Webanalyseplan zur Optimierung des Online Marketings

    Ohne einen durchdachten Webanalyseplan verliert man sich leicht in dem enormen Funktionsumfang von Webanalyse-Tools. Besonders Google Analytics ist in seiner Grundkonfiguration schnell einsatzbereit und liefert jede Menge Kennzahlen und Analysemöglichkeiten.
    Doch die entscheidende Frage ist: Was wollt ihr eigentlich mit diesen Daten anfangen? Was müsst Ihr tun, um aus den Daten Nutzen zu ziehen, und das Online Marketing eures Unternehmens oder eurer Website weiterzuentwickeln?

    Im folgenden Artikel zeige ich, warum der Einsatz eines Webanalyse-Tools ohne einen Analyseplan wenig Sinn macht. Anschließend erkläre ich den grundsätzlichen Aufbau eines Webanalyseplans und zeige euch, wie ihr einen Analyseplan entwickelt, der zu eurer Website und euren Anforderungen passt. Außerdem erfahrt ihr, warum der Analyseplan euch in der täglichen Webanalyse und Optimierung des Online Marketings wertvolle Unterstützung gibt.

    Anmerkung: Im Englischen wird gerne von Web Analytics Measurement Plans gesprochen. Im Deutschen gibt es dafür leider keine richtig gute Entsprechung. Ich verwende im folgenden Artikel die Begriffe Webanalyseplan, Analyseplan oder einfach Messplan.

    Darum geht es nicht ohne einen Webanalyseplan

    Die Website ist erfolgreich gestartet, Werbung wurde geschaltet, die ersten Bestellungen treffen ein, jetzt nur noch schnell ein Webanalyse-Tool integrieren und dann kann nichts mehr schiefgehen. Schließlich weiß man jetzt ja genau Bescheid über alles, was auf der Website passiert. Man sieht woher die Besucher kommen, welche Seiten sie sich anschauen, sieht Absprungraten, Conversion-Rates, Aufenthaltsdauern, usw.

    Toll, oder? Und das alles mit ein wenig Tracking-Code an den richtigen Stellen der Website.

    Und genau darin liegt häufig das Problem: Webanalyse-Tools wie Google Analytics, Piwik, etc. sind leicht verfügbar, im Basis-Setup schnell auf der Website integriert und liefern Daten in großem Umfang. Häufig jedoch werden diese Tools eingesetzt, ohne dass vorher gefragt wurde:

    • Warum brauchen wir diese Daten?
    • Wobei sollen die Daten uns helfen?
    • Was wollen wir mit diesen Daten erreichen?
    • Und: Von welchen Daten sprechen wir hier eigentlich?

    Je mehr Daten, desto besser, oder?

    Wir glauben so fest daran, dass wir einfach nur genügend Daten brauchen, um unser Business voranzutreiben, dass wir darüber ganz vergessen zu fragen, von welchen Daten wir hier eigentlich sprechen.

    Daten werden für uns wertvoll, wenn wir etwas mit ihnen anzufangen wissen, wenn sie uns nützlich sind. Um den Nutzen von etwas zu beurteilen, ist jedoch eine Zielsetzung notwendig. Mit anderen Worten: Kann ich mit diesen Daten etwas anstellen, dass mir dabei hilft, mein Geschäft weiterentwickeln? Kann ich zum Beispiel mit diesen Daten die Effizienz meines Online Marketings kontrollieren und optimieren?

    Wenn ich ein bestimmtes Ziel verfolge, reicht es also nicht, blind Daten zu sammeln. Ich muss jene Daten identifizieren und erfassen, die mir bei der Erreichung meines Zieles helfen. Ansonsten produziere ich nur einen Datenfriedhof.

    Angenommen, ihr habt euch bereits darüber Gedanken gemacht, welche Erkenntnisse ihr aus der Webanalyse gewinnen möchtet. Und darüber hinaus habt ihr bereits die Daten identifiziert, die zu diesem Zweck erfasst werden müssen. Ist dann alles klar?

    Nein, denn:

    Wer viel misst, misst viel Mist

    Zwei weitere Punkte müssen wir beachten, wenn wir Daten für unsere Analysen nutzen wollen:

    1. Wie werden die Daten eigentlich erfasst?

    Ich muss wissen, wie die Daten erfasst bzw. zugeordnet wurden, um ihre Validität beurteilen zu können. Nichts ist schlimmer, als wenn man Schlüsse aus einer Datenanalyse zieht und nicht verstanden hat, wie die zugrunde liegenden Daten überhaupt entstanden sind. Wenn ich mir darüber also nicht klar bin, ziehe ich aus meinen Daten schnell die falschen Schlüsse, zum Beispiel so:

    Jeder dritte Berliner ist Hausmeister

    Im Rahmen einer Befragung haben Studenten versucht, die Berufe der Berliner Bürger zu ermitteln. Dabei stellte sich heraus, dass tatsächlich ein Drittel der Berliner als Hausmeister tätig ist. Erstaunlich, nicht wahr?

    Tatsächlich müsste es heißen, dass ein Drittel der befragten Berliner als Hausmeister tätig war. Die Studenten hatten den Fehler gemacht, am Vormittag Wohngebiete aufzusuchen und unter den Menschen, die sie angetroffen haben, waren nun einmal viele Hausmeister vertreten. Die Hochrechnung von den befragten Menschen auf alle Berliner war falsch. Die Form der Datenerfassung war für diese Schlussfolgerung nicht geeignet. Mehr dazu in diesem Artikel.

    2. Daten gewinnen ihre Bedeutung aus dem Kontext

    Wir wollen Daten erheben, aber eigentlich suchen wir nach auffälligen Abweichungen in den Daten. Eine Abweichung kann ich jedoch nur feststellen, wenn ich eine Vorstellung habe, was ich als normal erwarten kann oder eine Benchmark definiert habe, mit der ich meine Daten vergleiche. So wie bei den Berliner Hausmeistern: Wir können zwar nicht sicher wissen, ob nicht vielleicht wirklich ein Drittel aller Berliner als Hausmeister tätig ist, doch unsere Erfahrung sagt uns: Das kann nicht stimmen. Wir setzen diesen Wert in Bezug zu unserer Erfahrung und schätzen die Schlussfolgerung – vorbehaltlich einer Überprüfung – als nicht valide ein.

    Nichts anderes müssen wir in der Webanalyse tun. Wir sammeln Daten und berechnen Werte, die wir analysieren, um unseren Entscheidungen ein belastbares Fundament zu geben. Doch aus dem Kontext herausgelöste Daten verlieren viel von ihrer Bedeutung. Was sollen wir mit einem Wert anfangen, von dem wir nicht wissen, ob er positiv oder negativ einzuordnen ist?

    Ein Beispiel

    Angenommen, die Absprungrate einer Landingpage beträgt 75%. Was sagt uns dieser Wert?

    Zunächst einmal nur, dass in 75% aller Sitzungen der Besucher keine weitere Seite aufgerufen hat. Ist das besorgniserregend, müssten wir etwas tun? Das hängt vom Kontext ab, in dem dieser Wert ermittelt wurde.
    Wir könnten diese Absprungrate mit der durchschnittlichen Absprungrate für alle Seiten unserer Website vergleichen und hätten einen ersten Anhaltspunkt. Oder wir versuchen herausfinden, ob es Studien zu Absprungraten auf Websites gibt, die uns bei der Beurteilung des individuellen Wertes helfen können.

    Dritte Variante für mehr Kontext: Was ist die Nutzerintention?

    In der Webanalyse drücken Messwerte meist bestimmte Facetten des Nutzerverhaltens aus. Wir können den Kontext, in dem ein Messwert erzeugt wurde, auch genauer umreißen, wenn wir versuchen, die Nutzerintention mit einzubeziehen.

    • Wenn es sich um einen Blog-Artikel handelt, der genau eine bestimmte Frage beantwortet (z.B. „Wie richte ich einen tollen Kindergeburtstag aus?„) könnte eine hohe Absprungrate darauf hindeuten, dass die Frage zufriedenstellend beantwortet wurde, und der Besucher deshalb keinen Grund hatte, auf der Website weiter nach Antworten zu suchen.
    • Wenn es sich um die Landingpage einer AdWords-Kampagne zum Verkauf bestimmter Produkte handelt, könnte eine so hohe Absprungrate ein Indikator für eine ineffiziente Ausrichtung der Kampagne sein. Ich muss also genauer hinschauen: Wie hoch ist die Absprungrate für andere Seiten? Wie variiert die Absprungrate in Abhängigkeit von der Traffic-Quelle?

    Um bei dem AdWords-Beispiel zu bleiben: Wenn die Absprungrate für Besucher aus den organischen Suchergebnissen 40% beträgt im Vergleich zu 75% aus der bezahlten Suche, dann ist hier tatsächlich etwas faul und die AdWords-Kampagne erfordert eine genauere Untersuchung.

    Für das Beispiel mit dem Blog-Artikel ist die Sache etwas verzwickter:
    Wir können nämlich nicht erkennen, ob der Besucher den Artikel durchgelesen und die Website dann verlassen hat oder direkt nach dem Laden des Artikels das Weite gesucht hat. Die Absprungrate lässt beide Interpretationen zu. Wir könnten das Problem lösen, indem wir zusätzliche Signale auswerten, wie etwa das Herunterscrollen auf  der Seite und Mausbewegungen. Daraus ließe sich ableiten, dass der Besucher den Blog-Artikel tatsächlich liest. Wenn wir Scroll- und Mausbewegungen erkennen, würden wir diese in die Berechnungen der Absprungrate einfließen lassen. Unsere Absprungrate würde dann nicht mehr nur davon abhängig sein, ob Folgeseiten aufgerufen werden, sondern auch Nutzerinteraktionen berücksichtigen. Mit diesen zusätzlichen Daten lässt sich die Absprungrate sicherer interpretieren und Schlussfolgerungen stehen auf einer solideren Basis.

    Daten ohne Kontext nützen uns nur wenig

    Deshalb müssen wir Daten in Beziehung zu einer Benchmark, einer Zielvorgabe oder der Nutzerintention setzen. Erst damit wird uns die Beurteilung von Messwerten ermöglicht. 

    Kurz zusammengefasst

    • Das Sammeln von Daten alleine bringt uns nicht weiter.
    • Wir müssen eine Vorstellung davon haben, zu welchem Zweck wir Daten benötigen. Mit anderen Worten: Was soll das Ziel unserer Analyse sein?
    • Welche Daten benötigen wir für die Analyse? Wie können wir sie ermitteln? Verstehen wir, wie die Daten erhoben wurden?
    • Können wir die Daten in einen Kontext setzen, um sie zu bewerten? Sonst lassen sich keine Auffälligkeiten entdecken, und jeder Optimierungsversuch läuft ins Leere.

    Wenn wir einen Plan für die Webanalyse aufstellen, wird dies deutlich konkreter. In 5 Arbeitsschritten erhalten wir einen belastbaren Analyseplan, der uns hilft, in der Vielzahl der Analysemöglichkeiten nicht den Blick für das Wesentliche zu verlieren.

    Dies sind die einzelnen Schritte:

    1
    Was ist das Unternehmensziel?
    2
    Welche Schritte sind notwendig, um das Unternehmensziel zu erreichen?
    3
    Mit welchen KPIs kann ich messen, ob ich das Unternehmensziel erreiche?
    4
    Welche Ziele oder Benchmarks habe ich für die einzelnen KPIs?
    5
    Berichte und Datensegmente festlegen

    Und dann sind wir fertig?

    Nein, denn wenn wir den Analyseplan aufgestellt haben, geht die eigentliche Arbeit erst los:

    6
    Trackings, Dashboards und Reports einrichten
    7
    Analyse und Optimierung

    Nachdem wir festgelegt haben, welche Daten und Berichte wir für die Analyse benötigen, müssen wir entsprechende Trackings einrichten. Daneben sind häufig benutzerdefinierte Dashboards und Berichte notwendig.
    Schritt 7 ist der Grund, weshalb wir überhaupt einen Webanalyseplan aufstellen. Denn ohne ihn können wir weder strukturiert analysieren, ob sich unser Marketing auf dem richtigen Weg befindet, noch können wir den Erfolg unserer Optimierungsmaßnahmen kontrollieren.

    Deshalb: Nach dem Aufstellen des Analyseplans fängt die eigentliche Arbeit erst an. 🙂

    Entwicklung eines Webanalyseplans

    Damit das Vorgehen zur Entwicklung eines Webanalyseplans anschaulicher wird, folgt nun ein großes Beispiel. Unser fiktiver Kunde ist ein Online-Versender von Babymode. Wir entwickeln einen Analyseplan zur Kontrolle und Optimierung des Online Marketings.

    Los geht’s!

    1. Was ist das Unternehmensziel?

    Wenn ich bei Kunden die Frage nach dem Unternehmensziel stelle, ist das immer ein wenig der Augenblick der Wahrheit. Entweder ernte ich ungläubige Blicke, eine Antwort wie „Also, naja, das ist so…“, manchmal auch beides. Ab und zu habe ich den Eindruck, dass man mich für etwas begriffsstutzig hält oder glaubt, dass ich mein Gegenüber provozieren wolle.

    Tatsächlich ist diese Frage in vielen Fällen gar nicht so leicht zu beantworten. Zum einen, weil sich Unternehmensziele im Laufe der Zeit verschieben können, zum anderen weil man vielleicht noch nie konkret darüber nachgedacht hat. Viele Unternehmer haben einfach mal mit etwas angefangen, z.B. Babymode über einen eigenen Online-Shop zu verkaufen, oder vielleicht auch Bücher 😉 . Das lief gut, es wurde einfach weitergemacht und das Geschäft ausgebaut. Ein explizites Unternehmensziel gibt es nicht. Das Unternehmen soll einfach erfolgreich bleiben und weiter wachsen. Das klingt nicht verkehrt, nur für die Entwicklung eines Analyseplans reicht eine solche Aussage nicht aus.

    Wir müssen also weiter bohren. Man kann sich dem Unternehmensziel aus einer anderen Richtung nähern, zum Beispiel indem man sich fragt:

    • Was ist der Zweck unserer Website?
    • Warum machen wir das alles hier eigentlich?
    • Wohin wollen wir uns entwickeln?

    Damit kommen wir dem Unternehmensziel schon näher.

    Es könnte vielleicht so lauten:

    1. Wir wollen uns zu einem der führenden Online-Händler für Babymode in Deutschland entwickeln.
    2. Wir wollen online jährlich 2,5 Mio. Euro Umsatz mit unseren Eigenmarken erzielen.
    3. Wir wollen die Zahl der Website-Besucher innerhalb von 12 Monaten um 100% steigern.

    Ihr seht schon, eigentlich ist nur Punkt 1 ein echtes Unternehmensziel. Punkt 2 & 3 sind eher Kampagnenziele bzw. untergeordnete Ziele.
    Wenn ihr die Webanalyse für eine Marketing-Kampagne durchführen sollt, ist ein Kampagnenziel ausreichend. Wenn jedoch ein Webanalysekonzept entwickelt werden soll, das alle Online-Aktivitäten des Unternehmens erfasst, müsst ihr ggfs. weiter nachfragen.

    Um den Analyseplan jetzt herauszuarbeiten, nehmen wir uns das zuerst genannte Ziel als Vorlage: „Wir wollen uns zu einem der führenden Online-Händler für Babymode in Deutschland entwickeln.“

    Webanalyseplan

    1. Unternehmensziel

    Wir wollen uns zu einem der führenden Online-Händler für Babymode in Deutschland entwickeln.

    2. Welche Schritte sind notwendig, um das Unternehmensziel zu erreichen?

    Nachdem wir für die schwierigste Frage eine Antwort gefunden haben, wird es jetzt schon ein wenig detaillierter. Wir gliedern das Unternehmensziel in Teilaspekte bzw. Aufgaben. Also etwa so:

    Damit wir uns zu einem der führenden Online-Händler für Babymode entwickeln können, müssen wir

    1. Online-Werbung schalten, um Aufmerksamkeit für unser Angebot zu erzeugen
    2. Bestellungen generieren
    3. Menschen bzw. Kunden an uns binden, indem wir eine Facebook-Community aufbauen

    Diese drei Punkte sind unsere Aufgaben und bilden die nächste Ebene unseres Webanalyseplans.

    Webanalyseplan

    1. Unternehmensziel

    Wir wollen uns zu einem der führenden Online-Händler für Babymode in Deutschland entwickeln.

    2. Aufgaben

    1. Aufmerksamkeit steigern
    2. Bestellungen generieren
    3. Facebook Community aufbauen

    3. Mit welchen KPIs kann ich messen, ob ich das Unternehmensziel erreiche?

    Wir haben das Unternehmensziel in drei Teilaspekte (Online-Werbung schalten, Bestellungen generieren, Facebook-Community aufbauen) aufgegliedert. Nun benötigen wir Kennzahlen, anhand derer wir messen können, ob wir mit unseren Online-Aktivitäten auf dem richtigen Weg sind. Wir müssen jene KPIs (Key Performance Indicators) identifizieren, die uns auf einen Blick eine Beurteilung der Lage erlauben UND geeignet sind, den Erfolg von Optimierungsmaßnahmen zu kontrollieren.

    Webanalyseplan

    1. Unternehmensziel

    Wir wollen uns zu einem der führenden Online-Händler für Babymode in Deutschland entwickeln.

    2. Aufgaben

    1. Aufmerksamkeit steigern
    2. Bestellungen generieren
    3. Facebook Community aufbauen

    3. KPIs

    KPI: Anzeigenviews
    KPI: CTR
    KPI: Absprungrate
    KPI: Aufenthaltsdauer
    KPI: Anteil neuer Besucher
    KPI: Umsatz
    KPI: Anzahl der Bestellungen
    KPI: Ø Bestellwert
    KPI: Conversion-Rate
    KPI: CPA
    KPI: Anteil vollständig abgeschl. Checkouts
    KPI: Rücksendequote
    KPI: Fan-Wachstum
    KPI: Interaktionsrate
    KPI: Eingehender Traffic über FB
    KPI: Bestellungen über FB-Zugriffe

    Die oben aufgeführten KPIs sind ein Beispiel für ein Set von Kennzahlen. Abhängig vom jeweiligen Unternehmensziel können andere KPIs zum Einsatz kommen, ebenso ist die Anzahl der betrachteten KPIs individuell verschieden. Für unseren Webanalyseplan habe ich die folgenden KPIs ausgewählt:

    KPIs für die Aufgabe „Aufmerksamkeit steigern“

    Ich bin davon ausgegangen, dass die Werbekampagnen primär dazu dienen, auf unser Unternehmen und seine Produkte aufmerksam zu machen. Es handelt sich nicht um Kampagnen, die dazu bestimmt sind, in erster Linie Sales zu generieren. In diesem Fall würde man einige andere KPIs mit stärkerem Bezug auf Sales bevorzugen.

    • Anzeigenviews
      Für Online-Kampagnen, die auf die Erzeugung von Aufmerksamkeit ausgerichtet sind, sind die erzielten Anzeigenviews ein wichtiges Kriterium. Wenn wir Kampagnen über verschiedene Ad-Systeme laufen lassen, müssen wir prüfen, wie der jeweilige Anbieter Anzeigenviews zählt, damit eine Vergleichbarkeit der Werbekanäle gewährleistet ist.
    • CTR
      Die Klickrate (CTR) gibt uns darüber Aufschluss, ob unsere Werbemittel ihre Botschaft effektiv transportieren und potenzielle Kunden zum Klicken anregen. Ferner lässt die Klickrate Rückschlüsse auf die Qualität des Targetings zu.
    • Absprungrate
      Aus der Absprungrate lässt sich ablesen, wie gut die Landingpage mit den Werbemitteln harmoniert. Wenn unsere Werbemittel Erwartungen wecken, die auf der Landingpage nicht erfüllt werden, ist eine hohe Absprungrate die Folge. Ebenso wirkt sich eine schlechte Usability der Website negativ auf die Absprungrate aus.
    • Aufenthaltsdauer
      Die Aufenthaltsdauer gibt Hinweise darauf, ob sich der Besucher für unsere Inhalte interessiert. In unserem Beispiel gehen wir davon aus, dass eine steigende Aufenthaltsdauer ein Hinweis darauf ist, dass wir mit unser Werbekampagne die richtigen Leute erreichen.
      Diese Kennzahl hat jedoch einige Tücken: Die Aufenthaltsdauer steigt auch an, wenn Besucher auf unserer Website etwas suchen und nicht finden. Gleiches gilt für Sitzungen, die mit einer Bestellung abgeschlossen werden: Auch sie weisen in der Regel überdurchschnittliche Aufenthaltsdauern auf. Wir müssen die Aufenthaltsdauer deshalb in Bezug zu anderen KPIs wie der Absprungrate oder der Anzahl der Bestellungen setzen, um Schlussfolgerungen anstellen zu können.
    • Anteil neuer Besucher
      Wenn wir unseren Online-Shop für Babymode weiterentwickeln wollen, müssen wir den Schwerpunkt dieser Werbekampagne auf die Gewinnung neuer Besucher für unsere Website legen. Mit dem KPI „Anteil neuer Besucher“ messen wir, ob die Werbekampagne über die verschiedenen Kanäle noch genügend neue Besucher akquirieren kann. Bei mangelnder Reichweite der Kampagne sieht man meist nach einiger Zeit einen Rückgang des Anteils neuer Besucher. Das bedeutet, dass dann ggfs. das Targeting geändert werden muss, um weiterhin einen ausreichenden Strom neuer Besucher auf unsere Website leiten zu können.
      Anmerkung: Neue Besucher, die wir über diesen Weg gewonnen haben, könnte man – abhängig von ihrem Nutzerverhalten -anschließend über Retargeting-Kampagnen erneut ansprechen. Der Einfachheit halber lasse ich diesen Aspekt im Webanalyseplan unberücksichtigt.

    KPIs für die Aufgabe „Bestellungen generieren“

    • Umsatz
      Der zu messende Umsatz ist weniger eindeutig, als es auf den ersten Blick aussieht. Natürlich sprechen wir hier von Umsätzen ohne Mehrwertsteuer, aber schon bei der Frage, ob etwaige Versandkosten hinzugerechnet werden dürfen oder nicht, entstehen schnell Diskussionen. Ich empfehle die vollständigen Nettoumsätze zu erfassen, und die vereinnahmten Versandkostenpauschalen auch in der Webanalyse zu berücksichtigen, allerdings getrennt von den Warenumsätzen. Ebenso sollten die Umsätze um Rücksendungen bereinigt werden, da ansonsten die Umsatzzahlen in der Webanalyse ein zu positives Bild zeichnen könnten. Schließlich sind in einigen Branchen Rücksendequoten von über 30% nicht ungewöhnlich. Entsprechend massiv sind die Auswirkungen auf den Umsatz nach Abzug der Rücksendungen.
    • Anzahl der Bestellungen
      Die Anzahl der Bestellungen gibt Hinweise auf die Bestellaktivität der Kunden. Setzt man diesen Wert in Beziehung zum erzielten Umsatz und den Trafficquellen lassen sich Kanäle mit hoher Bestellaktivität, aber niedrigen Bestellwerten identifizieren. Dies wären Kandidaten für Optimierungen des Cross-Sellings.
    • Durchschnittlicher Bestellwert
      Der durchschnittliche Bestellwert oder Warenkorbwert ist eine der wichtigsten Kennzahlen bei der Optimierung des Cross- und Up-Sellings eines Online-Shops.
    • Conversion-Rate
      Die Conversion-Rate gibt an, wie gut es uns gelingt, den gewonnenen Traffic in Bestellungen umzuwandeln. Meist errechnet sich die Conversion-Rate aus den Bestellungen und der Gesamtzahl von Sitzungen. Der Haken bei diesem Vorgehen ist, dass sich eine recht niedrige Conversion-Rate ergeben kann, die viel Optimierungspotenzial vorgaukelt. Eine verlässlichere Einschätzung des Optimierungspotenzials erhält man, indem man die Gesamtzahl der Sitzungen um die Sitzungen mit sofortigen Abbruch (Bounced Sessions) bereinigt oder direkt die Besucher anstatt der Sitzungen in Beziehung zu den Bestellungen setzt.
    • CPA
      CPA (Cost per Acquisition) ist eine Kennzahl, die die Akquisitionskosten (Werbekosten) pro Bestellung angibt. Auch dieser KPI entfaltet seinen vollen Nutzen erst, wenn wir ihn mit Hilfe von Datensegmenten genauer untersuchen. Mit ihm können wir zum Beispiel Traffic-Kanäle identifizieren, über die wir günstig Bestellungen akquirieren können ebenso wie Werbekanäle mit hohen Werbekosten pro Bestellung.
    • Anteil vollständig abgeschlossener Checkouts
      Nicht jeder Kunde, der sich auf den Weg zur Kasse macht, schließt seine Bestellung auch tatsächlich ab. Ein Checkout mit vielen Einzelschritten, fehlende Zahlungsarten oder ungünstige Lieferbedingungen können zu Kaufabbrüchen führen. Das ist besonders ärgerlich, weil wir kurz vor dem Ziel doch noch einen gewissen Anteil an potenziellen Bestellungen verlieren. Deshalb messen wir mit diesem KPI, wie viele Kunden den Bestellvorgang erfolgreich abschließen. Dies liefert uns die Basis, um Optimierungen des Checkout-Vorganges bewerten zu können.
    • Rücksendequote
      Die Rücksendequote hat einen direkten Einfluss auf die Profitabilität unseres Online-Shops. Allerdings sind die Gründe für Rücksendungen nicht immer leicht zu identifizieren. Komfortable Rückgabebedingungen können die Rücksendequote ebenso nach oben treiben wie mangelhafte Produktqualität oder Abweichungen von den Produktbeschreibungen. Dennoch ist dieser Wert sehr nützlich, wenn man die Rücksendequote zum Beispiel nach Trafficquellen oder Produktkategorien/Produkten segmentiert. Neben einer verbesserten Ausrichtung der Werbekampagnen lassen sich damit auch Optimierungspotenziale auf Produkt- oder Kategorieebene identifizieren.

    KPIs für die Aufgabe „Facebook Community aufbauen“

    • Fan-Wachstum
      Mit dem Fan-Wachstum messen wir, wie viele neue Fans wir für unsere Community gewinnen können. Natürlich könnten wir auch die Größe der Facebook-Community als KPI nutzen. Allerdings halte ich es für sinnvoller, die Dynamik (also das Wachstum) zu messen, weil dies bessere Rückschlüsse auf die Effektivität unserer Maßnahmen zum Community-Aufbau zulässt. Als Segmentierung bieten sich hier das organische Wachstum der Community gegenüber dem Wachstum aus bezahlter Werbung an.
    • Interaktionsrate
      Die Interaktionsrate erlaubt uns die Beurteilung, wie gut die von uns geteilten Inhalte von unserer Community angenommen werden. Likes, Shares, Kommentare und Klicks auf Posts sind die Standardreaktionen, die in die Messung der Interaktionsrate einfließen. Es kann aber durchaus Sinn machen, weitere Nutzerreaktion wie Klicks auf Links, Erwähnungen in den Posts Dritter, usw. mit einzubeziehen. Dafür sind dann weitere externe Analysetools notwendig.
    • Eingehender Traffic über FB
      Der Aufbau einer Community über Facebook mag ja ganz schön sein, aber der Aufwand lohnt sich nur, wenn wir auch Ergebnisse in unserem Online-Shop sehen können. Deshalb messen wir den Traffic, den wir über Facebook erhalten, in einem separaten KPI.
    • Bestellungen über FB-Zugriffe
      Noch mehr als der reine Traffic interessieren uns die Bestellungen, die wir aus dem über Facebook gewonnenen Traffic generieren können. Mit Hilfe passender Datensegmente können wir noch genauer herausfinden, welche Produkte wir über unsere Facebook Community besonders gut verkaufen können oder welche Art von Posts bevorzugt zu Bestellungen geführt haben.

    Dynamische KPIs

    KPIs lassen sich natürlich auch verwenden, um Dynamik zu messen. Wir könnten zum Beispiel statt des monatlichen Umsatzes auch das monatliche Umsatzwachstum als KPI heranziehen. Für wachstumsstarke Unternehmen kann das durchaus sinnvoll sein. Allerdings ist zu beachten, dass das Umsatzwachstum mehr noch als der Umsatz von saisonalen Einflüssen und einzelnen Marketingaktionen abhängen kann. Das bedeutet einen höheren Aufwand in der Bestimmung sinnvoller Zielvorgaben. Wenn dynamische KPIs zudem mit statischen Größen wie etwa dem Umsatz im Analyseplan kombiniert werden, müssen die Zielvorgaben dieser Kennwerte regelmäßig angepasst werden.

    4. Welche Ziele oder Benchmarks habe ich für die einzelnen KPIs?

    Mit der Festlegung der KPIs haben wir bereits eine ganze Menge für unseren Webanalyseplan getan. Allerdings sind KPIs nur die halbe Miete, wenn wir nicht gleichzeitig auch Ziele bzw. Benchmarks für die einzelnen KPIs festlegen. Ziele bzw. Benchmarks helfen dabei, die ermittelten Werte für die KPIs zu beurteilen. So ist eine Conversion-Rate von 2,5% zunächst einmal nur ein Messwert. Wenn die Vorgabe aber lautet, dass die Conversion-Rate über 3,0% liegen soll, haben wir an dieser Stelle bereits einen Optimierungsbedarf ausgemacht. Im nächsten Schritt würde man genauer analysieren, um die Ursache für die zu niedrige Conversion-Rate zu ermitteln (z.B. Segmentierung und ergänzende Berichte nutzen) und Maßnahmen zu ihrer Steigerung zu ergreifen.

    Ergänzt um die Zielvorgaben sieht unser Webanalyseplan nun so aus:

    Webanalyseplan

    1. Unternehmensziel

    Wir wollen uns zu einem der führenden Online-Händler für Babymode in Deutschland entwickeln.

    2. Aufgaben

    1. Aufmerksamkeit steigern
    2. Bestellungen generieren
    3. Facebook Community aufbauen

    3. KPIs

    4. Zielvorgaben

    KPI: Anzeigenviews
    • Ziel: 100.000 Views / Monat
    KPI: CTR
    • Ziel: 1%
    KPI: Absprungrate
    • Ziel: < 50%
    KPI: Aufenthaltsdauer
    • Ziel: > 3 min
    KPI: Anteil neuer Besucher
    • Ziel: > 70%
    KPI: Umsatz
    • Ziel: 600.000 € / Monat
    KPI: Anzahl der Bestellungen
    • Ziel: 10.000 Bestellungen / Monat
    KPI: Ø Bestellwert
    • Ziel: 60 € / Bestellung
    KPI: Conversion-Rate
    • Ziel: > 3,0 %
    KPI: CPA
    • Ziel: < 6 € / Bestellung
    KPI: Anteil vollständig abgeschl. Checkouts
    • Ziel: > 85%
    KPI: Rücksendequote
    • Ziel: < 20%
    KPI: Fan-Wachstum
    • Ziel: 1500 Fans / Monat
    KPI: Interaktionsrate
    • Ziel: > 1,0%
    KPI: Eingehender Traffic über FB
    • > 10.000 Sitzungen / Monat
    KPI: Bestellungen über FB-Zugriffe
    • Ziel: 500 Bestellungen / Monat

    Woher bekomme ich Benchmarks und Ziele?

    Am Anfang stellt sich jedoch die Frage, woher man die Zielgrößen nehmen soll. Sofern vorhanden, bieten sich bereits vorliegende Daten an, um die Ziele für den Start zu definieren, z.B. durchschnittliche Warenkorbwerte, Umsatzzahlen, usw. Für einige KPIs wird es möglicherweise schwer fallen, schon von Beginn an eine sinnvolle Zielgröße festzulegen. In diesen Fällen empfehle ich, entweder mit einem Schätzwert zu starten oder zunächst einige Daten zu sammeln, bis man die Zielgröße festlegt.

    Benchmarks sind Referenzwerte, die zur Beurteilung der eigenen Leistung herangezogen werden.

    Benchmarks können aus allgemeinen E-Commerce-Studien stammen oder für eine Branche ermittelt worden sein. In großen Unternehmen könnten Benchmarks aus dem Vergleich von Unternehmensbereichen hergeleitet werden. Benchmarks sind nützlich, um die eigene Leistung im Vergleich zur Branche oder Konkurrenzunternehmen zu vergleichen. Allerdings handelt es sich bei ihnen häufig um stark konsolidierte Daten, deren Berechnung in vielen Fällen nicht transparent ist und die wegen ihres allgemeinen Charakters für eigene Optimierungen nur eingeschränkt geeignet sind. Ich empfehle deshalb den Schwerpunkt auf die Entwicklung eigener Zielgrößen zu legen und Benchmarks nur als grobe Leitlinien zu verwenden.

    Warum?

    Benchmarks bilden meist Durchschnittswerte ab. Das bedeutet, dass Daten von Unternehmen mit sehr guter wie auch schlechter Performance zusammengefasst werden. Ein auf diese ermittelter Wert, zum Beispiel für die Conversion-Rate, ist aus zwei Gründen mit Vorsicht zu genießen: Zum einen möchte man mit dem eigenen Unternehmen natürlich besser als der Durchschnitt sein, also eine deutlich höhere Conversion-Rate ausweisen als die Benchmark. Zum anderen jedoch gibt es vielfältige Einflussgrößen, die die Conversion-Rate eines einzelnen Unternehmens beeinflussen, wie etwa die Gestaltung des Checkouts, die angebotenen Zahlungsarten bis hin zu der Weise, wie die Conversion-Rate berechnet wird (Stichwort Adjusted Conversion Rate). Deshalb ist die Entwicklung eigener Zielgrößen wichtig, um zu vermeiden, dass man anhand ungeeigneter Benchmarks Analysen und Optimierungen durchführt.

    Eine Ausnahme können unternehmensintern ermittelte Benchmarks bilden, wenn die Berechnung transparent und einheitlich erfolgte. Dann sind diese internen Benchmarks in der Regel qualitativ deutlich besser als externe Benchmarks und für Optimierungen durchaus geeignet.

    Wichtig: Ziele sind die Messlatte für unsere Optimierungsmaßnahmen.

    Deshalb müssen sie regelmäßig überprüft und ggfs. angepasst werden. Denn Zielgrößen, die wir regelmäßig übertreffen, werden uns nicht mehr besonders motivieren, zukünftig noch höhere Warenkorbwerte, niedrigere Absprungraten, usw. zu erreichen. Ebenso sind unerreichbar hoch angesetzte Ziele auf Dauer schädlich, da sie demotivierend wirken. Ich empfehle deshalb, die Zielgrößen so festzulegen, dass sie z.B. 10% über den aktuell gemessenen Werten liegen. So bleibt das Ziel für Optimierungsmaßnahmen in greifbarer Nähe. Sollte das Ziel dann mehrmals hintereinander überschritten werden, z.B. vier Wochen lang, kann man es anschließend wieder ein Stück höher setzen, um einen Ansporn für noch mehr Optimierungen zu setzen.

    Zielvorgaben für voneinander abhängige KPIs

    Beim Aufbau eines KPI-Sets passiert es schnell, dass man KPIs zusammenstellt, die zueinander in Beziehung stehen. Wenn ich die Zahl der monatlichen Bestellungen, den durchschnittlichen Bestellwert und den monatlichen Umsatz als KPIs verwende, muss ich darauf achten, dass die Zielvorgaben zueinander passen, also Konsistenz gewährleistet ist. Bezieht sich der KPI auf einzelne Segmente (z.B. Facebook-Traffic) kann eine Abweichung vom allgemeinen KPI Sinn machen: So habe ich für den KPI „Eingehender Traffic über FB“ 10.000 Sitzungen/Monat vorgegeben und für die „Bestellungen über FB-Zugriffe“ ein Ziel von 500 Bestellungen/Monat gesetzt. Daraus folgt implizit eine Conversion-Rate von 5,0%, die deutlich über der allgemeinen Vorgabe von 3,0% liegt. Ich bin davon ausgegangen, dass Traffic aus der Facebook-Community besser konvertiert, weil hier ein erhöhter Anteil von Stammkunden bzw. Menschen, die mit unserer Marke bereits vertraut sind, zu erwarten ist.

    5. Berichte und Datensegmente festlegen

    Webanalysetools wie Google Analytics, etc. bieten enorm viele Kennzahlen und Berichte zu Analysezwecken an. Deshalb ist es hilfreich, bereits im Webanalyseplan zu vermerken, in welchen Berichten man Daten zu den einzelnen KPIs findet. Für KPIs zu Social Media Kanälen sind häufig weitere Datenquellen oder spezielle Analysetools notwendig. Gleiches gilt, wenn in der Webanalyse auch betriebswirtschaftliche Daten mit herangezogen werden sollen. Deshalb: Mit Google Analytics & Co. lässt sich zwar vieles abdecken, aber es gibt in den Unternehmen eine Reihe weiterer Datenquellen (ERP-, CRM-Systeme, usw.), die für die Webanalyse von Bedeutung sein können. Sollen solche Datenquellen ebenfalls genutzt werden, ist mindestens ein entsprechender Verweis im Analyseplan nötig.

    Datensegmente sind für die Webanalyse und die Identifizierung von Optimierungspotenzialen von besonderer Bedeutung. Denn sie ermöglichen die Betrachtung eines KPIs unter vielen weiteren Blickwinkeln.

    Ein Beispiel

    Der aktuelle CPA beträgt 11,50 € und soll durch Optimierungen der Werbekampagnen auf unter 10 € reduziert werden. Wenn das Unternehmen verschiedene Marketing-Kanäle wie etwa Google AdWords und Facebook-Werbung nutzt, macht es viel Sinn, nach diesen Trafficquellen zu segmentieren. Dabei stellt man fest, dass der CPA der AdWords-Kampagnen mit 7 € bereits die Zielvorgabe erfüllt, während der CPA der Facebook-Werbung bei über 15 € liegt. Damit hätte man schnell einen ersten Ansatzpunkt für die Optimierung des CPAs gefunden: Die Facebook-Werbung muss genauer untersucht werden.
    In einem weiteren Schritt würde man auf Kampagnenebene segmentieren, um ineffiziente Kampagnen zu identifizieren. Dabei ist es durchaus möglich, dass man auch bei der AdWords-Werbung Kampagnen mit Optimierungspotenzial entdeckt.

    Darum benötigen wir Datensegmente

    Datensegmente helfen uns dabei, die Optimierungspotenziale innerhalb eines KPIs zu erkennen. So können wir uns in der Optimierung auf die Punkte konzentrieren, bei denen die höchsten Verbesserungen zu erzielen sind.

    Wir erweitern den Webanalyseplan um Hinweise zu Berichten und den zu verwendenden Datensegmenten:

    Der fertige Webanalyseplan

    Geschafft! So sieht der fertige Webanalyseplan für unseren Online-Versender von Babymode aus.

    Webanalyseplan

    1. Unternehmensziel

    Wir wollen uns zu einem der führenden Online-Händler für Babymode in Deutschland entwickeln.

    2. Aufgaben

    1. Aufmerksamkeit steigern
    2. Bestellungen generieren
    3. Facebook Community aufbauen

    3. KPIs

    4. Zielvorgaben

    5. Berichte & Datensegmente

    KPI: Anzeigenviews
    • Ziel: 100.000 Views / Monat
    • Bericht:  Ad-Server Berichte
    • Datensegmente: Trafficquellen, Kampagnen, Gerätekategorien, Neue/ Wiederkehrende Besucher
    KPI: CTR
    • Ziel: 1%
    • Bericht:  Ad-Server Berichte
    • Datensegmente: Trafficquellen, Kampagnen, Gerätekategorien, Neue/ Wiederkehrende Besucher
    KPI: Absprungrate
    • Ziel: < 50%
    • Bericht: GA¹ >> Akquisitionsberichte
    • Datensegmente: Trafficquellen, Kampagnen, Gerätekategorien, Neue/ Wiederkehrende Besucher
    KPI: Aufenthaltsdauer
    • Ziel: > 3 min
    • Bericht: GA¹ >> Akquisitionsberichte
    • Datensegmente: Trafficquellen, Kampagnen, Gerätekategorien, Neue/ Wiederkehrende Besucher
    KPI: Anteil neuer Besucher
    • Ziel: > 70%
    • Bericht: GA¹ >> Akquisitionsberichte
    • Datensegmente: Trafficquellen, Kampagnen, Gerätekategorien, Neue/ Wiederkehrende Besucher
    KPI: Umsatz
    • Ziel: 600.000 € / Monat
    • Bericht: GA¹ >> Akquisitionsberichte + E-Commerce-Berichte
    • Datensegmente: Trafficquellen, Kampagnen, Produktkategorien, Produkte, Gerätekategorien, Neue/ Wiederkehrende Besucher, Geographie (Länder, Regionen, Städte), Demografische Merkmale (Alter, Geschlecht, usw.)
    KPI: Anzahl der Bestellungen
    • Ziel: 10.000 Bestellungen / Monat
    • Bericht: GA¹ >> Akquisitionsberichte + E-Commerce-Berichte
    • Datensegmente: Trafficquellen, Kampagnen, Produktkategorien, Produkte, Gerätekategorien, Neue/ Wiederkehrende Besucher, Geographie (Länder, Regionen, Städte), Demografische Merkmale (Alter, Geschlecht, usw.)
    KPI: Ø Bestellwert
    • Ziel: 60 € / Bestellung
    • Bericht: GA¹ >> Akquisitionsberichte + E-Commerce-Berichte
    • Datensegmente: Trafficquellen, Kampagnen, Gerätekategorien, Neue/ Wiederkehrende Besucher, Geographie (Länder, Regionen, Städte), Demografische Merkmale (Alter, Geschlecht, usw.)
    KPI: Conversion-Rate
    • Ziel: > 3,0 %
    • Bericht: GA¹ >> Akquisitionsberichte + E-Commerce-Berichte
    • Datensegmente: Trafficquellen, Kampagnen, Gerätekategorien, Neue/ Wiederkehrende Besucher, Geographie (Länder, Regionen, Städte), Demografische Merkmale (Alter, Geschlecht, usw.)
    KPI: CPA
    • Ziel: < 6 € / Bestellung
    • Bericht: GA¹ >> AdWords, Manueller Bericht aus Kampagnen- und Bestelldaten
    • Datensegmente: Trafficquellen, Kampagnen, Gerätekategorien, Neue/ Wiederkehrende Besucher, Geographie (Länder, Regionen, Städte), Demografische Merkmale (Alter, Geschlecht, usw.)
    KPI: Anteil vollständig abgeschl. Checkouts
    • Ziel: > 85%
    • Bericht: GA¹ >> Trichteranalyse
    KPI: Rücksendequote
    • Ziel: < 20%
    • Bericht: Interne Statistiken zu Rücksendungen
    • Datensegmente: Trafficquellen, Kampagnen, Produktkategorien, Produkte
    KPI: Fan-Wachstum
    • Ziel: 1500 Fans / Monat
    • Bericht: FB² >> Seitenstatistiken & Werbeanzeigenberichte
    • Datensegmente: organisch/ bezahlt
    KPI: Interaktionsrate
    • Ziel: > 1,0%
    • Bericht: FB² >> Seitenstatistiken & Werbeanzeigenberichte
    • Datensegmente: organisch/ bezahlt, Posts
    KPI: Eingehender Traffic über FB
    • > 10.000 Sitzungen / Monat
    • Bericht: GA¹ >> Akquisitionsberichte
    • Datensegmente: FB-Traffic, organisch/ bezahlt, Kampagnen, Gerätekategorien
    KPI: Bestellungen über FB-Zugriffe
    • Ziel: 500 Bestellungen / Monat
    • Bericht: GA¹ >> E-Commerce-Berichte
    • Datensegmente: FB-Traffic, organisch/ bezahlt, Kampagnen, Produkte, Gerätekategorien

    ¹ GA: Google Analytics
    ² FB: Facebook

    Nachdem wir den Analyseplan aufgestellt haben, müssten wir im nächsten Schritt die entsprechenden Trackings auf unserer Website einrichten und sicherstellen, dass wir alle benötigten Daten aus den verschiedenen Quellen erhalten. Anschließend würden wir kontinuierlich Analysen und Optimierungen durchführen, um unsere Website und unser Unternehmen weiterzuentwickeln. Die Inhalte des Webanalyseplans müssen ebenfalls regelmäßig überprüft und ggfs. aktualisiert werden.

    Fazit

    Ohne einen Webanalyseplan schöpft ihr das in der Webanalyse liegende Potenzial nicht einmal ansatzweise aus. Der Analyseplan hilft euch dabei, eine sinnvolle Struktur in eure Analysen zu bringen und Optimierungen zielorientiert umzusetzen.

    Für einen fiktiven Anwendungsfall habe ich euch gezeigt, wie man einen Webanalyseplan entwickelt: Zuerst ist das Unternehmens- oder Kampagnenziel zu klären, dann wird das Ziel in Teilaspekte aufgegliedert und die geeigneten KPIs ermittelt. Zielvorgaben und Benchmarks helfen uns bei der Beurteilung der ermittelten Werte. Datensegmente sind essentiell für die Identifizierung von Optimierungspotenzialen. Informationen zu den benötigten Berichten und Datenquellen gehören in jeden Webanalyseplan.

    In der Praxis sind Webanalysepläne häufig deutlich umfangreicher. Ich habe mich in diesem Beispiel bewusst auf ein Ziel und drei Teilaspekte beschränkt, um das grundsätzliche Vorgehen für die Entwicklung eines eigenen Analyseplans zu verdeutlichen. Wenn ihr mehr Unterstützung rund um die Webanalyse benötigt, stehe ich euch gerne zur Verfügung: ► Kontakt

    Viel Spaß beim Aufbau eures eigenen Webanalyseplans!

    Weiterführende Links

    2 Kommentare
    • Clemens Lotze
      ANTWORTEN

      Bei den KPIs auf Kennzahlen zu setzen, die nicht im eigenen Unternehmen generiert werden, kann erhebliche Risiken beinhalten. Die letzten Fehler bei Metriken von Facebook beweisen es!
      Auch eine unangekündigte Änderung des allgemein geheim gehaltenen Algorithmus kann schnell die KPI-Falle für einzelne Abteilungen zuschnappen lassen.
      Moderner und besser sind im digitalen Zeitalter abteilungsübergreifende KPIs, die eindeutig auf Unternehmensseite generiert werden können; z.B. digitale Warenverkäufe, Newsletter abonnieren, RSS-Feed abonnieren etc..
      Aber auch die klassischen Kennzahlen aus der Betriebswirtschaft gehören im Mix dazu.
      Nur so lassen sich die einzelnen Abteilungen strategisch zu einer Einheit formen, die sowohl den QR-Code mit einer Selbstverständlichkeit auf ein Printprodukt druckt oder über Periscope bzw. Twitter-Moments vom Event berichtet.

      • Christian Ebernickel
        ANTWORTEN

        Hallo Clemens,

        guter Punkt. Ich stimme Dir zu, dass in extern ermittelten Kennzahlen Risiken liegen können.

        Das von Dir genannte Beispiel fehlerhafter Kennzahlen bei Facebook ist nicht nur peinlich für Facebook, sondern auch unangenehm für die Unternehmen, die anhand dieser Zahlen Marketingentscheidungen getroffen haben. Praktisch lässt es sich für Unternehmen jedoch nur schwer vermeiden, auf extern berechnete Kennzahlen zurückzugreifen.

        Wenn ich auf die Webanalyse-Tools schaue, wird klar, dass kaum ein Unternehmen tatsächlich eigene Lösungen einsetzt, sondern in der Regel externe Tools verwendet werden, z.B. Google Analytics, etracker, Piwik, Adobe Analytics, usw.
        Ich glaube deshalb, dass es wichtiger ist, eine Lösung einzusetzen, von der man annehmen kann, dass der Hersteller sorgfältig gearbeitet hat und man die Datenerhebung und Berechnung der Kennzahlen verstanden hat. Idealerweise setzt man eine zweite Webanalyse-Software zur Kontrolle und als Fallback ein, um Zahlen nicht nur einseitig zu ermitteln

        Denn umgekehrt ist keinesfalls gewährleistet, dass unternehmensintern ermittelte Kennzahlen und KPIs fehlerfrei sind: Fehler geschehen hier ebenso, sei es durch Irrtum, Fahrlässigkeit oder gar Täuschung, weil sich einzelne Abteilungen vor anderen auszeichnen möchten.

        Man kommt nicht darum herum, die Datengrundlage und Berechnung der Kennzahlen regelmäßig zu hinterfragen und zu überprüfen. Deshalb macht auch es Sinn, mit einem Set von Kennzahlen aus unterschiedlichen Quellen zu arbeiten, um etwaigen Fehlern in einzelnen Kennzahlen kein zu großes Gewicht einzuräumen.

        Schöne Grüße
        Christian

    Hinterlasse eine Antwort

    Ihre Email-Adresse wird nicht veröffentlicht.