So startest Du erfolgreich mit der Datenanalyse
Es gibt fast unbegrenzte Möglichkeiten Webanalyse Tools zu nutzen. Ob man nun den technischen Teil der eigenen Website analysieren oder seine Nutzer und deren Verhalten besser verstehen möchte, die Anzahl an Daten kann einen schon mal überfordern. Und ja, die gewünschten Informationen zu finden kann sich anfühlen, als suche man nach der Nadel im Heuhaufen. Wo startet man also mit der Datenanalyse?
Die richtigen Fragen stellen
Du willst in die Tiefen der Analyse einsteigen? Dich in die Daten einarbeiten, Deine Marketing Channel analysieren, Segmente erstellen wie ein Pro?
Sich mit Webanalyse auseinandersetzen, bedeutet die richtigen Fragen zu stellen, um so den Fokus der Analyse zu setzen.
Gute Fragen sollten diese vier Kriterien erfüllen:
- spezifisch
- messbar
- zeitbezogen
- relevant
Am wichtigsten ist allerdings, dass mit Beantwortung der Fragen Deinem Kunden ein Mehrwert für sein Unternehmen geboten wird.
Wenn Dein Kunde also fragt: “Wie kann ich meine Landingpage verbessern?”, dann geht es nicht darum, sofort mit der Datenanalyse zu starten. Viel wichtiger ist herauszufinden, was genau diese Frage bedeutet:
- Was genau meint Dein Kunde eigentlich mit verbessern? Was soll verbessert werden: die Anzahl der Nutzer, die Conversion Rate, die Anzahl der Conversions über Social-Media-Kanäle, etc.?
- Wie genau definiert Dein Kunde Erfolg und welche KPIs werden genutzt, um diese zu messen?
- Was ist der zeitliche Rahmen, in dem die Verbesserung erreicht werden sollte?
- Wie viel Budget und Ressourcen stehen zur Verfügung?
Auf Basis dessen lassen sich dann Hypothesen über die Problemstellung aufstellen.
Das Kaizen Konzept
Damit Du während der Analyse nicht den Faden verlierst, ist es hilfreich einen strukturierten Rahmen zu definieren, an dem Du Dich orientieren kannst.
Einer der beliebtesten Ansätze ist das Kaizen Konzept. Das Konzept beinhaltet die 5S-Methode, welche als Werkzeug zur kontinuierlichen Verbesserung der Analyse genutzt wird.
Übertragen auf die Datenanalyse lassen sich fünf Schritte ableiten:
- Anomalien: Wo finden sich Anomalien in den Daten? Sind diese gut oder schlecht zu beurteilen? Gibt es eine drastische Veränderung in der Performance? Gibt es weitere Auffälligkeiten, die Dir ins Auge springen?
- Analyse: Wurden Anomalien im ersten Schritt gefunden, kannst Du diese nun genauer analysieren.
- Lösungsfindung: Im dritten Schritt entwickelst Du Lösungen, die umsetzbar sind und zur Aufschlüsselung der Anomalien beitragen.
- Implementierung: Die besten Lösungen setzt Du anschließend um.
- Evaluierung: Zuletzt wertest Du das Ergebnis aus: Haben die Lösungen auch das gewünschte Ergebnis erzielt?
Der obere Prozess beschreibt also, wie Du Informationen in spezifische Aktionen umwandeln kannst.
Anomalien
Der erste Schritt der Kaizen Methode ist gleichzeitig auch der schwierigste: Anomalien in den Daten zu identifizieren. Google Analytics bietet eine große Menge an Daten, Graphen und Tabellen, was Deine Suche nach Auffälligkeiten erschweren kann.
Diese vier Maßnahmen und Berichte können Dir dabei helfen Anomalien zu identifizieren:
1. Zeitraum
Den richtigen Zeitraum auszuwählen, ist einer der entscheidenden Faktoren einer effektiven Analyse.
Anomalien können zu verschiedensten Zeitpunkten auftreten. Sie können an einem bestimmten Fälligkeitsdatum, während einer Änderungsperiode oder einem Jahresvergleich sichtbar werden. Den richtigen Datenbereich für die jeweilige Analyse auszuwählen ist demnach von hoher Bedeutung. Dieser darf weder zu umfassend, noch zu kurz gewählt sein.
Beispiel:
Im März hat sich die Anzahl der Nutzer auf Deiner Website um ca. 40% erhöht. Ist die Entwicklung ähnlich zum Vorjahr? Trat der Anstieg unerwartet auf oder ist er saisonabhängig? Den richtigen Zeitraum zu definieren hilft Dir dabei zu verstehen wann und wieso Anomalien auftreten.
2. Technologie
Viele Anomalien treten aufgrund von technischen Gegebenheiten auf. Dafür ist es sinnvoll, dass Du Segmente basierend auf verschiedenen Technologie-Dimensionen zu erstellen. Diese können sein:
- Gerätetyp (Desktop, Smartphone, Tablet)
- Browsertyp (Chrome, Safari, Internet Explorer…)
- Netzwerk
- App-Version
Beispiel: Die Anzahl der Nutzer im Vergleich zum Vormonat ist gesunken. Durch die Anwendung von Segmenten und die Auswertung der Technologie kannst Du erkennen, dass die neueste Version des Internet Explorers dafür verantwortlich ist. Diese kann keinen JavaScript Code verarbeiten, der für Datenerfassung genutzt wird.
3. Einstiege
Relevante Messwerte zur Auswertung des Nutzereinstiegs sind:
- Quelle / Medium
- Landingpage
- Absprungrate
- Verweis
4. Verhalten
Wie Nutzer sich auf Deiner Website verhalten, kannst Du ebenfalls betrachten, um Anomalien ausfindig zu machen. Dafür sollten besonders folgende Messwerte betrachtet werden:
- Verweildauer auf einer Seite
- Conversions und die Conversion Rate
- Ereignisse
- Interne Suche auf der Website
Hast du die wichtigsten Anomalien identifiziert, folgen die nächsten Schritte der Kaizen Methode.
Zudem sollte ausgewertet werden, ob die Daten und Ergebnisse statistische Relevanz besitzen. Dazu gibt es bald einen weiteren Blogartikel über die Statistiken hinter der Datenanalyse.
