Google Analytics für Einsteiger, Teil 6: Datenanalyse, Segmente & Co.

Google Analytics für Einsteiger, Teil 6

Christian Ebernickel

Christian Ebernickel ist Spezialist für Webanalyse und datengetriebenes Online Marketing. Er berät...

In den vorangegangenen Teilen dieser Artikelserie habe ich euch gezeigt, wie ihr Google Analytics konfigurieren und Trackings einrichten könnt. Deshalb wird es nun höchste Zeit, die Datenanalyse mit Google Analytics genauer kennenzulernen. Zunächst schauen wir uns die Datensegmente an, denn mit ihnen könnt ihr viel mehr Erkenntnisse aus euren Daten ziehen. Außerdem stelle ich euch die benutzerdefinierten Berichte und Dashboards vor, die schnellen Zugriff auf die von euch am meisten benötigten Daten ermöglichen.

Google Analytics für Einsteiger, Teil 6

Google Analytics für Einsteiger, Teil 6

Datenanalyse mit Google Analytics

 

1. Datensegmente in Google Analytics

In Google Analytics werden euch vielfach zusammengefasste Daten angezeigt, d.h. für einen von euch ausgewählten Zeitraum könnt ihr zum Beispiel eine Absprungrate von 62,7% ablesen. Diese Zahl ist für sich genommen nicht besonders aussagekräftig, denn aus ihr lassen sich mögliche Ansatzpunkte für Optimierungen noch nicht gut erkennen. Nur mit dieser Zahl alleine wäre es euch noch nicht möglich zu sagen, an welcher Stelle ihr ansetzen müsstet, um die Absprungrate zu reduzieren. Genau hier kommen die Datensegmente ins Spiel: Wenn ihr eure Daten segmentiert, versucht ihr, durch eine kluge Aufteilung der Datenmenge auffällige Abweichungen zu identifizieren.

Bleiben wir noch bei dem Beispiel mit der Absprungrate: Statt einer allgemeinen Absprungrate, wäre es doch viel interessanter die Absprungrate zum Beispiel nach Trafficquellen zu differenzieren. Dann würdet ihr vielleicht feststellen, dass Besucher, die über Google AdWords auf eure Website gelangen, eine stark überdurchschnittliche Absprungrate aufweisen: Das wäre ein deutlicher Hinweis darauf, dass die Landingpage nicht die Erwartungen erfüllt, die ihr mit eurer AdWords-Anzeige geweckt habt. Oder ihr segmentiert nach Gerätekategorien und stoßt auf eine überdurchschnittliche Absprungrate für mobile Endgeräte. Dann wüsstet ihr: Die Darstellung eurer Website auf mobilen Endgeräten muss geprüft werden.

Zweites Beispiel: Eine E-Commerce-Conversion-Rate von 3,0% klingt nicht schlecht. Vielleicht habt ihr euch die Conversion-Rate ja auch schon für die einzelnen Trafficquellen anzeigen lassen und Unterschiede festgestellt. Sehr gut! Aber sollte man nicht auch demografische Daten hinzuziehen? So könntet ihr ermitteln, welche Altersklassen besonders viele Conversions erzeugen. Diese Information ließe sich dann auf zweierlei Weise nutzen: Zum einen könntet ihr eure Werbung noch stärker auf Altersgruppen ausrichten, die offensichtlich eure Produkte gerne kaufen. Zum anderen hättet ihr ggfs. einen Ansatzpunkt, um eure Werbung für jene Altersgruppen zu optimieren, die noch unterdurchschnittlich viele Conversions erzeugen.

 

Datensegmente sind der Schlüssel zu effektiven Analysen, die euch zu wertvollen Erkenntnissen verhelfen. Sie sind der Dreh- und Angelpunkt, um Optimierungspotenziale aufzudecken.

Lasst uns anhand eines Online-Shops einmal anschauen, wie man aus den demografischen Berichten mit Hilfe von Segmenten noch mehr herausholen kann.

 

Beispiel: Demografische Berichte mit Segmenten kombinieren

In Google Analytics findet ihr unter Zielgruppe >> Demografische Merkmale >> Alter einen sehr interessanten Bericht, der eure Besucher in Altersgruppen aufgliedert. Für unseren fiktiven Online-Shop könnte der Bericht zum Beispiel so aussehen:

Google Analytics: Aufschlüsselung eurer Besucher nach Altersgruppen

Google Analytics: Aufschlüsselung eurer Besucher nach Altersgruppen

Auch ohne zusätzliche Datensegmente können wir der Tabelle bereits folgende Fakten entnehmen:

  • Die Altersgruppen 25-34 und 35-44 Jahre weisen die höchsten Conversion-Raten auf (4,07% und 5,43%)
  • Der durchschnittliche Bestellwert steigt von ca. 155 $ bei der Altersgruppe 18-24 Jahre kontinuierlich auf bis zu 237 $ bei der Altersgruppe 35-44 Jahre an, danach fällt er wieder ab. Den Ausreißer in der Altersgruppe 65+ ignorieren wir, weil diese Gruppe sehr klein ist.
  • Die Altersgruppe 18-24 Jahre sorgt für viel Traffic, aber relativ wenig Conversions.

Schon mit der Aufgliederung nach Altersgruppen haben wir über unsere Besucher einiges herausgefunden. Das geht aber noch besser. :)

Wir erweitern diesen Bericht nun um zwei benutzerdefinierte Segmente:

  • Nutzer mit Transaktionen (Bestellungen)
  • Nutzer ohne Transaktionen (Bestellungen)

Klickt oberhalb des Diagramms auf +Segment hinzufügen:

Google Analytics: Datensegment hinzufügen, Schritt 1

Google Analytics: Datensegment hinzufügen, Schritt 1

 

Wählt dann die rote Schaltfläche +Neues Segment aus:

Google Analytics: Datensegment hinzufügen, Schritt 2

Google Analytics: Datensegment hinzufügen, Schritt 2

 

Nun wird das Segment definiert:

Google Analytics: Datensegment hinzufügen, Schritt 3

Google Analytics: Datensegment hinzufügen, Schritt 3

  1. Gebt dem Segment einen aussagekräftigen Namen, z.B. „Nutzer mit Transaktionen“.
  2. Wählt den Punkt Verhalten
  3. Legt fest, welche Nutzer diesem Segment zugeordnet werden sollen. Da dieses Segment nur Nutzer enthalten soll, die mindestens eine Transaktion ausgelöst haben, tragen wir folgende Bedingung unter Transaktionen ein: Transaktionen pro Nutzer > 0.
  4. Abspeichern, und das Segment ist angelegt.

 

Das zweite Segment “Nutzer ohne Transaktionen” wird auf die gleiche Weise angelegt:

Google Analytics: Datensegment hinzufügen, Schritt 4

Google Analytics: Datensegment hinzufügen, Schritt 4

Der Name des Segments lautet nun “Nutzer ohne Transaktionen”. Diesem Segment werden die Nutzer zugeordnet, die keine Bestellung aufgegeben haben. Die Bedingung ist also: Transaktionen pro Nutzer = 0.

Die beiden neuen Segmente wenden wir jetzt auf den Bericht Zielgruppe >> Demografische Merkmale >> Alter an:

Google Analytics: Altersgruppen aufgegliedert nach Nutzern mit bzw. ohne Transaktionen

Google Analytics: Altersgruppen aufgegliedert nach Nutzern mit bzw. ohne Transaktionen

Das Diagramm hat sich deutlich verändert. Pro Segment und Altersgruppe wird nun ein einzelner Graph gezeichnet.

Viel interessanter sind jedoch die Veränderungen in der Tabelle. Schauen wir uns die Daten doch einmal genauer an:

Google Analytics: Altersgruppen aufgegliedert nach Nutzern mit bzw. ohne Transaktionen

Google Analytics: Altersgruppen aufgegliedert nach Nutzern mit bzw. ohne Transaktionen

 

25-34 Jahre: Diese Altersgruppe stellt mit über 47% (1) die meisten Nutzer, die eine Transaktion ausführen. Gleichzeitig weist sie mit rund 46% den höchsten Anteil neuer Nutzer mit Transaktionen auf (2). Das bedeutet: In dieser Altersgruppe funktioniert die Ansprache von Nutzern bereits sehr gut und sollte ausgebaut werden. Die Nutzer ohne Transaktion weisen gleichzeitig unterdurchschnittliche Absprungraten (3) auf. Für diese Nutzer sollten Maßnahmen wie etwa Retargeting getroffen werden, um aus ihnen Käufer zu machen.

35-44 Jahre: Die Altersgruppe 35-44 Jahre zeigt ein ähnliches Bild wie die 25-34jährigen. Zwar ist hier der Anteil neuer Nutzer, die eine Transaktion ausführen etwas niedriger (4), liegt aber dennoch deutlich über den anderen Altersgruppen. Die Nutzer reagieren offensichtlich gut auf die ausgespielte Werbung. Außerdem weist die Gruppe die höchste Conversion-Rate (5) auf. Deshalb sollte geprüft werden, ob die Marketingaktivitäten für diese Gruppe intensiviert werden können. Hier liegt viel Potenzial.

18-24 Jahre: Diese Gruppe weist einen relativ niedrigen mittleren Bestellwert und eine niedrige Conversion-Rate auf (6). Sie stellt nur 9,71% der Nutzer, die eine Bestellung getätigt haben (7). Gleichzeit stammen aus dieser Gruppe jedoch etwa 25% aller Sitzungen (8) und ist damit die zweitstärkste Gruppe. Der Anteil neuer Nutzer, die eine Transaktion ausführen ist unterdurchschnittlich (9). Dennoch ist die Gruppe äußerst interessant: Die hohe Zahl der Sitzungen lässt auf viel Potenzial schließen, denn die Absprungrate ist verglichen mit den kaufstarken Altersgruppen nur leicht höher. Wir können daraus schlussfolgern, dass die Gruppe 18-24 Jahre zwar ein Interesse an den angebotenen Produkten hat, aber möglicherweise (noch) nicht über genügend Einkommen verfügt, um in größerem Umfang Bestellungen aufzugeben. Wenige Jahre später werden diese Nutzer in der Gruppe 25-34 Jahre jedoch deutlich mehr Bestellungen tätigen. Für diese Altersgruppe könnte es sinnvoll sein, einfachere Produkte zu günstigeren Preisen anzubieten, um sie frühzeitig an den Shop zu binden.

Dies kann an dieser Stelle natürlich nur eine Kurzanalyse sein, aber sie zeigt, wie viel mehr ihr aus euren Daten herausholen könnt, wenn ihr Datensegmente nutzt. In weiteren Schritten sollte man für die einzelnen Altersgruppen die Traffic-Quellen mit einbeziehen und den Inhalt der Warenkörbe analysieren, um das Marketing noch stärker auf die Bedürfnisse der Altersgruppen auszurichten.

Weitere Informationen zu Datensegmenten findet ihr hier:
https://support.google.com/analytics/answer/3123951?hl=de

 

2. Benutzerdefinierte Berichte und Dashboards

In Google Analytics seid ihr nicht auf die vordefinierten Berichte beschränkt. Wenn ihr maßgeschneiderte Berichte zur Darstellung bestimmter Daten oder individuelle Dashboards mit euren wichtigsten Kennzahlen benötigt, solltet ihr euch die benutzerdefinierten Berichte und Dashboards genauer anschauen. Häufig werden benutzerdefinierte Berichte und Dashboards auch verwendet, um für die Entscheider in eurem Unternehmen Informationen in komprimierter Form bereitzustellen.

2.1 Benutzerdefinierte Berichte

Die benutzerdefinierten Berichte sind in Google Analytics ein sehr flexibles Mittel, um Daten genau nach euren Wünschen aufzubereiten und zu präsentieren. Die Anwendungsmöglichkeiten sind so vielfältig, dass ich euch im Folgenden anhand eines einfachen Beispiel zeigen möchte, wie benutzerdefinierte Berichte grundsätzlich angelegt werden.

Beispiel: Verkäufe nach Wochentag anzeigen

In Google Analytics gibt es keinen vordefinierten Bericht, der euch E-Commerce-Transaktionen gegliedert nach den Wochentagen anzeigen würde. Das ist ein wenig merkwürdig, denn für die Planung eurer Marketingaktivitäten ist es sehr nützlich zu wissen, an welchen Wochentagen eure Kunden am meisten kaufen und ihr die höchsten Conversion-Rates erreicht. Macht aber nichts, den Bericht legen wir jetzt einfach selber an.

So erzeugt ihr einen Bericht, der die Verkäufe auf eurer Website nach Wochentagen gegliedert anzeigt:

Wählt in Google Analytics die Datenansicht aus, zu der ihr einen benutzerdefinierten Bericht hinzufügen möchtet. Selektiert dann im Abschnitt Personalisieren den Eintrag Benutzerdefinierte Berichte.

Google Analytics: Benutzerdefinierten Bericht anlegen, Schritt 1

Google Analytics: Benutzerdefinierten Bericht anlegen, Schritt 1

Wählt anschließend +Neuer benutzerdefinierter Bericht aus.

Nun wird der benutzerdefinierte Bericht angelegt:

Google Analytics: Benutzerdefinierten Bericht anlegen, Schritt 2

Google Analytics: Benutzerdefinierten Bericht anlegen, Schritt 2

  1. Gebt dem Bericht einen eindeutigen Titel, z.B. „Sitzungen, Transaktionen & Umsatz nach Wochentag“.
  2. Jeder Bericht kann mehrere Bericht-Tabs enthalten. In unserem Beispiel arbeiten wir mit nur einem Tab. Gebt den Tab ggfs. einen individuellen Namen.
  3. Wählt für den Typ des Bericht-Tabs „Explorer“ aus. Dies ist der Typ, der aus einem Graphen und einer Tabelle besteht.
  4. Anschließend könnt ihr die Messwerte angeben, die auf dem Bericht-Tab ausgegeben werden sollen. Es sind mehrere Messwertgruppen möglich. Uns reicht für dieses Beispiel eine Messwertgruppe. Fügt die Messwerte „Sitzungen“, „E-Commerce-Conversion-Rate“, „Transaktionen“ und „Umsatz“
  5. Legt fest, nach welchen Dimensionen die zuvor festgelegten Messwerte aufgeschlüsselt werden sollen. Wählt „Wochentag“ und „Name des Wochentags“
  6. Optional können die Daten, die für diesen Bericht herangezogen werden sollen, durch Filter eingeschränkt werden. Für dieses Beispiel benötigen wir jedoch keinen Filter.
  7. Bereits an dieser Stelle kann der neue Bericht auch für weitere Datenansichten zugänglich gemacht werden. Wählt hier ggfs. die zusätzlichen Datenansichten aus, in denen der neue Bericht auch genutzt werden soll.
  8. Dann nur noch speichern und der neue benutzerdefinierte Bericht steht bereit.

 

Wenn ihr euren neuen benutzerdefinierten Bericht aufruft, könnte er zum Beispiel so aussehen:

Google Analytics: Sitzungen, Transaktionen & Umsatz nach Wochentag

Google Analytics: Sitzungen, Transaktionen & Umsatz nach Wochentag

  1. In dieser Dropdown-Liste könnt ihr den Messwert auswählen, der im Graphen dargestellt werden soll.
  2. Die primäre Dimension des Berichtes ist Wochentag. Die Wochentage werden mit den Ziffern 0-6 gekennzeichnet. 0 entspricht dem Sonntag und 6 steht für den Samstag.
  3. Wem das zu unübersichtlich ist, kann als sekundäre Dimension „Name des Wochentages“ hinzufügen.

Als primäre Dimension ist „Name des Wochentages“ leider nicht geeignet, weil dann im Graphen die Messwerte nicht nach den einzelnen Wochentagen zusammengefasst werden können.

Nach dem gleichen Muster lässt sich auch ein benutzerdefinierter Bericht für die Aufschlüsselung der Verkäufe nach der Tageszeit anlegen. Wählt für diesen Bericht als primäre Dimension „Stunde“ aus.

Falls ihr mehr über die Optimierung von Online-Kampagnen nach Wochentag und Uhrzeit wissen möchtet, könnte dieser Artikel für euch interessant sein.

Weitere Informationen zu benutzerdefinierten Berichten findet ihr hier:
https://support.google.com/analytics/answer/1151300?hl=de

 

2.2 Benutzerdefinierte Dashboards

Alle relevanten Kennzahlen und Berichte auf einen Blick: genau dies wird in Google Analytics mit benutzerdefinierten Dashboards ermöglicht.

Ein benutzerdefiniertes Dashboard kann verschiedenste Widgets enthalten: Einzelne Messwerte, Diagramme, Tabellen, Landkarten und noch vieles mehr. Ihr könnt einzelne Widgets detailliert definieren oder ganz einfach Standardberichte eurem Dashboard hinzufügen.

Ein Beispiel für ein individuelles Dashboard:

Google Analytics: Beispiel für ein individuelles Dashboard

Google Analytics: Beispiel für ein individuelles Dashboard

Benutzerdefiniertes Dashboard anlegen

So legt ihr ein benutzerdefiniertes Dashboard an:

Wählt in eurer Datenansicht  im Abschnitt Personalisieren den Eintrag Dashboards aus und klickt dann auf Erstellen.

Google Analytics: Benutzerdefiniertes Dashboard anlegen, Schritt 1

Google Analytics: Benutzerdefiniertes Dashboard anlegen, Schritt 1

Nun könnt ihr auswählen, ob ihr mit einem leeren Dashboard oder einem vordefinierten Starter-Dashboard beginnen möchtet. Alternativ ist auch der Import eines vordefinierten Dashboards aus der Google Analytics Lösungsgalerie möglich.

Wir starten mit einem leeren Dashboard:

Google Analytics: Benutzerdefiniertes Dashboard anlegen, Schritt 2

Google Analytics: Benutzerdefiniertes Dashboard anlegen, Schritt 2

  1. Wählt „Unformatiert“ aus.
  2. Gebt dem neuen Dashboard einen Namen.
  3. Klickt auf „Dashboard erstellen“, um das neue Dashboard anzulegen.

Anschließend könnt ihr verschiedenste Widgets dem neuen Dashboard hinzufügen:

Widget 1: Verlauf der Absprungrate anzeigen
Google Analytics: Widget 1, Verlauf der Absprungrate anzeigen

Google Analytics: Widget 1, Verlauf der Absprungrate anzeigen

  1. Namen des Widgets festlegen.
  2. Typ „Verlauf“ auswählen.
  3. Absprungrate“ auswählen.

 

Widget 2: Nur Sitzungen von Besuchern aus Social Media Kanälen anzeigen
Google Analytics: Widget 2, nur Sitzungen von Besuchern aus Social Media Kanälen anzeigen

Google Analytics: Widget 2, nur Sitzungen von Besuchern aus Social Media Kanälen anzeigen

  1. Namen des Widgets festlegen.
  2. Typ „Verlauf“ auswählen.
  3. Sitzungen“ auswählen.
  4. Filter definieren, um nur Sitzungen von Besuchern anzuzeigen, die über Social Media Kanäle gekommen sind.

 

Widget 3: Zahl der E-Commerce-Transaktionen als Messwert anzeigen
Google Analytics: Widget 3, Zahl der E-Commerce-Transaktionen als Messwert anzeigen

Google Analytics: Widget 3, Zahl der E-Commerce-Transaktionen als Messwert anzeigen

  1. Namen des Widgets festlegen.
  2. Typ „Messwert“ auswählen.
  3. Transaktionen“ auswählen.
  4. Jedes Widget kann mit einem Bericht oder einer URL verlinkt werden.

 

Widget 4: Gerätekategorien in Tabelle auflisten
Google Analytics: Widget 4, Gerätekategorien in Tabelle auflisten

Google Analytics: Widget 4, Gerätekategorien in Tabelle auflisten

  1. Namen des Widgets festlegen.
  2. Typ „Tabelle“ auswählen.
  3. Spalten für die Tabelle auswählen (Dimension & Messwerte).
  4. Jedes Widget kann mit einem Bericht oder einer URL verlinkt werden.

 

Das Ergebnis: Euer Dashboard mit vier Widgets

So sieht das fertige Dashboard mit den vier neuen Widgets aus:

Google Analytics: Das benutzerdefinierte Dashboard

Google Analytics: Das benutzerdefinierte Dashboard

Wichtig: Dieses Dashboard demonstriert nur einen kleinen Teil der Möglichkeiten, die in benutzerdefinierten Dashboards und Widgets liegen. Welche Diagramme, Messwerte, Tabellen, usw. sinnvoll sind, hängt vom Zweck der einzelnen Website und euren Wünschen ab.

Weitere Informationen zu benutzerdefinierten Dashboards findet ihr hier:
https://support.google.com/analytics/answer/1068218?hl=de

 

Zusammenfassung

Für erfolgreiche Webanalysen solltet ihr nicht nur auf das Einrichten von Trackings oder die Konfiguration von Google Analytics achten. Viel wichtiger ist eigentlich die Frage, wie ihr die Daten in Google Analytics nutzen könnt, um neue Erkenntnisse über eure Kunden zu gewinnen oder Optimierungspotenziale zu identifizieren. Ein Schlüssel  – wenn nicht gar der wichtigste – zu besseren Analysen ist die Segmentierung eurer Daten. Es bringt euch meist nur wenig, auf übergreifende Kennziffern wie die Absprungrate oder die Conversion-Rate zu schauen. Viel interessanter ist doch die Frage, wie sich zum Beispiel die Conversion-Rate für einzelne Akquisitionskanäle, Werbekampagnen, Nutzergruppen, usw. verhält. Erst dann könnt ihr tatsächlich die Ansatzpunkte erkennen, um euer Marketing zu optimieren oder die User Experience auf eurer Website zu verbessern.

Zwei wichtige Hilfsmittel für die Datenanalyse in Google Analytics sind die benutzerdefinierten Berichte & Dashboards. Sie erlauben euch schnellen Zugang zu genau jenen Daten, die für euch die höchste Relevanz besitzen.

Wenn ihr unsicher seid, welche Daten für euer Business am wichtigsten sind, empfehle ich euch diesen Artikel über die Entwicklung von Webanalyseplänen. Er hilft euch dabei, einen Überblick über die von euch benötigten Daten und ihre Segmentierungen zu bekommen. Daraus könnt ihr dann die erforderlichen Trackings ableiten.

Deshalb: Die Datenerfassung mit korrekt funktionierenden Trackings ist die Basis. Doch Sinn macht der Aufwand nur, wenn ihr auch konkrete Ziele formuliert habt, die ihr mit Hilfe der Webanalyse erreichen möchtet.

In der nächsten Folge rückt der Google Tag Manager in den Fokus. Der Tag Manager erlaubt die Einrichtung von Trackings, ohne dass ihr in den Quellcode eurer Website eingreifen müsst. Ich zeige euch, wie der Tag Manager grundsätzlich funktioniert, und warum er ein so faszinierendes Tool ist.

Christian Ebernickel

Christian Ebernickel ist Spezialist für Webanalyse und datengetriebenes Online Marketing. Er berät Unternehmen im Einsatz von Google Analytics und Google Tag Manager. In seinem Webanalyse Blog stellt er erweiterte Tracking-Szenarien und Ansätze für die Entwicklung individueller Webanalysepläne vor.