Die richtigen Antworten auf diese Fragen sind aber essentiell für Online Marketers.
Die erste Frage lautet: “Warum kommt der Nutzer auf meine Seite?”
Die zweite Frage lautet: “ Warum verlässt der Nutzer meine Seite?” Diese zweite Frage behandeln wir vielleicht in der zweiten Folge…. ;-)
Beide Fragen sind wichtig für die richtige Steuerung von Marketingbudgets und die Weiterentwicklung der eigenen Webseite und Services.
Auf den ersten Blick scheinen Tools wie Google Analytics auf die Frage “Warum Nutzer auf meine Seite kommen” ausführlich Antwort zu geben. Im Akquisitions- und Multichannel-Trichter-Bericht von Google Analytics wird von der Quelle über das Medium bis hin zur Kampagne und dem Anzeigeninhalt genau darüber Auskunft gegeben.
Dieser Artikel zeigt auf, warum eine Werbeerfolgskontrolle, die rein auf Webanalyse-Tools wie Google Analytics basiert häufig nur eingeschränkte Aussagekraft hat. Ich stelle euch am konkreten Beispiel einen Ansatz vor, diese Aussagekraft zurückzugewinnen. In den grauen Kästen findet ihr immer Tipps, wie ihr es selber umsetzen könnt.
Wir haben die größten deutschen Webseiten nach Traffic-Herkunft analysiert. Die wichtigsten Kanäle waren “Direct”, organische Suche und bezahlte Suche. Eine 2021 veröffentliche Studie, die eine Vielzahl von Webseiten untersuchte kam zu einem ähnlichen Ergebnis: Die Top 2 Trafficquellen waren Search (organische Suche und bezahlte Suche zusammengefasst) und Direct.
Auch bei der 121WATT sind laut Google-Analytics-Report Traffic-Herkunft diese drei Quellen die wichtigsten:
Obwohl das nach einem sehr klaren Ergebnis aussieht, ist bereits auf dieser Ebene die Interpretation der Zahlen schwierig.
Direct bezeichnet eigentlich die direkte Eingabe der URL in den Browser. Bei Google Analytics werden aber nur Klicks als “Direct” ausgewiesen, zu denen es vor der letzten “Direct” Eingabe keine andere Herkunftsquelle gab. Sobald es diesen “Last-Non-Direct-Click” gibt, wird “Direct” ignoriert und die Quelle dieses letzten nicht direkten Klicks herangezogen (LNDC-Attribution). Dieser kann bis zu sechs Monate (wenn die Standard-Einstellungen nicht geändert wurden) zurückliegen – sic!. Nur im Multi-Channel-Trichter-Report von Google Analytics findet ihr die “echten” “Directs”, d.h. auch die, bei denen zuvor der Nutzer über eine andere Quelle gekommen ist. In den anderen Reports werden diese “Direct” bei Google Analytics systematisch zu niedrig ausgegeben, weil sie mit der letzten anderen Quelle überschrieben wurden, wo sie vorlag. Google Analytics hat also bereits zwei sehr unterschiedliche Berechnungsweisen dieser Kennziffer. Das ist aber noch nicht alles.
In Blogbeiträgen wird häufig eher technisch der direkte Aufruf einer Webseite per URL, Lesezeichen, oder fehlende Trackingparameter (weil die Werbemittel nicht richtig gepflegt wurden) als mögliche Treiber für “Directs” aufgeführt. Siehe z.B. den entsprechenden Artikel auf MOZ von Tom Bennet.
Wenn man aber keine großen Schnitzer bei der Werbemittel-Anlage gemacht hat, ist häufig in der Praxis die mit Abstand wichtigste Ursache für “Direct” die direkte Eingabe der URL im Browser durch den Nutzer. Die direkte URL-Eingabe ist aber per se kein Treiber sondern steht meist am Ende von etwas, was vorher stattgefunden hat. Ab hier wird es spannend aber viele Beiträge hören hier genau auf und Web-Analyse-Tools wie Google Analytics ebenfalls.
Die Antwort auf die Frage, was zu einer solchen direkten URL-Eingabe durch den Nutzer führt, kann die Web-Analyse im Standard nicht liefern.
Wichtige Treiber “echter Directs” können z.B. folgende sein:
Auch Brand-Queries, d.h. Suchanfragen bei Suchmaschinen, die den Namen der Webseite enthalten, verhalten sich ähnlich bis gleich. Sie sind eigentlich kein echter Werbe-Kontakt. Die wahre Ursache ist eine Andere, wie z.B. Mundpropaganda, Marke, Crossmedia, Cross-Channel. Auch hier kann durch den Einsatz von Web-Analyse-Tools wie Google Analytics nur unzureichend die Ursache identifiziert werden.
Es geht bei “Direct” nicht nur um einen der wichtigsten Kanäle für viele Unternehmen. Die verschiedenen Treiber für “Direct” Traffic führen auch zu komplett unterschiedlichen Werbe-Effizienzen, also Kosten/Ergebnis-Relationen (z.B. KUR):
Beide Beispiele zeigen, wie wichtig es ist, seine “Directs” zu verstehen. Sie haben sehr unterschiedliche ökonomische Konsequenzen für das eigene Geschäftsmodell.
Die tatsächlichen Treiber herauszufinden ist nicht schwer. Allerdings können Web-Analyse-Tools alleine das nicht leisten. Der nun von mir beschriebene Ansatz ergänzt sie um eine kurze Frage mit mehreren möglichen Antworten auf der Danke-Seite (Bestellbestätigung, Newsletter-Anmeldung etc.).
Mit einer solchen Umfrage könnt ihr nur bewusste (kognitive) Verhaltensweisen abfragen. Dinge also, über die sich der Nutzer im Klaren ist und an die er sich erinnern kann. Die Messung unterschwelliger Werbewirkung entzieht sich dieser Methode.
In unserem Beispiel haben wir auf der Bestätigungsseite für die Seminaranmeldung folgende Frage gestellt:
Bitte beantworten Sie uns eine Frage:
Was war ursächlich für Ihren Einkauf?
Die jeweiligen Fragen solltet ihr aus dem eigenen Geschäftsmodell und dem Werbe-Mix des Unternehmens ableiten. Die 121WATT macht z.B. keine TV-Werbung oder versendet im großen Stil Kataloge. Weshalb diese Dinge auch nicht abgefragt werden.
Wichtig ist, (wenigstens zu Beginn des Erhebungszeitraums) offen nach anderen Ursachen zu fragen. Über die offenen Antworten könnt ihr dann recht einfach sehen, ob eure Nutzer die Antwort-Optionen richtig verstehen, oder ihr sie anpassen müsst und, ob ihr alle wichtigen Treiber für das jeweilige Unternehmen in die geschlossenen Antwortoptionen mit aufgenommen habt.
Wir arbeiten bei der 121WATT mit Surveymonkey und in letzter Zeit vermehrt mit Surveygizmo.
Wir haben die unten gezeigte Umfrage auf der “Danke”-Seite über unser Tool Surveygizmo platziert.
Ihr solltet die Antwortoptionen zufällig bei jedem Seitenaufruf rotieren lassen (Standardoption der meisten Online-Befragungstools), damit keine Reihenfolge-Verzerrungen hin zur sonst konstant oben stehenden Option entstehen. Auch macht es Sinn, eine Antwortoption aufzunehmen, die das Unternehmen noch nie verfolgt hat. Darüber könnt ihr dann den Anteil willkürlicher Antworten bestimmen und von den Anteilen “echter” Optionen abzuziehen.
Wie eine Rotation der Antwortoptionen bei Surveymonkey und Surveygizmo vorgenommen wird, seht ihr hier:
Eingebunden hatten wir die Umfrage mittels Surveygizmo zunächst über einen iframe, was aber einen gravierenden Nachteil hatte, auf den ich im weiteren Verlauf nochmal zu sprechen komme.
Die kleine Umfrage wird für unsere Verhältnisse ausgesprochen häufig ausgefüllt. So haben wir recht schnell fast 400 Antworten gesammelt.
Das deckt sich mit meinen Erfahrungen bei einem großen Katalog-Versandhändler. Hier sind wir ähnlich vorgegangen und haben Response-Werte zwischen 15 – 35 % erzielt.
Nun zur spannenden Frage, was denn die tatsächlichen Motive für eine Seminarbuchung waren. Um die Lesbarkeit zu vereinfachen habe ich die verschiedenen abgefragten Empfehlungs-Arten zusammengefasst zu einer Gruppe “Empfehlung” und die wenig bedeutenden unter “Andere” subsumiert.
Ihr seht, dass diese Umfrage die echten Treiber unseres Geschäftes offenbart: Bestandskunden und Empfehlung sind ursächlich für fast ⅔ unserer Seminar-Anmeldungen.
Das hat nur noch sehr wenig Ähnlichkeit mit den Quellen aus der Webanalyse bei Google Analytics.
Bestandskunden bestellen in der Regel wieder, weil Sie bereits gute Erfahrungen mit dem Anbieter gemacht haben und Empfehlungen werden ausgesprochen, weil sich die gute Erfahrung rumgesprochen hat. Unsere Seminar-Qualität treibt also unser Geschäft in erheblichem Maße an.
Eine einfache Umfrage kann die wahren Treiber des eigenen Geschäftes offen legen, viel mehr als die Webanalyse – insbesondere bei Produkten und Services, die nicht impulshaft sondern überlegt gekauft werden und der Kunde im Anschluss auch Auskunft über seine Beweggründe des Kaufs geben kann.
Mit Surveygizmo könnt ihr aber noch einen Schritt weiter gehen und die Antworten bei der Umfrage als “virtuellen” Seitenaufruf an Google-Analytics zurückmelden (das geht derzeit leider nicht bei surveymonkey). Zunächst war ich begeistert von dieser Möglichkeit. Leider hat sie aber nicht ganz gehalten, was sie versprochen hat. Um mein Ziel zu erreichen, musste ich dann doch noch einen weiteren Weg einschlagen. Zunächst aber zurück zu Surveygizmo.
Wie ihr am gelb hervorgehobenen Code-Teil seht, wird technisch aus den Variablen der Umfrage die URL des “virtuellen” Seitenaufrufes gebaut. Die Ausprägungen der Variablen bilden dann eine entsprechende URL, die ihr in Google Analytics im “Verhalten”-Bericht unter Website-Content aufrufen und z.B. über das Verzeichnis “/surveys/” oder den Titel der Umfrage filtern könnt (siehe Abb.):
Am häufigsten (hier nicht abgebildet) taucht die Variante ohne Wert (Bei uns: “/surveys/Bestellabschluss/ .html”) auf. Sie steht für nicht ausgefüllte Umfragen. So könnt ihr dann auch einfach die Response-Rate im gefilterten Report messen (Seitenaufrufe der URL für nicht ausgefüllte Fragebogen geteilt durch alle Seitenaufrufe). Ich habe die virtuellen Seitenaufrufe nur in der Roh-Datenansicht gefunden und weiß (noch) nicht, warum ich sie nur dort sehen kann – aber die Antworten kommen als virtuelle Seitenaufrufe an, wie ihr sehen könnt :-).
So und nun kommt der bereits angesprochene Nachteil der zunächst bei uns verwendeten iFrame-Einbindung: Schön wäre doch nun eigentlich noch zu wissen, über welche von der Webanalyse gemessenen Quelle/Medium-Kombination die Nutzer gekommen sind, die jeweils eine bestimmte Antwort auf unsere kleine Frage gegeben haben. Das wäre nun theoretisch relativ einfach über die Auswahl der sekundären Dimension “Quelle/Medium” hinzubekommen.
Durch unsere Einbindung als iFrame jedoch leider nicht…. Alle Einträge im Quelle/Medium-Bericht stehen auf Direct / (none). Technisch ist ein iFrame nichts anderes, als der Aufruf einer anderen Webseite in einem Fenster der bestehenden Webseite. Da bei diesem Aufruf keine “Herkunftsdaten” übergeben werden, protokolliert Google Analytics für die Seitenaufrufe als Quelle/Medium “Direct/(none)” :-(.
Leider ist es also mit diesem Ansatz nicht möglich, zu messen, welcher von Google Analytics gemessene Kanal am meisten durch die Treiber im Hintergrund (in unserem Geschäftsmodell die Weiterempfehlung) beeinflusst wird. Auch fanden wir die Übergabe der ausgewählten Antwortoption als “virtuellen” Pageview nicht sehr elegant. Es muss also eine andere Lösung her.
Um doch an die Schnittmenge der Antworten mit den zuführenden Kanälen zu kommen und sie vielleicht auch etwas eleganter als “events” abzubilden, habe ich eine Lösung abseits jeder Umfragetools für uns gebaut.
Sie basiert im Kern auf einer Linkliste, die ihr über den Content-Editor im Text-Modus über unser CMS (WordPress) auf der Bestellbestätigungsseite mit den verschiedenen Antwortoptionen einstellen könnt. Die Beantwortung der Frage geschieht über den Klick auf den entsprechenden Link der Antwortoption, der dann als Trigger dient um ein Google-Analytics-Event auszulösen.
Wir brauchen aber noch ein zweites Java-Skript, um die Liste zufällig zu sortieren, damit keine Reihenfolge-Effekte auftreten (d.h. um den Effekt der Tendenz zur Auswahl der oberen Ergebnisse auf alle Antwortoptionen gleich zu verteilen). Dieses Skript muss von euch im Header der entsprechenden Seite eingebunden werden.
Da wir keine Software-Entwickler sind, habe ich das testweise über das Plugin Embed Code realisiert. Langfristig wird das aber wieder ausgebaut. Durch dieses Plugin erscheint unter jeder Seite in WordPress ein Fenster, über das wir den JS-Code zur zufälligen Sortierung der Antwortoptionen eingepflegt haben. Die Integration über das (andere) “Code-Embed”-Plugin wird hier beschrieben.
Nun steht die Umfrage und wir müssen noch diese über den Google Tag Manager mit Google Analytics über “custom events” verknüpfen.
Das spannende nun ist ein erster Blick auf die Ergebnisse: Die Umfrage läuft noch nicht lange. Aber wir haben schon 74 Antworten erhalten. Unter Verhalten > Ereignisse > EREIGNISKATEGORIE: umfrage_bestellabschluss > Ereignisaktion findet ihr die einlaufenden Ergebnisse. Wie sehr bestimmte Treiber durch Analytics nicht aufgeklärt werden können, sieht man auch dann sofort:
Die Motive Empfehlung und Bestandskunden sind auch hier die wesentlichen Treiber für unsere Abschlüsse, während es in der reinen Web-Analyse-Sicht mit Google Analytics Organische Suche und Direct waren. Das Spannende aber nun ist, dass wir durch Auswahl der sekundären Dimension Quelle/Medium sehen können, wie sehr “Empfehlung” und “Bestandskunde” die einzelnen von Analytics gemessenen Quelle/Medium-Ausprägungen beeinflussen bzw. deren Aussage verändern:
Etwas einfacher zu lesen wird es, wenn man die Daten in eine Pivot-Tabelle einfügt (1. Tabelle) und sich den Erklärungsanteil an den einzelnen Quelle/Medien-Ausprägungen anschaut (2. Tabelle):
Obwohl “nur” 74 Datenpunkte in der Analyse vorliegen wird jetzt schon deutlich, dass die drei wichtigsten Quelle/Medium-Ausprägungen (direct/none, google/organic und google/cpc) der 121WATT von “anderen” Ursachen sehr wesentlich getrieben werden.
Die vorgestellte Auswertung führt zu einer Neubewertung des Marketingmixes. Produkt- & Servicequalität, die sich in Wiederkaufbereitschaft (Stammkunden) und Weiterempfehlung niederschlägt werden Teil der Betrachtung der Marketing-Aktivitäten. Dies dokumentiert den sich seit Jahren vollziehenden Paradigmenwechsel, dass effizientes Marketing nicht nur durch gut gemachte Werbung erreicht wird, sondern Service-und Produktqualität mindestens genauso wichtig für erfolgreiche Werbung sind.
Sie treiben nicht nur die “Directs” sondern auch die Suche. In unserem Fall sind diese Kanäle in der rein auf Basis von Google Analytics erfolgten Bewertung schön gerechnet.
Um aber das Bild zu vervollständigen müsste man noch etwas tiefer in den Suchkanal rein schauen und Suchanfragen mit Markennamen von generischen Suchen unterscheiden. Außerdem wäre interessant zu sehen, wie sich die Neukunden auf die verschiedenen Treiber des Geschäftes aufteilen, also das Ganze mit CRM-Daten anzureichern.
Wir haben diese Analyse noch etwas weiter laufen lassen. An der Aussage, dass “Bestandskunden” und “Empfehlungen” die von Google Analytics gemessenen Werbekanäle stark überstrahlen, hat sich nichts geändert.
Es zeigt ganz allgemein, dass viele Geschäftsmodelle nicht “nur” durch Online Marketing getrieben werden – selbst wenn sie, wie in unserem Fall, nur dafür Geld ausgeben.
Viele Geschäftsmodelle werden aus dem Zusammenspiel der Online-Kanäle mit Dingen wie Produkt- oder Dienstleistungsqualität getrieben. Dahinter steht die Weiterempfehlung durch und das Folge-Kaufverhalten von Bestandskunden. In unserem Fall der Treiber unseres Geschäfts, der nicht nur “Direct”, sondern auch die Suchkanäle beeinflusst (vermutlich dort im Schwerpunkt durch Marken-Suchen nach der “121WATT”)
Auch größere Crossmedia-Effekte aus TV-Kampagnen oder Print, z.B. über Kataloge können in einem solchen Ansatz aufgedeckt werden.
Die hier dargestellte Methode kommt immer dann an ihre Grenzen, wenn die Fallzahlen sehr gering werden. D.h. wenn der Effekt der über die Umfrage gemessen werden soll sehr klein ist oder das Geschäft in einem bestimmten Zeitraum nicht eine Mindestanzahl an Bestellungen liefert, sodass einfach zu wenig Antworten eingehen.
Eine Analyse des Werbeerfolgs mittels Web-Analyse-Tools alleine springt in vielen Fällen viel zu kurz und kann dann die wahren Treiber des Geschäfts nur unzureichend quantifizieren. Positiv ausgedrückt könnt ihr eure Aussagekraft substanziell aufwerten, wenn ihr sie durch eine Umfrage wie hier beschrieben ergänzt. Viel Spaß! ;-)
Dein Feedback hilft uns, unsere Inhalte noch besser zu machen.
089 416126990
Ich schätze Eure Artikel sehr, TOP aufbereitet und nicht nur „Probleme“ aufgeworfen sondern Handlungsempfehlung bis hin zu Integrations-Checklisten dazu – vielen Dank dafür. Und viele liebe Grüße an Alex(ander Holl). :-)