Departement fur InformatikUniversitat Fribourg

Information System Research Group

Web Analytics

Seminararbeit von Bastian KalinSeminar CRM

April 2008

unter Anleitung von:

Prof. Dr. Andreas MeierInformation System Research Group

Universitat Fribourg1700 Fribourg

Darius ZumsteinInformation System Research Group

Universitat Fribourg1700 Fribourg

Inhaltsverzeichnis

Inhaltsverzeichnis

1 Einleitung 1

2 Entstehung von Web Analytics 2

3 Begriffe 43.1 Page Views - Seitenaufrufe . . . . . . . . . . . . . . . . . . . . . . . . . . 43.2 Visits - Seitenbesuche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43.3 Unique Visitors - eindeutige Besucher . . . . . . . . . . . . . . . . . . . . 43.4 Beispiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

4 Datenquellen 64.1 Weblogs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64.2 JavaScript Tags . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74.3 Andere Ansatze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

4.3.1 Web Beacons . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84.3.2 Packet Sniffing . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94.3.3 Hybride Losungen . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

5 Vorgehensweise Web Analytics 105.1 Planung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

5.1.1 KPIs von E-Commerce Seiten . . . . . . . . . . . . . . . . . . . . 125.1.2 KPIs von Produktinformationsseiten . . . . . . . . . . . . . . . . 125.1.3 KPIs von werbungsbasierten Inhaltseiten . . . . . . . . . . . . . . 12

5.2 Messung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 135.3 Analyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

5.3.1 Segmentierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145.3.2 Monetarisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

5.4 Aktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

6 Fallbeispiel: Google Analytics 166.1 Beispielwebseite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166.2 Ubersicht . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17

6.2.1 Definieren von Zielen . . . . . . . . . . . . . . . . . . . . . . . . . 176.2.2 Metriken . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196.2.3 Exportieren von Reports . . . . . . . . . . . . . . . . . . . . . . . 20

6.3 Hauptelemente von Google Analytics . . . . . . . . . . . . . . . . . . . . 206.3.1 Dashboard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20

i

Inhaltsverzeichnis

6.3.2 Besucher . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206.3.3 Zugriffsquellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216.3.4 Content . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226.3.5 Ziele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 226.3.6 E-Commerce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24

6.4 Kritik an Google Analytics . . . . . . . . . . . . . . . . . . . . . . . . . . 24

ii

Abbildungsverzeichnis

Abbildungsverzeichnis

2.1 HTML Tag zum Einbinden des Zahlers[1] . . . . . . . . . . . . . . . . . . 22.2 Generierter Zahler[1] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

4.1 Ablauf des Loggings bei Weblogs . . . . . . . . . . . . . . . . . . . . . . 64.2 JavaScript Tag von Google Analytics . . . . . . . . . . . . . . . . . . . . 74.3 Ablauf des Loggings bei JavaScript Tags . . . . . . . . . . . . . . . . . . 8

5.1 Schema zur Vorgehensweise bei Web Analytics . . . . . . . . . . . . . . . 105.2 Grafische Darstellung der Anwendung eines A/B-Tests . . . . . . . . . . 15

6.1 Tagbasierte Web Analytics Installationen der grossen Schweizer Websei-ten [7] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

6.2 Schema der Beispielwebseite . . . . . . . . . . . . . . . . . . . . . . . . . 176.3 Startseite der Google Analytics Plattform . . . . . . . . . . . . . . . . . 186.4 Konfiguration eines Trichters . . . . . . . . . . . . . . . . . . . . . . . . . 196.5 Trichteranalyse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 206.6 Navigationsmenu fur Benutzersegmentierung . . . . . . . . . . . . . . . . 216.7 Segmentierung der Webseitenbesucher nach installierter Flash-Version . . 216.8 Navigationsmenu fur die Segmentierung nach Zugriffsquellen . . . . . . . 226.9 Zielwerte nach Zugriffsquellen segmentiert . . . . . . . . . . . . . . . . . 226.10 Navigationsmenu fur die Webseiteninhaltsreports . . . . . . . . . . . . . 236.11 Navigationsmenu fur die Analyse der Webseitenziele . . . . . . . . . . . . 236.12 Visualisierung der Pfade die zum Erreichen des Ziels Kaufabschluss gefuhrt

haben . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 236.13 Navigationsmenu fur die E-Commerce Analysen . . . . . . . . . . . . . . 24

iii

1 Einleitung

1 Einleitung

Ziel ist, dass unsere Nutzer uns irgendwann die Frage stellen konnen, was siemorgen machen sollen oder was fur einen Job sie annehmen sollen. [7]

Dieses Zitat von Eric Schmidt, dem Vorstandschef von Google, soll eine erste Vorstel-lung von der Wichtigkeit und Tragweite von Web Analytics geben.

Unter Web Analytics, was zum Teil auch mit Datenverkehrsanalyse oder Clickstre-amanalyse bezeichnet wird, versteht man die Aufzeichnung und Auswertung des User-verhaltens auf Webseiten. Web Analytics werden dazu eingesetzt, um Webseiten an-hand definierter Ziele zu analysieren und zu optimieren. Sie eroffnen zudem nie dage-wesene Moglichkeiten im Customer Relation Management. In Kombination mit bereitsbestehenden Methoden bieten Web Analytics eine effektive Moglichkeit zum besserenVerstandnis der Bedurfnisse der Kunden. Was sind die Grundlagen und Hintergrundevon Web Analytics? Wie werden sie eingesetzt und welche Herausforderungen und Pro-bleme stellen sich in der Praxis? Diese Fragen werden in dieser Seminararbeit beant-wortet und es wird ein Uberblick uber den aktuellen Stand der Technologie gegeben.In einem zweiten Teil wird Google Analytics[3], eine der meistverwendeten Software furWeb Analytics, vorgestellt.

1

2 Entstehung von Web Analytics

2 Entstehung von Web Analytics

Am Anfang des Internets war die Situation ziemlich einfach. Der Benutzer tippte ei-ne URL ein und als Resultat wurde ihm vom Server eine Datei mit Text und Linkszuruckgeliefert. Bereits in dieser Zeit wurde auf dem Server ein Logfile gefuhrt, in demalle Anfragen und anderen Ereignisse wie zum Beispiel Fehlermeldungen eingetragenwurden. Die Idee, aus diesem Logfile Daten zu extrahieren und Statistiken uber dieAnzahl der Anfragen zu erstellen war gewissermassen die Geburtsstunde von Web Ana-lytics. Daraufhin wurde das Konzept erweitert und auch weitere Informationen wie IP-Adressen, Browser, Betriebssysteme der Benutzer ausgewertet. Eines der ersten Pro-gramme das aus diese Logfiles einfache Metriken exportieren konnte war Analog, ge-schrieben von Dr. Stephen Turner.[Kau07] Somit war es nun auch auf einer wenigertechnischen Ebene moglich mit den Daten aus den Server Logfiles zu arbeiten. Ein sehreinfaches Beispiel dafur, wie Web Analytics in dieser Zeit verwendet wurden, stellt derCounter dar. Wie sich wohl die meisten Leser erinnern mogen, war es vor einiger Zeitsehr verbreitet, einen Besucherzahler auf der Webseite zu haben. Eine weitere Idee, diein 1996 enstand, war die Moglichkeit, bei einem Drittanbieter einen Zahlerdienst zu re-gistrieren und so nicht mehr die eigenen Logfiles fur die Statistik zu verwenden. DerZahler konnte so einfach, mit dem in Abbildung 2.1 dargestellten IMG Block, in dieHTML Webseite integriert werden. Der Counter ist in Abbildung 2.2 ersichtlich.

<IMG SRC="http://counter.digits.com/wc/-d/4/counterguide">

Abbildung 2.1: HTML Tag zum Einbinden des Zahlers[1]

Abbildung 2.2: Generierter Zahler[1]

Nun war es ein kleiner Schritt, den kleinen Codeblock nicht nur zum Generieren vonZahlern, sondern allgemein zum Erfassen von Webdaten zu nutzen. Diese sogenanntenTags bestanden aus kleinen Bildern oder JavaScript-Blocken, deren Anfragen auf demjeweiligen Server (Tracker) speziell geloggt wurden. Dadurch wurde es moglich, miteiner Kombination von Technologien auf dem Server- und dem Client, die eigentlichenLoggingmechanismen von der Webseite zu trennen.

2

2 Entstehung von Web Analytics

Einige Jahre spater entstanden die ersten kommerzielle Losungen, wovon WebTrendsdie bekannteste war.[Kau07]. WebTrends konnte aus den Logfiles viele verschiedene Me-triken extrahieren und es war moglich damit grafische Auswertungen zu machen. Umdas Jahr 2000, durch das enorme Wachstum des Internets verstarkt, wurden auch WebAnalytics immer popularer. Allein zwischen 1999 und 2000 wuchs der Web AnalyticsMarkt von 141 auf 400 Millionen Dollar.[6]

Eine interessanter Wandel geschah in den folgenden Jahren, wohl nicht zuletzt durchdas Platzen der Dotcom-Blase bedingt. Viele der zu dieser Zeit existierenden ungefahr 60Firmen verschwanden wieder vom Markt oder wurden aufgekauft. Die Produkte wurdenstandardisiert und der Ansatz, die Erfassung der Daten einer Drittfirma zu uberlassen,gewann mehr und mehr an Bedeutung, nicht zuletzt dadurch, dass damit auch sehr vielAusgaben entfielen. Dies fuhrte dazu, dass auf der technischen Seite immer mehr mitTagging gearbeitet wurde und die veralteten HTML Bild Tags durch neue JavaScriptTags ersetzt wurden, die auch deutlich mehr Informationen uber die User aufzeichenkonnten.

In der heutigen Zeit zeichnen sich Web Analytics vorallem durch eine wachsende Inte-gration in die Businessprozesse ab. Wichtige Fragen sind heute, wie man Web Analyticsgewinnbringend mit anderen Businesssystemen kombinieren kann oder wie Web Analy-tics in Multi-Channel Analysen eingesetzt werden konnen.[6] Die technologischen Fragenstehen heute weit weniger im Vordergrund als dies noch vor 10 Jahren der Fall war, de-noch werden standig neue Innovationen geschaffen. Die technische Entwicklung von WebAnalytics ist noch lange nicht abgeschlossen.

3

3 Begriffe

3 Begriffe

Bevor mit der genaueren Untersuchung von Web Analytics begonnen wird, ist es sinnvoll,einige wichtige Begriffe zu definieren, auf denen fast alle Metriken aufbauen. In 2006wurden von der Web Analytics Association (WAA) die folgenden drei Begriffe definiert,die als Grundlage fast aller Metriken betrachtet werden konnen.[JB07]

3.1 Page Views - Seitenaufrufe

Diese Zahl gibt an, wie viel mal eine einzelne Seite einer Webseite angesehen wurde.Mehrfache Besuche von einem User werden mehrfach gezahlt

3.2 Visits - Seitenbesuche

Die Anzahl Seitenbesuche sagt aus, wieviel mal die Webseite besucht wurde. Hier spieltes keine Rolle ob der Benutzer eine oder hundert einzelne Seiten angeschaut hat, in bei-den Fallen wird nur ein Besuch gezahlt. Wenn der Benutzer jedoch fur eine langere Zeitpassiv ist und keine weiteren Seiten anfordert, wird angenommen dass er nicht mehronline ist und der Besuch wird beendet (Session Timeout). Beim Laden einer Seite nachdem Timeout wird ein neuer Besuch fur diesen Besucher registriert. Dieses Timeoutist wahlbar, ein haufiger Standardwert betragt 30 Minuten. Fur die Authentifizierungwerden meistens Cookies eingesetzt. Es existieren aber auch andere Verfahren der Sit-zungsverwaltung.

3.3 Unique Visitors - eindeutige Besucher

Hier wird gezahlt, wieviele eindeutige Benutzer die Webseite besucht haben. Jedoch wirdhier versucht jeden Benutzer nur einmal zu zahlen auch wenn er im Zeitrahmen zweimaldie Seite besucht hat. Die Authentifizierung des Benutzers geschieht meistens mit einemCookie das permanent auf dem Client gespeichert wird.

3.4 Beispiel

Ein Kunde besucht die Webseite einer Firma. Er klickt sich durch funfzehn Seiten undverlasst die Webseite. Nach zwei Wochen kommt derselbe Kunde erneut auf die Web-seite, verlasst sie aber gleich wieder, da es keine Neuigkeiten gibt. Die Auswertung der

4

3.4 Beispiel

Firmenwebseite uber diesem Zeitraum ergibt, sofern dies der einzige Besucher der Seitewar, gemass Definition 16 Page Views, 2 Visits und 1 Unique Visitor.

5

4 Datenquellen

4 Datenquellen

Wahrend der Entstehung von Web Analytics haben sich einige Standards in der Daten-erfassung entwickelt die hier vorgestellt werden sollen. Jede der Varianten bietet unter-schiedliche Anwendungsgebiete und Vor- und Nachteile. Dies fuhrt dazu, dass je nachAnforderungen an die Analyse unterschiedliche Technologien eingesetzt werden mussen.Es ist in gewissen Fallen auch sinnvoll, parallel mehrere der Methoden einzusetzen umdie Vorteile beider Varianten zu erhalten. Hier wird ein Uberblick uber die einzelnenAnsatze gegeben und gezeigt inwiefern sie sich unterscheiden.

4.1 Weblogs

Mit den Weblogs hat die Entstehung der Web Analytics ihren Anfang genommen. Hier-bei wird bei jedem Aufruf einer URL durch den Benutzer auf dem Server ein Logeintraggeschrieben. Diese Logeintrage werden dann spater durch ein Tool ausgelesen und Me-triken generiert. In Abbildung 4.1 ist der Aufruf dargestellt.

Abbildung 4.1: Ablauf des Loggings bei Weblogs

1. Der Benutzer tippt eine URL ein - Anfrage an den Server

6

4.2 JavaScript Tags

2. Der Server schreibt einen Logeintrag

3. Der Server schickt die Antwort zuruck

Es ist sehr einfach Logfiles zu sammeln, da diese von den meisten Servern automatischgeneriert werden. Ebenso existieren viele Tools um Logfiles auszuwerten und einfacheMetriken zu erstellen. Jedoch konnen mit Weblogs nur gewisse Informationen gesammeltwerden, da die Informationen auf das beschrankt sind, was der Browser dem Server beieiner Anfrage ubermittelt. Ein weiteres Problem der Weblogs ist das Caching. Wennder Aufruf einer Seite gecachet wird, erhalt der Server gar keine Meldung dass die Seiteerneut geladen wurde und die Statistik wirde so verfalscht.

4.2 JavaScript Tags

Die im Moment am verbreitetste Losung zur Datensammlung sind JavaScript Tags.Dabei handelt es sich um eine clientseitige Losung der Datensammlung, wobei in jederWebseite etwas JavaScript Code eingefugt wird. Dieser JavaScript Code (ein Beispielist in Abbildung 4.2 gezeigt) wird bei jedem Laden der Seite ausgefuhrt und sendeteine spezielle Anfrage an einen Web Analytics Server der die Anfragen aufzeichnet.Ein Schema fur die Aufrufe bei JavaScript Tags zeigt Abbildung 4.3. Ein wichtigerUnterschied zu Weblogs ist, dass der Webserver und der Web Analytics Server getrenntsein konnen, womit es moglich ist einen ASP (Application Service Provider) fur WebAnalytics zu verwenden. Es ist aber auch moglich einen eigenen Logserver zu verwenden,um so beispielweise sensible Daten zu schutzen. Weitere Vorteile der JavaScript Tagssind, dass bei gecachtem Zugriff auf die Seite das Logging trotzdem passiert und dassdurch die Verwendung von JavaScript mehr Daten uber den User gesammelt werdenkonnen. Ein grosser Nachteil der Tags: Clients mit deaktivierten JavaScript werden nichtaufgezeichnet.

<script type="text/javascript">

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">

var pageTracker = _gat._getTracker("UserCodeGA");

pageTracker._initData();

pageTracker._trackPageview();

</script>

Abbildung 4.2: JavaScript Tag von Google Analytics

7

4.3 Andere Ansatze

Abbildung 4.3: Ablauf des Loggings bei JavaScript Tags

1. Der Benutzer tippt eine URL ein - Anfrage an den Server

2. Der Server schickt die Antwort zuruck - in der Antwort ist das JavaScript Tageingebettet

3. Der Browser des Benutzers fuhrt beim Laden der Seite das JavaScript aus - DasScript schickt eine Anfrage an den Logserver

4. Der Logserver schreibt den Logeintrag zu den entsprechenden Logeintragen furdiese Webseite

4.3 Andere Ansatze

4.3.1 Web Beacons

Web Beacons sind die Vorganger von JavaScript Tags. Durch den einfachen Seitenzahlerinspiriert, entstand mit den Web Beacons eine neue Idee zur Generierung von Statistiken.Anstatt dass der Server die Aufrufe direkt in ein Logfile eintragt, wird der Webseite einkleines Element eingefugt, das bei jedem Seitenaufruf eine spezielle Anfrage auslost.Technisch wird dies durch ein transparentes 1x1 Pixel Bild gelost, das in einem HTMLIMG Element eingebettet war. Dieses Bild verweist auf den Web Analytics Server derbei jedem Aufruf des Bildes einen Logeintrag fur die jeweilige Webseite erstellt.

8

4.3.2 Packet Sniffing

4.3.2 Packet Sniffing

Zwischen dem Server und den Client wird eine weitere Schicht eingefuhrt - der PacketSniffer. Wie der Name schon sagt, konnen bei dieser Technik alle Datenpakete die aus-getauscht werden analysiert werden. Es existieren Hardware- oder Softwarelosungen,jedoch ist die Verwendung von Packet Sniffing nur in Ausnahmefallen sinnvoll.

4.3.3 Hybride Losungen

Die beschriebenen Moglichkeiten konnen auch kombiniert werden. So werden zum Bei-spiel Weblogs in Kombination mit JavaScript Tagging haufig eingesetzt um Fehler undungenaue Statistiken zu vermeiden, da JavaScript Tagging bei ausgeschaltetem JavaS-cript auf dem Browser nicht funktionniert und so gewisse Benutzer nicht registriertwurden. Durch die Kombination konnen viele dieser Problem behoben werden, jedocherfordert die Verwendung von mehreren Varianten auch mehr Aufwand.

9

5 Vorgehensweise Web Analytics

5 Vorgehensweise Web Analytics

Die Entscheidung daruber wie die Daten aus dem Internet zur Analyse gesammelt werdenist nur ein Schritt beim Einsatz von Web Analytics. Es ist mindestens genauso wichtig,wie diese Daten ausgewertet werden und Schlussfolgerungen gezogen werden. Es gibtverschiedene Moglichkeiten dieses Vorgehen zu strukturieren. Ein einfaches Schema dasdie wichtigsten Punkte enthalt ist in [JB07] beschrieben. Es werden die folgenden 4Schritte vorgeschlagen:

• Planung der Analyse / Definieren von Key Performance Indicators

• Erstellen von Reports / Messen der Performance

• Analyse der Reports

• Aktion / Optimierung

Abbildung 5.1: Schema zur Vorgehensweise bei Web Analytics

10

5.1 Planung

Es ist wichtig zu realisieren dass es sich hier um einen zyklischen Prozess handelt. Nachder ersten Analyse und Optimierung der Webseite werden die gewonnenen Erkenntnissewieder verwendet, um die einzelne Schritten zu verfeinern und anzupassen. Im folgendenwerden die einzelnen Schritte genauer untersucht.

5.1 Planung

In diesem ersten Schritt geht es darum, die Ziele der Webseite in Zusammenhang mitder gesamten Geschaftstrategie zu finden und daraus messbare Indikatoren abzuleiten(Key Performance Indicators). Das genaue Wissen um die Ziele der Webseite ist einerder wichtigsten Punkte beim Betreiben von Web Analytics, denn je praziser die Zieledefiniert werden, desto genauer fallen auch die Resultate aus und umso mehr Nutzenkann aus den Resultaten gezogen werden.

Ein Weg, um die Ziele der Webseite zu finden, ist es den Trichterprozess (conversi-on funnel) der Seite zu analysieren. [JB07] Der klassische conversion funnel einer E-Commerce Webseite besteht aus den folgenden 4 Schritten.

1. Kenntnis

2. Interesse

3. Kaufabsicht

4. Kauf

Ein Beispiel: Viele User kennen das Produkt, aber weniger haben ein Interesse daran,einige der Interessieren hegen eine Kaufabsicht aber nur ein paar davon entschliessensich schlussendlich zum Kauf.

Wenn der Trichterprozess einer Webseite bekannt ist, fallt es viel leichter die Ziele derWebseite zu bestimmen.

Im Falle des vorherigen Beispiels waren einige Ziele:

• Steigern des Bekanntheitsgrades des Produktes

• Steigern des Interesses der Kunden durch Information uber das Produkt auf derWebseite

• Moglichkeit zum Onlineshopping um dadurch den Verkauf zu steigern

Die Key Performance Indicators werden nun dazu verwendet, um den Erfullungsgradder definierten Ziele zu messen.

Die meisten Webseiten konnen in eine handvoll Kategorien eingeteilt werden, und jededieser Kategorien besitzt einige typische KPIs. Drei der wichtigsten Kategorien werdenim Folgenden kurz vorgestellt.

11

5.1.1 KPIs von E-Commerce Seiten

5.1.1 KPIs von E-Commerce Seiten

Bei diesen Webseiten liegt der Schwerpunkt im Verkauf von Produkten und Dienstleis-tung direkt auf der Webseite. Daher ist hier der Bestell- und Bezahlungsprozess vongrosser Wichtigkeit.

• Anzahl Bestellungen / Anzahl Besuche

• Durchschnittliche Grosse der Bestellung

• Verhaltnis der Conversions beim Bestellprozess

• Verhaltnis Online- zu Offlineverkaufen

5.1.2 KPIs von Produktinformationsseiten

Diese Art von Seiten sollen ein gewisses Produkt oder eine Dienstleitung bekanntma-chen, das nicht online verkauft wird. Daher gelten hier andere Gesetzmassigkeiten alsbeispielsweise bei E-Commerce Seiten. Oftmals ist es moglich sich auf diesen Seiten zuregistrieren und so detailliertere Informationen uber bestimmte Produkte zu erhalten.

• Anzahl Bestellungen / Anzahl Besuche

• Anzahl Bestellungen aufgeteilt nach Kundensegmenten

• Anzahl Bestellungen / registierte Benutzer. Wieviele effektive Bestellungen tatigendie registrierten Benutzer?

• Abnahme der Conversions beim Registrierungsprozess. Damit wird festegestellt obbeim Registrierungsprozess Schwierigkeiten auftreten.

5.1.3 KPIs von werbungsbasierten Inhaltseiten

Bei vielbesuchten Webseiten wo hauptsachlich nur Inhalt angezeigt wird, ist es einehaufig genutzte Moglichkeit mit Werbung Gewinn zu erzielen.

• Visits pro Woche

• Anzahl Pageviews pro Visit

• Durchschnittlich Dauer der Visits

• Anzahl Klicks auf Werbung / Anzahl Visits

12

5.2 Messung

5.2 Messung

Fur eine erfolgreiche Messung ist es entscheidend, moglichst prazise Metriken zu defi-nieren, die die definierten KPIs messen konnen. Diese Messungen werden in Reportszusammengefasst. Es ist wichtig hier zu bemerken, dass die Daten die fur die Reportsgebraucht werden, nicht nur aus den Daten der Webanalyse bestehen sondern dass auchbeliebige andere Unternehmensdaten verwendet werden. Daher wird zwischen primarenund sekundaren Datentypen unterschieden.

Primare Datentypen: Daten die direkt mit der Webseite verknupft sind. Der grosseTeil dieser Daten wird meistens mithilfe von Web Analytics Tools gewonnen. Esgehoren aber auch andere Typen von Daten zu dieser Kategorie, wie zum Beispielvergleichbare Daten der Konkurrenz, diese sind aber schwierig zu besorgen undsind oftmals viel weniger detailliert als die eigenen Daten. Ebenfalls werden haufigDaten uber das Userverhalten auf der Webseite aus anderen Quellen gesammelt(Umfragen, Verhaltensstudien, Usability Lab, etc.).

Sekundare Datentypen: Daten die nicht direkt mit der Webseite zu tun haben, aberin der Auswertung dennoch von Interesse sein konnen wie zum Beispiel allgemeineKundendaten, Geschaftsdaten, Transaktionsdaten, Callcenterdaten, Forschungda-ten und andere.

Durch die riesige Masse an Daten, die zur Verfugung stehen, ist es schwierig aber auchsehr wichtig, genau diejenigen Daten zu verwenden, die fur die Entwicklung der KPIsvon Bedeutung sind.

5.3 Analyse

Der nachste Schritt ist es die generierten Reports zu analysieren. Es geht darum her-auszufinden, warum die KPIs sich verandert haben und was geandert werden kann umin Zukunft positive Ergebnisse zu erzielen. In anderen Worten bedeutet dies, dass ana-lysiert wird, warum die User der Webseite ein gewisses Verhalten an den Tag legen.Ein Beispiel soll dies genauer aufzeigen: Nach einigen Anderungen an einer E-CommerceWebseite werden deutlich weniger Produkte verkauft, obwohl in der selben Zeitspanneeine Steigerung der Besuche auf der Seite registriert wurde. Diese Fakten sind durch diegenerierten Reports ersichtlich. Erst durch die Analyse der Ausstiegsraten der mit demKaufprozess zusammenhangenden Webseiten wird ersichtlich, dass zwar viele Benutzeram Kauf interessiert waren, jedoch der irrefuhrende Aufbau eines Formulars zur Kre-ditkartenbezahlung 60% der Benutzer zum Verlassen des Kaufprozesses bewogen hat.Daher hat die Analyse ergeben, dass der Fehler bei einem Fehlentscheid des Designs-teams der Webseite und nicht, wie man zu Beginn ebenfalls annehmen konnte, gar anfehlender Nachfrage nach dem Produkt gelegen hat.

13

5.3.1 Segmentierung

Das Beispiel zeigt die Wichtigkeit einer sauberen Analyse, denn schliesslich werden auf-grund dieser Resultate die Entscheidungen im nachsten Schritt, der Optimierung, gefallt.Zwei wichtige Konzepte, die in der Webanalyse verwendet werden sind die Segmentierungund die Monetisierung, welche noch genauer erlautert werden sollen.

5.3.1 Segmentierung

Einige Tendenzen in den Reports sind nicht fur alle Segmente der Besucher gleich unddeshalb ist es wichtig diese Segmente einzeln zu betrachten und untereinander zu ver-gleichen. Viele Analysen sind erst durch Segmentierung moglich. Je nach Qualitat undUmfang der Reports konnen unterschiedliche Arten von Segmentierungen vorgenommenwerden. Wenn die Reports aus einem Web Analytics Tool stammen, hangt es auch vonder gewahlten Methode zur Datensammlung und dem Anbieter ab, welche Segmentierun-gen vorgenommen werden konnen. Im folgenden einige Beispiele fur Segmentierungen,diese Liste lasst sich jedoch beliebig erweitern.

• Segmentierung nach Besuchshaufigkeit. Neue Besucher, wiederkehrende Besucher,Stammkunden, registrierte Benuter, etc...

• Herkunft der Webbesucher. Suchmaschine, Keywords, andere Webseiten, etc...

• Geografische Segmentierung

• Demographische Segmentierung

• Segmentierung nach Verhalten der Benutzer

• Segmentierung nach Werbekampagne

5.3.2 Monetarisierung

Bei der Monetarisierung werden Metriken aus den Reports Geldwerte zugeordnet. Diesvereinfacht die Auswertungen und lasst Vergleiche zwischen den einzelnen Metriken zu.So kann man beispielsweise besser entscheiden, welche Optimierungen mit welcher Prio-ritat vorgenommen werden sollten.

5.4 Aktion

Wenn die Resultate der Analyse vorliegen, ist ein wichtiger Teil der Webanalyse erledigt.Nun konnen Aktionen aufgrund der Resultate durchgefuhrt werden. Es ist wichtig zuerkennen, dass diese Aktionen nicht zwingend mit der Webseite verknupft sein mussen.Beispielsweise kann in der Analyse entdeckt werden, dass durch Offline-Marketing dieOnlineverkaufe gesteigert werden konnen. Dies fuhrt zu einer Aktion in der Marketing-abteilung und betrifft die Webseite nicht.

14

5.4 Aktion

Eine der Hauptanwendungen von Webanalytics ist die Webseite anhand der Resultateder Analyse zu optimieren. Ob die in der Analyse gefundenen Schwachpunkte der Web-seite wirklich gelost werden konnen und ob der vermutete Weg der richtige ist, ist aberoffen. Um Antworten auf diese Fragen zu finden, konnen Optimierungen versuchsweisedurchgefuhrt, und diese mithilfe von Tests ausgewertet werden.

Eine vielgenutzte Moglichkeit um Webseiten zu testen ist die Variation der Web-seite, wobei mithilfe von Web Analytics verschiedene Varianten verglichen werden, undschliesslich anhand der Vergleichsdaten fur eine Optimierungsstrategie entschieden wird.Es existieren verschiedene spezialisierte Tools um diese Variationen und Auswertungenvorzunehmen. Haufige Testverfahren sind A/B-Tests (Abbildung 5.2) oder Multivariate-Tests, wobei zwei oder mehrere verschiedene Varianten einer ganzen Webseite oder Teilendavon parallel betrieben werden.

Abbildung 5.2: Grafische Darstellung der Anwendung eines A/B-Tests

Die Tests liefern Erkenntnisse wie die Optimierungen am besten durchgefuhrt werdensollten. Anhand dieser Resultate wird schliesslich optimert.

15

6 Fallbeispiel: Google Analytics

6 Fallbeispiel: Google Analytics

In diesem Fallbeispiel soll ein existierendes Web Analytics Tools vorgestellt werden undgezeigt werden, wie die beschriebene Vorgehensweise damit abgebildet werden kann. Esist sinnvoll, dafur ein weitverbreitetes Produkt zu verwenden, das einfach ist, aber allewichtigen Funktionen anbietet. Gemass einer Statistik vom Dezember 2007[7] ist GoogleAnalytics[3], fruher Urchin, das im Moment meistverwendete Tool fur tagbasierte WebAnalytics in der Schweiz. Die Statistik in Abbildung 6.1 zeigt dies deutlich.

Abbildung 6.1: Tagbasierte Web Analytics Installationen der grossen Schweizer Websei-ten [7]

Es ist wichtig zu bemerken, dass bei dieser Statistik nur die tagbasierten Web AnalyticsSysteme verzeichnet sind. Es ist sehr wahrscheinlich, dass einige dieser Firmen auchserverbasierte Losungen einsetzen.

6.1 Beispielwebseite

Es wurde eine sehr einfache Webseite erstellt um die Moglichkeiten der Web Analyse aneinem Beispiel zu zeigen. In Abbildung 6.2 ist das Schema dieser Webseite dargestellt. Eshandelt sich dabei um eine sehr vereinfachte Form einer E-Commerceseite. Es wird nur

16

6.2 Ubersicht

ein Produkt verkauft und die Darstellung in den Seiten ist nur minimal mit Hyperlinkund Text angedeutet.

Abbildung 6.2: Schema der Beispielwebseite

6.2 Ubersicht

Die Abbildung 6.3 zeigt die Startseite der Google Analytics Plattform. Nach einer 10minutigen Konfiguration der zu analysierenden Webseite steht einem dieses Werkzeugkostenlos zur Verfugung. Dannach muss naturlich eine gewisse Zeit gewartet werden,bis Userdaten gesammelt wurden, bevor erste Auswertungen gemacht werden konnen.Google Analytics aktualisiert die Berichte in der Regel alle 24 Stunden.[3]

6.2.1 Definieren von Zielen

Ein wichtiger Bestandteil von Web Analytics ist das Definieren von Seitenzielen (Conver-sions). Hierbei werden Seiten, die einen speziellen Nutzen haben, als Zielseiten definiertund es wird untersucht, wie viele Benutzer den Weg auf diese Zielseiten finden. Eben-so kann den Zielseiten ein bestimmter Geldwert zugeordnet werden, um monetarisierteAuswertungen zu machen. Im Beispiel wurden die zwei Zielseiten Kaufabschluss undProduktinfo definiert. Das eine Ziel ist erfullt wenn der Benutzer das Produkt gekauft

17

6.2.1 Definieren von Zielen

Abbildung 6.3: Startseite der Google Analytics Plattform

18

6.2.2 Metriken

hat, das andere bereits wenn er sich auf der Produktinformationsseite uber das Pro-dukt informiert. Beiden Zielen wird ein Geldwert hinterlegt, der spater bei der Analyseberucksichtigt wird. Es wird der Wert CHF 20.- fur den Kaufabschluss und CHF 1.- furdie Produkteinformationsseite festgelegt, da angenommen wird, dass jeder 20te Kundeder sich auf der Produkteinformationsseite informiert das Produkt entweder online oderoffline bestellt.

Es wird ein sogenannter Trichter aus Seiten definiert, die schliesslich auf die Zielseitefuhren. Damit kann genauer untersucht werden, auf welchem Weg die Benutzer zum Zielfinden und ob Hindernisse vorhanden sind. Wie dies in Google Analytics gelost wird undwie eine Auswertung aussehen kann, ist in Abbildungen 6.4 und 6.5 anhand des ZielsKaufabschluss genauer dargestellt.

Abbildung 6.4: Konfiguration eines Trichters

6.2.2 Metriken

Zu Beginn ist es wichtig, die in Google Analytics verfugbaren Metriken zu betrachten.Sie konnen in drei Hautkategorien aufgeteilt werden.

Website-Nutzung Damit werden die grundsatzlichen Metriken abgedeckt wie: AnzahlBesuche / Seiten pro Besuch / Besuchszeit / Neue Besucher / eindeutige Besucher/ etc..

Ziel-Conversions Dies sind alle Metriken, die im Zusammenhang mit den definier-ten Seitenzielen stehen. Darunter fallen: Ziel-Conversion-Rate pro Ziel / Ziel-Conversion-Rate / Zielwert pro Zugriff

E-Commerce Fur E-Commerce Seiten existieren spezielle Metriken, die bei der Konfigu-ration von Google Analytics aktiviert werden konnen, da sie nur fur E-CommerceSeiten sinnvoll sind. Diese Metriken sind Umsatz / Transaktionen / Durchschnitts-wert / E-Commerce-Conversion-Rate / Wert pro Besuch

19

6.2.3 Exportieren von Reports

Abbildung 6.5: Trichteranalyse

6.2.3 Exportieren von Reports

Die beliebig zusammengestellten Reports konnen als PDF, XML, CSV oder TSV expor-tiert werden und so in den meisten Programmen weiterverarbeitet werden, und als PDFauch direkt in Prasentationen oder Meetings vorgestellt werden. Ebenso lassen sich inzeitlichen Abstanden automatisch Reports per E-Mail versenden.

6.3 Hauptelemente von Google Analytics

6.3.1 Dashboard

Die Arbeit in Google Analytics beginnt auf dem Dashboard. Es dient als Ubersichtsseiteund die angezeigten Inhalte konnen beliebig konfiguriert werden. Praktisch alle Reportskonnen auf das Dashboard gesetzt werden. So ist es zum Beispiel sinnvoll die wichtigstenKPIs bereits mit Reports auf dem Dashboard zusammenzufassen. Ebenso besteht dieMoglichkeit das Dashboard zu exportieren. Eine Ansicht des Dashboards wurde bereitsin Abbildung 6.3 dargestellt.

6.3.2 Besucher

In dieser Kategorie konnen die Besucher nach den verschiedensten Kategorien segmen-tiert werden. Eine Ubersicht uber die Moglichkeiten bietet das Navigationsmenu das inAbbildung 6.6 dargestellt ist.

20

6.3.3 Zugriffsquellen

Abbildung 6.6: Navigationsmenu fur Benutzersegmentierung

Im folgenden Beispiel soll die Moglichkeit der Usersegmentierung erlautert werden.In die Webseite soll eine neue Flashanimation eingefugt werden, die nur mit der FlashVersion 9.0 r47 oder hoher funktioniert. Nun muss abgeklart werden, wieviele User vondieser Anderung betroffen waren und demnach eine neue Version installieren musstenum die neue Animation abspielen zu konnen oder ob es sinnvoller ist die Flashanimationzu andern und die Kompatibilitat mit alteren Flash-Versionen aufrechtzuerhalten. DerReport aus Google Analytics ist in Abbildung 6.7 gezeigt.

Abbildung 6.7: Segmentierung der Webseitenbesucher nach installierter Flash-Version

Die Analyse des Reports ergibt, dass bereits 82.5% der bisherigen Besucher die benotigteFlashversion besitzen. Daher wird entschieden, dass die neue Flashanimation verwendetwird, jedoch zusatzlich ein Link und eine Beschreibung zum Download der neuen Versionvon Flash auf der Seite eingefugt wird, da trotzdem mehr als 15% der User von dieserAnderung betroffen sind und die neue Version downloaden mussen.

6.3.3 Zugriffsquellen

Hier konnen die Zugriffe nach Zugriffsquellen segmentiert werden. Ein wichtiges Beispieldafur ist die Segmentierung nach Suchmaschine und nach gesuchten Keywords. EinenUberblick uber die Moglichkeiten liefert die Abbildung 6.8. Interessant zu erwahnen ist

21

6.3.4 Content

hier auch die Integration von Google AdWords[2], das die Moglichkeit bietet Werbekam-pagnen fur Keywords zu lancieren. In der Segmentierung nach Zugriffsquellen lassen sichdie Zugriffe analysieren, die durch diese Werbekampagnen gewonnen wurden.Bei der Beispielseite soll analysiert werden, ob die Zugriffe mittels Suchmaschine oderdie direkten Zugriffe einen hoheren Zielwert ergeben. Das Resultat ist in Abbildung 6.9gezeigt.

Abbildung 6.8: Navigationsmenu fur die Segmentierung nach Zugriffsquellen

Abbildung 6.9: Zielwerte nach Zugriffsquellen segmentiert

6.3.4 Content

Eine andere Moglichkeit ist es, die einzelnen Seiten der Webseite zu analysieren. Welchedie am haufigsten besuchten Seiten der Webseite sind und von welchen Seiten die Websei-te am haufigsten verlassen wird, sind nur die einfachsten Erkenntnisse die hier gewonnenwerden konnen. Die in Abbildung 6.10 dargestellten Moglichkeiten sind verfugbar.

6.3.5 Ziele

Hier konnen die Conversionraten fur die definierten Webseitenziele analysiert werden.Das Navigationsmenu ist in Abbildung 6.11 zu sehen. Eine Moglichkeit zur Visualisierungsind die Zielpfade. Bei diesem Report wird gezeigt, auf welchen Wegen ein Ziel erreichtwurde. Im Beispiel in Abbildung 6.12 wird ersichtlich, dass der Kaufabschluss einerseitsdirekt von der Startseite, aber auch uber den Umweg uber die Produktinformationsseiteerfolgt ist und in welchem Verhaltnis.

22

6.3.5 Ziele

Abbildung 6.10: Navigationsmenu fur die Webseiteninhaltsreports

Abbildung 6.11: Navigationsmenu fur die Analyse der Webseitenziele

Abbildung 6.12: Visualisierung der Pfade die zum Erreichen des Ziels Kaufabschlussgefuhrt haben

23

6.3.6 E-Commerce

6.3.6 E-Commerce

In dieser Kategorie lassen sich Auswertungen machen, die spezifisch mit E-Commerce zutun haben. Es konnen Analysen auf der Ebene der gekauften Produkte oder Produkte-kategorien gemacht werden, oder es kann das Kaufverhalten der User analysiert werden.Diese Moglichkeiten sprengen jedoch bei weitem den Rahmen des kleinen Beispiels undsollen hier nicht genauer betrachtet werden. Die Moglichkeiten sind in Abbildung 6.13dargestellt. Eine Spezialitat bei diesen Analysen ist der Einsatz von weiteren JavaScriptTags, die beim Kauf der Produkte in die Seite eingefugt werden, um Google Analyticsdie Produktdaten und die Preise der Transaktion mitzuteilen. Mit diesen Daten ist esmoglich die sehr detaillierten Reports zu erhalten die Google hier anbietet.

Abbildung 6.13: Navigationsmenu fur die E-Commerce Analysen

6.4 Kritik an Google Analytics

In der letzten Zeit ist Google mehr und mehr unter Kritik geraten[5]. Mit Google Ana-lytics bietet Google ein weiteres kostenloses Tool an, das in gewissem Sinne nur auf denersten Blick kostenlos ist. Denn durch die riesigen Mengen an Daten die Google auf die-se Weise sammelt, kann nicht nur die Webseite die Google Analytics einsetzt, sondernauch Google Analytics selbst, viel uber das Verhalten der einzelnen User erfahren. DaGoogle bereits mit anderen Tools Daten uber die User erfassen kann, ist es fur Googleauch moglich die Daten uber das Webverhalten mit den anderen Daten in Verbindungzu bringen. Nicht nur im Bereich der Suchmaschinen, sondern zum Beispiel auch in derOnlinewerbung[4] und Onlinevideos[8] hat Google eine marktbeherrschende Stellung.Mit OpenSocial startet Google zur Zeit eine Offensive, um auch im Bereich der sozialenNetzwerke zu einer Schlusselfigur zu werden. Durch die Kombination der erfassten Da-ten all dieser Tools, besitzt Google bereits heute einen Datenschatz von unermesslichemWert.

24

Literaturverzeichnis

Literaturverzeichnis

[JB07] Shane Atchison Jason Burby. Actionable Web Analytics. SYBEX, 2007.

[Kau07] Avinash Kaushik. Web Analytics - An hour a day. SYBEX, 2007.

25

Webreferenzen

Webreferenzen

[1] Counterguide.com. Counterguide.com: History of web counters and web ana-lytics. http://counterguide.com/article/7_history_of_web_counters_and_

web_analytics.html (accessed: 11. April 2008).

[2] Google. Google AdWords. http://adwords.google.com/ (accessed: 20. April 2008).

[3] Google. Google Analytics. http://www.google.com/analytics (accessed: 20. April2008).

[4] Spiegel Online. Internet Werbung. http://www.spiegel.de/wirtschaft/0,1518,477365,00.html (accessed: 20. April 2008).

[5] Welt Online. Nachdenken uber den Erfolg Googles. http://www.welt.de/welt_

print/article1917451/Wer_Gutes_will_und_Bses_schafft.html (accessed: 20.April 2008).

[6] Ballardvale Research. Market Trends - Web Analytics: History and Future. http:

//www.ballardvale.com/free/WAHistory.htm (accessed: 11. April 2008).

[7] Lukas Stuber. Google Analytics: klare Nummer 1. http://www.yourposition.ch/blog/01-2008/google-analytics-klare-nummer-1/ (accessed: 11. April 2008).

[8] tagesschau.de. Google schluckt Videoportal YouTube. http://www.tagesschau.

de/wirtschaft/meldung93966.html (accessed: 20. April 2008).

26