Ziele

• Ab jetzt können bis zu 20 Ziele pro Profil überwacht werden (anstatt bisher 4)
• Außerdem können die Metriken “Besuchszeit auf der Seite” und “Seiten / Zugriff” in Zielen verwendet werden.

Mobile Tracking

• Jetzt können auch Webseiten-Zugriffe von mobilen Geräten getrackt werden, die kein Javascript unterstützen (!). Dazu stellt Google einige Code Snippets für ASP, JSP, PHP und Perl bereit, die auf dem eigenen Server eingebunden werden müssen.
• Tracking von Android- und iPhone Anwendungen (!) mittels Google Analytics for Mobile Apps SDK

Erweiterte Filter

Auf dieses Feature habe ich wirklich gewartet. Wer kennt es nicht: ewig lange Tabellen mit tausenden von Keywords. Wollte man diese Tabelle nun beispielsweise nach der Absprungrate sortieren, so hatte man bisher immer das Problem, dass Keywords die nur wenige Besucher auf die Seite brachten keine aussagekräftige Daten hatten aber die Tabelle “zumüllten”.

So hatte man dann etwa 100e Keywords mit einer Absprungrate von 100% auf den vorderen Plätzen, die jeweils nur einen einzigen Besucher brachten. Durch erweiterte Filter ist das nun vorbei! So kann man z.B. nur Datensätze anzeigen lassen, die mindestens 50 Besucher im Berichtszeitraum gebracht haben. Super! Beispielvideo

Mehrere Benutzerdefinierte Segmente

Auch das ist ein Feature, das ich bisher schmerzlich vermisst habe. Bisher konnte man mittels _setVar(‘xxx’) eigene Benutzersegmente erstellen. Allerdings konnte jeder Besucher nur maximal einem Segment zugewiesen werden. Hatte man beispielsweise seine Segmente in “Interessent” und “Kunde”  aufgeteilt, so konnte man keine Segmente “Mann” und “Frau” mehr benutzen, da jeweils eines der Segmente gespeichert wurde.

Jetzt ist es nicht nur möglich unterschiedliche “Benutzervariablen” zu definieren, sondern diese auch noch in unterschiedlichen Gültigkeitesbereiche zu gruppieren:

• Visitor Scope
  Gültig für den Besucher
  Hier können Variablen definiert werden, wie Membership (“Premium”, “Standard”, “not-registered”) oder demographische Daten (geclustered) wie Alter, Geschlecht, Einkommen (sofern diese von der Seite erhoben werden, etwa beim Registrieren)
• Session Scope
  Gültig für die aktuelle Session (=Besuch)
  Hier kann man Werte speichern, die mit dem Verhalten des Besuchers innerhalb der aktuellen Session zu tun haben. z.B: “Hat einen Kommentar geschrieben”, “Hat Rubrik xxx angeschaut”
• Page Scope
  Gültig für die aktuelle Seite
  Damit kann man nun das genaue Verhalten des Benutzers auf einer Seite analysieren. z.B: “hat auf Bild x geklickt”, “hat Video abgespielt”, “hat Formularfeld ausgefüllt”, etc.
  Dieser Scope ist vor allem dann interessant, wenn man gezielt einzelne Landingpages optimieren möchte.

Benutzerdefinierte Reporte

Bei den benutzerdefinierten Reporten gibt es gleich zwei neue Features:

• Sharing: Einen benutzerdefinierten Report kann man nun problemlos an andere Leute per Email senden, die ebenfalls einen Google Analytics Account haben (diese müssen aber keinen Zugriff auf das aktuelle Profil besitzen)
• Die Sichtbarkeit den erweiterten Segmente und benutzerdefinierten Berichten können nun auf einzelne Profile beschränkt werden.

Analytics Intelligence

Dieses Feature ist mein neues Lieblingsfeature: Durch Analytics Intelligence werden automatisch ungewöhnliche Ausschläge erkannt und als “Alert” markiert. Wie hoch ein Ausschlag sein muss, damit er von Google Analytics als Alert angezeigt wird kann man durch einen Regler einstellen.

Zusätzlich zu den automatischen Alerts können auch benutzerdefinierte Alerts erzeugt werden – und das ist mal wirklich ein Killerfeature! So kann ich beispielsweise einen benutzerdefinierten Alert erzeugen, der mich (auf Wunsch per Email) benachrichtigt wenn die Conversion Rate von Besuchern, die von einer Bannerkampagne kommen, unter 10% sinkt.

Oder einen Alert, wenn meine Besuchszahlen um 20% (im Vergleich zum Vortrag, zur Vorwoche, etc.) gesunken sind. Oder mein E-Commerce Umsatz plötzlich gesunken ist. Oder, oder, oder. Das ist DAS Feature für alle Analytics Muffel, die sich nur unregelmäßig in Ihren Account einloggen aber trotzdem über alle kritischen KPIs überwachen möchten. Gerade wenn man mehrere Projekte überwachen will, ist dieses Feature unglaublich hilfreich. Beispielvideo

Analytics Intelligence ist noch nicht in jedem Analytics Konto verfügbar, wird aber in den nächsten Wochen freigeschaltet.

Mehr darüber gibt’s wie immer auch bei Timo Aden, Frank Reese, und sicherlich auch im nächsten Mole2 Webanalytics Podcast

Videos

Erweiterte Filterung

Alerts

Die Definition eines Warenkorblegers frei nach Reese:

Ein Besucher, der mindestens einen Artikel in den Warenkorb legt, den Bestellvorgang antritt aber nicht abschließt.

Diese Definition bezeichnet eine sehr interessante Besuchergruppe eines Onlineshops. Kennzahlen, auf der diese Segmentierung basiert hat Kaushik Mitte 2006 behandelt:

Site Abandonment Rate = 1 - (alle Bestellungen / alle Clicks auf "In den Warenkorb legen")

Damit wird die Abbruchrate aller Bestellung ab Platzierung eines Produkts im Warenkorb ermittelt. Nun könnte man denken, man hätte alles notwendige behandelt. Dem ist aber nicht so – wie auch Reese anmerkt, gibt es heute noch viele Online Shops, bei denen der Bezahlvorgang Prozess nicht unmittelbar nach dem Hinzufügen eines Produkts in den Warenkorb angestoßen wird – d.h. es befindet sich zwar ein Produkt im Warenkorb, aber der Besucher muss erst noch einen “zur Kasse” Button suchen um den Bezahlvorgang anzustoßen. Dass dieses Verhalten der Converisonrate nicht gerade zu Gute kommt, dürfte jedem klar sein.

Daher werden neben der Site Abandonment Rate weitere Kennzahlen benötigt:

Cart Abandonment Rate (in percent terms) = [1 – (the total number of people who start checkout divided by the total number of add to cart clicks)].

auf Deutsch: 1 – Alle Besucher, die den Bezahlvorgang angestoßen haben, aber nicht beendet haben – geteilt durch alle Clicks auf den “in den Warenkorb legen” Button. Eine Cart Abandonment Rate von 50% besagt also, dass 5 von 10 Besuchern, die ein Produkt in den Warenkorb gelegt haben nicht einmal den Bezahlvorgang angestoßen haben.

Checkout Abandonment Rate (in percent terms) = [1 – (the total number of people who complete checkout divided by the total number of people who start checkout)].

Bezahlvorgang-Abbruchrate – auf deutsch: 1 – Die Anzahl der Besucher, die den Bezahlvorgang erfolgreich abgeschlossen haben, geteilt durch die Anzahl der Besucher, die den Bezahlvorgang gestartet haben. Eine Checkout Abandonment Rate von 20% besagt also, dass 2 von 10 die Artikel im Warenkorb bezahlen wollten, aber den Vorgang dann doch abgebrochen haben.

Rechenbeispiel

Site Abandonment Rate = 1 – 40 / 100 = 60%
Cart Abandonment Rate = 1 – 50 / 100 = 50%
Checkout Abandonment Rate = 1 – 40 / 50 = 20%

Und als Bonus : good old Conversion Rate = 40 / 1000 = 4%

Was können wir aus diesen Kennzahlen ableiten?

60% aller Warenkörbe werden “stehen gelassen” – das sollte man sich mal in einem gewöhnlichem Kaufhaus vorstellen. Nur 40% aller Warenkörbe verlassen auch wirklich den OnlineShop. Wo gehen die restlichen verloren?

50% aller Besucher möchten den Bezahlvorgang nicht einmal starten, und von den übrig gebliebenen Besuchern brechen noch einmal 20% während des Vorgangs ab – laut einer Umfrage von comscore und Paypal, auf die ich via Webanalyics News und Anil Batra gestoßen bin, geben diese Warenkorbleger folgende Gründe für den Abbruch des Bestellvorgangs an:

• 43%: Versandkosten zu hoch
• 36%: Gesamtkosten höher als erwartet
• 27%: Besucher will den Shop vor dem Kauf noch mit einer anderen Webseite vergleichen
• 16%: Kundensupport war für Nachfragen nicht erreichbar
• 14%: Zugangsdaten zum Shop vergessen

Anhand dieser Zahlen können einige Testläufe starten, etwa versandkostenfreie Lieferung oder Telefonsupport während des Bestellvorgangs anbieten.

Die Optimierung des Bestellprozesses ist wichtig und hat oft sehr viel Potential – Kaufinteresse hat der Besucher ja spätestens beim Hinzufügen eines Produkts in den Warenkorb bekundigt. Um hier Potentiale zu entdecken können die vorgestellten Kennzahlen sehr hilfreich sein.

MarketLive hat in seiner Performance Index Studie Volume 4 typische Werte für diese und weitere Kenngrößen veröffentlicht. Unter anderem die durchschnittliche Cart Abandonment Rate*: 59,43 % und die durchschnittliche Conversion Rate: 3,96% und Bounce Rate (“1-and-out”): 39,15%

Aktueller Entwicklungsstand

Piwik befindet sich zum aktuellen Zeitpunkt in Version 0.2.2 – eine recht frühe Betaversion die sich für den produktiven Einsatz noch nicht eignet. Das erste Major Release ist für das erste Quartal 2009 geplant – in gut einem halben Jahr könnte eine echte kostenlose Alternative zu Google Analytics stehen!

Installation

Der offensichtlichste Vorteil von Piwik gegenüber Google Analytics ist die Datenhaltung: Während viele Unternehmen davor scheuen alle gespeicherten Daten bei Google zu speichern (oder eine legt Piwik Trackingdaten auf dem eigenen Weberver ab – kein Dritter bekommt Zugang, sofern nicht gewünscht.

Piwiks Anforderungen an den Webserver sind recht gering:

• PHP 5.1
  • 128 MB zugewiesener Arbeitsspeicher
  • PDO
• MySQL 5.0
• Apache 2 (IIS noch buggy)

Die Installation mittels Weboberfläche geht recht zügig, 8 simple Schritte und Piwik ist startbereit! Anschließend wird wie üblich der Tracking Code auf der zu überwachenden Webseite eingebunden: Bei Piwik handelt es sich um JavaScript Code + Zählpixel (momentan ist noch ein versteckter Link zur Piwik Webseite eingebaut, das wird sich Google wohl nicht lange gefallen lassen).

Funktionsweise

Piwik legt alle Trackingdaten zunächst im Rohformat ab – beim Login eines Benutzers werden diese dann verarbeitet. Zugriff bekommt man über eine Weboberfläche – es gibt einen Superuser Account, mit dem man Accounts verwalten, Plugins installieren und Webseiten verwalten kann.

Grafische Oberfläche

Die grafische Oberfläche sieht zunächst einmal sehr schick aus: Flash Charts wie man sie u.a. von Google Analytics kennt, ein frei gestaltbares Dashboard für jeden Benutzer. Alle Kennzahlen werden mittels Widgets angezeigt – zunächst nur in tabellarische Form – durch einen Click auf darunterliegende Icons werden diese aber als hübsche Balkendiagramme, Tortendiagramme oder Tagclouds (!) dargestellt.
Diese Diagramme lassen sich auch auf externen Webseiten anzeigen – sollten Sie wenigstens, momentan funktioniert das leider noch nicht richtig, zumindest wenn man nicht gleichzeitig eingeloggt ist – und dann verliert dieses Feature wieder an Sinn.

Im Hintergrund werden fleißig Ajax Requests mittels jQuery gesendet – das hat zur Folge, dass nur die benötigten Bereiche neugeladen werden und nicht die komplette Seite aktualisiert werden muss. Leider ist das ganze noch ein wenig fehleranfällig, das wird sich bis zur Version 1.0 aber sicherlich legen.

Kennzahlen

Die bisherigen Auswertungen von Piwik sind noch eher dünn und unterteilen sich wie folgt:

• Visitors
  • Allgemein (Besucher, Besuche, Pageviews)
  • Browsereinstellungen
  • Datum / Zeit (inkl. Besuchsdauer)
  • Frequency / Loyality
• Actions
  • Seiten
  • Ausgehende Links
  • Downloads
• Referers
  • Entwicklung
  • Suchmaschinen & Keywords
  • Webseiten
  • Kampagnen
  • Partner

Zunächst ist das natürlich erstmal recht dünn – Piwik liefert kaum mehr Daten als freie OnlineCounter oder Logfile Analysen à la AWStats.

Trends & Vergleiche

Bisher gibt es in der grafischen Oberfläche keine Möglichkeiten die verschiedenen Kennzahlen zu vergleichen – ich kann mir immer nur den zeitlichen Verlauf einer einzigen Kennzahl anschauen. Weder die Gegenüberstellung mit anderen Kennzahlen noch Vergleiche über verschiedene Zeiträume sind möglich. Das ist natürlich sehr schade und ein wirklich großer Nachteil, den es zu beheben gilt.

Datenexport

Vorbildlich ist der Zugriff auf die gesammelten Daten möglich: Über die integrierte API sind so gut wie alle gesammelten Daten zugänglich und können in die Formate XML, JSON, CSV, HTML, PHP und RSS exportiert werden.

Erweiterbarkeit

Piwik ist vollständig durch Plugins erweiterbar! Die Entwickler haben sich am Plugin System von Wordpress orientiert, mittels Hooks lassen sich sowohl das Sammeln der Rohdaten, die grafische Oberfläche als auch die API erweitern.
Bei einer gut motiviert Community kann man sich auf recht viele interessante Plugins freuen: Ideen gibt es bereits, hier einige Vorschläge aus der Community:

• Visualisierung der geographischen Besucherherkunft mit Google Maps (ha!)
• Messen von User Engagement
• E-Mail Reports
• Live-Tracking für Besucher
• Integration in Wordpress

Diese offene Plugin Schnittstelle halte ich für die größte Stärke von Piwik – neben einer großen Pluginvielfalt kann man auch individuelle Plugins anfertigen – oder anpassen.

Ausblick

Neben den genannten Erweiterungen ist ein Plugin zur Definition von Zielen für spätere Versionen geplant, die Dokumentation - sowohl für Anwender als auch Entwickler wird stark ausgebaut. Die Lokalisierung in verschiedene Sprachen ist schon weit fortgeschritten, so steht Piwik bald in vielen Sprachen zu Verfügung (darunter auch deutsch).

Fazit

Piwik macht einen recht guten, aber dennoch sehr frühen Eindruck. Bis zur vollwertigen Analytics Lösung muss noch viel Arbeit geleistet werden, hier hängt Google Analytics die Latte natürlich sehr hoch. Trotzdem kann man Piwik im Auge behalten, derzeit werden von mehreren Unternehmen Programmierer eingestellt um die Entwicklung vorranzutreiben. Momentan reicht es noch nicht für den produktiven Einsatz, aber möglicherweiße in einigen Monaten – mit Blick auf die Roadmap sieht die geplante erste stabile Version jedoch immer noch recht blass aus. Bis Piwik einen ähnlichen Funktionsumfang erreicht wie Google Analytics ihn bereits heute bietet dürften noch mehrere Monate vergehen.

Ich bin mir derzeit noch nicht wirklich sicher, ob die Entwickler hinter Piwik wissen worauf es ankommt – Project Manager Matthieu war schon Chefentwickler von phpMyVisites – Web Statistics und nicht Web Analytics – das sieht man Piwik derzeit noch an.

Ich halte Piwik bisher auf jeden Fall für keine gute Alternative – auch wenn Größen wie ReadWriteWeb das anders sehen. Derzeit kostet vernünftige Web Analytics Software eben – Daten oder Geld.

Weiterführende Links

• Piwik Homepage
• Piwik Live Demo
• Pixelfolk: Piwik – Ausführliche Besucherstatistiken
• Piwik Wordpress Plugin

Eric T. Peterson, Autor von mehreren Web Analytics Büchern wie “Web Analytics Demystified” und dem gleichnamigen Webanalytics Blog hat vor einigen Monaten diesen neuen KPI vorgestellt, was ordentlichen Wirbel unter den Webanalytics verursachte. Nach konstruktiver Kritik und einigem Linkbaiting kam ein Modell heraus, dass bei Online Communities sehr hilfreich sein kann:

Mögliche Indikatoren für hohes Benutzer Engagement sind:

• Es handelt sich um einen wiederkehrenden Besucher
• Der Besucher greift auf definierte, wichtige Inhalte zu
• Der Besucher besucht die Seite wiederholt in definierten Zeitabständen
• Der Besucher abonniert einen Feed
• Ein hoher Anteil der Besuche weisen eine lange Besuchsdauer auf

Die Definition des KPIs Engagement laut Peterson:

Engagement is an estimate of the degree and depth of visitor interaction on the site against a clearly defined set of goals.

Diese Definition und die daraus folgende Berechnung ist schon etwas komplexer als KPIs wie “Kosten pro Besuch” oder “PIs / Besuch” – trotzdem recht einfach umzusetzen.

Das Problem bei dieser Definition liegt in der individuellen Zielfestlegung: Während bei einem Blog z.B. das Abonnement des RSS-Feeds und das Schreiben von Kommentaren als wichtige Engagement-Indikatoren gelten, ist bei Videoportalen das Hochladen eines Videos beispielsweise von weitaus höherem Stellenwert. Daraus folgt, dass die Engagement Zahlen verschiedener Webseiten keinen sinnvollen Vergleich zulassen.

Details zu Berechnung findet man direkt bei Peterson: How to measure visitor engagement, redux.

Wo macht User Engagement als KPI Sinn?

Das Messen von Benutzer Engagement wird sehr schwer, wenn man kein Benutzersystem besitzt sondern nur Besucher misst. Benutzer unterscheiden sich von Besuchern, in dem man sie durch einen Anmeldevorgang eindeutig identifizieren kann, etwa durch Eingabe von Benutzername und Passwort oder Aufrufen einer personalisierten URL.

Das Messen von Engagement ist vor allem in Communities interessant, bei der die Attraktivität des Projekts nicht (nur) durch redaktionelle Arbeit bestimmt wird, sondern vor allem durch Mitarbeit der Besucher – eben typischen Web 2.0 Projekten.

Auch in Weblogs kann Besucherengagement eine interessante KPI sein, hier lassen sich aber durch einfach zu erfassende Kennzahlen wie Kommentare / Besucher ähnlich verwertbare Daten ermitteln.

Bei AdWords gibt es von Haus aus das integrierte Conversion Tracking, für Affiliates ist das allerdings in den meisten Fällen ungenügend, und das gleich in mehrerer Hinsicht:

1.) Einbau des JavaScript Codes auf “Danke-Seite”

Das ist in vielen Fällen nicht möglich, da die Conversion ja nicht auf unserer Seite stattfindet, sondern beim Merchant. Für uns ist ein Klick auf einen Partnerlink eine potentielle Conversion – das ist alles, was wir tracken können. Mit dem AdWords Conversion Tracking ist es leider nicht möglich, Klicks auf Links zu tracken – höchtstens wir leiten den Klick zunächst über weitere Seite von uns, z.B.

2.) Unterschiedliche Zielwerte

Auf typischen Landingpages gibt es nicht nur einen potentiellen Partner – wenn der Besucher z.B. sich doch nicht für den Bausparvertrag interessiert, könnten wir ihm innernoch einen Billigkredit von easyCredit andrehen. Eine Conversion für einen Bausparvertrag wäre uns aber sicherlich lieber, da wir eine höhere Provision ausbezahlt bekommen. Beim AdWords Conversion Tracking ist es nicht möglich, unterschiedliche Zielwerte für die Conversions anzugeben – damit ist es nahezu nutzlos, sobald mehrere Ziele mit unterschiedlichen Zielwerten existieren.

Google Analytics – E-Commerce Tracking

Über die Vor- und Nachteile von Google Analytics als Trackingsoftware will ich jetzt und hier nicht streiten, gerade für Anfänger im Affiliate Marketing und in Verbindung mit Google AdWords halte ich es für eine durchaus gute Lösung.

Beim E-Commerce Tracking von Analytics kann man unterschiedliche Produkte und Transaktionen tracken. Als Affiliate haben wir natürlich das Problem, dass der eigentliche Sale oder der Lead nicht bei uns auf der Seite stattfindet, sondern beim Werbepartner. Wir können wie oben erwähnt also nur den Click auf den Partnerlink tracken.

Was für ein Wert, hat ein Klick auf den Partnerlink? Den exakten Wert können wir kaum bestimmen, das ist einfach nicht möglich sobald man per Lead oder Sale bezahlt wird. Aber: Wir können den durchschnittlichen Wert ermitteln, den die bisherigen Clicks auf einen Partnerlink hatten.

Hier gilt das Gesetz der großen Zahlen: Je mehr Clicks wir bisher hatten, desto genauer wird der ermittelte Durchschnittswert. Wichtig ist hier auch, dass sich die äußeren Umstände nicht großartig verändert haben damit man mit der gleichen Conversionrate rechnen kann.

Clickwert berechnen

Gut, also um den Clickwert zu berechnen nehmen wir einfach die erzielten Umsätze eines Monats durch die Clicks eines Monats. Hier sollte man auf jeden Fall die durchschnittliche Stornoquote miteinberechnen, ansonsten droht irgendwann ein böses Erwachen!

Clickwert = Umsatz / Clicks

Tracking Code einbauen

Jetzt definieren wir einfach den Click auf einen Partnerlink als Einkauf und missbrauchen das E-Commerce Tracking von GA für unsere Zwecke:

pageTracker._addTrans("transID", "meineseite", "2.37", "0", "0", "", "unknown", "unknown" );
pageTracker._addItem("transID", "programm 1", "prodgramm 1", "affiliate", "2.37", "1" );
pageTracker._trackTrans();

Der Code ist eigentlich relativ einfach, _addTrans() startet eine Transaktion, _addItem() fügt der Transaktion ein Produkt hinzu und _trackTrans() übermittelt das ganze schließlich. Unsere Transaktionen enthalten jeweils immer nur 1 Produkt, weshalb die angegebenen Werte von Transaction und Item immer übereinstimmen.

Das ganze muss jetzt nur noch beim Click auf einen Partnerlink ausgeführt werden – wir ihr das macht, ist relativ egal. Ihr könnt alles in das onclick-Event packen, in eine neue Funktion auslagern oder einen Event Listener implementieren. Alles eine Frage des Geschmacks und des gewünschten Aufwands

Das ist übrigens der neue Analytics Code (ga.js), mit dem alten Code funktioniert es allerdings ganz ähnlich. Die genaue Beschreibung aller Parameter findet ihr in der E-Commerce API Documentation.

Was hat man nun davon?

Mittels Google Analytics kann ich nun sämtliche Vorteile des E-Commerce Trackings für mich verwenden. Ich sehe genau, welches Keyword mir Geld bringt und welches pure Geldverschwendung ist. Der Wert pro Besuch gibt mir relativ genau an, wieviel Umsatz mir der Besucher einbringt.

So kann man sehr leicht Kampagnen optimieren…

Vorsicht

Wie immer bei Web Analytics: Man sollte sich nicht auf die genauen Zahlen verlassen, sondern auf die Relationen achten. Die ermittelten Clickwerte basieren auf Vergangenheitsdaten und sind je nach Datenmenge mehr oder weniger auf die Zukunft projizierbar. Als zusätzliche Ungenauigkeit kommt dazu, dass wir nicht wissen, welcher Besucher wirklich einen Sale getätigt hat und welcher nur auf den Partnerlink geklickt hat – das können wir bisher nicht messen. Dazu müssen wir uns mit SubID-Tracking auseinandersetzen – aber dazu kommen wir ein anderes mal.