Wenn du in Webanalyse-Tools auf die Conversion Rate in den Standard-Reports vertraust, ignorierst du unter Umständen eine wesentlich bessere Performance der Website. Weshalb die Nutzer-Conversion-Rate die bessere Metrik ist.
Dieser Beitrag bezieht sich auf das zum 1. Juni 2023 abgestellten Universal Analytics (bzw. das zum 1. Juni 2024 abgestellte UA360)!
Was du in diesem Beitrag findest
- Warum ist die Conversion Rate so wichtig?
- Was berichtet das Analytics-Tool?
- Gibt es eine “noch bessere” Conversion Rate?
- Macht das überhaupt etwas aus?
- Und jetzt? Handeln
- Fazit
- Dein Kommentar dazu
Warum ist die Conversion Rate so wichtig?
Immer noch wird in vielen Unternehmen die Performance der Website anhand der Conversion Rate definiert. Doch obwohl diese Metrik ihre Schwächen hat, ist das ein grundsätzlich besseres Vorgehen, als die Leistung anhand von Seitenaufrufen oder Absprungraten zu analysieren.
Denn die Conversion Rate hat den normalen Standard-Metriken in Webanalyse-Tools eine Sache voraus: Sie ist zielbezogen und damit Outcome-bezogen. Und wenn du Webanalyse ernsthaft betreiben willst, solltest du die Leistungsfähigkeit deiner Website immer in diesem Kontext messen. Denn, um das mal plakativ auf die Spitze zu treiben: Nicht Seitenaufrufe sind wichtig, sondern das, was am Ende durch sie erzielt wird.
Doch leider ist die Conversion Rate in vielen Fällen mit einem grundsätzlichen Interpretationsfehler behaftet.
Was berichtet das Analytics-Tool?
Abbildung 1: Die Standard-Conversion-Rates in z. B. Google Universal Analytics sind oft sitzungsbezogene Metriken.
In den Webanalyse-Tools oder auch vielen Dashboard-Tools wird die Conversion Rate zumeist als sitzungsbezogene Metrik erhoben. Das bedeutet, die Anzahl der Transaktionen (oder sonstiger) Zielerreichungen wird durch die Anzahl der Sitzungen geteilt, um sie zu berechnen (s. Abbildung 1).
Die Conversion Rate wird in Google Universal Analytics also wie folgt berechnet:
Ziel-Conversion-Rate: (Anzahl der Zielerreichungen / Anzahl der Sitzungen) * 100
E-Commerce-Conversion Rate: (Anzahl der Transaktionen / Anzahl der Sitzungen) * 100
Oder in einem Zahlenbeispiel:
(10 Transaktionen (oder Zielerreichungen) / 1000 Sitzungen) * 100 = 0,1 * 100 = 1 % Conversion Rate
Doch die Anzahl der Sitzungen ist in vielen Fällen kein gutes Messinstrument. Denn sie ignoriert, dass Nutzer u. U. mehrmals eine Website besuchen, bevor sie zu einem Käufer werden. “Customer Journey” ist hier das Schlagwort. Und die kann nun mal sehr unterschiedlich ausfallen.
Zwei Beispiele:
Ein Nutzer besucht die Website zwei Mal und kauft ein Mal in einer der Sitzungen = 50 % (SItzungs-) Conversion Rate (da “Transaktionen” / “Sitzungen” = 1/2 = 0,5 = 50 %)
Ein Nutzer besucht die Website 20 Mal und kauft drei Mal in unterschiedlichen Sitzungen = 15 % (Sitzungs-) Conversion Rate (da 3/20 = 0,15 = 15 %)
Wenn du die Conversion Rate stattdessen auf Basis der Nutzerzahlen errechnen würdest, wäre diese im ersten Beispiel 100 % und im zweiten Beispiel sogar 300 %, da statt der Sitzungszahl die Nutzerzahl zugrunde gelegt würde (“Transaktionen”/”Nutzer”).
Siehst du den Unterschied?
Was ist denn nun die bessere Zahl?
Natürlich lässt sich trefflich darüber streiten, ob das nicht mitunter mit Kanonen auf Spatzen schießen bedeutet, denn irgendwie rechnen ja “alle” immer nur mit der normalen Conversion Rate. Doch ich zeige weiter unten, warum ich das für einen großen Unterschied in der Ausrichtung der Strategie halte.
Gibt es eine “noch bessere” Conversion Rate?
In der Theorie gibt es natürlich eine noch bessere Conversion Rate als die gerade aufgeführte Nutzer-Conversion-Rate. Denn technisch gesehen ist in Webanalyse-Tools ein Nutzer mit einem Browser auf einem bestimmten Gerät gleichzusetzen.
Wenn ein Website-Besucher mit einem anderen Browser und/oder einem anderen Gerät (Smartphone, Desktop, Tablet) auftaucht, ist er technisch gesehen ein neuer Nutzer. Und das kann die Statistik natürlich noch einmal ordentlich durcheinander würfeln, ist aber ein Problem aller Webanalysetools.
Das ist solange ein Problem, bis sich Nutzer gegenüber der Seite erkennbar machen, also einloggen. Denn dann ist die Vergabe einer speziellen User-ID möglich. Und dementsprechend könnte man die Nutzer-Conversion-Rate weiter verfeinern.
Macht das überhaupt etwas aus?
Zunächst einmal sollte sich jeder fragen: Was genau ist das Ziel, das ein Nutzer erreichen soll? Ist es eines, das ein Nutzer in jeder Sitzung erreichen sollte? Oder ist es eines, das er mindestens einmal überhaupt erreichen sollte? Abhängig davon, lässt sich meist schnell beantworten, ob eine Nutzer-Conversion-Rate oder eine Sitzungs-Conversion-Rate die bessere Metrik ist.
Bei einem Makroziel, wie einem Kauf etwa, würde vermutlich beinahe jeder zustimmen, dass wir das auf Nutzer-Ebene bewerten sollten – es sei denn, es ist tatsächlich klar, dass Zielerreichungen zu einem Großteil innerhalb der ersten und einzigen Sitzung stattfinden. Während das Erreichen eines Mikrozieles, wie einem Login oder einem Abspielen eines Videos, möglicherweise auch sitzungsbezogen ausgewertet wertvoll sein kann.
Ich habe hier einmal verschiedene Real-Beispiele aufgeführt, wie unterschiedlich die Werte bei verschiedenen Website-Typen sein können. Selbstverständlich nur als Stichprobe, aber über längere Zeiträume (jeweils > 1 Monat), so dass ausreichend Daten vorhanden sein sollten.
|
Sitzungs-Conversion-Rate (Durchschnitt) |
Nutzer-Conversion-Rate (Durchschnitt) |
Abweichung | |
|
E-Commerce-Seite |
1,70 % |
2,68 % |
+57,65 % |
|
Lead-Erzeugungs-Seite |
3,55 % |
4,45 % |
+25,35 % |
|
B2C-Portal |
0,28 % |
0,51 % |
+82,14 % |
Tabelle 1: Unterschiede zwischen Sitzungs-Conversion-Rate und Nutzer-Conversion-Rate
Zur Interpretation, die sich hieraus ableiten lässt: Je größer der Anstieg der Nutzer-Conversion-Rate gegenüber ihrem sitzungsbezogenen Pendant, desto mehr Sitzungen hat ein Nutzer vor der Conversion benötigt. Die Customer Journey ist dann also länger.
Wie kannst du die Nutzer Conversion Rate in Universal Analytics aufzeigen?
Am besten lässt sich das in Google Universal Analytics mithilfe der sogenannten “berechneten Messwerte” erledigen. Diese kannst du in der Verwaltung und dort auf Ebene der Datenansicht unter dem Menüpunkt “Berechnete Messwerte” anlegen (siehe Abbildung 2).
Dort legst du mit Klick auf den roten Knopf einen neuen berechneten Messwert an. Um beispielsweise eine Nutzer-Conversion-Rate für vorhandene E-Commerce-Transaktionen anzulegen, benötigst du folgende Einstellungen (Abbildung 3):
- Name für berechneten Messwert angeben
- Formatierungstyp: “Prozentwert”
- Formel hinterlegen. In diesem Fall: “{{Transaktionen}} / {{Nutzer}}”
Keine Angst vor den doppel-geschweiften Klammern. Es genügt in dem Feld die Buchstaben einzugeben, dann werden entsprechende vorhandene Metriken vorgeschlagen und die Klammern automatisch gebildet.
In diesem Fall habe ich “Transaktionen” genutzt, doch lassen sich hier natürlich auch andere Abschlusszahlen verschiedener eingerichteter Ziele nutzen.
Auf diese neue berechnete Metrik kann nun entweder mittels benutzerdefinierten Berichten in Google Analytics (Abbildung 4) oder über die API-Schnittstelle (auch in Google Data Studio) zurückgegriffen werden.
Abbildung 4: Einsatz der berechneten Metrik in einem benutzerdefinierten Bericht.
Die Ergebnisse des benutzerdefinierten Berichts kannst du dann schnell mit denen aus den Standard-Reports vergleichen (Abbildungen 5 und 6).
Und jetzt? Handeln
Wie bei allem, was man aus der Web-Analyse ablesen kann, ist die Zahl als solche nicht interessant, sofern sie keine Handlung auslöst. Daher solltest du dich fragen: Was mache ich jetzt aus diesen Zahlen? Sind sie für mich gut genug oder möchte ich sie verbessern? Was sind die Einflussfaktoren, die die Zahl treiben? Kann ich diese überhaupt beeinflussen?
Aus diesen und noch mehr Fragen leitet sich nun die Handlung ab, die du umsetzen musst. Erst wenn Handlung entsteht, kann Webanalyse wirklich sinnvoll erfolgen.
Fazit: Conversion Rate ≠ Conversion-Rate
Die Standard-Conversion-Rate in Google Universal Analytics und anderen Webanalyse Tools kann nicht mehr sein als ein Indikator. Da sie zumeist sitzungsbezogen erhoben werden wird, ist sie per se unperfekt. Besser ist da mit einer eigens berechneten Nutzer-Conversion-Rate zu analysieren. Und damit lässt sich die Website weiter optimieren.
Gemeinsam mit seinem engagierten Team verfolgt er eine klare Mission: Mehr als nur Webseiten zu optimieren – er will Businesses transformieren und datenbasiert Online-Wachstum bringen.
Sein exzellentes Hintergrundwissen aus Marketing, Technik und Analyse ist bei der Optimierung von Websites immer wieder gefragt und mit seiner Art hat er viele Unternehmen für Webanalyse und Growth Marketing begeistert.
LinkedIn Facebook Instagram XING
Passend zum Thema:
Mit Webanalyse im Unternehmen starten
Die Sendung mit der Metrik #4: “Fünf Irrglauben in der Webanalyse” mit Anisa Boumrifak von M8Perfomance
Die Sendung mit der Metrik #9: “Wie du mit Webanalyse KPI dein Unternehmen steuerst” mit Marco Hassler von Namics
Die Sendung mit der Metrik #35 “Elf Gründe für Messunterschiede zwischen AdWords (Google Ads) und Analytics”
