In diesem Beitrag möchte ich auf das Thema „Durchschnittliche Besuchszeit auf der Seite“ eingehen. Es kommt sehr oft die Frage, ob das normal ist, dass die die Mehrheit der Besucher nur 0-10 Sekunden auf der Webseite verbringen. Leider sind die Statistiken oft irritierend, vor allem wenn man die Technik dahinter nicht versteht. Oft schauen die Webmaster auf diese Metrik als Ganzes, was zur Verfälschung der erhobenen Daten führen kann.

Aber bevor ich zum nächsten Punkt komme, möchte ich hier einmal kurz die Technik dahinter erklären. Das erste was ein Tool braucht um diese Metrik zu berechnen, ist der Eintrittszeitpunkt auf der Seite. Sobald ein Besucher die Seite betritt, wird ein sogenannter Timestamp gesetzt, dieser wird später zur weiteren Berechnung hinzugezogen. Wenn der Besucher auf eine andere Seite innerhalb der Domain navigiert, wird der Austrittzeitpunkt vermerkt. Die Zeitdauer zwischen dem Eintritt und Austritt gilt dann als die Länge des Besuchs auf einer bestimmten Seite.

Im Idealfall besucht ein Visitor mehrere Seiten innerhalb eines Besuches, leider sieht die Realität etwas anders aus. Die meisten Besucher, vor allem die Blogleser haben eine sehr hohe Absprungrate, da hier oft nur ein Beitrag gelesen wird. Die Länge des Besuchs von 0-10 ist im Grunde genommen nichts anderes wie eine Absprungrate von 100%. In diesem Fall kann der JavaScript tag nicht die genaue Dauer des Besuchs ermitteln. Es kann ja sein, dass der Besucher 10 Minuten auf der Seite verbracht hat ohne innerhalb der Domain weiter zu navigieren oder einfach die Seite durch eintippen von einer anderen URL verlassen hat. Somit bleiben dem Webmaster sehr viele Fragen offen.

In diesem Fall besteht oft das Problem, dass die erhobenen Daten dadurch verfälscht werden. Es wird einfach auf die „Durchschnittliche Besuchszeit“ geschaut ohne sich mit der eigentlichen Besuchsdauer auseinanderzusetzen. Viele Auswertungen werden mit dieser Metrik in Verbindung gebracht. Insbesondere auf der Basis der Daten werden sehr wichtige Entscheidungen getroffen, was natürlich sehr oft zu falschen Handlungen führen kann.

Die meisten Analytics Anbieter bieten die Möglichkeit sogenannte Segmente oder Filter zu erstellen. Diese können sehr gut für die Berechnung der tatsächlichen „Durschnittlichen Besuchszeit“ verwendet werden. Um die genauen Zahlen zu bekommen, reicht es bereits die „Single Page Visits“ aus der Auswertung auszuschließen.

Hier bietet Google Analytics die Möglichkeit durch die Erstellung eines Segmentes alle Besuche von 0-10 Sekunden auszuschließen. Da bereits seit einigen Monaten die Möglichkeit besteht selbsterstellte Segmente freizugeben, werde ich bei jedem Beispiel die verwendeten Segmente öffentlich zur Verfügung stellen. Um diesen Segment anzuwenden, reicht es bereits hier drauf zuklicken.

Durch die Ausfilterung von Single Page Visits wird auch die Absprungrate daher ausgeschloßen. Auf dem folgenden Screenshot, sieht man eine Absprungrate von 0%, was natürlich nicht der Realität entspricht, deshalb sollte man dieses Segment immer nur in Verbindung mit der Durschnittlichen Besuchszeit auf der Seite verwenden. Zusätzlich wird dann die tatsächliche durchschnittliche Besuchszeit auf der Seite angezeigt. Wie es auf den ersten Blick zu sehen ist, gibt es einen Unterschied zwischen der ursprünglichen Besuchszeit welche von Google Analytics angezeigt wird und der neu ermittelten Werten.

Der Unterschied ist gewaltig, die neu ermittelten Werte zeigen eine Differenz fast von 50%. Alle Entscheidungen welche auf der Grundlage der alten Werte getroffen wurden, sind jetzt nichtig und führen möglicherweise zu falschen Handlungen/Ergebnissen. Aus meiner Erfahrung sollten die aggregierte Werte außer acht gelassen werden, da diese oft nicht die Realität wiedergeben. Jede Auswertung bedarf einer genauen Analyse der erhobenen Daten um Handlungsempfehlungen aussprechen zukönnen.

Am kommenden Freitag im zweiten Teil meines Beitrages über die virtuellen Seitenaufrufe, werde ich mehr auf das Thema eingehen und einige Lösungsvorschläge beschreiben. Es gibt mehrere Möglichkeiten die Besuchszeit bei Single Page Visits zu analysieren. Speziell bei der Auswertung von Landingpages und lohnt es sich einen genauen Blick drauf zuwerfen.

Ich würde mich über das Abonnement meines RSS-Reader Feeds freuen!

Mein erster Beitrag und gleich geht es los mit meinem Lieblingsthema Segmentierung von Besuchern auf der Grundlage von verschiedenen Eigenschaften. Seit der Einführung von Segmenten bei Google Analytics, haben wir ein starkes Werkezeug in die Hand bekommen. Es ist nicht mehr erforderlich Profile anzulegen um verschiedene Auswertungen vorzunehmen, es reicht schnell einen, oder mehrere Segmente zu erstellen, um eine detaillierte Analyse der Daten zu machen.

Wie es die meisten sicherlich schon kennen, gibt es beim klassischen Marketing vier Segmentierungskriterien. Ich werde mich hier mit den Demographischen Merkmalen der Zielgruppe beschäftigen. Dazu gehören folgende Merkmale wie z.B. Familienstand, Einkommen, Ausbildung, Nationalität und vieles mehr. Die Vorteile der Segmentierung auf der Basis von Demographischen Merkmalen liegen darin, dass diese Daten sehr leicht zu bekommen sind, darüber hinaus lässt sich dadurch die Größe des Segments abschätzen. Somit stellt man sofort die Attraktivität eines Segmentes fest und kann weitere Schritte bei der Erreichung der Zielgruppe planen.

Es gibt verschiedene Arten Segmente zu erstellen, besonders bei Web Analytics Tools gibt es zahlreiche Segmentierungsmöglichkeit. Eine interessante Methode die ich vor kurzem entdeckt habe, beschäftigt sich mit der Segmentierung auf der Basis von Netzwerkeigenschaften. Bis vor kurzem habe ich diese Möglichkeit schlicht weg ignoriert, da man einfach von der Flut der Daten überrollt wird. Doch genau bei dieser Methode bekommt viele interessante Einblicke in das Kundenverhalten bzw. in das Verhalten eines Segmentes.

1) Auswahl des Segmentes und Google Analytics Navigation

Unter Besucher –Netzwerkeigenschaften – Provider der Besucher, das ganze ist nochmal auf dem Screenshot 1.0 abgebildet. Übrigens empfehle ich es jedem sein Google Analytics Account auf die englische Sprache umzustellen, da es viel einfacher ist und die meiste Literatur fast ausschließlich nur in englischer Sprache zu finden ist. In deutscher Sprache würde ich das Google Analytics Buch von Timo Aden
und in englischer Sprache das Buch von Brian Clifton empfehlen. Beide Autoren beschreiben in sehr einfacher und verständlicher Weise die wichtigsten Funktionen von Google Analytics.
Nun sind wir bei den Netzwerkeigenschaften angekommen und so sieht es dann wie beim Screenshot 1.1 abgebildet in etwa aus. Jede Menge Provider der Besucher, von der Deutsche Telekom AG bis zu Kabel Baden-Württemberg GmbH & Co. Kg.

Auf den ersten Blick ist nichts Interessantes zu finden, doch beim genauen hinsehen sind einige interessante Informationen zu sehen. Neben Ernst&Young Screenshot 1.2, sieht man Besucher aus der Eberhard-Karls-Universität und Fachhochschule Stuttgart. Somit haben wir eine neue Zielgruppe für unsere Webseite identifiziert. Natürlich sind die Daten mit Vorsicht zu genießen, da auch andere Faktoren bei den Auswertungen wichtige Rolle spielen können.

2) Erstellung von Segmenten

Bei diesem Beispiel nehmen wir an, dass wir nur die Besucher aus der Universitäten und Hochschulen in Betracht ziehen. Um ein genaues Volumen zu bekommen, eignet sich die Möglichkeit ein neues Segment zu erstellen.
Dieses Segment nenne ich einfach „Students“ und füge folgende Eigenschaften wie es auf dem Screenshot 2.0 zusehen ist,
hinzu. Nun können wir ganz genau sehen wie viele Zugriffe im Monat auf der Seite sind. Wobei man hier nochmal zwischen Absolut eindeutigen Besuchern und Zugriffen unterscheiden sollte.
Dabei kommt es auch drauf an wie die Conversion rate ausgerechnet wird bzw. auf der Grundlage von welchen Daten, da manchen z.B. dafür die Absolut eindeutige Besucher nehmen und nicht wie es bei Google Analytics (Abgeschlossene Ziele * 100 / Zugriffe) berechnet wird.

Nachdem wir die Zahlen haben, können wir dieses Segment gegen andere Segmente darstellen und analysieren. Wie ist die Absprungrate, die Besuchszeit auf der Seite, prozentualer Anteil von neuen Besuchern oder welchen Wert hat die Conversion rate im Vergleich zu anderen Segmenten der Webseite (Screenshot 2.1) und vieles mehr.

3) Demographische Merkmale bei der Werbung verwenden

Die gewonnen Daten können zusätzlich für die weiteren Werbemaßnahmen verwendet werden. Hier eignet sich die Werbeplattform Facebook, da man hier seine Zielgruppe nach verschiedenen Kriterien wie Alter, Geschlecht, Ausbildung oder Beziehungsstatus frei definieren kann. Als erstes entwerfen wir passende Anzeige die in etwa dann so aussieht wie es auf dem Screenshot 3.0 abgebildet ist, danach wählen wir die Demographischen Merkmale welche zu unserer Zielgruppe passen siehe Screenshot 3.1.
Diese Vorgehensweise wird auch als Targeting bezeichnet, beim klassischen Marketing geht man wie folgt vor: 1) Segmentierung 2) Targeting 3)Positionierung. Hier haben wir bereits die ersten zwei Schritte abgedeckt, auf die Positionierung werde ich hier nicht weiter eingehen. Dies und vieles mehr werde ich den nächsten Tagen ausführlich erklären und mit passenden Beispielen aus der Web Analytics Welt untermalen. Über Feedback zu meinem ersten Beitrag würde ich mich sehr freuen.