Web Analytics

1. Edition BusinessInside Frank Reese Web Analytics – Damit aus Traffic Umsatz wird Die besten Tools und Strategien Le se pr BusinessVillage Update your Knowledge ob e

2. Frank Reese Web Analytics – Damit aus Traffic Umsatz wird Die besten Tools und Strategien BusinessVillage Update your Knowledge!

3. Frank Reese Web Analytics – Damit aus Traffic Umsatz wird Die besten Tools und Strategien Göttingen, BusinessVillage, 2008 ISBN: 978-3-938358-71-9 © BusinessVillage GmbH, Göttingen Bestellnummer Druckausgabe Bestellnummer PB-693 ISBN-13: 978-3-938358-71-9 Bezugs- und Verlagsanschrift BusinessVillage GmbH Reinhäuser Landstraße 22 37083 Göttingen Telefon: +49 (0)5 51 20 99-1 00 Fax: +49 (0)5 51 20 99-1 05 E-Mail: info@businessvillage.de Web: www.businessvillage.de Layout und Satz Sabine Kempke Coverfoto www.fotolia.de, Urheber: Dawn Hudson Copyrightvermerk Das Werk einschließlich aller seiner Teile ist urheberrechtlich geschützt. Jede Verwertung außerhalb der engen Grenzen des Urheberrechtsgesetzes ist ohne Zustimmung des Verlages unzulässig und strafbar. Das gilt insbesondere für Vervielfältigung, Übersetzung, Mikroverfilmung und die Einspei- cherung und Verarbeitung in elektronischen Systemen. Alle in diesem Buch enthaltenen Angaben, Ergebnisse usw. wurden von dem Autor nach bestem Wissen erstellt. Sie erfolgen ohne jegliche Verpflichtung oder Garantie des Verlages. Er übernimmt deshalb keinerlei Verantwortung und Haftung für etwa vorhandene Unrich- tigkeiten. Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten wären und daher von jedermann benutzt werden dürfen.

4. Über den Autor ............................................................................................ 9 Danksagung ............................................................................................... 10 Einleitung .................................................................................................. 11 Erläuterung einiger oft verwendeter Begriffe ................................................ 15 Kapitel 1: Acht Punkte zum produktivenEinsatz von Web Analytics .................21 1.1 Web Analytics liefert Unterschiede, keine Wahrheiten ............................. 22 1.2 Kennzahlen: Das A und O von Web Analytics ......................................... 24 1.3 Ohne Ziele gibt es keinen Fortschritt ................................................... 26 1.4 Mittelwerte lügen ............................................................................. 28 1.5 Ausprobieren statt Ausdiskutieren ....................................................... 30 1.6 Handeln statt nur Wissen................................................................... 31 1.7 Prozess statt Ereignis ........................................................................ 32 1.8 Von Mitteln und Zwecken................................................................... 34 Kapitel 2: Kennzahlen – Gemacht, um zu handeln ......................................... 37 2.1 Kennzahlen decken alle Bereiche der Site ab......................................... 40 2.2 Kennzahlen sind mit klaren Verantwortlichkeiten und Handlungsoptionen 2.2 verknüpft ........................................................................................ 42 2.3 Kennzahlen sind mit Geschäftszielen verbunden .................................... 44 2.4 Kennzahlen haben Vorgaben und Entwicklungsziele ............................... 46 2.5 Die Festlegung von Kennzahlen .......................................................... 47 2.6 Kennzahlen als Ampeln ..................................................................... 56 2.7 Kennzahlen und Entwicklungsziele ...................................................... 59 2.8 Kennzahlen und Website-Optimierung.................................................. 61 2.9 Kennzahlen für Websites nach Typ ...................................................... 61 Die ROI-Ebene ................................................................................. 62 Online-Shop .................................................................................... 62 Content-Sites .................................................................................. 67 BtoB-Site ........................................................................................ 70 2.10 Kennzahlen für Funktionsbereiche ..................................................... 75 Startseite und Landing Pages ............................................................. 75 Informationsseiten aller Art ............................................................... 76 Bestell- und Registrierungsprozesse .................................................... 76 Inhalt |3

5. Kontaktseiten .................................................................................. 78 Interne Suche .................................................................................. 78 Support-Bereiche ............................................................................. 79 Allgemeine Kennzahlen für Online-Kampagnen ...................................... 81 SEM-Kampagnen............................................................................... 83 E-Mail- und Newsletter-Kampagnen ..................................................... 85 Ad-Kampagnen ................................................................................ 86 Engagement .................................................................................... 87 Foren ............................................................................................. 89 Blogs ............................................................................................. 90 Multimedia-Inhalte ........................................................................... 91 Suchseiten – ‚Search Fulfillment‘ ......................................................... 92 2.11 Web Score Card und Balanced Score Card?........................................... 93 2.12 Reporting von Kennzahlen ............................................................... 94 Kennzahlen mit MS-Excel oder OpenOffice ............................................. 95 Dashboards ...................................................................................... 96 E-Mail-Reports .................................................................................100 Kapitel 3: Segmentierung ..........................................................................103 3.1 Segmentierung und Kennzahlen ........................................................108 Ad Impressions und Herkunft ............................................................109 Käufer und Nicht-Käufer ...................................................................110 Besucherfrequenzen .........................................................................112 Nur-Besucher versus Warenkorbleger versus Käufer................................115 Neu-Besucher versus wiederkehrende Besucher .....................................116 3.2 Segmentierung und Zielgruppen.........................................................118 Inhaltliche Interessen ......................................................................119 Demografische Daten .......................................................................120 RFM ..............................................................................................122 3.3 Exploratives Segmentieren: Auf der Suche nach dem Muster ...................130 3.4 Segmentierung praktisch: Was geht?...................................................130 Segmentierung mit Clicktracks ...........................................................131 Segmentierung mit Google Analytics ..................................................132 Segmentierung für Spezialisten und Standard-Nutzer.............................133 Segmentierung am oberen Limit ........................................................134 Segmentierung am unteren Limit .......................................................135 4 | Inhalt

6. Kapitel 4: Optimierung ..............................................................................137 4.1 Definition von Optimierungsprojekten ................................................138 4.2 Zwei Werkzeuge zur Optimierung von Websites .....................................140 Pfadanalysen ..................................................................................140 A/B-Tests .......................................................................................148 4.3 Optimierung an Beispielen ................................................................153 Online-Kampagnen: Martini oder Shooter ............................................153 Suchmaschinenoptimierung...............................................................156 Newsletter-Versand und E-Mail-Kampagnen..........................................158 Landing Pages (Landeseiten, Deep Links) ............................................163 Startseite (Homepage) .....................................................................166 Produktseiten .................................................................................168 Formularseiten ................................................................................170 Bestellprozess (Konversionspfad) .......................................................171 Nicht-lineare Konversionspfade ..........................................................180 OnSite-Search (site-interne Suchmaschinen) ........................................182 PPC-Kampagnen ..............................................................................185 4.4 Weitere Hilfsmittel zur Optimierung ...................................................188 Analyse von Mausbewegungen ...........................................................188 Heatmaps.......................................................................................188 Befragungen ...................................................................................188 Usability-Tests ................................................................................190 Kapitel 5: .................................................................................................191 5.1 Die Pyramide der Traffic-Daten ..........................................................194 Hits ..............................................................................................194 Seitenabrufe (Page Impressions, PI, Page Views, PV).............................195 Besuche (Visits, Sessions).................................................................195 Besucher (Visitors, Unique Visitors) ...................................................196 Identifizierte Besucher .....................................................................196 5.2 Zwei Wege der Traffic-Analyse ...........................................................197 Server-basierte Verfahren ..................................................................198 Client-basierte Verfahren ..................................................................205 Die Vorteile von client- und server-basierten Verfahren im direkten Vergleich .......................................................................................212 5.3 Weitere Verfahren zur Sammlung der Daten..........................................216 Netzwerkprotokollanalyse (Packet Sniffing, NPA) ..................................216 Inhalt |5

7. 5.4 Cookies..........................................................................................217 Wozu Cookies? ................................................................................217 Technik der Cookies .........................................................................219 Das Cookie-Monster .........................................................................225 Alternativen zu HTML-Cookies ...........................................................228 5.5 Wie zuverlässig sind die Daten? .........................................................229 Identifizierung mit dynamischen IP-Adressen ......................................229 Identifizierung mit statischen IP-Adressen ..........................................230 IP-Adressen, User Agents und Fingerprints ..........................................230 Proxies und Caches ..........................................................................231 Mangelnde Pflege von Logfile-Analyse-Applikationen ............................231 Seiten-Aktualisierungen (Reloads) und Browsernavigation (Zurück-Button) ..............................................................................231 Platzierung des Tracking-Codes in der Seite .........................................232 Cookie-Löschung und Browsergebundenheit des Cookies ........................232 Vergleich der Zuverlässigkeit der Methoden ..........................................233 Einmal mehr: Pragmatischer Umgang und Nutzung von Differenzen .........234 5.6 Web Analytics, Datenschutz und das Vertrauen der Besucher .................235 Das Vertrauen der Besucher ...............................................................235 Gesetzliche Bestimmungen................................................................237 Kapitel 6: Einführung eines Systems ...........................................................243 6.1 Was wird gebraucht? ........................................................................246 Personelle Anforderungen: Know-how und Zeit .....................................246 Inhaltliche Anforderungen: Aufgabensammlung ....................................247 6.2 Tool-Bewertung und Auswahl ............................................................248 Bewertung mit IOTA .........................................................................250 Shortlist und persönliche Präsentationen ............................................256 Proof of Concept .............................................................................256 6.3 Sieben Systeme ...............................................................................260 etracker .........................................................................................260 Google Analytics .............................................................................261 IndexTools .....................................................................................262 Nedstat .........................................................................................263 Site Catalyst (Omniture) ...................................................................264 Webtrekk........................................................................................265 WebTrends ......................................................................................266 6.4 Einführung und Betrieb ....................................................................267 6 | Inhalt

8. Kapitel 7: Ausblick ....................................................................................269 7.1 Zusammenführung der verschiedenen Datenpools und 7.1 Kommunikationskanäle .....................................................................270 7.2 Web Analytics und Business Intelligence .............................................271 7.3 Analyse und Reporting .....................................................................272 7.4 Automatische Anwendung der Analyse-Ergebnisse ...............................273 8. Weiterführende Quellen .........................................................................275 8.1 Bücher und PDFs .............................................................................276 8.2 Onlinequellen zum Thema .................................................................278 Index .......................................................................................................281 Übersicht Fallstudien Fallstudie Pangora ................................................................................. 72 Fallstudie: Webtracking bei Volkswagen − Von der anonymen Nutzungsanalyse zum personenbezogenen Tracking............................................................125 Fallstudie: Web Analytics bei Germanwings ...............................................176 Fallstudie: Neukonzeption des Web Performance Management bei der Deutschen Post AG ...............................................................................213 Fallstudie: Integriertes Controlling bei karstadt.de .....................................257 Inhalt |7

9. Expertenwissen auf einen Klick … Gratis Download: MiniBooks – Wissen in Rekordzeit MiniBooks sind Zusammenfassungen ausgewählter BusinessVillage Bücher aus der Edition PRAXIS.WISSEN. Komprimiertes Know-how renommierter Experten – für das kleine Wissens-Update zwischendurch. Wählen Sie aus mehr als zehn MiniBooks aus den Bereichen: Erfolg & Karriere, Vertrieb & Verkaufen, Marketing und PR. www.BusinessVillage.de/Gratis BusinessVillage Update your Knowledge! Verlag für die Wirtschaft

10. Über den Autor Frank Reese (geboren 1966) betreibt mit Ideal Obser- ver, Berlin, das wahrscheinlich bekannteste anbieter- unabhängige Beratungsunternehmen zum Thema Web Analytics im deutschsprachigen Raum. Er hat bereits viele große deutsche Unternehmen bei der Auswahl, Einführung und Nutzung von Web-Analytics-Systemen unterstützt und kann als einer der profiliertesten Ex- perten zum Thema in Deutschland gesehen werden. Der von Ideal Observer seit 2005 herausgegebene ‚Einkaufs- führer Web Analytics‘ wurde bereits von mehr als hundert Unternehmen als Informationsquelle für im Markt verfügbare Systeme und Unternehmen genutzt. Nach dem Psychologie-Studium fand der Autor 1998 in Hamburg zur Mul- timedia-Branche und arbeitete bei PopNet Kommunikation und PopNet Agentscape als Experte für Nutzerprofile, Personalisierung und Interakti- onsdesign. Seit etwa 2002 verlagerte sich die Arbeit auf die Analyse von Nutzerbewegungen in Webserver-Logfiles und statistische Zielgruppen-Ana- lysen. Der Autor freut sich über Kommentare, Anmerkungen, Verbesserungsvor- schläge aller Art und – natürlich – über Beratungsanfragen unter: www.idealobserver.de oder reese@idealobserver.de. Über den Autor |9

11. Danksagung Bücher wie dieses sind Kompilationen so vieler Informationsquellen und Grundlagen: Bücher, Artikel, Websites, Nachrichten, Newsgruppen, Vorträge und vor allem sehr vieler Gespräche mit Leuten, die sich intensiv mit dem Thema beschäftigen. Jedem, der sich für Web Analytics interessiert, seien alle Arten, mit den vielen Anwendern, Anbietern, Beratern, Entwicklern, Referenten ins Gespräch zu kommen – auf Konferenzen, in Newsgruppen, bei der WAA, bei ‚Web Analytics Wednesdays‘ oder wo immer – sehr warm ans Herz gelegt. In den Gesprächen mit ihnen sind die Kenntnisse für dieses Buch gewachsen, im Austausch mit ihnen hat dieses Buch seinen Ursprung und seine Form gewonnen. Es wären viel zu viele, um sie hier alle aufzu- zählen, aber ich danke allen, mit und von denen ich in den letzten Jahren etwas über Web Analytics gelernt habe, sehr ausdrücklich. Genannt werden sollen aber unbedingt diejenigen, die für die Produktion der in diesem Buch enthaltenen Fallbeispiele ihre tägliche Zeit am Schreib- tisch noch verlängert haben: Jan Kammerath (Fallbeispiel Germanwings), Dr. Jochen Spöhrer (Fallbeispiel Volkswagen), Bastian Siebers und Ralf Haberich (Fallbeispiel karstadt.de), Stephan Hong und Jens Maurer (Fall- beispiel Pangora), Dr. Gernot Westphalen, Ulf Schröder und Michael Roth (Fallbeispiel Deutsche Post). 10 | Danksagung

12. Einleitung

13. Wie auch immer man es nennt – Web Analytics, Web Controlling, Traffic- Analyse – die gezielte Messung des Verhaltens von Besuchern auf Websites ist für professionelle Online-Angebote jedenfalls ein Muss. Und mit ‚professionell‘ sind nicht nur Online-Shops oder Websites gemeint, die unmittelbar Umsätze generieren. Jenseits von privaten Websites, deren Zweck in ihnen selbst liegt, hat jede Website ein Ziel, für das Geld bereit- gestellt wird, für das sie konzipiert, realisiert und gepflegt wird. Das gilt für werbetragende Angebote, für Websites öffentlicher Einrichtungen, die Informationen bereitstellen sollen, für Bibliotheksoberflächen, mit deren Hilfe der Besucher Informationen findet (oder nicht), für Unternehmens- darstellungen, die Image und Bekanntheit befördern sollen und Geschäfts- kontakte generieren können, für Support-Seiten, Suchmaschinen, Blogs, Service-Angebote und selbstverständlich auch für Online-Shops jeder Art. Es gibt keinen schnelleren, zuverlässigeren und günstigeren Weg, um Web- sites für deren Ziel oder Geschäftszweck zu optimieren. Web Analytics hilft bei der Entscheidung zwischen gleich stark erscheinenden Alternativ-Vor- schlägen, bei der Konzentration auf das, was die Nutzer tatsächlich tun, bei der Konfrontation der eigenen Ideen und Entscheidungen mit der Wirklich- keit der Besucher. Web Analytics im Sinne der Auszählung von Website-Traffic gibt es schon eine Weile. Die ersten professionellen Lösungen wie WebTrends oder Net- tracker wurden bereits Anfang der Neunzigerjahre entwickelt, die Basis des heute gebräuchlichsten Verfahrens – das ‚Zähl-Pixel‘ – wird bereits seit 1996 genutzt. Zudem entstanden mit der ersten Internet-Euphorie in den Jahren 1998 bis 2000 viele Unternehmen, die neue Ideen, Verfahren und Ansätze zur Analyse des Traffics vorstellten. Mit dem Zusammenbruch ab Ende 2000 fielen allerdings auch die Aufmerk- samkeit und der Wille für eine effektive Analyse des Online-Traffics gegen Null. Erst ab 2002 nahm die Bereitschaft, sich mit den Analysen zu beschäf- tigen, wieder zu. Aber mit ganz neuem Schwung. Deutlich ist die Weiterentwicklung der Web-Analytics-Tools zu Werkzeu- gen zur Unterstützung von geschäftsrelevanten Entscheidungen. Bei Web Analytics geht es nicht um die Auszählung und den Nachweis von Seiten- 12 | Einleitung

14. abrufen, Sessions oder Besuchern. Im Grunde ging es nie darum. Die Erfas- sung von Abrufzahlen ist für werbetragende Online-Angebote ein wichtiger Ausweis ihrer Popularität, aber eine einfache Auszählung hat nichts mit Analyse zu tun. Traffic-Analysen können dann effektiv eingesetzt werden, wenn der An- wender eine klare Frage formuliert und Konsequenzen aus der Antwort zie- hen will. Wer nicht fragt, bekommt keine Antwort. Wer nicht entsprechend handelt, hat irgendwann keine Lust mehr zum Fragen. Typische Fragen wären: Wie kann ich die Absprungrate auf einer Landing Page oder einer Startseite verringern? Welche Kampagne oder Partnerseite generiert den wertvollsten Traffic? Wie kann ich die Abbruchrate des Bestellpozesses verringern? Woher kommen die wertvollsten Besucher? Wie kann ich die An- zahl der Geschäftskontakte über die Site erhöhen? Die Lösungen haben sich entsprechend dieser Zielstellung weiterentwickelt: Kennzahlen ersetzen die blanken Summen; Overlays, grafische Konversi- onspfade und Dashboards ersetzen unübersichtliche Tabellen und Listen; Kampagnenauswertungen, ROI-Berechnungen und Cost-per-Order verdrän- gen Konversionsraten, PI/Visit oder Dauer/Visit. Damit sind die Tools im Herzen des Online-Marketings und -Vertriebs ange- kommen. Jetzt kommt es darauf an, sie zu nutzen. Dieses Buch ist für Leute geschrieben, die genau dies tun wollen: Web Ana- lytics effektiv zur Überprüfung und Fundierung von Entscheidungen ein- setzen und die Produktivität von Kampagnen und Websites entsprechend der formulierten Ziele kontinuierlich erhöhen. Dazu braucht es Kompetenz und Bereitschaft auf verschiedenen Ebenen. Die einzelnen Kapitel kann man diesen Ebenen ein wenig zurechnen, allerdings gibt es viele Überschneidungen. Auf der strategischen Ebene braucht es ein Verständnis für das Potenzial gut angelegter Kennzahlen, Ziele und Entwicklungsmöglichkeiten. Wenn auf dieser Ebene die Möglichkeiten einer analyse-gestützten Steuerung und Optimierung der Online-Kanäle gesehen werden, kann ein Prozess einset- Einleitung | 13

15. zen, an dessen Ende ein Web-Analytics-Tool nicht nur angeschafft und ab- geschrieben wird, sondern effektiv zur Steigerung des Website-ROI beiträgt. Informationen in dieser Richtung finden sich vor allem in den Kapiteln ‚8 Punkte‘ und ‚Kennzahlen‘. Der praktische Umgang mit Web Analytics kommt vor allem in den Kapiteln zu ‚Kennzahlen‘, ‚Segmentierung‘ und ‚Optimierung‘ zum Tragen. Hier wurde versucht, viele praktische Beispiele und Anregungen für den täglichen oder routinierten Umgang mit Web Analytics zu geben. Letztlich braucht es immer eine technische Grundlage für Web Analytics. Im entsprechenden Kapitel finden sich grundlegende Beschreibungen zu den verschiedenen Verfahren und Komponenten. Ebenso wird die beschränkte, aber gewöhnlich ausreichende Zuverlässigkeit der Daten diskutiert. Auch eine Beschreibung der datenschutzrechtlichen Anforderungen findet hier ihren Platz. Im letzten Kapitel werden mögliche Schritte zur Einführung eines Systems beschrieben. Es sei noch einmal wiederholt: Die Einführung eines Systems beginnt nicht mit der Auswahl der Werkzeuge, sondern mit der Konkreti- sierung von Fragen, bei deren Beantwortung das Tool dann helfen soll. In diesem Abschnitt werden die einzelnen Phasen erläutert, ein Bewertungs- leitfaden beschrieben und schließlich sieben Lösungen kurz vorgestellt. Froh bin ich, neben den oft doch recht theoretischen Beschreibungen eine Handvoll Praktiker gefunden zu haben, die mit Fallbeispielen aus ihren Unternehmen die Praxis ein wenig anschaulicher machen. Und jetzt geht’s los. 14 | Einleitung

16. Erläuterung einiger oft verwendeter Begriffe

17. Die folgenden Erklärungen der Begriffe sollen hier weniger die Funktion eines klassischen Glossars erfüllen, als vielmehr dem Leser dabei helfen, das Vokabular dieses Buches zu verstehen. Die Sprache des E-Commerce und des Internet insgesamt ist sehr dynamisch, schillernd, oft unscharf und wechselnden Moden unterworfen. Das kann man gut finden oder nicht, aber mit diesem Buch wird sich das auch nicht ändern. Im Folgenden also eine Erklärung der Begriffe, wie sie in diesem Buch benutzt werden, ohne Anspruch auf Allgemeingültigkeit oder das letzte Wort. In Klammern finden sich synonym genutzte Worte. Web Analytics (Web Controlling, Traffic-Analyse, Clickstream-Analyse, Bewegungs-Analysen) Mit Web Analytics wird die Gesamtheit des Prozesses von der Erhebung der Daten bis zur Erarbeitung von Optimierungsempfehlungen oder Zielgruppen- analysen mit Hilfe dieser Daten bezeichnet. ‚Logfile-Analysen‘ wird häufig synonym verstanden, verhält sich aber zu Web Analytics wie die Astrologie zur Zukunftsprognose: Ein Weg unter mehreren und nicht immer der si- cherste. In Deutschland wird zudem oft von ‚Web Controlling‘ gesprochen. Worin auch immer der genaue Nutzen dieser deutschen Wort-Neuschöpfung liegt: Im Sinne einer Anknüpfung an internationale Zusammenhänge wird hier vorwiegend von Web Analytics oder Traffic-Analysen gesprochen. Website (Online-Angebot, Site) Unter einer Website wird eine unbestimmte Gesamtheit einer Anzahl einzelner Webpages hinter einer URL verstanden. So verbergen sich hinter der Website www.idealobserver.de vielleicht 100 einzelne Webpages, hinter www.spiegel.de sicher einige 1000. Seite (Webpage) Dummerweise hat sich im Deutschen kein Äquivalent zum englischen ‚page‘ etabliert. Mit ‚Seite‘ wird hier, wie auch sonst üblich, manchmal die einzelne Webpage, manchmal aber auch eine Website gemeint. Der geneigte Leser wird keine Schwierigkeiten haben, aus dem Kontext die eine oder andere Bedeutung zu erschließen. 16 | Erläuterung einiger oft verwendeter Begriffe

18. Seitenabruf (PI, Page Impression, PV Page View) Mit all diesen Begriffen ist immer der Abruf einer einzelnen Seite, einer Webpage, gemeint. Session (Visit, Besuch) Alle drei Begriffe bezeichnen den zusammenhängenden Abruf mehrerer Webpages innerhalb einer bestimmten Zeitspanne. Die Bestimmung folgt einer Konvention und ist nicht technisch determiniert. Da es hier weniger um Technik als um Website-Optimierung geht, ist immer der Besuch einer Website durch einen Menschen gemeint. Eine Session kann einen oder mehrere Seitenabrufe beinhalten. Besucher (Visitor, Unique Visitor, Nutzer) Der Besucher ist die Gestalt des Menschen im Bereich Web Analytics. Leider kann er technisch kaum zuverlässig erfasst werden, sodass vor allem Coo- kies zur Erkennung wiederkehrender Besucher notwendig sind. Ein Besucher kann einer Website einen oder mehrere Besuche abstatten. Die Bezeichnung ‚Unique Visitor‘ hebt den Unterschied zu Suchmaschinencrawlern, Spambots und ähnlichen technischen Traffic-Erzeugern hervor. In diesem Buch geht es eigentlich nie um diese. Traffic (Trafficvolumen) Mit ‚Traffic‘ ist in diesem Buch der ‚Verkehr‘ oder der ‚Betrieb‘ auf Websites gemeint. Je mehr Besucher eine Website hat, je mehr ‚auf ihr los ist‘, desto mehr ‚Traffic‘ hat diese Site. Traffic wird meist mit der Höhe der PIs/Zeit- raum gemessen. Startseite (Homepage) Eine Startseite ist die erste Seite eines Online-Angebotes. Meist wird sie automatisch angezeigt, wenn man die URL einer Website in die Adresszeile des Browsers eingibt, zum Beispiel www.zeit.de. Fast immer zeigt sie eine Art Übersicht zur Gesamtheit der Webpages des Angebotes, oft ist sie die häufigste Ein- wie Ausstiegsseite. Einstiegs- und Ausstiegsseiten (Entry und Exitpages) Die erste beziehungsweise letzte Seite, die ein Besucher während einer Ses- sion nachweislich gesehen hat. Erläuterung einiger oft verwendeter Begriffe | 17

19. Landing Page Die ‚Landeseite‘ ist eine speziell eingerichtete Seite für Besuche, die über bestimmte Kanäle eine Website erreichen. Landing Pages können für alle Arten von Kampagnen, aber auch für organische Suchbegriffe eingerichtet werden. Auf der Landing Page findet der Besucher genau jene Inhalte, de- retwegen er kommt, ohne lange durch die Site navigieren zu müssen. Mit Hilfe der Landing Page können zudem sehr gut die Effekte von Kampagnen gemessen werden. Kampagne (E-Mail-, PPC-, Banner-, Affiliate-Kampagne) Eine Kampagne bezeichnet hier eine meist zeitlich begrenzte Aktion zur Steigerung der Bekanntheit der Website, beziehungsweise zur Generierung von Traffic. Eine E-Mail-Kampagne würde zum Beispiel vor allem aus einer Mail an 10.000 Empfänger und einer entsprechenden Landing Page bestehen. Eine PPC-Kampagne funktioniert über bezahlte Keywords in Suchmaschinen (SEM), eine Banner- oder Ad-Kampagne über Banner auf verschiedenen anderen Websites, Affiliate-Kampagnen generieren Umsätze über direkte Be- teiligung der werbetragenden Site an Produkt- oder Service-Bestellungen. Segmentierung ‚Segmentierung‘ steht im Web Analytics-Umfeld für die differenzierte Be- trachtung einzelner Nutzer- beziehungsweise Besucher- oder Kundengrup- pen. So kann sich etwa eine Besuchergruppe durch das Kriterium ‚sind von Google über das organische Keyword ‚Badehose‘ auf die Website gekommen‘ oder ‚kommen wahrscheinlich aus dem Bereich Berlin‘ (nach IP-Netzkno- ten-Zuordnung) von der Gesamtheit der Besucher unterscheiden. Als Filter- kriterien kommen alle über das Web-Analytics-System generierten Daten in Frage. Segmentierung unterscheidet sich von einem ‚Drill-Down‘ durch eine tiefere, dauerhaftere, komplexere und umfassendere Art der Gruppen- definition. Organische und bezahlte Keywords (Suchbegriffe) Mit ‚über organische Keywords kommend‘ wird Traffic bezeichnet, der nach einem Klick des Besuchers auf einen Treffer in der normalen Suchergebnis- liste einer Suchmaschine auf der eigenen Seite erscheint. Traffic bezahlter Keywords (SEM) erscheint dagegen nach einem Klick auf eine Keyword-An- zeige, zum Beispiel ein Adword, auf der eigenen Seite. Klicks nach bezahlten 18 | Erläuterung einiger oft verwendeter Begriffe

20. Keywords kosten das Unternehmen also direkt Geld, Klicks auf organische Suchergebnisse dagegen nicht. Client-basierte (Pixel und Tags) und server-basierte (Server-Logfiles) Verfahren Zwei Verfahren sind im Bereich Web Analytics zur Erfassung des Traffics heute vorherrschend: Client-basierte Verfahren heißen so, weil der Traffic erst im zum Beispiel Browser (= Client) des Besuchers über ein abgerufenes Pixel oder einen ausgeführten Javascript-Tag erfasst wird. Server-basierte Verfahren werten dagegen die Aktivitäten der Webserver aus. Im professionellen Bereich werden heute meist client-basierte Verfahren bevorzugt. Erläuterung einiger oft verwendeter Begriffe | 19

21. Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics

22. 1.1 Web Analytics liefert Unterschiede, keine Wahrheiten Es kommt gar nicht so selten vor, dass Mitarbeiter von der Einführung eines client-basierten Zählsystems absehen, weil ihnen klar wird, dass die Besu- cherzahlen auf der eigenen Website von einem auf den anderen Tag um 30 oder 40 Prozent sinken würden. Natürlich würden die Besucherzahlen nicht wirklich ‚sinken‘, jedenfalls nicht aufgrund des neuen Messverfahrens, aber wer macht das dem Vorgesetzten klar? Monat für Monat wurden Reports generiert, die Anzahl der Besucher, der Besuche, der Seitenabrufe vorgelegt, Jahr um Jahr stieg der Zuspruch zum eigenen Online-Angebot. Und jetzt wird klar, dass ein Drittel der Besuche von Suchmaschinen-Spidern kamen, von unternehmens-internen Computern oder von Spam-Bots auf der Suche nach E-Mail-Adressen. Die heutigen Systeme zur Zählung des Traffics mit Pixeln, Tags und Cookies bauen im Grunde alle auf der gleichen Idee auf: Wenn der Browser eine Seite einer Website abruft, wird gleichzeitig der Pixel/Tag/Cookie ausgewertet und ein Seitenabruf gezählt. Wer einmal mehrere Systeme auf seiner Website gleichzeitig eingesetzt hat, macht allerdings eine überraschende Entdeckung: Die Zahlen der Systeme weichen deutlich, teilweise im zwei- stelligen Prozentbereich, voneinander ab. Wie das? Web Analytics steckt voller kleiner Kniffe und Konventionen: Setzen wir den Tag oben in den Code der Seite (dann bekommen wir tendenziell mehr Seitenabrufe) oder lieber an das Ende der Seite (dann wurde die Seite auch wirklich komplett abgerufen); ergeben Seitenaktualisierungen (Reloads) neue Page Impres- sions oder nicht, und wie sieht es mit der Erfassung des Zurück-Buttons des Browsers aus; ein Besuch gilt typischerweise als beendet, wenn über 30 Minuten (oder 29?) kein neuer Click aus dem Browser erfolgte, aber was ist, wenn der gleiche Browser wiederum mit einem Suchmaschinen-Referrer auf die Website kommt? Die Reihe könnte lange fortgesetzt werden, doch es liegt auf der Hand, dass übereinstimmende Zahlen eine größere Überra- schung wären als voneinander abweichende. Cookies sind eine Plage. Ohne die kleinen Text-Dateien gibt es keine ver- nünftige Erkennung wiederkehrender Besucher. Aber mit ihnen? Da gibt es Session-Cookies und persistente, 3-Party- und 1-Party-Cookies, Super- Cookies, DOM-Cookies, Flash-Cookies und noch viele Geschichten mehr. Vor 22 | Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics

23. allem zwei Faktoren sorgen für Verwirrung und unsichere Zahlen: Wie viele Besucher lassen erst gar keine Setzung von Cookies zu? Es gibt in den Brow- sern verschiedene Ebenen, um das Setzen von dieser oder jener Cookie-Art zu verweigern. Aber selbst ein gesetzter Cookie ist keine Garantie dafür, dass der Nutzer beim nächsten Mal tatsächlich wiedererkannt wird: Viele Cookies werden zwischendurch einfach gelöscht (in unbekanntem Ausmaß); der Cookie wird zwar wiedererkannt, aber statt Sohn Hans auf der Suche nach neuen Musik-CDs sucht nun Mutter Hermine nach einem Geschenk für jemanden – mit dem gleichen PC und Browser (und Cookie); Sohn Hans ist zwar wieder auf der gleichen Seite und schaut nach Musik-CDs, aber diesmal mit dem PC seines Freundes, und kann so natürlich höchstens als dieser Freund (mit dessen Cookie) wiedererkannt werden. Wie hoch liegt die Fehlerquote der verschiedenen Systeme? Keiner weiß es. Wie viele echte Besuche hatte Ihre Website heute wirklich? Keiner weiß es. Wie wichtig ist es, wie viele Besuche Ihre Website heute genau hatte? Fast immer: Nicht wichtig. Natürlich gibt es Websites und Geschäftsmodelle, die auf der Abrechnung zum Beispiel einzelner Page Impressions, Leads, Ad Im- pressions beruhen. Aber so wichtig hier die exakten nominellen Zahlen wä- ren, sie sind doch nicht immer zuverlässig. Bei Web Analytics geht es aber nicht um einzelne Besucher, um die Analyse individuellen Verhaltens, sondern es geht um die Messung und Auswertung massenhafter Bewegungen auf den Websites. Web Analytics entfaltet seine Bedeutung in der Messung von Verhältnissen und von Unterschieden. Ein produktiver Umgang mit Web Analytics braucht das Vertrauen, dass die Entwicklung der Besucherzahlen vom letzten Monat, letzter Woche, gestern zu diesem Monat, dieser Woche oder zu heute den tatsächlichen Trend in der Entwicklung widerspiegeln. Nehmen wir an, die Konversionsrate eines Online-Shops lag im letzten Mo- nat bei 2 Prozent, die Anzahl der Besucher bei 100.000. Diesen Monat ist die Konversionsrate aber auf 1.8 Prozent und die Besucheranzahl auf 90.000 gesunken. Die Ursache für diese unerfreuliche Entwicklung könnte nun in tausend verschiedenen Bereichen liegen (zum Beispiel Wetter, Urlaubszeit, Offline-Werbung, Preisentwicklungen, Layoutveränderungen). Besteht kein Vertrauen in die Daten, so werden den Reports schlicht die Aussagekraft abgesprochen: „Ach, das sind ja Schwankungen im normalen Bereich, so geht das bei uns immer“; „Na, vielleicht gab es mal wieder Bandbreitenprobleme Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics | 23

24. beim Analytics-Provider“ oder „Die Produkte X, Y oder Z werden im Analytics- System vielleicht nicht richtig erfasst“ usw. Tatsächlich mag das alles mehr oder weniger zutreffen. Aber diese losen Vermutungen helfen überhaupt nicht weiter. Sie können höchstens als Aus- reden dienen, um nicht genauer hinschauen zu müssen. Mit großen Zahlen gleichen sich die Schwankungen nämlich schnell aus und dann hat man eine belastbare, überprüfte Basislinie, von der aus Entwicklungen gemessen und untersucht werden können. Von dieser Basislinie aus kann Web Analytics seine produktive Kraft entfalten. Abweichungen und Entwick- lungen können dann auf ihre konkreten Ursachen hin untersucht werden, Veränderungen in der Seitengestaltung, der Preispolitik oder den Liefer- bedingungen können in ihren Auswirkungen sehr genau beobachtet und kontrolliert optimiert werden. 1.2 Kennzahlen: Das A und O von Web Analytics Von den ersten Versionen von WebTrends, von Hitbox oder Nedstat an haben die Web-Analytics-Systeme nie mit Auswertungen und Tabellen gegeizt. Einige Anbieter werben noch heute mit der schieren Anzahl der angebote- nen Analysen und Reports: „Kauft dieses System: Wir haben 150 Reports!“. Avinash Kaushik schreibt, die Industrie sei ‚datengetrieben‘ statt ‚kunden- getrieben‘: Die Frage sei nicht: „Was brauchen und wollen die Leute an den Bildschirmen eigentlich?“ sondern „Was können wir aus unseren Datenbe- ständen noch an Grafiken, Tabellen, Reports herauszaubern?“. Die Web-Analytics-Anbieter haben immer versprochen, dass mit ihren Sys- temen die Bewegungen der Nutzer sichtbar werden, dass verstehbar wird, „… was Ihre Besucher wirklich wollen“. Und Statistiken und Pfadanalysen zeigen wirklich die Clickwege der Nutzer, die am häufigsten aufgerufenen Seiten, die Verteilung der Browsertypen, der Bildschirmauflösungen etc. etc. Was sie aber nie zeigten, war, ob die Website erfolgreich arbeitet, ob die investierte Mühe, die Zeit und das Geld fruchtbar angelegt waren. Man kann natürlich immer riesigere Baggerschaufeln zum Abbau von Edelme- tallen nutzen, aber zwischendurch sollte man vielleicht mal schauen, ob die Investitionen nicht besser in die Optimierung der Weiterverarbeitung 24 | Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics

25. des Angeschaufelten angelegt wären. Anders gesagt: Man kann natürlich mit Suchmaschinenoptimierung und E-Mail-, Banner-, PPC- oder Affiliate- Kampagnen immer neuen Traffic einkaufen, aber was nutzt es, wenn eine Hälfte des umsatzträchtigen Traffics aufgrund suboptimaler Seitengestal- tung verschwendet wird? Web Analytics konnte sich so lange nicht über den Status eines besseren Spielzeugs für Website-Administratoren hinaus entwickeln, bis es bei den Informationen um das wirklich Wichtige ging: Wenn wir uns über eine PPC- Kampagne 1000 Website-Besucher kaufen: Wie viele von ihnen sind Neu- Besucher? Wie viele von ihnen kaufen etwas? Wie viele von ihnen rufen mehr als die Landing Page ab? Wie viele von ihnen kommen mehr als nur einmal? Was kostet ein neuer Besucher? Was kostet eine neue Bestellung? Was kostet ein neuer Kunde? Kennzahlen sollen Informationen in ein Verhältnis setzen, sie sollen verschiedene Informationen zu einer Zahl verdichten. Die Konversionsrate ist wohl die bekannteste und einfachste Kennzahl: Anzahl der Bestellungen Erfolgsrate = × 100 Anzahl der Besucher insgesamt Die Konversionsrate gibt an, wie viele Besucher prozentual das Website-Ziel erreicht haben. Dieses Ziel kann die Bestellung eines Produktes sein, die Reservierung eines Hotelzimmers, die Bestellung eines Newsletters, der Ab- ruf eines pdf-Dokumentes oder das Erreichen einer Suchergebnisseite. Jede Website hat einen Zweck, zu dem sie gestaltet und programmiert wurde und zu dem sie betrieben und gepflegt wird. Trotzdem ist es für viele Betreiber von Websites eher ungewohnt, den Zweck der eigenen Website konkret zu benennen. Für Online-Shops geht es offensichtlich um direkte Bestellungen, für werbetragende Sites geht es um Ad Impressions, für BtoB- Sites oft um die Generierung von Kontakten, bei Support-Sites um die Be- reitstellung von Informationen – darüber hinaus gibt es hunderttausende professioneller Websites mit hunderttausenden individuellen Zielen. Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics | 25

26. So schwer die konkrete Festlegung von Zwecken und messbarer Zielerrei- chung auch sein mag: Ohne diesen Schritt bleibt Web Analytics ein Spiel ohne Gewinner. Die Verfolgung von Entwicklungen von Page Impressions, Visits oder Besuchern kann nur über Kennzahlen in ein Verhältnis zur Ef- fektivität der aufgewendeten Mittel (besonders bei Kampagnen, aber auch für laufende Aufwände) einerseits und zur Beurteilung der Leistungsfähig- keit der Website selbst gesetzt werden. Kennzahlen sind das A und O von Web Analytics. 1.3 Ohne Ziele gibt es keinen Fortschritt Die Optimierung von Internet-Seiten ist ein kontinuierlicher Prozess. Bei manchen Seiten gibt es jeden Tag viele kleine Veränderungen, es gibt neue Texte, neue Bilder, Banner oder Produkte. Andere Websites verändern sich kaum. Sie werden gestaltet und realisiert und dann stehen sie für Monate unverändert zum Abruf bereit. Gemeinsam ist fast allen Seiten, dass sie in einem Ein-, Zwei- oder Drei-Jahres-Rhythmus komplett neu gestaltet werden. Mit diesen Relaunches können die Websites inhaltlich und technisch auf dem (mehr oder weniger) neuesten Stand gehalten werden. Diese Veränderungen und Neugestaltungen sind ein Mittel, um sich nicht mit veraltetem Layout das Image zu verderben, um für Suchmaschinen besser indizierbar zu sein, vielleicht auch um die Seite nutzerfreundlicher zu ge- stalten. Bei größeren Projekten gehen oft Tests hinsichtlich der Usability voraus, Fokusgruppen beurteilen die Site, Umfragen in Panels begleiten die Entwicklung. Und, ist die neue Website dann besser als die alte? Klar, das Layout ist moderner, es gibt bessere oder mindestens mehr Features, bessere Usability, technisch ist die neue Site sauberer angelegt. Messbar sind diese Veränderungen meistens leider nicht. Sie werden eher gemeinsam unterstellt. Zum Beispiel: Eine BtoB-Site ist für das Unter- nehmen hinsichtlich der allgemeinen Präsenz im Markt, für vereinzelten Kunden-Support, für Bewerbungen und vor allem zur Gewinnung neuer Kundenkontakte wichtig. Gewöhnlich wird keiner dieser vier Faktoren konkret gemessen: Wie wichtig ist der Support wirklich für die Kunden? 26 | Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics

27. Wie hoch ist die Reichweite der Web-Präsenz im Verhältnis zum Potenzial? Wie lohnend ist die Top-Positionierung auf bestimmten Suchbegriffen? Wie viele Besuche führen zu Kontaktanfragen und wie lohnend sind diese? Wie schon unter Punkt 1.2 beschrieben, kann die Güte einer Website nur über die richtigen Kennzahlen erfasst werden. Nach einem kompletten Relaunch sind alle zufrieden mit der neuen Website und es wird das gleiche Traffic- Analyse-Tool wie vorher zur Auswertung genutzt. Die Anzahl der Seiten pro Session ist gestiegen? Es verlassen nicht mehr 70 Prozent, sondern nur noch 60 Prozent der Besucher die Website auf der Startseite? Die Anzahl der Page Impressions und die durchschnittliche Aufenthaltsdauer insgesamt sind gefallen? Die über die Website eintreffenden Anfragen haben sich im Wochendurchschnitt erhöht? Eine produktive Analyse dieser Veränderungen ist ganz unmöglich. Wo konkret könnten die Ursachen liegen? Vermutungen über Gedanken und Motive der Besucher können schnell zur Hand sein. Die Neigung, von den eigenen Gewohnheiten und Vorlieben auf die anderer zu schließen, ist nicht wenig verbreitet. Durch die Veränderung der Website auf vielen Dimensionen gleichzeitig lassen sich einzelne Ursachen und Konsequenzen nur sehr schwer herausfinden. Typischerweise muss mit dem Relaunch einer Website eine ganz neue Basislinie für das gewöhnliche Verhalten der Besucher gefunden werden. Vorher/Nachher-Vergleiche mögen angestellt werden, kön- nen aber keine konkreten Momente der Veränderung benennen und damit auch nicht handlungsrelevant werden. Es gibt gute Gründe für große Relaunches – für eine Steigerung der Perfor- mance der Website sind sie nicht förderlich. Eine kontinuierliche Optimie- rung – nicht nur Veränderung – führt dagegen über viele kleine Schritte statt über wenige große: Zunächst werden die Kennzahlen ermittelt, inklusive der Kosten und Um- sätze für einzelne Site-Elemente und -Prozesse. Davon werden Prioritäten abgeleitet und festgelegt. Ziele: 5 Prozent der Klicks von der Startseite Richtung Support, 5 Prozent Richtung Bewerbungen, 20 Prozent Richtung neue Produkte mit Kontaktformular, 20 Prozent Richtung Produktnaviga- tion und interne Suche, höchstens 50 Prozent sollen die Startseite gleich wieder verlassen. Diese Entwicklungsziele bestimmen den Raum für Opti- mierungsoptionen und geben gleichzeitig unmittelbare Rückmeldung hin- Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics | 27

28. sichtlich der Annäherung an die Ziele, der Wirksamkeit der vorgenommenen Veränderungen, der Effektivität der dafür eingesetzten Mittel. Durch Be- tonung von Links, Austausch von Bildern, Hervorhebungen in Texten und viele weitere Kleinigkeiten kann die Startseite in Richtung der Zielsetzung verbessert werden. Nach Ausschöpfung der Möglichkeiten und dem Errei- chen eines ersten Zielraumes kann dann zum nächsten Bereich weiterge- gangen werden. Seite für Seite entlang der wichtigen Pfade der Website, in Richtung einer Website, die in die Strategie des Unternehmens insgesamt perfekt eingepasst ist. 1.4 Mittelwerte lügen Die durchschnittliche Schuhgröße deutscher Frauen liegt bei 37, die der Männer bei 43. Stellen Sie sich nun vor, Sie würden einen Schuhladen für Herrenschuhe eröffnen – mit lauter Schuhen der Größe 43 sollten Sie ganz gut fahren, oder? Nein, tatsächlich würde die Eröffnung ein rechter Reinfall werden (was Sie als Leser dieses Buches insgeheim natürlich wussten), denn: 43 ist zwar der Mittelwert über alle Männer, das bedeutet aber überhaupt nicht, dass diese Schuhgröße auch nur einmal in der Welt vorkommen muss. Die häufigsten Schuhgrößen (und damit wohl die erfolgversprechendsten) Schuhgrößen sind dagegen 42 und 44. Selbstverständlich wird niemand so naiv sein und das eigene Ladensortiment nach solchen Mittelwerten ausrichten, eher nach Kaufwahrscheinlichkeiten, nach Häufigkeiten potenzieller Käufergruppen, nach Umsatzspannen. Traditionelle Umgangsweisen mit Web Analytics pflegen dagegen eine aus- gesprochene Vorliebe für den gemeinen Durchschnitt: PI/Tag, PI/Session, Zeit/Session und viele andere ‚Kennzahlen‘ werden über alle verfügbaren Datensätze berechnet. Dabei geht es für Online-Angebote meist um viel größere Zahlen als für den einzelnen Schuhverkäufer. Dort mögen am Tag einige hundert Kunden den Laden betreten, im Netz besuchen dagegen oft Zehntausende Menschen pro Tag eine Website. Die Motive dieser Menschen sind dabei alles andere als gleichförmig. Aus einem bestimmten Grund ist jeder einzelne Besucher da – der Gedanke mag noch so flüchtig sein, die Vorstellung über die Inhalte noch so irrig – der Klick auf den Link, die 28 | Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics

29. Eingabe der URL muss doch geschehen (Ausnahme: voreingestellte Startsei- ten der Browser). Die konkreten Gründe sind dabei überaus vielfältig. Sehr viele Besucher (> 50 Prozent) kommen oft mit falschen Vorstellungen auf eine Website – und verlassen diese dann sofort wieder. Diese Gruppe von Besuchern ist größtenteils schlicht falsch auf der Website, keine Optimie- rung, keine Veränderung der Site könnte helfen, diese Leute anzusprechen. Nichtsdestotrotz fließen auch sie in die Mittelwerte ein – und durch die große Anzahl auch mit einiger Macht. Konkret bedeutet dies zum Beispiel: 1000 Besucher pro Tag auf der Startseite, 500 davon verlassen die Seite direkt wieder, 200 gehen auf das im oberen Mittelteil gezeigte Produkt, 100 nutzen das Eingabefeld für die interne Suche, die restlichen 200 verteilen sich auf alle möglichen Links auf der Site. Eine Optimierung basierend auf dem Mittelwert würde nun daran gehen, den Anteil der direkten Seitenver- lasser zu vermindern und den Anteil der Klicks auf das Produktbanner zu erhöhen. Deutlich effektiver wären allerdings drei Richtungen: 1. Analysie- ren, von welchen Referrern und mit welchen Suchbegriffen die Kurzbesu- cher auf die Seite kommen, und dann nur für jene, deren Suchbegriffe oder Herkunft eigentlich mit den Inhalten der Site übereinstimmen, zu optimieren (zum Beispiel Hervorhebung entsprechender Inhalte). 2. Analysieren, was die 200 Besucher der restlichen Klicks auf der Site suchen, welche Pfade sie verfolgen und dann für jene, die eigentlich auf der Suche nach einem bestimmten Produkt sind, entsprechend zu optimieren. 3. Analysieren, was im seiten-internen Suchfeld eingegeben wird und wie die Ergebnisse, die weiteren Klickverläufe und Konversionsraten liegen – dann für interessante Besuchergruppen optimieren. Potenziell kann mit dem richtigen Werkzeug über alle gesammelten Daten in dieser Weise gefiltert werden, oder segmentiert werden, wie im Bereich Web Analytics häufiger gesagt wird: Alle Besucher mit einem Internet Ex- plorer, die aus Hamburg kommen, die über den Suchbegriff ‚xy‘ von Google kommen, die dazu mindestens zweimal die Site besucht haben und eine Seite im Produktbereich ‚z‘ abgerufen haben – der Fantasie sind technisch kaum Grenzen gesetzt. Es liegt auf der Hand, dass technisch zwar alles möglich sein mag, effektiv ist es aber meist nicht. Um die gewinnbrin- genden Besuchersegmente herauszufinden, sie zu markieren und für sie zu optimieren, braucht es ein wenig Neugier und einen Blick für interessante Zusammenhänge. Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics | 29

30. 1.5 Ausprobieren statt Ausdiskutieren Websites werden meist aus dem Bauch heraus gestaltet – dem Bauch des Designers, dem Bauch des Web-Programmierers, dem Bauch des Geschäfts- führers oder Abteilungsleiters. Gründlich werden alle Aspekte für oder gegen eine bestimmte Gestaltung, Funktion oder ein Seitenelement erwogen. Manchmal werden noch Usability-Experten hinzugezogen, allerdings meist nur bei größeren Relaunches. Am Ende entscheidet aber das Gefühl für das Richtige. Dabei tragen wir immer unsere eigenen Erwartungen, Vorurteile und Erfahrungen an die Website heran. Wir alle gehen schließlich mit Web- sites um, wir wissen, was uns gefällt, was wir suchen, was wir vermissen. Dabei sollte man bei der Gestaltung einer Website nie vergessen: Es wird nicht für den ‚Cyber Lion‘ in Cannes, für eine Usability-Auszeichnung oder auch nur für den Geschmack oder die Zufriedenheit der Besucher gestaltet, sondern einzig und allein für das Ziel der Website. Alles andere sind nur Mittel auf dem Weg zum Zweck. Die Konzentration auf das Entscheidende kann Diskussionen über das Für und Wider von bestimmten Gestaltungen strukturieren, allerdings bleiben sie auch dann im Blauen, im Theoretischen. Dabei bietet uns das Internet eine einzigartige Plattform zur schrittweisen Annäherung an das beste Design über schnelle, einfache Tests. Mit diesen sogenannten A/B-Tests können zwei Alternativen, je nach Traffic auf der Site, einfach gegeneinander ausprobiert werden. Im einfachsten Fall: Am Dienstag wird zwischen 10:00 und 12:00 Uhr Produkt A auf der Startseite angeboten, am Mittwoch wird das gleiche mit Produkt B gemacht. Spätes- tens am Mittwoch um 12:30 Uhr hat man harte Ergebnisse, welches Produkt sich über diesen Teaser besser verkauft. So einfach. Diese Art Test lässt sich für alle möglichen wichtigen Elemente auf der Website anstellen. Es ent- scheiden nicht mehr Vermutungen, Argumente oder Theorien, sondern die Wirklichkeit der Website zeigt, was geht und was nicht. Allerdings heißen A/B-Tests A/B-Tests, weil mit ihnen genau zwei Alternativen gegenüber gestellt werden können. Im Falle des Testes der erwähnten zwei Produkt- Teaser müsste man also noch genauer hinschauen: Lag das bessere Ergebnis am günstigeren Preis? Lag es an der farblichen Gestaltung? Lag es an der Art des Produktes selbst? – Die Präzision der Vorgehensweise lässt sich sehr weit treiben, es sollte aber immer ein pragmatisches Moment bei der Vorge- hensweise bestimmend bleiben. Wichtig ist nicht die 99,5-prozentige Vali- dität der Resultate, sondern das Verhältnis zwischen Ertrag und Aufwand. 30 | Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics

31. 1.6 Handeln statt nur Wissen Ist erst mal ein Web-Analytics-System installiert, gibt es die Reports kostenlos. Nach dem Prinzip ‚All You Can Eat‘ kann man sich den Magen mit Informationen, Statistiken, Auswertungen in unglaublichem Ausmaß voll- schlagen. Bei Web Analytics geht es aber nicht darum, etwas zu wissen, sondern darum, zu handeln. Die entscheidende Frage ist immer: „Und: Was folgt daraus?“ Was folgt aus der Tatsache, dass der Online-Auftritt diesen Monat 100.000 Besuche verzeichnen konnte? Was folgt daraus, dass die Besucher zu 50 Prozent von Google kamen? Was folgt daraus, dass jeder Nutzer durch- schnittlich zwei Mal die Seite besucht? Es ist wichtig, jede Information mit bestimmten Fragen und möglichen Konsequenzen zu verknüpfen. Möglich, dass Abteilungsleiter oder Management sich immer noch auf das Zählen von PIs und Visits beschränken – schlecht für sie. Um eine Website zu optimieren, braucht es Neugierde, Fragen und beharrliche Konzentration auf das Wesentliche. Moderne Web-Analytics-Systeme bieten jedem Nutzer die Möglichkeit, sich ein persönliches Dashboard mit interessanten Informa- tionen zusammenzubauen. Dashboards haben eine recht lange – zunächst nicht sehr erfolgreiche – Geschichte. Die Idee, wichtige Daten eines Unter- nehmens dem Management auf Dashboards zur Verfügung zu stellen, gab es bereits in den Achtzigerjahren. Ein ‚Dashboard‘ ist dabei per Definition eine Seite oder ein Display, nie mehr. Es gibt also keinen Bedarf für eine Navi- gation oder ähnliches. Diese Dashboards zeigten also Kennzahlen aus dem Vertrieb, aus der Produktion oder was immer. Auch wenn diese Dashboards technisch die Idee einer umfassenden Übersicht in Echtzeit verwirklichen konnten (oder hätten verwirklichen können), fehlte doch andererseits eine adäquate Möglichkeit der Konsequenz, des Handelns mit Hilfe der Daten. Es ist halt auf die Dauer kein großes Vergnügen, auf sich verändernde Zahlen oder Diagramme zu schauen, ohne dass sich neue Informationen daraus ergeben würden. Der Wert einer Information wäre hier bestimmt über den Anteil von Neuigkeit (Nachrichten, die gestern zu lesen waren, wären heute ohne Neuigkeits- oder Informationsgehalt) einerseits, vor allem aber die Verknüpfung der Information mit Bedeutung im eigenen Tätigkeitsbereich mit eigenen Eingriffsmöglichkeiten. Das ist eine wichtige Bedingung für ein inhaltlich funktionierendes Dashboard: Alles, was darauf dargestellt wird, Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics | 31

32. hat eine Bedeutung im Rahmen möglicher Handlungen, Veränderungen oder Konsequenzen innerhalb des eigenen Verantwortungsbereiches. Im Übrigen ist es nicht so wichtig, wo oder wie konkret das Dashboard technisch realisiert wird. Das online verfügbare, mit dem Browser abrufbare, individuell zusammengeklickte Dashboard ist für viele nicht unbedingt die erste Wahl. Der Aufruf der entsprechenden URL geschieht dann doch nicht so regelmäßig, hat dann doch oft nur eine mindere Priorität. Der Report im pdf-Format, täglich per E-Mail zugestellt, ist für viele ebenfalls eine gute Option. Welches Format und welche technische Lösung auch immer gewählt wird: Wie schon bei den Kennzahlen liegt die Herausforderung nicht in der Bereitstellung technischer Lösungen, sondern in der intelligenten Un- terscheidung von Wichtigem und Unwichtigem, von Werkzeugen und von Zielen. Wenn die Zahlen einen Bezug zur täglichen Arbeit zeigen, wenn sich in den dargestellten Informationen eigene, getroffene Entscheidungen widerspiegeln, wenn sich die Unsicherheit von gestern durch die Entwicklung der Daten in eine heutige Klarheit und einen Erkenntnisgewinn verwandelt, dann ist ein Dashboard mehr als nur ein Schlagwort oder eine Vorlage für einen Ausdruck für das Archiv. 1.7 Prozess statt Ereignis Wer regelmäßig zum Lauftraining geht, wird eine höhere Ausdauer haben als jemand, der nur gelegentlich – wenn auch extensiv – trainiert. Konti- nuierliche Prozesse und langfristig-beharrliches Arbeiten zeigen fast immer bessere Ergebnisse als kurzfristige Hau-Ruck-Aktionen. Nicht anders verhält es sich mit der Nutzung von Web-Analytics-Ergebnissen und der Effektivität von Websites. Die regelmäßige Kontrolle und die Umsetzung von Ergebnis- sen führt zu einer deutlich höheren Performance der Website im Sinne des definierten Ziels. Dabei geht es eben nicht um mehr PIs oder Visits, sondern zum Beispiel um mehr und bessere Kundenkontakte über die Site, also vor allem um mehr Umsatz über die Website. 32 | Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics

33. Diese einfache Wahrheit drückt sich ebenso deutlich in der Beziehung des ROI für das Web-Analytics-Tool und den unterschiedlichen Arten des Ein- satzes aus. ROI prozess-gesteuert einzelne Mitarbeiter ad-hoc 0/negativ 0 Prozent 5 Prozent 13 Prozent positiv 50 Prozent 16 Prozent 16 Prozent weiß nicht 17 Prozent 24 Prozent 13 Prozent wird nicht gemessen 33 Prozent 55 Prozent 58 Prozent Eric Peterson hat für diese Daten eine Umfrage unter Analytics-Nutzern in Unternehmen genutzt. Sehr klar wird die Beziehung zwischen einem positiven ROI und der prozess-gesteuerten Nutzung von Analytics-Ergebnissen (50 Prozent). Nicht immer stellt sich dieses Ergebnis ein und auch in Un- ternehmen mit einer ad-hoc-Nutzung der Ergebnisse kann dieser positive Effekt auftreten (16 Prozent), aber in deutlich unterschiedlichen Verhält- nissen. Mit der Messung des ROI des Web-Analytics-Tools allein, also der Messung des Verhältnisses der Kosten des Tools zu den damit gewonnenen Umsätzen, wird eine prägnante Größe für den produktiven Umsatz mit dem Service oder der Software eingeführt. Ein Web-Analytics-Tool ist ein Werk- zeug, das – wie alle Werkzeuge – man sich anschaffen und in den Keller stellen kann, nur hat man damit dann noch keinen Nagel in der Wand. Erst der gezielte Einsatz des Werkzeuges macht die Investition zu einer lohnenden. Peterson unterscheidet für seine Umfrage drei Umgangsweisen: n ad-hoc-gesteuert: Ergebnisse der Traffic-Analyse werden ereignis-getrieben und also nur gelegentlich angefragt und ausgewertet. Anlässe können zum Beispiel der Launch neuer Kampagnen, Microsites oder Produkte sein, die Bewertung einzelner Site-Bereiche oder Meetings mit Agenturen oder internen Arbeitskreisen. n Insel-Lösung: Ein einzelner Mitarbeiter hat sich mit Traffic-Analy- sen beschäftigt oder wurde dazu ausersehen und beliefert die übrigen Mitarbeiter gelegentlich oder regelmäßig mit Informationen. Das Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics | 33

34. Know-how des Mitarbeiters ermöglicht produktive Analysen der Besu- cherbewegungen und der Performance der Website, allerdings werden diese Erkenntnisse nicht umgesetzt, da im Unternehmen das Verständ- nis für die Bedeutung von Website und Web Analytics fehlt. Früher oder später wird der Mitarbeiter das Unternehmen wechseln oder das Engagement für die Analysen frustriert einstellen. n prozess-gesteuert: Die Messung und Auswertung des Online-Traffics wird als regelmäßiger Prozess mit definierten Stufen im Unternehmen etabliert. Abläufe, Verantwortungsbereiche und ein Raum für Konse- quenzen sind festgelegt. Web Analytics ist ein integrierter Bestandteil bei der Planung und Gestaltung von Websites und Kampagnen. Die Planung und Umsetzung von Web Analytics als Prozess ist deutlich aufwendiger als der Kauf eines Analytics-Tools. Angefangen von der Festle- gung allgemein akzeptierter Kennzahlen und Zielgrößen bis hin zur regel- mäßigen Umsetzung von Optimierungsmöglichkeiten sind viele Klippen zu umschiffen und Vereinbarungen zu treffen. Am Ende winken: klar strukturierte Abläufe, kein außergewöhnlicher zu- sätzlicher Zeitaufwand für Mitarbeiter in Marketing- oder Vertriebsabtei- lungen und eine effektive Nutzung des Systems. 1.8 Von Mitteln und Zwecken „Wozu eine Website?“, könnte man fragen. Damit die Website wiederum besonders benutzerfreundlich ist? Damit die Website selbst durch elegantes Layout beeindruckt? Weil andere auch eine haben? Damit viele Menschen die Website aufrufen? Nein, das Ziel einer Sache kann nicht in ihr selbst liegen. Das Ziel eines Hammers ist es nicht, besonders ergonomisch geformt zu sein, gut auszusehen oder auch nur eine möglichst große Anzahl von Nägeln in die Wand zu bringen – sondern die richtigen Nägel entsprechend der Absicht des Besitzers. Auch für Websites existiert ein Ziel jenseits ihrer selbst: Die Pflege des Unternehmensimages (qualitativ und quantitativ), die Gewinnung neuer Kundenkontakte, die Bedienung von Support-Anfragen, ohne Callcenter zu belasten, der Verkauf von Artikeln. 34 | Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics

35. Um eine Website zu verbessern, ist es wichtig, zwischen diesem Zweck und dem Weg dorthin zu unterscheiden. Es ist selten von Nachteil, ein On- line-Angebot von Usability-Experten prüfen zu lassen, der Nachweis aber, dass nach den Veränderungen die Website leichter zu navigieren ist, hilft nicht wirklich weiter. Inwieweit die Veränderungen nützlich waren, lässt sich anhand der Unterscheidung „Haben mehr Besucher eine Antwort auf ihre Frage gefunden (und nicht das Callcenter angerufen), oder nicht?“ viel klarer beurteilen. Ganz genauso verhält sich mit der Optimierung von Web- sites hinsichtlich ihrer Indizierung für Suchmaschinen. Selbstverständlich ist es immer gut, die Seite besser auffindbar zu machen, aber PageRanks, Platzierungen und auch PIs an sich sind kein Ausweis für eine erfolgreiche Website oder Optimierung. Einfacher ist es, vor der Optimierung durch SEO- Experten und nach dieser Optimierung zu schauen, ob der Umsatz über die Site gestiegen ist, und zwar um so viel, dass die Investition in die Optimie- rung sich gelohnt hat. Die virtuelle, manchmal wie ein Parallel-Universum wirkende Internet-Welt existiert nicht unabhängig von der übrigen Welt. Professionelle Websites sind unternehmerische Investitionen, die im Rahmen dieser Investitionen in ihrer Effektivität zu beurteilen sind und nicht im Kontext der Internet- Welt selbst. Kapitel 1: Acht Punkte zum produktiven Einsatz von Web Analytics | 35

36. Kapitel 2: Kennzahlen – Gemacht, um zu handeln

37. Wer über Web Analytics redet, wer sich mit der Messung von Erfolg und Performance von Websites beschäftigt, kommt an Kennzahlen nicht vorbei. Ob man nun lieber Kennziffern dazu sagt oder das amerikanische KPI (Key Performance Indicator) bevorzugt – an der Tatsache, dass die Produktivität eines Web-Analytics-Systems mit funktionierenden Kennzahlen steht und fällt, ändert das gar nichts. Kennzahlen können vielerlei Gestalt annehmen. Es gibt keine theoretische Qualifikation für Kennzahlen. Vielmehr zeichnen sie sich durch ihre Aus- sagekraft in einem bestimmten geschäftlichen Rahmen aus. Kennzahlen beweisen sich in der Praxis oder gar nicht. Eine Kennzahl verdichtet verschiedene Informationen zu einer Zahl, so dass die Effektivität einer Website, eines Bereiches, einer Kampagnen oder auch einer bestimmten Optimierungsmaßnahme kurz und klar dargestellt und vermittelt werden kann. Eine der beliebtesten Kennzahlen ist die Konversionsrate. Konversi- on, eine anderes Wort für Umwandlung, bezeichnet die Verwandlung zum Beispiel eines Besuchers in einen Kunden – indem er einen Artikel bestellt, oder die Verwandlung eines Nutzers in einen Newsletter-Abonnenten – indem er ein entsprechendes Formular ausfüllt. Man kann das Bild der Verwandlung oder Umwandlung wohl ein bisschen dehnen und sich zu- rechtlegen, wichtig ist das Bild am Ende nicht. Konversionsraten oder auch Mikro-Konversionsraten können für jede Art von Zielerreichung im Sinne des Website-Zieles genutzt werden. Konversionsraten geben gewöhnlich ein prozentuales Verhältnis an. Am bekanntesten: Wie hoch ist der Anteil der Besucher eines Online-Shops, die einen Artikel online bestellt haben. Diese Zahl liegt oft so um 2 Prozent (wiewohl einige erfolgreiche Shops Raten von 15 Prozent und mehr erreichen). Die 2 Prozent geben also an, dass jeder fünfzigste Besucher (nicht: Besuch!) eines Online-Shops sich Produkte an- schaut, mindestens einen Artikel in den Warenkorb legt, den Bestellprozess durchläuft und am Ende eine irgendwie gestaltete ‚Vielen Dank für Ihren Einkauf‘-Seite sieht. Mit genau diesem Seitenabruf kann die Konversionsra- te auf einfache Weise berechnet werden: Anzahl der Abrufe der ‚Vielen Dank für Ihre Bestellung‘-Seite Konversionsrate = × 100 Anzahl der Website-Besucher insgesamt 38 | Kapitel 2: Kennzahlen – Gemacht, um zu handeln

38. Besucher oder Besuch? Allgemeine Konversionsraten für Online-Shops werden gewöhnlich mit Bezug auf die Anzahl der Besucher berechnet, da nicht alle Besucher beim ersten Besuch gleich einen Artikel bestellen. Je komplexer das Produkt, desto länger dauert wahrscheinlich der Informations- und Entscheidungsprozess. Würde auf Basis des Besuches gerechnet, sänken die Konversionsraten noch einmal sehr deutlich. Dies ist zu beachten für den Vergleich verschiedener Websites, allerdings nicht wichtig für die Festlegung eigener Kennzahlen. Unabhängig von der Konversionsrate gibt es immer wieder Diskussionen, ob eine Nutzung der Variable ‚Besucher‘ im Bereich Web Analytics überhaupt sinnvoll ist. Eine Reihe von Faktoren (Cookie-Löschung und -Blockaden, mehrfache Nutzer des gleichen Browsers …) sorgen für große Unsicherheiten hinsichtlich der Belastbar- keit der Daten. Warum das ‚Besucher‘-Konzept also nicht gleich außen vor lassen und sich auf belastbarere Informationen beschränken? Jeder Betreiber einer Website, Nutzer von Web Analytics ist gut beraten, sich zu überlegen, was für ihn wichtig ist. Für meine eigene Praxis verzichte ich allerdings nicht auf den ‚Besucher‘, da meiner Meinung nach erst dadurch der Mensch mit seinen Interessen ins Spiel kommt. Für mich hat es sich stets als hilfreich erwiesen, zu wissen, wie hoch die Anzahl der Besuche pro Besucher ist, wie die Rate Neu-Besucher zu Wiederholungsbesuchern aussieht und eine Konversionsrate, die allein die einzelne Session ins Auge fasst und den Kaufzyklus außer Acht lässt, ergibt für mich nicht wirklich Sinn. Gleichwohl sollte man insbesondere die beschränkte Lebensdauer von Cookies (< vier Wochen) nicht vergessen. Mit dieser einfachen Kalkulation hat man nun einen ersten, belastbaren Parameter, wie gut eine Website arbeitet. Es ist für die Einschätzung der Gestaltungsqualität einer Website nicht primär wichtig, wie viel Traffic (Vi- sits, PIs, Besuche) auf ihr verzeichnet werden, sondern zunächst zählt, wie gut sie diesen wie auch immer generierten und wie auch immer hohen oder geringen Traffic im Sinne ihres Zieles ‚umwandelt‘. Der Nutzen liegt auf der Hand: Mit einer Konversionsrate von, sagen wir, 0,5 Prozent können Sie natürlich in weitere Suchmaschinenoptimierungen oder Kampagnen inves- tieren, um mehr Traffic zu erzeugen, und sie werden auch Ihren Umsatz entsprechend erhöhen (10 Prozent mehr Traffic entspricht 10 Prozent mehr Kapitel 2: Kennzahlen – Gemacht, um zu handeln | 39

39. Umsatz). Doch bedenken Sie die Relation: Mit dem gleichen Aufwand kön- nen Sie die Effektivität der Website wahrscheinlich um 100 Prozent und mehr erhöhen und damit auch den Umsatz! An diesem sehr vereinfachten Beispiel sollte klar geworden sein, wie Kenn- zahlen funktionieren: Vorhandene Daten werden so verdichtet, zum Bei- spiel in ein Verhältnis gesetzt, dass klar wird, wie gut oder schlecht die Website insgesamt oder Teilbereiche funktionieren. Wie schon gesagt gibt es kein äußeres Kriterium, was eine Kennzahl ist oder nicht. Kennzahlen können einfach nominelle Daten sein (PI/Tag), sind es aber sehr selten, Kennzahlen können allein aus Traffic-Zahlen berechnet werden, viele werden aber mit Hilfe von finanziellen Beträgen berechnet. Eric Peterson bietet eine einfache (logische) Klassifikation von Kennzahlen: Durchschnittswerte, Prozentwerte und Verhältniswerte. Jedem Website-Be- treiber sei absolut freigestellt, diese Liste für sich zu erweitern oder zu ändern. Interessanter als die mathematische Grundlage einer Kennzahl ist allemal der Grad ihrer Produktivität, das heißt wie nützlich sie bei der Mes- sung und Optimierung einer Website ist. Dieser Praxisbezug erweist sich an vier Eigenschaften: 2.1 Kennzahlen decken alle Bereiche der Site ab Besonders auf Startseiten finden sich oft sehr viele Links und einzelne Inhalts-Bereiche, manchmal sind dies mehr als hundert. Aber auch wenn der Raum einer Website praktisch unbeschränkt und kostenlos ist, ist andererseits auch offensichtlich, dass die Aufmerksamkeit des Besuchers be- schränkt ist. Was also ist das Wichtigste? Was will der Betreiber der Site unbedingt prominent dargestellt haben, was sucht der Nutzer der Site am häufigsten? Im Idealfall fallen diese beiden Ansprüche zusammen, das, was der Anbieter in das Zentrum seiner Site stellt, ist auch für den Besucher der wesentliche Grund, die Website aufzurufen. Im Alltag fallen diese Ansprü- che leider nicht immer zusammen. BtoB-Seiten, also Online-Angebote von Unternehmen, die sich vor allem an andere Unternehmen richten, sind ein gutes Beispiel dafür, wie die Perspektiven auseinander fallen können. Auf BtoB-Seiten findet man ganz typischerweise a) einen allgemeinen Naviga- 40 | Kapitel 2: Kennzahlen – Gemacht, um zu handeln

40. tionsbereich, b) eine Seitenleiste mit Neuigkeiten oder Downloadangeboten und c) einen großen Bereich in der Mitte mit Unternehmens- und Produkt- neuigkeiten. Auch wenn die Betreiber der Websites die Ziele oft nicht expli- zit formulieren, gibt es meist drei Gründe für die Website: Imageförderung, Kontaktgewinnung und Kundensupport. Der qualitative Anteil des Images soll über die attraktive Gestaltung der Site insgesamt, die Existenz einer Website überhaupt, die Darstellung von Neuigkeiten, von Produktentwick- lungen und Ähnlichem erreicht werden. Der quantitative Anteil der Image- Förderung soll über zusätzliche Reichweite der Site erreicht werden: Mehr Besuche, mehr Seitenabrufe, bessere Platzierung in den Suchmaschinen und so weiter. Der Support für bestehende Kunden wird über Informationen zu Produkten, vielleicht mit Updates, mit Bedienungsanleitungen, „Tipps und Tricks“ und ähnlichem realisiert. Kontakte werden wiederum über Kon- taktformulare und die Darstellung von Kontaktinformationen gewonnen. Werden diese drei Ziele ernst genommen und die Website in dieser Richtung gestaltet und optimiert, so finden sich diese entsprechend ihrer Priorität auf der Startseite wieder und die Elemente steuern in messbarer Weise zu ihrer Realisierung bei. Tatsächlich aber passiert meist Folgendes: Während die Kontaktanfragen leicht auszuzählen sind, mithin eine Rate „Kontaktanfragen/Anzahl der Besucher“ leicht zu berechnen ist, bleibt die Operationalisierung des Image- Gewinns und des Kundensupports meist aus. Die Messung und Auswertung erscheint schwierig. Wie misst man Imagegewinn? Wie misst man die Effek- tivität des Kundensupports? Die drei Ziele bleiben also gleichwertig auf der obersten Prioritätsebene, aber nur eines der drei wird auch gemessen. Die Folge ist, dass die Zielstellung der Website keine Rolle für das Layout der Seite spielt. Während die Gestaltung von Kontaktbereichen überprüft werden kann, werden die anderen Themen aus dem Bauch heraus positioniert, gestaltet und priorisiert. Oft fällt es Abteilungsleitern oder Geschäftsfüh- rern relativ schwer, die Thematisierung unternehmensinterner Nachrichten nicht in den Vordergrund der Site zu stellen. Und zwar unabhängig davon, ob diese das Interesse der Besucher finden, überhaupt angeklickt werden oder das Image des Unternehmens befördern. Die Startseite erscheint als eine Folie für die Unternehmensdarstellung – mit der Geschichte der Fir- ma, ihrem Personal, ihren Produktlinien. Weder die Interessen der Web- site-Besucher noch hart formulierte Ziele erringen eine Bedeutung bei der Kapitel 2: Kennzahlen – Gemacht, um zu handeln | 41

41. Gestaltung. Stellt man in dieser Situation Kontaktgewinnung (und ihre Seiten-Elemente) gegen Image-Elemente, so steuern nicht Ziele oder Zahlen die Entscheidung, sondern die Vorlieben des Vorgesetzten. Da keine verglei- chende Argumentation möglich ist (Klick auf ‚Kontaktanfrage‘ entspricht einem Wert von 100 Punkten, ein Klick auf ‚Produktneuheit‘ einem Wert von 10 Punkten), wird eine auf Zahlen basierende Diskussion insgesamt unmöglich – und die Erfolgsmessung verliert ihren Sinn. Nicht-operationa- lisierte Ziele funktionieren auf Websites wie schwarze Löcher im Weltraum: Sie saugen die Energien der formulierten Ziele ab, ohne etwas zurückzuge- ben: „Gut“, kann man argumentieren, „wenn der Kontaktbereich so und so effektiv ist, aber das Unternehmensimage ist eben auch wichtig und lässt sich nicht in Zahlen ausdrücken – darum werden aktuelle Pressemeldungen im Zentrum der Seite stehen.“ Wer die Investition in eine Website ernst nimmt, wird alle Bereiche einer Seite nach ihrer Zielpriorisierung und Zielerreichung beurteilen und so zu einer konsequenten Gestaltung finden. Das Layout einer Site, die Vertei- lung und Positionierung der Inhalte ist kein Raum für Kreativ-Experimente oder Selbstverwirklichung, keine Arena für ‚Was finde ich schöner‘-Fragen, im Grunde geht es nicht einmal um ästhetische Argumente, sondern um die professionelle Umsetzung einer Marketing- und Vertriebsstrategie. 2.2 Kennzahlen sind mit klaren Verantwortlichkeiten und Handlungsoptionen verknüpft „Messe nicht, was Du nicht ändern kannst“, könnte als Kalenderspruch über dem Schreibtisch eines Online-Verantwortlichen stehen. Web Analytics ist gewöhnlich nicht als wissenschaftliche Forschungstätigkeit angelegt und selten geht es um die Archivierung historischer Momente. Web-Analytics- Tools bieten ihren Nutzern eine so reichhaltige Fülle von Informationen, dass es zwar manchmal nicht leicht ist, der Versuchung nicht zu erliegen und zu allen möglichen Aspekten Reports zu studieren – doch bleibt das Wissen meist ohne Konsequenz. Kennzahlen tragen mögliche Konsequenzen dagegen schon in ihrer Festlegung mit sich. Ist die Konversionsrate also immer eine Kennzahl? Was passiert, wenn Ihr Vorgesetzter zu Ihnen kommt und meint, Sie – als Verantwortlicher für den Online-Bereich – sollten die 42 | Kapitel 2: Kennzahlen – Gemacht, um zu handeln

42. Konversionsrate des Shops erhöhen. Laut den Berechnungen liegt diese bei nur 1,5 Prozent und zwei Prozent sollten es im Durchschnitt schon sein – so war zu lesen. Welche Handlungsmöglichkeiten haben Sie, um die Rate zu erhöhen? Alle, sollte man denken. Wenn bei Ihnen die gesamte Verantwor- tung für den Online-Bereich liegt, so sind Sie gerade der richtige Adressat für diese Aufforderung. Als Nächstes kann nun von Ihnen eine Untersu- chung der Besuchergruppen, Kampagnen, Produktbereiche, Check-Out-Pro- zesse etc. veranlasst werden, um Optimierungspotenziale hinsichtlich der Erhöhung der Bestellrate aufzudecken. Die Konversionsrate ist definitiv eine wichtige Kennzahl für Sie. Es liegt in Ihrem Verantwortungsbereich, den Online-Shop hinsichtlich eines guten Verhältnisses zwischen der An- zahl der Besucher auf der Seite und der Anzahl der Bestellungen über die Seite zu optimieren. Was aber ist zum Beispiel mit dem Verantwortlichen für den Produktbereich X? Für ihn wäre die Konversionsrate des Online- Shops insgesamt keine Kennzahl, denn er kann sie nicht beeinflussen oder verändern. Eine Verantwortung für den Produktbereich schließt Möglich- keiten ein, die Seitengestaltung in diesem Bereich zu ändern, Kampagnen dafür zu optimieren und Cross- und Up-Selling-Angebote auszusteuern. Für diese einzelnen Bereiche können und müssen eigene Kennziffern gebildet werden, die die Performance in genau diesem Sektor zeigen und so ihren Teil zur Gesamtperformance beitragen. Die Gesamtperformance selbst kann so aber nur indirekt beeinflusst werden, und so ist die Gesamt-Konversi- onsrate keine wichtige Kennzahl für diesen Mitarbeiter. Was aber ist mit Ihrem Vorgesetzten? Ist die Konversionsrate eine wichtige Kennzahl für ihn? Es liegt im Bereich seiner Möglichkeiten, die Konversionsrate zu ver- ändern (über Sie), aber ist die Konversionsrate Ausweis einer erfolgreichen Tätigkeit für ihn? Nein, ist sie nicht, denn die Konversionsrate des Online- Shops sollte ihren Teil zum (hoffentlich positiven) Kosten/Erlös-Verhältnis des Online-Angebotes beitragen. Mit anderen Worten: Die Konversionsrate ist zu detailliert, um eine Kennzahl für den Vorgesetzten zu sein, sie wäre bereits ein erster Schritt der Analyse, nicht schon Teil des routinierten Reportings. Die Ziele einer Website lassen sich von einer obersten Priorität bis hinunter zu Ebenen vieler kleiner konkreter Entscheidungen verfolgen. Eine allgemeine Konversionsrate ist für einen Online-Shop eine wichtige Zahl zur Analyse des eigenen Erfolgs und zum Vergleich mit anderen Shops. Die Konversionsrate steht allerdings nicht an oberster Stelle. Dort würde der Erlös des Shops stehen. Dass diese Zahl kein bloßer theoretischer Fix- Kapitel 2: Kennzahlen – Gemacht, um zu handeln | 43

43. punkt ist, zeigt sich daran, dass sich aus diesem Ziel mindestens zwei Wege der Steigerung ergeben: Das Bestellvolumen insgesamt zu steigern oder die Kosten zu senken. Das Bestellvolumen insgesamt lässt sich wiederum über eine Erhöhung der Anzahl der Bestellungen oder durch eine Erhöhung des Volumens pro Bestellung steigern. Möglichkeiten zur Erhöhung der Anzahl der Bestellungen lägen in der Verstärkung des Traffics auf der Site (mehr Besucher) und in der Verbesserung der Konversionsrate (mehr Bestellun- gen/Besucher). Hier haben wir die Konversionsrate also als ein Glied in der Hierarchie der Kennzahlen und der Möglichkeiten, die Website insgesamt zu verbessern. Die Möglichkeit, Dinge zu verändern und verantwortlich zu steuern, schnei- den die Bedeutung von Kennzahlen nach oben hin ab, die hierarchische Logik der Kennzahlen und Informationsüberfluss grenzen die Bedeutung von Kennzahlen nach unten hin ab. 2.3 Kennzahlen sind mit Geschäftszielen verbunden Traffic-Zahlen sind virtuelle Zahlen. Die Anzahl von PIs, Sessions oder Be- suchern pro Monat ist ein Nachweis des Funktionierens der Website. Es ist ungefähr so wie die Öltemperatur, der Benzinstand oder auch die Laufleis- tung eines Pkw. Es hat allerdings nichts damit zu tun, wofür die Website eigentlich da ist. Ein Auto wird genutzt, um zu bestimmten Bedingungen von A nach B zu kommen. Diese Bedingungen schließen Flexibilität ein, Kosten und Komfort. Der Pkw ist keine effiziente Investition, weil er nur 5l/100km verbraucht oder bisher so und so viele Kilometer genutzt worden ist, sondern weil er eine günstige und flexible Alternative zu Bahn oder Flugzeug ist. Der Zweck des Pkw liegt nicht in ihm selbst, sondern darin, dass jemand zu bestimmten Bedingungen von hier nach dort transportiert wird. Ebenso liegt der Zweck einer Website nicht in ihr selbst. Genauso wie ein Pkw ist eine Website ein Werkzeug, um etwas anderes zu erreichen. Dieses andere ist der äußere Anker für Kennzahlen. Websites können dabei helfen, ein Unternehmen bekannter zu machen, Support-Center entlasten, Bewerber für offene Stellen zu finden, neue Geschäftskontakte zu gewinnen oder einfach nur Informationen möglichst effizient zu verteilen. Im- mer wird für diesen Zweck ein Budget zur Verfügung gestellt, mit dem die 44 | Kapitel 2: Kennzahlen – Gemacht, um zu handeln

44. Website realisiert, gepflegt, optimiert und beworben werden kann. Dieses Budget ist der erste äußere Anknüpfungspunkt für Kennzahlen. Das Bud- get etwa zur Gewinnung von neuen Kundenkontakten könnte auch anders investiert werden – in Messeauftritte, einen weiteren Vertriebsmitarbeiter oder Werbung in Fachzeitschriften. Damit ist das erste Ziel klar und damit ist auch ein Weg klar, um die Leistung an das Unternehmen anzubinden. Der konkrete Wert eines über das Internet gewonnenen Kundenkontaktes ist aber oft schwer festzumachen: Eine E-Mail-Anfrage kommt ins Haus, wird an einen Mitarbeiter weitergegeben, der sich jetzt darum kümmern muss oder den Kontakt wiederum weitergibt. Je komplexer das Produkt ist und je höher die Investition, desto länger wird der Weg von der ersten E-Mail-Anfrage zum Auftrag. Aber auch wenn sehr viele Schritte und sehr viel Arbeit zwischen der Anfrage und dem Auftrag liegen, kommt dieser Auftrag doch ursprünglich von der Website. Wichtig werden also folgende Beziehungen: Wie hoch ist der durchschnittliche Auftragswert der über die Website gewonnenen Aufträge? Wie viele Aufträge werden über das Internet gewonnen? Wie viele Anfragen gehen über das Internet ein? Zum Beispiel: (1) Pro Jahr werden 500 Anfragen über die Website verzeichnet (ohne Spam und Ähnliches) (2) Aus diesen Anfragen resultieren 10 Aufträge (3) Das durchschnittliche Volumen pro Auftrag liegt bei 1.000 Euro (4) Damit ergibt sich pro Anfrage ein durchschnittlicher Wert von 20 Euro. Die Konversionsrate, in diesem Fall bestimmt als Anzahl der Anfragen be- zogen auf die Gesamtzahl der Besucher, erhält somit eine Erdung im unternehmerischen Umfeld. Alle Maßnahmen im Zusammenhang mit der Website können über diese Erdung kostenmäßig angebunden und bewertet werden. Die Präsenz in den Suchmaschinen soll erhöht werden, um mehr Besuche zu gewinnen? Wie hoch ist der Aufwand – wie hoch ist der Gewinn? Was kann ich gewinnen, wenn die Kontaktformulare optimiert werden? Was würde eine prominentere Präsentation von Kontaktanreizen auf der Startseite bringen? Welche Art von Besuchern sendet Anfragen mit höheren beziehungsweise geringeren Chancen einer Auftragsgewinnung ab? Können bestimmte Aufträge oder Produkte erfolgreicher über die Website vermittelt werden? Kapitel 2: Kennzahlen – Gemacht, um zu handeln | 45

45. Mit der (theoretisch) einfachen Operation einer Anbindung der Kennzahlen und damit der Website-Performance an die unternehmerischen Ziele gewinnt die Website einen eigenen Platz in der Reihe der Vertriebsmaßnahmen eines Unternehmens, die Website wird von einem inhaltlich unkalkulierbaren Kostenfaktor zu einem wirksamen Instrument. 2.4 Kennzahlen haben Vorgaben und Entwicklungsziele Es ist immer gut, mehr zu verdienen. Oder weniger zu bezahlen. Oder die Besucherzahlen zu steigern. Oder die Konversionsrate. Aber: Wie viel ist gut oder genug? Es ist insgesamt kein Geheimnis, dass es eine Sache ist, große Ziele zu verfolgen, es aber für den Weg dorthin andererseits sehr nützlich ist, konkrete, kleine Schritte zu benennen und anzugehen. Der Umgang mit Web Analytics stellt da keine Ausnahme dar. Um ein Online-Angebot kontinuierlich zu verbessern, ist es hilfreich, Vorgaben zu formulieren: Eine Steigerung des Volumens pro Bestellung um 5 Prozent bis zum Quartal- sende. Die Reduzierung der Absprungrate der Startseite auf 40 Prozent. Die ‚Produkt-in-den-Warenkorb-Lege‘-Rate auf 20 Prozent. Entwicklungsziele helfen dabei zu erkennen, wo Eingriffe besonders lohnend sind und zu einer Verbesserung insgesamt beitragen. Mit der Einbeziehung unterneh- mensrelevanter Daten gewinnen die Traffic-Daten eine Kontur im Kontext von Einnahmen und Ausgaben. Im Bereich der Traffic-Daten bleiben Zahlen wie PIs/Monat, Absprungraten oder Sessions/Besucher noch virtuell und unbestimmt. Mit der Verknüpfung mit monetären Daten können Budgets effektiv für die Erreichung von gesteckten Zielen eingesetzt werden. Ziele helfen dabei, die eigenen Bemühungen zu strukturieren und zu priorisie- ren. Anstelle eines gewissen blinden Aktionismus, der heute die Optimie- rung der Listung in Suchmaschinen verfolgt und morgen einen Newsletter zur Bindung von Besuchern einführt, können Maßnahmen mit ihrer Wir- kung auf ein Ziel hin genau bewertet werden. Was die Ziele für eine Entwicklungsrichtung bedeuten, sind die Vorgaben für die tägliche Arbeit. Jeder kennt inzwischen die halbkreisförmigen, rot-gelb-grünen Visualisierungen. Sie sehen aus wie eine Tankanzeige für Übervorsichtige, die schon bei einem noch zu zwei Dritteln gefüllten Tank nach der nächsten Nachfüllgelegenheit Ausschau halten. Die konkrete Auf- 46 | Kapitel 2: Kennzahlen – Gemacht, um zu handeln

46. teilung der drei Zonen ist natürlich Teil der Konfigurationsarbeit und muss für jede Kennzahl neu festgelegt werden. Daneben gibt es auch alternative Visualisierungen (zum Beispiel Thermometer) und die Farbgestaltung ist individuell wählbar. Wichtig aber ist: Die Bereiche signalisieren auf den ersten Blick den Performance-Status der Kennzahl. So könnte die Perfor- mance einer PPC-Kampagne über die Kennzahlen ‚Bestellvolumen pro Tag‘ und ‚Kosten/Erlös-Verhältnis‘ abgebildet werden. Liegen diese beiden Zah- len im grünen Bereich – wird also eine angemessene Umsatzhöhe generiert und ist das Verhältnis Kosten/Erlös ebenfalls im definierten Zielbereich, so bleibt hier nichts zu tun – die Kampagne läuft erfolgreich. Liegt eine der Zahlen dagegen im roten Bereich, so ist eine weitere Beschäftigung mit der Kampagne unbedingt notwendig, im mittleren Bereich bleibt Spielraum für Abwägungen. 2.5 Die Festlegung von Kennzahlen Nach dem so viel zum Thema „Was macht eine brauchbare Kennzahl aus?“ zu sagen war, wird es Zeit, sich konkret mit dem Prozess der Festlegung der KPIs zu beschäftigen. Am Anfang der Überlegung zu den passenden Kennzahlen steht die Suche nach dem Ziel einer Website. Das mag für viele trivial klingen, aber auf der anderen Seite zucken Online-Verantwortliche nicht selten nur mit den Schultern, wenn sie nach konkreten Zielen gefragt werden. Die Zeit der ‚Visitenkarten‘ im Internet, der Websites, die nur da sind, weil andere auch eine haben, ist noch längst nicht vorbei. Wer sich im Internet jenseits der Top-100-Angebote bewegt, wird sehr schnell auf viele Websites stoßen, die offensichtlich nicht dem heutigen Stand der Gestaltung entsprechen. Web- sites mit Flash-Intros (und ohne ‚Skip‘-Button); Websites, die entworfen sind wie Bücher oder Häuser: Bevor man zu den interessanten Teilen kommt, muss erst eine Art Empfangsbereich oder ein Begrüßungswort durchlaufen werden. Websites, die ihre Navigation mit Flash oder Java realisieren – weil das besser aussieht, aber in Kauf nehmen, dass ein zweistelliger prozentu- aler Anteil der Besucher nicht damit umgehen kann. Es gibt viele weitere Beispiele für eine sehr deutliche Ignoranz von Online-Verantwortlichen und Multimedia-Agenturen gegenüber den eigentlichen Adressaten ihrer Arbeit: Kapitel 2: Kennzahlen – Gemacht, um zu handeln | 47

47. den Online-Besuchern. Oder genauer: ignorant gegenüber dem, was das Un- ternehmen seinen Besuchern bieten will. Also noch einmal: Wenn es kein Ziel gibt, kann die Website abgeschaltet werden. Oder, wenn das zu hart wäre: Hören Sie auf, hier weiter zu lesen. Dieses Buch ist für Leute, die wissen, was sie mit ihrer Website wollen. Websites können a) als Vertriebskanal dienen, sie können b) als Marke- tinginstrument angelegt sein oder c) als Mittel zur Ergänzung des Kunden- supports. Dazu kommen Websites, die d) mit Hilfe interessanter Inhalte möglichst viele Besucher anziehen wollen, um die Werbung auf ihren Seiten zu verkaufen. Fast immer werden mit einer Website mehrere dieser Ziele gleichzeitig verfolgt: Werbetragende Angebote verkaufen auch Artikel, Un- ternehmensdarstellungen bieten auch Kundensupport, Online-Shops sind natürlich auch immer Marketingplattformen. Aber jede dieser Zielsetzungen drückt sich in eigenen Möglichkeiten aus, die Zielerreichung zu messen. Art des Zieles Typische oberste Kennzahl Vertriebskanal (Online-Shop) Menge und Wert der verkauften Artikel Marketinginstrument (BtoB-Seite) Anzahl und Wert der gewonnenen Kunden- kontakte, Bekanntheit und Prestige Werbetragend (Content-Angebot) Anzahl Ad Impressions und Klicks auf Ads Support-Plattform Anzahl der erfolgreich beantworteten Anfragen Auf dieser obersten Ebene können die online gewonnenen Daten mit unter- nehmensrelevanten Daten verknüpft werden. Sie stellen die Schnittstelle, den strategischen Berührungspunkt zum Unternehmen selbst dar. Es sind im Prozess der Kennzahlenfindung also zunächst folgende Fragen zu klären: 1. Was sind die Ziele unserer Website? 2. Wie können diese Ziele in Zahlen ausgedrückt werden? 3. Wie werden diese Zahlen mit (gegebenenfalls fiktiven) monetären Da- ten verknüpft? 48 | Kapitel 2: Kennzahlen – Gemacht, um zu handeln

48. 4. In welchem Verhältnis stehen mehrere gleichzeitig verfolgte Ziele zueinander? Da Sie auch jetzt noch diesen manchmal recht trockenen Ausführungen fol- gen, gehören Sie wahrscheinlich eher zu den Leuten, die wissen, wozu sie eine Website betreiben, und können die Ziele definieren. Um den Prozess hier weiter zu beschreiben, nehmen wir als Beispiel eine BtoB-Site, also eine Website eines Unternehmens, das – aus welchen Gründen auch immer – seine Leistungen oder sein Produkt nicht über das Netz verkauft. Auf der Website finden sich meist folgende Inhalte: Unternehmensdarstellung (Geschichte, Referenzen, News), Produktbeschreibungen, Kontaktbereich, Kundensupport (zum Beispiel Informationen, Updates), Karrierebereich. Da alle diese Inhalte auf der Startseite gezeigt werden, gehen wir davon aus, dass jeder dieser Inhalte selbst ein Ziel oder Teil eines Zieles ist. Abbildung 1: Ein Browser Overlay mit Trafﬁc-Daten Wir finden vier Ziele: 1. Imagepflege und Bekanntheit (Unternehmensbeschreibungen, Produkt- beschreibungen, Karrierebereich) 2. Neue Kundenkontakte (Produktbeschreibungen und Kontaktseiten) 3. Kundensupport (Supportseiten) 4. Personal (Karrierebereiche) Kapitel 2: Kennzahlen – Gemacht, um zu handeln | 49

49. Eine Analyse der Startseite würde die Bewegungen der Besucher zeigen. Soundso viele klicken also hier, soundso viele klicken dort. Ist das gut so? Sollten mehr auf den Newsbereich klicken oder mehr im Kontaktbereich? Schwer zu sagen, wenn man nicht weiß, was die einzelnen Klicks wert sind. Wir müssen die Ziele also mit Werten verknüpfen, um sie vergleichbar zu machen. Die Punktwerte sollen wie eine Währung funktionieren, die die Klicks in ein Verhältnis zueinander setzen kann: Was ist ein Seitenabruf an sich wert? Mit jedem Abruf einer der Seiten aus den Bereichen Imagepflege und Bekanntheit wird ein Beitrag zu diesen Zie- len geleistet. Wenn diesen Monat 10.000 Seiten abgerufen worden sind und im nächsten Monat – durch einen besseren PageRank bei Google – 20.000, so hat sich die Bekanntheit des Unternehmens erhöht. Und gehen wir davon aus, dass die Seiten ansprechend und seriös gestaltet sind, sollte auch das Image des Unternehmens in qualitativer Hinsicht verbessert worden sein. Wir setzen für jeden Seitenabruf auf diesen Bereichen einen Wert von einem Cent fest. Durch die bessere Listung werden also 100 Euro pro Monat gewonnen. Der Wert erscheint vielleicht ein wenig niedrig, aber dafür gibt es keinerlei weitere Anforderung oder Spezifizierung. In die Rechnung gehen alle Seitenabrufe ein – ob Ein-Seiten-Besuche, Besuche von Partnern, von der Konkurrenz oder tatsächlichen, potenziellen Neukunden. Die Be- rechnung ist natürlich verfeinerbar, zum Beispiel könnten pdf-Downloads mit Produktspezifikationen höher bewertet werden. Den Wert eines neuen Kundenkontaktes, einer Anfrage über das Netz hat- ten wir weiter oben schon gesehen und können das einfach übernehmen: (1) Pro Jahr werden 500 Anfragen über die Website verzeichnet (ohne Spam und Ähnliches) (2) Aus diesen Anfragen resultieren 10 Aufträge (3) Das durchschnittliche Volumen pro Auftrag liegt bei 1.000 Euro (4) Damit ergibt sich pro Anfrage ein durchschnittlicher Wert von 20 Euro. Jeder Besuch, der zu einer Kontaktanfrage führt, ist damit 20 Euro wert. Das ist natürlich viel mehr (2000 Mal mehr!) als ein gewöhnlicher Seiten- abruf, aber der Wert wird immerhin real aus Erfahrungen mit bisherigen Anfragen abgeleitet. 50 | Kapitel 2: Kennzahlen – Gemacht, um zu handeln