Data Analytics

So verrät Dir Google Analytics, in welcher Phase der Customer Journey Dein Nutzer gerade ist

Florian Möller
 Lesezeit: 11 Minuten    
5
arrow_down
5

Wusstest Du, dass Conversion Rates in Google Analytics häufig zu niedrig gemessen werden? Die Ursache ist, dass die Customer Journey der Nutzer nur teilweise berücksichtigt wird. Wir zeigen Dir, wie Du die Conversion Rate nachjustierst ohne sie zu verfälschen und wie Du Deine Nutzer in Google Analytics nach ihrer Customer-Journey-Phase segmentierst.

Der Erfolg Deiner E-Commerce-Strategie lässt sich zu einem Großteil an der Conversion Rate Deines Onlineshops messen: Wie viele Nutzer geben eine Bestellung ab? Häufig wird die Conversion Rate aber zu niedrig gemessen. Dadurch stellst Du den Erfolg kleiner dar, als er tatsächlich ist.

Grund dafür ist, dass die Customer Journey Deiner Nutzer nicht wirklich betrachtet wird. Es ist also an der Zeit, die Conversion Rate nachzujustieren und den Erfolg Deiner Arbeit nicht mehr zu schmälern.

Die 5 Phasen der Customer Journey

Bevor ein Nutzer sich dazu entscheidet, sein Geld in Deinem Onlineshop zu lassen, bewegt er sich durch verschiedene Entscheidungsphasen, im Marketing unter dem Begriff “Customer Journey” bekannt. Der Nutzer informiert sich, wägt ab und entscheidet. Die „5 Level of Awareness“ von Eugene Schwartz skizzieren diese Customer-Journey-Phasen in einem anschaulichen Modell:

customer-journey-optimierung-prozess

Unser Kollege Torsten Hubert hat einen sehr feinen und ausführlichen Artikel zum Thema Customer Journey geschrieben, in dem Du das Modell und die Phasen im Detail am Beispiel einer kaputten Windschutzscheibe und der Firma Carglass kennenlernen kannst.

Für den Überblick hier die einzelnen Phasen kurz und knackig erklärt. Denn sie sind wichtig um zu sehen, was die Conversion Rate messen soll:

  1. Unaware: Der Nutzer ist gedanklich noch weit von der Entscheidung zum Kauf entfernt. Hier geht es darum, dass der Nutzer von Deiner Marke gehört hat: „Aha, Carglass ist eine Firma, die Windschutzscheiben repariert.“ Dabei hilft auch der prima Werbe-Jingle aus dem Radio 😉
  2. Problem Aware: Beim Nutzer taucht ein Bedürfnis auf. Im Carglass-Beispiel: Ein aufgeschleuderter Stein hat einen Riss in die Windschutzscheibe des Autos geschlagen.
  3. Solution Aware: Eine Lösung muss her: Die Windschutzscheibe muss repariert oder gar ersetzt werden.
  4. Product Aware: Der Nutzer ist aktiv auf der Suche nach einem Reparatur-Service oder einer neuen Windschutzscheibe. „Ach ja: Carglass bietet so etwas doch an…“ Durch die Unaware-Phase landet Carglass im Entscheidungs-Set des Nutzers. Wenn Angebot und Preis stimmen, wird er sich zum Kauf entscheiden.
  5. Most Aware: Der Nutzer ist nun Carglass-Kunde. Wenn Produkt und Service gut waren, wird der Kunde auch nächstes Mal wieder zu Carglass gehen.

Deine E-Commerce-Strategie sorgt im Prinzip dafür, dass Deine Nutzer durch diese einzelnen Entscheidungsphasen wandern, bis sie schließlich zu Kunden (im Idealfall sogar Stammkunden) werden. Deine Conversion-Rate betrachtet hingegen nur einen kleinen Ausschnitt dieser Customer Journey, weil sie lediglich jene Conversions misst, die innerhalb einer einzelnen Session entstehen. Also irgendwie unfair, den Erfolg Deiner Arbeit daran zu bemessen 😉

Der Pfadlängen-Report in Google Analytics zeigt Dir die Anzahl der Visits pro Conversion

Die Definition der E-Commerce Conversion Rate von Google Analytics lautet wie folgt:

google_analytics_conversion-rate-definition Demnach ist die Conversion Rate …

„…the percentage of visits that result in an ecommerce transaction, and is a great proxy for the efficacy of your marketing…”

Google nimmt für die Berechnung also die Anzahl an Visits (auch genannt: Besuche, Sessions oder Sitzungen). Aber wie viele der Conversions entstehen tatsächlich innerhalb eines einzelnen Visits? Wie viele Deiner Nutzer laufen so schnell durch alle fünf Phasen?

Lass uns dieser Sache mit Hilfe von Google Analytics etwas näher auf den Grund gehen. Wie viele Deiner Conversions innerhalb eines einzigen Visits erfolgt sind, kannst Du über den Pfadlängen-Report prüfen. Diesen findest Du bei den Conversion-Berichten unter dem Punkt „Multi-Channel-Trichter“. Und so sieht er aus:

pfadlaengenreport
Der Pfadlängen-Report in Google Analytics verrät die Anzahl der Visits bis zur Conversion

Links steht die Pfadlänge (sprich Anzahl Visits, die ein Nutzer bis zur Conversion braucht) und rechts als dunkelblauer Balken der Anteil an allen Conversions. In diesem Beispiel sind es gerade einmal 37,89% der Conversions, die innerhalb eines einzigen Visits erfolgten.

Das bedeutet im Umkehrschluss, dass 62% der Conversions von Nutzern kamen, die mindestens 2 Visits brauchten, bis sie sich zur Bestellung entschieden. Die meisten Besucher brauchten also mehr als einen Visit bis zur Conversion. Diese 62% werden mit der „normalen“ Conversion Rate jedoch nur unpräzise gemessen.

Das passiert, wenn Du Deine Conversion Rate auf Nutzer-Ebene misst

Wesentlich präziser wird Deine Conversion Rate, wenn Du sie nicht auf Visit-Ebene, sondern auf Nutzer-Ebene misst. Einige Web-Analytics-Tools haben diesbezüglich schon nachgebessert. So bietet zum Beispiel Webtrekk die Konversionsrate, Unique an, bei der die Anzahl an Bestellungen durch die Anzahl an Nutzern (von Webtrekk Visitors genannt) geteilt wird.

Messung der Nutzer Conversion Rate in Google Analytics

In Google Analytics gibt es bisher leider noch keine vorgefertigte Nutzer Conversion Rate. Du kannst sie Dir aber recht einfach als benutzerdefinierte Metrik selbst anlegen (unter den Einstellungen Deiner Analytics-Property).

Berechnung der Nutzer Conversion Rate mit Excel

Alternativ kannst Du Dir auch die benötigten Daten per benutzerdefinierten Bericht nach Excel exportieren und sie Dir dort selbst berechnen, wie ich es in diesem Beispiel getan habe:

nutzer-conversionrate_tabelle

Du siehst, dass die Nutzer Conversion Rate in diesem Beispiel um 57% höher liegt als die Visit Conversion Rate.

Zugegeben: Die absolute Anzahl an Conversions ist natürlich dieselbe, egal ob ich nun mit Visits oder mit Nutzern rechne. Gleiches gilt für den erzielten Online-Umsatz. Der Rechenweg ist bei der Nutzer Conversion Rate schlicht anders, denn ich teile durch eine kleinere Menge. Das ist der ganze “Rechentrick” dabei.

Vorteile der Betrachtung der Nutzer Conversion Rate

Eine Conversion Rate auf Visit-Ebene ist meist zu kurz gedacht. Mit der Nutzer Conversion Rate betrachtest Du die Kaufentscheidung Deiner Kunden und den Erfolg Deiner E-Commerce-Strategie ein Stück weit ganzheitlicher.

Nachteile einer Betrachtung der Visit Conversion Rate

Eine Betrachtung der Conversion Rate auf Visit-Ebene bedeutet im Umkehrschluss, dass Du auch die Nutzer auf Visit-Ebene anschaust, die nicht bestellen. Und darunter sind viele Nutzer, die einfach ein wenig länger bis zur Conversion brauchen. Wenn Du bei diesen Nutzern also nach dem Grund suchst, warum sie nicht bestellen, suchst Du an der falschen Stelle. 😉

 

Kleiner Tipp: Dein Testing-Tool betrachtet übrigens bei der Conversion Rate ebenfalls Nutzer und nicht Visits. Oft führt dieser Unterschied zur Verwirrung, wenn man Conversion Rates zwischen Testing- und Web-Analytics-Tools vergleicht.

Deine eigene Nutzer Conversion Rate kannst Du übrigens auch mit Hilfe dieses benutzerdefinierten Analytics-Berichts selbst berechnen. Einfach die Daten nach Excel exportieren und dann Conversions durch Nutzer dividieren.

Wie erkenne ich in Google Analytics Nutzer, die noch mit der Bestellung hadern?

Wie kommst Du jetzt also an die Nutzer heran, die tatsächlich nicht (auch nicht bei einem späteren Visit) bei Dir bestellt haben?

Lass uns dafür zuerst den Bericht „Häufigkeit und Aktualität“ betrachten. Du findest ihn in der Analytics-Navi unter „Zielgruppe“ > „Verhalten“.

haeufigkeit_und_aktualitaet

Dieser Bericht listet Dir die Sitzungen (also Visits) fein säuberlich nach ihrer Reihenfolge auf. Meine erste Sitzung in Deinem Onlineshop kommt in die „1“, meine zweite Sitzung in die „2“ usw.

Daneben siehst du dann, wie viele Sitzungen es mit diesem Platz in der Reihenfolge insgesamt gab. So für sich stehend überrascht dieser Bericht nicht in seiner Aussage. Interessant ist jedoch, dass die Sitzungen in ihrer Reihenfolge nummeriert werden und Du die Sitzungen entsprechend segmentieren kannst.

Segmentierung in Google Analytics nach Anzahl an Sitzungen

Mit Hilfe der Dimension „Anzahl an Sitzungen“ kannst Du Dir zum Beispiel ausschließlich die dritten Besuche Deiner Nutzer in Deinem Onlineshop segmentieren. Und das braucht ja nicht die einzige Segmentierungsregel bleiben.

anzahl_an_sitzungen

Zusätzliche Segmentierung nach Nicht-Käufern

Wie wäre es, wenn Du jetzt noch als Regel hinzunimmst, dass diese Nutzer kein Geld in Deinem Onlineshop ausgegeben haben?

segment
Beispiel: Segmentierung der Nutzer: “3x im Shop gewesen, kaufen aber nichts”

Jetzt hast Du jene Nutzer segmentiert, die schon 3 x in Deinem Onlineshop waren, aber immer noch nichts gekauft haben… Dabei stellst Du Dir sicher die Frage:

Was machen diese Nutzer so oft dort, wenn sie nichts kaufen? Was bringt sie immer wieder dort hin? Warum hadern sie mit der Bestellung?

Dies kannst Du herausfinden, indem Du Dir anschaust…

  • welche Seitentypen diese Nutzer aufrufen (z.B. Produktlisten, Produktseiten, Checkout-Seiten, FAQs)
  • welche Funktionen Deines Shops sie nutzen (z.B. Filialfinder, Chat-Funktion, Kontaktanfrage)
  • welche Produkte sich die Nutzer anschauen (z.B. aus welchem Teil Deines Sortiments und aus welcher Preisklasse)
  • welchen Einstiegskanal diese Nutzer gewählt haben

Mit jeder weiteren Info, die Du aus diesen Berichten über das Nutzersegment „3 x im Shop gewesen, kaufen aber nichts“ ziehst, kannst Du besser nachvollziehen, warum sich diese Nutzer so verhalten.

Segmentierung der Nutzer nach ihrem Level in der Customer Journey

Diese Segmentierungsregeln lassen sich außerdem nutzen, um Rückschlüsse auf die einzelnen Phasen der Customer Journey zu schließen:

Phase 1: Unaware

Unaware: 1. Visit des Nutzers, der Einstiegskanal ist Social Media, es erfolgt aber keine Bestellung. Der Nutzer wird den im Social-Media-Beitrag verlinkten Content anschauen, danach aber vermutlich sofort die Website wieder verlassen.

Phase 2: Problem Aware

Problem Aware: 1. oder 2. Visit des Nutzers, der Einstiegskanal wird organic Search oder paid Search sein. Der Nutzer wird nach Begriffen googlen, die sein Problem/Bedürfnis beschreiben (z.B. Steinschlag in Windschschutzscheibe). Ähnliche Begriffe wird er in die Produktsuche auf der Website eingeben. Er wird sich mehrere Kategorie- und Produktseiten anschauen.

Phase 3: Solution Aware

Solution Aware: Im darauffolgenden Visit über Suchbegriffe, die schon die Lösung / den Bedarf beschreiben (Windschutzscheibe reparieren) wird der Nutzer einige Produkte vergleichen. Er wird diverse Produktlisten und -seiten aufrufen. Auf den Produktseiten wird er sich die Artikelbilder anschauen und den Bilder-Zoom nutzen. Er wird den Produkttext lesen und dafür ggf. scrollen. Dies wird er für mehrere Produkte tun. Ggf. nutzt er eine Vergleichs- oder Merkzettelfunktion.

Phase 4: Product Aware

Product Aware: Der Nutzer kommt zum 2. oder 3. Mal auf die Website. Er ruft die Website entweder direkt auf oder gibt den Markennamen bei Google ein. Sein Weg wird ihn zielstrebig zum Produkt führen oder zum Merkzettel / Warenkorb.

Phase 5: Most Aware

Most Aware: Der Nutzer war schon mehrere Male auf der Website. Im Idealfall ist er als Bestandskunde markiert. Am aufgerufenen Content kann man erkennen, ob der Nutzer nach einem weiteren Produkt sucht oder ob er bspw. an Service-Leistungen interessiert ist.

Multi-Channel-Trichter-Berichte zeigen die Einstiege in der Customer Journey

Google Analytics bietet Dir unter den Conversion-Berichten die Multi-Channel-Trichter-Berichte an. Diese Berichte gruppieren die Einstiegskanäle der Sitzungen ebenfalls nach der Anzahl an Sitzungen. So kannst Du erkennen, welche Einstiegskanal-Pfade Deine Nutzer häufig in ihrer Customer Journey nehmen.  Du kannst zum Beispiel im Bericht “Top-Conversion-Pfade” sehen, welche Kanäle größtenteils für die erste Sitzung sorgen, welche für die zweite usw. Wichtig ist hierbei, dass Google Analytics in diesem Bericht ausschließlich jene Nutzer berücksichtigt, die eine Conversion ausgelöst haben. Die Art der Conversion kannst du oben links im Bericht auswählen.

Tipp: Es muss nicht immer eine Bestellung sein. Du könntest zum Beispiel auch als Conversion definieren, wenn ein Nutzer ein Produkt mit besonders hoher oder eher geringerer Marge für Dich in den Warenkorb legt. Dafür kannst du beim Klicken auf den Button “In den Warenkorb” ein entsprechendes Klick-Event nach Google Analytics abfeuern, welches dann beispielsweise im Event Label die Produkte nach geringer oder hoher Marge taggt. Die genaue Marge kannst Du am besten mit Hilfe des Tag Managers per Datalayer übergeben. Alternativ kannst Du den Tag Manager den Produktpreis im Frontend auslesen lassen (wenn für Dein Sortiment gilt, dass ein hoher Preis auch eine hohe Marge bedeutet).

Der Bericht zeigt Dir dann für die Nutzer mit Conversion an, welche Einstiegskanäle sie in ihrer Customer Journey genutzt haben.

mct_channel_gruppierungspfad
Erkenne mit Google Analytics die Einstiegskanäle in der Customer Journey

Top-Conversion-Pfade nach Pfadlänge und Anzahl Sitzungen

Und auch im Multi-Channel-Trichter-Bericht kann man die Nutzer segmentieren, zum Beispiel wieder hinsichtlich ihrer Pfadlänge bzw. Anzahl an Sitzungen:

top_conversionpfade
Segmentierung nach Pfadlänge im Multichannel-Trichter-Bericht

Wenn wir jetzt jene Nutzer auswählen, die 3 Sitzungen bis zu ihrer Bestellung brauchten, sehen wir, dass viele dieser Nutzer immer wieder über die bezahlte Suche in unseren Onlineshop kamen.

mct_gruppierungspfad_2

Du weißt jetzt ja bereits, wie Du Dir die erste, zweite oder dritte Sitzung dieser Nutzer segmentieren kannst. Wenn du als Segmentierungsregel noch “Nutzer kam über bezahlte Suche” hinzu nimmst, kannst Du schauen, wie sich die Suchbegriffe von Sitzung zu Sitzung unterscheiden und ob dies einen Rückschluss auf die Phase der Kaufentscheidung zulässt.

Die Tipps noch einmal für Dich zusammengefasst

Ich hoffe, dass mein Artikel Dir dabei hilft, die Customer-Journey Deiner Nutzer besser nachvollziehen zu können. Hier unsere Tipps noch einmal aufgelistet:

  • Berechne Dir eine Nutzer Conversion Rate. Damit misst Du den Erfolg Deiner Arbeit ganzheitlicher und berücksichtigst auch wesentlich besser die Customer Journey und den Kaufentscheidungsprozess Deiner Nutzer.
  • Schaue Dir in Google Analytics die Nutzer nach der Anzahl ihrer Sitzungen an. Wie du dies segmentierst, kannst Du weiter oben noch einmal nachlesen. Vergleiche die Segmente dabei danach, was die Nutzer in ihnen machen. Du kannst aus ihrem Verhalten Rückschlüsse darauf schließen, wie weit sie in der Customer Journey sind.
  • Schaue Dir Deine Top-Conversion-Pfade an. Welche Pfade nehmen Deine Nutzer in den Kanälen über ihre Sitzungen hinweg bis zur Conversion? Auch aus diesem Verhalten kannst Du wieder Rückschlüsse ziehen.

Wie viel Unterschied liegt zwischen Deiner Visit- und Nutzer Conversion Rate? Was sagt dies über Deine E-Commerce-Strategie aus? Hinterlass mir gerne einen Kommentar 🙂

Noch ein Tipp für dein Business: Wie du eine Datenstrategie für deine Personalisierung auswählst, erfährst du in einem Video des Ambassador Programms. Neben zahlreichen Videokursen, die dir Wissen von unseren Expert:innen vermitteln, gibt es regelmäßige Meetups mit der Community, in denen du dich mit anderen Fach- und Führungskräften austauschen kannst. Wir freuen uns auf dich!

Über den Autor

Florian Möller

Product Owner Web Analytics

Florian Möller ist Senior Consultant im Bereich Web-Analytics bei konversionsKRAFT. Zudem ist er als Product Owner für die Weiterentwicklung des Bereichs Web-Analytics verantwortlich. Erfahre mehr über Florian auf Xing.
Frage zum Artikel? Frag den Autor!

5 Kommentare

  1. Gravatar

    Martin,

    Toller Artikel, vielen Dank. Analytics ist wahrlich eine Quelle von hervorragenden Daten, wenn man damit umzugehen weiß.
    A propos: wie legt denn diese Nutzer Conversion Rate Metrik an?

  2. Gravatar

    Christoph,

    Abnormal geiler content. punkt. dann kommt erstmal lange nichts und dann danke für den hammer content

  3. Gravatar

    Sebastian,

    Vielen Dank für den echt super Artikel!

    Für mich definitiv ein paar neue Tipps im Umgang mit Google Analytics – ein kleiner Schritt weiter im Thema “den Kunden wirklich verstehen”.

  4. Gravatar

    Thorsten,

    Genial tolle Arbeit und Top erklärt!

Schreibe einen Kommentar

Teile diesen Artikel

Kostenlos anmelden