19 Beiträge kategorisiert in "Google Analytics"

14. November 09

Datenschutz fördern: Opt-Out für Web Analytics Tracking-Codes

Fortwährend eine brennende Frage ist die juristische Situation beim Einsatz von Web Analytics Systemen wie Google Analytics auf der eigenen Website – ich habe bereits mehrmals auf diesem Blog darüber berichtet. Die Meinungen zu dieser Thematik gehen von „verboten“ über „riskant“ bis „problemlos“ weit auseinander. In Deutschland sind sich selbst die Gerichte uneins. Je nach Amtsgericht ist die Speicherung der IP-Adresse – darum geht’s schlussendlich – einmal personenbezogen und daher ohne vorgängige Einwilligung des Nutzers untersagt (Amtsgericht Berlin Mitte) oder aber erlaubt (Amtsgericht München). Der Entscheid eines höheren Gerichts steht noch aus, derweil in der Praxis wie bereits in den letzten 15 Jahren (!) IP-Adressen ausser in Analytics-Systemen vor allem auch in Server-Logfiles weiter gespeichert werden – das kümmert allerdings in der aktuellen Diskussion kein Jurist oder Gericht.

Mein Votum in diesem Thema appelliert an die Vernunft und das gemeinsame Wohlwollen von Websitebetreibern und Nutzern. Gespeicherte IP-Adressen können ausser von Internet Service Providern und dem Staat nicht eindeutig einer Person zugeordnet werden – von ganz seltenen und aussergewöhnlichen Fällen mal abgesehen. Dennoch möchten einige Website-Besucher sehr vorsichtig mit ihren Web-Fussabdrücken umgehen – und diesem Bedürfnis sollte ein seriöser Website-Betreiber Folge leisten. Meine Empfehlung für Website-Betreiber, welche ein Analytics-System einsetzen, lautet daher wie folgt:

  • Datenschutzerklärung kommunizieren: Egal welche Daten man sammelt und was man damit tut, es sollte immer für den Nutzer transparent bleiben. Am sinnvollsten hinterlegt man diese Transparenz in einer Privacy Policy bzw. Datenschutzerklärung auf der Website.
  • Analytics-Daten nicht mit personalisierten Informationen verknüpfen: Obwohl die Verknüpfung vielfach interessant wäre, ist dies ohne explizite Einwilligung des Nutzers nicht legal.
  • „Opt-in-Verfahren“ bei Übermittlung persönlicher Daten: Sobald persönliche Daten wie Name, Adresse, E-Mail-Adresse etc. zum Beispiel über ein Kontaktformular oder eine Anmeldung gesammelt und anschließend gespeichert werden, sollte der Besucher um explizite Erlaubnis (Opt-in-Verfahren) zur Speicherung dieser Daten gefragt werden.
  • Ort der Datenspeicherung beachten: Wer die Speicherung der Daten nicht intern betreibt, sondern bei einem Web Analytics-Anbieter als Software as a Service (SaaS) bezieht, sollte sich über den Standort des Datencenters im Klaren sein. Werden die Daten durch den Drittanbieter innerhalb eines europäischen Landes gespeichert, kann man davon ausgehen, dass der Anbieter ähnlichen gesetzlichen Bedingungen unterliegt wie man selbst. Anbieter wie Nedstat, Yahoo oder Webtrekk speichern z.B. die Nutzungsdaten in einem europäischen Land.
  • Option zur Abschaltung des Trackings bieten: Ebenfalls ein faires Verhalten ist es, dem Besucher anzubieten, dass sein Nutzungsverhalten überhaupt nicht gespeichert wird. Bei so einem Opt-out-Verfahren kann der Besucher mittels Deaktivieren einer Check-Box das Tracking abschalten – seine Einstellung wird dabei in einem Cookie gespeichert.

Den letzten Punkt finde ich ganz wichtig und eindrücklich, um dem Besucher zu demonstrieren, dass wirklich ein Wohlwollen seitens des Website-Betreibers besteht. Überdies bin ich überzeugt, dass nur ganz wenige Nutzer von einer solchen Option Gebrauch machen werden (auch dies liesse sich übrigens tracken) – allein die Möglichkeit schafft aber schon sehr viel Vertrauen. Auf diesem Blog besteht übrigens ebenfalls die Möglichkeit, das Tracking via Google Analytics auf Wunsch zu unterbinden. Die Einstellungen werden in einem Cookie gespeichert, so dass ab der Folgeseiten oder beim nächsten Besuch bis auf Widerruf keine Nutzungsdaten des betreffenden Besuchers mehr an Google Analytics gesendet werden.

GoogleAnalyticsAbschalten 
Manche Web Analytics-Systeme bieten solche Opt-Out Funktionen für Ihre Produkte bereits an. Andere – darunter auch bei Google Analytics – kennen eine solche Funktion noch nicht. Allerdings kann man mit ein paar Zeilen JavaScript-Code so etwas recht einfach implementieren. Folgender Code-Ausschnitt zeigt, wie dies für Google Analytics geht. Damit können auch Website-Betreiber welche Google Analytics einsetzen demonstrieren, dass auf Wunsch des Besuchers keine Daten an Google gesendet werden.

<html>
<head>
<script type="text/javascript">

function getCookie(value) {
    var dc = document.cookie;
    var prefix = value + "=";
    var begin = dc.indexOf("; " + prefix);
    if (begin == -1) {
    begin = dc.indexOf(prefix);
    if (begin != 0) return null;
    } else {
    begin += 2;
    }
    var end = document.cookie.indexOf(";", begin);
    if (end == -1) {
    end = dc.length;
    }
    return dc.substring(begin + prefix.length, end);
}


function doGA_Tracking()
{
   var GA_OptOut = getCookie("GA_OptOut");
   if (GA_OptOut && GA_OptOut!=null && GA_OptOut=='true') return false
   else return true;
}

var expdate=new Date();
expdate.setDate(expdate.getDate()+365);

</script>
</head>
<body>


<input type="checkbox" id="GA_OptOut" value="true" onClick="this.checked?document.cookie='GA_OptOut=false;path=/;expires='+expdate.toGMTString()+';':document.cookie='GA_OptOut=true;path=/;expires='+expdate.toGMTString()+';'"> Besuch mit Google Analytics aufzeichnen.<br/>

<script type="text/javascript">
//Wenn neben dem Standard-Tracking-Code (GATC) zusätzlich bei bestimmten Ereignissen, z.B. Klick auf Links, Events oder virtuelle Seitenaufrufe implementiert werden, müssen diese mit untenstehendem Code ergänzt werden (doGA_Tracking()?BESTEHENDER_TRACKINGAUFRUF:'';). Andernfalls würde das Ereignis ein Fehler werfen falls der GATC vom Besucher deaktiviert wird.

//doGA_Tracking()?pageTracker._trackEvent('Links', 'Subscription', 'RSS-Mainfeed'):'';

</script>
<script type="text/javascript">
   var el=document.getElementById('GA_OptOut');
   if (el!=null) el.checked = doGA_Tracking();
</script>


<script type="text/javascript">
   if (doGA_Tracking())
   {
  var gaJsHost = (("https:" == document.location.protocol) ? "
https://ssl." : "http://www.");
  document.write(unescape("%3Cscript src='" + gaJsHost + "google-analytics.com/ga.js' type='text/javascript'%3E%3C/script%3E"));
   }
</script>


<script type="text/javascript">
   if (doGA_Tracking())
   {
  try{
var pageTracker = _gat._getTracker("UA-xxxxxx-x");
pageTracker._trackPageview();
  }
  catch(err) {}
   }
</script>
</body>
</html>

05. August 09

Google Analytics Custom Reports - Anwendungsbeispiele

Wem die über 60 Standard-Reports (zumidnest soviele hab ich irgendwann mal gezählt) welche Google Analytics per default anbietet noch nicht ausreichen, der hat mit den benutzerdefinierten Berichten bzw. Custom Reports die Möglichkeit beliebige Reports selbst zusammenzustellen. Hat man zum Beispiel bei den Standard-Berichten das Gefühl hatte, eigentlich lieber andere Werte als Absprungrate & co. angezeigt zu haben, findet man bei den Custom Reports die Lösung. Direkt unterhalb der Navigtaion auf der linken findet sich der Einstieg zu diesem mächtigen Tool.

CustomReports_Navigation

Die Nutzung solcher benutzerdefinierte Berichte ist in folgenden Situationen sinnvoll:

  • Wenn Metriken aus verschiedenen Berichten nach eigenen Vorstellungen in einem kombiniert werden sollen
  • Wenn ein Bericht in mehrere (und flexibel definierbare) Unterstufen unterteilt werden soll, d.h. ein Drilldown eines Reports nach ausgewählten Segmenten gewünscht ist

Ersterer Fall tritt zum Beispiel dann ein, wenn man zu AdWords die Klicks, die Absprungrate und die Ziel-Conversion einblenden möchte. Diese typsicherweise auf drei verschiedenen Ansichten verteilten Keyword-Kennzahlen lassen sich so auf einer Ansicht vereinen. Die zweite Situation liegt dann vor, wenn man sich zum Beispiel im Bericht „Keywords“ bei Klick auf ein Keyword sich nicht wie implementiert die Detailmetriken anzeigen lassen möchte, sondern z.B. die Einstiegsseiten auf welchen Besucher je Keyword gelandet sind. Durch die benutzerdefinierte Unterordnung einer Dimension unter eine andere lässt sich ein solcher Bericht erstellen.

Benutzerdefinierte Berichte erstellen
Mittels dem Link „Neuen benutzerdefinierten Bericht erstellen“ im Bereich der benutzerdefinierten Berichte legt man einen neuen Bericht an. Auf der linken Seite erscheint nun ein neues Auswahlfeld, welches verschiedene Metriken und Dimensionen anbietet.

CustomReports_Erstellen 

Für die Erstellung von Berichten ist entscheidend, dass man sich des Unterschieds von Metriken und Dimensionen bewusst ist: Metriken sind vereinfacht gesagt Zahlenwerte, d.h. zum Beispiel die Absprungrate, Seiten pro Zugriff oder die durchschnittliche Besuchszeit. Jeder dieser Werte ist eine einzelne Zahl – entweder ein Prozentsatz oder ein absoluter Wert. Dimensionen hingegen sind Kategorien, in welche die Daten hineinfallen. Dazu zählen etwa die URLs der Einstiegsseiten oder der Verweisenden Seiten, die Namen von Suchmaschinen oder eingegebene Suchbegriffe.

Dimensionen und Metriken werden nun in einem Bericht kombiniert, zum Beispiel die Dimension „Suchbegriff“ mit der Metrik „Absprungrate“. Durch diese Kombination zeigt der Bericht anschliessend je Suchbegriff die jeweilige Absprungrate auf. Auf diese Weise können nun verschiedene Metriken auf eine Dimension angewendet werden.

Dazu zieht man einfach per Maus eine oder mehrere der links aufgelisteten und blau eingefärbten Metriken auf das entsprechend ausgesparte Feld im Inhaltsbereich des Berichts. Bei den grün eingefärbten Dimensionen geht man analog vor, wobei sich bei den Dimensionen fünf hierarchisch anordnen lassen. Durch diese Anordnung kann man sich später durchklicken um so die betrachteten Daten scheibchenweise einzugrenzen. Reicht der Platz für die Metriken nicht aus, lassen sich weitere Registerkarten ergänzen. Am besten gelingt die Berichterstellung übrigens, wenn man schon eine möglichst konkrete Vorstellung hat, wie der Bericht am Ende ausschauen soll.

Beim Zusammenstellen der Metriken und Dimensionen wird man feststellen, dass nicht immer alle Dimension und Metriken verfügbar sind bzw. manche gelegentlich ausgegraut sind. Dies hängt damit zusammen, dass Google gewisse Kombinationen nicht erlaubt bzw. nicht auswerten kann. Die erlaubten Kombinationen stellt Google in einer Matrix zusammen – in der Praxis ist es jedoch meist einfacher kurz auszuprobieren, ob eine gewünschte Kombination möglich ist.

Hat man einen Bericht per Drag&Drop zusammengestellt lässt sich dieser in der Vorschau anschauen. Entspricht der Bericht Ihren Vorstellungen, speichern Sie ihn und vergessen dabei nicht, dem Bericht einen sprechenden Titel zu vergeben, damit er später im Navigationsmenü links leicht zu finden ist. Die so gespeicherten Berichte sind übrigens nur für den jeweiligen Nutzer verfügbar - und nicht für andere Nutzer mit Zugriff auf das gleiche Konto oder Profil. Dieser Nachteil wird etwas dadurch wettgemacht, dass die Berichte für den Ersteller nicht nur in einem Profil, sondern in all seinen Profilen und Konten angewendet werden können.

Anwendungbeispiele
Und was kann man nun genau damit anstellen? Mögliche Fragestellungen, die sich so beantworten lassen sind zum Beispiel:

  • Welche Quelle bringt die treusten Besucher?
  • In welchem Land und welcher Region werden noch alte Browser eingesetzt?
  • Welche Position bei der Einblendung von AdWords führt zur höchsten Conversion-Rate?
  • Braucht man sich um Besucher, welche einen Safari-Browser einsetzen bei der Website-Gestaltung zu kümmern – Bzw. könnte es sein dass der kleine Nutzeranteil einen gewichtigen Beitrag zum Umsatz leistet, da diese Nutzergruppe weniger preissensibel ist?

Für die Fragestellung zur Ziel-Conversion-Rate von AdWords-Positionen zum Beispiel wählt man einen Satz von Metriken wie Absprungrate, Seiten/Zugriff, Durchschn. Besuchszeit und eben die Ziel-Conversion-Rate aus dem blauen Metrik-Auswahfeld aus. Als Dimension ergänzt man die Anzeigeposition, welche sich in der Gruppe der Zugriffsquellen befindet. Im Ergebnis erhält man ein Bericht wie untenstehend abgebildet. Für den untersuchten Fall lässt sich so erkennen, dass AdWords eine höhere Ziel-Conversion-Rate aufweisen, wenn sie erst ab Position 5 eingeblendet werden. Die obersten AdWords-Positionen bei Google.com (die drei Top-Links und der erste auf der rechten Seite) sind demnach für die gewählte Kampagne nicht unbedingt die effizientesten Plätze für eine Anzeige.

CustomReports_Keywordpositi

Das ist aber noch lange nicht alles, was man mit den Custom Reports Schlaues anstellen kann. Deshalb meine Frage:

Für welche Fragestellungen nutzen Sie die benutzerdefinierten Berichte und was sind Ihre Erfahrungen damit?

23. Juli 09

Exakte AdWords in Google Analytics tracken

Wer Google AdWords-Anzeigen schaltet, tut gut daran, die mit Google Analytics getrackte Website mit dem AdWords-Account zu verknüpfen. Das ist in einer Minute gemacht (hier beschrieben) und bringt sehr hilfreiche Erkenntnisse, wie sich AdWords-Klicker nachher auf der Website verhalten: Ob sie gleich wieder weg sind, wieviele Seiten sie betrachten, ob sie gar eine Bestellung abschliessen oder in sonst einer Form eine Conversion auslösen. Mehr als in den Google AdWords-Auswertungen lässt sich erkennen, wie erfolgreich bestimmte Keywords wirklich sind, z.B. in dem man nicht nur die Klickraten, sondern die Conversion-Rate oder gar den ROI der Keywords vergleicht (siehe Bild).

Keyword-Kosten

Soweit so gut. Ein Problem gibt es aber. Die in den Google Analytics Auswertungen dargestellten Keywords entsprechen exakt jenen, für welche man die Anzeigen geschaltet hat - und das ist nicht unbedingt der Suchbegriff, den ein User eingegeben hat: Wird z.B. auf den Begriff "Web Analytics" eine Anzeige geschaltet, dann wird diese auch bei der Suche nach "Web Analytics Tools" angezeigt. Klick ein Googler nach so einer Suche auf den Link, erscheint aber in den Google Anlytics Auswertungen trotzdem nur "Web Analytics" als Keyword, das den Besuch vermittelt hat. Damit entgeht einem ein wichtiger Teil der Information, nämlich wie der exakte Suchbegriff lautete. Grad wenn man für teures Klickgeld sehr allgemeine Begriffe schaltet, verhindert dies eine effiziente Kostenoptimierung der AdWords.

Nun lässt sich dies glücklicherweise mit Filtern in Google Analytics wieder geradebiegen, und zwar wie folgt:

  1. Nach dem GA-Login die Analytics-Einstellungen des gewünschten Profils bearbeiten
  2. In den Einstellungen zwei Filter hinzufügen (Link oben rechts im dritten Kasten)
  3. Folgende Filtereinstellungen treffen:

Filter1

Filter2

Was die Filter genau bewirken, muss man jetzt nicht unbedingt im Detail verstehen - kurz zusammengefasst sucht der erste Filter mittels einer Regular Expressions den exakten Suchbegriff heraus, der zweite ergänzt das Keyword um diesen Suchbegriff (in Klammer gesetzt). Im Ergebnis erhält man so in Google Analytics die gleichen Auswertungen, nur dass zu jedem Keyword in Klammer noch der exakte Suchbegriff ergänzt ist.

Keyword

Und noch ein kleiner Tipp: Solche Filter immer zuerst an einem Testprofil anwenden und mal schauen, dass sie richtig funktionieren. Denn wenn etwas schiefgeht, lassen sich verlorene Daten nicht mehr herstellen.

03. Juni 09

Site Search Analytics: Suchnutzung messen und auswerten

Ein Website-Besucher hat typischerweise zwei Strategien, wie er sich auf einer Website orientieren und Informationen finden kann: Die Navigation und die Suchfunktion auf der Website (Site Search). Einen Ansatz, wie man die Qualität der Navigation messen kann, wurde eben kürzlich hier in einem Post "Bedienbarkeit der Navigation auswerten" vorgestellt. Dass die Site Search aber fast beinahe so relevant ist wie die Navigation - gemäss einer Untersuchung von Forrester Research nutzen bis zu 50% der Besucher die Site Search als primäres Navigationsinstrument - geht bei Website-Betreibern gerne vergessen. Web Analytics Auswertungen zur Site Search sollten daher eine ähnlich hohe Beachtung geschenkt werden.

Suchnutzung

Zum Standard-Umfang von Web-Analytics Systemen zählen deshalb auch meist Auswertungen zu der internen Suche - allerdings muss man im Normalfall eine kleine technische Anpassung an der Website bzw. am implementierten Tracking-Code vornehmen, damit zum Beispiel die eingegebenen Begriff getracked werden. Im Fall von Google Analytics geht das auch mit ein paar Konfigurationseinstellungen ohne grosse technische Interaktion, sofern denn die Suchbegriffe mittels URL-Parameter übergeben werden (d.h. z.B. www.abc.de/suche.php?q=suchbegriff). Wie die Konfiguration bei Google Analytics genau funktioniert, ist hier gut beschrieben.

Setzt man eine solches Search Analytics ein, dann erhält man einige sehr nützliche Informationen über seine Besucher, nämlich:

  • Nach welchen Begriffen wird gesucht? Dies ist eine der seltenen Situationen, wo der Besucher sein Wunsch oder Begehren kundtut - seine Motivation für den Websitebesuch lässt sich so relativ einfach herausfinden. (Kleiner Exkurs: Einer der häufigsten Suchbegriff ist übrigens in meiner Erfahrung "", d.h. Benutzer tippen nichts in das Suchfeld ein sondern klicken direkt auf den Such-Button. Es lohnt sich also auf der Suchresultatseite die Leereingabe abzufangen und den Besucher kurz zu instruieren, dass er sein den Suchbegriff in das dafür vorgesehene Feld eingeben soll)

    SearchUsage

  • Zu welchen Begriffen findet die Suche keine Resultate? Diese Auswertung zeigt auf, wo ein Delta zwischen Wunsch des Besuchers und Angebot auf der Website besteht. Als Outdoor-Shop-Betreiber findet man so vielleicht heraus, dass viele Besucher nach "Kajaks" suchen, obschon keine entsprechende Artikel im Sortiment sind. Im Idealfall lassen sich so sogar neue Geschäftsfelder erschliessen.

  • Welche Resultate werden nach der Suche angeklickt bzw. welche Seiten aufgerufen? Anhand der Seiten lässt sich so etwa erahnen, welche Inhalte einem Bedürfnis entsprechen.
  • Wie oft wird in den Resultatseiten weitergeblättert? Damit lässt sich die Vermutung bestätigen (oder widerlegen), dass hauptsächlich die erste Resultatseite betrachtet wird. In untenstehendem Beispiel blättert z.B. nur rund ein Drittel der Suchenden auf eine der folgenden Seiten
  • Wie häufig wird der Suchbegriff verändert und erneut abgesendet? Ein hoher Anteil an solchen "Refinements" weist darauf hin, dass die Suche schlechte Ergebnisse liefert und der Besucher versucht mit einer Verfeinerung des Begriffs zu besseren Resultaten zu gelangen
  • Welcher Anteil der Nutzer beendet den Besuch, ohne in der Resultatseite auf ein Ergebnis zu klicken? Bei einem hohen Anteil solcher "Search Exits" sollten definitiv die Alarmglocken läuten - dann ist etwas nicht in Ordnung mit der Suche
  • Wie viele Seiten werden nach Nutzung der Suchfunktion betrachtet und wie lange dauert der Besuch danach noch? Ein längere Verweildauer oder mehrere aufgerufene Seiten nach einer Sucheingabe lassen hingegen darauf schliessen, dass die Suche für den Besucher nützliche Resultate geliefert hat

SucheKPI

Mit solchen Angaben erhält man schon einen sehr guten Überblick darüber, wie die Suche genutzt wird und wo man gegebenenfalls nach Verbesserungspotenzial suchen sollte. Für Website-Optimierer daher unbedingt zu empfehlen!

Was mir gleichwohl allerdings noch fehlt in den Standardauswertungen ist eine Aussage über die Qualität des Suchergebnisses: Hat der Nutzer wirklich das gefunden, was er wollte? Hat er anschliessend die Website zufrieden verlassen oder verärgert aufgegeben? Mit diesen etwas komplizierter auszuwertenden Fragestellungen werden wir uns demnächst in Teil 2 dieses Site Search Analytics-Posts befassen: Die Qualität der Site-Search messen und auswerten.

28. April 09

Bedienbarkeit der Navigation mit Web Analytics auswerten

Besucher, die auf eine Website gelangen, können typischerweise zwei unterschiedliche Verhaltensmuster für die Informationsauffindung aufweisen: Sie nutzen die eingebaute Suchfunktion (Site Search), oder versuchen sich durch die hierarchische Navigation zum gewünschten Inhalt durchzuklicken. Die Qualität von Suche und Navigation kann daher stark ausschlaggebend sein, ob ein Besucher erfolgreich sein Ziel erreicht bzw. seine Aufgabe auf der Website erledigen kann - oder eben nicht.

Insbesondere auf eine verständliche und begrifflich trennscharfe Navigation wird daher bei der Website-Konzeption ein starker Fokus gelegt. Website-Konzeptionen, welche konsequent den User Centered Design-Ansatz verfolgen, testen solchen Navigationen sogar ausführlich in Usability-Labors mit Testnutzern. So stellt man zum Beispiel einem Tester die Aufgabe, einen bestimmten Inhalt zu finden und beobachtet dann sein Verhalten, wie direkt oder indirekt er über die Navigationseinträge zu einer entsprechenden Seite gelangt.

Während bei einem Website-Relaunch die Inhaltsstruktur noch optimal auf die Erkenntnisse aus den Usability-Tests angepasst ist, kann sich dies im Verlaufe der Zeit ändern: Neue Inhaltsseiten und Bereiche werden von Autoren auf der Website dazu gefügt, andere fallen weg. So kann schon wenige Monate nach dem Launch eine ursprünglich nutzerzentriert gestaltete Navigation überhaupt nicht mehr intuitiv bedienbar sein und Besucher können ihre Ziele nicht mehr erreichen. All paar Monate einen neuen Labor-Test zu machen kann sich auf der anderen Seite aber auch kaum ein Unternehmen leisten.

Broswer-Overlay und Klickpfade helfen nur bedingt

Als weitaus kosteneffizientere Massnahme als Labor-Tests mit Endnutzern würde sich hingegen Web Analytics anbieten, sofern es denn ein passendes Verfahren gäbe um die Bedienbarkeit einer Navigation zu messen. Web Analytics Systeme sehen für solche Fälle typischerweise zwei Instrumente vor:

  • Browser-Overlay
  • Klickpfade durch die Website

Omniture_BrowserClickchart

Das Browser-Overlay (im Bild ein Beispiel von Omniture) zeigt auf, auf welchen Navigationseintrag welcher Anteil an Benutzer geklickt hat. Etwas interessanter wird die Aussage, wenn zugleich noch eine Segmentierung der Nutzer vorgenommen wird: Wo klicken Nutzer, welche über eine Suchmaschine mit dem Keyword "XY" auf die Website gelangt sind, wo jene mit dem Keyword "YZ"? So lassen sich die typischen Navigationspfade von einzelnen Segmenten mittels Browser-Overlay nachvollziehen bzw. "nachklicken", das Verständnis wie die Nutzer denken und funktionieren wächst etwas. Die Klickpfade auf einer Website (zweiter Screen, ebenfalls Omniture) zeigen analog dazu eine aggregierte Ansicht solcher Pfade durch die Website.

Allerdings ist für die Fragestellung der Bedienbarkeit einer Navigation aus meiner Erfahrung weder das eine noch das andere wirklich praktikabel (für andere Fragestellungen schon). Das Grundproblem ist nämlich, dass man bei diesen Auswertungen nie weiss, ob der Besucher sein Ziel nun wirklich erreicht hat - oder ob er zwar den üblichen Pfad auf der Website eingeschlagen hat, vielleicht aber dann in ein paar Schlaufen über verschiedene Seiten umhergeirrt ist und anschliessend frustriert die Website verlassen hat. Genau dafür müsste es jedoch einen Indikator geben um zu entscheiden, ob die Navigation ihren Zweck erfüllt oder nicht.

Neuer Ansatz mit Funnels, Zielseiten und Events

Mein Ansatz nun, um genau dafür eine Antwort zu erhalten, ist ein anderer - und der benötigt weder Browser-Overlay noch Klickpfad-Auswertungen sondern die drei Komponenten Funnels, Zielseiten und Event-Tracking. Im Folgenden sei dieser Ansatz kurz vorgestellt und anhand eines Praxisversuches erläutert.

Als erstes versuche ich ein Verhaltensmuster von Benutzern zu identifizieren, welche die Navigation als primäres Instrument für die Auffindung von Information nutzen und schlussendlich ihre Website-Aufgabe erfolgreich abschliessen. Zur Vereinfachung reduziere ich die Betrachtungen einmal lediglich auf jene Besucher, welche von der Homepage aus starten - also ohne solche, welche über Suchmaschinen direkt auf ein hierarchisch in der Tiefe liegenden Seite einstiegen. Startet ein Besucher seinen Besuch also auf der Homepage und klickt er auf einen Navigationseintrag, gehe ich davon aus, dass er seine Aufgabe versucht über die Navigation zu lösen.

Der nächste und zugegebenermassen schwierigste Schritt ist es nun herauszufinden, ob ein solcher Besucher sein Website-Ziel erreichen konnte oder nicht. Ganz sicher herausfinden könnte man dies eigentlich nur, wenn man jeden Benutzer befragen würde - bei Web Analytics aber keine praktikable Vorgehensweise. Etwas Abhilfe schaffen da hingegen Feedback-Möglichkeiten wie im letzten Post zur Feedbackintegration vorgestellt: Bewertet ein Besucher einen Inhalt (z.B. eine FAQ-Antwort) als positiv, dann ist dies ein relativ klares Indiz dafür, dass er seine Aufgabe erfolgreich abschliessen konnte. Das Problem ist jedoch, dass wiederum nur ein marginaler Teil der Besucher überhaupt ein solches Feedback gibt - der grosse Besucheranteil bliebe dann eine Blackbox.

Geht man nun aber mal davon aus, dass es beim typischen Usertask darum geht, dass der Besucher eine bestimmte Information sucht, lässt sich auch schon die Betrachtungsdauer als Indikator für die erfolgreiche Auffindung einer Information herbeiziehen und damit folgende These aufstellen: Ein Besucher, der die Navigation über mehrere Klicks nutzt und irgendwann eine Seite über einen längeren Zeitraum betrachtet (d.h. wahrscheinlich liest), hat mit grosser Wahrscheinlichkeit über die Navigation sein Informationsbedürfnis erfolgreich befriedigen können. Ein Besucher, der hingegen nach mehrere Klicks in der Navigation die Website verlässt, ohne eine Information detaillierter zu lesen, hat wahrscheinlich sein Informationsbedürfnis nicht befriedigen können - die Navigation oder Website hat damit ihre Aufgabe schlecht erfüllt.  Alternativ zur Betrachtungsdauer könnten natürlich auch bestimmte Website-Ziele, z.B. die Kontaktaufnahme, der Download von Dokumenten usw. als Indikator für einen erfolgreichen Abschluss des Nutzerziels gewertet werden.

Messmethode für erfolgreiche Navigation

Glaubt man, dass solche Verhaltenmuster eine Aussage über die Qualität der Navigation machen - und das ist meine Überzeugung - , dann sind wir in einem Bereich, wo das Messen mittels Web Analytics-Methoden möglich wird. Mittels dem Einsatz sogenannter Events - welche im Web 2.0 den PageView verdrängen - lässt sich nämlich das genannte Verhaltensmuster wie folgt abbilden:

  • Besucher, welche auf der Homepage einsteigen und auf die Navigation klicken, lösen einen ersten Event "Navigationsnutzer ab Homepage" aus. Den Klick auf die Navigation kann man mittels einem kleinen JavaScript-Code abfangen. Beim Einsatz von Google Analytics schickt man ihn anschliessend mittels pageTracker._trackEvent('Navigation', 'Nutzung ab Homepage'); zu Google.
  • Derart klassifizierte Besucher, welche nun mindestens zwei oder drei Mal in der Navigation klicken, kann nun als "Informationssucher via Navigation" klassifizieren. Die Mehrfachklicks findet man wiederum heraus, indem man die Klicks auf die Navigation mittels eines kleinen JavaScripts überwacht und die Klickzahl in einem Cookie speichert. Nach zwei oder drei Navigationsklicks erfolgt die Übergabe an das Tracking-System, z.B. in Google Anlytics mittels pageTracker._trackEvent('Navigation', '2 Clicks');
  • Wenn nun solche User eine Inhaltsseite während z.B. mindestens 45 Sekunden betrachten, wird ein weiterer Event ausgelöst, z.B. via pageTracker._trackEvent('Navigation', 'Erfolgreich abgeschlossen'); . Wie man dies genau messen kann würde erst kürzlich hier im Post "Tod dem Page View" erläutert.

Der gesamte JavaScript-Code, wie so etwas mit Google Analytics aussehen kann, findet sich hier. Natürlich muss man den Code etwas auf seine Website bzw. Navigation adaptieren, damit er die betreffenden Klicks trackt, grundsätzlich ist er aber sehr generisch gehalten.

Auswertungen zur Navigation richtig interpretieren

Soweit die Theorie, und nun zu dem was uns die Auswertungen in einem Praxisbeispiel zeigen: Die Auswertung der Events mittels Balkengrafik gibt uns so etwas wie ein Funnel für die Nutzung der Navigation und zeigt uns den anteilmässigen Ausstieg der Nutzer während der Navigationsbedienung an.

NavigationEvents

In Google Analytics wird das Bild noch etwas deutlicher, wenn man zu den Events hinzu noch PageViews trackt, so dass sich ein echter Goal-Funnel abbilden lässt:

NavigationFunnel

Im Beispiel lässt sich so herauslesen, dass offenbar nur etwas mehr als ein Drittel der Nutzer - welche die Navigation als primäres Informationsfindungsinstrument nutzen - schlussendlich auch erfolgreich die Information über die Navigation finden. Rund zwei Drittel der User hingegen brechen ab, ohne ihren Task erfolgreich abzuschliessen.

Benchmarking und Slicing&Dicing

Solche Zahlen sind nun wohl ein relativ alarmierendes Signal für die Qualität einer Navigation. Allerdings, bevor man nun in Panik ausbricht bei solchen Auswertungen, sollte man zuerst noch einen Benchmark zu Rate ziehen, um ein Gefühl dafür zu bekommen was denn nun gut, mässig oder ein schlechter Wert für so eine Auswertung ist. Und da es diese bei solch neuen Ansätzen noch nicht gibt, hilft nur das Benchmarking gegen sich selbst: Im Idealfall schaut man zurück, wie dieses Verhältnis gleich nach dem Website-Launch ausgeschaut hatte, als die Struktur der Site noch der im Usability-Labor getesteten entsprach. Diesen Wert kann man dann als optimale Zielgrösse nehmen und versuchen über die Zeit zu halten oder gar zu verbessern. Damit lassen sich auch kleine Anpassungen an der Navigationsstruktur vornehmen und gleich in den Analytics-Auswertungen verifizieren, ohne dass man einen kompletten und teuren Labor-Test fahren muss.

Stellt man anhand so eines eigenen Benchmarks fest, dass tatsächlich eine Verschlechterung eingetroffen ist, folgt das übliche Nachforschen in den Web Analytics Tiefen: Besteht irgendein Muster, nach welchen die Navigationsbedienung häufig abgebrochen wird? Vielleicht lässt sich so dann erahnen, nach was für Informationen ein Besucher gesucht haben könnte, bevor er das Unterfangen abbrach. Und wenn auch das nichts mehr hilft, dann muss halt trotz allem auf die User Centered Design Methodiken zurückgreifen: Den Besucher direkt mit Umfragen oder im Test befragen. Ich bin aber überzeugt, dass man mit dem eben vorgestellten Ansatz sehr viel auch schon rein aus dem Analytics-System herauslesen kann und auf ein allzu häufiges Testen im Labor verzichten und einiges an Geld einsparen kann.

21. April 09

Google Analytics mit Nutzerfeedback ergänzen

Eines der schönen Dinge an Web Analytics ist ja, dass man mit wenigen Kennzahlen den Erfolg seiner Website ablesen und das Verhalten von Website-Nutzern mit einfachen Mitteln nachvollziehen kann. Ein Nachteil hingegen ist, dass man Auswertungen und Zahlen stets interpretieren muss und schlussendlich daher doch nie mit Bestimmtheit weiss, ob der eigene Schluss nun korrekt ist oder nicht. Gewisse Fragen, zum Beispiel ob ein Design gefällt oder eine Funktion hilfreich ist, lassen sich schlicht mit dem quantitativen Ansatz von klassischem Web Analytics aus den Datenmengen nicht herauslösen.

Abhilfe schafft da, die Website-Besucher direkt zu befragen, zum Beispiel ob ein bestimmter Inhalt nutzenstiftend ist, die Navigation bedienbar ist oder das Design gefällt. Solche qualitativen Nutzerbefragungen sind Elemente der User Centered Design Methodik (UCD) und können sowohl in Form von persönlichen Interviews und Beobachtungen einzelner Nutzer im Usability-Labor als auch mittels Online-Umfragen (Surveys) und -Bewertungen erfolgen. Letzere sind relativ einfache technische Instrumente, welche sich in die Website einfach einbauen lassen und im Vergleich zu persönlichen Befragungen massiv kostengünstiger sind. Bekannte Anbieter solcher Umfrage-Systeme sind zum Beispiel SurveyMonkey oder Kampyle, beide auch mit einer kostenlosen Einsteigerversion. Auch für die Nutzerbewertung einzelner Inhalte gibt es entsprechende Elemente, zum Beispiel das Sterne-Rating von Outbrain, welches auch auf diesem Blog zum Einsatz kommt.

FeedbackCollage

Nutzen und Grundregeln beim Einsatz von Survey- und Bewertungselementen
Solche Feedback-Elemente eignen sich hervorragend, um das subjektive Empfinden von Website-Besucher zu erörtern, zum Beispiel: 

  • Gefallen des Website-Designs
  • Besuchserlebnis / User Experience
  • Glaubwürdigkeit
  • Nützlichkeit von Informationen oder Funktionen
  • Empfinden von Ladegeschwindigkeiten
  • Wahrscheinlichkeit für eine Weiterempfehlung oder Kauf von Dienstleistungen und Produkten
  • Gründe für einen Besuch
  • Erreichung der Besuchsziele
  • Aufgetauchte Fehler oder Gründe für einen Abbruch

Beim Einsatz sollte man sich allerdings an ein paar Grundregeln halten, nämlich:

  • Feedback-Instrument sollte so einfach wie möglich auffindbar (auf jeder Seite verfügbar, im sichtbaren Bereich)
  • Minimer Aufwand für den Nutzer (wenn er schon verärgert oder erfreut ist, dann soll das nicht noch durch ein aufwändige Eingaben beeinträchtig werden)
  • Nutzer mit Fragestellungen nicht überfordern (Fragen müssen von jedermann beantwortbar sein)
  • Darf nicht aufdringlich sein (z.B. kein Popup, das bei jedem Website-Besuch aufpoppt)

Beachtet man diese Grundregeln, stellt man fest das Benutzer ganz gerne Feedback zu einer Website oder zu einem Inhalt geben - wenngleich kaum mehr als 1% der Besucher an Surveys teilnehmen und 5% Bewertungen vornehmen werden. Trotzdem gelangt man mit diesen Daten zu einem wesentlich kompletteren Bild über die Nutzung der eigenen Website als mit reinen Daten aus einem Web Anlytics System.

Einbindung in Web Analytics Systeme
Hat man erst mal so ein Umfrage- oder Bewertungssystem eingeführt und den Nutzen dessen schätzen gelernt, ist der nächste Schritt, diese Daten wiederum mit Web Analytics Daten direkt zu kombinieren bzw. in das Web Analytics System zu integrieren. Wie dies erfolgen kann, zeigt das folgende Beispiel für die Integration des Outbrain-Ratings und des Kampyle-Surveys in Google Analytics.

Die Google-Analytics-Integration von Auswertungen aus Kampyle erfolg dabei denkbar einfach mittels eines Firefox Greasemonkey-Skripts. Im Ergebnis erhält man in seinem Google Analytics-Dashboard eine Zusammenfassung der Nutzerbewertungen gemäss folgender Abbildung:

Kampyle_GAChart 

Um dazu zu gelangen, muss man folgende Schritte vornehmen:

Das ist dann aber auch schon alles, was es braucht um die Auswertungen gemäss obiger Abbildung in Google Analytics und damit stets im Blickfeld zu haben!

Noch einfacher lässt sich das Sterne-Rating von Outbrain integrieren. Da hier kein Greasymonkey-Plugin angeboten wird, integrieren wir die Nutzerfeedbacks über die API (Application Programming Interface) von Google Analytics. Indem wir die Klicks auf einzelne Rating-Sterne als sogenannte "Events" an Google Analytics übergeben, erscheinen diese anschliessend in der Event-Ansicht unter dem Menüpunkt "Content" in Google Analytics:

FeedbackEvents_GA

Um zu diesem Ergebnis zu gelangen sind folgende Schritte notwendig:

  • Für unterstütze Blogsysteme wie Typepad, Wordpress, Blogger & co.: Installation eines Widgets unter Outbrain
  • Für Websites oder andere Systeme: Download des Outbrain-JavaScripts und Einbau dessen auf der eigenen Website (dazu ist wiederum etwas Technik bzw. HTML-Wissen notwendig)
  • Einbau des untenstehenden JavaScripts in den Body-Bereich der eigenen Website zwecks Ansprache der Google API

<script>
if(window.addEventListener){document.addEventListener('click', clickHandler, false);}
else {document.attachEvent('onclick', clickHandler);}

function clickHandler(e){
  if (window.event) e = window.event; 
  var srcEl = e.srcElement? e.srcElement : e.target;
  if (srcEl.getAttribute("_vote")) 
pageTracker._trackEvent('Bewertungen', 'Rating', document.title, parseFloat(srcEl.getAttribute("_vote")));
}
</script>

Dieses kleine Skript macht nichts anderes als zu überwachen, ob ein Besucher auf einen Rating-Stern klickt und dann den Rating-Wert (im Attribut "_vote" versteckt) auszulesen und dann mittels des Aufrufs pageTracker._trackEvent() an Google Analytics zu senden.

Damit ist unsere Integration des Nutzerfeedbacks in Google Analytics perfekt! Selbstverständlich freue ich mich natürlich über die Nutzung der entsprechenden Feedback-Möglichkeiten auch auf diesem Blog.

23. März 09

Tod dem PageView: Gelesene Seiten statt Seitenaufrufe messen!

Nachdem die "Hits" schon lange den Web Analytics Tod gestorben sind, ist nun auch der PageView langsam aber sicher am Ende seines Lebens angelangt. Heutige Anwendungen wie Bewegtbild, Kartenanwendungen, Rich Internet Applications können mit dem PageView-Modell schlichtweg nicht mehr sinnvoll gemessen werden. Aber auch sonst gibt es kaum noch ein Anwendungsfall, wo die PageView-Messung zielführend wäre - mit Ausnahme vielleicht von Portalseiten, welche noch Banner auf PageView-Basis verkaufen können.

Was bei einer zielorientierten Nutzung von Web Analytics mehr interessiert, ist ob die gesteckten Ziele erreicht wurden bzw. Conversions erfolgt sind. Je nach dem Website-Ziel, das man sich gesteckt hat, kann eine Conversion auch sein, dem Besucher bestimmte Werte vermittelt zu haben. Angenommen ein Unternehmen verfolgt mit der Website hauptsächlich ein Branding- oder Kommunikations-Ziel - was beim Grossteil der Grossunternehmen der Fall sein dürfte - dann kann es zweckmässig sein, das Lesen bestimmter Inhalte als Conversion zu definieren. Liest ein Besucher wirklich einen Unternehmensbeschrieb, Key Figures oder das Interview mit dem CEO, dann kann man durchaus sagen, das dadurch bestimmte Werte vermittelt und ein Stück weit das Ziel der Website erreicht wurde. Nur, der PageView sagt relativ wenig darüber aus, ob eine Seite nun wirklich gelesen und somit die Message rübergebracht wurde - oder ob die Seite lediglich kurz angeklickt und überflogen, oder direkt wieder verlassen wurde.

Abhilfe schaffen hier sogenannte "Events", die designierten Nachfolger und Ablöser des PageViews. Ein Event ist ein Ereignis, das in einer bestimmten Situation eintritt, z.B. wenn der Benutzer auf einen Link klickt, einen Film startet oder in eine Kartenanwendung hinein- oder herauszoomt. Genau so wie sich Rich Internet Applications und Movies damit messen lassen, können Events auch für die feinere Messung von anderen Website-Zielen eingesetzt werden. Im konkreten Fall eines Kommunikations- und Branding-Ziel ist es mein Vorschlag, das Lesen einer Seite dadurch zu messen, ob eine Seite ausreichend lange betrachtet wurde. Braucht man zum schnellen Lesen des CEO-Statements zum Beispiel 45 Sekunden, dann sollte man einen Event definieren, der sich nach dieser Zeit automatisch auslöst. Um die Messung nicht zu verfälschen, darf die Stoppuhr natürlich nur laufen, solange sich die Seite auch wirklich auf dem Bildschirm befindet und nicht durch irgendwelche andere Fenster überdeckt wird.

Zu kompliziert für ein einfaches Web Analytics System? Nein. Folgendes kleine Script (jetzt wirds etwas technisch) zeigt, wie man dies in Google Analytics lösen kann:

Im <body>-Tag der betreffenden Seite folgendes unterbringen:

<body onunload="calculateViewDuration()" onblur="stoppingTime()" onfocus="startingTime()">

Dies ist die eigentliche Stoppuhr, welche läuft, solange sich die Seite im Vordergrund des Bildschirms befindet.

Im <head>-Bereich der gleichen Seite folgendes Skript unterbringen:

<script type="text/javascript"> 
 
var start;
var startTime;
var eventFired = 0;
var eventTracked = 0;
var duration = 0;
var diffTime;

startingTime();

function startingTime() {
 start = new Date();
 startTime = start.getTime();
 eventFired = 0;
}

function stoppingTime() {
 var end = new Date();
 var endTime = end.getTime();

 diffTime = Math.floor((endTime - startTime) / 1000);
 
duration +=  diffTime;
}

function calculateViewDuration () {
 stoppingTime();
 if (eventFired == 0)
 {
   eventFired = 1;
   if (duration > 44 && eventTracked == 0)
   {
     eventTracked = 1;
     pageTracker._trackPageview('/events/View45Sekunden');
   }
  } 
}

</script>

Die Funktion calculateViewDuration() wird ausgelöst, sobald der Benutzer das Browserfenster schliesst oder auf eine andere Seite surft. In dem Moment wird der Event ausgelöst, falls dies Seite mindestens 45 Sekunden betrachtet wurde. Im obigem Fall wird mittels pageTracker._trackPageview('/events/View45Sekunden');ein virtueller Seitenaufruf an Google Analytics gesendet. In der Auswertung sieht das dann wie folgt aus:

PageView_Tracking 

Hinterlegt man den Seitenaufruf als Ziel in der Analytics-Konfiguration, dann lassen sich auch Conversions damit abbilden:

Goal_Tracking

Zugegebenermassen ist dies noch etwas eine Krücke, da ein Event somit trotzdem als eigentlicher Seitenaufruf im Analytics System endet, wenngleich es sich um einen Event und keinen Seitenaufruf handelt. Empfehlenswert ist daher, diese virtuellen Seitenaufrufe in einem ebenfalls virtuellen Verzeichnis "/events/" abzulegen, wie im obigen Beispiel gezeigt. Somit lassen sich sich einfacher in den Auswertungen finden und anschliessend auswerten. Google hat scheinbar auch gemerkt dass das nicht ganz so intelligent ist für die Event-Messung und führt deshalb in Kürze einen eigenen Abschnitt in der Content-Auswertung ein, welcher für Events reserviert ist (momentan nur als Beta und auf Antrag in Google Anlytics verfügbar). Damit lassen sich dann Events wie der obige über folgenden Aufruf tracken: pageTracker._trackEvent('Seitenbetrachtung', 'CEO Statement', '45 Sekunden'); In der Auswertung wird dies dann wesentlich eleganter und wie folgt aussehen:

Event_Tracking

Wer ein solchen Event-Tracking im Einsatz sehen möchte: Ganz einfach den Quellcode dieser Seite anschauen. Denn auch für Blogs ist eine solche Messung wesentlich zielführender als der sterbende PageView!

12. Dezember 08

Social Web Analytics mit Google Analytics

Ein wichtiger Gradmesser für die Vernetzung einer Website im Internet und des daraus resultierenden organischen Website-Traffics war bislang der Google PageRank oder die Anzahl und Gewichtung von Backlinks auf eine Site. Über den Daumen gepeilt liess sich sagen, dass je besser die Vernetzung war, desto besser das Ranking bei Google wurde und desto mehr Besucher auf die Website kamen.

Diese Faustregel stimmt zwar immer noch - mit der steigenden Nutzung von Online Communities wie Facebook oder MySpace, Social Bookmarking-Sites wie del.icio.us oder Bewertungsportalen wie Digg oder oder reddit werden jedoch die Vernetzungen im Social Web immer relevanter für den resultierenden Traffic einer Website.

Während die im letzten Post beschieben Social Media Analytics Systeme wie Buzzient als Früherkennungs-Tools für die Brand- und Produktwahrnehmung im Web sinnvoll eingesetzt werden können, lässt sich eine Handvoll Bookmarking- und Bewertungssites auch noch ganz gut mit Google Analytics beobachten. Notwendig dazu ist ein kleines Google Analytics-„Plugin“ in Form eines Firefox GreaseMonkey-Skripts, welche für einzelnen Seiten deren Nennungen bei del.icio.us, Digg & co. direkt in Google Anlaytics einblendet. Im Ergebnis resultiert eine erweiterte Ansicht in Google Analytics gemäss folgender Abbildung:

Google_SocialMedia

Um zu dieser äusserst nützlichen Erweiterungen zu gelangen, geht man wie folgt vor:

  • Firefox nutzen (oder gratis downloaden)

  • Das GreaseMonkey Add-On installieren

  • Folgendes Skipt zu GreaseMonkey hinzufügen bzw. mit Firefox den Link aufrufen: SmmPluginForGA (das Skript stammt von VKI Studios – besten Dank für diese Inovation!)

  • Google Analytics mit Firefox aufrufen und eine zu analysierende Seite (z.B. die Homepage) betrachten (z.B. unter „Inhalte“ -> …)

Mit dieser einfachen Erweiterung hat man eine kleine aber feine Möglichkeit, einige Social Web Kennzahlen zu beobachten!

19. November 08

Google Analytics Motion Charts - und was man damit tun kann

Wie in verschiedenen Blogs schon gepostet hat Google kürzlich zahlreiche neue Features in Google Analytics integriert, darunter eine erweiterte Segmentierung, kundenspezifische Reports sowie die Motion Charts. Ein Überblick über all diese Features ist im offiziellen Google Analytics Blog  nachzulesen.

Die Features klingen vom Schiff aus toll. Als erstes hab ich mir drum mal die Motion Charts etwas genauer unter die Lupe genommen um zu schauen, was man damit anstellen kann. Die weiteren Features werden in Kürze auf diesem Blog folgen.

Mit den Motion Charts lassen sich als erstes einmal die Achsen einer Grafik mit individuellen Dimensionen belegen, zum Beispiel Pageviews auf der X-Achse und Absprungrate auf der Y-Achse. Werte, z.B. unterschiedliche Keywords werden so innerhalb des Graphen als Punkte positioniert. Toll. Damit aber nicht genug, denn die Punkte können eine dritte Dimension darstellen, nämlich in dem sie sich in ihrer Grösse unterscheiden. Z.B. grosse Punkte = hohe Conversion, kleine Punkte = niedrige Conversion. Und um noch einen draufzulegen lassen sich die Punkte noch in unterschiedlichen Farben darstellen, so dass man noch eine vierte Dimension abbilden könnte - was dann allerdings definitf zum Overkill für jedes vernünftige Chart wird.

Motion_Keywords

Soweit als schon mal toll, doch warum heisst das ganze nun "Motion Chart"? Deshalb, weil sich nämlich die Zeit als fünfte Dimension auch noch in das Chart reinquetschen lässt, in dem man die Veränderung der dargestellten Werte über die Zeit animiert. Das sieht dann etwa so aus wie in dem Einführungsvideo von Google gezeigt:

Im ersten Eindruck fühlte ich mich da ehrlich gesagt eher an ein chaotisches Ping-Pong-Spiel erinnert, oder noch eher an sowas:

Wie genau soll man das nutzen können um sinnvolle Schlüsse für die Website zu ziehen? Hat sich Google Analytics nun total der Feature-itis der anderen Wen Analytics Produkthersteller angeschlossen?
Nun ja, so nach etwas ausprobieren und nachdenken lassen sich doch sinnvolle Sachen mit den Motion Charts erstellen - es braucht allerdings viel Abstraktionsvermögen und Zeit, um zur richtigen Auswertung zu kommen. Schnell ist man sonst überfordert von den vielen Einstellmöglichkeiten. Hier meine Tipps, wie man das anpacken sollte:

  • Auf der Y-Achse Mengen-Metriken wählen: Z.B. Visits oder PageViews. Damit ist weiss man, dass all das was weiter oben im Chart auftaucht, eine grössere Nutzerzahl betrifft und demzufolge wichtiger ist
  • Auf der X-Achse Qualitäts- oder Engagement-Metriken wählen: Z.B. Besuchsdauer. Damit weiss man, dass alles was sich rechts im Chart befindet, eine gestellte Aufgabe gut erfüllt - links hingegen schlecht.

Untersucht man z.B. Inhaltsseiten in der Kombination von PageViews und Besuchsdauer, hat man so oben rechts vielbesuchte Seiten dargestellt, welche eine hohe Betrachtungsdauer aufweisen und demzufolge kein Handlungsbedarf aufweisen (Wer sich mit Consulting-Grafiken nicht auskennt: oben rechts ist immer gut und links unten böse :-).

Motion_ContentPVTimeSame 
Links oben findet man dagegen Seiten, welche vielbesucht sind und eine niedrige Besuchsdauer aufweisen und damit möglichweise zentrale Problemfälle darstellen. Diese sollte man sich genauer unter die Lupe nehmen. Seiten rechts unten scheinen offenbar interessant, aber selten besucht zu sein. Da kann man sich überlegen, diese besser zu pushen (z.B. durch bessere Verlinkung oder gar Bewerbung mittels Adwords o.ä.). Wenn man oben rechts keine Bubbles hat – so wie in der Grafik oben, dann weiss man sicher, was man tun muss.

Dummerweise bildet Google die Absprungrate genau verkehrt rum ab, so dass "gut" links und "schlecht" rechts ist... (… und wenn ich grad bei den Änderungswünschen an Google bin: Bitte noch mehr Metriken für die Dimensionen zur Auswahl stellen)

Wichtig bei der Wahl der ersten beiden Achsen ist es, dass die Dimensionen unabhängig voneinander sind, also z.B. Anzahl Visits und Besuchsdauer. Werden hingegen voneinander abhängige Dimensionen gewählt (und die Gefahr ist bei der verfügbaren Auswahl gross), dann kommt es zu nichtssagenden Grafiken. Stellt man zum Beispiel für verwendete Keywords die Metrik "Seiten je Besuch" der "Absprungrate" gegenüber ist das eine Nullaussage - denn logischerweise ist Anzahl Seiten pro Besuch tief, wenn die Absprungrate hoch ist.

Um nun noch die dritte Dimension, die Bubble-Grösse, sinnvoll mit einer unabhängigen Metrik zu versehen wird es nun langsam schwierig. Am ehesten eigenen sich dazu noch Ziel-Werte, z.B. Conversion, Wert je Visit oder der Wert einer Seite ($Index). Wenn so dann oben rechts (=gut) kleine Bubbles erscheinen, da besteht da ein gravierendes Conversion-Problem – z.B. Bestellbutton tut nicht o.ä.

Motion_ContentPageviewsTime 
Neben solchen Auswertungen lassen sich die Charts auch noch ganz gut zu Hypothesen-Tests einsetzen, z.B.:

  • Korreliert die Besuchsdauer mit der Anzahl Page Views? Usw. Wenn ja, dann befinden sich die Bubbles ungefähr auf der 45°-Diagonalen durch den Nullpunkt verteilt
  • Konvertieren Besucher die viele Seiten anschauen häufiger? Wenn ja, da müssten auf einem Chart mit den Dimensionen Besuche, Anzahl Seiten/Besuch und Conversion oben rechts die grossen Bubbles sein – wenn nicht, dann kann man die Anzahl Seiten/Besuch getrost schon mal aus der eigenen KPI-Liste streichen

Und nun zu dem, welchem die Motion Charts eigentlich ihren Namen verdanken – der Animation über die Zeit. Die Animation soll wohl einen Trend über die Zeit identifizieren lassen. Bei wenigen untersuchten Werten funktioniert dies recht gut. Sobald man aber grössere Mengen an Keywords, Seiten etc.über einen längeren Zeitraum analysiert hats immer noch einen Touch von Ping-Pong. Oder hat jemand bessere Erfahrungen gemacht, wie sich dies sinnvoll nutzen lässt?


Über das Blog | Impressum | Nutzungsbedingungen | Ihren Besuch aufzeichnen [?]


Web Analyticson


Das Buch zum Blog:

  • Buch
    Details zum Buch Buch bei Amazon.de bestellen

Die App zum Blog:

  • iPhone App
    Download

Über den Autor

  • Marco Hassler ist Business Unit Manager und Partner beim IT- und Web-Dienstleister Namics.

    marco.hassler (at) gmail.com

Ethik Code

  • Web Analytics Association Code of Ethics

Twitter Updates

    Web Analytics Fotos

    Web Analytics Association

    • Web Analytics Association