Welche Optionen stehen zur Verfügung?

Die neuen Content-Gruppen können auf verschiedenen Wegen erstellt werden. Aktuell werden für die Erstellung von Content-Gruppen insgesamt 3 Optionen angeboten. Weiter unten werden diese Funktionen detailliert beschrieben.

1. Option
Über die Anpassungen im Tracking-Code:

Web: ga(‘set’, ‘ContentGroup5’, ‘Ausland’)

App: tracker.set(contentGroup(5), “Ausland“)

Notiz: Es handelt sich hier um den neuen Universal-Analytics-Code. Diese Funktion ist auch mit dem alten Code verfügbar. Bei der Erstellung wird dann das aktuelle Code-Snippet angezeigt.

2. Option
Mit Hilfe von RegEx:

Web: /ausland/(.*?)

App: /jeans/(.*?)/

3. Option
Über systeminterne Regeln:

Web: Page enthält Ausland

App: Screen Name enthält Jeans

Anwendungsfälle für die Gruppierung nach Content

Es kann entweder nur eine Option benutzt werden oder alle Optionen kombiniert zusammen. Der Vorteil der beiden letzten Optionen ist, dass man hier keine Anpassungen im Tracking-Code machen muss. Viele Webseiten beinhalten bereits eine saubere URL/Title-Struktur für die Erstellung von Content-Gruppen. Interessant werden natürlich verschiedene Kombinationen wie z.B. in einem Onlineshop die Zusammenfassung von Hauptseite, Kategorien, Produktansichten und zugleich die Erstellung weiterer Gruppen über die URL/Titles. Aber auch klassische Content-Seiten werden von dieser Funktion sicherlich profitieren können. Interessant werden die Content-Gruppen z.B. auch für SEO-Reports, in dem die SEO-Landing Pages in Gruppen eingeteilt werden und im Vergleich zu normalen Unterseiten schnell analysiert werden können.

So wird die „Gruppierung nach Content“-Funktion aktiviert

Die Content-Gruppen werden direkt aus dem Backend von Google Analytics erstellt. Unter Admin > Ansicht > Gruppierung nach Content (s. Abbildung 1.0) können dann die drei Möglichkeiten ausgewählt werden. Wobei man hier natürlich darauf achten muss, dass die neu erstellten Content-Gruppen etwa erst nach 24-Stunden in Google Analytics sichtbar werden. Diese Funktion ist sowohl beim alten Code als auch beim neuen Universal Analytics-Code für alle Nutzer verfügbar. Weitere Informationen finden Sie im offiziellen Google Analytics Blog und in den Helpfiles.

Abbildung 1.0: Gruppierung nach Content in Google Analytics

Passendes Video zu neuen Möglichkeiten und Funktionen

The post Google Analytics released eine langersehnte Funktion appeared first on Digital Analytics & Data Strategy.

URL-Ziel als Standardmöglichkeit für die Zieldefinition

Dies ist wohl die einfachste Möglichkeit, bestimmte Ziele zu definieren und auch zu messen. Man muss hier lediglich eine URL auswählen, bei welcher ein Seitenaufruf gleichzeitig das Erreichen des festgesetzten Ziels auslöst. Bei einem Onlineshop würde der Aufruf einer Bestellbestätigungsseite zu einem Zielabschluss führen. Falls auf der Webseite ein Formular eingebunden wurde, könnte man die “Vielen Dank”-Seite nach dem Ausfüllen des Formulars als ein weiteres Ziel definieren.

Abbildung 1.0: URL-Ziel mit einem Trichter

In Abbildung 1.0 ist ein konkretes URL-Ziel in diesem Blog festgelegt. Als erstes wird der Zieltyp “URL-Ziel” ausgewählt, bei der Ziel-URL wird die /vielen-dank/ Seite eingetragen. Die “/vielen-dank/“- Seite wird nach einer erfolgreichen Kontaktanfrage angezeigt, der Zielwert ist eine 0, da dieser noch nicht klar ist, normalerweise sollte man hier einen kalkulierten Wert eintragen. Man kann natürlich auch hier die regulären Ausdrücke für die Zusammenfassung von Unterseiten verwenden, dafür sollte als Übereinstimmungstyp: „Übereinstimmung mit regulärem Ausdruck“ ausgewählt werden. Im Normalfall wird als Übereinstimmungstyp: „Genau passend“ ausgewählt. Weiter unten können die Zieltrichter eingerichtet werden. Der Zieltrichter kann auf alle Unterseiten angewendet werden, er ist nicht nur für den Bestellprozess in einem Onlineshop gedacht, in Abbildung 1.0 besteht der Trichter aus genau drei Schritten:

Schritt 1: Besucher landet auf der Zielseite “/preise”.

Schritt 2: Besucher klickt auf Anfragebutton und wird zum Formular weitergeleitet.

Schritt 3: Besucher füllt das Formular aus und wird auf die “/vielen-dank/“ – Seite weitergeleitet, was letztendlich den Abschluss für dieses Ziel bringt.

Mit diesen Einstellungen werden die Ziele zusammen mit der Trichtervisualisierung angezeigt. Man kann die Trichtervisualisierung rückwirkend betrachten, d.h., früher wurde der Trichter erst ab der Einrichtung getrackt und angezeigt, mittlerweile kann man mit dem Zielprozessfluss (unter Conversions) auf bereits gesammelte Daten zurückgreifen und den Trichter sozusagen anpassen und rückwirkend betrachten. Es können praktisch einige neue Schritte hinzugefügt und diese dann in diesem Trichter angeschaut werden, was vor einiger Zeit noch völlig undenkbar war. Mit dem Zielprozessfluss lassen sich einige interessante Auswertungen anstellen, das sollte man unbedingt austesten, damit das Besucherverhalten richtig interpretiert werden kann.

Besuchsdauer als Ziel – Weicher Faktor für das Erfassen von Zielen

Die Besuchsdauer zählt zu den sogenannten “Engagement”-Metriken, man kann sie auch als “Soft-Metric” bezeichnen. Eigentlich sagt dieser Wert allein betrachtet nicht viel aus. Damit man die Besuchsdauer als Ziel definieren kann, sollte man bereits einige wichtige Daten gesammelt haben. Natürlich ist eine hohe Besuchsdauer positiv für die gesamte Webseite und wirkt sich womöglich positiv auf das Businessmodell aus. Doch welchen Wert sollte man dafür nehmen, damit es auch Sinn macht, diese Metrik für die Zieldefinition zu nehmen?

Diese Frage können die erweiterten Segmente beantworten. Angenommen, es wurde bereits ein URL-Ziel definiert, es könnten nun alle Besuche, die dieses Ziel erreicht haben, per benutzerdefiniertem Segment gefiltert und somit eine optimale Besuchsdauer für seine eigene Webseite berechnet werden. In Abbildung 2.0 wird ein Segment detailliert dargestellt.

Abbildung 2.0: Nur Kunden eingeschlossen

Mit diesem Segment wollen wir das Kundenverhalten auf der Webseite analysieren. Zusätzlich wurden hier die neuen Besucher ausgewählt, damit die Daten durch die wiederkehrenden Besucher nicht verfälscht werden.

Abbildung 2.1: Engagement-Metriken

In Abbildung 2.1 werden alle Engagement-Metriken für die Kunden bzw. Besucher, die bereits ein Ziel auf der Seite erreicht haben, angezeigt. Demnach heißt es, dass die durchschnittliche Besuchsdauer bei etwa 21 Minuten und 57 Sekunden liegt. Die normale durchschnittliche Besuchsdauer bei allen Website-Besuchen liegt bei etwa 4 Minuten und 15 Sekunden. Nun kann man sagen, dass alle Besucher, die mehr als z.B. 15 Minuten auf der Seite bleiben, bereit sind, Kunden zu werden. In diesem Fall wären bereits 10 Minuten völlig ausreichend, da auch diese Besucher wahrscheinlich konvertieren würden. Genau das Gleiche gilt für die Festlegung von negativen Zielen, in diesem Fall wären alle Besucher, die weniger als 2 Minuten auf der Seite bleiben, für das Erreichen von Zielen weniger interessant.

Abbildung 2.2: Festlegung von Zielen (Besuchsdauer)

Nun ist es möglich, beispielsweise alle Suchbegriffe auf die Zielerreichung zu überprüfen. Insbesondere wären dann die Suchbegriffe interessant, welche die meistinteraktiven User auf die Webseite bringen. Zusätzlich kann die Conversion-Rate des Ziels “Engagement” mit der des URL-Ziels überprüft werden, Abweichungen könnten interessante Einblicke bringen und Aufschluss über die Ausstiege auf der Seite geben. Grundsätzlich sollte hier sowohl mit den positiven als auch mit den negativen Zielen gearbeitet werden.

Seiten/Besuche als ein weiteres Ziel im Google Analytics

Analog zu dem oberen Ziel können Marketer hier eine weitere Engagement-Metrik für die Analyse des Userverhaltens auf der Seite wählen. Auch hier hat man zwei Möglichkeiten und kann zwischen der negativen Zielsetzung (wenige Seiten pro Besuch) und positiver Zielsetzung (viele Seiten pro Besuch) wählen. Wie auch bei der Besuchsdauer ist es wichtig, ein Segment zu bilden, damit eine Aussage getroffen werden kann. Aus Abbildung 2.1 kann man erkennen, dass alle Kunden bzw. User, die das festgelegte URL-Ziel erreicht haben, mindestens 30,91 Seiten pro Besuch aufgerufen haben. Man kann nun diesen Wert als Richtwert nehmen und damit ein weiteres Ziel einrichten. Es würden bereits mehr als 15 Seiten pro Besuch ausreichen, um somit den potenziellen Kunden zu identifizieren. Also alle User, die mehr als 15 Seiten aufgerufen haben, sind für das Unternehmen von besonderer Bedeutung, denn entweder werden die User zu Kunden oder sind kurz davor, welche zu werden.

Abbildung 3.0: Seiten/Besuch Google Analytics Ziel

Dieses Segment ist insofern interessant, weil man anhand von diesem Ziel wichtige Trafficquellen identifizieren kann. Es ist sehr wichtig, vorqualifizierte User auf die Seite zu bringen, denn diese User werden womöglich das Produkt kaufen oder ein bestimmtes Ziel erreichen. Die beiden Zielmöglichkeiten: Besuchszeit und Seiten pro Besuch werden sehr selten eingesetzt. Diese sind aber wichtige Indikatoren für die Identifizierung von “engagierten/vorqualifizierten” Besuchern, welche einen Schritt davor sind, Kunden zu werden!

Ereignis als Ziel in Google Analytics festlegen

Die Ereignis-Tracking-Funktion ist in Google Analytics ein sehr mächtiges Werkzeug für das Tracking von bestimmten Aktionen auf der Webseite. So können Buttons, Downloads und andere Ziele mit einem Ereignis-JavaScript-Event versehen und anschließend getrackt werden. Nun kann man auf das lästige Einrichten von virtuellen Seitenaufrufen verzichten und viele Sachen mit den Events tracken. Man sollte natürlich wissen, dass mit den Events keine Trichter eingerichtet werden können, d.h., falls doch ein Trichter gebraucht wird, ist der Einsatz von virtuellen Seitenaufrufen unabdingbar. Das Einrichten von Ereignis-Zielen gestaltet sich genauso einfach wie auch bei den Zielen zuvor. Hier ist es jedoch sehr wichtig, dass die einzelnen Felder richtig ausgefüllt werden, damit anschließend alle festgelegten Ziele getrackt werden können.

Abbildung 4.0: Ereignisse als Ziele in Google Analytics

Insbesondere bei den Zieldetails hat man bei den Kategorien, Aktionen, Labeln und Werten die Auswahl zwischen: „beginnt mit“, „sind gleich“ und „stimmt überein mit“, somit hat man die volle Flexibilität, mehrere Ereignisse in ein Bucket zusammenzufassen. Die Felder sind optional und müssen nicht alle ausgewählt werden, da z.B. bei vielen Ereignissen keine Werte hinterlegt werden. Man kann auch einen besonderen Zielwert für das Erreichen von Zielen definieren, damit die Verknüpfung mit den monetären Werten festgelegt werden kann.

Welche anderen Möglichkeiten werden für die Zieldefinition von Ihnen eingesetzt? Wie oft benutzen Sie die anderen Ziele außer dem URL-Ziel? Folgen Sie uns auf Twitter und Facebook.

The post 4 Ziele, die in jedem Google Analytics Account aktiviert sein müssen! appeared first on Digital Analytics & Data Strategy.

Zusammenfassung von Preissuchmaschinen

Bevor man die Kosten mit dem Umsatz vergleichen kann, sollte man alle Preissuchmaschinen und ähnliche Portale zusammenfassen. Diese Zusammenfassung dient der Übersicht und hilft später, die Daten entweder in einem Dashboard oder mittels Segmente übersichtlich darzustellen. Für die Erstellung von Segmenten ist es zuerst nötig, eine Übersicht über alle Preissuchmaschinen zu bekommen. In diesem Fall eignet sich der Verweise-Bericht unter Besucherquellen. In diesem Bericht werden unter anderem die meisten Vergleichsportale aufgelistet. Manchmal tauchen manche Portale unter anderem Namen auf, dies liegt höchstwahrscheinlich am Tracking-System. In diesem Fall können aber auch Kampagnen-Parameter an die URLs angehängt werden. In Abbildung 1.0 sieht man einen Auszug aus einigen Portalen, welche auf der Seite für Traffic und Verkäufe sorgen.

Abbildung 1.0: Preissuchmaschinen im Überblick

Nun können alle diese Preissuchmaschinen und Vergleichsportale zu einem Segment zusammengefasst werden. Diese Zusammenfassung zu einem Segment dient der isolierten Analyse des Besucherverhaltens und liefert womöglich aufschlussreiche Informationen über die einzelnen Portale.

Erstellung von Segmenten

Google Analytics bietet eine tolle Möglichkeit, verschiedene Segmente zu bilden. Mit diesen Segmenten können die Daten noch schneller und einfacher analysiert werden. Insgesamt stehen einige vorkonfigurierte Segmente bereit und können sofort benutzt werden. In diesem Fall muss man ein neues benutzerdefiniertes Segment für die Zusammenfassung von Preissuchmaschinen erstellen. Für dieses Segment werden alle Quellen (Preisportale) zusammengefasst. Es gibt zwei Möglichkeiten für die Zusammenfassung von Quellen. Bei der ersten Möglichkeit müssen die einzelnen Quellen einzeln eingegeben werden, was natürlich nicht optimal ist und enorm viel Zeit kostet. Bei der zweiten Möglichkeiten können alle Quellen mit Hilfe von regulären Ausdrücken zusammengefasst und in das Eingabefenster eingeben werden. Nach etwa solch einem Muster werden diese Preisportale zusammengefasst:

billiger|guenstiger|ciao|kelkoo|yatego|preissuchmaschine|geizkragen|ladenzeile|idealo|preisvergleich|shopping|evendi|preisauskunft|preisroboter|preistester

Natürlich kann diese Liste um weitere Preisportale ergänzt werden. Hier müssen die Shop-Betreiber einfach unter Besucherquellen -> Verweise eingehenden Traffic analysieren und die Referrer (Domains) eintragen. In Abbildung 2.0 wird die Segmenterstellung bildhaft dargestellt. Bei diesem Segment werden alle Quellen, die eine entsprechende RegExp haben, eingeschlossen.

Abbildung 2.0: Segmenterstellung

Aus dieser Abbildung kann man erkennen, dass dieses Segment mit 10.307 von insgesamt 182.047 Besuchen übereinstimmt. Nach der Segmenterstellung können nun alle wichtigen Metriken analysiert werden. Die meisten Analysten/Shop-Betreiber würden in diesem Fall den eCommerce-Bericht anschauen, hier werden alle wichtigen Daten für jede einzelne Suchmaschine zusammengefasst. Hierfür können verschiedene Metriken für die Analyse genommen werden. Als Daumenregel kann man drei Metriken/Kennzahlen für eine schnelle Ad hoc-Analyse heraussuchen: Umsatz, eCommerce-Conversion-Rate und den Wert pro Besuch. In Abbildung 2.1 werden diese Kennzahlen detailliert dargestellt.

Abbildung 2.1: Metriken und Kennzahlen

MMit dieser Darstellung der Daten kann man nun sehen, welche Preisportale am besten performen. Insbesondere der Wert pro Besuch ist sehr interessant und ist in diesem Fall bei drei Preisportalen sehr hoch. Hier muss man im Einzelfall die einzelnen Portale und die gekauften Produkte etwas genauer anschauen, damit eine Aussage über die Wichtigkeit und Wirkung getroffen werden kann.

ROI-Kalkulation inm Excel

Nun weiß natürlich jeder, dass der Umsatz nicht gleich Gewinn ist. Daher ist es wichtig, zumindest den ROI oder das ROAS mit Hilfe von Excel zu berechnen. Diese Berechnung dient als Grundlage für die weiteren Entscheidungen im Unternehmen. Damit man dieses Beispiel vereinfacht halten kann, werden hier ausschließlich die gleichen Berechnungsgrundlagen für die Kennzahlen wie auch bei Google Analytics genommen. Die ROI-Formel von Google Analytics lautet: (Umsatz – Kosten) / Kosten = ROI. Die Umsätze bekommt man direkt aus Google Analytics exportiert (s. Abbildung 2.1). Man braucht nur noch die Kosten aus den einzelnen Preisportalen. Man kann natürlich diese Daten über die API matchen, dies würde überhaupt keinen manuellen Aufwand darstellen. Für dieses Beispiel werden die Daten manuell bei Excel eingegeben und berechnet.

Für diesen Zweck müssen die Daten aus der Abbildung 2.1 als CSV exportiert und für den Excel-Import vorbereitet werden. In Abbildung 3.0 wird für jeden einzelnen Preisvergleich der ROI-Wert berechnet. Die Zahlen stimmen nicht mit den reellen Zahlen überein, wichtig ist hier die beispielhafte Darstellung des ROI-Wertes.

Abbildung 3.0: ROI-Berechnung

Mit der bedingten Formatierung in Excel werden die Daten noch besser visualisiert. In Abbildung 3.0 kann man sehen, dass alle Portale, die grün markiert sind, außergewöhnlich gut performen. Alles was orange, gelb oder rot markiert ist, sollte man unbedingt genauer analysieren. Bei dieser Berechnung wird nach dem “Last-Click-Win”-Prinzip bewertet. Es kann jedoch sein, dass manche Portale mit einem niedrigen bzw. negativen ROI trotzdem eine wichtige Rolle im Verkaufsprozess spielen.

Preissuchmaschinen im Verkaufsprozess

Den gesamten Customer Journey kann man in Google Analytics mit Hilfe von Multichannel-Trichtern analysieren. Besonders im Internet bewegen sich die Besucher innerhalb von mehreren Kanälen bis etwas tatsächlich gekauft wird. So kann es auch in diesem Fall sein! Unter dem Punkt Conversions -> Multichannel-Trichter -> Vorbereitete Conversions sieht man die tatsächlichen Umsatzwerte für die einzelnen Channels und Keywords. Für diese Analyse sollte man eine benutzerdefinierte Channel-Gruppierung erstellen und dort alle Preissuchmaschinen aus Abbildung 2.0 für die Gruppierung zusammenfassen. Diese Zusammenfassung wird in Abbildung 4.0 dargestellt.

Abbildung 4.0: Multichannel-Trichter Preisportale

In dieser Abbildung sieht man ganz deutlich, dass der Wert der vorbereiteten Conversions, den Conversion-Wert für letzte Interaktion fast um 15.000 € übersteigt. Mit diesen Daten gerüstet, werden die einzelnen Preissuchmaschinen auf den Wert der vorbereiteten Conversion geprüft. Es gilt herauszufinden, ob eventuell Preissuchmaschinen mit einem niedrigen ROI-Wert aus Abbildung 3.0 trotzdem eine wichtige Rolle bei der Umwandlung der Besucher zu Kunden spielen. Falls dies der Fall sein sollte, dann wird der Channel trotz eines niedrigen ROI-Wertes im Channel-Mix beibehalten.

Haben Sie weitere interessante Lösungsansätze für die Auswertung von Preissuchmaschinen? Welche andere Kennzahlen oder KPI würden Sie für das Monitoring auswählen? Auf Twitter und Facebook finden Sie weitere tolle News und Anleitungen zum Thema Web & Digital Analytics.

The post Das Tracking von Preissuchmaschinen in Google Analytics! appeared first on Digital Analytics & Data Strategy.

Die Stornierungsfunktion beinhaltet den gleichen eCommerce-Tracking-Code, dieser Tracking-Code hat in allen Feldern die gleichen Werte mit (-)-Vorzeichen stehen. Angenommen, es wurde eine Bestellung mit einer ID: 9303xkciEA im Onlineshop getätigt. Bei dieser Bestellung wurde eine Hose im Wert von 69,90 € gekauft. In diesem Wert ist die Steuer von 11,16 € und eine Versandkostenpauschale von insgesamt 5,00 € enthalten. Der Auszug aus dem eCommerce-Tracking-Code sieht in etwa so aus:

_gaq.push(['_addTrans',
		   '9303xkciEA',           // Bestellnummer - erforderlich
		   ‘Herrenbekleidung’, // Partnerschaft oder Name des Shops
		   ’69,90’,          // Gesamtbetrag - erforderlich
		   '11,16’,           // Steuern
		   ‘5,00’,          // Versand
		   ‘Stuttgart’,       // Stadt
		   ‘Baden Württemberg’,     // Bundesland
		   'Deutschland'             // Land
		]);
		_gaq.push(['_addItem',
		   '9303xkciEA',           // Bestellnummer - zum Zuordnen des Artikels zur Transaktion erforderlich
		   ‘19300394-M’,           // SKU/Code - erforderlich
		   ‘Hose’,        // Produktname
		   ‘Blau Größe M',   // Kategorie oder Variante
		   ’58,7400’,          // Stückpreis - erforderlich
		   ‘1,0000’               // Menge - erforderlich
		]);
		_gaq.push(['_trackTrans']);

Mit diesem Code werden alle Transaktionsvariablen für das eCommerce-Tracking erfasst und anschließend für die Analyse weiterverarbeitet. Nun stellt man fest, dass nach 7 Tagen die verschickte Sendung als Retoure zurückkommt. Deshalb müssen diese Werte natürlich wieder aus den Statistiken entfernt werden. Das Entfernen oder Subtrahieren von bereits gesammelten Werten funktioniert nach dem gleichen Prinzip, hier müssen nur die einzelnen Werte einfach mit einem Minus versehen werden. Es ist jedoch wichtig, dass die ID gleich bleibt, sonst kann diese Retoure einer Bestellung nicht zugeordnet werden. Hier ist der Code für die negativen Transaktionen (Stornierung von bereits aufgezeichneten Bestellungen):

_gaq.push(['_addTrans',
		   '9303xkciEA',           // Bestellnummer - erforderlich
		   ‘Herrenbekleidung’, // Partnerschaft oder Name des Shops
		   ’-69,90’,          // Gesamtbetrag - erforderlich
		   ‘-11,16’,           // Steuern
		   ‘-5,00’,          // Versand
		   ‘Stuttgart’,       // Stadt
		   ‘Baden Württemberg’,     // Bundesland
		   'Deutschland'             // Land
		]);
		_gaq.push(['_addItem',
		   '9303xkciEA',           // Bestellnummer - zum Zuordnen des Artikels zur Transaktion erforderlich
		   ‘19300394-M’,           // SKU/Code - erforderlich
		   ‘Hose’,        // Produktname
		   ‘Blau Größe M',   // Kategorie oder Variante
		   ’-58,7400’,          // Stückpreis - erforderlich
		   ‘-1,0000’               // Menge - erforderlich
		]);
		_gaq.push(['_trackTrans']);

Mit dem Aufruf dieses Codes wird nun die bereits aufgezeichnete Bestellung aus dem Gesamtbetrag in Google Analytics entfernt. In Abbildung 1.0 sieht man, wie so etwas in der Realität aussieht.

Abbildung 1.0: Negative Umsatzwerte

Damit man überhaupt solche Techniken anwenden kann, muss entweder im Shop oder in der Wawi eine Schnittstelle programmiert werden, damit aus dem System automatisch diese Bestellungen abgezogen werden können. Sobald eine Retoure im System aufgezeichnet wird, kann per Cronjob eine Unterseite mit den benötigten Variablen aufgerufen werden, damit die aufgezeichneten Bestellungen (Retouren) aus der Gesamtsumme entfernt werden. Mit diesen Werten können Web Analysten alle möglichen Analysen anstellen. Hier können Produkte, Keywords und Marketing-Channels mit den negativen Transaktionswertens cross-segmentiert werden, um weitere Erkenntnisse über die positive aber auch über die negative Kampagnen-Performance zu ziehen. Für solche Analysen müssen eigenständige Lösungen entwickelt und implementiert werden. Für einen kleinen Vorgeschmack gibt es hier einige Analyse- und Segmentierungsmöglichkeiten mit den negativen Umsatzwerten.

Abbildung 2.0: Quellen mit negativen Umsatzwerten

Abbildung 3.0: Keywords mit negativen Umsatzwerten

Welche Erfahrungen haben Sie mit den negativen Umsatzwerten gesammelt? Auf Twitter & Facebook bekommen Sie alle Informationen zum Thema Google- und Digital Analytics.

The post So funktioniert Retourenanalyse in Google Analytics appeared first on Digital Analytics & Data Strategy.

Mit dem Release der Version 5 hat Google die Reporterstellung grundsätzlich überarbeitet. Wer mit den Reports aus der alten Version gearbeitet hat, der kennt sicherlich die Schwierigkeiten und Grenzen von Google Analytics. Die neuen benutzerdefinierten Berichte bieten etwas mehr Flexibilität und können sehr schnell an die Anforderungen angepasst werden. Insbesondere ist die Anpassungsmöglichkeit der standardisierten Berichte ein großes Plus für das gesamte System, nun kann man sich schnell aus den vorgefertigten Berichten seine eigenen Reporte erstellen lassen. Leider steht diese Funktion noch nicht für alle standardisierten Berichte bereit, aber zumindest im Content- und AdWords-Bereich kann man aus der Oberfläche direkt zur Berichterstellung gelangen.

Abbildung 1.0: Benutzerdefinierte Berichte anpassen

Interessanterweise können diese Berichte für Reporting-Zwecke sehr hilfreich sein. Hier können die wichtigsten Kennzahlen in einem Bericht zusammengefasst werden und an die Kunden bzw. an die interne Marketing-Abteilung, IT-Abteilung oder Geschäftsführung gesendet werden. Bei etwas ausgereifteren Lösungen/Unternehmen können sogar die CSV- oder XML-Dateien in interne Marketing-Warehouses importiert werden, um somit den vollen Customer Journey zu analysieren. Angenommen, wir starten eine Social Media-Kampagne und wollen ein paar Information für unsere Marketing-Abteilung liefern. Hierzu wären natürlich einige Daten von Vorteil. In den meisten Fällen kann man leider keine Zielgruppensegmentierung (Alter, Geschlecht, Einkommen) für das Targeting auf Facebook oder Google Display Network vornehmen, da in der Regel diese Daten nicht aufgezeichnet werden. Es ist jedoch wichtig, diese Daten aufzuzeichnen, man weiß sonst nie, ob man diese Daten für spätere Aufzeichnungen braucht. Daher müssen die Unternehmen als erstes ein Modell entwickeln, in welchem die einzelnen Bereiche definiert werden, die getrackt werden müssen! Man geht davon aus, dass in den meisten Fällen auch diese Modelle nicht vorhanden sind, daher braucht man etwas Kreativität für neue Kampagnen.

Was ist unsere Zielgruppe?

Damit wir eine interessante, aber auch eine ertragreiche Kampagne entwerfen können, müssen wir unsere Zielgruppe genauestens definieren. Diese Zielgruppendefinition kann alle mögliche Faktoren enthalten. Abgesehen davon, dass wir die Herkunft (geografische Segmentierung) der Besucher mehr oder weniger kennen, gibt es auch andere Insights, die man für eine Social Media-Kampagne verwenden kann. Wie es so schön in unseren Kreisen heißt, “die Grenzen des Tools, sind die Grenzen des Analysten”, wer hier wenig kreative Arbeit leistet, wird auch sehr selten die nötigen Insights finden können.
Unter dem Punkt Technologie >> Werbenetzwerk findet man die Auflistung einiger Internetanbieter. Im Normalfall schaut man sich die Liste nur sehr selten an, weil eben keiner mit diesen Daten etwas anfangen kann. In diesem Fall sollte man den Zeitraum für die letzten 12 Monate nehmen und die Liste der Internetanbieter etwas genauer anschauen.

Abbildung 2.0: Zeitraum auswählen

Nachdem wir den passenden Zeitraum für unsere erste Ad-hoc-Analyse ausgewählt haben, ist es nun wichtig, gewisse Muster in den Daten zu erkennen. Bei einer genauen Betrachtung der Daten werden einige interessanten Informationen geliefert. In unserem Fall kann man nun eine gewisse Zielgruppe für das Unternehmen identifizieren. Die Zielgruppe sind Studenten, das Beste daran ist, dass man hier sogar die einzelnen Universitäten sehen kann.

Abbildung 3.0: Unsere neue Zielgruppe

Wie man es aus Abbildung 3.0 erkennen kann, ist der Anteil an Besuchen von Universitäten sehr gering. Natürlich sind 0,04 Prozent (Besuche) eine geringe Größe, um eine aussagekräftige Entscheidung zu treffen. Es könnte sich jedoch lohnen, eine separate Werbekampagne für die “Technische Universität Dresden” zu erstellen. Damit die Kampagne noch besser abgestimmt werden kann, sollte man sich über die Ausrichtung der einzelnen Universitäten Gedanken machen. Zumindest aus dem Namen der ersten Universität kann man erkennen, dass diese Uni sich auf den technischen Bereich konzentriert, somit ist die primäre Zielgruppe das männliche Geschlecht. Mit dem Klick auf “Anpassen” aus der Abbildung 1.0 kann dieser Standardbericht nun an weitere Analyseanforderungen angepasst werden.

Abbildung 4.0: Benutzerdefinierte Berichte Internetanbieter

In Abbildung 4.0 sind einige eCommerce-Werte im Report inkludiert. Man kann diesen Bericht beliebig anpassen, was die Auswertungen sehr flexibel macht. Wichtig ist eine Filterfunktion, die eben nur unsere Zielgruppe beinhaltet, wir wollen schließlich uns nur auf die Studenten konzentrieren. Die Filterfunktion besteht aus einem regulären Ausdruck, welcher besagt, dass in diesem Bericht alle Internetanbieter, die eben das Wort “universitaet” benutzen, beinhalten.

Abbildung 5.0: Filterfunktion mit RegEx

Nach der Anwendung dieser Filterfunktion bekommen wir nun eine vollständige Liste mit allen aufgeführten Universitäten und den dazugehörigen Werten. Bei der Segmentbildung kann man auch soweit gehen, dass man sich die gekauften Produkte, die besuchten Unterseiten und eben alle eCommerce-Werte für die genaue Ausrichtung anschaut. In unserem Bericht aus Abbildung 6.0 werden nur die eCommerce-Werte dargestellt. Anhand von diesen Werten kann man bereits jetzt schon einige Entscheidungen treffen und die einzelnen Segment dementsprechend bewerben. Diese Daten können mit einer Verknüpfung von Customer Intelligence sehr nützlich für die gesamte Werbeausrichtung werden. Insbesondere, wenn hier Kennzahlen wie Customer Lifetime Value oder Customer Lifetime mit in die Berechnung einfließen.

Abbildung 6.0: eCommerce-Werte für das Segment “Studenten”

Es ist wichtig zu wissen, das dies hier nur ein Ansatz für die Verwendung von bereits gesammelten Daten ist. Solche Analysen können mit der Verknüpfung von Customer Data und der externen demografischen Segmentierungsinformationen um vieles erleichtert werden. Aus der Sicht vieler Unternehmen, für die solche Infrastrukturen nicht bezahlbar sind, bleibt nur die Analyse der bestehenden Daten aus den Web Analyse-Tools. Die einfache Möglichkeit der Verknüpfung von CRM-Daten kann zum Beispiel mit den benutzerdefinierten Variablen passieren, hier sollten die Unternehmen jedoch auf die PII-Anforderungen von Google Analytics achten!

Haben Sie weitere interessante Segmentierungsmöglichkeiten, die Sie mitteilen wollen? Folgen Sie uns auf Twitter, hier bekommen Sie aktuelle Informationen über Web & Digital Analytics. Unsere Facebook-Fanpage wartet auf Sie!

The post Google Analytics benutzerdefinierte Berichte für Social Media Manager appeared first on Digital Analytics & Data Strategy.

Zwei Arten von Radar-Ereignissen

Insgesamt stehen zwei Arten von Benachrichtigungen zur Auswahl. In diesem Posting werden wir uns ausschließlich mit den automatischen Benachrichtigungen befassen. Für die benutzerdefinierten Alerts gibt es hier einen separaten Blogbeitrag. Für die Auswertungen stehen insgesamt drei Arten von Benachrichtigungen zur Verfügung:

• Tägliche Ereignisse: Für die Analyse auf Tagesbasis.
• Wöchentliche Ereignisse: Hier werden Wochen miteinander verglichen werden.
• Monatliche Ereignisse: Diese Auswahl eignet sich für eine globale Analyse des Accounts.

Die Funktionsweise hinter diesen Benachrichtigungen ist eigentlich sehr simpel, hier wird die tatsächliche Leistung (30.732,96 € Umsatz) mit der zu erwartenden Leistung (voraussichtlich: 9.299,32 € – 14.247,98 €) gemessen. Sobald die tatsächliche Leistung die erwartete Leistung übersteigt, wird eine Benachrichtigung getriggert.

Abbildung 1.0: Automatische Benachrichtigungen

Viele andere Tool-Anbieter haben solche automatischen Benachrichtigungsfunktionen noch nicht integriert. Falls diese Funktion fehlen sollten, kann man mit dem Export der Daten zum Teil solche Anomalien zum Teil von Six Sigma Control Charts analysieren. Hier müssen die “Upper Control Limits” und die “Lower Control Limits” definiert werden, am einfachsten kann man diese Bereiche im Excel definieren. Sobald die Trendlinie über die Kontrollpunkte schießt, dann heißt es, dass genau an diesem Tag (Messpunkt) ein anomalisches Verhalten stattgefunden hat. Ein ähnliches Verhalten wird mit den Radar-Ereignissen bei Google Analytics automatisch abgebildet.

Abbildung 2.0: Six Sigma Control Limits (Source: micquality.com)

Wo sind die Radar-Ereignisse versteckt?

Die Radar-Ereignisse können über den Klick in der Top-Navigation auf “Startseite” in der linken Sidebar gefunden werden. Für die erste globale Analyse können nun die monatlichen Ereignisse ausgewählt werden. Hier sollten Sie am besten einen längeren Zeitraum wählen, eine Analyse der letzten 6 Monate ist hier recht günstig, denn dadurch kann der globale Trend abgebildet werden. Neben der zeitlichen Auswahl kann die Wichtigkeit der automatischen Benachrichtigungen voreingestellt werden.

Abbildung 3.0: Regler für die Wichtigkeit

Nach der Einstellung der Wichtigkeit kann die Gruppierung der Benachrichtigungen vorgenommen werden. Hier können die Nutzer die Daten nach Messwerten (Metriken) und Dimensionen gruppieren. Meiner Meinung nach eignet sich die automatische Gruppierung nach Dimensionen als Grundlage für den ersten Überblick und die Interpretierung der Daten. Nun können die angehenden Web Analysten oder auch keine Web Analysten die einzelnen Ereignisse für die Analysen verwenden. Das besondere daran ist die Automatisierung der Vorschläge, man muss sich nicht einmal mit den internen Daten befassen, damit die ersten Optimierungsansatzpunkte für den Verlauf der Kampagnen gefunden werden können. In Abbildung 4.0 sind einige Benachrichtigungen für die monatliche Ansicht abgebildet. Interessanterweise beinhalten alle Benachrichtigungen in genau diesem Monat die Umsatzentwicklung im Shop. Das gleiche gilt natürlich auch für andere Metriken und Dimensionen.

Abbildung 4.0: Umsatzentwicklung

Aufgrund von solchen Ereignissen können Sie sehr interessante Segmente für das eigene Business-Modell entdecken. Hier wird ein Teil der Analysen durch Google Analytics abgenommen, außerdem gelangt man aus dieser Übersicht in die einzelnen Reporte, was wiederum eine tiefgehende Analyse mit dem Einsatz von erweiterten Segmenten ermöglicht. Aus Abbildung 4.0 kann man erkennen, dass in der ersten Zeile ein enormer Umsatzzuwachs von etwa 254 Prozent für die Besucher aus Deutschland (Bayern) verzeichnet wird, immerhin sind es insgesamt 14,75 Prozent des Gesamtwerts. Mit einem Klick auf “Gehe zu Bericht” gelangt der Nutzer direkt in die Ansicht. Dazu aber später, hier werden nun die nächsten Zeilen unter die Lupe genommen. Insbesondere sehen wir hier, dass Besucher aus Stuttgart bei der Umsatzentwicklung eine besondere Rolle gespielt haben. Hier wurde eine Umsatzsteigerung von mehr als 500 Prozent aufgezeichnet, diese Werte müssten in der Regel sofort überprüft werden. Interessanterweise ist der Umsatz beim organischen Traffic um weitere 236 Prozent vom erwarteten Wert (14.000,64 € – 19.391,86 €) gestiegen.

Schnelle Handlungsempfehlungen und konkrete Umsetzungsmöglichkeiten

In genau 3 Minuten haben wir als Nutzer sehr wichtige Informationen bekommen ohne überhaupt irgend etwas mit der eigentlichen Analyse-Möglichkeiten zu machen. Nach der Bekanntgabe dieser Daten können laufende Marketing-Kampagnen mit diesen Informationen angereichert werden. Am einfachsten kann die Ausrichtung bei laufenden AdWords-Kampagnen angepasst werden. Hier können einzelne traffic-/umsatzstarken Suchbegriffe in eine eigene Kampagne verlagert werden. Diese Kampagne wird dann die Ausrichtung für die passenden Regionen (Bayern, Baden-Württemberg – Stuttgart und Nordrhein-Westfalen) bekommen, damit der angestrebte ROI-Wert erreicht bzw. übertroffen werden kann. Diese Informationen können aber auch für die OnPage-Optimierung und Conversion-Optimierung (Behavioral Targeting) ganz gut verwendet werden. Doch bevor man wichtige Entscheidungen treffen kann, sollte man diese Abweichungen/Anomalien durch Segmentierung genauer betrachten. Nach dem Klicken auf “Gehe zu Bericht” gelangt der Nutzer zur Gesamtübersicht. Mit der Bildung eines Segmentes aus der Abbildung 4.0 ist eine weitere Analyse der Daten möglich.

Abbildung 5.0: Segmenterstellung

Das Analyse-Verfahren ist oft sehr unterschiedlich, als Tipp kann man nach dem Muster: “Channels – Umsatz – Conversion-Rates” arbeiten. Im ersten Schritt werden die Online-Marketing-Kanäle analysiert. Hier kann man schnell feststellen, über welche Kanäle aber auch über welche Keywords die Besucher auf die Seite gekommen sind. Zusätzlich sollte man sich die Conversion-Rate mit den dazugehörigen Umsätzen anschauen. Diese Gegenüberstellung verschafft Klarheit im Hinblick auf die Rentabilität der einzelnen Keywords / Kampagnen.

Fazit

Die Radar-Funktion ist ein sehr mächtiges Werkzeug besonders für Firmen und Marketer, die keine Zeit haben, sich im Detail mit den Daten zu befassen. Wie man aus dem oben beschriebenen Beispiel sehen konnte, ist die komplette Automatisierung zwar nicht möglich, dafür aber eine schnelle Analyse der Daten, welche durchaus greifbare Handlungsempfehlungen liefern kann. Die Entwicklung der künstlichen Intelligenz besonders in diesem Bereich wird sehr interessant werden, denn mit der Sammlung von unstrukturierten Daten (Stichwort “Big Data”) können solche Funktonen sehr viel Zeit einsparen. Vielleicht auch bald die menschlichen Entscheidungsträger komplett überflüssig machen?

Schauen Sie sich die Radar-Ereignisse an, Sie werden sicherlich sehr viele neue interessante Informationen finden. Vor allen Dingen können angehende Analysten die Vorgehensweise und die Feinsinnigkeit für die ersten Analysen entwickeln.

The post Google Analytics mit Autopilot: Eine Schritt-für-Schritt Anleitung appeared first on Digital Analytics & Data Strategy.

Entgegen allen Google-Vorsätzen werden AdWords und Analytics immer komplizierter für die normalen User. Auch diese Einführung ist zwar eine riesige Bereicherung für die gesamte Online-Branche, jedoch aufgrund der gewachsenen Komplexität findet Multi-Channel-Analytics kaum Einsatz, da es schon lange nicht mehr so einfach ist, diese Daten zu verstehen. Aus diesem Grund gibt es nun eine Reihe von Blogbeiträgen über den richtigen Einsatz von Multi-Channel-Analytics und allen dazugehörigen Möglichkeiten, die man dadurch bekommen kann. Doch bevor man mit dem Auswerten beginnen kann, sollte man sich unbedingt die Frage stellen: “Ob und inwiefern ist ein Multi-Channel-Verhalten auf der Seite zu beobachten?”

Pfadlängen-Bericht

Diese Frage kann man sich ganz schnell mit dem Pfadlängen-Bericht beantworten. Hier werden die Interaktionen zwischen den verschiedenen Kanälen und Suchverfeinerungen angezeigt. Wenn die meisten Kunden bei einer Pfadlänge von 1 die meisten Käufe tätigen oder die gesetzten Ziele erreichen, dann haben Sie wahrscheinlich überhaupt kein Problem mit dem “Attribution-Model”, da man in diesem Fall keine Channels auswerten muss. Der letzte Channel ist entscheidend für den Verkaufsprozess, mit diesem kann das Budget im diesen Channel intensiviert werden. Wenn die Kunden jedoch ein Verhalten wie in Abbildung 1.0 abgebildet aufweisen, dann besteht möglicherweise die Gefahr, ohne die Multi-Channel-Analyse wichtige Online-Kanäle zu vernachlässigen.

Abbildung 1.0: Pfadlänge in Interaktionen

Aus diesem Bericht geht hervor, dass etwa 65 Prozent der Conversions erst bei mehreren Pfadlänge-Interaktionen entstehen. Somit ist es zumindest in diesem Fall klar, dass hier weitere Channels eine besondere Rolle spielen können. Das Handeln nach dem “Last-Click-Attribution-Modell” würde hier womöglich eine falsche Entscheidungsgrundlage liefern. Sie können übrigens diese Reports nicht nur auf Transaktionen, sondern auch auf die gesetzten Ziele anwenden. Dadurch wird es nun möglich, Makro/Mikro-Ziele auf der Seite noch genauer zu analysieren. Interessanterweise übersteigt der Conversion-Wert bei einer Pfadlänge von 4 Interaktionen den Prozentwert der Conversions um etwa 8 Prozent. Im Grunde genommen heißt es, dass alle Besuche mit einer Pfadlänge von 4 für das gesamte Business-Modell sehr relevant sind, da diese sehr hohen Return liefern.

ABC-Kundenanalyse

Im nächsten Schritt würde sich ein schlauer Marketer genau diese Zielgruppe vornehmen und analysieren. Für diese Analyse kann die ABC-Kundeneinteilung aus dem klassischen Marketing angewendet werden. Bei der ABC-Analyse werden Kunden/Besucher in drei Klassen eingeordnet und je nachdem, welche Metriken für diese Analyse ausgewählt werden, im Anschluss genauer analysiert. Die ABC-Einteilung kann mit Hilfe von Conversion-Segmenten gemacht werden. Diese Conversion-Segmente sind den erweiterten Segmenten sehr ähnlich, wobei diese sich sehr stark auf die Analyse der Conversions/Transaktionen beschränken.

Im nächsten Schritt werden einige Segmente erstellt, unter anderem das Segment, welche die Pfadlänge in Interaktionen von genau 4 einschließt. In der Abbildung 1.1 wird dieses Segment bildhaft dargestellt.

Abbildung 1.1: Conversion-Segmente

Ganz nach dem Motto: “Shoots for Dollars, not Pennies” werden nun die “A-Kunden” genauer unter die Lupe genommen. Dieses Segment kann nun auf alle Multi-Channel-Trichter-Funktionen angewendet werden. Beim Reiterpunkt “Vorbereitete Conversions” kann das Userverhalten genauer angeschaut werden. Hier sieht man, dass die organische Suche und die bezahlte Werbung (s. Abbildung 1.2) einen unglaublichen Wert beisteuern. Zwar wären auch diese Daten nicht unbedingt verloren gegangen, da der ursprüngliche Channel beim letzten Touch-Point (direkte Zugriffe) nicht überschrieben wird. Es ist jedoch trotzdem sehr spannend, wie diese Zielgruppe sich im Einzelfall verhält. In Abbildung 1.2 sieht man ganz deutlich, dass zum Beispiel soziale Netzwerke dazu beigetragen haben, dass eine Conversion entsteht.

Exkurs: Man sollte natürlich etwas mehr Daten für die Analyse haben, da man sonst keine richtigen Entscheidungen treffen kann. Mit einer vorbereiteten Conversion kann man überhaupt keine Aussage treffen, aber zumindest für diese beispielhafte Darstellung ist es völlig ausreichend.

Abbildung 1.2: Vorbereitete Conversions

Insbesondere der letzte Wert “Vorbereitete Conversions/Letzte Interaktions-Conversions” zeigt die Wichtigkeit der einzelnen Kanäle für dieses ausgewählte Segment. Je höher dieser Wert, desto wichtiger ist dieser Channel für die gesamte Kampagne. Deshalb ist es wichtig, die Daten in einzelne Segmente zu trennen, da bei einer globalen Betrachtung überhaupt keine brauchbaren Ergebnisse erzielt werden können.

Fazit

Als Marketer sollte man sich zuerst die Frage stellen, ob überhaupt in der „Akquisitionsstrategie“ auf der Seite ein Multichannel-Verhalten festgestellt werden kann. Mit dem einfachen Pfadlängen-Report kann jeder für sein Business dieses Verhalten analysieren. Wenn mehrere Kanäle/Interaktionen für die Wertschöpfung relevant sind, ist es sehr wichtig, die Daten in Segmente/Buckets aufzuteilen. Nur dann können wichtige Einblicke geliefert werden. Eine globale Betrachtung der Daten ist nur in seltenen Fällen zu empfehlen. Übrigens können die Pfadlängen über die Top-Navigation im Top-Conversion-Pfad-Report eingestellt werden, ohne extra dafür ein Conversion-Segment zu erstellen.

The post Anleitung zum Multi-Channel-Trichter von Google Analytics (Pfadlänge) appeared first on Digital Analytics & Data Strategy.

1. Konto erstellen: Als erste Maßnahmen müssen Sie natürlich ein neues Konto für Ihren Onlineshop erstellen. Bitte benutzen Sie immer andere Konten für neue Projekte. Später haben Sie die Möglichkeit, einzelne Profile mit verschiedenen Segmenten zu erstellen. Wichtig ist, dass ein Profil immer saubere und unveränderte Daten enthält, daher ist eine Anwendung von Filtern nur auf anderen/zusätzlichen Profilen empfehlenswert. Außerdem ist die Auswahl zwischen https:// und http:// sehr wichtig. Sie müssen sich im Klaren sein, ob der Shop über eine verschlüsselte oder eine unverschlüsselte Verbindung aufgerufen werden kann. Im Normalfall werden die Onlineshops über http:// aufgerufen, sobald jedoch der Kunde zum Warenkorb wechselt, schaltet sich automatisch die sichere Verbindung https:// ein.

2. Richtige Zeitzone auswählen: Diese Einstellung ist sehr wichtig für die spätere Analyse von Umsatzzahlen, AdWords-Kosten und sonstigen wichtigen Kennzahlen in Ihrem Account. Google Analytics bietet hier nur eine Zeitzone zur Auswahl an. Diese Zeitzone sollte am besten mit der Zeitzone in Ihrem Google Adwords-Account übereinstimmen. Alle international tätigen Onlineshops müssen für jeden weiteren Markt ein eigenes Google Analytics-Konto/Profil erstellen, damit dort die Daten richtig übergeben werden können. Wählen Sie hier Deutschland aus, als Standardeinstellung wird (MGZ+01:00) Berlin angezeigt. Wenn Sie jedoch eine zweite Zeitzone wählen wollen, müssen Sie ein weiteres Konto oder Profil erstellen und den Tracking-Code modifiziert auf der Seite einbinden.

3. Tracking-Code einfügen: Der Google Analytics Tracking Code muss lediglich im Head-Bereich Ihres Onlineshops eingebunden werden. Sie kopieren den Tracking-Code und fügen diesen dort ein. Falls Sie nicht wissen, wie man diesen Code einbinden soll, fragen Sie am besten bei Ihrem IT-Experten nach. Die Implementierung des Tracking-Codes zählt zu den Critical Success Factors (CSF). Das bedeutet, wenn hier etwas schief laufen sollte, dann werden Sie keine aussagekräftigen Daten für die Analyse bekommen können. Bei einem Onlineshop müssen die Codes dazu zusätzlich modifiziert oder aus dem Backend-Bereich angepasst werden, dies wird dann im Schritt 10 ausführlich erklärt.

4. Tracking-Code überprüfen: Nachdem Sie den Tracking-Code in Ihrem Onlineshop eingebunden haben, müssen Sie nun die Installation testen und schauen, ob alle Daten korrekt aufgezeichnet werden. Hierfür gibt es eine sehr einfache Möglichkeit, die von Google Analytics angeboten wird. Sie wechseln in den Tab “Startseite” und navigieren zum Echtzeit-Modus. Nun müssten Sie hier einige aktive Besucher auf der Webseite sehen. Falls noch keine Besucher Ihre Seite besuchen, dann rufen Sie die URL-Adresse in Ihrem Browser auf und besuchen selbst Ihren Onlineshop, spätestens dann sollten die Daten aufgezeichnet werden. Falls Sie hier keine aktiven Besucher sehen, dann ist wohl die Installation des Google Analytics Tracking Codes schief gelaufen. Zu diesem Zweck haben Sie zwei Tools, die Sie bei der Analyse einsetzen können. Diese wären der Google Chrome Debugger oder der Charles Web Proxy Debugger!

5. AdWords-Tracking aktivieren: Im gleichen Fenster mit dem Google Analytics Tracking Code befindet sich auf der rechten Seite ein Button für die Aktivierung der AdWords-Kampagnen. Es ist wichtig, dass Sie diesen Button aktivieren, damit die Kosten, Impressionen und alle weiteren wichtigen Metriken (Kennzahlen) aus AdWords automatisch ins Google Analytics übergeben werden. Neben den ganzen AdWords-Werten bekommen Sie bei Google Analytics das Return-on-Investment Ihrer Werbekampagne in Prozent dargestellt, natürlich fehlen hier noch die restlichen Kosten, die beim Verkaufen entstehen können. Diese Werte reichen aber bereits für die erste Profitabilitätsanalyse. Mit diesen Werten können Sie Ihre Kampagnen optimieren und den Umsatz im Onlineshop noch weiter nach oben treiben. Vergessen Sie nicht das Tracking auch bei Google AdWords unter Mein Account, Tracking und Auto-Tagging zu aktivieren. Darüber hinaus haben Sie die Möglichkeit, direkten Zugriff auf das Analytics-Konto aus der AdWords-Oberfläche freizuschalten, diesen Zugriff können Sie unter Tools und Analysen einrichten.

6. eCommerce-Tracking aktivieren: Nachdem alle anderen Einstellungen aktiviert sind, muss auch noch das eigentliche eCommerce-Tracking aktiviert werden. Diese Auswahl ist bei Analytics optional und kann sogar bei normalen Webseiten aktiviert und mit einigen Tricks erfolgreich eingesetzt werden. Wählen Sie aus dem Dropdown-Menü “Ja, eine E-Commerce-Webseite” aus. Nach dieser Aktivierung ist Google Analytics nun bereit, die eCommerce-Tracking-Daten zu empfangen und in den Standardberichten auszuwerten. Die Umsatzzahlen aus den eCommerce-Standardberichten werden automatisch mit den Kosten bei AdWords verglichen. Aufgrund dessen wird dann zum Beispiel das Return on Investment mit folgenden Formel errechnet: (Umsatz-Kosten) / Kosten = ROI.

7. Richtige Währung auswählen: Neben eCommerce-Tracking müssen Sie eine weitere wichtige Auswahl mit der Aktivierung der Währung wählen. Es ist sehr wichtig, die richtige Währung im Account einzustellen, da sonst die Daten eine Abweichung aufgrund von Wechselkursdifferenzen haben werden. Die Währung bei eCommerce sollte die gleiche sein wie die Währung bei Google AdWords. Falls Sie einen multilingualen Shop haben und mehrere Sprachen und Währungen für die Kunden anbieten, ist es notwendig, ein weiteres Profil zu erstellen. Sie können mehrere Profile erstellen und dort dann die Währungen, Sprachen und eCommerce-Daten voneinander trennen. Die einzelnen Tracking-Codes müssen natürlich auf der Seite fehlerfrei eingebunden werden. Für das Testen können Sie die beiden Tools aus dem Punkt 4 verwenden.

8. Site Search-Tracking aktivieren: Site Search-Tracking ist eine interessante Funktion für die Auswertung des Suchverhaltens auf der eigenen Webseite. Mit dieser Funktion können Sie alle möglichen Daten, welche von Ihren Kunden im Suchfenster eingegeben werden, sammeln und auswerten. Man kann schon sagen, dass diese Funktion manchmal als ein Marktforschungsinstrumment eingesetzt werden kann. Sie können schnell und problemlos alle Suchanfragen abgreifen und mit den diversen Google Analytics-Metriken miteinander vergleichen, kombinieren und segmentieren. Mit der Suchfunktion können Sie sogar Ihr Sortiment optimieren und eventuell bei hoher Nachfrage um weitere Produkte im Sortiment erweitern. Nutzen Sie diese Funktion und lernen Sie Ihre Kunden besser kennen.

9. Ziele & Trichter-Visualisierung einrichten: Bei Google Analytics stehen insgesamt vier verschiedene Zieltypen zur Auswahl. Der erste und wichtigste Zieltyp ist das “URL-Ziel”. Damit ist es möglich, die sogenannte Trichter-Visualisierung für die Bestellanalyse zu aktivieren. Als Ziel-URL muss hier in der Regel die Bestellabschlussseite eingegeben werden, bei der Keyword-Option kann der voreingestellte Wert “Genau passend” stehen bleiben. Alle Ziele können mit einem passenden Wert versehen werden. Bei einem Onlineshop sollte man diesen Wert leer lassen, da sonst die Berechnung für bestimmte Metriken später etwas abweichen kann. Mit einem Klick auf den Button “Trichter verwenden” wird ein weiterer Schritt für den Trichter-Prozess hinzugefügt. Die Schritte im Trichter können beliebig erweitert werden, somit können sogar komplexe Formulare mit der Trichter-Visualisierung getrackt werden.

10. eCommerce-Tracking im Shop aktivieren: Nachdem alle 9 Schritte erfolgreich ausgeführt wurden, muss nur noch das sogenannte eCommerce-Tracking auch im Shop aktiviert bzw. als Tracking-Code eingebaut werden. Je nachdem, welches System verwendet wird, gibt es einige Tricks für die Aktivierung des Tracking-Codes. Am einfachsten gestaltet sich die Aktivierung des Codes bei Magento, hier muss man lediglich das Google Analytics aus dem Backend aktivieren und die Kundenkontonummer in das entsprechende Feld eintragen. Bei anderen Shopsystemen sollten Sie sich als Shopbetreiber nach einem passenden Modul umschauen, meistens gibt es bereits vorgefertigte Plug-ins, die innerhalb von Sekunden aktiviert werden können.

Weitere Tipps & Tricks für Google Analytics finden Sie bei Facebook oder in unserem Twitter-Account. Abonnieren Sie unseren Newsletter, dort bekommen Sie exklusive Google Analytics-Anleitungen per E-Mail zugeschickt.

The post In 10 Schritten: Installationsanleitung Google Analytics für Onlineshops appeared first on Digital Analytics & Data Strategy.

Einführung in Web Analytics

• Was ist Web Analytics?
• Was ist Logfile-Analyse?
• Liste mit Tools zur Logfile-Analyse
• Was ist Page-Tagging?
• Zahlenvergleich: Google Analytics vs. Webalizer (Log-File-Methode)

Einführung und Funktionen von Google Analytics

• Was ist Google Analytics?
• Wie funktioniert Google Analytics?
• Google Analytics V5 – Erste Eindrücke
• Eine Grundlegende Übersicht über Google Analytics
• Einführung Tipps & Tricks für Google Analytics
• Die sieben neuen Funktionen von Google Analytics
• Intelligenz-Berichte und benutzerdefinierte Benachrichtigungen
• Fünf neue Funktionen in Google Analytics
• Besucherfluss, Echtzeit-Statistiken und SEO mit Google Analytics
• Google Analytics-Funktion -Teil 1: Erweiterte Segmentierung

Google Analytics Setup

• Google Analytics Installationsanleitung
• Wie installiert man Google Analytics auf einer Webseite?
• Google Analytics verstehen Teil 1: Anmeldung und Übersicht
• Installation des Tracking-Scripts von Google Analytics
• Google Analytics mit AdWords verknüpfen
• Google Analytics mit Adsense verbinden
• Google Analytics mit Webmaster Tools verbinden

Debugging-Tools

• Google Analytics Debugger
• WASP Debugger
• Fiddler Web Debugging Proxy

Erstellung von Profilen und Anwendung von Filtern

• Tipps für die Erstellung von Profilen
• Google Analytics Profile
• Google Analytics Konto/Profil löschen
• Google Analytics: Eigene Zugriffe per IP-Adresse ausschließen
• Google Analytics Filter Einstellungen
• Google Analytics als Keyword-Monitoring-Tool nutzen
• Google Analytics – Custom Filter Settings
• Google Analytics Filter die das Leben erleichtern
• Web Analytics Filter
• Einfluss von Google Suggest mit Analytics messen
• Google-Referrer: den Filter sehen
• Session ID mit Google Analytics filtern

Ziele und Conversion-Tracking

• Conversion Goals in Analytics einrichten und verstehen
• Arbeiten mit Google Analytics – Trichter und Ziele
• Google Adwords Conversions vs. Google Analytics Ziele
• Ziele in Analytics einrichten, Vorteile und Schritte
• Einrichtung von Zielen in Google Analytics
• Blog-Ziele messen mit Google Analytics
• Analytics-Ziele und -Transaktionen mit Adwords Conversion-Tracking verknüpfen?

E-Commerce-Tracking

• Google und Magento Teil 1 Google Analytics
• xtCommerce-Tracking mit Google Analytics (Tutorial)
• Google Analytics und Conversion Tracking für Zen-Cart
• E-Commerce-Tracking mit Google Analytics für Affiliates
• Google Analytics für Einsteiger Teil 3 eCommerce-Tracking

Multichannel-Analytics

• Google Analytics Multichannel-Trichter
• Google Analytics Multi Channel Funnel

Event- und Kampagnen-Tracking

• Erklärung zu Google Analytics Event-Tracking
• Google Analytics Event-Tracking
• Google Analytics Event-Tracking für Blogelemente
• Downloads und Links einfach mit Google Analytics tracken
• Google Analytics richtig einsetzen – Kampagnen-Tracking
• Google Analytics Kampagnentracking mit _setAllowAnchor
• Tracking Ihrer E-Mail Kampagne mit Google Analytics
• Google Analytics: Klicks mit automatisiertem Klick-Event-Tracking messen

Tagging-Tools

• Google Analytics URL-Builder
• GAconfig URL-Builder
• Utm.to URL-Shortener

Segmentierung

• Segmentierung mit Google Analytics
• Profile vs. Erweiterte Segmente
• Benutzerdefinierte Segmente bei Google Analytics
• Wichtige Google Analytics Segmente
• Erweiterte Segmente in Google Analytics
• Wie Besuchersegmente helfen, den SEO-Traffic zu analysieren
• Wie man mit Google Analytics Social Media auswerten kann
• Web Analytics: Brand Traffic von Non-Brand Traffic unterscheiden
• In Google Analytics Social-Media Quellen bequem vergleichen
• Unterschied Filter vs. Segment
• Kostenlose Marktforschung mit Google Analytics

Reports & Berichterstellung

• Benutzerdefinierte Berichte – Anwendungsbeispiele
• Quick Start-Leitfaden zum benutzerdefinierten Bericht
• Google Analytics: Benutzerdefinierte Berichte
• Google Analytics – Business Web Analytics Features
• Wichtige Google Analytics-Funktionen – Teil 2: Benutzerdefinierte Berichterstellung
• Benutzerdefinierte Berichte erstellen
• Tipp: Nutzwert-Bericht in Google Analytics
• Google Analytics Berichte für Kunden
• Benutzerdefinierte Berichte verwalten
• Google Analytics: Top 10 Berichte für Anfänger
• Trafficstärkste Stunde bestimmen und Artikel und Tweets richtig schedulen

Reporting-Tools

• Next Analytics
• Excellent Analytics (free)
• GA Data Grabber

Datenschutz und Google Analytics

• Google Analytics datenschutzkonform einbinden
• Google Analytics datenschutzkonform einsetzen
• Google Analytics ist amtlich danteschutzkonform
• Datenschutzdebatte beendet – Google Analytics erhält den Segen
• Datenschutz: Google Analytics doch nicht datenschutzkonform?
• Google Analytics rechtssicher nutzen – Anleitung und Muster für Webmaster

Reguläre Ausdrücke

• Über reguläre Ausdrücke
• Reguläre Ausdrücke in Google Analytics Live testen
• Longtail-Keywords in Analytics
• Reguläre Ausdrücke in Google Analytics-Zielen
• Reguläre Audrücke in Google Analytics und Urchin

RegEx-Tools

• Rubalor a Ruby regular expression editor
• Regexe – Reguläre Ausdrücke online testen
• Regex Tester von AnalyticsMarket

Advanced Google Analytics

• Eine Webseite mit zwei Google Analytics Konten tracken
• Google Analytics: Stolperfalle Cross Domain Tracking
• 33 Webseiten Analyse Tipps
• SEO und Web Analytics welche Metriken wirklich zählen
• 7 Google Analytics Alerts für SEO

Bücher und weiterführende Literatur

• Google Analytics: Implementieren. Interpretieren. Profitieren
• Google Analytics – Erfolgskontrolle für Webseiten
• Advanced Web Metrics mit Google Analytics
• Google Analytics und Co: Methoden der Webanalyse professionell anwenden
• Google Analytics von Justin Cutroni
• WebSelling: Google Analytics
• Advanced Web Metrics with Google Analytics 2012 (englisch)

The post Das ultimative Google Analytics Handbuch auf Deutsch appeared first on Digital Analytics & Data Strategy.