Heute soll es um eine Frage gehen, die vor allem die angeht, die mit Analytics noch auf Kriegsfuß stehen oder gerade erste Schritte machen: „Was soll ich eigentlich mit diesem Analyticskrams machen?“
Irgendwer in meinem Unternehmen hat Analytics gekauft und implementiert, und ich soll jetzt damit arbeiten. Oder vielleicht habe ich gerade einen neuen Job angefangen und Teil dessen ist dieses Analytics.
Generell ist die Frage „Wo soll ich anfangen?“ recht schwierig zu beantworten, daher teilen wir das mal nach Branche und Funktion auf. Wir sind heute mal so und lassen den einfachen Teil (Retail & Marketing) weg, damit andere auch auf ihre Kosten kommen.
Medien, Autoren, Editoren
Ich schreibe beruflich Artikel, die online publiziert werden. Wo soll ich mit Analytics anfangen?
Ganz klassisch: Page Views vergleichen. War mein Artikel populärer als andere zur gleichen Zeit? War meiner über längere Zeit gefragt? War er so gut, daß er auf der Homepage gezeigt wurde? Wie weit oben und wie lange?
Diese Art Analyse kann mein Ego stärken, hat aber einen großen Nachteil: Ich kann aus den Zahlen kaum sinnvolle Rückschlüsse ziehen!
Besser könnte sein, mir Analysen über die Benutzer anzusehen, die meine(n) Artikel abgerufen haben. Wo kamen sie her? Google? Facebook oder ein anderes Soziales Netzwerk? Vielleicht von einem anderen Artikel irgendwo im Internet?
Wonach haben sie bei Google gesucht? Was für ein Artikel oder Tweet war das, der sie gebracht hat? Wo genau auf meiner Site sind sie aufgeschlagen? Auf meinem Artikel? Oder sind sie quasi indirekt auf meinem Artikel gelandet?
Waren sie vorher schonmal da oder sind es ganz neue Leser?
All diese Informationen kann ich nutzen, wenn ich gezielter für die Art Leserkreis schreiben will, der am ehesten meine Artikel lädt.
In einem etwas fortgeschritteneren Stadium würde ich kombinieren: Neuleser versus Wiederkehrer verknüpfen mit der Information darüber, wo die Nutzer herkamen und wo sie ankamen.
Die Theorie: „Neubenutzer kommen mit themenspezifischen Suchworten von Google und landen direkt auf einem Artikel“ versus „Regelmäßige Benutzer tippen die URL ein, landen also auf der Homepage und suchen sich dann Artikel aus“. Sowas kann man mit der Analyse oben schön überprüfen. Das Editorial kann dann die Homepage ganz anders nutzen als das bei der traditionellen Titelseite einer Zeitung gemacht wird.
Und auch als Autor und Editor habe ich bessere Chancen, wenn ich die direkt auf Artikeln gelandeten Neubenutzer tiefer in die Materie geleite, d.h. ihnen mit Links und entsprechendem Text mehr Artikel schmackhaft mache.
Finanzen
Ich bin verantwortlich für den Onlineauftritt eines Produktes bei einem Finanzdienstleister, z.B. für Kreditkarten oder Girokonten. Wo soll ich mit der Webanalyse anfangen?
Prinzipiell hat die Finanzindustrie zwei interessante Aspekte im Zusammenhang mit Online:
- Lange Zeiträume bis zur Konversion
- Eine hohe Abhängigkeit von offline
Das Nutzungsprofil für die meisten Finanzdienstleistung ist nicht wie im Retail (Google, nochmal Google, Website, Kauf). Kunden informieren sich weitaus umfassender und auch länger. Das weist direkt den Weg zum ersten Schritt der Analyse: Unbedingt sicherstellen, daß das Tracking richtig funktioniert und vor allem auch überall gleich.
Benutzer kommen oft mehrmals von verschiedenen Quellen und sehen sich dabei erstmal Informationsseiten an („brochure ware“). Es ist wichtig, daß diese Seiten ordentlich getaggt sind, damit man a) Analysen über Herkunft und „Engagement“ machen kann und b) die Benutzer auch wiedererkennt, wenn sie dann irgendwann mal in einen Funnel hereinkommen.
Hintergrund dieser Empfehlung: Wer wissen will, ob die brochure ware hilft, der muß in der Lage sein, den Benutzer darüber hinaus zu verfolgen. Hilft ja nichts, wenn ich weiß wieviele Leute wie oft meine PDFs lesen, wenn ich dann nicht sagen kann, ob sie am Ende auch eine Kreditkarte beantragen.
Die Einstiegshürde ist hier eindeutig höher als bei Retail oder Media, keine Frage.
Der zweite Aspekt ist, daß bei den meisten Produkten am Ende des Funnels gar keine Konversion steht, sondern ein weiterer Check, der offline stattfindet.
Wer ein komplettes Bild haben möchte, muß also die Daten wieder verknüpfen.
Auch das ist komplex und paßt nicht so recht in das „Wo fange ich an?“ Raster.
Wer es einfacher möchte, kann näherungsweise auch mit „durchschnittlichem Wert“ arbeiten und diesen per SAINT hochladen. Das ist besser als nichts.
Man braucht dafür vom Produktteam eine Zahl, am besten in Euro: Wieviel ist ein durchschnittlicher Kreditkartenantrag wert? Diese Zahl ändert sich natürlich laufend, man sollte sie also mit Numerical Classifications hochladen.
Nächstesmal sehen wir uns Retail an und vielleicht B2B.