Einführung in die Webanalyse

Alby, Tom
om Alby ist Chief Digital Transformation Officer bei dem Kreditversicherer "Euler Hermes" für Deutschland, Österreich und die Schweiz. Er unterrichtet Datenanalyse als Lehrbeauftragter an der Hochschule für Angewandte Wissenschaften Hamburg (HAW).

Reporting und Lösungen für bekannte Problemstellungen

Geleitwort der Digital Analytics Association ... 15


Geleitwort der Fachgutachter ... 17


Einleitung ... 19




TEIL I Zieldefinition ... 23



1. Ziele der Webanalyse ... 25


1.1 ... Was ist Webanalyse? ... 25

1.2 ... Ohne Ziele keine Analyse ... 25

1.3 ... Ziele nach dem S.M.A.R.T.-Prinzip ... 27

1.4 ... Die Gewinnerzielungsabsicht ... 28

1.5 ... Business Value Generation: der Antrieb ... 28

1.6 ... Was, wenn es nicht direkt um Geld geht? ... 29

1.7 ... Findet ein gutes Tool nicht selbst heraus, was wichtig ist? ... 30

1.8 ... Vanity Metrics ... 30



2. Die Dreifaltigkeit der Datenanalyse ... 33


2.1 ... Ziele, KPIs und Metriken ... 33

2.2 ... Von Daten zur Aktion ... 35




TEIL II Datenakquise ... 39



3. Wie funktioniert Tracking? ... 41


3.1 ... Tool einbinden und fertig? ... 41

3.2 ... Warum Technik verstehen? ... 42

3.3 ... Wie sich zwei Maschinen unterhalten ... 42

3.4 ... Server- und Client-basiertes Tracking ... 43

3.5 ... Andere Formen des Trackings ... 47

3.6 ... Tag-Management-Systeme ... 47



4. Nutzer- und geräteübergreifendes Tracking ... 49


4.1 ... Nutzer sind eigentlich Browser ... 49

4.2 ... Was sind eindeutige Nutzer? ... 51

4.3 ... Geräteübergreifendes Tracking ... 52



5. Hits, Seitenaufrufe und Sitzungen ... 55


5.1 ... Hits ... 55

5.2 ... Seitenaufrufe ... 57

5.3 ... Sitzung ... 57

5.4 ... Zeitliche Definition einer Sitzung ... 59

5.5 ... Was ist die ideale Sitzungsdauer? ... 59

5.6 ... Die Rolle des Nutzers ... 60



6. Daten: Roh oder aggregiert? ... 61


6.1 ... Was ist der Unterschied? ... 61

6.2 ... Beispiele für Analysen mit Rohdaten ... 62

6.3 ... Rohdaten mit R abfragen, transformieren und auswerten ... 63



7. Dimensionen und Messwerte ... 69


7.1 ... Unterschied zwischen Dimensionen und Metriken ... 69

7.2 ... Umfang/Scope verstehen ... 71

7.3 ... Eigene Dimensionen und Metriken ... 72



8. Ereignisse und Datenschicht ... 75


8.1 ... Was sind Ereignisse? ... 75

8.2 ... Beispielereignisse ... 75

8.3 ... Der Ereignisplan ... 77

8.4 ... Einsatz einer Datenschicht ... 78



9. Einen Tracking-Plan erstellen ... 81


9.1 ... Warum ein Tracking-Plan? ... 81

9.2 ... Der Tracking-Plan im Detail ... 82

9.3 ... Vom Tracking-Plan zum Tagging-Plan ... 83



10. Ein geeignetes Tracking-Tool auswählen ... 85


10.1 ... Entscheidungsfaktoren ... 85

10.2 ... Google Analytics ... 86

10.3 ... Adobe Analytics ... 87

10.4 ... Matomo ... 88

10.5 ... Hotjar ... 89



11. Datenschutz ... 91


11.1 ... Keine Rechtsberatung ... 91

11.2 ... Warum überhaupt Datenschutz? ... 91

11.3 ... Was ist schlimm an der Datensammlung im Internet? ... 92

11.4 ... Datenschutz und Webanalyse ... 93



12. Umfragen auf der eigenen Website ... 95


12.1 ... Warum Umfragen in einem Buch über Webanalyse? ... 95

12.2 ... Vor- und Nachteile von Umfragen ... 95

12.3 ... Fallstricke ... 97

12.4 ... Wie wird es richtig gemacht? ... 99




TEIL III Analyse ... 101



13. Minimale Statistikgrundlagen ... 103


13.1 ... Warum Statistik? ... 103

13.2 ... Verteilungen ... 103

13.3 ... The mean Mean ... 104

13.4 ... Alternativen zum arithmetischen Mittel ... 107

13.5 ... Standardabweichung ... 108

13.6 ... Korrelationen ... 110



14. Interaktionen anstatt Verweildauer ... 113


14.1 ... Warum die Verweildauer meistens falsch gemessen wird ... 113

14.2 ... Ist die Verweildauer überhaupt ein guter KPI? ... 115

14.3 ... Warum Interaktionen besser sind ... 115



15. Absprungrate verstehen ... 119


15.1 ... Definitionen der Absprungrate ... 119

15.2 ... Nutzen der Absprungrate ... 120

15.3 ... Unterschied zwischen Absprungrate und Ausstiegsrate ... 121



16. Segmente verstehen ... 123


16.1 ... Was sind Segmente und warum sind sie wichtig? ... 123

16.2 ... Wie findet man relevante Segmente? ... 125

16.3 ... Mengenlehre ... 125



17. Akquisekanäle verstehen ... 129


17.1 ... Was ist ein Akquisekanal? ... 129

17.2 ... Direkt ... 130

17.3 ... Organische Suche ... 130

17.4 ... Suchmaschinen-Marketing ... 134

17.5 ... Display ... 136

17.6 ... Affiliate ... 137

17.7 ... E-Mail ... 137

17.8 ... Social ... 138

17.9 ... Referral ... 138

17.10 ... Benutzerdefinierte Kanäle ... 138



18. Kampagnenerfolg auswerten ... 141


18.1 ... Was ist Erfolg? ... 141

18.2 ... Kampagnen-Tagging ... 141

18.3 ... Die Währungen im Online-Marketing ... 142

18.4 ... Customer Journey versus Datensilos ... 144



19. Attribution berechnen ... 145


19.1 ... Warum ist Attribution wichtig? ... 145

19.2 ... Statische Attributionsmodellierung ... 146

19.3 ... Beispiel First Click versus Last Click ... 147

19.4 ... Vor- und Nachteile statischer Attributionsmodelle ... 148

19.5 ... Dynamische Attributionsmodellierung ... 149



20. Interne Suche messen ... 151


20.1 ... Warum ist die interne Suche interessant? ... 151

20.2 ... Welche KPIs sind wichtig? ... 152

20.3 ... Wie darstellen? ... 153

20.4 ... Beispiel einer Auswertung in Google Analytics ... 154

20.5 ... Wie wird eigentlich Relevanz gemessen? ... 155




TEIL IV Testen ... 157



21. Eine Hypothese formulieren ... 159


21.1 ... Datengetriebene Hypothesen und kontinuierliches Testen ... 159

21.2 ... Welcher Test zuerst? ... 160



22. A/B- und multivariate Tests ... 163


22.1 ... A/B-Tests ... 163

22.2 ... Multivariate Tests ... 163

22.3 ... Unterschied A/B/n-Test und multivariater Test ... 164

22.4 ... Wie groß muss ein Sample sein? ... 166

22.5 ... Vorgehensweisen im Testing ... 166

22.6 ... Aufsetzen eines Tests ... 167



23. Wie belastbar ist ein Testergebnis? ... 169


23.1 ... Was genau ist statistische Signifikanz? ... 169

23.2 ... Frequentists versus bayessche Inferenz ... 171

23.3 ... A/A-Tests ... 173




TEIL V Reporting und Anwendungen ... 175



24. Wie handlungsrelevante Berichte entstehen ... 177


24.1 ... Produktivitätskiller Reporting ... 177

24.2 ... Ziele der Stakeholder verstehen ... 178

24.3 ... Zweck des Reports definieren ... 178

24.4 ... Top-down-Methode ... 180

24.5 ... Benchmarking ... 180

24.6 ... Prognosen ... 180

24.7 ... Storytelling mit Daten ... 181

24.8 ... Signale vom Rauschen trennen ... 181



25. Die Kunst, das richtige Diagramm zu wählen ... 183


25.1 ... Vorsicht, Diagramm! ... 183

25.2 ... Welches Diagramm für was? ... 185

25.3 ... Liniendiagramm ... 185

25.4 ... Säulendiagramm/Balkendiagramm ... 186

25.5 ... Histogramm ... 187

25.6 ... Scatterplot ... 187

25.7 ... Bubble Chart ... 188

25.8 ... Boxplot-Diagramm ... 189



26. Dashboards ... 191


26.1 ... Was ist der Unterschied zu einem Report? ... 191

26.2 ... Best Practices ... 191



27. Datengetriebene Personas ... 197


27.1 ... Was ist eine Persona? ... 197

27.2 ... Einschränkungen eigener Daten ... 198

27.3 ... Personas aus Nutzungsdaten ... 199

27.4 ... Demografische Daten ... 201



28. Ein Personalisierungskonzept erstellen ... 203


28.1 ... Voraussetzungen ... 203

28.2 ... Fallstricke ... 204

28.3 ... Analyseansätze ... 205




TEIL VI Problemlösungen ... 207



29. Messunterschiede zu anderen Systemen ... 209


29.1 ... Klicks versus Sitzungen ... 209

29.2 ... Unterschiedliche Integration ... 210



30. Den Bestätigungsfehler vermeiden ... 213


30.1 ... Was ist der Bestätigungsfehler? ... 213

30.2 ... Was hilft gegen den Bestätigungsfehler? ... 214



A. Nützliche Helferlein ... 217


B. Literatur ... 221


C. Glossar ... 227


Index ... 233