Für alle Unternehmen, die mit der Webanalyse beginnen, steht am Anfang die gleiche Frage: „Was wollen wir überhaupt tracken?”
Leider ist die Antwort viel zu oft: Alles.
Also wird viel Geld ausgegeben für ein ausgefeiltes Analytics Setup, das jeden Klick auf der Webseite nachvollziehbar macht, inklusive Dashboards und Anbindung an ein Data Warehouse. Es werden viele Terabyte an Daten gesammelt und dann passiert … nichts.
Die Daten liegen ungenutzt rum, der Impact aufs Geschäft ist minimal, aber viel Geld wurde verbrannt. Das muss nicht sein. Selbst mit einem relativ simplen, kostengünstigen Analytics Setup können sich beträchtliche Erfolge erzielen lassen. Wichtig ist hierfür in erster Linie eins: das richtige Mindset.
Doch bevor man das richtige Mindset erlangen kann, ist es wichtig zu verstehen, woher der Wunsch, alles zu tracken kommt und warum es schädlich für dein Unternehmen sein kann.
Warum Unternehmen “alles” tracken wollen und warum es schädlich ist
Der Wunsch, alles tracken zu wollen, ergibt oberflächlich betrachtet natürlich Sinn. Man will sein Geschäft voranbringen und steckt entsprechend Geld in neue Tools, in der Hoffnung eine neue Wunderwaffe mit Antworten auf alle Business-Fragen zu haben, die einem gerade unter den Nägeln brennen. Leider funktioniert dies in der Praxis nicht so.
Meist scheitert es an einem – oder mehreren – von vier Gründen:
- Eine schlechte (Unternehmens-) Strategie und fehlende Key Performance Indicator (KPIs)
- Zu viele Nice-to-have oder sogar irrelevante Daten und zu wenige geschäftsrelevante Daten
- Mangelndes Verständnis der Analyse-Tools
- Angst zu wenig zu tracken
Natürlich sind das nicht alle Gründe, aber die, welche wir bei Metrika immer wieder erleben. Darum lohnt es sich, sie einmal genauer zu betrachten.
Fehler #1: Schlechte (Unternehmens-) Strategie und fehlende Kennzahlen (KPIs)
Viel zu oft ist eine schlechte Strategie, entweder für das gesamte Unternehmen oder nur den E-Commerce Bereich, der Grund dafür, alles tracken zu wollen. Denn wo es nur eine unklare, schwammige Strategie gibt, sind Kennzahlen meist komplett abwesend. Ohne diese wird allerdings ein sinnvolles, zielgerichtetes Tracken praktisch unmöglich.
Denn sogenannte Key Performance Indicators (KPIs) sind es, die letztendlich Aufschluss über die Performance des Unternehmens geben. Diese können aber nur definiert werden, wenn klar ist, was überhaupt ein Erfolg für das Unternehmen ist. Eine Wischi-waschi-Strategie wie: „Wir wollen Marktführer werden“ ist zwar nett, aber leider komplett wertlos, ist sie doch viel zu offen, um daraus irgendwelche handfesten Kennzahlen abzuleiten. Geschweige denn überhaupt anhand einer oder mehrerer Kennzahlen definieren zu können, wann genau das Unternehmen denn “Marktführer” ist.
Meist hofft man, dass die erhobenen Zahlen aus den verschiedenen Tools schon irgendwelche Antworten bieten und man sich die anstrengenden strategischen Überlegungen sparen kann. Das ist schlichtweg nicht der Fall.
Zahlen allein können keine Antworten geben, wenn man keine konkreten Fragen an sie stellt. So kann man aus vielen Daten nicht ablesen, wie das Unternehmen sich schlägt, weil man nicht weiß, wonach man sucht.
Fehler #2: Zu viele Nice-to-have Daten, zu wenig geschäftsrelevante Daten
Dieses Problem findet man meist bei Unternehmen, die schon seit längerer Zeit Webanalyse betreiben. Oft ist das Tracking hier über Jahre gewachsen, wurde evtl. von wechselnden Angestellten betreut, so dass sich einiges an Altlasten angesammelt hat.
Das Problem daran? Die meisten erhobenen Daten sind nicht direkt geschäftsrelevant. Statt mit ihnen wichtige Entscheidungen im Tagesgeschäft zu fällen oder strategische Unterstützung zu liefern, liegen die meisten Daten einfach nur ungenutzt herum, „falls man sie mal braucht“.
Hierdurch können diverse unerwünschte Effekte entstehen:
- Das Tracking wird unübersichtlich, wichtige Daten können untergehen, neue Mitarbeiter brauchen eine längere Einarbeitungszeit.
- Es können unnötige Kosten entstehen (z. B. durch Sprengung des Hit-Limits in Google Analytics, den Export in Data Warehouses und ggf. höhere Serverkosten bei z. B. serverside Tagging oder das Date Warehouse)
- Die Genauigkeit der Daten lässt bei großen Datenmengen nach
- Die Webseite wird langsamer durch erhöhtes Tracking-Aufkommen
Durch zu viele Nice-to-have Daten verlieren das Tracking und der Mitarbeiter schnell ihren Fokus. So wird es schnell ineffektiv oder wird im schlimmsten Fall sogar schädlich für das Unternehmen. Der Fokus kann dann auf die falschen Metriken rücken und sogenannten Vanity-Metriken (wie der “Engagement Rate” oder “Time on Site” o. ä.) wird viel zu große Bedeutung zugemessen, während tatsächlich geschäftsrelevante Metriken unter die Räder geraten. Das “Shiny Object Syndrome” lässt grüßen.
Andererseits kann es auch zu einer Analyse-Paralyse führen: Es sind zu viele Daten, um noch sinnvolle Zusammenhänge zwischen ihnen zu erkennen, so dass nichts verändert wird, da man fürchtet, dass sich andere Metriken (die nicht mal unbedingt wichtig sind) negativ entwickeln könnten, da niemand mehr vorhersagen kann, wie sich Veränderungen auswirken.
Fehler #3: Mangelndes Verständnis der Analyse-Tools
Vor allem bei Unternehmen, die gerade in die Datenanalyse einsteigen, fehlt es meist auf allen Ebenen an Expertise, um das Potenzial des neuen Tools richtig einzuschätzen und es dementsprechend zu nutzen. So entsteht ein Szenario wie am Anfang erwähnt: viel Geld für ein Tool rausgeworfen, welches die meiste Zeit ungenutzt bleibt.
Häufig liegt der Fehler in einem Missverständnis, was Analytics-Programme tatsächlich leisten können. Sie sind keine magischen Gegenstände, in die man Daten schüttet und die dann bessere Quartalszahlen ausspucken. In erster Linie dienen sie der Maßnahmenkontrolle: “Was bringen meine Werbeausgaben?”, “Wo gehen Kunden während des Kaufprozesses verloren?”, “Wo könnten weitere ungenutzte Potenziale für Veränderungen liegen” usw.
Diese Insights und noch viele weitere können aus den Zahlen, die ein Analytics-Programm liefert, gewonnen werden, vorausgesetzt, man ist im Unternehmen in der Lage, diese sinnvoll zu interpretieren.
Doch hier fällt das Ganze dann flach: Das ganze Projektbudget wurde in das Tool gesteckt, aber niemand kann damit richtig umgehen. Das Ganze ist so, als würde man sich einen Formel-1-Wagen kaufen und erwarten Rennen zu gewinnen, aber vergessen, dass man nicht einmal Auto fahren kann oder man fährt den Wagen in der Innenstadt.
Fehler #4: Die Angst zu wenig zu Tracken
Es überrascht vermutlich niemanden, dass einer der wichtigsten Gründe für ein ineffizientes Tracking die Angst ist, zu wenig zu tracken. Die Ursachen hierfür sind unterschiedlich. Oft ist die Angst zu wenig zu tracken, ein Symptom eines der oben genannten Gründe, aber nicht immer.
Oft stammt sie aus einer Mischung verschiedener Faktoren unter anderem:
- Ein kleines Analytics Team oder nur eine Person, die für die gesamte Analytics Infrastruktur verantwortlich ist
- Schlecht definierte oder schlecht kommunizierte Anforderungen der unterschiedlichen Abteilungen
- Wenig Fokus: Da keine klar Strategie vorhanden ist, wird auch ohne Fokus versucht zu “optimieren”.
- Wenig Erfahrung in der Datenanalyse
- Wenig Erfahrung mit den verschiedenen Tools
- Resultate aus Maßnahmen sind nicht sofort sichtbar
- Unklarheit darüber, was ganz konkret verbessert werden soll. Es wird nach “irgendwas zum Verbessern” gesucht.
All dies kann bei den Verantwortlichen zu dem Gefühl führen, zu wenig zu tracken und dass evtl. für andere kritische Daten übersehen bzw. nicht getrackt werden. Der daraus resultierende Stress wirkt sich nicht nur negativ auf die verantwortlichen Mitarbeiter aus, sondern führt auch schnell dazu, dass zu viele irrelevante Daten gesammelt werden. Dadurch wird das Tracking wieder langsamer, teurer und unübersichtlicher.
Wie du mit dem richtigen Mindset weniger Daten sammeln musst – und trotzdem besser wirst
Alle oben genannten Probleme, für manche hast du vielleicht sogar schon eine Lösung im Kopf, lassen sich mit dem richtigen Mindset beheben, so dass dein Tracking effizienter wird.
Doch bevor man richtig mit Daten arbeiten kann, müssen zwei Dinge unbedingt verstanden werden:
- Datenanalyse ist kein Allheilmittel für alle Wachstumsprobleme. Es ist ein Tool, welches die Entscheidungsfindung unterstützt und richtig eingesetzt werden muss. Ohne konkrete Fragen, ohne konkrete Entscheidungs-Szenarien bekommt man keine Antworten.
- Datenanalyse ist kein Silo! Um alles aus deinen Daten rauszuholen, muss die Datenanalyse von allen, die Entscheidungen treffen, unterstützt werden und gleichzeitig müssen die Daten von der ganzen Firma genutzt werden können, nicht nur von einem kleinen Team. Idealerweise arbeiten Teams interdisziplinär zusammen, um von den Daten voll zu profitieren.
Wenn dies verstanden ist, kannst du anfangen dein Tracking effizienter zu machen. Das bildet das Fundament dazu, alle oben genannten Probleme zu beheben oder zu vermeiden.
Definiere deine Kennzahlen (KPIs)
Das Fundament eines jeden guten Tracking Konzeptes sind die Kennzahlen. Ohne sie wird, wie bereits anfänglich erwähnt, ein sinnvolles Tracking praktisch unmöglich. Um sinnvolle KPIs zu erarbeiten, müssen sich alle Verantwortlichen zusammensetzen und sich Gedanken machen, welche Daten für sie geschäftskritisch sind und auf deren Grundlage KPIs definieren.
Gerade wenn man dies noch nie gemacht hat, kann der Prozess länger dauern. Und es müssen die richtigen Fragen an die Verantwortlichen im Unternehmen gestellt werden.
Auch wenn man das Gefühl hat, keine Zeit zu haben, sich mit dem Thema zu beschäftigen, muss man sich diese Zeit nehmen, sonst kann man sich das Tracking sparen. Wenn man es einmal richtig gemacht hat, geht es in Zukunft meistens schneller.
Aber wie definiert man jetzt sinnvolle KPIs? Und wie erkennst du, ob du die richtigen ausgewählt hast? Diese Fragen lassen sich pauschal nicht beantworten, da sie stark vom eigenen Unternehmen abhängen. Allgemein lassen sich allerdings ein paar Eckpunkte festlegen, welche immer gleich sind für die Definition von Kennzahlen:
- Klare Ziele setzen.
Was soll erreicht werden? Welche Unternehmensaspekte sind die wichtigsten? - Stakeholder identifizieren.
Welche Gruppen oder Organisationen haben ein Interesse am Unternehmen? Was sind ihre Ziele? - KPIs sauber definieren.
Sie sollten immer messbar, relevant, erreichbar, spezifisch und zeitbezogen sein, Verhältniszahlen (z. B. Umsatz pro User) sind hierbei oftmals besser als absolute Zahlen (z. B. Umsatz) - Halte die Zahl der KPIs klein.
Zu viele KPIs sind nicht zielführend, meist sind zwischen drei und sechs KPIs ideal, mehr als zehn sollten es nicht werden.
Wenn die (strategischen) Kennzahlen einmal stehen, gilt es, diese regelmäßig zu überprüfen und anzupassen. Im Idealfall tut man dies alle vier bis sechs Monate. Hierbei sollte dann geprüft werden, ob die Ziele erreicht wurden und wenn nein, warum nicht.
Außerdem sollte geprüft werden, ob die KPIs nach wie vor valide sind oder ob andere inzwischen sinnvoller geworden sind. Mit einer regelmäßigen Prüfung lassen sich auch Fehler in der ursprünglichen KPI-Definition ausbügeln.
Wohl gemerkt: Hier wird speziell von strategischen Kennzahlen gesprochen, nicht von taktischen, wie dem Return on Ad Spend (ROAS), der sich beispielsweise für die Auswertung einer Kampagne nutzen lässt.
Fokussiere dich auf die wichtigen Daten
Um zu vermeiden, dass dein Tracking von zu vielen Nice-to-have-Daten überflutet wird, ist es wichtig, sich auf die wichtigen Daten zu fokussieren. Das sind all jene Daten, aus denen sich deine KPIs zusammensetzen und solche, die du regelmäßig zur Entscheidungsfindung brauchst.
Stelle dir außerdem, bevor du etwas Neues in dein Tracking implementierst, immer die Frage: „Was will ich damit entscheiden?“. Solltest du auf diese Frage keine konkrete Antwort haben, ist es in erster Linie überflüssig und du kannst dir den Implementierungsaufwand sparen, denn Daten sind kein Selbstzweck.
Es lohnt sich ebenfalls regelmäßig, z. B. einmal pro Jahr, vom Tracking Inventur zu nehmen und Tags zu pausieren bzw. zu löschen, deren Daten nicht genutzt werden. Auf diese Weise kann man sicherstellen, dass das Tracking schnell bleibt und nicht „vermüllt“.
Baue dein Tracking zusammen mit deiner Expertise auf
Datenanalyse und das mit ihr verbundene Tracking sind sehr komplexe Felder und es braucht Zeit, darin wirklich gut zu werden. Dementsprechend ist es am besten, wenn ein Unternehmen zusammen mit seinem Tracking wächst und es ausbaut, während man Expertise aufbaut. Dies gilt für alle Bereiche des Unternehmens, nicht nur für die Analysten.
In der Realität ist es allerdings oft der Fall, dass ein Bereich – i. d. R. das Tracking-Tool – stärker ausgebaut wird als der Rest oder Teile des Unternehmens nicht mitziehen, so dass gar nicht verstanden werden kann (oder will) was mit Datenanalyse eigentlich möglich ist und was eben nicht.
Dem ganzen kann man allerdings in gewisser Weise vorbeugen, indem man:
- Mit einem kleinen Analytics-Setup beginnt
- Die Mitarbeiter entsprechend intensiv schult, dass sie richtig mit den Programmen umgehen können. Hierbei können wir euch tatkräftig unterstützen!
- Sicherstellt, dass die IT genügend Ressourcen hat, um die Anforderungen umzusetzen. Und diese auch schonen nutzen, indem du z. B. mit Profis arbeitest, die genau wissen, wie eine Anforderung in puncto Analytics-Setup an die IT gegeben werden muss.
- In der Chefetage mitspielt und die gesammelten Daten bei Entscheidungen berücksichtigt werden, statt nach dem HIPPO-Prinzip zu entscheiden
- Sich zusätzliche Sparringspartner an Board holt, um eine Außensicht auf die Dinge zu bekommen.
Schlechte Kommunikation beenden
Wie schon weiter oben gesagt, darf Datenanalyse kein Silo sein, jeder im Unternehmen sollte in der Lage sein, von seinen gesammelten Daten zu profitieren. Hierzu ist vor allem eines wichtig: eine klare Kommunikation zwischen den verschiedenen Abteilungen.
Die einzelnen Abteilungen müssen sich hierfür im Klaren sein, welche Daten sie wirklich brauchen und dies dann entsprechend klar kommunizieren, damit dies umgesetzt werden kann und nicht die Angst entsteht, zu wenig zu tracken. Gleichzeitig müssen die Datenanalysten die Möglichkeit haben, Anforderungen zu hinterfragen, um sicherzustellen, dass nicht unnötige Daten erhoben werden.
Die 6 Schlüsselaspekte für ein besseres Tracking-Mindset
Du siehst, es gibt viele Punkte, an denen dein Tracking ineffizient werden kann, vielleicht hast du dein Unternehmen vielleicht auch an der ein oder anderen Stelle wiedergefunden. Damit das nicht passiert ist es wichtig sich immer an folgende Punkte zu halten:
- Definiere deine KPIs und verliere sie nicht aus dem Fokus, prüfe regelmäßig ob sie noch valide sind.
- Tracke zielgerichtet: Frage dich immer, bevor du etwas trackst: Was will ich mit diesen Daten entscheiden?
- Tracke nur, was du grade für dein Unternehmen brauchst, halte dein Tracking sauber und miste regelmäßig aus.
- Baue dein Tracking zusammen mit deiner Expertise auf, ein gutes Tool ersetzt keine Erfahrung, darum überstürze nichts.
- Sorge für eine klare Kommunikation im Unternehmen, um zu verstehen was getrackt werden muss, breche Silos auf.
- Daten sind kein Allheilmittel und kein Selbstzweck, sie unterstützen Entscheidungen, nehmen sie dir aber nicht ab.
Wenn du dich an diese Punkte hältst, kannst du auch mit wenig Tracking schon viel bewirken.
Du brauchst noch mehr Hilfe mit deiner Datenanalyse, möchtest mit den richtig und seriös erhobenen Daten deinen Geschäftserfolg beschleunigen oder wünschst dir einfach fachgerechte Unterstützung? Dann lass uns schauen, wie wir euch im Geschäft erfolgreicher machen und euer Online-Wachstum beschleunigen können. Hole dir am besten noch heute einen Termin für dein kostenloses Erstgespräch!
Jetzt mit uns zu einem besseren Tracking
Er bloggte zu allen Themen rund um Webanalyse und Online-Marketing, wenn er nicht grade unterwegs ist oder Zeit mit Freunden und Familie verbringt.
Passend zum Thema:
Jetzt zum Google Analytics “Global Site Tag” (gtag.js) wechseln?
Die Sendung mit der Metrik #119 “Die effektive Verzahnung von Tracking und operativer Ebene”
Die Sendung mit der Metrik #24: “Wie funktioniert Webanalyse-Tracking”
Aufpassen! Falsche Optionswahl zur “Datenaufbewahrung” in Google Analytics verhindert sinnvolle Analysen!
