3 Beiträge kategorisiert in "User Centered Design"

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. Februar 09

Web Analytics vs. User Centered Design

Produkte und Websites haben mehr Erfolg, wenn sie sich auf die Bedürfnisse des Besuchers stützen und diesen ins Zentrum stellen. Das jedenfalls ist die Philosophie von "User Centered Design", nach derer zahlreiche erfolgreiche Websites heute neu gebaut werden. Die neue Bahn.de  ist zum Beispiel eine solche Site, welche nach dieser Methodik kürzlich von namics Punkto Informationsarchitektur und Design überarbeitet wurde.

Wenn man also mittels User Centered Design erfolgreiche Websites erstellt, wozu braucht es denn andere Methoden, wie zum Beispiel Web Analytics, Multivariates Testing oder Customer Behavioral Targeting? Die Antwort ist einfach: User Centered Desig und Methoden wie Web Analytics ergänzen sich optimal, nämlich je nach Phase eines Projekts komm das ein oder das andere zum Einsatz. User Centered Desig ist optimal auf grüner Wiese, dann wenn eine Website neu erstellt oder komplett überarbeitet wird. Hier kann man bei den Nutzerbedürfnissen aus dem vollen Schöpfen. Befindet sich eine Website jedoch in fertigem Betrieb, dann ist User Centered Design weniger geeignet, da die Involvierung von Nutzern zeitaufwändig ist: Die Bedürfnisse werden nämlich im Normalfall durch persönliche Interviews oder gar Einzeltests im Labor geklärt. Solche Äufwände leistet man sich bestenfalls halbjährlich oder jährlich.

Web Analytics hingegen ist die Methode der kleinen Schritte und eignet sich deshalb für eine Website im Betrieb optimal. Mit kleinen Verbesserungen kann man Woche für Woche oder Monat für Monat eine Steigerung des Erfolgs herbeiführen, ohne mit der grossen Investitionskelle anrühren zu müssen. Unter dem Strich ergänzen sich damit User Centered Design und Web Analytics optimal - je nachdem in welcher Projektphase man sich befindet.

AnalyticsUCD

Zu disem Thema, die Synergien von Web Anlaytics, Multivariates Testing und User Centered Design, durfte ich kürzlich am ersten Online Value Forum in Stuttgart eine Präsentation halten. Für Teilnehmer des Forums und andere Interessierte sei die Präsentation hier abgelegt:

User Centered Design und Web Analytics (PDF, 4,1 MB)


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