Customer Journey: Wie uns KPIs falsche Entscheidungen treffen lassen

Alles ist relativ, wenn es etwas gibt, wozu es relativ sein kann. Wenn ich mich recht erinnere, habe ich das im Physikunterricht gelernt. Das gilt besonders für die Zahlen, die wir in Analytics-Werkzeugen anschauen können. Gerade bei der Analyse der Customer Journey und bei Attributionsmodellen treten immer wieder gravierende Probleme auf. Dabei ist es völlig gleich, ob es sich um Zahlen handelt, die aus den Werkzeugen der Web- bzw. Digital-Analytics gewonnen werden, oder ob es Werte sind, die von den mitunter etwas überheblichen Beratern eines Business-Analytics Dienstleisters präsentiert werden. Der Kontext ist immer entscheidend. Wurden die Zahlen richtig gewonnen? Sind diese vollständig? Sind Übertragungsfehler möglich? Etc. Ich glaube, dass die Herausforderungen an dieser Stelle letztlich allgemein bekannt sind. Jedoch wird wird diese Grundlagenarbeit leider zu oft nicht genügend gewürdigt, so dass es zu Fehler und damit falschen Entscheidungen kommt. Das gilt bei der Gewinnung von Nutzern und Kunden besonders dann, wenn Attributionsmodelle eingesetzt werden. Die richtige Beurteilung der Customer Journey und deren Interpretation ist eben keine einfache Nummer, sondern es handelt sich um eine große Kunst. Dabei geht es nicht nur darum, wie Zahlen korrekt und valide gewonnen werden können. Ausgesprochen relevant ist auch die verhaltenswissenschaftliche Bewertung der Zusammenhänge. Um es ganz klar auszudrücken: Alleine mit einem Mathematiker und einem Informatiker kommt man nicht weit! Und um das Ganze zu strukturieren, sind Sozialwissenschaftler mit ökonomischem Know-how mitunter ausgesprochen hilfreich. Doch dazu gleich.

 

Die Beurteilungsdimension

 

In Unternehmen spielen Conversion Rates eine gewichtige Rolle – also eine “Measure” im Sinne der Analytics Tools. Durch sie ist es möglich, die Kosten für eine Conversion aus verschiedenen Quellen zu berechnen. Grundsätzlich ist dies eine ausgesprochen sinnvolle Fragestellung. Natürlich sollten Mittel entsprechend der Erfolgswahrscheinlichkeit verteilt werden. Sie stimmen mir sicher zu, wenn ich behaupte, dass alles Geld in Retargeting zu stecken, weil die Klickpreise so schön günstig sind, unsinnig ist. Wenn Aggregatoren, Keyword-Advertising, sowie Display-Werbung verschiedener Ausprägung weggelassen werden, wird dies katastrophale Folgen haben. Ein Klick ist eben an dieser Stelle nicht nur ein Klick, sondern der Kontext ist für die Interpretation seiner Bedeutung ausgesprochen wichtig. Wir sind bei der Customer Journey angelangt – oder einem Trichter. Grundsätzlich ist dieses Verfahren an den Makro- und Mikro-Conversions angelehnt, das nach meinem Wissen vor etwa von zehn Jahren von Avinash Kaushik stark propagiert wurde. Die Makro-Conversion ist der Schritt oder die Handlung, die dem Entstehen von Umsatz direkt vorausgeht. Mikro-Conversions sind Goals, die für vorgelagerte Ziele gesetzt werden, beispielsweise Newsletter-Abonnements oder Produktansichten bestimmter Länge etc. Seit 2013 gibt es in Google-Analytics das Modellvergleichs-Tool. Darin kann man untersuchen, wie sich die Gewichtung von verschiedenen Kontakten mit der eigenen Website und deren Quellen, Kanälen und Medien auf die Zahl der zurechenbaren Goals auswirkt. Meistens werden diese noch genannt. Die offiziellen Informationen von Google zum Modellvergleichs-Tool sind eigentlich ziemlich gut.

Attribution der Customer Journey im Google Modellvergleichs-Tool
Google Modellvergleichs-Tool

Dann kommen wir jetzt zunächst zu einer ökonomischen Herangehensweise. Diese ist sozusagen die Schale, in der sich alles abspielt. Ziele sind – zumindest für Unternehmen – meistens etwas, das wenigstens mittelbar mit Geld zu tun hat. Es geht um Bewertung. Diese Bewertung richtet sich nach der Art des zu beurteilenden Objekts. Wenn es beispielsweise um eine E-Commerce Website geht, dürften die Ziel durchaus anders sein als bei dem Auftritt eines Markenartiklers. Bei einem Automobilhersteller sind diese anders als bei einem Hersteller von Verbrauchsartikeln, und Endverbraucher agieren anders als Unternehmen im B2B-Geschäft. Aufbau und Ablauf von Kommunikationsstrategien sind bei Unternehmen mit kleinen – sehr spitzen – Zielgruppen anders als bei Catch-All-Ansätzen. Außerdem spielt nicht zuletzt das Budget eine Rolle.

Ups – da haben wir ihn nun den Klick und das, was wir messen und beurteilen können. Sicher, aufgrund der Verschiedenartigkeit der Ziele sollten auch unterschiedliche Goals gesetzt werden und eben diese Goals müssen dann natürlich auch verschiedene Werte haben.

Der erste Schritt beginnt also mit der Zieldefinition. Darüber gibt es große Einigkeit. Allerdings fällt es immer wieder schwer, diese Ziele in Prozesse zu gießen. Natürlich soll hinten Geld rauskommen – was sonst. Aber wie soll der Weg dahin beschritten werden? Wie ist die Strategie des Unternehmens? Sicher, es mag manche Unternehmen wie z.B. Tesla geben, die völlig auf ihren Chef und dessen Medienpräsenz vertrauen. In Sachen SEO oder AdWords tat sich wenig, als ich mit entsprechenden Keywords den Möglichkeitsraum “Tesla” durchsucht habe.

Dann gibt es viele Unternehmen, die sich im Bereich der Suchmaschinenoptimierung abmühen. Oft gibt es nur zwei oder drei Plätze, die relatisch erreichbar sind, weil Google Ergebnisse zu den verschiedenen Dimensionen einer Suchanfrage ausspucken muss, um die Suchanfrage der Nutzer zu beantworten. Also wird das Unternehmen gezwungen sein, AdWords-Werbung zu schalten, wenn es besser gefunden werden möchte.

Was ich mit dieser Schilderung zeigen möchte: Mit unterschiedlichen Online-Werbeverfahren können Nutzer in verschiedenen Phasen der Customer Journey erreicht werden. Wenn nun alle Verfahren anhand der gleichen Goals bewertet werden, fallen solche Verfahren, mit denen Kunden zum Beginn der Customer Journey angesprochen werden, möglicherweise aus dem Mediamix heraus. Noch ein Stück tragischer wird die Angelegenheit durch die Tatsache, dass der Verzicht auf den Kanal erst verspätet auffallen wird. Hier ein Beispiel: Ich wurde einmal von einem Vorgesetzten – gegen meinen Rat – aufgefordert, auf die Ansprache einer Teilzielgruppe per AdWords zu verzichten. Erst zwei bis drei Monate später traten die messbaren negativen Effekte hinsichtlich der Conversions auf. Das war umso ärgerlicher, weil es dann leider zwei bis drei Monate dauerte, um die Verluste aus dem Kanal wieder auszuholen. Man kann dies natürlich durch einen Kanal versuchen, der die Conversion in einem zeitlich geringeren Abstand anspricht. Möglicherweise ist dies aber teurer oder funktioniert gar nicht.

 

Letztlich sollte man wohl folgendermaßen herangehen: Definieren Sie Ziele so, dass es messbare Goals für Mikro-Conversions gibt. Das können Abonnements von Newslettern, Visits bestimmter Länge, Nutzung von Service-Bereichen, wiederkehrende Besuche und viele andere Ereignisse sein. Möglicherweise helfen Ihnen diese Mikro-Conversions, die Attribution besser zu verstehen. Wenn ich nicht genug Daten zur Verfügung habe, pflege ich die Lage zunächst anhand einer Intra-Kanaloptimierung von verbessern. Diese beiden Dinge sollten Sie unbedingt tun – Mikro-Goals setzen und Ihre Kanäle intern optimieren.

 

Intra-Kanaloptimierung

Es ist also ausgesprochen wichtig, richtig zu bewerten. Dabei ist die Intra-Kanaloptimierung am einfachsten. Wenn Sie die Leistung von AdWords und Bing Ads vergleichen wollen, ist das nicht schwierig. Sie können dies sogar auf der Basis einzelner Keywords, Anzeigengruppen oder Kampagnen machen. Die Klicks kaufen Sie dann einfach dort, wo diese am günstigsten sind. Wichtig ist, dass Sie immer Kanäle optimieren, über die Sie Nutzer die auf der gleichen Ebene, des Funnels zuführen.

Funnel der Coustomer Journey nach Zielen
Funnel der Coustomer Journey nach Zielen

Ende der Customer Journey: Intra-Kanaloptimierung direkt vor dem Verkauf und im Bereich Kundenbindungsmaßnahmen

Bei Aggregatoren – also beispielsweise Preis- oder Jobsuchmaschinen – funktioniert das ähnlich.. Hier befinden wir uns in einem weitaus finaleren Stand der Customer Journey. Was davor liegt, ist erledigt; der Kunde möchte nun kaufen oder – bei Stellenbörsen – weiß, welche Art Job er haben möchte. Auch auf dieser Ebene ist es möglich, die Kosten einer Conversion zu bestimmen und den kostengünstigsten Dienstleister zu wählen. Aber Vorsicht – es ist nicht ganz  Die Kosten der Conversions sollten auf der Ebene von Produktklassen optimiert werden. Normalerweise sind die Dienstleister nicht über das gesamte Produktspektrum gleich gut. In Fall von Jobs unterscheiden sich diese hinsichtlich verschiedener Jobklassen. Im Jobmarkt gibt es bei den Aggregatoren Dienstleister, die lediglich einen Bewerben-Klick – das Goal – weitergeben, andere geben noch die Micro-Conversion davor, einen View, weiter. In diesem Fall müssen Sie überlegen, ob eine Korrektur des Conversion-Werts für das Bewerben-Goal notwendig ist. Wenn es um bepreiste materielle Produkte, geht ist die Lage übrigens nicht zwingend einfacher. Das betrifft gerade Hersteller. Wenn diese direkt über Aggregatoren verkaufen, setzen sie meist keinen sonderlich aggressiven Preis. Die Conversion Rates der Hersteller sind oft schlechter als die von Händlern. Das mag wohl darin begründet sein, weil Kunden beim Hersteller eine höhere Informationstiefe hinsichtlich des Produkts erwarten und den Kauf danach beim billigeren Händler tätigen.

Besonders kniffelig wird es, wenn wir kurz vor der Conversion verschiedene Kanäle vergleichen möchten. Dummerweise herrscht hier gewaltiges Gedränge. Neben Aggregatoren gibt es noch das Remarketing, welches sich hier als besonders kostengünstig verkaufen möchte. Aber Vorsicht: Job Boards mussten leidvoll feststellen, dass Remarketing lediglich ein kommunikatives Äquivalent für Jobs ist, die per Mail verschickt werden. Hier sollte man nur für solche Nutzer Remarketing betreiben, die nicht per Mail erreichbar sind, sonst sinkt die Conversion Rate für den Mail-Kanal. Sicher, man sollte natürlich die Kosten für die Gewinnung einer E-Mail-Adresse beachten und in die Analyse einbeziehen.

 

Der mittlere Bereich der Customer Journey: Intra-Kanaloptimierung für Maßnahmen im Bereich Bekanntheit und Auffindbarkeit

Maßnahmen dieser Kategorie sind beispielsweise SEO, Keyword-Advertising und Conversion-orientiertes Behavioural Targeting. SEO ist hierbei sehr viel schwieriger bewertbar, als es im ersten Moment erscheinen mag. Wenn es Dienstleister gibt, die nach Conversions bezahlt werden, dann ist die Herausforderung analytisch kaum bewältigbar: Für welche Keywords wollen Sie – abgesehen vom konkreten Messproblem – bezahlen? Selbst wenn der Name Ihres Unternehmens ausscheidet und Sie Goals nur dann bezahlen, wenn Nutzer über konkret vereinbarte Landing Pages auf Ihre Plattform gelangten, dann ist es alles andere als einfach und genug Stoff für einen eigenen Beitrag. Als Tipp kann ich an dieser Stelle nur die Vereinbarung von Landing Pages, Klick-Tiefen und Keyword Sets geben.

 

Wenn wir jetzt noch versuchen wollen, das Zusammenspiel verschiedener Zuleitungen zu optimieren, wird die Analyse unendlich komplex. Man spricht in diesem Fall von Attributionsmodellen, mit denen verschiede Kontaktzusammensetzungen richtig bewertet werden sollen. Manchmal beeindruckt der Begriff mehr als das Ergebnis. Die Badewanne ist wirklich sehr anschaulich. Dabei wird die Quelle des ersten Kontakts und und die letzte vor einer Conversion hoch gewertet und die übrigen gering. Wenn Sie nun an den ersten Kontakt denken: Google Analytics erlaubt es, verschiedene Zeiträume zu testen. Wenn SIe auf verschiedene Produktgruppen filtern, werden Sie unterschiedliche Ergebnisse bekommen. Ich kann nur dazu raten wirklich lange mit den entsprechenden Werkzeugen herumzuspielen. Testen Sie viele Modelle durch. Schauen Sie bitte auch welche Wege bzw. Kontakte mit kostenpflichtiger Werbung Ihre Nutzer haben. Mitunter hätte ich Bewerber am liebsten einen Screen gezeigt auf den steht: “Bleib bitte weg! Du kostest uns viel Geld und bist offensichtlich nicht in der Lage einen Job zu finden. Nimm bitte professionelle Hilfe in Anspruch!”

 

Marke, Bekanntheit & Reichweite

An dieser Stelle wird es sehr schwierig. Web Analytics funktioniert dann recht gut, wenn man selbst die Herrschaft über eine Website hat und einen Analytics Tag platzieren darf. Manchmal ist das ja auch fremden Plattformen möglich, dann aber nur indem beispielsweise lediglich die Tracking ID eingeben und das Basis Tracking auf der entsprechenden Plattform nutzen. OK, es ist das andere Ende, aber Eventbrite mag ich an dieser Stelle absolut überhaupt nicht. Hier sollte sich der Anbieter dringend optimieren. Schließlich ist es in diesem Fall die finale Konversion. Ansonsten ist alles auf die im Besitz befindlichen Plattformen mit vollem Zugriff zentriert. Dort passiert in dieser Stufe in vielen Fällen nicht sehr viel. Für Bekanntheit und Reichweite wird an anderer Stelle gesorgt.  

 

Wie würden Sie beispielsweise die Views auf Banner oder Videos bewerten? Als Daten gibt es die Kontaktmenge der jeweiligen Plattform. Hilfreicher ist es, die Cookie-Daten in einem Topf zu verarbeiten. Hier gäbe es dann Clients, die bekannt sind, bei denen der Client bereits auf die eigene Domäne zugegriffen hat. Daneben gibt es unbekannte Clients. Diese können in solche eingeteilt werden, deren Nutzer bekannt sind (und kein Zusammenhang herstellbar ist) und solche, die völlig unbekannt sind.

Grundsätzlich gibt es für alle drei Fälle demographische Daten sowie Daten hinsichtlich den Clients und ihren Nutzern zugeschriebenen Eigenschaften und Vorlieben. Es ist also möglich Segelinteressierte zu targeten. Wird diesen dann Werbung für Bootszubehör, Skipper-Bekleidung, Schuhe, Nautisches Gerät inklusive entsprechender Uhren etc. angezeigt, können bei einem Klick entsprechende Zusammenhänge hergestellt werden. Bedauerlich ist, dass der Effekt der werblichen Maßnahmen nicht zwingend in Online-Beschaffungsvorgängen mündet. Selbst die Information hinsichtlich der beworbenen Produkte und Leistungen muss nicht beim Absender der Botschaft erfolgen. Ganz banal: Schuhhersteller bewirbt sein neues Modell beispielsweise auf Instagram. Dem interessierten Nutzer ist die weitere Recherche auf seinem Mobilgerät viel zu hakelig. Wo sucht der Nutzer nun mit Alexa oder auf seinem MacBook? Auf Amazon, Zalando, bei decathlon oder doch lieber bei Timberland? Selbst wenn Hersteller Markenbildende Werbung im Netz oder auf mit dem Netz verbundenen Geräten schalten, finden selbst kurzfristige Beschaffungsvorgänge nicht zwingend bei diesen statt. Alleine mit Methoden der Digital Analytics kommt man nicht weiter. So geben die Verkäufe an Online-Händler schon einen gewissen Indikator. Also rein in SAP BW und Analysis. Hier noch ein kleiner Tipp am Rande. Einige Amazon Tool-Anbieter “messen” Umsätze von Amazon Händlern, indem sie grob gesagt deren Lagerbestände abfragen. Diese beziehen sich i.d.R. nicht nur auf Amazon. Es ist also grob möglich, kurzfristige Absatzerfolge zu beurteilen – allerdings nicht auf granularer Ebene.

Natürlich ist es möglich noch einen Schritt weiterzugehen: Wieso sollte es keine Verbindung zwischen stationärem Handel und dem Netz geben. Ansätze hierzu gibt es schon viele Jahre. Menschen die mit Werbung in Kontakt kamen, sind unter bestimmten Bedingungen in einem Laden identifizierbar. Allerdings ist das System löchrig. Es funktioniert dann am besten, wenn Marken den Absatz über den stationären Handel völlig in eigener Hand haben oder zumindest über Franchise-Systeme kontrollieren können. Bekleidungshersteller wie Zara oder H&M können hier als Beispiel dienen. Für die Systemgastronomie sind auch Ansätze vorstellbar.  Die Herausforderungen sind groß:

  • Es darf nur kontrollierbare Werbung platziert werden. Fernsehen bietet hier nur einzelne zaghafte Ansätze. Out of Home ist in seiner Struktur noch erheblich poröser und kaum flächendeckend einsetzbar.
  • Der Point of Sales muss unter der Kontrolle der Marke sein. Alternativ können auch die Besucher von triangulierbaren geographischen Einheiten mit werblichen Maßnahmen beballert werden. Die Besucher der CeBIT oder Hannover Messe sind hierbei allseits beliebt.
  • Es können i.d.R. nur ein Teil der Nutzer an den entsprechenden Positionen identifiziert werden, sodass die Durchoptimierung vor Konversion gefährlich ist. Empfehlenswert ist auch in diesem Fall die Intra-Kanaloptimierung.

 

Wichtig ist Folgendes: Unterschiede hinsichtlich kognitiver Effekte gibt es hierbei je nach der Plattform auf der der Kontakt geschah. Klicks und Käufe erfolgen schließlich in den meisten Fällen nicht direkt. Es ist eine Frage von Kontaktmengen, Kontakten auf verschiedenen Wegen u.s.w. Leider wird diese Erkenntnis-Klasse des Marketing nur zu oft vergessen. Der Klick alleine ist es wirklich nicht. Was davor passiert, was Menschen sehen, wenn sie einen PC nutzen oder vor dem Fernseher sitzen ist wichtig. Prinzipiell sollten sich die werbefinanzierten Fernseh- und Radiosender endlich bemühen, auf den Cookie der großen Systeme mitzureiten und weniger zaghaft vorzugehen. Dummerweise wird der Klick dann ja nicht auf dem Fernsehschirm oder in der Küche stattfinden.

Vor mehr als 20 Jahren diskutierte ich mit dem Vertriebsmitarbeiter von Net Gravity, einer AdServer-Lösung, die von DoubleClick übernommen wurde. Mir war es wichtig, dass regionales Targeting immer funktioniert. Der Kerl war sichtlich irritiert: Warum will dieser Deutsche eigentlich 100-prozentige Abdeckung? Sein Argument war ganz einfach: Nimm die 50 Prozent bei denen wir den Ort sicher wissen und beschicken den Rest mit General Rotation. Genauso könnte man auch mit Fernseh- und Hörfunk-Werbung verfahren. Es wäre dann nach und nach möglich die “Rezipienten” mit individuellen Kontaktmengen zu beschicken und auf dieser Ebene genauere Ergebnisse zu generieren als dies mit herkömmlichen Methoden der empirischen Sozialforschung erfolgen kann.  

Der Werbekontakt, der Klick und die Konversion

Web-Analytics alleine ist zu wenig. Digital Analytics geht weiter ist aber auch nicht umfassend genug. Im Marketing-Controlling und der daraus folgenden Optimierung müssen weitere Schritte unternommen werden, um sicher und stabil zu arbeiten. Der Durchgriff auf Werte aus dem klassischen Controlling ist genauso notwendig wie der vorsichtige Umgang mit Zahlen auf den unterschiedlichen Ebenen der Customer Journey.  Daher meine Empfehlung, zunächst immer auf der Ebene einzelner Kanäle zu optimieren. Die Gefahr von Erfassungsbrüchen ist zu hoch. Womöglich wird auf sinnvolle Werbemaßnahmen verzichtet weil diese nicht messbar sind oder weil bei der Beurteilung der Werbemaßnahmen fehlerhafte Einschätzungen durch methodische Fehler entstehen. Wir werden noch lange an der analyse und Optimierung der Customer Journey arbeiten müssen. Hoffen wir, dass uns der verantwortungsvolle Umgang mit der DSGVO nicht zu viele Steine in den Weg legt.

 

SEO-Trends: Die Google Search Console

In meinem letzten Beitrag zu SEO-Trends habe ich über Content-Marketing geschrieben. Nun wird es die Google Search Console. Ein wenig verwundert hat es mich schon, dass auf allen von mir besuchten Veranstaltungen die Search Console ausführlich thematisiert wurde. Dabei arbeite ich schon recht lange damit – bereits als sie Webmaster-Tools hieß und einen geringeren Funktionsumfang hatte. Sie ist ein ausgesprochen wichtiges Werkzeug. SEO-Research-Werkzeuge beziehen darüber Daten. Wenn Sie die Search Console  noch nicht verwendet haben, sollten Sie sich dringend damit beschäftigen.

Die Grundfunktionalitäten der Google Search Console

Google Search Console
Google Search Console

Mit der Google Search Console kann man die Präsenz der eigenen Website in den Google Suchergebnissen analysieren und verwalten. Im Dashboard  der Console wird auf Crawling-Fehler verwiesen. Es gibt Informationen über den Indexierungsstatus der Sitemaps. Am wichtigsten dürfte mittlerweile die Suchanalyse sein:

Wenn Sie aus dem Bereich Web-Analytics kommen und auf dem Gebiet bereits einige Jahre arbeiten, kennen Sie das Problem: »Not Provided«. Daniel Waisberg , Analytics Advocate bei Google, wurde schon 2014 auf dem Analytics Summit in Hamburg darauf angesprochen. Es wurde gefragt, ob für die nicht übermittelten Keywords eine Lösung angedacht sei. Er verneinte. Nun ist es jedoch seit einiger Zeit möglich, die Search Console mit Google Analytics zu verbinden. Die benötigten Informationen sind zumindest zum Teil wieder vorhanden. Weiter unten gehe ich noch ein wenig genauer darauf ein.

Google hilft in der Search Console, strukturierte Daten zu übergeben. Das werde ich noch in einem eigenen Beitrag darstellen. Da Google nun auch Jobs explizit in den Suchergebnissen darstellt, hat ziemlich viel Staub aufgewirbelt. Es gibt Hinweise auf doppelte Title, Meta-Tags, zu kurze und zu lange von denselben. Sie haben diese Angaben möglicherweise auch vor geraumer Zeit in Werkzeugen wie XOVI oder OnPage entdeckt.

Auf die Suchanalyse gehe ich gleich ein. Es geht um die interne und externe Verlinkung, die internationale Ausrichtung (hreflang) sowie Nutzerfreundlichkeit auf Mobilgeräten. Es ist möglich, den Indexierungsstatus zu beobachten u.s.w. Relativ wichtig sind dann wieder die Crawling-Fehler, die Sitemaps und URL-Parameter. In den URL-Parametern sollten Sie dafür sorgen, dass Google die richtigen Seiten erwischt. Die erste Seite einer Produktliste ist – um ein Beispiel zu nennen – weitaus relevanter als die folgenden.

Die Suchanalyse in der Google Search Console

In der Search Console können Sie sehen, für welche Suchanfragen Sie in den Ergebnislisten auftauchen. Sie bekommen Impressions, die Klickrate und Positionen dafür. Das Besondere am Wert für die Positionen ist, dass es sich um den Durchschnittswert für alle Impressions im konfigurierten Zeitraum handelt. Dieser Wert ist also besser als einer, der von punktuellen Abfragen gemessen wurden.

Search Console Suchanalyse
Search Console Suchanalyse

In der Search Console direkt zu arbeiten, ist kein Vergnügen, besonders wenn es darum geht, zu prüfen wie die Performance von Landing Pages ist. Wenn man nun alle Pages einzeln filtern müsste, würde dies eine wilde Klickerei. Erheblich simpler ist es da, die Daten übersichtlich in einer Tabelle anzusehen. Das funktioniert dann mit der Search Console API. Die gibt es nun auch schon beinahe zwei Jahre, seit August 2015.

Search Analytics for Sheets
Search Analytics for Sheets

Was man damit macht? Ganz einfach. In der Regel arbeitet man in mit Landing Pages. Diese Landing Pages werden auf Keywords optimiert. Die Frage ist also, für welche Keywords eine Landing Page auf welcher Position rankt und wie viele Klicks bei welcher CTR erreicht werden können. In der Search Console filtert man für diese Fragestellung auf eine Seite. Dann wechselt man in die Suchanfragen und analysiert die Ergebnisse.

Mit der API können Sie dies für all Ihre Landing Pages in eine Tabelle packen. Ist Ihnen das zu kompliziert? Mögen Sie Google Docs? Arbeiten Sie mit Google Sheeds? Dann habe ich einen guten Tipp für Sie: Mihai Aperghis hat ein PlugIn für Google Sheeds programmiert, mit dem Sie alle Daten problemlos in Google Sheeds importieren und speichern können. Sie finden »Search Analytics for Sheets« unter https://searchanalyticsforsheets.com/ Kostenlos ist es noch dazu!

Prinzipiell braucht man die Hinweise zur Konfiguration auf der Website nicht. Das Tool ist einfach gestaltet und intuitiv bedienbar. Am wichtigsten ist das »Group By«, denn hier können Sie Spalten in die Tabelle integrieren. Ich habe das im Beispiel für Page und die Keywords gemacht (Query). Sie können auf diesem Weg also auch wochen- und monatsweise Daten in Tabellen schreiben und ganz wunderbare Zeitreihen aufstellen.

Etwas Ähnliches gibt es auch für Excel. Dafür müssen Sie dann ein wenig bezahlen. Die Analytics Edge kostet 75 US$/Jahr und kann noch etwas mehr als nur die Search Console.

Einen Tod müssen Sie allerdings sterben: Die Daten der Search Console sind nur für Keywords verfügbar, die mindestens einmal im Monat eine Impression in einer Suchergebnisliste bekommen haben. Sie bekommen also keine oder kaum Aussagen darüber, was auf den hinteren Plätzen der SERPs passiert. Vor allem, wenn man Kandidaten für die Optimierung von Treffern auf der dritten Ergebnisseite finden will, bleibt nichts anderes übrig, als in die Übersichten der Research Tools zu schauen.

Analytics-Anforderungen KMU – Werkzeuge & Daten

In der aktuellen t3n (Ausgabe 42) ist ein Beitrag über Analytics-Tools für Start-ups bzw. kleinere Unternehmen. Darin werden einige Klassen von Werkzeugen besprochen. Grundsätzlich ist das nicht schlecht. Allerdings wirkt der Artikel schon so, als ob viele Fragestellungen nur mit diesen Tools zu lösen seien. Anschließend werden die Daten aus jeglicher Quelle Dashbord-Lösung gepackt und alles ist gut.  Hierzu gibt es einiges zu sagen. Ich erläutere deshalb hier rudimentär welche Analytics-Daten zur Steuerung eines Web-Projekts notwendig sind.

Google Analytics Homepage vor Login
Google Analytics Homepage vor Login

Analytics-Speziallösungen müssen administriert und gelernt werden

Vor allem wird die Mächtigkeit von Google Analytics als Werkzeug unterschätzt. Mit Custom Reports und Event-Tagging lässt sich vieles lösen und beantworten, wozu es kein Spezialwerkzeug braucht. Vor allem wurde im Beitrag ignoriert, dass auch Apps mit Google Analytics messbar sind. Die Daten kommen damit aus der gleichen Welt. Das hilft, weil nicht noch weitere Werkzeuge administriert und verstanden werden müssen. Fatal ist dann mitunter auch die Notwendigkeit zur Betreuung weiterer Schnittstellen. So schön in vielen Dashboards Daten aufbereitet werden – dedizierte Schnittstellen zu allen Werkzeugen, die eingesetzt werden gibt es meistens nicht. Ein oder zwei fehlen meistens. Eine eigene Datenhaltung und die Entwicklung eigener Schnittstellen wird notwendig. Das kostet Geld, Zeit und v.a. Nerven. Je weniger Analytics-Tools im Einsatz sind, um so effizienter kann mit den Resultaten umgegangen werden. Klar – die Google Analytics- bzw. Universal Analytics-Nutzverwaltung und die Weitergabe von Reports ist ein Ding an dem Google dringend arbeiten sollte. Allerdings hat eine so weit verbreitete Lösung einen entscheidenden Vorteil: Es gibt viele, die sich damit auskennen. Das spart Kosten. zudem lassen sich sogar Daten aus fremden Quellen integrieren.

A/B-Tests nicht vergessen!

Onsite würde ich kaum zu einem weiteren reinen Analytics Tools raten – außer natürlich zu Werkzeugen für A/B-Tests. Hierfür ist Google Analytics wirklich nicht die optimale Lösung. Ich mag hierfür Optimizely. Das lässt sich auch von kleineren und mittleren Unternehmen einsetzen. Diese Klasse an Analytics-Tools fehlt im Artikel. Im Marketing sind noch einige weitere Werkzeugklassen wichtig, die Werte generieren, die im Rahmen der Analytics relevant sind bzw. in Dashboards integriert werden müssen.

Onsite-Analytics heißt auch Performance und SEO

Bleiben wir bei der Website: Da sollten Werkzeuge zur Analyse der technischen Performance der Website im Einsatz sein. Wenn das Ding zu langsam wird, dann gibt es nicht nur Ärgern mit den Nutzern – auch die SEO leidet. Womit wir bei nächsten Punkt wären: SEO-Tools liefern auch wichtige Daten und geben Handlungsempfehlungen. In den Tools bekommt man diese früher als sich diese im organischen Traffic bei Google Analytics bemerkbar machen. Sicher – man kann sich über die Indices streiten, die Searchmetrics oder XOVI et al. produzieren streiten, grundsätzlich sind diese hilfreich. Die Werte gehören in ein Überblicks-Dashboard für die Marketing-Leitung. Zudem ergeben sich dadurch auch noch Hinweise hinsichtlich der Arbeit von Wettbewerbern.Wenn man einen Shop betreibt, dann ist die Bonität seiner Kunden wichtig. Auch die Ergebnisse dieser Prüfungen sollten aus dem E-Commerce-System oder auf anderem Wege einer Bewertung zugeführt werden.

Management-Werkzeuge liefern auch Analytics-Daten – was ist damit?

Verlässt man Website und App, dann geht es um die Zuleitungen zur Website. Ein sehr wichtiges Bindungswerkzeug in diesem Bereich ist die E-Mail. Man sollte beispielsweise einfach wissen, wenn die Öffnungsraten der Mails plötzlich sinken, Bounce Rates steigen etc. Grundsätzlich ist dafür kein extra Analytics-Werkzeug notwendig. Kampagnen-Werkzeuge verfügen i.d.R. über eine Auswertungs-Instanz. Die Daten müssen nur aus dem Werkzeug herausgeholt und in das Übersichts-Dashboard integriert werden. Ach ja – es sind auch noch Werte für die eigene Datenhaltung. Dazu hätte ich mir auch noch etwas in dem Artikel gewünscht: Wie geht man mit Analytics-Daten um, die in einem anderen Werkzeug eher nebenbei anfallen – wie dem E-Mail-Tool einem CMS oder einem Social Media Management-Werkzeug wie Hootsuite.

Genau analysieren, wie Werbemaßnahmen wirken

Relevant sind in diesem Zusammenhang auch die Daten von AdServern – schließlich sollte man nicht nur wissen wie oft jemand auf der eigenen Website gelandet ist, sondern auch, wie oft die eigene Display-Werbung im Netz gesehen wurde, welche Werbemittel funktionieren und welche nicht. Gerade im Bereich der zunehmenden Kontingenz von Bewegtbildwerbung über das Internet und bei Fernsehwerbung gibt es noch beträchtlichen Entwicklungsbedarf. Ich gestehe: Die Baustelle Bewegtbildwerbung und Analytics ist tendenziell etwas für größere Unternehmen.

Dashboards

Im Beitrag wird ganz richtig darauf verwiesen, dass bei all den unterschiedlichen Datenquellen eine Dashboard-Lösung notwendig ist, um den Überblick zu behalten. Es werden auch viele brauchbare Lösungen genannt. Allerdings fehlt Tableau. Hinsichtlich der Möglichkeiten zur Visualisierung ist das wirklich klasse. Zudem gibt es Tableau zu Preisen, die auch ein KMU bezahlen kann.

Das was ich jetzt geschrieben habe, ist auch nicht umfassend. Ich kann nur dazu raten sich entlang der gesamten stattfindenden Prozesse zu hangeln. In diesem Zusammenhang sollte man sich über seine Ziele klar sein. Nur so kann man nach Fragen Ausschau zu halten, die beantwortet werden sollten, um das Projekt zu optimieren. Tja – und dann geht es darum, zu sehen welche Werte Antworten auf die Fragen geben bzw. bei der Entscheidung helfen. Das müssen nicht sonderlich viele Werkzeuge sein – auch wenn es die gibt und sie an sich toll sind.

Analytics umfassender gestalten. Emotionale und kognitive Effekte nicht ignorieren!

In diesem Beitrag schildere ich, welche Daten in Analytics Systeme integriert werden sollten, um Marketing-Aktionen umfassender zu kontrollieren und zu optimieren. Angeregt wurde ich durch zwei Veranstaltungen, die mir eigentlich recht gut gefallen haben: Die d3con und der Analytics Summit. Beide finden auch 2014 wieder in Hamburg statt. Auf beiden wurde viel über Performance diskutiert. Allerdings wurde auf beiden – zumindest unterschwellig – formuliert, dass Facebook nicht wirklich der Hit ist. Social Media ganz allgemein scheint aus der Perspektive der Performance Marketer nicht wirklich so dolle zu sein. Pinterest ist dabei eine Ausnahme, zumindest in den USA.

Was die Überleitungen auf die gewünschten Zielseiten betrifft, stimmt das tatsächlich. Dabei schneiden Pinterest und Twitter erheblich besser ab als Facebook. Wahrscheinlich hat die Abwertung durch die Referenten mit den Veranstaltungen an sich zu tun. Wer auf Perfomance aus ist, ignoriert offensichtlich emotionale und kognitive Effekte von Werbemaßnahmen. Man verschwendet kaum einen Gedanken daran – was zählt, ist die Generierung von Goals.

In der Analytics werden Handlungen gemessen

Dabei ist man mittlerweile so weit, dass man die Customer Journey wenigstens in Form von Kontakten mit einer Zielseite misst. In Google Analytics kann man diese Kontakte mittlerweile mit relativ einfachen Modellen optimieren. Es ist nicht mehr der letzte oder der erste Cookie, der gewinnt, wenn es um die Bewertung von Werbemaßnahmen geht. Wenn es sinnig erscheint, kann man auch mit der „Badewanne“ arbeiten. Dabei werden die Haupteffekte dem ersten und letzten Kontakt vor der Conversion zugeschrieben. Komplexere Modellberechnungen können in der nicht ganz billigen Premium-Version von Google-Analytics erfolgen. Soweit ist das schön und gut. Allerdings scheint mir diese Optimierung ein wenig kurzfristig und mehr oder weniger für den E-Commerce geeignet. Je länger die Beschaffungszyklen für Produktklassen sind, umso mehr sollte man aufpassen. Die alleinige Konzentration auf die Optimierung von Goals ist zu wenig (auch wenn in vielen Fällen Goals denkbar sind, die sehr lange vor einem erneuten Beschaffungsvorgang liegen). Klassifiziert man den derzeitigen Stand der Web-Analytics nach sozialwissenschaftlichen Maßstäben, handelt sich dabei um non-reaktive Forschung, wobei eine Vollerhebung angestrebt wird.

Modellverschiebung im Vergleich zur klassischen Mediaforschung

Es handelt sich dabei um eine grundsätzliche Modellverschiebung im Vergleich zur Vor-Internet-Zeit und im Vergleich zur noch üblichen TV- oder Print-Mediaforschung. Dabei handelt es sich größtenteils um reaktive Forschung – Befragungen. Im Bereich der non-reaktiven Forschung handelt es sich um Testverfahren, die in den meisten Fällen auch noch weit von Repräsentativität entfernt sind. Auch werden nur in Ausnahmefällen die Goals dokumentiert:  Beispielsweise im GfK-Testmarkt Hassloch. Diese Verfahren werden vorwiegend bei der Produktneueinführung eingesetzt, um die Erfolgswahrscheinlichkeit derselben zu testen.

Beurteilung von Pint-, Radio-, TV-Werbung etc.

Um die Sinnhalftigkeit von Werbemaßnahmen im Fernsehen, in Zeitungen- und Zeitschriften zu beurteilen, gibt es großangelegte Markt-Media-Studien – beispielsweise die Studien der agma.

Das Allmedia-Dach der agma
Das Allmedia-Dach der agma (Quelle: agma)

Wie ersichtlich, wird hier auch Online einbezogen. Allerdings höre ich gerade von Analytics-Experten immer wieder Aussagen wie „Was ist den das für ein Quatsch!“ oder „Das taugt doch nix!“. Aus meiner Sicht disqualifizieren solche Aussagen zu unrecht.  Haben Markenartikler seit über 50 Jahren nur Quatsch gemacht? – Wohl kaum. Es wahr und ist der wichtigste Ansatz, um im weitesten Sinne emotionale und kognitive Effekte von Werbung zu messen. Die Schaltung und Optimierung erfolgt dann nach Kontaktklassen. Parameter, nach denen optimiert wird, sind  Markenerinnerung und Kaufbereitschaft. Diese werden beispielsweise in der Typologie der Wünsche abgebildet. Dabei werden u.a. auch die so wichtigen Sinus Milieus als zusätzlicher Parameter genutzt.

Emotionale und kognitive Effekte sind den Handlungen vorgelagert

Idealtypisch müssten beide Methodenklassen ineinandergreifen. Prinzipiell sind emotionale und kognitive Effekte den Handlungen vorgelagert. Sie bilden sozusagen die Grundlage für Handlungen:

Methoden und Ziele
Methoden und Ziele

Im klassischen Marketing ist es so, dass das was da in der Analytics gemessen wird, eine Blackbox darstellt, während im aktuellen Online-Marketing die emotionalen und kognitiven Effekte – zumindest die außerhalb des Internet – die Blackbox darstellen. An der Verbindung beider Welten muss gearbeitet werden. Allerdings beschleicht mich der Eindruck, dass das Interesse auf beiden Seiten nicht sonderlich groß ist.

Die Ansatzpunkte sind auf beiden Seiten verhalten. Planung erfolgt unter Zuhilfenahme der AGOF-Zahlen, die mit Hilfe von connect direkt in die Datenbanken von Mediaganturen transferiert werden können. Das betrifft Großunternehmen oder solche, die auch in größerem Maße auf Print- und TV-Werbung setzen. Mitunter werden TV-Einschaltquoten mit in die Online-Planung und die Auswertung einbezogen. IntelliAd erlaubt beispielsweise diese Form des Multi-Channel-Tracking. Allerdings weiß man noch immer nicht, ob ein Fernsehzuschauer nun tatsächlich auch einen Werbespot gesehen hat, bevor er danach eine messbare Aktion startete. Ein gewaltiger Fortschritt ist dies dennoch – auch wenn noch ein sehr langer Weg bevorsteht. Zumindest scheint sich der BVDW bereits in den Gremien zu engagieren. Matthias Ehrlich, Präsident des BVDW, äußerte dies kürzlich in einem adizne-Interview.

Werbemaßnahmen ohne Goal ignorieren? – Nein!

Wo will ich hin? – Zurück zu Facebook und den mageren Referrals, die es liefert. Wenn ein Kanal vorgelagert ist und besser für die Kundenbindung, CRM und Markenbildung geeignet ist als zur Generierung von Referrals, was soll man dann machen? Soll man das Pontenzial ungenutzt liegen lassen? – Nein. Ganz sicher nicht.

Man kann natürlich wie Thomas Hutter argumentieren und fordern, dass das Community-Management stärker auf die Generierung von Referrals und Goals ausgerichtet wird. In vielen Fällen ist das auch die Richtung, die man zusätzlich einschlagen sollte – das „Weg vom Blabla-Dialogkanal zur Performance Marketing Plattform“ und die Professionalisierung des Community-Management im Sinne der Erreichung von Marketingzielen ist notwendig.

Ich sehe das Dilemma an einer anderen Stelle: Die alleinige Konzentration auf das was im Rahmen der Web-Analytics messbar ist, führt möglicherweise dazu, dass sinnvolle Maßnahmen unterbleiben, weil deren Erfolg nicht quantifiziert werden kann. Was man derzeit in der Analytics versucht, kann man vielleicht so beschreiben: Das was Touchpoints in einen Trichter gegossen wird, soll möglichst bis zur Conversion optimiert werden. Mit Tag-Management-Systemen schafft man es auch Sichtkontakte mit Werbemitteln in die Analyse einzubeziehen. Das ist schon der richtige Weg. Man sollte nur nicht den Fehler machen, die Sichtkontakte alleine als Größe im Rahmen des Werbedrucks zu verstehen. Sie bauen auch Bekanntheit und Image auf und das sollte man eben auch versuchen einer Erfassung zuzuführen.

Ziele und der Conversion Prozess

Gehen wir einfach nochmal einen Schritt zurück und sortieren die Marketing-Maßnahmen entsprechend ihrer Rolle im Online-Marketing und insbesondere im Conversions-Prozess ein. Gleichzeitig wird dadurch auch deutlich, dass Maßnahmen, die besonders nahe an einer Conversion liegen auch Bindungsinstrumente sind. Ich habe das in der folgenden Abbildung einfach mal in einen Trichter sortiert. Im oberen Bereich sehen Sie den Prozess. Im unteren Bereich Marketing-Ziele.

Werbeziele und Conversions-Prozess
Werbeziele und Conversions-Prozess

Von der Platzierung von Facebook in der Abbildung habe ich mich gedrückt. Es ist aus meiner Sicht ein klasse Bindungsinstrument, das jedoch im Bereich der Conversions abschmiert und nicht wirklich dolle ist. Das trifft vielfach auch auf Smartphone-Apps zu. Diese sind auch ein gutes Bindungsinstrument – im Bereich der Conversions schneiden sie meist bescheiden ab.

Wenn nun versucht werden soll weitere Daten zu integrieren, dann muss strukturiert vorgegangen werden. Mit der Abbildung sollte deutlich geworden sein, dass

  • Maßnahmen unterschiedliche – und auch mehrere Positionen – im Verlauf des Prozesses zu Conversion einnehmen (können),
  • die Durchführung von Maßnahmen aufgrund der Notwendigkeit zum erreichen unterschiedlicher Ziele erfolgt und
  • es Werbemaßnahmen gibt, die gleiche oder ähnliche Ziele verfolgen, die online Goals erzeugen, jedoch nicht (oder nur bedingt) messbar sind.

Daneben gibt es noch eine weitere Dimension: Es gibt Online-Werbekontakte, die zu Offline Goals führen, die ebenfalls nicht gemessen werden oder nur mit größter Anstrengung mit den Online-Werbemaßnahmen in Verbindung gebracht werden können.

Ansatzpunkte zum Auf- und Ausbau einer umfassenden Analytics

Die Web-Analytics darf nicht weiter im eigenen Brei kochen und sich auf die Erfassung und Auswertung von Nutzerhandlungen im Web beschränken. Die Verfahren sind mittlerweile derart elaboriert, dass man sich daran machen sollte einen Schritt weiter zu denken und die Analytics auf weitere Bereiche des Werbemarkts auszudehnen. Hier skizziere ich einige Ansatzpunkte.

Ansatzpunkt 1: Mehr vorhandene Daten in das Analytics System integrieren und analysieren

Die Universal Analytics von Google werden hierbei eine große Rolle spielen. Es ist relativ einfach Fremddaten zu integrieren, um darüber zu optimieren. Dabei handel sich um Daten, die ohnehin schon recht gut strukturiert vorliegen. Man kann diese Daten in verschiedene Klassen unterteilen:

1.1 Im Rahmen des Online-Marketing entstandene Daten

  • Linkverkürzer – also bit.ly & Co. inklusive Eigenentwicklungen. In vielen Fällen wird dies bereits praktiziert.
  • Social Media Analytics Daten aus den Schnittstellen der Netzwerke. Eine spannende Frage aus diesem Bereich ist beispielsweise, ob die Fans eines Unternehmens oder eine Marke auf einem bestimmten Netzwerk mehr kaufen als solche die keine Fans sind
  • Daten aus Tag Management Systemen
  • Daten aus AdServern, v.a. Reichweiten und Platzierungsinformationen. So kann man beispielsweise auch feststellen, ob Goals ohne Handlung in Form von Klicks durch den direkten Aufruf einer Website auf Werbekontakte zurückzuführen sind.
  • Auffüllen mit demographischen Daten, wie dies derzeit mit Google Analytics möglich ist.

1.2 Daten zu Offline-Werbemaßnahmen und mit Offline-Verfahren erhobenen Daten

Diese Daten können dann mit den bereits vorhandenen demographischen Daten gematcht werden:

  • Daten der agma & AGOF
  • GfK-Zahlen
  • Daten aus weiteren Markt-Mediastudien

Es handelt sich auf dieser Ebene um aggregierte Daten.

1.3 Rahmendaten

  • Wetterinformationen (hier hat Timo Aden aus dem Analytics Summit gezeigt wie es geht und Ed Brocklebank war sehr früh dran mit dieser Idee)
  • Fernsehprogramm
  • Verkehrssituation
  • etc.

Auch hier handelt es sich um aggregierte Daten.

Ansatzpunkt 2: Verbindung mit Offline-Convertions

Hier geht es darum, den Weg aus dem Netz zu kontrollieren und zu erfassen. Vielfach informieren sich Konsumenten vor der Beschaffung höherpreisiger und längerlebiger Produkte im Web und beschaffen diese dann offline. Auch hierbei sollte die im Internet erbrachte Media-Leistung bewertet werden.

Die Herausforderung besteht an dieser Stelle darin einen Identifizierungmerkmal zu finden, das die Zusammenführung der Daten erlaubt. Voll umfänglich wird dies nicht gelingen. Barverkäufe sind an dieser Stelle der kalte Schrecken des Analysen, wenn der Käufer nicht zufällig noch ein anderes Identifikationsmerkmal hinterlässt. Die Datenschutzbestimmungen stellen einem mitunter auch ein Bein.

Um es etwas zu vereinfachen: Es wird immer wichtiger werden Nutzer zur Registrierung und zum Login zu führen und sei es nur eine Minimal-Registrierung über ein Social Login von Facebook, Twitter oder Google+, um Wissen über seine Kunden zu erlangen, das mit Daten in der Offline-Welt verknüpft werden kann. So freundlich in beiden Fällen – On-und Offline – eine Kreditkartennummer zu hinterlassen, werden nur wenige Kunden sein.

Merkmale können beispielsweise sein:

  • Name
  • Geburtsdatum
  • Telefonnummer / Mobilnummer
  • Adresse
  • GPS-Koordinaten

Ansatzpunkt 3: Gewinnung von Rohdaten für weitere elektronische Medien

Aus meiner Sicht fehlt fehlt noch der Schritt zu Kontaktdaten übrigen elektronischen Medien auf individueller Ebene. Hier habe ich ohnehin den Eindruck, dass Google eine weitere Lead-Funktion übernehmen wird und in absehbarer Zeit zu einem der wichtigsten Fernsehvermarkter aufsteigen kann. Schon jetzt sollte es bald möglich sein, die wirklichen Kontaktzahlen von Werbespots zu messen. Smart-TVs können Zusatzmaterial der Sender einblenden und ermöglich den direkten Response. Dabei sollte man nicht vergessen, dass dieser Response eine Unterbrechung der Tätigkeit darstellt, die der Nutzer ausüben möchte – nämlich die Sendung ansehen. Aus dieser Perspektive sollten die Erfolge von Werbeformen, die auf den direkten Response ausgerichtet sind, nicht all zu groß sein. Deshalb wird es noch wichtiger die Reichweiten der Spots zu qualifizieren.

Etwas nachdenklich stimmt an dieser Stelle die Tatsache, dass die in der AGF versammelten Fernsehforscher an ihren Panels festhalten. Es wurde ein 25.000er Panel aufgebaut, um die Online-Einschaltquoten zu messen. Wegargumentiert wurde dies mit der Vermutung, dass der zeitversetzte TV-Konsum nur einen geringen Teil der gesamten Sehzeit ausmache. Aus meiner Sicht ist das falsch und von der Seite der Web-Analytics sollte gezeigt werden, welche Möglichkeiten es gibt. Wenn man schon einen Fernsehspot auf SAT1.de, voxnow.de oder sonstwo im Web schaltet nicht auch die Reichweite mit einem AdServer oder Google Analytics messen?

Ansatzpunkt 4: Gewinnung von Rohdaten Printmedien und weitere Werbemaßnahmen

Als Verlierer in diesem Spiel könnten sich ein weiteres Mal die Printmedien herausstellen. Ohne elektronischen Anschluss sind diese nur bedingt messbar. Integrationsansätze gehen häufig schief. So war der QR-Code beispielsweise ein Hoffnungsträger der Anzeigen und Plakatwerbung den Anschluss zum Internet eben sollte. Leider stellte sich das Verfahren mehr oder weniger als Holzweg heraus. Ausgesprochen selten werden damit dreistellige Resultate erreicht. Meist bleibt das Ergebnis im einstelligen Bereich und kommt bei Plakaten nicht über die Testklicks hinaus.

Man wird also etwas tiefer in die Trickkiste greifen und auf technische  Innovationen warten müssen, um solche Werte auf individueller Ebene erheben zu können. Wieder einmal spielt hier Google die Vorreiterrolle. So könnte Google Glas die erste Applikation sein, mit der die Verbindung von Print und Internet erfolgreich hergestellt werden kann. Ähnliches darf man von Assistenz-Anwendungen in Fahrzeugen erwarten, wenn diese von Internet-Konzernen und nicht von Automobilherstellern entwickelt werden.

Web-Analysen legt los und arbeitet an der Datenintegation

Bisher habe ich sorgfältig einen Begriff vermieden: Big Data. Genau das ist es worum es hier geht. Es geht darum Daten aus den unterschiedlichsten Quellen zusammenzuführen und daraus zu optimieren. Ich bin überzeugt davon, dass Web-Analysten hier die besten Vorraussetzungen mitbringen. Sie müssen nur stärker konzeptionell arbeiten, über den Tellerrand hinausschauen, sich dem allgemeinen Marketing und den Anforderungen der Mediaplanung für Print und TV öffnen, dann wird das etwas. Dass es Hürden in den Bereichen Datenschutz und Technik gibt sollte als Herausforderung verstanden werden. Man sollte eben immer brav ein Einverständnis der Konsumenten einholen und mit anonymisierten Daten arbeiten.

 

 

Werbung: Wird Google der dominante Player in den elektronischen Medien?

Google hat den Sprung über die 1.000er-Marke geschafft. Mehr als 1.000 US$ für eine Aktie ist schon kräftig. Da sollte sich der geneigte Anleger fragen, wohin die Reise geht und mit was Google seine Umsätze tätigt. In der Presse wurde auf das Werbegeschäft verwiesen und darauf, dass auf Mobilgeräten die Preise pro Klick geringer sind. Das stimmt ganz allgemein schon. Es wurde wohl weitgehend einer dpa-Meldung gefolgt, wie bei FOCUS Online, was ja eigentlich auch OK ist. Ich empfehle dennoch einen Blick auf das Originaldokument.

Hier wird deutlich, dass Google knapp ein Viertel seiner Werbeeinnahmen nicht über die eigene Website tätigt, sondern über Partnerseiten – zum größten Teil wohl das AdSense Programm. Starkes Wachstum der Werbeeinnahmen gibt es in diesem Bereich nicht. Das wird sich in den kommenden Jahren ändern. Ich vermute hier das stärkste Wachstumspotenzial. Warum?

Goggle ist aus meiner Sicht so etwas wie ein Transmissionsmedium. Es ist der Kanal, über den Werbung in Zukunft verbreitet und bewertet wird. Das ist anders als bei News Corp.,  TimeWarner oder Bertelsmann, die ihr Geld mit Inhalten verdienen und Inhalte mitunter als Werbeträger nutzen: Inhalte sind für Google Nebensache. Die lässt man gerne von anderen machen. Es gibt dann Geld dafür, dass Google im Rahmen dieser Inhalte Werbung platzieren darf. Soweit ist das nichts besonderes.

Google ist für Werbung offen gebaut

Google ermöglicht es Websites – mehr oder weniger professionell gestalteten – mit Werbung Einnahmen zu erzielen. Die Verbreiterung dieser Programme ist enorm wichtig für die Erhöhung der Einnahmen. Es geschieht quasi automatisch: Eine Website meldet sich an. Google prüft ein wenig und schon geht es los. Das gleiche passiert bei Apps im Android Store. Mit eingebundener Werbung können die Anbieter Geld verdienen. Diese Grundlage ist so wichtig, dass das Android-System offen gehalten wird. Es wird die Reichweite der Android Smartphones stark erhöhen und damit die Einnahmen steigern. Im Store werden die Nutzer dann auch noch einkaufen und Google verdient sich eine Provision. Eine Einengung des Systems auf das hauseigene Hardware-Unternehmen wäre Unfug.

Google ist damit auch offener gebaut als Systeme, wie Entertain von der Telekom oder Sky, in die potenziell Spots individuell eingesteuert werden können.

Attribution & Werbung
Attribution & Werbung

Werkzeug-Entwicklung als Indikator für Werbeformen

Schaut man allerdings ein wenig darauf, was Google derzeit mit seinem Analytics-Werkzeug macht, dann kann es einem wie Schuppen von den Augen fallen: Es wurde ein Tag-Management-Werkzeug eingeführt, damit man die vielen JavaScript-Tags, die mittlerweile auf eine moderne Website eingebaut werden müssen, leichter verwaltet werden können. Google fischt damit schon wieder mit einer kostenlosen Lösung im Bereich mitunter recht teurer Lösungen. Mit Hilfe des Tag-Management ist die Attribution leichter möglich. Man kann also leichter sagen, durch welche Folge von Werbekontakten eine Konversion – also z.B. ein Kauf – ausgelöst wurde. Es kann entsprechend modelliert werden und die Aussteuerung von Werbekaktivitäten ist leichter möglich. In der Abbildung „Attribution & Werbung“ aus der Google-Hilfe wird das ein wenig verdeutlicht.

Doch das ist nicht alles: Google führte im Frühjahr mit den Universal Analytics ein Werkzeug ein, in das externe Daten auch über Schnittstellen importiert werden können. Nicht nur andere Werbekontakte – auch Wetterdaten oder Käufe an anderer Stelle können potenziell importiert werden.

Die Kurve zu Werbung in Fernsehen und Radio

Derzeit ist bei Videowerbung TimeWarner über seine Tochter AOL in den USA führend. Belegt wird das durch die gerade von comScore veröffentlichten September-Reichweiten. Die Abspielstationen in den USA sind eben etwas anders als es das deutsche Medienrecht erlauben möchte. Nach dem Kauf von Adap.tv, das hauptsächlich auf die Sender konzentriert ist, will AOL weltweit führend werden. Schaut man sich an, in welchen Märkten das Unternehmen  tätig ist, dann scheint das nicht abwegig. In einer Fallstudie für UK erklärt das Unternehmen, wie es arbeitet. Das sieht schon recht gut aus, die Frage ist jedoch, ob es gegen den Datenreichtum von Google bestehen kann. Es ist zu vermuten, dass die Position ähnlich sein wird, wie die anderer technologiegetriebener Intermediäre – beispielsweise Criteo, das einen beträchtlichen Marktanteil im RTB Retargeting-Markt hat.

Adap.tv Plattform
Adap.tv Plattform

Als ich dieses Jahr über die dmexco marschierte und am Google-Stand vorbeischaute, war nicht nur auffällig, dass es Hardware zu bestaunen gab. YouTube nahm recht viel Fläche ein. Video-Werbung kommt stärker. Auch wenn die Rezipienten mit dieser Werbeform ungern interagieren, so kann man ihre Rolle im Rahmen der Attribution bestimmen – man erfährt, inwieweit sie sich auf die Konversionsneigung auswirkt. Das ist ziemlich cool.

Buchen kann man die Zielgruppen wie bei AdWords – das ist noch ein Stück cooler. Phantastisch wäre es nun, wenn man das auch für Werbung im Fernsehen machen könnte. Kein Problem eigentlich bei dem was, über die Mediatheken angesehen wird. Dort sind die entsprechenden Daten verfügbar. Sieht man, wie Google seinen Weg in den RTB Retargeting-Markt gemacht hat und und wie man mit Behavioural-Daten arbeiten kann, dann wird klar, dass Google auch in diesen Markt einsteigen muss.

Gehen wir nun davon aus, dass der individuelle Abruf sequenzieller Inhalte in den kommenden 10 bis 15 Jahren auf mindestens 50 Prozent steigen wird, dann ist das schon ein ungeheuer spannender Markt. Wir reden alleine für Deutschland von über 2 Mrd. Euro. Nur noch eine kleine Verbindung fehlt: Wie kann man an einer Kasse im Kaufhaus nachverfolgen, ob jemand Werbung im Google-Universum gesehen hat? Eine Google Kreditkarte oder das Smartphone als Geldbörse wäre das Medium der Wahl. Der Kreislauf wäre geschlossen. Datenschutzbeauftragte werden in Panik ausbrechen und viele Nutzer werden sich freuen.

Ach ja – die Fernsehsender und die Planer von Fernsehwerbung werden Probleme bekommen, weil die Preise fallen werden und die Zahl der Spots abnehmen wird. Unwirksame Spots werden schneller entfernt. Man muss sich keine unpassende Werbung mehr anschauen. Es ist nicht unwahrscheinlich, dass im Jahr 2025 Online-Werbung den größten Teil am Werbemarkt ausmachen wird. In wenigen Jahren wird die Umverteilung von TV nach Online beginnen, wie diese vor 15 Jahren von Print nach Online einsetzte. Dem Radio steht ähnliches bevor.

Bedenklich?

Auf jeden Fall ist diese Entwicklung bedenklich. Die Mediengesetzgebung muss dringend angepasst werden. Das Zusammenwachsen der Medien auf den IP-Kanal ermöglicht internationalen Konzernen vieles, das in der Vergangenheit nur mit größtem Aufwand möglich war. Nationale Systeme werden es schwer haben, wenn nicht auf schnellstem Weg die entsprechenden Voraussetzungen geschaffen werden. Man stelle sich einfach vor, dass in 15 Jahren 50% des weltweiten Werbeumsatzes in elektronischen Medien über Google läuft. Gesund wäre das nicht.

Google Analytics nach Universal Analytics migrieren – sofort? Oder warten?

Google Analytics Universal AnalyticsAuf dem Google Analytics Summit wurde kürzlich angekündigt, dass die Migration von Google Analytics auf die Universal Analytics bald möglich werden soll. Eigentlich ist das eine erfreuliche Sache. Die Universal Analytics sind toll und inzwischen kann man die Daten auch mobil ansehen. In der Google Analytics Android App werden diese genauso angezeigt wie die ganz normalen Google Analytics Reports. Hinsichtlich der Standard Reports unterscheiden sich Google Analytics und Universal Analytics auch nicht. Unterschiede gibt es in der Erfassung, bei der Verarbeitung der Daten sowie in der Konfiguration.

Wichtige neue Features

Ich muss sagen, dass mich die Universal Analytics weniger deshalb begeistern, weil man Externe Daten integrieren kann. Das mag sicher toll sein und wird dazu führen, dass die Relevanz des Analytics Werkzeugs als Datentopf weiter steigt. Mich begeistern zwei Kleinigkeiten, die so zunächst nicht so großartig erscheinen:

  • Möglichkeit zum Ausschluss von Suchbegriffen aus der organischen Suche
  • Möglichkeit zum Ausschluss von Referrals

So kann man beispielsweise den Branded Traffic einfach aus den Reports zur organischen Suche ausschließen und erhält ein realistischeres Bild für die SEO – auch wenn natürlich „(not provided)“ eine wahre Qual ist. Bei den Referrals trifft ähnliches zu. Auch wenn man beides mit Filtern bewerkstelligen könnte, vereinfacht das neue Administrationsmenü die Arbeit beachtlich.

Wichtige Unterschiede

Visit Messung

Der wichtigste Unterschied besteht zunächst einmal darin, dass Visits anders gemessen werden. In Google Analytics sind diese Ausschließlich durch die Inaktivitätszeit definiert (Default 30 Minuten). In den Universal Analytics kommt der Externe Referrer als weiteres Kriterium hinzu. Wenn also jemand, bevor der Inaktivitätszeitraum überschritten wurde erneut mit einem externen Referrer auf die gleiche Proterty kommt, wird dies als neuer Visit gezählt. Das ist beispielsweise dann der Fall, wenn jemand in der Suchergebnisliste mehrere Treffer der gleichen Website anklickt.

Die Zahl der Visits ist also tendenziell höher mit den Universal Analytics – gleichzeitig ist die Visit-Länge geringer. Da die Zahlen rückwirkend in UA gerechnet werden stört das nur dann, wenn Visit-Zahlen in externen Reports stehen. Es kommt zu Datenbrüchen.

Nicht alle Integrations-Schnittstellen werden unterstützt

Google sagt selbst folgendes:

Not all data integrations are supported (yet).

AdSense, DoubleClick, Content Experiments, and Remarketing integration aren’t supported in UA. Look for messaging in the future regarding these feature integrations.

Tatsächlich ist es verwirrend: In der Administrationsoberfläche der Universal Analytics kann man AdSense bereits verknüpfen und man kann Remarketing-Listen anlegen. Wirksam werden diese derzeit noch nicht. Wenn man also an AdSense teilnimmt, bleiben die Reports aus dem Programm. Der Report in Google Analytics wird angezeigt, enthält jedoch keine Werte. Ganz tragisch ist das nicht. Das Retargeting-Nummer stört mehr, wenn man darauf angewiesen ist.
Allerdings ist es so, dass Google im Hinweis quasi schon die Integration ankündigt. Man sollte also noch etwas warten und bisweilen die UA testen. [Korrektur: AdSense funktioniert, Remarketing noch nicht – 6.10.13]

Ich empfehle die Lektüre der Guidelines und man sollte vor der Migration unbedingt prüfen inwieweit Visits in externen Reportings benutzt wurden. Auch wenn AdSense in Analytics auftauchen soll, müsste geprüft werden, ob dies erforderlich ist. Bei Retargeting ebenfalls.