Vielleicht fragst du dich jetzt, was genau hinter dem Begriff Pagespeed steckt. Damit beschreibt man die Schnelligkeit, mit der eine Webseite lädt. Je länger die Ladezeit deiner Seite ist, desto niedriger ist also dein Pagespeed. Das Ziel ist jedoch, die Ladezeit möglichst kurz zu halten, damit die Besucher der Seite direkt auf die gewünschten Inhalte zugreifen können.
Ebenso kannst du mit einem guten Pagespeed den Worst Case verhindern: Nämlich, dass dein Besucher die Seite wieder verlässt, bevor überhaupt etwas geladen hat. Das sollte in keinem Fall passieren, da du so keine Kunden und damit auch keinen Umsatz generieren kannst. Auch im Hinblick auf SEO solltest du auf einen guten Pagespeed achten. Denn durch eine schnelle Ladezeit steigt dein Platz im Google-Ranking an.
Um deinen Pagespeed zu verbessern, kannst du verschiedene Faktoren bearbeiten. Diese erklären wir dir im folgenden Abschnitt. Aber für wen ist Pagespeed Optimierung denn besonders relevant? Wer eine Webseite hat und damit Kunden generieren möchte, der braucht einen guten Pagespeed, um erfolgreich zu sein. Das lässt sich grundsätzlich festhalten.
Langsame Webseiten haben verschiedene Gründe. Hast du große Bilder integriert, die lange laden müssen, zieht das die Ladezeit deiner gesamten Webseite runter. Genauso verhält es sich mit langsam arbeitenden Datenbanken, beispielsweise für Formulare. Liegt deine Seite bei einem weit entfernten Server, kann das ebenfalls Einfluss auf die Geschwindigkeit haben. Aber auch im Quellcode kannst du etwas tun, um deine Ladezeit zu verbessern. So kannst du zum Beispiel überflüssige Zeichen oder Kommentare löschen. Wenn du deine CSS-Dateien zusammenfasst und HTML sowie JavaScript reduzierst, kannst du damit die Anzahl an Server-Request verringern. Dadurch sparst du dir einiges an Zeit.
Auch wenn dein Pagespeed-Wert für den Desktop vielleicht sehr gut erscheint, solltest du eines nie außer Acht lassen. In der heutigen Zeit wird die mobile Ausspielung immer wichtiger, denn viele Menschen greifen von unterwegs über das Smartphone oder Tablet auf deine Webseite zu. Daher ist es umso wichtiger, auch deinen mobilen Pagespeed zu überprüfen. Bei den meisten Webseiten liegt dieser nämlich viel niedriger als der Desktop-Wert.
Falls du noch nicht überzeugt bist, dass eine Pagespeed-Optimierung für dich relevant sein könnte, haben wir ein paar starke Argumente dafür gesammelt. Als allererstes muss wohl festgehalten werden, dass die Absprungrate deiner Seite extrem verringert wird. Dadurch bleiben mehr Besucher auf deiner Seite und deine Conversionrate wird erhöht. Dein CSS und HTML wird strukturierter und die Crawlbarkeit deiner Seite verbessert sich. So kannst du besser gefunden werden und dein Google Ranking optimieren.
Eine gute Auffindbarkeit sorgt in den meisten Fällen zu mehr Umsatz und dein Unternehmen profitiert im Gesamten von deiner schnellen Ladezeit auf der Webseite. Du siehst also, hinter Pagespeed verbirgt sich eine ganze Menge.
Durch die Ermittlung des Customer Lifetime Values (CLV) identifiziert man wertvolle Kunden für das Unternehmen, indem man den Ertrag und das Ertragspotential berechnet. So können die Kunden anhand des Deckungsbeitrages segmentiert werden – indem beispielsweise zwischen profitablen und weniger profitablen Kunden unterschieden wird - und entsprechende Marketingstrategien für die unterschiedlichen Kundensegmente entwickelt werden.
Neben der Einteilung der Kundensegmente unter der Berücksichtigung des Deckungsbeitrages, ist die Erhebung weiterer Merkmale der jeweiligen Kundensegmente nützlich, um die Zielgruppen genauer zu bestimmen und kennenzulernen. So können Lookalike Audiences erstellt und targetiert werden.
Zudem erfährt die jeweilige Marketingabteilung, welche Ausgaben für die Akquise angemessen sind und welche Akquisitionskanäle die wertvollsten Kunden hervorbringen. Anhand von Erfahrungswerten – also dem ermittelten CLV – generiert das Unternehmen ein Wissen darüber, welche Kunden nachhaltig gebunden werden können und wie hoch die Investition in personalisierte Nachrichten und Retargeting-Maßnahmen für das jeweilige Segment sein sollte.
Die Phasen des Customer Lifetime Values werden unter dem Begriff Kundenlebenszyklus zusammengefasst. Im Folgenden werden die unterschiedlichen Phasen benannt und für das Verständnis kurz skizziert.
Die erste Phase ist die Anbahnungsphase. Bevor der Kunde in diese Phase eintritt müssen Investitionen in entsprechende Marketingaktivitäten getätigt worden sein sowie ein Interesse des potentiellen Kunden vorliegen. In der darauffolgenden Sozialisationsphase gewöhnt sich der Kunde an das Unternehmen/Produkt und wird in der darauffolgenden Penetrationsphase über weitere Angebote oder Zusatzangebote informiert.
Bei Inanspruchnahme weiterer Leistungen, oder einer generellen Kundenbindung an das Unternehmen, befindet sich der Kunde in der Reifephase - die durch einen erhöhten Umsatz gekennzeichnet ist. Sollte der Kunde daraufhin keine weiteren Unternehmensangebote in Anspruch nehmen, tritt dieser in die Krisen- und Trennungsphase ein. In diesen Phasen richtet das Unternehmen – je nach Kundenwert – Reaktivierungsmaßnahmen ein oder die Kundschaft löst sich nachhaltig auf.
Für die Berechnung des Customer Lifetime Values gibt es eine Vielzahl von komplizierten und weniger komplizierten Verfahren. Die folgende Funktion ist für das grundlegende Verständnis ausgelegt und hilft, das CLV-Konzept zu verstehen.
et ist der (erwarteter) Umsatz der Geschäftsbeziehung in der Periode t. at ist die (erwartete) Investition in der Geschäftsbeziehung in der Periode t. Mit i werden die Abzinsungen der Perioden über einen Kalkulationszinssatz mit einbezogen. T entspricht der voraussichtlichen Dauer der Geschäftsbeziehung, also der Kundenlebenszeit.
Zunächst wird anhand von Erfahrungswerten die durchschnittliche Kundenlebenszeit ermittelt. Innerhalb der Kundenlebenszeit finden in bestimmten Abständen Käufe statt, sodass man einen durchschnittlichen Umsatz pro Periode bestimmen kann.
Die Differenz aus dem Umsatz und den Investitionskosten wird für jede Periode durch den Kalkulationszinssatz it geteilt und der Wert der t-ten Periode mit den weiteren Periodenwerten t addiert. Die Formel sollte in aller Regel um die Erstinvestition ergänzt werden, die vom Ergebnis abgezogen wird. So erhält man den durchschnittlichen Wert eines Kunden innerhalb seiner Kundenlebenszeit.
Als Grundvoraussetzung um die eigenen Kunden so präzise wie möglich kennenzulernen und einen für das Unternehmen repräsentativen CLV auszurechnen, müssen die transaktionsbezogenen Daten als Kaufhistorie vorliegen.
Da es sich nur um Erfahrungswerte und darauf aufbauende Prognosen handelt, ist der Customer Lifetime Value stets mit Unsicherheiten verbunden. Dementsprechend wird über einen großen Datensatz und einer langen Kaufhistorie die Wahrscheinlichkeit für grobe Ungenauigkeiten minimiert.
Um die geräteübergreifende Kundeninteraktionen zu erfassen und somit relevante Kunden zu identifizieren ist die Verwendung eines Customer Relationship Management Systems notwendig, da hier die Kundeninteraktionen mit dem Unternehmen erfasst werden und die Berichtsfunktion zuverlässig ist.
Es können Dashboards erstellt und Informationen aus den sozialen Netzwerken über die Einstellungen zu Marken, Produkten und Unternehmen offengelegt werden. Diese weiteren Informationen helfen dann auch bei der Segmentierung von Kunden und der Erstellung einer Lookalike-Audience.
Der CLV ist insbesondere im Online Marketing ein sehr hilfreicher Indikator, da Kundendatensätze über Webanalyse-Tools und CRM-Systeme unmittelbar erstellt werden können. Gerade in diesem Zusammenhang ist jedoch festzuhalten, dass die Mehrheit der Online Shops den Großteil ihrer Kunden nur selten dauerhaft bindet. Es handelt sich zumeist um eine kurzfristige Kaufbefriedigung seitens des Kunden.
Folgekäufe sind in den ersten 90 Tagen am wahrscheinlichsten. Das bedeutet, dass dieser Zeitraum ideal für E-Mail Marketing und Retargeting-Maßnahmen ist, um die Kaufhäufigkeit eines Kunden zu erhöhen. Im Online Marketing besteht der klare Vorteil darin, dass über die Analyse entsprechender Kundendatensätze das richtige Angebot zur richtigen Zeit an die richtige Person unterbreitet werden kann.
Unter Miteinbezug entsprechender Informationen aus dem CRM-System lassen sich die Kunden nicht nur über den tatsächlichen Wert innerhalb einer Periode, sondern zusätzlich über Signale in sozialen Netzwerken segmentieren. Dementsprechend können so Lookalike-Audiences bestimmt werden. Weiterhin ist die Identifikation relevanter Akquisitionskanäle möglich. So kann die Wahrscheinlichkeit einer fehlgeleiteten Neukundenakquise reduziert werden.
Nachdem profitable Kunden ermittelt wurden, ermöglichen Maßnahmen, wie die Integration von Up- und Cross-Selling Angeboten, Rabatte bei Warenkorbabbrüchen oder gezieltes Newsletter-Marketing, eine Steigerung der Kauffrequenz.
Neben quantitativen existieren in aller Regel qualitative Faktoren. So ist das Weiterempfehlungspotential gewisser Kunden zunächst nicht bestimmbar, jedoch ein wichtiger Aspekt in der Gewinnung neuer oder der Pflege bestehender Kunden.
Zudem weichen die mithilfe der Wertermittlung prognostizierten Umsätze immer von der Realität ab. Historische Daten ermöglichen eine ungefähre Ermittlung zukünftiger Umstände, aber der Miteinbezug wirtschaftlicher Trends oder gesellschaftlichen Entwicklungen ist nicht möglich. So sind die Prognosen stets als grober Richtwert aufzufassen.
Mithilfe der Ermittlung des Customer Lifetime Values können sich Unternehmen auf die langfristigen und wertvollen Geschäftsbeziehungen konzentrieren, indem aktuelle und potentielle Kundenwerte ermittelt werden.
Somit ist ein Maßstab für Investitionsentscheidungen gegeben, der einen gezielten Ausbau bestimmter Kundenbeziehungen ermöglicht. Der große Vorteil ist, dass verlustreiche oder nicht lohnenswerte Kundeninvestitionen vermieden werden können.
Im folgenden Abschnitt informieren wir euch über die Testvorbereitung und den Ablauf von A/B-Tests. Hierzu zählt die richtige Hypothesenbildung, die Unterteilung der Ergebnisse in primäre und sekundäre Ziele und die korrekte Durchführung des Testvorgangs.
Der Test beginnt bereits mit der Entwicklung einer geeigneten Hypothese, um zu definieren, was überhaupt untersucht werden soll und welche Variable in entsprechende Varianten aufgeteilt wird. Die Hypothese enthält stets eine Zielformulierung, in der eine Auswirkung der Variable auf das Ziel unterstellt wird. So könnte eine Hypothese wie folgt lauten: „Eine Farbänderung des CTA-Buttons führt zu einem Anstieg der Conversions.“
Mithilfe einer Hypothese lassen sich dann die Key-Performance-Indikatoren identifizieren, die während des A/B-Tests erhoben werden sollen. In unserem Beispiel wird die Variable „Farbe CTA-Button“ geändert und die Anzahl der Conversions als Indikator für die Bewertung herangezogen.
Die möglichen Erkenntnisse aus einem A/B-Test können durchaus vielschichtig sein und die jeweiligen KPIs liefern zusätzliche Informationen über das Nutzerverhalten, die nicht immer eindeutig zu interpretieren sind. So kann es der Fall sein, dass der Absatz im Online Shop steigt, aber der Wert des durchschnittlichen Warenkorbs sinkt.
Die primären Ziele sind diejenigen, die das ursprüngliche Motiv für die Erstellung des A/B-Tests darstellen. Die sekundären Ziele eines A/B-Tests sind die zusätzlichen Informationen, die über das Nutzerverhalten entstehen. So ist die Hypothese anfangs auf mögliche Schwächen in der Formulierung zu testen und in ihrer Relevanz einzuordnen.
Die Websitebesucher weisen nie die gleichen Eigenschaften auf und saisonale Schwankungen, wie etwa zu Weihnachten, führen beispielsweise in Online Shops zur Verzerrung durchschnittlicher Konversionsraten. Dementsprechend sollten A/B-Tests über längere und konstante Zeiträume (mehrere Wochen) durchgeführt werden und eine große Stichprobengesamtheit gewährleistet sein. Websitebesitzer mit geringem Traffic sollten den Testzeitraum entsprechend verlängern.
Nachdem alle relevanten Daten erfasst wurden, ist das Ergebnis des A/B-Tests dahingehend zu überprüfen, ob ein statistischer Zusammenhang zwischen den unterschiedlichen Varianten und der Konversionsrate besteht. Das Testergebnis ist dann statistisch signifikant, wenn die formulierte Alternativhypothese von unseren Daten gestützt wird.
Zunächst muss ein Signifikanzniveau festgelegt werden. Normalerweise wird der Schwellenwert auf 95% gesetzt, womit das Signifikanzniveau bei 5% liegt. Am Ende des Beitrages kommen wir hierauf zurück.
Nach der Datenerhebung wird die Anzahl der Konversionen und Nicht-Konversionen durch die Gesamtzahl der Besucher geteilt, um die prozentualen Anteile zu errechnen. Als Beispiel nehmen wir für die A-Variante 300 und für die B-Variante 600 Konversionen (insgesamt 900) und für Nicht-Konversionen bei der A-Variante 900 und für die B-Variante 1.200 (insgesamt 2.100). Das ergibt einen Stichprobenumfang von 3.000 Websitebesucher, von denen – unabhängig der einzelnen Varianten - 30% konvertiert und 70% nicht konvertiert sind.
Nachdem wir die prozentualen Anteile an konvertierten und nicht-konvertierten Besuchern errechnet haben, können wir die Anteile als Faktor für die Gesamtbesucherzahlen der jeweiligen Varianten nehmen, um den Erwartungswert für Konversionen und Nicht-Konversionen für die jeweiligen Varianten auszurechnen.
So kommen 1.200 von den 3.000 Besuchern von der Variante A. Dementsprechend multiplizieren wir die Besucheranzahl der Variante A mit den errechneten prozentualen Anteilen für die Conversions und Nicht-Conversions (1.200 x 0,3 = 360 und 1.200 x 0,7 = 840). Wir wiederholen die Rechnung mit den Werten für Variante B (1.800 x 0,3 = 540 und 1.800 x 0,7 = 1.260). Jetzt verfügen wir über die durchschnittlichen Erwartungswerte.
Nun können wir die Abweichung von unseren erhobenen Daten mit den ermittelten Erwartungswerten ausrechnen und die Ergebnisse in Beziehung setzen. Das Ergebnis wird als Chi-Quadrat-Wert bezeichnet. Um diesen zu erhalten wird folgende Rechnung angewendet: ((erwarteter Wert – tatsächlicher Wert)² / erwarteter Wert) = Chi-Quadrat-Wert.
Für die „Variante 1 – Conversions“ und die Variante 1 – keine Conversions“ sehen die Rechnung dann wie folgt aus: ((360 – 300)² / 360) = 10 und ((840 – 900)² / 840) = 4,29. Für die „Variante 2 – Conversions“ erhalten wir den Wert 6,67 und für „Variante 2 – keine Conversions“ 2,89. Nachdem wir alle Ergebnisse aufsummiert haben erhalten wir den Wert 23,85.
Mit einem Blick auf die Chi-Quadrat-Tabelle kann der Wert eingeordnet werden. Die Tabelle zeichnet am Zeilenanfang die Freiheitsgrade „n“ und in den Spalten die ausgewählten Wahrscheinlichkeiten „p“ aus. Wir haben ein Signifikanzniveau in Höhe von 5% festgelegt und zwei Varianten erstellt, die dem „Freiheitsgrad n = 1“ entsprechen.
Nun können wir aus der Tabelle den kritischen Chi-Quadrat Wert ablesen (Zeile n1 und Spalte p0.95), der 3,84 entspricht. Da wir mit unseren fiktiven Häufigkeiten auf den Wert 23,85 kommen, wurde eine statistische Signifikanz nachgewiesen. Das bedeutet das die Evidenz der Annahme, dass die Änderung der Variablen die Conversion-Rate nicht beeinflusst, anhand unserer Stichprobendaten sehr gering ist.
Im folgenden Abschnitt listen wir für euch die häufigsten Fehler auf, die in der Durchführung eines A/B-Tests begangen werden. Diese reichen vom Setup und der Einrichtung eines A/B-Tests bis hin zur Analyse und Interpretation der erhobenen Daten.
Wenn die Alternativhypothese nicht spezifisch genug ist, da die Formulierung zu vage beziehungsweise zu allgemein gehalten ist, wird die Messbarkeit mithilfe Key Performance Indikatoren erschwert. Ohne der Bestimmung einer eindeutigen Variable kann kein A/B-Test realistisch ausgeführt werden.
Ein weiterer Fehler ist eine zu geringe Stichprobengröße und somit fehlende Repräsentativität im Bezug zur Grundgesamtheit. Es gibt viele Online-Rechner mit Hilfe derer die ideale Stichprobengröße für eure Website errechnet werden kann. Unter Umständen kann die eigenständige Berechnung des Stichprobenumfangs als ungeübter Statistiker kompliziert sein.
Um aussagekräftige Ergebnisse zu erhalten und die Verzerrung über Zufälle größtenteils auszuschließen, muss neben der Stichprobengröße auch der Testzeitraum für den A/B-Test berechnet werden. Hierfür werden die Stichprobengröße der Variante am Tag, die Conversion-Rate und die relative Verbesserung der Conversion-Rate unter Miteinbezug des Schwellenwerts herangezogen. Auch hier gibt es Online-Rechner die den optimalen Testzeitraum bestimmen.
Mit der richtigen Formulierung von Hypothesen und Ableitung der relevanten Key-Performance Indikatoren sowie einer stringenten Testdurchführung und Auswertung, steht einem erfolgreichen A/B-Test nichts im Wege. Es ist jedoch wichtig im Hinterkopf zu behalten, dass für eine langfristige Optimierung der Website-Conversions viele weitere Faktoren eine Rolle spielen und die Veränderung von Webelementen nur einen Teilausschnitt darstellt.
A/B-Tests finden ihre Anwendung vor Allem als Online-Experiment für Websites, Apps, Newsletter oder Online-Kampagnen. Das Ziel der Experimente ist stets, ein vordefiniertes Konversionsziel, wie beispielsweise Registrierungen und Klicks zu optimieren oder den Produktabsatz zu erhöhen.
Bei einem A/B-Test handelt es sich um die Bewertung von zwei Varianten eines Systems mithilfe eines Experiments, in dem die Originalversion mit der Testvariante anhand von Key-Performance-Indikatoren verglichen wird. Das bedeutet, dass beispielsweise eine zweite Variante einer Webseite erstellt wird, die mit der ursprünglichen Variante auf ihre Nutzerinteraktion hin verglichen wird.
Es lassen sich im Allgemeinen drei Testarten unterscheiden. Im folgenden Abschnitt informieren wir euch über die Unterschiede von klassischen A/B-Tests, Split-Tests und multivariaten Verfahren.
Ein klassischer A/B-Test findet unter ein und derselben URL statt, indem beispielsweise einzelne Elemente innerhalb einer Webseite geändert werden. Ein Split-Test ist ein Weiterleitungstest und ist somit von zwei unterschiedlichen URLs abhängig. Hier wird der Website-Traffic auf eine neue URL umgeleitet, die die Variante B darstellt.
Während in klassischen A/B-Tests stets eine unabhängige Variable verändert wird, ermöglichen Multivariate-Tests das Testen von Hypothesen durch die Veränderung mehrerer Variablen. Dementsprechend werden mehrere Varianten erstellt, die das Produkt der Kombinationen der zu verändernden Elemente sind (Varianten des Elements „A“ x Varianten des Elements „B“ = Varianten insgesamt).
Der Vorteil von multivariaten Tests ist, dass durch die Identifikation der besten Kombination von Elementen im Vergleich zum klassischen A/B-Test eine erhöhte Validität der Ergebnisse zu erzielen ist. Ein Voraussetzung für diese Testart ist jedoch, dass der Website-Traffic hoch genug ist, um repräsentative Ergebnisse erzielen zu können.
Ein A/B-Test sollte sorgfältig vorbereitet werden, um die Qualität zu gewährleisten. Hierbei ist die gelungene Hypothesenbildung essentiell, um überhaupt die entsprechenden Varianten erstellen zu können. Zudem sollten die Key-Performance-Indikatoren identifiziert werden, um die Hypothese zu bestätigen oder zu verwerfen.
Zunächst wird eine Hypothese gebildet, die die zu untersuchende Variable definiert und somit den A/B-Test einleitet. Es ist wichtig starke Hypothesen zu bilden, um einen erfolgreichen A/B-Test zu generieren. Das bedeutet, dass das mutmaßliche Problem klar identifizierbar und eine mögliche Lösung für das Problem abzuleiten ist.
Das zu erwartende Ergebnis muss ebenso formulierbar und anhand von Key-Performance-Indikatoren messbar sein. So könnte eine hinreichende Hypothese wie folgt aussehen: „Eine Änderung der Farbe des In-den-Warenkorb-Buttons von grau zu rot erzeugt eine höhere Bereitschaft das Produkt zu kaufen und erhöht somit den Absatz um 10 Prozent“.
Im Zentrum der vergleichenden Auswertung steht die Nutzerinteraktion mit den jeweiligen Varianten (A und B). Für die Messbarkeit der Veränderung oder der Interaktionen darf daher nur immer eine Variable der ursprünglichen Version geändert werden, um die jeweiligen Veränderungen der Indikatoren, wie beispielsweise das Kaufverhalten der Website-Besucher, genau zuordnen zu können.
Zudem sollte ein ausreichender Website-Traffic (Stichprobengesamtheit) gewährleistet sein, um aussagekräftige Ergebnisse zu erhalten und um Zufälle ausschließen zu können. Neben diesen Voraussetzungen sollte ein A/B-Test nicht im Kontext saisonaler Schwankungen durchgeführt werden, da beispielsweise eine erhöhte Kaufbereitschaft im Dezember eher auf Weihnachtseinkäufe anstatt auf eine gelungene Änderung des „Jetzt-Kaufen-Buttons“ zurückzuführen ist.
Nachdem eine Hypothese aufgestellt und ein/e Element/Variable identifiziert wurde, ist es an der Zeit mit dem A/B-Test zu beginnen. Die ursprüngliche Version (Variante A) fungiert als Kontrollversion der Seite und die Variante B ist dementsprechend die Testversion der Webseite. Der Besucherstrom wird, je nach Auswahl der prozentualen Verteilung (50:50, 40:60, 30:70), auf die beiden Varianten per Zufallsprinzip aufgeteilt.
Daraufhin wird nach einem vordefinierten Zeitraum und einer ausreichenden Anzahl von Besuchern auf die zuvor getätigte Hypothese und den zu messenden Indikatoren zurückgegriffen, um schlussendlich die Performance der Varianten entgegenzustellen und zu vergleichen.
Sollte die Variante A zu einer Konversionsrate von 15% geführt haben und die Variante B 30% aller Besucher zu einem Kauf angeregt haben, so ist letztere zu wählen und der A/B-Test war erfolgreich.
Typische Elemente die in A/B-Tests getestet werden sind Titel und Überschriften, Call-to-action – Buttons, weitere Arten von Buttons, Bilder, die Seitenstruktur, Formulare, Preise und die Navigation auf der Seite.
Änderungen im Titel und Überschriften beziehen sich häufig auf die Schriftart, den Inhalt, Form oder Farbe. Buttons und spezielle Call-to-action – Buttons können in ihrer Farbe, der Schrift, Platzierung, Größe oder verwendeten Wörter geändert werden.
Ebenso gibt es unzählige Variationsmöglichkeiten in der Bildgestaltung. Zum Einen können verschiedene Bilder getestet, die Platzierung geändert oder eine Größenvariationen erstellt werden. Zum Anderen kann das Bild an sich bearbeitet werden, indem der Farbton, die Sättigung oder die Helligkeit verändert wird.
Die Seite kann umstrukturiert werden, indem Bilder oder Banner einen neuen Platz bekommen, die Navigation mehrere Conversion-Funnel einbindet oder beliebte Produkte verlinkt werden. Auch Formulare bieten Veränderungspotential. Neben einer Neustrukturierung der Spalten und dem Entfernen von optionalen Feldern können Formulare ebenso in ihrem Wortlaut geändert werden.
A/B-Tests sind nur ein Puzzleteil für den Erfolg von Online-Marketingmaßnahmen, da es unzählige weitere Variablen gibt, die die Konversionsrate oder das Ziel von Websites beeinflussen. Beispielsweise spielt die Qualität des generierten Traffics oder des Angebots auf der Website eine entscheidende Bedeutung. Ebenso ist der unmittelbare Wettbewerb und die eigene Markenbekanntheit mit einzubeziehen.
Mit A/B-Tests können Vermutungen in Form von Hypothesen statistisch untersucht werden. Das bedeutet, dass noch weitere Methoden für die Optimierung der Konversionsrate zum Einsatz kommen müssen, um alle Puzzleteile zu einem Gesamtbild zusammenzufügen. Unter Anderem konkretisieren und visualisieren Heatmaps und Session Recordings die Ergebnisse von A/B-Tests, während Usability-Tests qualitative Daten generieren und Web Analytics Metriken Conversion Probleme eingehender beschreiben und identifizieren.
Über die Trafficanalyse ist eine eingehende Analyse der Akquisitionskanäle der Website möglich. Matomo bietet hierzu eine Visualisierung der Einstiegs- und Ausstiegsseiten einer URL der eigenen Website, die man frei wählen kann. Hier wird die Anzahl der Seitenansichten innerhalb eines zu definierenden Zeitraums angezeigt, sowie die Zusammensetzung aus den einzelnen Akquisitionskanälen. Somit kann jede URL der Website über die jeweiligen Akquisitionskanäle analysiert werden.
Die Auflistung der Einstiegsseiten enthält die prozentuale Verteilung des generierten Traffics von internen Seiten, Suchmaschinen, externen Websites, Kampagnen, sozialen Netzwerken und direkten Zugriffen. Die insgesamten Seitenansichten, sowie die absoluten Zahlen zu den jeweiligen Kanäle, befinden sich im mittigen URL- / Seitenfenster.
Somit lassen sich neben dem internen Traffic unterschiedliche Marketingkanäle auf einen Blick einordnen. Über die Suchmaschinenansicht werden die getätigten Suchbegriffe angezeigt, die zu einer Seitenansicht geführt haben. Über externe Websites werden die vorherigen Aufenthaltsorte der Websitebesucher aufgeschlüsselt, womit mögliche externe Verweise, aber auch Interessen und Such-Korrelationen der Besucher offensichtlich werden.
Auch die Ausstiegsseiten werden in ihrer prozentualen Verteilung aufgelistet. Es werden Ausstiege zu internen Seiten und Suchen, sowie über ausgehende Links und generelle Ausstiege angezeigt. Die absoluten Zahlen zu den einzelnen Ausstiegskategorien sind wieder im mittigen Seitenfenster zu finden.
In der Akquisitionsübersicht visualisiert Matomo die Entwicklung der verfügbaren Metriken und Datensätze über einen frei wählbaren Zeitraum. Es können Diagramme zu den Besuchen und Aktionen über Suchmaschinen, Websites, soziale Netzwerke oder Kampagnen erstellt werden.
Zu den einzelnen Kanälen werden die jeweiligen prozentualen Veränderungen der Besuche im Vergleich zum Vormonat dargestellt. Hierüber lassen sich getätigte Maßnahmen auf ihre Effektivität hin bewerten und die relevantesten Marketingkanäle der eigenen Website identifizieren. Dementsprechend zeichnet sich die Trafficanalyse mit Matomo über breite Visualisierungsoptionen aus.
Die Kanaltypen können zudem noch einmal gesondert betrachtet werden. Matomo listet hier die Besuche, Aktionen und somit die durchschnittlichen Aktionen pro Besuch auf. Des Weiteren erhält der Nutzer kanalspezifische Informationen über die durchschnittliche Aufenthaltsdauer und der Bounce Rate.
Das Webanalyse-Tool listet unter dem Menü Suchmaschinen und Suchbegriffe alle verwendeten Begriffe innerhalb der Web- und Bildersuche, sowie alle genutzten Suchmaschinen auf. Ein großer Vorteil besteht darin, dass der Nutzer zum Einen die Suchintentionen der Websitebesucher besser versteht und zum Anderen alle relevanten Keywords erhält, unter denen die Website rankt.
Somit können Optimierungen und Anpassungen hinsichtlich des Contents und der allgemeinen Suchmaschinenoptimierung evaluiert und umgesetzt werden. Dementsprechend ist es immer vom Vorteil, die über Matomo verfügbaren Daten zu Gunsten eigener Unternehmenszwecke erneut einzuordnen und aufzubereiten.
Unter den Menüpunkten Websites und soziale Netzwerke werden die Besuche von allen externen Websites und den jeweiligen Social Media Kanälen aufgelistet. Vor Allem der Menüpunkt soziale Netzwerke bietet informationsreiche Metriken. Hier werden die Besuche, Bestellungen oder Conversion Rates der einzelnen Kanäle aufgeführt. So lassen sich die erstellten Inhalte und Werbemaßnahmen auf die Wirksamkeit der definierten Zielgruppen überprüfen.
Mit dem Kampagnen-URL Erzeuger werden die Trackingmöglichkeiten und die Funktionalität des Webanalyse-Tools Matomo erweitert. Der URL-Erzeuger ermöglicht das Tracking von Newsletter- und E-Mail-Kampagnen, Google und Facebook Ads, Display- und Bannerwerbungen, Gast-Blogbeiträge und vieles mehr.
Mit dem Kampagnen-URL Erzeuger werden die Trackingmöglichkeiten und die Funktionalität des Webanalyse-Tools Matomo erweitert. Der URL-Erzeuger ermöglicht das Tracking von Newsletter- und E-Mail-Kampagnen, Google und Facebook Ads, Display- und Bannerwerbungen, Gast-Blogbeiträge und vieles mehr.
Und so funktioniert das Kampagnen Tracking – der Nutzer fügt die jeweilige Seiten URL in den Erzeuger ein und definiert einen Namen für die Kampagne. Daraufhin generiert Matomo den Trackinglink und fügt dem Verzeichnis automatisch Parameter hinzu. Der Trackinglink kann nun in die Kampagnen eingesetzt oder als Link für die verschiedensten Zwecke verwendet werden.
Der Nutzer gewinnt somit einen Überblick über die Besucher, Aktionen, Conversions und Umsätze der jeweiligen Kampagnen und kann diese miteinander vergleichen. Über die jeweiligen Besucherprofile ist die websiteinterne URL-Historie der Kampagnenbesucher aufgelistet. Somit sind das Verhalten und die jeweiligen Interessen der Kampagnenbesucher einsehbar und Optimierungen hinsichtlich der Unternehmensziele möglich.
Mithilfe den von Matomo bereitgestellten Metriken zur Akquisition und Trackinganalyse ist eine datengetriebene Steuerung zur Erreichung webbasierter Unternehmensziele problemlos möglich. Neben den jeweiligen Statistiken zu den Akquisitionskanälen und deren Vergleich, bietet ein granularer Einblick in das Verhalten über einzelne Besucherprofile konkrete Handlungsempfehlungen zur Optimierung der eigenen Website. Eine zusätzliche Erweiterung zu dem bereits umfassenden Tracking bietet der URL-Erzeuger. So können auch externe Aktionen stets auf ihre Effizienz und Ergebnisse hin eingesehen und optimiert werden.
Die Besucheranalyse (Matomo) ist ein relevanter Baustein für die Evaluierung digitaler Marketingmaßnahmen und insbesondere im E-Commerce von besonderer Bedeutung. Besucheranalysen ermöglichen einen unmittelbaren Einblick in den Websitetraffic und der Nutzer erfährt, woher die Besucher kommen, wie die Website besucht wird und welche Aktionen auf den jeweiligen Seiten ausgeführt werden.
Das Webanalyse Tool Matomo besitzt alle notwendigen Voraussetzungen für detaillierte und aufschlussreiche Besucheranalysen. Im folgenden Beitrag informieren wir euch über Matomos Tracking-Möglichkeiten und den daraus resultierenden Statistiken, die für die Analyse des Besucherverhaltens von Bedeutung sind und Anhaltspunkte zur Optimierung der Website-Performance bieten.
Auf der Übersichtsseite werden die wichtigsten Informationen über das Besucherverhalten gebündelt und grafisch aufbereitet. Der Zeitraum kann über manuelle Eingaben individuell konfiguriert werden – von einem Tag bis hin zu einem Monat oder Jahr. Hier findet der Nutzer überwiegend absolute Zahlen zu den Besuchern, der durchschnittlichen Aufenthaltsdauer, den Aktionen pro Besuch, Seitenansichten und Downloads, die sich jeweils grafisch aufbereiten lassen.
Im Besucher-Log werden die einzelnen Besucherprofile der Website historisch aufgeführt. Der Nutzer erhält innerhalb der jeweiligen Profile einen detaillierten Einblick in das Verhalten des Websitebesuchers. Neben allgemeinen Informationen, wie Ort, Datum, Uhrzeit, Browser und Endgerät, listet Matomo die einzelnen Besuche mitsamt Aktionen auf.
So erhält der Nutzer einen direkten Einblick in die Seiten-Historie eines jeden Besuchers. Gerade für Besitzer eines Online Shops sind die URL-Pfade und Produktansichten der einzelnen Besucher von Interesse. Die Aufenthaltsdauer und die Seitenladegeschwindigkeit sind ebenso aufgeführt, wie die Anzahl der Besuche. Somit können spezifische Produkt- und Inhaltsinteressen auf einen Blick ausfindig gemacht werden und die Anzeigenrelevanz in Online Marketing Maßnahmen gesteigert werden.
Matomo bereitet die lokalisierten Besuche in Echtzeit auf. So erhält der Nutzer eine Weltkarte, in der alle Besucher, mitsamt den Seitenansichten und Aktionen, geografisch verortet sind. Mit einem Klick auf ausgewählte Standorte sind die jeweiligen Besucherprofile direkt abrufbar.
Somit kann beispielsweise die Nachfrage nach Produkten oder Dienstleistungen auf geografische Gebiete eingegrenzt und die Werberelevanz erhöht werden. Zudem kann der Matomo-Nutzer die Erfordernisse von weiteren Sprachversionen der Website evaluieren und gegebenenfalls den Nutzern die Inhalte in ihrer Sprache ausspielen lassen. Somit ist die Besucheranalyse mit Matomo nicht zur für eigene Zwecke, sondern ebenso für Benutzerfreundlichkeit vorteilhaft
Die Identifizierung von Einzelpersonen ist ausgeschlossen, da Matomo die Daten anonymisiert erhebt. Zudem werden nicht alle Besucher lokalisiert erfasst, da die Nutzung von VPN oder Proxy Servern die Informationen unzugänglich machen.
Über Orte lassen sich die unterschiedlichen Länder der Besucher filtern, sodass zu einzelnen Regionen und Städten der jeweiligen Länder die eindeutigen Besucherzahlen in einem selbst gewählten Zeitraum angezeigt werden. So erfährt der Nutzer, aus welchen Städten und Regionen die meisten Besucher kommen. Für repräsentative Ergebnisse ist ein monatlicher Vergleich, beziehungsweise Jahresvergleich, sinnvoll.
Für die einzelnen Städten sind jeweils die wichtigsten Metriken verfügbar. Hier werden die Besuche, eindeutigen Besucher, Aktionen, die Durchschnittszeit und die Absprungrate für einen beliebigen Zeitraum städtespezifisch angezeigt.
Matomo zeigt seinen Nutzern die Gerätetypen, Modelle und Marken der Besucher an. Hierzu wird jeweils die Anzahl der Besuche und der relative Anteil pro Kategorie präsentiert. So wird ersichtlich, wie hoch der Anteil der Nutzer von mobilen Endgeräten ist und welche Mobilgerätetypen konkret genutzt werden. Die Software-Seite enthält Informationen über die Betriebssystem-Versionen und verwendeten Browser. Hier kann die Frage geklärt werden, wie groß der Anteil von Nutzern ist, die eine gewisse Software nutzen. Somit kann die jeweilige Webentwicklung evaluieren, inwiefern die Websitebesucher neue Funktionen überhaupt nutzen können und welche technische Standards Sinn ergeben.
Mit der Benutzer ID - Funktion von Matomo können eindeutige Besucher über mehrere Geräte und unterschiedliche Browser hinweg getrackt werden. Das bedeutet, dass ein Nutzer eindeutig identifizierbar wird und die Besucherzahlen genauer werden. Die Voraussetzung hierfür ist, dass dem Besucher eine eindeutige und dauerhafte ID zugewiesen wird, indem dieser sich beispielsweise über ein Log-In auf der Website anmeldet.
Die Implementierung der Benutzer ID in WordPress ist über das WP-Matomo-Plugin möglich. Über die Registerkarte „Tracking aktivieren“ im Dropdown-Menü lassen sich unterschiedliche Indikatoren einer ID zuweisen, wie beispielsweise die E-Mail Adresse.
Die Besucheranalyse mit Matomo bietet einen idealen Einblick in das Verhalten der eigenen Websitebesucher. Der Nutzer erhält zum einen Daten über einzelne Besucher und zum anderen Einsichten in das generelle, durchschnittliche Nutzerverhalten. Somit können unterschiedliche Ebenen analysiert und entsprechend optimiert werden. Darüber hinaus enthält Matomo spannende Features, wie unter Anderem die Besucherkarte in Echtzeit oder Benutzer ID´s, womit die Möglichkeiten einer eingehenden Webanalyse ausgeschöpft werden.
Beim Softwareprodukt Piwik handelt es sich um ein kostenloses Open-Source-Programm, das Webanalytik anbietet. Bekannt ist sie vor allem als Nachfolgeprojekt des mittlerweile nicht mehr verfügbaren Projekts namens phpMyVisites. Finanziert wird es von Sponsoren. Seit 21. November 2008 steht das Softwareprodukt als von SorceForge.net gehostete App für Entwickler im Angebot. Die erste Version 0.1 ist am 6. März 2009 erschienen und wurde seither fast 1.820.000 Mal heruntergeladen. Nutzer davon sind zum Beispiel T-Mobile, Forbes und Sharp sowie Wikimedia Deutschland. Derzeit ist Piwik nach Google Analytics deutschlandweit das am meist verwendete Werkzeug im Zusammenhang mit Webanalytik. Dieser Artikel klärt auf worin die Vor- und Nachteile der Software liegen, was die die Anwendung kostet warum sich die Nutzung für Sie lohnt.
Die Software Piwik bietet zahlreiche Funktionen an. So zum Beispiel liefert sie eine Statistik über die täglichen Seitenabrufe – sowohl kumuliert als auch als Echtzeitlog. Darüber hinaus gibt sie einen Überblick über unique visits. Auch eine Besucheranalyse im Hinblick auf Herkunftsländer, Betriebssysteme und Browser erstellt Piwik im Nu. Weitere Leistungen sind die Referreranalyse, die Definition eines oder mehrerer Ziele, die Mandantenfähigkeit für mehr als eine Webseite und das Ziel- sowie Kampagnentracking im Sinne des Ecommerce. Mithilfe von Piwik ist es leicht möglich, die eigene IP-Adresse zu anonymisieren und für mehr Datenschutz zu sorgen. Ebenfalls stehen Clients für iOS sowie Android zur Verfügung. Zusammenfassend kann konstatiert werden, dass Piwik ähnliche Leistungen wie Google Analytics anbietet und demzufolge als eine gute Alternative hierzu betrachtet werden kann. Der Vorteil dieses Softwareprodukts gegenüber dem herkömmlichen Google Analytics besteht darin, dass datenschutzrechtliche und sensible Daten auf dem eigenen Server gespeichert werden.
Piwik weist gegenüber anderen Werkzeugen in Verbindung mit Webanalytic diverse Vorteile, aber auch einige Nachteile auf. Als enormer Vorteil ist zum Beispiel ihr Speicherort zu nennen. Anstatt dass sich dieser, wie es bei einigen Konkurrenz-Softwareprodukten üblich ist, bei einem Drittanbieter befindet, ist er direkt auf dem Anwender-Server platziert. Dadurch entfällt die Sorge in Bezugnahme auf einen potenziellen Datenmissbrauch.
Ein weiterer Vorteil besteht in der Übersicht. Im Vergleich zu Google Analytics bietet Piwik mehr Übersichtlichkeit im Bereich Design. Dasselbe fällt bei der sehr raschen und auch für Laien verständlichen Ergebnispräsentation auf. Darüber hinaus hilft es dem User beim Erkennen, bei welchen Inhalten die Absprungrate besonders hoch ausfällt. Dadurch kann diese künftig vermieden werden.
Ein weiterer Pluspunkt ist die Möglichkeit des Nutzers, eine IP-basierte ID zu erhalten. Dadurch ist es möglich, bestimmte Verhaltensverläufe zu erstellen. Die Nachteile bestehen hingegen in der nicht vorhandenen Möglichkeit von einstellbaren benutzerdefinierten Zeiträumen für Statistiken, in der fehlenden Option des Vergleichs von Zeiträumen miteinander sowie in der Abwesenheit von der Möglichkeit, unterschiedliche Statistiken miteinander zu kombinieren. Auch ist es nicht möglich, eine Verknüpfung zu Google AdWords herzustellen und eine benutzerdefinierte Berichterstellung zu erhalten.
Wenn ihr die Vorteile erkannt und die Software zu eurem Vorteil nutzen möchten, solltet ihr bei der Anwendung trotzdem noch eine bedeutende Regel beachten. So ist es wichtig, dass ihr dem Einsatz des Tools gesehen widersprechen können. Darüber hat der Webseitenbetreiber dem Landgericht Frankfurt am Main zufolge seine Nutzer eindeutig aufzuklären. Der Datenschutzbeauftragte Thilo Weichert aus Schleswig-Holstein äußerte vor kurzem den Hinweis, dass Piwik aktuell das im Hinblick auf den Datenschutz freundlichste Verfahren zur Analyse sei. Alternative Tools wie zum Beispiel Google Analytics seien seiner Meinung nach in diesem Zusammenhang um einiges schlimmer. Er gab aber ebenso an, dass es die Vorgaben vonseiten des Telemediengesetzes einzuhalten habe.
Wir können Piwik guten Gewissens weiterempfehlen. Die Installation erfolgt in schnellen und einfachen Schritten, die Software bietet eine ausreichende Performance und die statistische Auswertung gelingt einwandfrei. Ein weiterer Grund für die Nutzung von Piwik ist die mit dem Softwareprodukt verbundene Geld- und Zeitersparnis. Wer zudem noch Wert auf Datenschutz, Benutzerfreundlichkeit und Transparenz legt, ist mit Piwik sicherlich bestens bedient.
„Heatmaps“ werden nicht nur unter anderem beim Militär genutzt, um Temperaturunterschiede grafisch zu visualisieren - eine weitere Möglichkeit ist das Verhalten von Webseitenbesuchern mittels einer Heatmap-Analyse zu visualisieren. Bereiche in denen der User am meisten klickt sind sogenannte „heiße“ Bereiche. Weiß werden Bereiche mit vielen Klicks dargestellt, während wenig beachtete Bereiche in Blau angezeigt werden. Diese Methode ermöglicht es dem Heatmap-Nutzer die Klicks der Besucher auszuwerten, sprich: zu schauen wo der User am meisten klickt. Folgend werden die wichtigsten Begriffe der Heatmap-Analyse erläutert.
Nicht nur die Bereiche die der Besucher am meisten geklickt hat sind aufschlussreich, sondern auch die Bewegungen, die mit der Maus getätigt wurden. Der User richtet oftmals die Mouse unbewusst auf die Bereiche der Website, auf die er gerade schaut. Daraus kann man ableiten, welche Bereiche der Website von besonderer Relevanz für den Nutzer sind.
Die Clickmap wird oftmals umgangssprachlich „Confetti-Map“ genannt, da jeder Click einzeln angezeigt wird. Stellt man sich das einmal im inneren Auge vor, so kann man verstehen, warum die Clickmap oftmals „Confettimap“ genannt wird.
Hier werden die Farben Weiß und Blau wieder besonders relevant. Bereiche, die besonders oft angeschaut werden, sind mit der Farbe Weiß gekennzeichnet. Nicht so häufig angeschaute Zonen der Website werden wieder in Blau gekennzeichnet. Experten schwören auf die Verwendung einer Kombination aus verschiedenen Analysesystemen, um ein möglichst exaktes Analyseergebnis zu erzielen, jedoch würden auch schon die oben genannten Systeme für eine digitale Verhaltensanalyse ausreichen.
Eine Heatmap Analyse macht erst Sinn, wenn ihr ausreichend Traffic erzielt. Bei wenigen Besuchern, die sich täglich auf die Seite „verirren“ ist sie daher aussichtslos. Heatmaps empfehlen sich nicht bei dynamischen Seiten, denn wenn sich die Inhalte ständig verändern, bekommt man keine wirklich messbaren Ergebnisse. Daher empfehlen wir die Heatmap Analyse bei statischen Seiten, deren Inhalt sich nicht ständig verändert. Ihr könnt so genannte Split-Tests durchführen, bei denen die einzelnen Elemente nicht gleichzeitig, sondern nacheinander getestet werden. Habt ihr einige Punkte gefunden, die ihr unbedingt verändern müsst, verbessert auf keinen Fall alle Faktoren gleichzeitig. Sondern ändert nach und nach einzelne Elemente, um bemessen zu können, ob die Änderung einen Erfolg mit sich bringt oder nicht.
Anhand exakter Analyseergebnissen könnt ihr die Navigation auf eurer Seite optimieren, sowie die Verweildauer der User auf der Website maximieren. In der Navigation der Seite ist es besonders wichtig, dass alle Elemente der Seite gezielt gesetzt werden, damit man den User bestmöglich durch die Seite führt und er den Weg nimmt, den man für ihn geebnet hat. Das Ziel ist es, den Besucher zum Kauf eines Produktes zu führen. Natürlich könnt ihr bei der Entwicklung der Website vermuten, wie sich der Besucher verhalten wird. Aber mit Vermutungen lassen sich schwieriger Leads generieren, als mit Wissen.
Läuft die Website oder die Verkäufe in eurem Onlineshop nicht so recht, sollten ihr dringend die KPIs (Kennzahlen) eurer Webauftritte tracken. Ohne messbaren Kenngrößen kann der Erfolg der Website oder des Onlineshops nicht nachgewiesen werden.
Doch welche KPIs sind wirklich wichtig und warum? Hier findet ihr die Antwort! Vor der Analyse steht eine genaue Zieldefinition an. Denn wer nicht weiß was er erreichen möchte, kann nicht messen, ob er erfolgreich ist. Obwohl die Kennzahlen als Erfolgsmesser von Branche zu Branche unterschiedlich sind, gibt es ein paar Klassiker, die für jeden Marketing Manager Erfolg oder Misserfolg klar aufzeigen können.
Die Zahl der Seitenaufrufe bezeichnet die Zahl aller Sichtkontakte der Website. Im digitalen Marketing gehört diese Kenngröße zu einem absoluten Standard zur Messung von Erfolg und Misserfolg. Faustregel: Je mehr Page Impressions eine Website aufweisen kann, desto attraktiver ist die Seite in der Regel auch für eure Zielgruppe. Um einen falschen Eindruck zu vermeiden, solltet ihr die Seitenaufrufe und Page Impressions immer mit anderen KPIs betrachten.
Die Anzahl der der einzelnen Seitenaufrufe zeigt, wie viele einzelne Unterseiten die Nutzer, unabhängig von der Anzahl der Besuche, aufrufen. Hier fließen auch mehrfach Besuche mit ein. Besucht eine Person mehrfach eure Website, so wird dieser als ein Unique Visitor gezählt. Die Zahl der Seitenaufrufe zeigt an, wie viele Unterseiten einer Website angezeigt worden sind, unabhängig von den Unique Visitors. Das ganze läuft über die Nutzung von Cookies und Pixeln, die beim Nutzer gesetzt und durch Analysetools ausgewertet werden. Ein exaktes Tracking ohne Messfehler ist kaum möglich, da Website-Nutzer immer die Möglichkeit haben, Cookies zu löschen oder zu blockieren.
Die Verweildauer gibt an, wie lange ein User während eines Besuches auf der Website bleibt. Hierbei misst ein Analysetool die Zeit zwischen dem ersten Aufruf und dem Absprung von einer Website. Springen die Besucher schon nach wenigen Sekunden wieder von der Seite ab, so lassen sich Rückschlüsse auf etwaige Defizite im Content oder in der Bedienung ziehen. Auch hier ist es wichtig zu beachten, dass verschiedene Analysetools verschiedene Ansätze zur Messung der Verweildauer nutzen und eine hundertprozentige und fehlerfreie Analyse nicht möglich ist.
Die Conversion Rate gibt an, wie viele Interessenten auf eurer Website tatsächlich eine zuvor festgelegte Aktion durchführen. Solch ein Abschluss muss nicht immer der Kauf eines Produkts sein. Neben vielen weiteren Möglichkeiten ist das Abonnieren eines Newsletters beispielsweise eine Trackingoption.
Setzt euch die Ziele, die ihr erreichen wollt und misst daraufhin euren Erfolg. Die Conversion Rate ist, insbesondere für Onlinehändler, der KPI schlechthin, um herauszufinden, wie gut eure Webperformance die Geschäftsziele unterstützt.
Die Absprungrate ist sicherlich nicht die erfreulichste Rate, aber dennoch eine sehr wichtige Kennzahl. An dieser Kennzahl könnt ihr unmissverständlich feststellen, wie viel Prozent der Besucher nur eine einzige Seite ansehen und diese direkt wieder verlassen. Diese Kennzahl ist ein wichtiges Indiz für die Qualität der Website. Ist die Usability schlecht und das Webdesign unübersichtlich, so springen die Besucher schnell wieder von der Seite ab und kommen nicht zum Abschluss in Form einer Conversion.
Findet heraus, woher euer Website-Traffic kommt. So könnt ihr fundierte Entscheidungen darüber treffen, worauf ihr eure Zeit und Budget konzentrieren solltet. Zieht immer mehrere KPIs bei der Messung des Erfolges in Betracht und verlasst euch nicht auf nur einen Indikatoren.
Wir haben einmal die wichtigsten Bestandteile eines Formulars unter die Lupe genommen, und die passenden Tipps für Sie herausgearbeitet:
Mit diesen Hinweisen ist Ihr Formular bedienerfreundlich eingerichtet und verhilft Ihnen mit Sicherheit auch zu mehr Conversions. Natürlich wollen Sie am liebsten so viele Informationen wie möglich auf einmal sammeln. Aber letztendlich machen sich kürzere und einfachere Formulare trotzdem bezahlt. Denn: jedes zusätzliche auszufüllende Feld stellt für Ihre Kunden eine zusätzliche Hürde dar, das Formular tatsächlich auszufüllen. Sie werden sehen: es lohnt sich, sich in Ihre Kunden reinzudenken und Ihnen den Aufenthalt auf Ihrer Seite so einfach und angenehm wie möglich zu machen.
