nun betrachtet werden, auf welcher Seite welche Aktionen wie oft durchgeführt wurden.

Wie spannend ist das bitte???

Unterschieden wird zudem noch nach...

Sozialer Einheit

Dies sind die Seiten die über ein soziales Element (+1, Twitter, Facebook, etc.) geteilt wurden.

Seite

Dies sind die Seiten auf denen soziale Aktionen durchgeführt wurden.

Wie bekommt man nun diese ganzen Informationen?

Der +1 Button wird automatisch von Google erfasst. Man muss als nichts weiter machen. Voraussetzung ist jedoch, die Nutzung der neuen Google Analytics Version!

(Google Analytics stellt "nur" die Nutzung des +1 Buttons auf der eigenen Website dar. Ob der +1 Button von Usern innerhalb der Google Suchergebnisse genutzt wird ist hingegen innerhalb der Google Webmastertools ersichtlich).

Die anderen Social Buttons können über eine extra hierfür neue Codezeile erhoben werden:

_gaq.push(['_trackSocial', network, socialAction, opt_target, opt_pagePath]);

Die verschiedenen hierin enthaltenen Variablen sollten dann je nach Netzwerk mit Inhalten gefüllt werden:

network

In dieser Pflichtvariable wird der Name des Social Networks eingefügt, beispielsweise, Twitter, Xing, Mister Wong, oder sonstiges.

socialAction

Diese Pflichtvariable enthält die Aktion die der User in dem entsprechenden Netzwerk durchführen kann. Beispielsweise Twittern, Gefällt mir, Teilen, etc.

opt_target

Diese Variable ist optional und entspricht quasi einer Betreffzeile. Wenn sie nicht befüllt ist enthält sie automatisch die URL von der aus die soziale Aktion durchgeführt wurde. Alternativ dazu kann hier aber auch eine eigene interne ID oder ähnliches. Da meistens aber die Seite, auf der man eine soziale Aktion durchführt, die gleiche ist die auch gemeint ist, empfehle ich zunächst es hier bei der Default Einstellung zu belassen.

opt_pagePath

Diese Variable ist ebenfalls optional und enthält die URI auf der die soziale Aktion durchgeführt wurde. In der Regel empfehle ich auch hier es bei der Default Einstellung zu belassen (es sei denn, es wird viel mit virtuellen Pageviews gearbeitet - Stichwort Flash, Ajax, etc.).

Mit Hilfe dieser Variablen ist es nun möglich sämtliche sozialen Aktionen zu tracken, wenn der Code entsprechend angepasst wird. Ein Beispiel für das Trakken eines Gefällt mir Buttons von Facebook:


FB.Event.subscribe('edge.create', function(targetUrl) {
  _gaq.push(['_trackSocial', 'facebook', 'gefällt mir', targetUrl]);
});


(Vorausgesetzt Sie haben sich bei der Integration des Facebook Buttons an die dortigen Voraussetzungen gehalten). 

Die neuen Social Media Metriken und Dimensionen sind derzeit noch nicht in erweiterten Segmenten oder benutzerdefinierten Berichten enthalten (Blog Post zu erweiterten Segmenten und benutzerdefinierten Reports). Dies wird aber im Laufe der nächsten Monate hinzugefügt und dann auch dort nutzbar sein!

Social Media war auch schon vorher mit Hilfe von Events trackbar und wir haben dies auch schon regelmäßig für unsere Kunden umgesetzt. Diese neue volle und teilweise automatische Integration hingegen ist deutlich einfacher und geht einen Schritt weiter.

Diese Integrationen zeigen aus meiner Sicht sehr deutlich, wie ernst Google es in diesem Anlauf mit social Media meint. Nachdem Google Buzz und Google Wave eher semi-erfolgreich waren, ist Google+ und der +1 Button nun deutlich durchdachter. 

Und dass dies nun alles auch in Google Analytics integriert ist ist schon ein großer Schritt, der die Wichtigkeit gut demonstriert. Ich bin sehr gespannt wie sich das ganze entwickelt!

Damit ich in den Google Analytics Daten für meinen Blog für zukünftige Posts schöne Daten habe, freue ich mich sehr über viele +1, Tweets, Likes, etc. von Ihnen!

Finden Sie die Integration gelungen? Haben Sie schon vorher Social Media Aktivitäten gemessen? Wie? Was fehlt Ihnen bei der jetzigen Integration? Welche KPIs ergeben sich hieraus für Sie? Schreiben Sie einen Kommentar und diskutieren Sie mit den anderen Lesern....

Neue mobile Reports in Google Analytics

Wenn ich mich selber bei der Nutzung meines Handys in den letzten Jahren beobachte stelle ich fest, dass meine Nutzung des Internets über das Handy in den letzten Jahren permanent und deutlich gestiegen ist.

Und damit meine ich nicht nur Apps, sondern vor allem auch das Aufrufen "normaler" Websites. Ich was schon fast gar nicht mehr, was ich früher im Bus oder in der U-Bahn gemacht habe ;-)

Offensichtlich bin ich nicht der einzige der mobil im Internet unterwegs ist...und mobile ist ja schon seit langem einer der weltweiten Megatrends...

Google Analytics hat hier ja schon vor geraumer Zeit reagiert und einige Reports zu diesem Thema bereit gestellt, aber in der letzten Zeit steht Google Analytics einfach nicht still. Alle paar Wochen kommen neue Features und Reports - unglaublich mit welcher Geschwindigkeit sich dieses Tool gerade entwickelt...

Heute ist wieder ein neuer Reporting Block hinzugefügt worden: Mobile Reporting.

Schon seit einiger Zeit gibt es ein rudimentäres Reporting über die Nutzung der Website über mobile Endgeräte. So war es bislang auch schon möglich das Betriebssystem, die Internetdienstanbieter und die Seitenauflösung zu analysieren - ebenso wie die Verknüpfung mit dem Karten-Overlay.

Diese unterschiedlichen Dimensionen waren bereits mit allerlei Metriken wie auch Conversiondaten und E-Commerce Daten verknüpfbar.

Das Tracking mobiler Endgeräte ist auf jeden Fall sinnvoll. Der mobile Trend ist sicherlich kein vorübergehender. Es wird nicht mehr lange dauern bis mehr Menschen mobil online gehen als mit richtigen Computern. Die nächsten zwei Milliarden Internetuser werden eher mit mobilen Geräten unterwegs sein. Ein riesen Markt der analysiert werden sollte.

Um die mobilen Websites und die Nutzung der eigenen Seiten über mobile Geräte zu analysieren bietet Google Analytics nun einige Reports an. Vorstellbar sind sicher noch viele viele mehr und ich hoffe, dass Google hier nochmal nachlegt...

Ab sofort gibt es eine eigene mobile Reporting Sektion mit vielen neuen Daten und Reports.

Innerhalb des Besucher Bereichs gibt es nun unterhalb der Technologie Reports den Bereich Mobile. Hier werden nun neben den schon bekannten Reports detailliertere Berichte dargestellt:

Mobilgerät-Informationen

Hier werden die Namen der Handys aufgelistet und mit dem kleinen Kamera Symbol kann man sich sogar ein Bild des entsprechenden Modells anzeigen lassen.

Marke des Mobilegeräts

In diesem Bericht kann nach den Herstellern der unterschiedlichen Geräte analysiert und gruppiert werden.

Auswahl des Eingabegerätes

Hier kann analysiert werden, ob die User mit dem mobilen Endgerät per Touchscreen, Joystick oder sonstwie navigieren. Dies kann entscheidende Auswirkungen auf das Nutzerverhalten haben. Somit lassen sich hiermit viele Fragen beantworten.

Die andere Reports habe ich ja bereits oben genannt und sind natürlich nach wie vor verfügbar. Die Bildschirmauflösung ist jedoch in das Pull Down Menü "Andere" gewandert...

Diese neuen Reportingdaten sind derzeit noch nicht über die API verfügbar. Ebenso sind sie auch noch nicht in den erweiterten Segmenten oder den benutzerdefinierten Berichten nutzbar - das wird aber sicher nur eine Frage der Zeit sein, bis auch dies funktioniert.

Wie finden Sie die neuen Reports? Welche zusätzlichen mobilen Reports hätten Sie gerne? Oder kennen Sie andere Tools mit denen man mobilen Traffic noch besser erheben kann? Schreiben Sie einen Kommentar und diskutieren mit den anderen Lesern...

Neue Google Analytics Features: Website Geschwindigkeit (Site Speed)

Es scheint als gäbe es nun fast monatlich neue Features – die Update Geschwindigkeit von Google Analytics nimmt auf jeden Fall zu was dem Tool zu Gute kommt und die Wichtigkeit des Themas Web Analyse unterstreicht.

Website Geschwindigkeit

Vor über einem Jahr hat Google offiziell verkündet, dass die Ladegeschwindigkeit von Webseiten einer von vielen Faktoren für das Ranking der Suchergebnisse ist und somit Teil des Such-Algorithmus (http://googlewebmastercentral.blogspot.com/2010/04/using-site-speed-in-web-search-ranking.html).

Zwar ist der Site Speed nicht ausschlaggebend (wenn doch wäre mein Blog, der zugegebenermaßen sehr langsam lädt, nicht so gut geranked), aber dennoch ist die Ladegeschwindigkeit ein wichtiger Faktor. 

Er erhöht die Usability und damit die Nutzerzufriedenheit. Wir haben bei Trakken im Rahmen der Conversion Optimierung schon viele Site Speed Tests durchgeführt mit sehr guten Auswirkungen auf die Conversions.

Um diesen Faktor zu bekräftigen hat Google Analytics nun einen eigenen Report hierfür bekommen und stellt die Ladegeschwindigkeit der eigenen Webseiten dar.

Die Ladegeschwindigkeit kann hierbei in unterschiedlichen Kategorien analysiert werden:

Content – hier kann die Frage beantwortet werden welche Seiten am langsamsten laden

Zugriffsquellen – Gibt es Kampagnen die auf unterschiedliche Ladezeiten der Seiten reagieren? Hier ist es beispielsweise interessant zu sehen, ob und wie eine positive Änderung des Site Speed Einfluss auf den SEO Traffic hat. Oder Landing Pages können hier in Verknüpfung mit der Herkunftsquelle der User gesondert betrachtet werden.

Besucher – Andere Länder andere Sitten. Wie unterscheidet sich die Ladegeschwindigkeit der Seiten in verschiedenen Ländern und Regionen? Mit der neuen Version von Google Analytics ist ja der Report der Verbindungsgeschwindigkeiten entfallen (hat ihn schon jemand vermisst?) – der Zusammenhang von Land und Ladegeschwindigkeit ist jedoch viel interessanter. Unabhängig von der Verbindung können nun vielleicht hohe Absprungraten in verschiedenen Ländern erklärt, und vor allem optimiert werden.

Technologie – Inwiefern wird die Ladegeschwindigkeit von der technischen Ausstattung der User beeinflusst? Haben Browser, Betriebssystem  oder Bildschirmauflösung Einfluss auf den Site Speed? Vermutlich ja – aber welchen? Durch diese Erkenntnisse können Optimierungen für bestimmte Browser vorgenommen werden (Stichwort Cross-Browser-Testing).

Es gibt eine Reihe an Maßnahmen mit denen die Ladegeschwindigkeit von Seiten (positiv) beeinflusst werden kann. Es gibt eigentlich keinerlei negativer Effekte bei dieser Optimierung. Im Gegenteil – eine klare Win-Win-Situation: 


User sind happy, Websitebetreiber ist happy wegen zufriedenerer User (mehr Conversions), Google ist happy und dadurch wieder der Websitebtreiber (besseres Ranking -> mehr Conversions). 


Warum also nicht machen?

Durch den Website-Geschwindigkeit Report bei Google Analytics und die gleichzeitige Darstellung von Absprungrate und % Ausstiege können hier wertvolle Erkenntnisse gewonnen und Maßnahmen abgeleitet werden.

Die Berechnung der Ladegeschwindigkeit erfolgt anhand eines Samplings – wie hoch dieses Sampling ist wurde bislang nicht kommuniziert. Mein bisheriger Eindruck ist, dass es eher recht klein ist. Da es aber ja um den Trend geht kann man denke ich hiermit gut leben.

Derzeit ist es leider noch nicht möglich die Ladegeschwindigkeit zu segmentieren – dies könnte auch noch interessante Erkenntnisse bringen. Insbesondere die Auswirkung von Ladegeschwindigkeit auf Umsatz – aber wer weiß, vielleicht wird dies ja auch noch kommen…

Wie kommt man nun aber zu den Daten?

 Hierfür muss eine Anpassung am Code vorgenommen werden. Die Anpassung wurde aber denkbar einfach gemacht – es muss nämlich lediglich eine zusätzliche Zeile in den Code eingefügt werden. Hier ein Beispielcode mit der entsprechenden Zeile (fettgedruckt):

Mit dem Einbau dieser Zeile ist das Tracking der Ladegeschwindigkeit aktiviert und kurze Zeit später sollten Daten in Google Analytics einlaufen. Der entsprechende Report befindet sich dann in der Rubrik Content.

Es sind also keine weiteren Einbauten notwendig, so wie es vorher war, wenn man mit Hilfe von Workarounds und zusätzlichen Scripts die Ladegeschwindigkeit in Google Analytics einfließen lassen hat.

Hier ein Video (Englisch) mit einigen Tipps eine Website schneller zu machen:



Was halten Sie von dem Site Speed Report in Google Analytics? Haben Sie sich bisher Gedanken über die Ladegeschwindigkeit Ihrer Seiten gemacht? Haben Sie bereits Maßnahmen eingeleitet oder werden Sie dies tun? Schreiben Sie einen Kommentar und teilen Ihre Meinung, Ihre Erfahrungen mit den anderen Lesern – und machen Sie mich froh, da ich mich über jeden Kommentar wirklich freue! ;-)

Stufen der Web Analyse Entwicklung

Immer wieder sitze ich in Meetings mit Kunden in denen es unter anderem um den aktuellen Stand der Web Analyse geht. Hier werde ich des Öfteren gefragt, wie denn das Unternehmen im Vergleich zu anderen Unternehmen steht.

Ob in Unternehmen in diesem Bereich nun besonders fortschrittlich oder im Vergleich eher zurück liegt ist nicht so einfach zu beantworten. Ich versuche in diesem Post mal eine kleine Anleitung zu geben, welche Schritte verfolgt werden sollten um zumindest grundsätzlich in der Lage zu sein, Web Analyse professionell durchführen zu können.

Toolauswahl


Nun sind viele Web Analyse Tools seit Jahren etabliert und eigentlich sollte zumindest jedes Unternehmen mal davon gehört und das Bewusstsein erlangt haben, dass es absolut sinnvoll sein kann eines zu haben, oder anders formuliert: es geschäftsschädigend ist keines zu haben!

Dennoch gibt es immer wieder Unternehmen die sozusagen „blind“ unterwegs sind und keinerlei Transparenz über ihr Online Geschäft haben.

Oder, und dies ist sicherlich die größere Anzahl an Firmen, es ist ein Web Analyse Tool implementiert, aber keiner traut den Daten, da es suboptimal implementiert ist (unglaublich wie oft dies der Fall ist). Unabhängig davon, ob es sich um ein kostenloses oder kostenpflichtiges Tool handelt – hier wird aus meiner Sicht enorm viel Geld verpulvert.

Mein Gefühl sagt mir, dass die Toolanbieter geschätzte 90% ihres Umsatzes mit Kunden machen, die das Tool entweder schlecht eingebaut haben oder es schlichtweg nicht nutzen.

Somit muss der erste Schritt sein zu checken, ob das (vorhandene) Tool den eigenen Anforderungen noch genügt oder die Implementierung optimiert werden muss.

Implementierung


Wenn festgestellt wurde, dass ein Tool vorhanden ist, den Daten aber keiner traut weil die Implementierung fehlerhaft, veraltet oder einfach schlecht ist, so ist die Implementierung der erste und wichtige Schritt.

Man kann hier nun dazu neigen alles zu trakken was irgendwie trackbar ist und technisch erhoben werden kann. Dies führt dann oftmals zu sehr langen Implementierungsprozessen die einen daran hindern, schnell mit der Web Analyse zu beginnen.

Ich habe noch nicht gehört, ob der Fall schon vorkam, könnte mir aber durchaus vorstellen, dass sich schon mal jemand todimplementiert hat ;-)

Dies ist ein hervorragender Grund nicht mit der eigentlichen Web Analyse anfangen zu müssen, denn solange die Implementierung nicht abgeschlossen, kann man sich gut hinter der Ausrede verstecken, dass das Tool noch nicht einsatzbereit ist…

Grundsätzlich sollte man also zunächst die Implementierung „glattziehen“ und dafür sorgen, dass sämtliche Basisdaten einlaufen. Basisdaten sind allgemeine Traffickennzahlen und die Abbildung der Seiten- und Kapitelstruktur.

Ziele und Conversions


Wenn die Basisdaten bereits in das Web Analyse Tool einlaufen und Sie mit diesen ein gutes Gefühl haben kommt der nächste Schritt. Die Definition von Zielen.

Des Öfteren habe ich es hier im Blog oder in meinem Buch bereits erwähnt – Ziele können vielfältig sein:

• Kauf
• Newsletterregistrierung
• Download
• Ausfüllen eines Kontaktformulars
• Ansehen einer bestimmten Seite
• Ansehen eines Videos
• Seite Weiterempfehlen
• Social Media
• Etc.

Einige, nicht zwangsläufig alle, Ziele sollten in einem Tool definiert werden. Im Anschluss macht die Web Analyse wesentlich mehr Spaß, wenn man sehen kann, welche Ziele auf einer Website eigentlich erreicht werden.

Und wie wollen Sie sonst die Conversions messen oder gar optimieren, wenn Sie keine definiert haben?

E-Commerce


Neben den eben genannten Zielen ist es bei Shops möglich E-Commerce Daten in ein Web Analyse Tool einfließen zu lassen.

Hierfür bedarf es in der Regel eines zusätzlichen Code-Schnipsels, der auf der Kauf-Bestätigungsseite eingebaut werden muss. Hier gibt es verschiedene Variablen die mit allen möglichen Daten gefüllt werden können wie beispielsweise Produkt, Produktkategorie, Preis, Steuern, Frachtkosten, und und und. Also vielerlei E-Commerce spezifischer Daten.

Hierdurch wird Web Analyse sexy!

Denn wenn reale Umsatzdaten in das Tool einfließen interessieren sich plötzlich deutlich mehr Leute für die Daten. Und sobald nur ein Eurozeichen in den Berichten und Reports auftaucht hat man das Gefühl, in der Realität, und nicht nur virtuell, zu arbeiten – und genau so soll es ja auch sein.


Kampagnen und Herkunftsquellen


Nun sind bereits einige Daten im Tool mit denen man schon einiges anfangen kann. Aber spannend ist nun die Verknüpfung all der vorigen Daten mit den Herkunftsquellen der User:

• Über welche Quelle kamen die User?
• Wie hoch ist mein SEO-Anteil im Vergleich zu SEM (aka SEA)?
• Die User welcher Quelle erfüllen meine Ziele am besten?
• Welche Quelle sorgt für am meisten Umsatz?
• Usw.

Viele viele Fragestellungen die sich hier ergeben. Es macht also mehr als Sinn die Daten von Kampagnen und Herkunftsquellen in das Tool einfließen zu lassen.

Hierfür muss man bei einigen Quellen etwas machen. In der Regel erkennt das Tool Direktzugriffe und Referrer automatisch. Bei Suchmaschinen kann es schon etwas anspruchsvoller werden. Zwar werden diese erkannt, aber eine automatische Trennung nach organischem und bezahltem Traffic findet eher selten statt. Hier sollte also unbedingt dafür gesorgt werden, dass dies unterschieden wird!

Andernfalls machen weder SEO- noch SEM-Tätigkeiten Sinn!

Aber auch sämtliche anderen Kanäle sollten in das Tool einfließen. Display-Kampagnen, Newsletter-Kampagnen, Affiliate-Maßnahmen, Kooperationen, und und und.

Hierfür müssen in der Regel Kampagnenvariablen übergeben werden über die das Tool beim Aufruf der Zielseite erkennt über welche Kampagne der User auf die Seite kam. Diese Kampagnenvariablen sind von Tool zu Tool unterschiedlich – mal sehr einfach und übersichtlich, mal eher komplex und verbunden mit intensiverem Aufwand.

Es lohnt sich aber auf alle Fälle wenn möglich Besuche über sämtliche (!) Kampagnen in das Tool einfließen zu lassen. Denn nur so erhalten Sie das vollständige Bild der Herkunft Ihrer User und nur so können Sie beurteilen, welcher Kanal eigentlich erfolgreich ist!

Datenverknüpfungen


Dieses Thema ist sehr toolabhängig. Denn einige Tools bieten per Default bereits viele Möglichkeiten unterschiedliche Daten miteinander verknüpfen und korrelieren zu können.

So sollte es natürlich möglich sein, die Herkunftsquelle mit Zielerreichungen und Umsätzen in Verbindung zu bringen. Ebenso sollten Verknüpfungen von Basisdaten wie Verweildauer, Seitenaufrufe pro Besuch, usw. mit anderen Daten verknüpft werden können.

Hier sollten Sie in Ihrem Tool genau schauen, inwiefern dies bereits möglich ist oder manuell Verknüpfungsmöglichkeiten durchgeführt werden müssen.

Ohne diese Möglichkeiten werden Sie den Weg von Reporting zu Web Analyse allerdings nie schaffen.

Segmentierung


Wenn alle vorigen Schritte erledigt sind und Sie mit all diesen Daten zufrieden sind geht es Ihnen schon viel besser als vielen vielen anderen Unternehmen. Für viele hört sich das bisherige vielleicht auch trivial an, aber prüfen Sie mal genau nach – laufen wirklich alle Kampagnen in Ihr Web Analyse Tool und sind diese verknüpfbar mit anderen Daten?

Wenn ja, dann kommen wir zur Königsdisziplin – der Segmentierung.

Segmentierung heißt, dass Sie aus der ganzen Datenmasse kleine Bruchstücke definieren und separat weiteranalysieren. Ein Segment ist beispielsweise „alle User die über Google AdWords kamen“. Aber es gibt unzählige und die Möglichkeiten sind vielfältig.

Es können Segmente nach Nutzungsintensität, Zielerreichungen, Herkunft oder Verknüpfungen mehrerer verschiedener Segmente nach bestimmten Bedingungen vorgenommen werden.

Wie flexibel Sie hier sein können hängt auch wiederum stark von Ihrem Tool ab. Bei einigen Tools gibt es hier starke Beschränkungen, oder es kostet zusätzliches Geld wenn Sie diese Beschränkungen lockern wollen. Fragen Sie also im Zweifel einfach Ihren Anbieter.

Langfristig können Sie tiefergehende Erkenntnisse nur mit Hilfe von Segmentierung erlangen. Denn je weiter Sie tief in die Daten „drillen“ desto näher kommen Sie an die Antwort auf Ihre Frage/Vermutung und desto mehr nähern Sie sich einer Aktion – und das Durchführen einer Änderung, einer Aktion ist schließlich das Ziel. Denn nur durch Änderungen können Sie besser werden, mehr Transparenz erlangen und Ihre User besser verstehen.

Auf welcher Stufe stehen Sie? Bei welchem Schritt gibt es die größten Probleme? Welche Erfahrungen haben Sie gemacht? Liege ich mit den Schritten völlig falsch? Oder habe ich welche vergessen? Schreiben Sie einen Kommentar und diskutieren mit den anderen Lesern!

Google Analytics Multi Channel Funnel

Nun wurde gerade erst die neue Version von Google Analytics gelauncht (ich hoffe jeder von Ihnen hat sie mittlerweile) und schon gibt es das nächst große Update…

Schon seit langem gibt es von einigen fortgeschrittenen Web Analyse Tool Nutzern des Öfteren die  Anfrage über welche Quellen Besucher auf die Website kamen ehe sie dann irgendwann konvertieren.

Bislang gab es diese Verknüpfung in Google Analytics (sowie auch in vielen anderen Tools) nur auf „last Cookie wins“ Basis. D.h. die erzielte Conversion wurde der letzten Quelle zugeordnet.

Einschub: 

Hier gab es bei Google Analytics eine Ausnahme – denn eine Conversion wurde immer der letzten Quelle zugeordnet, es sei denn es war ein Direktzugriff, dann wurde die Conversion der vorletzten Quelle zugeordnet (bzw. der letzten nicht-Direktzugriffsquelle). Wenn es keine vorige Quelle gab bekam der Direktzugriff natürlich die Conversion (weitere Erläuterungen dazu auch in meinem Buch).

Da ein User leider nicht immer bei seinem ersten Besuch konvertiert, sondern mitunter einige Anläufe über verschiedene Quellen benötigt, hat die bisherige Praxis natürlich einige Ungenauigkeiten und Nachteile.

Denn, angenommen ein User kam beim ersten Besuch über einen Werbebanner, der zweite Besuch erfolgt dann über Google AdWords, der dritte Besuch über Google Organic und die Conversion am Ende über einen Direktzugriff. Bisher bekam bei einem obigen Verlauf in Google Analytics Google Organic die Conversion zugeordnet. Der Adserver der den ursprünglichen Kontakt über den Werbebanner hergestellt hat konnte die Conversion allerdings für sich verbuchen. Demnach gab es unterschiedliche Aussagen – der Adserver sagt eine Conversion für den Werbebanner und das Web Analyse Tool sagt eine Conversion für Google Organic.

Einer von vielen Gründen für unterschiedliche Daten verschiedener Tools.

Objektiv betrachtet könnte die Conversion dem Direktzugriff zugeordnet werden – sämtliche vorigen Quellen sollten aber dennoch zumindest einen Assist bekommen (beim Fussball bekommt Ze Roberto ja auch einen Scorerpunkt, wenn er eine Flanke maßgeschneidert auf den Fuß von Petric serviert und dieser dann das entscheidende Tor für den internationalen Wettbewerb erzielt). 

Die bisherige Ungenauigkeit hat nun endlich ein Ende!

Denn Google Analytics hat den Multi-Channel-Funnel gelauncht!

Was bedeutet das?

In Google AdWords gab es ähnliches schon seit einiger Zeit – allerdings nur für CPC Kampagnen und nicht für sämtliche Herkunftsquellen einer Website.

In Google Analytics gibt es nun einen neuen Reporting-Block im Bereich Conversions. Hier werden nun nicht nur die Conversion und die E-Commerce Daten angezeigt, sondern zusätzlich nun auch noch Multi-Channel-Daten.

In diesen völlig neuen Reports werden sämtliche Assists, also die vorigen Quellen über die ein User auf die Website kam eher er konvertiert hat, aufgelistet und sämtliche Pfade dargestellt.

Dies ist absolut cool!!

Denn nun findet endlich eine „richtige“ Zuordnung statt und es kann analysiert werden, welche Quellen regelmäßig qualitativ hochwertige User liefern, auch wenn diese nicht direkt konvertieren.

Welche Quellen bilden Schnittmengen auf dem Weg zur Conversion? Welche Quellen- oder Medium-Pfade werden am häufigsten gegangen? Kommen User zunächst über generische Keywords ehe sie dann das Ziel über spezifische Keywords oder einen Direktzugriff erreichen? Über wie viele unterschiedliche, oder auch gleiche, Quellen kommt ein User ehe er konvertiert? Adhoc fallen mir noch viele viele weitere Fragestellungen ein die bislang mit Google Analytics nicht wirklich beantwortet werden konnten (wir haben bei Trakken dies auch vorher schon technisch gelöst, allerdings waren es so viele Daten, dass diese nicht mehr wirklich auswertbar war und somit nicht nützlich).

Grafisch werden Überlappungen verschiedener Schnittstellen dargestellt – ebenso kann man nun analysieren welche Quellen starke Assists liefern und somit die Flanken für die Quellen die dann zu Conversions führen.

Ich habe Unternehmen gesehen, die aufgrund der bisherigen Logik höhere Conversions bei spezifischen, statt bei generischen Keywords gesehen haben (klar). Wenn dann allerdings die generischen Keywords abgeschaltet wurden ging die Gesamtzahl der Conversions deutlich zurück. Demnach also kein probates Mittel.

Diese Fehlinterpretation der Daten hat nun ein Ende!

Das Feature Multi-Channel-Funnel wird von Google Analytics derzeit noch als „limited pilot“ zur  Verfügung gestellt. Dies bedeutet, dass es noch nicht komplett für alle Kunden ausgerollt wird, sondern zunächst an einer kleinen Gruppe ausgewählter Kunden getestet wird.

Durch diese zusätzlichen Informationen wird der Customer Journey deutlich und es werden weitere Analysemöglichkeiten gegeben.

So können beispielsweise Gruppen gebildet werden die individuell benannt werden können. Dies macht Sinn um zum Beispiel die Referrer diverser Preissuchmaschinen als eine Gruppe „Preissuchmaschine“ zusammen zu fassen, statt viele einzelne Referrer zu haben. Oder es besteht die Möglichkeit verschiedene Quellen in A / B oder C Quellen zu gruppieren. Wie schon bekannt aus den erweiterten Segmenten in Google Analytics ist das Handling wieder einfach per drag & drop zu erledigen.

Wie komme ich nun an diese neuen Reports?

Wie oben schon erwähnt befindet sich der Multi Channel Funnel derzeit noch  im Test. Google hat noch kein offizielles Datum benannt, wann das komplette Rollout erfolgt. Demnach sollten alle noch ein wenig Geduld haben – da es nun aber ja angekündigt ist wird es sicher nicht mehr so lange dauern, bis alle Google Analytics Nutzer in den Genuss des Multi Channel Funnels kommen…weitere Updates werde ich hier über den Block und aber auch über

twitter.com/timoaden

bekanntgeben.

[Update: Und hier nun noch zwei Videos - Bilder sagen mehr als 1000 Worte...]

Wie halten Sie von denen neuen Reports? Hat Ihnen genau das bisher gefehlt? Oder sind Sie auch mit der bisherigen Logik gut klargekommen? Schreiben Sie einen Kommentar und diskutieren mit den anderen Lesern!

Neue Version Google Analytics

Als ob Google Web Analytics Inside ein Geschenk zum vierjährigen Geburtstag machen wollte gibt es ab sofort eine neue komplett neue Version von Google Analytics!

Diese komplett überarbeitete Version von Google Analytics bietet neben einem überarbeiteten und neuen Interface viele neue Features. Wie man an die neue Version kommt steht ganz unten...

Letztendlich wurde fast alles neu gemacht - und viele Dinge über die unter anderem auch ich immer gemeckert habe sind nun umgesetzt (Events als Goals, Dashboards, flexiblere benutzerdefinierte Berichte, etc.). Danke Google!!

Hier ein Übersicht über einige Features und Änderungen:

Features innerhalb des Reports (Click zum Vergrößern)

Dashboard

Die bisherigen Dashboard Funktionalitäten waren eher begrenzt. Mit der neuen Version von Google Analytics gibt es vielfältige Möglichkeiten (siehe Screenshot oben):

• Sehr flexibler Widget Editor
• Erstellung mehrerer Dashboards

Widget Editor (Click zum Vergrößern)

Auch bzgl. der grundsätzlichen Navigation hat sich einiges geändert. So ist es jetzt möglich deutlich einfacher innerhalb seiner Google Analytics Konten und Profile zu wechseln. Hierfür muss nun nicht jeweils die Ebene gewechselt werden. Zudem gibt es hier eine komfortable Suchfunktion für umfangreiche Konto- und Profilstrukturen.

Die Top-Navigation wurde unterteilt in Dashboard, Meine Website (aufgeteilt in Berichte und Radar) und Benutzerdefinierte Berichte.

Innerhalb der Berichte wurde die Struktur geändert. Innerhalb des Besucher Reporting Blocks befinden sich jetzt die drei Unterkategorien:

(Click zum Vergrößern)

• Demografische Merkmale
• Verhalten
• Technologie

Zugriffsquellen ist nun in folgende Unterkategorien unterteilt:

• Übersicht
• Eingehende Quellen
• AdWords

Content ist aufgegliedert nach:

• Übersicht
• Website-Content
• Site Search
• Ereignisse
• AdSense

Und Ziele heißen nun Conversions und beinhalten:

• Ziele
• E-Commerce

Hierdurch konnte die Navigation verschlankt werden da es nun mehr Drill-Down Möglichkeiten gibt als vorher.

Ebenso wurde die Darstellung der einzelnen Reports und deren Navigation verändert und optisch aufgewertet.

Hier einige Features:

• Einzelne Zeilen sind auswählbar und werden dann in der Grafik angezeigt
• Beliebige und flexiblere sekundäre Dimensionierung 
• Thematisch passende aber zusätzlich auch flexible primäre Dimensionierung
• Filter-Funktion innerhalb der Reports nun deutlich sichtbarer und somit besser nutzbar
• Intuitivere Bedienung
• Schneller
• Neuer Admin Bereich
• Keyword-Cloud
• Events als Ziele (YEAH!!!)

Des weiteren gibt es großartige Neuerungen bei den benutzerdefinierten Berichten. Und zwar können diese nun aufgeteilt werden nach

• Explorer: Dies hat weitestgehend die Funktionalität der bisherigen benutzerdefinierten Berichte
• Flache Tabelle: Dies ist neu und ermöglicht die Erstellung eigener Tabellen

Benutzerdefinierter Report (Click zum Vergrößern)

Wie kommt man nun an die neue Version?

Über dieses Formular kann man sich whitelisten lassen - also einfach eintragen und nach kurzer Zeit hat man die Möglichkeit parallel zur alten Version auch die neue Version von Google Analytics zu nutzen!

Es kann aber sein, dass das Freischalten ein paar Tage dauert...

Weitere Posts zum neuen Google Analytics folgen in Kürze!!

Und wer diesem Blog zum vierjährigen Geburtstag gratulieren will kann dies auch gerne machen - er wird sich sehr darüber freuen! ;-)

Wie finden Sie die neue Version? Besser als die alte? Schlechter? Oder einfach nur neuer? Was fehlt? Was kann besser gemacht werden? Schreiben Sie einen Kommentar und diskutieren Sie mit den anderen Lesern! Vielen Dank!!