Tipps aus dem Praxisguide "Analysetechniken der Webanalyse"

Google Analytics: Segmentieren und aggregieren Sie!

Durchschnittswerte aus Google Analytics zu betrachten, bringt oft nur wenige Erkenntnisse. Wer erfahren möchte, wo auf einer Website Optimierungsbedarf herrscht, sollte Google-Analytics-Daten segmentieren (aufteilen) oder aggregieren (zusammenführen) lassen. Welche Möglichkeiten Google dafür bietet und wann es sich lohnt, sie zu nutzen, zeigt ein neuer Praxisguide von ConversionBoosting. Ein bisschen verraten wir auch hier im Blog.

Webanalyse-Instrumente wie Google Analytics präsentieren eine Fülle anonymisierter Daten, mit denen man Stärken und Schwachstellen des eigenen Webauftritts identifizieren kann. Allerdings ist allein der Blick auf Durchschnittswerte in der Regel wenig aussagekräftig. Man erkennt vielleicht, dass sich die Gesamtzahl der Seitenaufrufe und Website-Nutzer erhöht oder reduziert hat. Aber man erhält keine Informationen, die auf die Ursachen schließen lassen.

Um aussagekräftige Informationen zu erhalten, muss man Daten aus Google Analytics segmentieren, vergleichen und bisweilen auch aggregieren. Wie das funktioniert, zeigt der neuer ConversionBoosting-Praxisguide Analysetechniken der Webanalyse. Er zeigt auch, wie man bereits erhobene Daten aus Google Analytics durch einen Export nach Excel nachträglich aggregieren kann.

Segmentieren: Bitte Gruppen bilden!

Segmentieren bedeutet: Man definiert Teilgruppen einer Gesamtgruppe, um sich ihr Verhalten auf der Website anzusehen und es mit dem anderer Teilgruppen zu vergleichen. So kann man beispielsweise das Verhalten neuer und wiederkehrender Besucher vergleichen. Oder man vergleicht das Verhalten von Käufern und Nichtkäufern oder von Besuchern, die über organische Google-Suchergebnisse auf die Website kommen, mit dem Verhalten derjenigen, die die Website über Werbebanner erreichen. So erkennt man bestenfalls signifikante Unterschiede zwischen den Gruppen. Die Erkenntnisse lassen sich nutzen, um etwa aus mehr Nichtkäufern Käufer zu machen.

Google Analytics bietet diverse Möglichkeiten zur Segmentierung:

  • Vorgefertigte Berichte: die einfachste Variante. Google Analytics bietet Berichte mit automatisierter Segmentierung – etwa zu Traffic-Quellen. Man sieht so sehr schnell, welche Quellen welchen Beitrag zum Traffic auf der Seite leisten.
  • Teilgruppen nochmals segmentieren: So kann man etwa die Gruppe der aus Deutschland kommenden Besucher weiter unterteilen und sich anschauen, aus welchen Bundesländern sie stammen. So lässt sich schnell feststellen, ob regionale Kampagnen eingeschlagen haben.
  • Ad-hoc-Filter auf der Ebene der aktuellen Datenansicht und speicherbare Segmente, die man sich ansehen kann. Wertvolle Erkenntnisse kann zum Beispiel die Gruppe liefern, die die interne Suche ohne Ergebnis genutzt hat. Hier lässt sich schnell erkennen, wo bei der seiteninternen Suchfunktion Optimierungsbedarf besteht.

Google-Analytics-Filter zur Segmentierung unterscheiden sich deutlich von Segmenten und Ad-hoc-Filtern:

  • Segmente und Ad-hoc-Filter: Der Nutzer arbeitet mit bereits gesammelten und auf der Google-Analytics-Oberfläche angezeigten Daten, die nur umsortiert werden,
  • Filter: Sie sorgen dafür, dass nur den Filterkriterien entsprechende Daten überhaupt auf die Google-Analytics-Oberfläche gelangen.

Bei Filtern kann die Auswahl nicht einfach rückgängig gemacht werden. Deshalb sollten Sie vorsichtig agieren und darauf achten, immer auch eine ungefilterte Datenansicht zu besitzen.

Filter kann man beispielsweise dafür nutzen, um Seitenbesuche von Mitarbeitern und Test-Conversions auszuschließen. Sie sind auch sinnvoll, wenn man häufig Besuchergruppen aus bestimmten Traffic-Quellen (z.B. Adwords-Anzeigen) oder Segmente wie Bestandskunden (mit Anmeldung auf der Seite) betrachtet. Man erhält dann sofort einen Blick auf diese Gruppen, ohne selbst zu filtern. Google Analytics hat das bereits erledigt.

Aggregieren: Und jetzt alle zusammen!

Große Datenmengen in Segmente zu zerlegen, ist oft sinnvoll. Aber auch der umgekehrte Weg kann der richtige sein: Man führt kleine Datengruppen zu einer großen zusammen. Das kann zum Beispiel sinnvoll sein,

  • wenn man nicht die Absprungraten jeder einzelnen Produktdetailseiten betrachten, sondern wissen möchte, wie hoch sie bei allen Produktdetailseiten einer Kategorie (z.B. Herrenhosen) ist.
  • wenn man zum Beispiel regelmäßig werbende Artikel im Unternehmensblog veröffentlicht und die dadurch ausgelösten Conversions in verschiedenen Kategorien der Website darstellen möchte. So kann man den Erfolg der Blogartikel bewerten.
  • wenn man Varianten desselben Suchbegriffs zusammenzählen lassen möchte: Beim Traffic über Suchmaschinen trennt Google Analytics normalerweise Suchbegriffe in Groß- und Kleinschreibung. Beispiel: X Seitenzugriffe nach Suche mit Suchbegriff „conversion rate“, Y Seitenzugriffe nach Suche mit Suchbegriff „Conversion Rate“.

Alte Daten aggregieren? Geht auch… über einen Umweg

Ein Filter filtert erst ab dem Moment, in dem er aktiviert wird. Ältere Daten werden nicht gefiltert. Wer auch sie filtern möchte, kann allerdings die Exportfunktion auf Google Analytics nutzen, um die Daten nach Excel zu exportieren, wo solch eine nachträgliche Filterung funktioniert.

Vergleiche zeigen Optimierungsbedarf

Ein wesentliches Ziel jeder Website-Analyse sollten Hinweise darauf sein, wo Optimierungsbedarf besteht. Solche Hinweise ergeben sich, wenn man auf Google Analytics Einzelwerte mit Durchschnittswerten vergleicht. Beispiele: Über Google Analytics erkennt man vielleicht, dass die Ladezeit oder die Absprungrate einer Einzelseite der Website deutlich länger/höher ist als im Durchschnitt.

Das sind Indizien, auf die man achten sollte. Weicht ein Wert einer Einzelseite (z.B. Absprungrate) deutlich vom Durchschnitt ab – nach oben oder unten -, herrscht Handlungsbedarf. Sie können Klick- oder Scroll-Heatmaps einsetzen, um die möglichen Ursachen einzugrenzen. Was genau zu tun ist, um die Website zu optimieren, verrät die Analyse nicht. Das ist Aufgabe des Testings.

Der Praxisguide Analysetechniken der Webanalyse geht über das hier im Blog Genannte noch hinaus. Premium-Mitglieder können ihn sofort herunterladen.

Tipps zum Weiterlesen:

Alles über die Nutzung von Google Analytics (Übersicht über unsere Dokumente zum Thema Google Analytics)

Der Autor

Julian Kleinknecht - CRO ConversionBoosting GmbH

Julian Kleinknecht
CRO ConversionBoosting GmbH

Mehr Informationen

Julian Kleinknecht ist CRO (Chief Research Officer) von ConversionBoosting und verantwortet alle Research-Inhalte. Er hat zwei Master-Abschlüsse der University of St Andrews (UK) und der LMU München sowie viele Jahre Erfahrung in den Bereichen Web-Analyse und Website-Testing. Er lebt in New York, USA.

ConversionBoosting KNOW - Kostenloses Praxiswissen für Ihre Conversion-Optimierung

ConversionBoosting KNOW

  • Praxisnahes Wissen für bessere Conversion-Optimierung
  • über 100 Dokumente und 50 Videos
  • vollständig kostenlos
Alle Inhalte ansehen

ANALYZE kostenlos ausprobieren

Bei der Test-Analyse zeigt Ihnen ANALYZE den Optimierungsansatz mit dem größten Potenzial für mehr Umsatz, Kunden oder Leads.

ConversionBoosting