Analytics INSIGHTS FRÜHSTÜCK

OMR Side Event - 02.03.2017 - Hamburg

Impressionen

Zur Übersicht

DETAILS

 02.03.2017

 9:30

 Atlantic Haus
Zirkusweg 1
20359 Hamburg

Speaker

Marc Roulet

mobile.de

Eine Analytische Reise von Basic bis Advanced

Vortrag:

„Don’t play what’s there, play what’s not there“ – das Zitat von Miles Davis ist der Aufhänger für den Vortrag von Marc Roulet, Head of Analytics and DWH bei mobile.de. Seine Reise führt von der Sicherstellung der Datenqualität als Basis bis hin zu unterschiedlichen Methoden der Segmentierung.

Als Einleitung bedient sich Marc Roulet des Vergleichs der Digitalen Analyse mit dem Bergsteigen. Man steht vor großen Herausforderungen, die sich mit der richtigen Ausrüstung wesentlich leichter meistern lassen. Die Grundausrüstung stellen zunächst einmal verlässliche und konsistente Daten dar. Die folgende Checkliste deckt wesentliche Hygienefaktoren ab, mit deren Hilfe ein Web-Analyst eine solide Basis für sein Schaffen sicherstellen kann:

  1. Bewegt sich die Bounce-Rate im plausiblen Rahmen ohne unnatürliche Schwankungen? Andernfalls kommen Interaction-Events als Ursache für künstlich reduzierte Absprünge in Betracht.
  2. Verläuft die Entwicklung des Traffics gleichmäßig? Unplausible Schwankungen deuten auf Tracking-Fehler hin.
  3. Entspricht der Channel-Split den Erwartungen? Zu hohe Anteile von Direct und Referral Traffic lassen auf Probleme beim Kampagnen-Tracking schließen.
  4. Sind alle Seiten korrekt vertaggt? Entspricht die abgebildete Seitenstruktur den Analyse-Anforderungen? Sind relevante Goals eingerichtet und werden diese zuverlässig erfasst?
  5. Werden Kampagnenparameter vollumfänglich und konsistent eingesetzt? Ist AdWords mit Google Analytics verknüpft?
  6. Ermöglicht das Event-Tracking wesentliche Aussagen über die Nutzer-Interaktionen mit der Website? Wichtig: Die Event-Struktur sollte nicht zu komplex gestaltet sein, da dies eine effektive Nutzung hemmt.

Als wesentliches Ziel der Digitalen Analyse hat Marc Roulet die Generierung von relevanten Insights im Blick. Dafür ist es unerlässlich, die gemessenen Daten mit Hilfe von Clusterung und Segmentierung aus verschiedenen Sichten zu betrachten. Wichtige Features in Google Analytics sind bspw. die Anpassung des Channel Grouping an die eigene Struktur der Marketingaktivitäten. Mit dem Anreichern des Standard-Trackings mittels Custom Dimensions kann man die Datenbasis an seine eigenen Bedürfnisse anpassen. Auf dieser Grundlage ermöglichen Custom Segments dann die Möglichkeit, Nutzergruppen anhand bestimmter Kriterien zu unterscheiden. Erst diese Differenzierung fächert eindimensionale Gesamtdaten in aufschlussreiche Betrachtungsebenen auf.

Als Königsdisziplin der Segmentierung in Google Analytics beschreibt Marc Roulet die Bildung von sog. Personas. Hierfür werden mithilfe komplexer Bedingungen Gruppen gebildet, die dem Usability-Ansatz typischer Nutzer-Zielgruppen entsprechen. Das Analyse-Portfolio von Google Analytics kann dann auf diese Segmente heruntergebrochen werden, was sehr spezifische Einblicke in das Nutzerverhalten ermöglicht.

Ein weiterer Aspekt der fortgeschrittenen Analyse stellt die Attribution von Conversions dar. Für das Standard-Modell in Google Analytics verdeutlicht Marc Roulet mit dem Slogan „Know your model“ die unbedingte Notwendigkeit, sich im Detail mit dem Prinzip auseinanderzusetzen, um die richtigen Schlüsse aus den Analysen zu ziehen. Dies gilt selbstverständlich auch für die alternativen Modelle im Attribition-Modul von Google Analytics. Hier empfiehlt sich unbedingt, die verschiedenen Regelwerke zu vergleichen. Dies ist ohne weiteren Aufwand möglich. Allerdings: Der Anwender sollte sich in ausreichender Tiefe mit dem Thema beschäftigen. Zu guter Letzt geht Marc Roulet noch auf die Data Driven Attribution als 360 Feature ein. Dieses Modell enthält keine vorbestimmten Regeln für die Verteilung der Conversions auf die einzelnen Touchpoints, sondern entwickelt diese erst aus den gemessenen Daten heraus. Dabei spielt die Kaufwahrscheinlichkeit in Abhängigkeit vom Auftreten eines bestimmten Kanals an einer bestimmten Position in der Kette eine Rolle. Das Ergebnis ist eine deutlich leistungsgerechtere Attribution als dies mit den Standardmodellen möglich ist.

Zum Thema Datenexport umreißt Marc Roulet unterschiedliche Optionen. So können bspw. externe Tools wie R über die Reporting API auf die Daten aus Google Analytics zugreifen und diese bspw. visualisieren und automatisiert im Unternehmen verteilen. Allerdings gelten für die API bestimmte Einschränkungen, insbesondere sind über diesen Weg keine Rohdaten verfügbar. Big Query stellt diesbzgl. eine mächtige, aber kostenpflichtige Alternative dar. Die Empfehlung für den Einsatz von Big Query lautet daher: Die Rohdaten einmalig in interne Systeme importieren, und sämtliche Reports dann aus dieser internen Datenquelle bedienen. Somit wird jeder Datensatz nur einmalig über Big Query abgefragt und fakturiert.

Als Fazit greift Marc Roulet noch einmal die Analogie des Bergsteigens auf. Vom Gipfel sieht er sich nach großen Anstrengungen und einigen erreichten Zwischenetappen immer noch weit entfernt, denn: „Es gibt noch viel zu tun“. Den Zuhörern gibt er auf den Weg mit: Die effektive Zusammenarbeit von Business Analysten und Data Scientists machen den Aufstieg wesentlich leichter. Und: Behaltet eure Erkenntnisse nicht für euch!


Gorden Nüsch

Deutscher Pressevertrieb

Superhero Sidekick Tools – Hotjar, der Robin der Webanalyse

Vortrag:

Gordon Nüsch erklärt, wie man mit Hotjar ein weiteres Tool unterstützend zu Google Analytics einsetzen kann, um den Erkenntnisgewinn mittels Heatmaps, Session Recordings und Surveys zu steigern und so einen weiteren Baustein für das eigene Entscheidungsframework gewinnt.

Als Auftakt seines Vortrags skizziert Gordon Nüsch einen typischen Analyse-Auftrag: Etwas ist schiefgelaufen, bspw. hat eine Kampagne außergewöhnlich schlecht performt oder die Abbruchquoten im umgestalteten Checkout sind in die Höhe geschnellt. I.d.R. erstellt der Web-Analyst daraufhin eine Art „Unfallbericht“. Dieser beschreibt anhand der vorliegenden Daten, was genau wo geschehen ist, also bspw. welche Metriken auf welchen Seiten in welcher Weise auffällig waren. Auch der Umfang wird transparent gemacht: Wie viele Sessions waren unter welchen Bedingungen betroffen? Häufig wird auch ein geschätzter Schaden beziffert, bspw. der entgangene Umsatz.

Mit Hilfe von Google Analytics wird so das Bild des Unfallortes präzise beschrieben. Was jedoch im Detail zum Unfall führte, weshalb genau ein Wagen von der Straße abkam, kann so nur schwer beschrieben werden. Gordon Nüsch weist darauf hin, dass der Mensch grundsätzlich dazu neigt, deskriptive Auswertungen mit eigenen Vermutungen anzureichern. Wenn es um echte Kausalität für beobachtetes Verhalten der User geht, stößt Google Analytics an seine Grenzen.

Hier kommen Tools wie Hotjar ins Spiel, die das Verhalten der User im Detail aufzeichnen und nachvollziehbar machen. Die Besonderheit bei Hotjar ist die kostenlose Basisvariante. Zwar bringt diese einige Einschränkungen mit sich, dennoch eignet sie sich, um hilfreiche Erkenntnisse zu erzielen. Die Implementierung über den Google Tag Manager ist mit wenigen Mausklicks erledigt. Die einzelnen Features stellt Gordon Nüsch im Folgenden vor:

Heatmaps bieten neben einer Klick-Visualisierung auch Movement-Reports, bei denen die Position des Mauszeigers aggregiert wird. Außerdem wird die Scroll-Tiefe visualisiert. Gordon Nüsch beschreibt als Best-Practise den Abgleich dieser drei Heatmap-Typen. Daraus können Handlungsempfehlungen für Positionsveränderungen auf der Website abgeleitet werden, z.B. für ein häufig geklicktes Element, welches unterhalb des Above-Fold liegt. Bereiche mit viel Bewegung, aber wenig Klicks geben ebenfalls Hinweise auf Optimierungspotential.

Die Session Recordings ermöglichen das nachträgliche Betrachten aufgezeichneter Sessions. Dadurch lassen sich Probleme in der Usability identifizieren und unerwartetes Verhalten der User nachvollziehen. Gordon Nüschs Erfahrung nach entdeckt man auf diese Weis Hürden und Use Cases, auf die man selber niemals gekommen werden. Session Recordings lassen sich naturgemäß nicht aggregiert auswerten. Um nur relevante Sessions zu erfassen, empfiehlt es sich dringend, das Recording auf bestimmte Nutzergruppen oder Verhaltensmuster einzuschränken. Unerlässlich ist es, ein Gespür für Qualität und Kontext von betrachteten Sessions zu entwickeln. Evtl. war ein Nutzer während eines Recordings abgelenkt, sein Verhalten ist in diesem Fall nicht auf Eigenschaften der Website zurückzuführen. Ein wichtiger Arbeitsschritt ist die abschließende, methodisch standardisierte Interpretation des beobachteten Nutzerverhaltens. So wird bspw. der mittels Google Analytics begonnene „Unfallbericht“ mit Antworten auf das Wie und Warum vervollständigt.

Als letztes Feature stellt Gordon Nüsch die Surveys vor. Dadurch können sowohl kleine Frage-Layer eingeblendet wie auch mehrseitige Umfragen ausgesteuert werden. Die Einladungen zu den Surveys können frei gestaltet und anhand zahlreicher Kriterien für bestimmte Nutzergruppen ausgesteuert werden. Neben der Abfrage des Net-Promoter-Scores wird im Vortrag insbesondere die Freitext-Frage hervorgehoben: Auch wenn aggregierte Auswertungen hier mühsam sind, erhält man so doch wertvolle qualitative Einblick. Man entwickle so eine Empathie für die Nutzer, die hinter den harten Zahlen stehen. Gordon Nüsch sieht dies als wichtige Voraussetzung für eine bessere Interpretation der Daten.

Als „Sidekick“ sind Hotjar oder vergleichbare Tools also hilfreiche Unterstützer für den Digital Analyst. Im Prozesskreislauf reihen sie sich zwischen deskriptiver Analyse und Testing ein. Sie liefern wertvolle Erkenntnisse zum „Warum“, wo Analytics Reports oder Test-Auswertungen nur die Abweichung selbst beschreiben.

Galerie

Analytics Insights - Community

Praxisnaher Austausch von Google Analytics Experten, Anwendern und Interessierten zum Thema Digitale Analyse.