Data Insights: Analytics trifft Business

Data Insights in der Webanalyse

Was, wenn man bei all den Web Analytics Zahlen den Blick auf die eigentliche Frage verliert? Was, wenn man diese Frage noch gar nicht kennt und wie verhalten, wenn nie jemand die richtigen Fragen stellt? Wir sprechen heute über Data Insights.

Data Insights finden

Data Insight in Echtzeit? - Google Analytics

Data Insight in Echtzeit? – Google Analytics

Daten tun niemanden weh, denn Daten im Web sind primär beschreibend: Sie beschreiben die Interaktion von Usern, Bots & Crawlern mit der eigenen Website oder App. Nicht mehr, nicht weniger. Durch entsprechende Oberflächen kann man dabei jeden Tag schön zusehen. Das ist zwar super spannend, schlau wird man daraus aber selten.

Wer wirkliche Unterhaltung möchte, kann sich auch 8 Stunden das Real Time Tracking bspw. in Google Analytics ansehen und auf eine Erleuchtung warten, wirklich kommen wird diese aber nicht. Um aus Daten schlauer zu werden, und dafür machen wir diese ganze Übung schlussendlich, braucht es jemanden, der die richtigen Fragen stellt: Warum steigt diese Kurve? Welches Segment hat hier besonderen Einfluss? Was ist eigentlich mein Online-Marketing-Ziel? Aber nochmal zurück an den Start:

Online Kennzahlen für verschiedene Businesses – Wer stellt hier die Fragen?

In welchem Business befinde ich mich und wer stellt die Fragen? Im Zweifelsfall gilt es, das Kundenerlebnis besser zu machen und Antworten zu liefern, bevor diese in der Organisation überhaut gestellt werden. Leading by example: Wenn du die richtigen Fragen gestellt hast und einzelnen Abteilungen dabei geholfen hast, Probleme zu lösen, wird man dich auch in Zukunft nach Rat fragen. Überlege also vor der Analyse, welche Probleme und Wünsche in der Organisation oder beim Kunden aktuell bestehen und wie man einzelne Abteilungen im Haus mit handlungsleitenden Ratschlägen bedienen kann:

Analytics trifft Business: Was genau ist der Bedarf?

„Würde es helfen zu wissen, welche Inhalte auf unserem Portal zu Verkäufen geführt haben, wo User üblicherweise einsteigen und was diese danach machen?“ Wenn die Fragen aktuell nicht proaktiv aus dem Business gestellt werden, kann man diese doch dem Business selbst stellen. Schnapp dir jene Leute im Unternehmen, die bereit sind, besser zu werden und höre dir deren Probleme an. Zuhören ist eine der wichtigsten Disziplinen im Bereich Data Analytics. Gemeinsam lassen sich so Messwerte erarbeiten, die das gewünschte Verhalten abbilden. Data Insights sollen nicht bisherige Fehler von Teams aufdecken und anprangern, sie sollen dabei helfen, künftig noch besser zu werden. Kommunikativ setzen wir ein neues Tool ein und die erste Abteilung die mitmacht, beweist, wie innovativ sie ist.

Sprich „Nicht-Technisch“ – Sprechen wir von den gleichen Standards?

Props, Evars, Visitor, Events, Sampling, Bots, Bounce Rate. Verwirre Leute nicht mit Fachbegriffen, sondern stelle ihnen die beste Möglichkeit vor, bestimmte Verhalten zu messen. Einige dich auf bestimmte Standards, lege ein Glossar für zentrale Begriffe an und verwende von da an die gleichen Dimensionen. Nur wenn alle sich auf einheitliche Definitionen geeinigt haben, kannst du auch wirklich mit den Inhalten und Ergebnissen arbeiten. Verbesserungen an der Datenqualität sollten priorisiert und durchgeführt werden aber nicht die Agenda bestimmen. Natürlich sollten auch Veränderungen an Messmethoden kommuniziert werden. Diese sollen aber nicht zum Störfaktor in der Interpretation von Ergebnissen werden, bzw. die Daten sollten vor der Interpretation möglichst bereinigt werden.

Daten Visualisierung – Wie würde ein Ergebnis in etwa aussehen?

Data Insight Cockpit

Niedriger Öldruck? – Keine Panik, das Flugzeug steht. Alle wichtigen Daten im Blick.

Angenommen du hättest alle Datenquellen und Möglichkeiten, wie würde die perfekte Antwort auf die gestellte Frage aussehen? Kannst du dieses eventuell auch schon aufmalen? Treffe dich mit den Personen, die davon profitieren können und stelle Ihnen die Lösung vor. Hole deren Feedback ein und lerne daraus für weitere Zielgruppen.


Bitte gib eine gültige Mailadresse an.

Mal ehrlich, ist dieser Report wirklich sinnvoll?

Nun gilt es zu beurteilen, welchen Impact diese Erkenntnis für das Unternehmen hat und wie aufwändig es ist, die Daten zu erhalten. Üblicherweise arbeitest du hier mit einer Matrix aus „Business Impact“, „Potenzial“ und „Einfachheit“ auch PIE genannt. Die Summe ergibt eine Reihung jener Fragen, die du als Analyst beantworten solltest. Einfachheit bedeutet auch, sich bspw. an Personen zu wenden, die Resultate nicht als Kritik ihrer eigenen, bisherigen Arbeit sehen, sondern Hilfe auch wirklich in Anspruch nehmen wollen. Deine Aufgabe als Analyst ist es ja vor allem auch Lösungen anzubieten.

Insight: Eine Analyse macht nur Sinn, wenn man bereit ist, danach auch zu handeln.

Wer Änderungen und Fortschritt im Unternehmen durchsetzen möchte, sollte dort ansetzen, wo es relevant ist, Kapazitäten vorhanden sind und Bereitschaft besteht, auch tatsächlich mit Daten zu arbeiten. Doch werfen wir einen Blick auf die Datenanalyse.

Datenanalyse

Nun geht es ab in die Zahlen: Zu viele Zahlen gibt es nun eigentlich nicht, denn du analysierst nun einen Ausschnitt aus deinem gesamten Datenpool. Dies kann beispielsweise die Stelle im Abschlussprozess sein an der es besondere Probleme gibt. Bei der Analyse helfen dir folgende Punkte:

Daten in Kontext setzen

Der Kontext der Daten ist wichtig für die Analyse. Wurden zu einer bestimmten Zeit spezielle Kampagnen veröffentlicht, hat man sich auf bestimmte Regionen spezialisiert? Vor allem ist die Frage wichtig, wie die Dinge üblicherweise verlaufen: Was ist der sogenannte „Normalzustand“ und was führt dazu, dass sich User entgegen diesem Trend verhalten? Sind 50.000 viel oder wenig? Kommt darauf an.

Data Insight: Kinderschuhe finden

Data Insight: Kinderschuhe finden – hier sucht man vor allem nach Schuhen für 2-4 jährige.

Die richtige Brille für die Datenanalyse

Ein häufiger Fehler ist die Betrachtung der gesamten Daten ohne Fokus: Welchen Ausschnitt möchte ich analysieren und was könnte einen Einfluss darauf haben? Beobachte verschiedene Segmente, Kampagnen, Zeiten. Gibt es hier Auffälligkeiten? Woran könnten diese liegen? Mögliche Filter:

  • Kanäle / Besucherquellen (Teuer, Billig)
  • Segmente (Top, Flop, Usergruppen)
  • Zielerreichungen je Segment, Kanal
  • Microziele am Weg zum Ziel (Interesse)
  • Verhältniszahlen
  • Nutzerflows (Themen, Pfade)
  • Fehlverhalten (Errorpages, Absprünge, Ladezeit)

Den Blick schärfen: Priorisierung der Spuren

Versuchst du alle Daten zu verstehen, wirst du relativ schnell von A nach B springen und dich in der Analyse verlieren. Klammere daher das „Normale“ aus und konzentriere dich auf die Ausreißer. Bspw. Besucher mit sehr vielen Seitenaufrufen oder Artikel, die häufig gelesen werden. Vergleiche Top Kunden mit den schlechtesten Kunden und versuche die Unterschiede zu erkennen. Ein guter Ansatz ist auch, sich auf Traffic zu konzentrieren, der besonders teuer ist. Fazit: Richte deine Aufmerksamkeit auf die Top- und Flop User und versuche von diesen zu lernen.

Alerts und Benachrichtigungen

Web Analytics: Wichtige Veränderungen im Blick

Web Analytics: Wichtige Veränderungen im Blick

Selbst als bester Analyst kann man nicht alle Themen auf dem Schirm haben. Automatische Benachrichtigungen bei kritischen Schwellenwerten helfen dabei, bei „Extremverhalten“ sofort benachrichtigt zu werden. Diese Benachrichtigungen gilt es zu verfeinern.

Koppelung an qualitative Daten

Mit Heatmaps zu besseren Data Insights.

Mit Heatmaps zu besseren Data Insights.

Um Ursachen für Verhalten besser zu beschreiben, lohnt es sich, an kritischen Stellen auch auf qualitative Daten zurückzugreifen. Mögliche Tools dafür sind neben klassischen Usertests bspw. Hotjar oder Mousflow. So werden Verhalten beschreibbarer und können besser visualisiert werden.

Die Botschaft verbreiten: Data Storytelling & Visualisierung

Um Erfolgsstories im Unternehmen zu kommunizieren, muss die Darstellung und die Botschaft klar werden. Neben einem Dashboard sollten die Highlights für Laien kommuniziert werden. Hebe beteiligte Personen, Initiativen und Maßnahmen hervor und stelle klar dar, wie die nächsten Ziele erreicht werden. Reine Zahlen werden niemanden beeindrucken. Erzähle die Geschichte dahinter und nutze diese zur Verbesserung der Akzeptanz von datengetriebenen Entscheidungen im Unternehmen.

Lust auf mehr? Wir helfen dir gerne, Ordnung in deine Fragestellungen und Daten zu bekommen.

Rate this post
Roland Lindner
Roland Lindner ist als Digital Consultant mit für den Auf- und Ausbau der Online-Marketing-Strategien (Conversion Optimierung, Analytics, Content Marketing) innerhalb der mediaworx berlin AG verantwortlich. Neben Online Marketing ist seine Leidenschaft die Fotografie. (Mail)

Deine Meinung ist gefragt

Deine Meinung*

Dein Name*
Deine Seite