Heimlich still und leise hat sich in Google Analytics ein neues Feature mit E-Commerce-Relevanz eingenistet. Es findet sich im Bereich Zielgruppe > Verhalten und heißt “Sitzungsqualität”.
Hier geht’s zum Report “Sitzungsqualität”
Dabei handelt es sich um ein neues Feature aus dem Machine-Learning-Park von Google und soll die Wahrscheinlichkeit einer Conversion – im Moment nur E-Commerce-Transaktionen – bei einer Sitzung bewerten. Aufgepasst: Sitzung, nicht Nutzer! Aufgepasst 2: Nach wie vor im Beta-Stadium, was bedeuten dürfte, dass Google zwar der Ansicht ist, es auf die Nutzerschaft loslassen zu können, aber möglicherweise ändern sich noch “Dinge”.
Die Sitzungsqualität bildet sich dabei als ganzzahliger Wert von 1 bis 100 ab. Wobei eine “1” bedeutet, dass in der Session höchstwahrscheinlich kein Umsatz gemacht wird. Eine 100 hingegen deutet auf eine recht hohe Conversion-Wahrscheinlichkeit hin. Natürlich ist aber auch eine 100 keine absolute Sicherheit. Denn es handelt sich dabei immer noch um einen – zwar durch super fancy machine learning recherchierten, aber nach wie vor vorhersagenden – Schätzwert, allerdings kann die Funktion trotzdem in vielerlei Hinsicht interessant werden.
Im Video zeige ich euch in Google Analytics, was euch erwartet. Und unten geht’s mit dem Blogpost weiter.
Voraussetzung
Nicht in jedem Konto werden diese Sitzungsqualitäts-Daten angezeigt. Voraussetzung dafür sind mindestens 1000 E-Commerce-Transaktionen im Monat und darüber hinaus 30 Tage durchgehend Datenzufluss. So schreibt es Google zumindest auf seiner Hilfe-Seite. Da wird es für viele kleine und mittlere Unternehmen häufig schon sehr eng. Aber vermutlich braucht Google diese Anzahl Daten, um seinen Machine Learning Algorithmus ordentlich damit zu füttern. Weniger Conversions würden wohl zu einer deutlich höheren Ungenauigkeit der Schätzung führen – und damit natürlich unpraktikabel werden.
Die Berichte
In der Übersicht findet sich im oberen Bereich eine Staffelung der verschiedenen Qualitätsindizes, die gegen die Sitzungen, Sitzungen mit und Sitzungen ohne Transaktionen aufgetragen werden.
Die Staffelung lässt sich aufklappen, um die granularen Informationen darunter anzuzeigen, Wobei ich der Meinung bin, dass diese Staffelung für einen ersten Blick schon sehr gut geeignet ist. Denn wer will schon wissen, ob jetzt eine einen Punkt höhere Sitzungsqualität erzielt wurde oder nicht. Es geht dabei, auch weil es eine Schätzung ist, eher um eine Tendenz.
Der darunter liegende Bericht zeigt, wie in vielen Analytics-Berichten üblich, verschiedene Metriken aus den Bereichen Akquisition, Verhalten, Conversions. Sitzungsqualität ist hierbei ein Bestandteil in “Verhalten”. So ist das natürlich möglich hier verschiedene Anomalien zu entdecken und mit Sitzungsqualität gegebenenfalls in Verbindung zu bringen.
Aufgetragen werden die Metriken hier gegen die Default Channels, die sich meines Wissens auch nicht verändern lassen, zum Beispiel gegen benutzerdefinierte Channels. Das ist natürlich sehr schade, denn gerade in der Spezialisierung der Channels liegt häufig noch ein großes Plus in der Analyse.
Die Metrik “durchschnittliche Sitzungsqualität” fügt sich in die anderen Verhaltensmetriken ein.
Strategische Möglichkeiten
Segmentierung
Für tiefer gehende Analysen ist es immer nötig, zu segmentieren. Dies kann jetzt in diesen Berichten oder mithilfe der dort vorhandenen Informationen auf mindestens vier Arten geschehen.
- Entweder man bedient sich in den Sitzungsqualitäts-Berichten der “normalen” benutzerdefinierten Segmente, die ohnehin in beinahe jedem Analytics Bericht verfügbar sind. Diese lassen die Berichte in den Sitzungsqualitätsreports weiter untergliedern. So wie hier im Beispiel etwa mit den Geräteklassen.
Segmentierung der Sitzungsqualität, z. B. nach Geräteklassen
- … oder man bildet Segmente, aus den zur Verfügung gestellten Sitzungsqualitäts-Staffelungen. Dafür muss einfach auf das Segment-Zeichen neben der Zahl der Sitzungsqqualität geklickt werden.
Mit einem Klick auf das Symbol …
Segment-Namen eingeben, Fertig.
… und der Eingabe eines Segment-Namens ist man schon fertig.
Fortan können auch in anderen Berichten die verschiedenen Dimensionen und Metriken untergliedert werden.
- Die dritte Möglichkeit ist das Erstellen eigener benutzerdefinierter Segmente, denn die quasi automatische Segmentierung wie in 2. hat einen gravierenden Nachteil: Kaufende und Nicht-Kaufende befinden sich im gleichen Segment. Für bestimmte Maßnahmen und Analysen ist es aber zum Beispiel praktikabler, nur “Nicht-Kaufende” zu betrachten. (s. “Erstellen eines benutzerdefinierten Segmentes”)
- Nummer vier: sekundäre Dimensionen nutzen
Im unteren Bericht ergibt sich die Möglichkeit,die primäre Dimension mithilfe der sekundären Dimension weiter aufzuschlüsseln, um weitere Erkenntnisse zum Beispiel zur Benutzergruppe zu sammeln.
Mit einer sekundären Dimension mehr Durchblick schaffen.
Erstellen eines benutzerdefinierten Segmentes
Wer beispielsweise ein benutzerdefiniertes Segment anlegen möchte, das “Nicht-Käufer” und eine “hohe Sitzungsqualität” > 50 berücksichtigt, kann das recht einfach machen.
Einfach ein neues benutzerdefiniertes Segment anlegen, Namen angeben und folgende Bedingungen einbinden:
- “Sitzungen einschließen” (alternativ geht auch “Nutzer”, dann stehen die Daten allerdings nur 90 Tage rückwirkend zur Verfügung)
- “Sitzungsqualität” “>” “50” (oder der Wert, den du möchtest)
- “Transaktionen” “pro Sitzung” “=” “0”
Die Konfiguration eines benutzerdefinierten Segmentes, das “Sitzungsqualität” und gleichzeitig “Transaktionen” berücksichtigt, ist nicht schwer.
Natürlich lassen sich hier beliebige Kombinationen bilden. Doch ich glaube, diese Gruppe bietet einen deutlichen Vorteil (s. Remarketing weiter unten).
Nutzen
Natürlich ist es hilfreich zu erfahren, ob Besucher zu einer Gruppe gehören, die eine höhere Conversion-Wahrscheinlichkeit aufweisen. Der Vorteil liegt auf der Hand: Diese Gruppen können auf der einen Seite näher untersucht werden (Woher kommen sie? Wie verhalten sie sich? Wie viel kaufen sie? You name it.), auf der anderen lassen sie sich durch die Segmentierung gezielt wieder ansprechen.
Remarketing mit AdWords
Eben diese gezielte Ansprache von Conversion-relevanten Benutzergruppen wird zum Beispiel durch das Remarketing in Google AdWords bedient. Ein großer Vorteil zeigt sich dementsprechend immer wieder im Zusammenspiel zwischen AdWords und Google Analytics. Denn das AdWords-System kann beispielsweise auf erstellte Segmente in Analytics zugreifen und entsprechende Nutzer auf Remarketing-Listen setzen, die wiederum dann durch spezielle Anzeigen angesprochen werden können.
Dadurch, dass wir auf verschiedene Arten Segmente mit Personen einer gewissen Sitzungsqualität erstellen können (s. oben), sind wir nun in der Lage, diejenigen anzuschreiben, die uns ohne Kauf wieder verlassen haben, aber grundsätzlich spannende Kandidaten wären.
Konzentration auf wesentliche Kanäle
In der Übersicht des Sitzungsqualitätsberichtes konntet ihr schon sehen, dass dort nach Kanälen differenziert wird. Wer also nicht nur wissen will, ob Besucher von dort kommen oder wie oft diese zu Käufern werden (= Conversion Rate), sollte sich mit der Sitzungsqualität beschäftigen. Auch wenn wir natürlich nicht hinter die Berechnung derselben schauen können (ist ja keine einfache Formel, sondern ein lernendes System), können wir natürlich trotzdem versuchen, entsprechende Besuchergruppen am Ende zu tatsächlichen Käufern zu machen.
Testing hilft
Im Konglomerat der vielen Tools hat Google Analytics natürlich mit “Optimize” einen schweren Pfeil im Köcher. Denn die gebildeten Segmente können obendrein an das Testing-Tool Optimize als “Audience” übergeben und die Besucher der Gruppe mit speziellen Modifikationen an der Seite angesprochen werden. So lässt sich herausfinden, ob sich bestimmte sogar eher zum Abschluss bringen lassen.
Mein Fazit
Eine super Sache, diese “Sitzungsqualität”. Sie bietet einen weiteren Hebel zur Interpretation von Besucherverhalten und ertragsgesteuerten Veränderungen an der Website oder im Marketing. Das sollte jedem Analysten einen Blick wert sein, denn sie bietet genau das, was Webanalyse ausmacht: Einen Blick auf die Daten im Hinblick auf Zielerreichungen (im E-Commerce).
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
