Praxisguide

Welche Seiten zuerst optimieren?

Nicht alle Seiten einer Website oder eines Online-Shops bergen das gleiche Potenzial der Optimierung. Wenn eine Seite mit nur ein paar Seitenaufrufen verbessert wird, hat dies einen geringeren Einfluss auf Conversion-Rate und Umsatz, als wenn eine Seite mit mehreren tausend Seitenaufrufen verbessert wird.

Praxisguide stellen wir verschiedene Kriterien vor, mit denen der richtige Startpunkt ermittelt werden kann.

1. Übersicht

Es wird nicht genug Zeit in die Priorisierung investiert

Nicht alle Seiten einer Website oder eines Online-Shops bergen das gleiche Potenzial zur Optimierung. Wenn eine Seite mit nur wenigen Seitenaufrufen verbessert wird, hat dies nur einen geringeren Einfluss auf die absolute Anzahl der Conversions oder den Umsatz.

In Kundenprojekten beobachten wir, dass nur selten analysiert wird, auf welchen Seiten das größte Potenzial zur Optimierung besteht. Die Frage „Wo sollen wir anfangen?“ wird entweder gar nicht erst gestellt oder nur auf der Basis von Mutmaßungen beantwortet.

Bei Online-Shops äußert sich dies dann häufig darin, dass viel Zeit in die Startseite investiert wird, obwohl sie häufig – aufgrund im Vergleich zu anderen Seiten oder Seiten-Templates weniger Besucher – nur eine untergeordnete Rolle im Kaufprozess spielt.

Seiten zusammenfassen und priorisieren

Sehr viele Websites basieren auf Templates. Eine Vorlage wird also für verschiedene Seiten angewendet. In Online-Shops basierend zum Beispiel die Kategorie- und Produktdetailseite auf jeweils einem Template. Um das Optimierungspotenzial der Templates zu bestimmen, müssen diese im Webanalyse-Tool zu sogenannten Content-Gruppen zusammengefasst werden.

Drei Faktoren der Potenzialanalyse

Es gibt drei Faktoren, welche darauf hinweisen, dass eine Seite bzw. ein Template über ein hohes Potenzial zur Optimierung verfügt:

  • Die Seite wird von vielen Besuchern gesehen.
  • Die Seite scheint über Probleme zu verfügen.
  • Die Besucher der Seite haben ein Kaufinteresse.

Dieser Praxisguide enthält eine konkrete Anleitung, wie Sie bestimmen können, welche der Aussagen auf welche Ihrer Seiten zutreffen.

Falls Sie A/B-Tests durchführen, müssen die Hypothesen für A/B-Tests priorisiert werden. Diese Aufgabe unterscheidet sich von der Frage, welche Seiten zuerst optimiert werden.

Der Praxisguide „Testhypothesen und -ideen priorisieren“ beschreibt alle Einzelheiten.

2. Kriterium 1: Anzahl Seitenaufrufe

Es lohnt sich nur Seiten zu optimieren, die auch von Besuchern gesehen werden. Nur Verbesserungen auf solchen Seiten können einen signifikanten Einfluss auf Ihre Ziele habe.

Öffnen Sie Ihr Webanalyse-Tool, um die Seiten mit den meisten Seitenaufrufen zu ermitteln. In Google Analytics finden Sie den entsprechenden Bericht unter Verhalten > Website-Content > Alle Seiten.

2.1 Unproblematisches Beispiel

Für die Website einer Versicherung kann dieser Bericht so aussehen:

Abbildung 1: Bericht „Alle Seiten“ auf Google Analytics

Drei Landingpages für verschiedene Versicherungen sind an erster Stelle platziert. Die Seite „/lp/privatkredit“ verfügt jedoch mit Abstand über die meisten Seitenaufrufe. Hier scheint es das größte Optimierungspotenzial zu geben.

Notieren Sie sich diese Information. Zusammen mit den beiden anderen Faktoren wird später die Priorisierung vorgenommen (siehe 6. Kapitel)

In vielen Fällen gestaltet sich die Analyse der Seitenaufrufe jedoch schwieriger als in diesem einfachen Fall. Man stößt auf zwei grundlegende Probleme.

2.2 Seiten basieren auf einem Template

Der Bericht der meistbesuchten Seiten eines Online-Shops sieht häufig so aus:

Abbildung 2: Beispielhafter Bericht der Seitenaufrufe eines Online-Shops

In Abbildung 2 sehen wir, dass die Startseite die meisten Seitenaufrufe aufzuweisen hat. Trotzdem ist es bei genauer Betrachtung nicht die Seite mit dem größten Potenzial. Denn Online-Shops basierend natürlich meist auf Templates. Das heißt, beispielsweise jede Kategorieseite basiert auf derselben Vorlage, die für alle Produktkategorien angewendet wird. Genauso gibt es beispielsweise jeweils eine (oder mehrere) Vorlage für Produktdetailseiten.

Es ist sinnvoll, das Template Kategorieseite zu optimieren. Falls die nur eine oder wenige Kategorieseiten optimiert werden, werden diese Optimierungen nur von wenigen Besuchern gesehen und haben entsprechend nur einen geringen Einfluss.

Obiger Bericht des Webanalyse-Tools offenbart jedoch nur die Anzahl der Seitenaufrufe einzelner Kategorieseiten. Zur Priorisierung wird stattdessen ein Bericht wie dieser benötigt. Es werden die Seitenaufrufe pro Seitentyp angezeigt.

Seitentyp Seitenaufrufe
Startseite 100.000
Kategorieseiten 300.000
Produktdetailseiten 500.000
SEO-Seiten 140.000
Eigenständige Landingpages 50.000

Falls Ihre Website auf Templates basiert, können Sie für eine solche Ansicht erzeugen? Das heißt können Sie die Anzahl der Seitenaufrufe nach Seitenkategorien errechnen? Dies ist die Grundvoraussetzung für eine Potenzialanalyse.

In verschiedenen Webanalyse-Tools gibt es hierfür verschiedene Ansätze. In Google Analytics kommen sogenannte „Content-Gruppierungen“ zum Einsatz.

Falls schon Content-Gruppierungen angelegt sind, kann im Bericht „Alle Seiten“ unter „primäre Dimension“ eine Content-Gruppierung ausgewählt werden:

Abbildung 3: Auswahl einer Content-Gruppierung als primäre Dimension

Im Bericht weist ein grauer Kasten um den Namen der Gruppe darauf hin, dass es sich um eine Gruppe von Seiten – nicht um einzelne Seiten – handelt:

Abbildung 4: Ansicht von Content-Gruppen in Google Analytics

Falls noch keine Content-Gruppierungen eingerichtet sind, erläutert der Praxisguide „Webanalyse: Seiten sinnvoll gruppieren“  wie dies funktioniert.

Bis die Content-Gruppierung im Webanalyse-Tool angelegt sind, können Seiten auch in einer Tabellenkalkulation gruppiert werden. Im Anhang finden Sie eine Schritt-für-Schritt-Anleitung.

2.2 Problem: Die gleiche Seite unter verschiedenen Namen

Eine weitere Herausforderung kann darin bestehen, dass die gleiche Seite unter verschiedenen Seitennamen gespeichert wird. Obige Landingpage für einen Privatkredit kann im Webanalyse-Tool unter diesen Namen aufgezeichnet werden:

  • „/lp/privatkredit/“,
  • „/lp/kredit/?gclid=sfhshih“ sowie
  • „/lp/kredit/lp/?utm_medium=google“.
  • URL-Parameter
  • Groß- und Kleinschreibung
  • Doppelte Angabe des Übertragungsprotokolls

Diese URL-Parameter haben keinen Einfluss auf die Darstellung der Seite. Sie verursachen jedoch Probleme für die Webanalyse. Die Anzahl der Seitenaufrufe für eine Seite (hier „/lp/privatkredit“) ist nicht sofort ersichtlich, da die Seitenaufrufe auf mehrere Seiten „verteilt“ sind.

  1. Webanalyse-Software richtig einrichten
  2. Daten mit Excel auswerten. Im Anhang zeigen wir Schritt für Schritt, wie Sie hier vorgehen können.

Beispiel: Google Analytics

1. Überprüfen Sie, ob dieses Problem bei Ihnen auftritt. Durchsuchen Sie hierzu den Bericht „Alle Seiten“ nach Seiten mit einem Fragezeichen im Namen:

Abbildung 5: Suche nach einem  Fragezeichen in Google Analytics

1.Gibt es eine signifikante Anzahl an Seiten mit Fragezeichen, müssen Sie sich um das Problem kümmern. Dazu gibt es diese Möglichkeiten:

  1. Schließen Sie unerwünschte URL-Parameter aus den Seitennamen aus. Dazu gehören utm-Parameter (von Google Analytics), gclid-Parameter (von AdWords) sowie Parameter der internen Suche. (Hier finden Sie die Anleitung für Google Analytics, siehe Punkt 4).
  2. Definieren Sie einen Standard-Seitennamen für die Startseite, falls sie beispielsweise unter „/“ sowie „index.php“ erreichbar ist.
  3. Wenden Sie einen Filter auf alle Daten an, um Seitennamen ausschließlich in Kleinbuchstaben zu speichern.

Diese Änderung wirkt sich nur auf Zukunft auf. Die bisher gesammelten Daten werden nicht verändert. Um nach der Änderung eine aussagekräftigen Report generieren zu können, müssen zunächst wieder ausreichend Daten gesammelt werden.

3. Bounce-Rates von Einstiegsseiten

Scheint eine Seite bzw. Seitenkategorie über ein Problem zu verfügen, ist dies ein weiterer Faktor dafür, dass dort Optimierungspotenzial besteht.

Die Bounce-Rate (auch „Absprungrate“ genannt) bezeichnet den Anteil der Besuche, in welchen nur eine Seite aufgerufen, und dann die Website wieder verlassen wird. Sie ist ein Indikator dafür, wie relevant eine Seite für Besucher ist. Sie misst, wie gut eine Seite Erwartungen der Besucher erfüllt und diese auffängt.

Seiten mit hohen Absprungraten scheinen also für Besucher nicht relevant zu sein. Diese Relevanz kann erhöht werden – hier liegt also Optimierungspotenzial.

3.1 Bounce-Rates identifizieren

Die Metrik Bounce-Rate kann nur sinnvollerweise auf Einstiegsseiten angewendet werden. Auf die zweite Seite innerhalb eines Besuchs kann sie nicht angewendet werden. Ein Besucher, der während eines Besuchs zwei Seiten aufgerufen hat, wird schließlich nicht als Bounce gewertet.

Um Seiten mit hohen Bounce-Rates zu bestimmen, rufen Sie im Webanalyse-Tool den Bericht „Einstiegsseiten“ auf. In Google Analytics finden Sie diesen Bericht unter Verhalten > Website-Content > Zielseiten.

Wichtig: Falls Ihre Website auf Templates basiert (vgl. 2. Kapitel), müssen hier wieder die Content-Gruppen als Dimension verwendet werden.

Abbildung 6: Bericht „Zielseiten“ für einen Online-Shop

3.2 Was sind hohe Bounce-Rates?

Im obigen Screenshot erkennt man häufig anzutreffende Zahlen:

  • Die Startseite verfügt über relativ geringe Bounce-Rates, ungefähr zwischen 10-20%.
  • Kategorieseiten weisen Zahlen zwischen 25-50% auf.
  • Auf Produktdetailseiten sind die Bounce-Rates mit 40-60 % noch höher.

Diese Hierarchie von Startseite (sehr allgemein) zu Produktdetailseite (sehr speziell) ist nicht überraschend. Je spezieller der Inhalt einer Seite ist, desto höher ist die Wahrscheinlichkeit, dass dieser Inhalt nicht zu dem passt, was der Besucher gesucht hat. Während auf der Startseite viele Produkte und Produktkategorien platziert sind, wird auf der Produktdetailseite nur ein Produkt dargestellt.

Was sollen Sie nun mit Ihren Bounce-Rates anfangen? Überprüfen Sie diese beiden Punkte:

  • Liegt die Bounce-Rate einer „breiten“ Content-Gruppe über der Bounce-Rate einer „spezielleren“ Content-Gruppe, dann scheint es in der breiteren ein höheres Optimierungspotenzial zu geben. Ist die Bounce-Rate der Kategorieseite also zum Beispiel höher als der Produktdetailseite, scheint die Kategorieseite ein höheres Potenzial aufzuweisen.
  • Liegen die Bounce-Rate über den obigen Benchmarks, gibt es dort ein höheres Potenzial.

Notieren Sie, welche Seiten auffällige Bounce-Rates aufweisen.

Im Praxisguide „Bounce-Rate korrekt messen“ finden Sie weiteres Hintergrundwissen und eine Anleitung, wie die Bounce-Rate gemessen werden sollte.

4. Absprünge im Trichter

Hohe Bounce-Rate sind ein Anzeichen dafür, dass etwas beim „Abholen“ oder „Auffangen“ der Besucher nicht klappt. Hohe Absprungraten im Conversion-Trichter deuten auf Probleme im weiteren Verlauf eines Besuchs.

Viele Besucher brechen „auf dem Weg“ zum gewünschten Ziel einer Website ab. Conversion-Trichter sind Visualisierungen dieser Schritte, die Besucher einer Website mit dem Ziel einer Conversion nehmen. Sie zeigen, an welchen Stellen Besucher auf dem Weg zur jeweiligen Conversion abbrechen.

4.1 Verschiedene Trichter

Abhängig von der Art der Website sind verschiedene Arten von Trichtern sinnvoll.

4.1.1 Online-Shops

Der bekannteste Trichter ist der für den Fortschritt im Checkout-Prozess. Die Schritte können zum Beispiel so aussehen:

Warenkorb > Adresseingabe > Zahlung und Versand > Vielen-Dank

In der „Trichter-Visualisierung“ von Google Analytics wird dies so visualisiert:

Weitere sinnvolle Trichter sind diejenigen, welche das Verhalten vor dem Checkout abbilden. Diese sind:

Suchergebnis > Produktdetailseite > Warenkorb
Kategorieseite > Produktdetailseite > Warenkorb

4.1.2 Andere Arten von Websites

Für Landingpages (zum Beispiel von Versicherungen oder Banken) sind diese Trichter relevant:

Landingpage > Schritte im Anmeldeprozess > Bestätigungsseite

Bei diesem Anmeldeprozess des Energieanbieters Mainova gibt es beispielsweise sieben solcher Schritte im Anmeldeprozess. Jeder diese Schritte stellt einen eigenen Schritt im Conversion-Trichter dar.

Abbildung 7: Anmeldeprozess bei Mainova

Können Sie die Abbruchraten für die Prozesse auf Ihrer Website analysieren?

Wenn nicht, erklärt der Praxisguide „Conversion-Trichter definieren“, wie dies funktioniert und gibt praktische Tipps zur Umsetzung.

4.2 Welche Absprungraten deuten auf Probleme hin?

4.2.1 4.2.1 Benchmarks sind sehr schwierig

In Online-Shops sind die Absprünge von der Produktdetailseite zum Warenkorb in den meisten Fällen am höchsten. Von Produkt ansehen zu Produkt kaufen besteht schließlich eine größere Hürde als zum Beispiel von der Kategorieseite zum Warenkorb. Eine sehr hohe Absprungrate von der Produktdetailseite zum Warenkorb bedeutet jedoch nicht zwangsläufig, dass hier das größte Optimierungspotenzial liegt.

Analog zu Analyse der Bounce-Rates müssen die Abbruchraten mit Benchmarks verglichen werden. Dieses Unterfangen ist jedoch extrem schwierig:

  • Die Werte sind für verschiedene Branchen unterschiedlich.
  • Die Werte hängen stark davon ab, über welche Traffic-Quelle ein Besucher kommt. Bei Retargeting-Besuchern sind die Absprungraten sehr viel niedriger als zum Beispiel bei „normalen“ Display-Besuchern.
  • Die Werte hängen davon ab, wie weit Besucher in der Customer Journey sind. Gibt es viele Besucher, die gerade erst dabei sind, sich über verschiedene Produkte zu informieren, sind die Absprungraten höher als bei Besucher, welche schon zum Kauf bereit sind.

4.2.2 Grobe Richtlinien

Aus unserer Erfahrung haben wir diese groben Richtlinien gewonnen.

  • Gibt es zwischen Schritten im Checkout bzw. Anmeldeprozess pro Schritt weniger als 10 % Absprünge, dann gibt es dort nur sehr wenig Potenzial.
    • Diese Absprünge werden oft durch Messfehler verursacht.
    • Es können niemals alle Besucher überzeugt werden.
  • Eine Click-through-Rate vom ersten Schritt des Checkouts zur Vielen-Dank-Seite von über 70 % ist eine gutes Ergebnis. Ein signifikant niedrigerer Wert deutet auf ein Problem hin.
  • Der Warenkorb wird oft als Merkzettel verwendet. Eine Click-through-Rate von 50 % vom Warenkorb zur Vielen-Dank-Seite ist wahrscheinlich nicht problematisch. Ist die Rate jedoch sehr viel niedriger, scheint er dort Potenzial zu geben.

5. Motivationen der Besucher

Besucher kommen mit verschiedenen Motivationen auf eine Website. Manche wollen sich zu einem Thema informieren, andere haben schon ein konkretes Kaufinteresse. Das Potenzial, Besucher mit vorhandenem Kaufinteresse zu Kunden zu machen, ist höher als Besucher zu Kunden zu machen, die sich vor allem informieren wollen.

Überlegen Sie, welcher Anteil der Besucher pro Seite bzw. Content-Gruppe über kein Kaufinteresse verfügen. Falls zum Beispiel die Hälfte der Besucher einer Seite kein Kaufinteresse aufweisen, sollte die Anzahl der Seitenaufrufe beim Bewerten des Optimierungspotenzials angepasst werden.

Vor allem SEO- und Referral-Traffic „enthalten“ oft Besucher mit fehlendem Kaufinteresse. Einige Beispiele

  • Besucher, die über Google den Ratgeber „Die richtige Schuhgröße ermitteln“ finden, möchten nicht zwangsläufig Schuhe bei Ihnen kaufen
  • Wer den Blogbeitrag „Was passiert mit einem Kredit im Todesfall?“ aufruft, hat wahrscheinlich schon einen Kredit abgeschlossen. Es wird schwierig, ihm einen weiteren Kredit zu verkaufen.
  • Berichtet eine große Website über Sie und verlinkt auf die Startseite, dann haben diese Besucher ein weniger großes Kaufinteresse an Besucher, welche nach Ihrer Website bei Google gesucht haben.

6. Eine Entscheidung treffen

Ihnen stehen nun viele Informationen zur Verfügung. Darauf muss nun eine priorisierte Liste der Seiten bzw. Content-Gruppen abgeleitet werden.

Im Idealfall haben Sie Notizen zu diesen Themen:

  • Anzahl Seitenaufrufe je Content-Gruppe
  • Bounce-Rate je Content-Gruppe
  • Absprungraten im Conversion-Trichter
  • Schätzungen zu Kaufintentionen der Besucher

Beachten Sie diese Empfehlungen, um eine priorisierte Liste zu erstellen.

Priorisieren Sie Seiten bzw. Content-Gruppen nach hinten, die über geringe Bounce-Rates (falls es sich primär um Einstiegsseiten handelt) bzw. geringe Absprünge im Conversion-Trichter (falls es sich primär um Seiten weiter hinten im Besuch handelt) verfügen.

Das wichtigste Kriterium ist jedoch die Anzahl der Seitenaufrufe bzw. die Menge der Besucher.

7. Anhang: Seiten in Excel gruppieren

In Google Analytics wählen Sie den Bericht Verhalten > Website-Content > Alle Seiten aus und exportieren Sie die Liste für Tabellenkalkulationen.

In der Tabellenkalkulation Ihrer Wahl (hier Excel) fügen Sie dann eine neue Spalte „Kategorie“ ein und gehen die Seiten der Reihe nach durch.

Markieren Sie dann alle Zeilen inklusive der Überschriften und erstellen eine Pivot-Tabelle daraus:

Bestätigen Sie en darauffolgenden Dialog und wähle dann die passenden Dimensionen und Metriken aus. In unserem Beispiel sind das „Kategorie“ und „Seitenaufrufe“.

Sie erhalten eine Ansicht wie diese und damit die Anzahl der Seitenaufrufe je Content-Gruppierung.

8. Anhang: Gleiche Seiten unter verschiedenen Namen konsolidieren

Laden Sie zuerst die entsprechende Datei über die Export-Funktion in Google Analytics herunter.

Im nächsten Schritt entfernen Sie alle Parameter der Seitennamen. Hierfür können Sie eine Excel-Formel wie diese einsetzen. In der Spalte B finden Sie den bereinigten Namen:

Nun müssen Sie die Anzahl der Seitenaufrufe für diese eine Seite, welche unter verschiedenen Namen gespeichert wurde, zusammenfassen. Wählen Sie hierfür zuerst eine freie Zelle aus, in der die konsolidierten Daten gespeichert werden sollen.

Dann rufen Sie die Funktion „Konsolidieren“ unter Daten > Datei-Tools auf.

Wählen Sie als Funktion „Summe“ aus und klicken Sie auf das kleine Pfeilsymbol, um den zu bearbeitenden Bereich auszuwählen:

Wählen Sie dann die zu konsolidierenden Zeilen aus:

Nach einem Klick auf „Hinzufügen“ wählen Sie als Identifikationskriterium „Linke Spalte“ aus. Die Werte in der linken Spalte der Auswahl werden also zusammengefasst:

Das Ergebnis:

ConversionBoosting