Conversion Analyse auf Meta-Ebene. Knie oder Trichter?




Für viele ambitionierte Online-Marketer, Conversion-Optimierer, Traffic-Experten und Co. stellt sich immer wieder die Frage:

Auf welcher Seite fange ich an, meine Website zu optimieren und zu testen?

Antwort:

Da, wo die Website am ineffizientesten ist!

 

Allerdings kann man sich dabei schnell auf Einzelseiten einschießen und viel Zeit bei der Optimierung verlieren. Was fehlt ist das „Big picture“ bevor man loslegt.

Hier eine kurze Schritt-für-Schritt Anleitung, die sich in der Praxis immer wieder bewährt hat.

1. Daten als Basis // Ein Blick in die Webanalyse

Nutzertests sind gut und wichtig, das möchte ich an dieser Stelle vorausschicken. Doch um schnell einen Blick über die Effizienz meiner Website zu bekommen, brauche ich keine Einzelmeinungen, sondern knallharte Fakten. Wo springen Nutzer ab? Welche Seitentypen „funktionieren“ und bringen die Besucher der gewünschten Aktionen einen Schritt näher – welche nicht? Also erster Schritt: Webanalyse-Tool öffnen.

 

2. Jeder Entscheidung geht ein Prozess voraus // Customer Journey einfach gedacht

Um die richtigen Daten aus den Tools rauszukitzeln, schaut man sich die eigene Website an. Man kristallisiert die wichtigsten Trampelpfade heraus, die an einer Entscheidung bzw. an einer Aktion (Kauf, Anfrage etc.) beteiligt sind. Es geht um die Frage: Welche Seiten sind an einer Conversion beteiligt? Welche Schritte folgen aufeinander.

Zur Hilfe kann man sich die Klickpfad-Auswertungen in den Webanalyse Tools nehmen (hier am Beispiel von → Google Analytics Visitor Flow)

Google Analytics - Visitor Flow

Resultat

Hieraus zieht man sich (stark vereinfacht und verdeutlicht an einem Online Shop)  folgende Schritte heraus:

  1. Kategorieseiten
  2. Detailseiten
  3. Warenkorb
  4. Registrierung
  5. Zahlung und Versand
  6. Bestellübersicht
  7. Bestellung

Die Aussage dahinter lautet: Je mehr Personen ich zum nächsten Schritt „konvertiere“, desto höher ist die Wahrscheinlichkeit, dass auch am Ende des Prozesses mehr Nutzer „ankommen“ und zum Kunden werden.

3. Excel is your friend // Dropout berechnen

Um Bottlenecks identifizieren zu können, können im nächsten Schritt die Daten in Excel übertragen werden. (Es gibt natürlich auch Webanalyse-Implementierungen, bei denen diese KPIs standardmäßig abgebildet sind, es gibt aber eben auch viele, bei denen das nicht so ist).

Auf jeder Prozess-Ebene genügen die absoluten Besucherzahlen. Anschließend berechnet man den Verlust wie folgt:

100% – (Nachfolger : Vorgänger) x 100%

3a) Verlust in Prozent

Beispiel: 100% – (Detailseiten Besucher : Kategorieseitenbesucher) x 100%=100% – (370.000 : 700.000) x 100% = 47%

VisitorsDropout
Besucher1.000.000
Kategorieseiten700.00030%
Detailseiten370.00047%
Warenkorb22.20094%
Registrierung17.76020%
Zahlung und Versand10.65640%
Bestellübersicht10.1235%
Bestellung10.0001%

 

3b) Verlust in harten Euros

Wer den schmerzlichen Verlust auch in Euro sehen möchte, benötigt für den Fall E-Commerce zunächst noch den Durchschnittswert des Warenkorbs (AOV).

Anschließend wird die Anzahl der verlorengegangenen Besucher mit dem AOV (hier 80€) multipliziert.

Beispiel für den Verlust zwischen Warenkorb und Registrierung:

Verlust in € = (Warenkorbaufrufe – Registrierungsaufrufe) x 80€ = (22.200 – 17.760) x 80€ = 355.200€

 

Info: AOV = 80€VisitorsDropoutUmsatzverlust
Besucher1.000.000
Kategorieseiten700.00030%24.000.000 €
Detailseiten370.00047%26.400.000 €
Warenkorb22.20094%27.824.000 €
Registrierung17.76020%355.200 €
Zahlung und Versand10.65640%568.320 €
Bestellübersicht10.1235%42.624 €
Bestellung10.0001% 9.856 €

 

4. Conversion Killer übers Knie gelegt // Schwachstellen sichtbar machen

Da diese Darstellung noch nicht wirklich „sexy“ ist, d. h. ins Auge springt, wo ein großer „Dropout“ vorliegt,  kann man gerne die sogenannte „Knie-Betrachtung“ heranziehen.

Hierbei trägt man die obigen Daten einfach in Excel ein und visualisiert sich den Verlust in % als Line. Erkennt man hierbei ein „Knie“, ist dieses für die Schwachstellenanalyse besonders geeignet.

4a) Interpretation Verlust in Prozent

dropout-in-prozent

Beim obigen Beispiel erkennt man schnell, dass es zwei Schwachstellen (identifizierbar als Knie) gibt:

(1) Die Wandlung von Detailseiten zum Warenkorb und (2) die Wandlung von Zahlung & Versand zu Bestellübersicht.

Wo die Probleme im Detail liegen, muss dann genauer untersucht werden (quantitativ & qualitativ).

 

4a) Interpretation Verlust in Euro

Bei der Darstellung des Verlusts in Euro erkennt man in der nachfolgenden Abbildung eindeutig, dass zwischen den ersten Schritten und dem Checkout wahnsinnig viel Geld auf der Straße liegen bleibt.

Der entgangene Umsatz ist hier am größten. Bei der Optimierung kann von diesem Potential viel Geld in die nächsten Schritte übertragen werden.

dropout-in-euro

 

 

5. Conversion Killer in den Trichter gesteckt // Conversion Funnel

Eine Darstellung, die stark auf die Effizienz von Prozessen ausgerichtet ist, stellen Conversion Funnels dar. Ja, diese Darstellung gibt es in gängigen Webanalyse Tools, sie soll dennoch als Alternative hier mit aufgenommen werden.

Die einzelnen Prozess-Schritte werden von oben nach unten in einem Trichter abgebildet. Auf jeder Ebene wird der Verlust abgetragen.

In den Webanalyse Tools können die Trichter ebenfalls abgebildet werden, häufig wird allerdings der Verlust bzw. der Trichter nicht proportional abgebildet, d. h. die Nachfolgeschritte werden in ihrer Breite nicht ins Verhältnis mit dem Vorgängeschritt gesetzt.

Conversion Funnel Beispiel (Adobe Site Catalyst)

Dieser Trichter zeigt zwischen den einzelnen Schritten nicht den Verlust an, sondern die Wandlungsrate zum nächsten Schritt. Des Weiteren ist der Trichter nicht proportional zu den tatsächlichen Wandlungsraten oder Verlustraten. Wird also automatisch immer etwas schmaler. (Hinweis: Dieser Trichter hat andere Daten als das obige Beispiel):

conversion-funnel-adobe-site-catalyst

Self made Conversion Funnel Beispiel

Diese Abbildung zeigt einen eigenen Trichter (mit den Zahlen aus dem Beispiel ganz am Anfang des Artikels). Die Proportionalität ist hier zwar auch nicht gegeben, aber ich kann den Verlust visuell der richtigen Ebene zuordnen und absolut, in Prozent oder als Umsatz abbilden.

conversion-funnel

Fazit

Manchmal sieht man den Wald vor lauter Bäumen nicht. Dann gilt es, einfach mal Abstand zu nehmen.

Die Schwachstellen einer Website plakativ und visuell darzustellen, hilft manchmal ungemein, sich nicht in Details zu verlieren, sondern fokussiert an Problemstellen zu arbeiten. Die kontinuierliche Optimierung der Wandlungsraten zwischen den Einzelschritten ermöglicht eine methodisch einfache, aber dennoch strukturierte Vorgehensweise.

Kann man diese Schwachstellen auch anders darstellen? Wie sind die Erfahrungen mit Trichtern, dem Knie oder ähnlichen Abbildungen? Kommentare sind herzlich willkommen.

Artikel Download als [PDF] gibt es hier:

  Conversion Analyse auf Meta-Ebene: Knie oder Trichter?
Anzahl Downloads: 2.764








About the author
Gabriel Beck
Gabriel Beck ist Mitglied der Geschäftsleitung beim Conversion Spezialist Web Arts AG. Kontakt zu: Google+ Facebook Fanpage




2 Kommentare für: Conversion Analyse auf Meta-Ebene. Knie oder Trichter?

Li Wang

Hallo dear Mr. Beck,

thanks very much for your Artikel“Conversion Analyse auf Meta Ebene“, i really really like it as i am a fan in your bolg and this topic!

Actually I also prepared a similar report for checkout process for my webshop. The difference between my report and your mentioned example „Self made Conversion Funnel Beispiel“ is I don’t have the data about „Kategorieseite“ and „Detailseite“.

As we know, normally every webshop has only one „Register“ page, one „Versandt“ Page and one „Zahlung“ page. However, regarding with the kategorieseite, they could have 10 kategorieseite and maybe thousands detailsseite, could you tell me how to track how many visitors visited „Kategorieseite“?

One possible limitation in your „Self made Conversion Funnel Beispiel“ is this funnel you designed is based on your suppose or expectation, but the customer offline journey and online journey is so complexity. You mentioned in your „Self made Conversion Funnel Beispiel“, the first step is „Anzahl Besucher“, second is „Anzahl Besucher bei Kategorieseite“, the third one is „Anzahl Besucher bei Detailseite“,yet, it is quite possible one visitor visit your detailseite as the landingpage directly from affiliate marketing campaign or SEA or display campaign, and buy some nice article and then leave your webshop without no visit on your kategorieseite. Visitors could as well type http://www.amazon.de and search „Web Analytics one hour on day Avinash Kaushik“ in the internal search field at Amazon.de and then click this book and buy it, in this case, neither no visit on kategorie seite.
These two popular possibility will provide us the data in your example as followed,

Besucher: 1 (verlassen 1, 100%)
Kategorieseite:0 (verlaseen ?, ?)
Detailseite:1

does these data or this funnel report make sense?

The main idea from my side is the funnel we design should be linear, As I see, we could possibly lead the customer to follow the funnel „Besuch >> Warenkorb >> Register >> Zahlung&Versand >>Bestellübersicht>>Bestellbestätigun“ to finish one online purchase, but it is a pity it is quite hard to control a customer to follow „Besucher >> Kategorieseite >> Detailseite >> Warenkorb >> Register >> Zahlung&Versand >>Bestellübersicht>>Bestellbestätigun“ to finish a purchase, or we can say this funnel is not linear.

Above is my understanding in this topic, maybe right maybe not….I am very appreciated if you could reply to me.

Thanks very much and have a nice day.

cheers
Li Wang

Der SEO-Blog-Wochenrückblick KW 41

[…] ist der Ansatzpunkt für eine Conversion-Optimierungsstrategie gefunden. Mehr dazu könnt ihr auf conversiondoktor.de […]





Leave a comment





 

Kontakt

© Conversion und Landing Page Optimierung Blog 2016 - Conversion und Landingpage Optimierung Blog