Ostfalia – Hochschule für angewandte Wissenschaften · II Abstract Web Analytics und Web Controlling stellen einen wichtigen Bereich in Unternehmen dar, die ihre Geschäftstätigkeit

Ostfalia – Hochschule für angewandte Wissenschaften

Fakultät Wirtschaft

Web Analytics und Web Controlling

erläutert am Beispiel eines Online-Shops

Bachelorarbeit

zur Erlangung des Grades Bachelor of Arts

der Fakultät Wirtschaft

der Ostfalia – Hochschule für angewandte Wissenschaften

eingereicht bei Prof. Dr. Paul Gerhard Capelle

Prof. Dr. Susanne Stobbe

von Jenny Marquardt

Am Mühlenberge 4

38300 Wolfenbüttel

Matr.-Nr. 30 99 26 99

Wolfenbüttel, 30.08.2013

II

Abstract

Web Analytics und Web Controlling stellen einen wichtigen Bereich in Unternehmen dar, die

ihre Geschäftstätigkeit auch auf das Internet ausdehnen. Da es sich um eine sehr junge

Disziplin handelt, ist ein kritischer Blick auf eine Begriffsdefinition und Abgrenzung zu anderen

Unternehmensbereichen notwendig. Im Web Analytics-Regelkreis wird der Prozess der

kontinuierlichen Verbesserung im Ablauf dargestellt, damit eine produktive Arbeitsweise des

Web Analysten gewährleistet wird. Zu den Kernaufgaben der Web Analytics und dem Web

Controlling gehört die Erfassung, Analyse und Aufbereitung relevanter Daten, um daraus

geeignete Maßnahmen abzuleiten. Einem Web Analysten stehen dabei umfangreiche Hilfsmittel

zur Verfügung, mit denen er entsprechend vorher festgelegten Zielen geeignete Kennzahlen

und Key Performance Indicators ermittelt und Gegenmaßnahmen einleitet. Die vorgestellten

Aufgaben, Kennzahlen und Maßnahmen werden anhand praktischer Beispiele eines selbst

betriebenen Online-Shops erläutert.

III

Inhaltsverzeichnis

Inhaltsverzeichnis ...................................................................................................................... III

Darstellungsverzeichnis ............................................................................................................ IV

Abkürzungsverzeichnis ............................................................................................................. IV

1 Einleitung ....................................................................................................................... - 1 -

1.1 Problemstellung .................................................................................................. - 1 - 1.2 Zielsetzung und Aufbau der Arbeit ...................................................................... - 2 -

2 Grundlagen .................................................................................................................... - 3 -

2.1 Begriffsklärung und Einordnung .......................................................................... - 3 - 2.2 Bedeutung von Web Analytics ............................................................................ - 6 - 2.3 Ziele der Web Analytics ...................................................................................... - 8 - 2.4 Der Web Analytics-Regelkreis ............................................................................ - 9 -

3 Analyseinstrumente ...................................................................................................... - 10 -

3.1 Technische Besonderheiten ............................................................................. - 10 - 3.2 Häufig genutzte Analysetools ........................................................................... - 13 - 3.3 Datenschutzrechtlicher Hintergrund .................................................................. - 15 -

4 Metriken und Key Performance Indicators .................................................................... - 16 -

4.1 Begriffe ............................................................................................................. - 16 - 4.2 Vorstellung wichtiger Kennzahlen ..................................................................... - 17 -

4.2.1 Visits und Visitors .................................................................................. - 17 - 4.2.2 Hits, Page Views und Bounces ............................................................. - 18 - 4.2.3 Referrer ................................................................................................. - 19 - 4.2.4 Conversion Rate ................................................................................... - 20 - 4.2.5 Funnel ................................................................................................... - 21 -

4.3 Controlling der Online-Werbung ....................................................................... - 22 -

4.3.1 Controlling des Affiliate-Marketings ....................................................... - 23 - 4.3.2 Controlling des E-Mail-Marketings ......................................................... - 24 - 4.3.3 Controlling der Suchmaschinen-Werbung ............................................. - 25 -

4.4 Controlling der Suchmaschinenoptimierung ...................................................... - 27 - 4.5 Controlling der Social-Media-Aktivitäten ........................................................... - 29 - 4.6 Controlling der mobilen Nutzer ......................................................................... - 32 - 4.7 Identifizierung von Klickbetrug .......................................................................... - 33 -

5 Aussagekraft der Analysen .......................................................................................... - 34 -

6 Fazit ............................................................................................................................. - 38 -

Literaturverzeichnis .............................................................................................................. - 40 -

IV

Darstellungsverzeichnis

Abb. 1: Die sieben Controlling-Bereiche des Business Intelligence ........................................ - 5 -

Abb. 2: Anteil der Internetnutzer in Deutschland von 2001 bis 2013 ...................................... - 6 -

Abb. 3: Web-Analytics-Regelkreis .......................................................................................... - 9 -

Abb. 4: Tabellarische Darstellung der Inhalte eines Logfile-Eintrags .................................... - 10 -

Abb. 5: Screenshot Google Analytics Dashboard ................................................................. - 13 -

Abb. 6: Darstellung eines Conversion Funnel (Trichters). .................................................... - 21 -

Abb. 7: Social Media Map 2013 ........................................................................................... - 30 -

Abb. 8: Ausgangsdaten zum Vergleich der JS-Deaktivierer ................................................. - 35 -

Abkürzungsverzeichnis

CLF Common Logfile Format

CPC Cost-per-Click

CPO Cost-per-Order

CRM Customer Relationship Management

CRO Conversion Rate Optimization

CTR Click-Through-Rate

eCRM electronic Customer Relationship Management

JS JavaScript

KPI Key Performance Indicator

PI Page Impression

PI/V Page Impression per Visit

PV Page View

SEA Search Engine Advertising

SEM Search Engine Marketing

SEO Search Engine Optimization

SMM Social Media Marketing

TMG Telemediengesetz

- 1 -

1 Einleitung

1 Einleitung

1.1 Problemstellung

Unternehmen aller Größen stehen seit über einem Jahrzehnt der digitalen Herausforderung

gegenüber. Diese spielt sich aber nicht nur in den eigenen Wänden ab, sondern auch beim

Kunden. Durch immer neue, bessere und preislich erschwingliche Technologien hat bei fast

80% aller Deutschen das Internet Einzug in die Haushalte gehalten. Und das Wachstum scheint

noch weiter fortzuschreiten. Sich dieser rapiden Geschwindigkeit anzupassen und daraus den

größten möglichen Nutzen zu ziehen, ist die Schwierigkeit, der sich die Unternehmen

gegenüber stehen. Die Konkurrenz schläft nicht und gerade im E-Commerce, wo jeder

Internetnutzer plötzlich zum potentiellen Kunden wird, egal wo er sich gerade befindet, gilt es

den Anschluss zu behalten, um sich konkret im Medium Internet zu platzieren.

Aufgrund der relativ jungen Disziplin Web Analytics gibt es nur wenig Fachliteratur, die sich mit

dem Thema Web Controlling oder Web Analytics ernsthaft auseinandersetzt. Noch

problematischer ist die Schnelllebigkeit in diesem Sektor. Ständig gibt es Neuerungen,

Verfahrensänderungen, Updates und sonstige Änderungen, die oftmals junge Literatur schon

wieder alt erscheinen lässt. Während der Erstellung dieser Arbeit haben sich die Internetquellen

mehrfach geändert oder wurden gelöscht, deshalb wird auf diese Quellen weitestgehend

verzichtet. Aber erst recht wegen dieser Dynamik kann überhaupt nicht auf Internetquellen

verzichtet werden. Sie begründen nahezu das Wissenskapital, mit dem Web Analysten

arbeiten. Gerade im Online-Handel ist diese Dynamik besonders zu spüren.

Einige Autoren rufen dazu auf, sich der Web Analytics besonders zu widmen, um die Kosten in

Bezug zum Nutzen der Internetaktivitäten zu überwachen und gegebenenfalls Vorschläge zur

Optimierung bereitzustellen. Dabei handelt es sich um ein völlig neues Feld mit nahezu gänzlich

neuen Kennzahlen. Die Grenzen zwischen Web Analytics und Web Controlling scheinen dabei

zu verschwimmen. Und in der Tat können beide bisher nicht eindeutig getrennt voneinander

abgehandelt werden, ebenso wie sie keiner bestimmten Abteilung in einem Unternehmen

zugeordnet werden können.

- 2 -

1 Einleitung

1.2 Zielsetzung und Aufbau der Arbeit

In der vorliegenden Arbeit sollen die Arten der Webanalyse, deren Hilfsmittel und die

wichtigsten Kennzahlen vorgestellt werden. Angefügte Rechenbeispiele sind so gewählt, dass

sie für einen kleinen bis mittleren Online-Shop gelten. Je höher der Umsatz beziehungsweise

die Anzahl der Kunden ist, umso detaillierter und genauer können solche Kennzahlen evaluiert

werden. Die Auswertung dieser Kennzahlen mit sich daran anschließenden Handlungs-

empfehlungen stellt einen wesentlichen Aufgabenbereich in der Analyse von Webkennzahlen

dar. Gleichzeitig soll diese Arbeit ein Appell an alle im Internet agierenden Gruppen sein, die

einen Nutzen aus ihrer Onlinetätigkeit ziehen und diesen messbar machen wollen oder sogar

müssen. Schließlich gewinnen solche Analysen immer mehr und mehr an Bedeutung.

Diese Arbeit liefert eine solide Grundlage zum Verständnis, was eigentlich Web Analytics ist,

wie es durchgeführt werden kann und was dabei den Erfolg ausmacht. Da die Theorie ohne die

Praxis kaum erläutert werden kann, ist das strikte Trennen beider nicht durchgehend möglich.

Aufgrund des transformierten Denkens der Offline- zur Onlinewelt, begegnet man neuartigen

Begriffen, die jeweils erläutert und deren Verständnis jeweils näher erläutert werden muss.

Anhand selbst gewählter Beispiele soll die junge Disziplin der Web Analytics anschaulich

präsentiert werden.

Der Aufbau der Arbeit ist 6 Kapitel gegliedert. Das Erste endet mit dieser Kapitelübersicht. In

Kapitel 2 werden die Begriffe Web Controlling und Web Analytics definiert, sowie die

Schwierigkeit der Abgrenzung diskutiert. Ebenso wird der Versuch einer Zuordnung

vorgenommen, der ebenso wenig als eindeutig zu bezeichnen ist. Schlussendlich leiten die

Bedeutung und die Ziele der Web Analytics zum Web Analytics-Regelkreis über.

Im dritten Kapitel werden die Analyseinstrumente genannt, die notwendig sind, um Web

Analytics überhaupt erst durchführen zu können. Dabei muss im ersten Teil besonders auf den

technischen Aspekt und im dritten Teil auf den Datenschutz eingegangen werden. Im zweiten

und Hauptteil dieses Kapitels werden vier ausgewählte Analysetools näher beschrieben.

Die wichtigsten Kennzahlen der Webanalyse werden im fünften Kapitel vorgestellt. Dabei ist es

besonders wichtig, auf die vielen verschiedenen Bereiche einzugehen, in denen Web Analytics

zum Einsatz kommt. Für jeden Bereich gibt es unterschiedliche Begriffe, die genauer

veranschaulicht werden müssen. Anhand der Beispiele soll jeder Bereich einfach und

verständlich in die Praxis übertragen werden.

Im vorletzten Kapitel wird die Relativität der Analyseergebnisse nochmals an einem Beispiel

erläutert, um die Herausforderung des Analysten nochmals besonders zu beleuchten, um

schlussendlich im letzten und sechsten Kapitel mit dem Fazit zu enden.

- 3 -

2 Grundlagen

2 Grundlagen

2.1 Begriffsklärung und Einordnung

Controlling hat in der Literatur eine Vielzahl an Definitionen und soll hier vereinfacht als

Planung, Steuerung und Kontrolle verstanden werden, sowie die Beschaffung von

Informationen und deren Auswertung. Der Begriff Controlling wird als solcher im deutschen

Sprachraum eingesetzt und sollte nicht mit dem Wort „Kontrolle“ verwechselt werden. Im

angelsächsischen Sprachraum spricht man von Management Accounting.1 Genauso schwierig

wie sich eine einheitliche Definition des Controllings in der Literatur findet, verhält es sich mit

Web Controlling und Web Analytics.

Die Web Analytics Association beschreibt Web Analytics als Messung, Sammlung, Analyse und

Auswertung von Internetdaten zum Zwecke von Verständnis und Optimierung der

Webnutzung.2 Meier und Zumstein erläutern hingegen zusätzlich, dass Web Controlling im

weiteren Sinne von Web Analytics anzusehen ist. Web Controlling hat demnach die Aufgabe,

die „Umsetzung des webbasierten Geschäftsmodells zu überwachen und darauf aufbauend

Erfolg versprechende Maßnahmen für das elektronische Geschäft und das

Kundenbeziehungsmanagement abzuleiten“.3 Andere Autoren unterscheiden überhaupt nicht

zwischen diesen beiden Begriffen und benutzen jeweils einen dieser beiden Begriffe.4 Die

Ursache für diese nicht einheitliche Bezeichnung ist vermutlich im relativ jungen Alter dieser

Disziplin und der Sprachvermischung von deutschen und englischen Begriffen zu suchen. Zur

Einfachheit wird in dieser Arbeit der Begriff Web Analytics verwendet. Das Web Controlling wird

allerdings gleichwohl eingeschlossen und an besonderen Stellen mitgenannt.

Obwohl der Begriff Controlling im Zusammenhang mit Web Analytics dominiert und die

Auswertungen zunächst mathematischer Natur sind, so kann Web Analytics aber gleichwohl

dem Online Marketing zugeordnet werden. Aus einer Umfrage aus dem Jahre 2011 geht

hervor, dass bei 50 % der befragten Unternehmen Web Analytics dem Marketing zugeteilt

werden und bei ca. 32 % eher technisch ausgelegt ist und zum Business Intelligence bzw.

Analytics oder zur IT-Abteilung gehört. Der Rest der befragten Unternehmen verstaut seine

Web Analytics-Kompetenzen beim Controlling, in einer Internet-Abteilung, beim Vertrieb, bei der

Geschäftsleitung oder der Unternehmenskommunikation. Eine eigene Web Analytics-Abteilung

gibt es wohl nur in sehr wenigen Fällen.5

Diese uneinheitliche Aufteilung liegt in der Interdisziplinarität der Aufgabenwahrnehmung. Zwar

werden umfangreiche Datentabellen herangezogen und ausgewertet, aber aus diesen werden

1 Vgl. Weber, J. / Schäffer, U. (2011), S. 1 ff. 2 Vgl. Web Analytics Association (2008), S. 3. 3 Zumstein, D. / Meier, A. (2013), S. V. 4 Vgl. Düweke, E. / Rabsch, S. (2012), S. 774. 5 Vgl. Zumstein, D. / Meier, A. (2012), S. 922.

- 4 -

2 Grundlagen

auch Handlungsvorschläge entwickelt. Zwischen den Abteilungen muss ein reger Austausch

stattfinden, der vom Web Analysten koordiniert und kommuniziert werden muss. Weitere

Probleme sehen die befragten Unternehmen in Datenschutz (43%) und Datensicherheit (27%),

dem Mangel an Zeit und Geld (37%), sowie einer unternehmensgerechten Zielformulierung der

Internetaktivitäten (31%). Ferner werden auch die Interpretation der Daten, fehlerhafte Daten

bzw. nicht standardisierte Daten, ein Mangel an Know-how und die Implementierung als

Probleme genannt.

In den vergangenen Jahren hat sich eine eigene Online-Szene entwickelt, die sich ständig

gegenseitig über die neuesten Änderungen informiert. Eine Ausbildung zu einem SEO-

Fachmann oder einer SEO-Fachfrau sucht man allerdings vergeblich. Nicht selten hingegen

liest man Stellenanzeigen für einen Web Analytics Expert oder Web Analyst. In diesen wird von

den Bewerbern ein hohes analytisches Denkvermögen gefordert, sowie Erfahrung mit mehreren

Web Analytics Tools und der souveräne Umgang mit Tabellenkalkulationsprogrammen. Ferner

müssen Web Analysten Kommunikations- und Projekterfahrung mitbringen.

Oftmals scheint also der sinnvolle Umfang mit Web Analytics an den vorgenannten

Schwierigkeiten zu scheitern oder nicht vollends ausgeschöpft zu werden. Angelehnt an die

Definition von Meier und Zumstein6 stellen Web Controlling und Web Analytics unterstützende

Prozesse im eBusiness Framework dar. Unter eBusiness versteht man die „Anbahnung,

Vereinbarung und Abwicklung elektronischer Geschäftsprozesse“.7 Die drei wichtigsten

Gruppen in diesem Prozess sind die Konsumenten, die Unternehmen und öffentliche

Institutionen, die jeweils Leistungen anbieten oder nachfragen. Unter Business Intelligence

versteht man ein softwarebasiertes Managementunterstützungssystem. Unternehmens-

relevante Daten werden in einem Datenbanksystem systematisch erfasst und ausgewertet. Ein

sehr bekanntes Beispiel für einen Anbieter von Business Intelligence-Lösungen ist das

Unternehmen SAP.8

Zur digitalen Wertschöpfungskette zählen folgende Glieder:9

eProducts & eServices – hierbei handelt es sich um Produkte und Dienstleistungen, die über

digitale Märkte gehandelt werden können.

eProcurement – ist die Beschaffung von Waren und Dienstleistungen durch das Internet.

Automatisierte Prozesse erleichtern hierbei unter erheblichem Verwaltungs- und Zeitaufwand

den Einkauf.

6 Vgl. Stormer, H. / Meier, A. (2012), S. 1 ff. 7 Stormer, H. / Meier, A. (2012), S. 2. 8 Vgl. Brüne, K. (2009), S. 45. 9 Vgl. Zumstein, D. / Meier, A. (2013), S. 2 ff.

- 5 -

2 Grundlagen

eMarketing – auch Online-Marketing genannt, beschäftigt sich mit allen Marketingmaßnahmen

hinsichtlich des Internets wie zum Beispiel der Bannerwerbung, dem E-Mail- oder Newsletter-

Marketing, der Suchmaschinenwerbung und vielen weiteren Erscheinungsformen.

eContracting – bildet den elektronischen Verhandlungsprozess ab. Mit standardisiertem

Vorgehen werden elektronisch rechtsgültige Dokumente erstellt.

ePayment – bezeichnet den elektronischen Zahlungsverkehr, dazu gehört unter anderem die

Bezahlung per Online-Überweisung, Kreditkarte, PayPal, Online-Rechnung oder auch per

Guthaben, das beim Bezahlvorgang eingelöst werden kann.

eDistribution – ist die Verteilung der Güter bis hin zum Kunden im elektronischen Prozess.

Physische Güter müssen unter Umständen gelagert werden, digitale Produkte auf Speicher-

medien gesichert werden. Weiterhin unterliegt der Distribution die Auslieferung der Güter, ob

digitaler oder physischer Natur.

eCustomer Relationship Management (eCRM) – bezeichnet alle Aspekte des elektronischen

Kundenmanagements. Die Pflege der Kundendaten und die gezielte Ansprache der verschie-

denen Kundengruppen trägt zu einer Verbesserung der Kundenbeziehungen bei.

Abb. 1: Die sieben Controlling-Bereiche des Business Intelligence

Quelle: Zumstein, D. / Meier, A. (2013), S. 3.

An dieser Stelle wird noch einmal deutlich, dass Web Analytics und Web Controlling zwei

unterscheidbare Bereiche darstellen.

2.2 Bedeutung von Web Analytics

Seit den 90er Jahren gewinnt das Internet immer mehr an Bedeutung und wird von

Menschen auf der ganzen Welt genutzt.

Anstieg der Internetnutzer

der Internetnutzer vor 10 Jahren die Hälfte der deutschen Bevölkerung und im Verlauf bis heute

ist noch mal über ein Viertel hinzugekommen. Der Anstieg ist zwar nicht meh

durchaus noch erkennbar.

Abb. 2: Anteil der Internetnutzer in Deutschland von 2001 bis 2013

Quelle: Initiative D21 (2013),

entwicklung-der-internetnutzung

Die Internetnutzung bezieht sich dabei auf alle erdenklichen Bereiche wie

Informationsbeschaffung, Meinungsaustausch, (O

natürlich auch der Unterhaltung und vielem mehr.

interessiert insbesondere Unternehmen dabei die Resonanz auf deren Internetseiten. Wie viele

Besucher haben die Seite frequentiert? Was

wie viel Umsatz je Besucher wurde erzielt?

Zu Beginn der Internetnutzung

Internetseiten. Und selbst wenn, so waren die Informationen den Informatikern vor

0%

10%

20%

30%

40%

50%

60%

70%

80%

2001 2002 2003

37,0%

41,7%

50,1%

An

teil

de

r In

tern

etn

utz

er

pro

Ja

hr

Anteil der Internetnutzer in Deutschland von 2001 bis 2013

- 6 -

von Web Analytics

Seit den 90er Jahren gewinnt das Internet immer mehr an Bedeutung und wird von

Menschen auf der ganzen Welt genutzt. Die folgende Grafik veranschaulicht den rapiden

Internetnutzer in den letzten 13 Jahren allein in Deutschland


ist noch mal über ein Viertel hinzugekommen. Der Anstieg ist zwar nicht meh

l der Internetnutzer in Deutschland von 2001 bis 2013

Initiative D21 (2013), http://de.statista.com/statistik/daten/studie/13070/umfrage/

internetnutzung-in-deutschland-seit-2001/, 23.05.2013.


Informationsbeschaffung, Meinungsaustausch, (Online-)Shopping, Selbst

h auch der Unterhaltung und vielem mehr. Mit dem Boom der Internetnutzung

nsbesondere Unternehmen dabei die Resonanz auf deren Internetseiten. Wie viele

Besucher haben die Seite frequentiert? Was haben die Besucher auf der Seite gemacht? Oder

wie viel Umsatz je Besucher wurde erzielt?

nutzung erfolgte kaum eine Auswertung von Besucherströmen auf

Internetseiten. Und selbst wenn, so waren die Informationen den Informatikern vor

2003 2004 2005 2006 2007 2008 2009 2010

50,1%52,7%

55,1%

58,2% 60,2%

65,1%

69,1%72,0%


2 Grundlagen

Seit den 90er Jahren gewinnt das Internet immer mehr an Bedeutung und wird von immer mehr

Die folgende Grafik veranschaulicht den rapiden

allein in Deutschland. Dabei betrug die Zahl


ist noch mal über ein Viertel hinzugekommen. Der Anstieg ist zwar nicht mehr so stark, aber

http://de.statista.com/statistik/daten/studie/13070/umfrage/

.05.2013.


)Shopping, Selbstvermarktung und

Mit dem Boom der Internetnutzung

nsbesondere Unternehmen dabei die Resonanz auf deren Internetseiten. Wie viele

die Besucher auf der Seite gemacht? Oder

erfolgte kaum eine Auswertung von Besucherströmen auf

Internetseiten. Und selbst wenn, so waren die Informationen den Informatikern vorbehalten, die

2010 2011 2012 2013

72,0%74,7% 75,6%76,5%


- 7 -

2 Grundlagen

Zugriff auf die Logfiles hatten. Logfiles sind Dateien, die automatisch die Zugriffsdaten auf eine

Internetseite speichern. Vereinzelt konnte man damals so genannte „Counter“ auf diversen

Internetseiten feststellen, die aber schon längst keinen besonderen Stellenwert mehr genießen.

Mit fortschreitender Nutzung des Internets in allen Bereichen etablierten sich zusehends immer

mehr Webanalysetools auf dem digitalen Markt.10

Oftmals werden nur einfache Kennzahlen erfasst, die der Geschäftsleitung vorgelegt werden.

Da aber die Bedeutung des Internets immer mehr zunimmt, muss es Systeme geben, die eine

genauere Auswertung der Besucherströme erlauben. Im Offline-Handel geht der Kunde auch

durch einen Supermarkt und wird spätestens beim Bezahlen an der Kasse als solcher für das

Unternehmen wahrgenommen. Der Kassenschnitt zum Tages- oder Schichtende im stationären

Handel stellt genauso eine Auswertung dar wie das Auswerten von Besucherströmen auf

kommerziellen Internetseiten. Für Unternehmen ist es besonders wichtig zu erfahren, was die

Besucher auf der Internetseite davon abgehalten hat zu kaufen. Web Analytics ist in diesem

Fall ein probates Mittel, um die Gründe hierfür zu analysieren.

Ein weiterer Trend, der nicht aus den Augen verloren werden darf, ist die zunehmende Nutzung

der mobilen Endgeräte. An immer mehr Orten ist es möglich, den Zugang zum Internet

herzustellen. Das kann am Arbeitsplatz mit einem Computer, Notebook, Netbook oder Tablet

geschehen, vielleicht sogar mit dem Firmenhandy. Und zu Hause oder unterwegs kann ein

typischer Internetnutzer ebenso über die gleichen elektronischen Geräte verfügen.11

Eine besondere Herausforderung der Web Analytics ist es, diese sich überschneidenden

Gruppen zu identifizieren und nicht jede Zahl als absolut und feststehend anzusehen. Die sich

ständig ändernden Rahmenbedingungen auch in der Informationstechnologie müssen ständig

im Auge behalten werden. Bei der Web Analytics handelt es sich um ein dynamisches Feld mit

ständig wechselnden Anforderungen. Ebenso dynamisch muss auch die Denkweise der

Analysten sein. Nur so können aus Problemen Lösungen generiert werden.12

10 Vgl. Zumstein, D. / Meier, A. (2013), S. 161 ff. 11 Vgl. Kreutzer, R. T. (2012), S. 146 f. 12 Vgl. Meffert, H. / Burmann, C. / Kirchgeorg, M. (2012), S. 863.

- 8 -

2 Grundlagen

2.3 Ziele der Web Analytics

Die Ziele der Web Analytics werden von den Zielen der Internetseite abgeleitet. Soll zum

Beispiel eine Marke stärker bekannt gemacht werden, so ist es wichtig etwas über die Anzahl

und Dauer der Besucher herauszufinden, welche Inhalte sie besonders lang betrachtet haben

oder welche sie überhaupt nicht beachtet haben. Soll eine Internetseite hingegen als Service

fungieren, kann es für ein Unternehmen von Interesse sein, ob der Besucher möglichst schnell

zu einer Lösung gelangt ist. Sucht ein Besucher zu lange auf einer Internetseite nach einem

Update für seinen neuen MP3-Player, kann sich diese negative Erfahrung auch auf das

Produkterlebnis und das Unternehmensimage auswirken. Dann muss das Unternehmen auf

jeden Fall Maßnahmen ergreifen, um die Suche nach solchen Informationen schneller dem

Kunden zugänglich zu machen. Hilfreich ist da beispielsweise schon eine verbesserte

Suchfunktion.13

Web Analytics kann mittlerweile tausende verschiedene Kennzahlen liefern, die mehr oder

weniger sinnvoll für den Betrachter sein können. Daher ist es auch ein Ziel, eben diese Zahlen

zu verdichten und anschaulich wiederzugeben. Nicht jede Kennzahl ist relevant und auch nicht

jede Kennzahl ist für jeden Zweck geeignet. Nicht jedes Analysetool kann so konfiguriert

werden, dass es genau die Daten liefert, die der Anwender gerade braucht. Daher ist es

besonders wichtig, bereits vor dem Erfassen der Daten das geeignete Werkzeug zu ermitteln,

das diese Ziele am besten abbilden kann, sei es in tabellarischer oder grafischer Form.

Besonders wichtig ist es, diese Zahlen nicht nur zu erfassen, sie abzubilden und

wiederzugeben, sondern auch geeignete Maßnahmen zu entwickeln. Darin liegt die besondere

Herausforderung der Web Analytics.14

13 Vgl. Kreutzer, R. T. (2012), S. 120. 14 Vgl. Kaushik, A. (2009), S. 24.

2.4 Der Web Analytics

Die Durchführung von Web Analytics und Web Controlling ist

Regelkreis, der in vier Bereiche gegliedert wird, der Planung, der Erfolgsmessung, der Analyse

und der Optimierung.

Der Kernpunkt liegt in der Planung, in der die Marketingziele definiert werden, Key Performance

Indicators (KPIs) identifiziert und messbar gemacht werden.

Im zweiten Schritt wird der laufende Betrieb überwacht und die Zielvorgaben (Sollziele) mit den

Istdaten (Istziele) verglichen, um Abweichungen sofort zu erkennen und gegebenenfalls

rechtzeitig zu handeln.

Bei der Analyse werden alle Daten ausgewertet und gemäß der Ziele und Vorg

abgeglichen. Aus den generierten Daten werden in diesem Schritt Handlungsempfehlungen für

den nachfolgenden Einsatz ausgesprochen.

Im vierten Schritt erfolgt die Optimierung, in

werden. Als Konsequenz daraus, wird der Kreis geschlossen und erneut durchlaufen.

Abb. 3: Web-Analytics-Regelkreis

Quelle: Brommund, T. / Amthor, A. (2008)

Da der Kreis mehrfach durchlaufen wird, findet hierbei ein kontinuierlicher Verbesserungs

prozess statt.16 Bei kontinuierli

und Maßnahmen können sofort

Ergebnisse, einer immer

nachvollzogen werden.17

15 Vgl. Brommund, T. / Amthor, A. (2008), S. 566.16 Vgl. Peterson, E. T. (2004), S. 12 ff.17 Vgl. Zumstein, D. / Meier, A. (2013), S. 50 ff.

messung

AnalyseOptimie-rung

Planung

- 9 -

Der Web Analytics -Regelkreis

Die Durchführung von Web Analytics und Web Controlling ist ein kontinuierlich durchlaufender



) identifiziert und messbar gemacht werden.



Bei der Analyse werden alle Daten ausgewertet und gemäß der Ziele und Vorg

. Aus den generierten Daten werden in diesem Schritt Handlungsempfehlungen für

den nachfolgenden Einsatz ausgesprochen.

Im vierten Schritt erfolgt die Optimierung, in der die Handlungsempfehlungen umgesetzt

werden. Als Konsequenz daraus, wird der Kreis geschlossen und erneut durchlaufen.

Regelkreis

Quelle: Brommund, T. / Amthor, A. (2008), S. 566.

durchlaufen wird, findet hierbei ein kontinuierlicher Verbesserungs

Bei kontinuierlichem Durchlauf, wie gefordert, werden Trends frühzeitig erkannt

können sofort eingeleitet werden. Die Prozessoptimierung führt zu genaueren

immer besseren Analyse und kann auch für Außenstehende einfach

Brommund, T. / Amthor, A. (2008), S. 566. Peterson, E. T. (2004), S. 12 ff.

Meier, A. (2013), S. 50 ff.

Erfolgs-messung

Analyse

2 Grundlagen

ein kontinuierlich durchlaufender





Bei der Analyse werden alle Daten ausgewertet und gemäß der Ziele und Vorgaben

. Aus den generierten Daten werden in diesem Schritt Handlungsempfehlungen für

der die Handlungsempfehlungen umgesetzt

werden. Als Konsequenz daraus, wird der Kreis geschlossen und erneut durchlaufen.15

durchlaufen wird, findet hierbei ein kontinuierlicher Verbesserungs-

Trends frühzeitig erkannt

Die Prozessoptimierung führt zu genaueren

besseren Analyse und kann auch für Außenstehende einfach

- 10 -

3 Analyseinstrumente


3.1 Technische Besonderheiten

Es gibt mehrere Verfahren, mit denen Daten von Internetseiten erfasst werden können. Die eine

ist die Logfile-Analyse, welche serverseitig erfolgt. Das bedeutet, dass die Daten dort erfasst

werden, wo die Website bereitgestellt wird, dem Server. Ein anderes Verfahren ist das so

genannte Page Tagging oder Website-Tracking. Dieses Verfahren erfolgt clientseitig, die Daten

werden also beim Besucher der Website erfasst, dem Client. In den meisten Fällen ist dies ein

Browser. Beide Verfahren haben Vor- und Nachteile, wobei die Logfile-Analyse allerdings

aufgrund des technologischen Fortschritts als veraltet anzusehen ist.18

Die Logfile-Analyse beruht auf der Auswertung von automatisch erfassten Daten, den Logfiles.

Sobald ein Besucher eine Internetseite aufruft, wird automatisch ein Eintrag im „Logbuch“ des

Servers, wo sich die Internetseite befindet, verfasst. Dies ist eine einfache Zeile in einer

Textdatei, die aus vielen tausenden solcher Zeilen mit ungefähr folgendem Aussehen besteht:

82.83.62.157 - - [25/Apr/2013:14:17:47 +0200] "GET /kategorie/seite.html HTTP/1.1" 200 12832

"http://www.domain.de/index.html" "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.31

(KHTML, like Gecko) Chrome/26.0.1410.64 Safari/537.31"

82.83.62.157 IP (Internet Protocol = Adresse des Besuchers)

- bei Passwortschutz der Benutzername (bei Login)

- bei Passwortschutz das Passwort (bei Login)

[25/Apr/2013:14:17:47 +0200] Zeitstempel (Datum, Zeit, Zeitverschiebung)

“GET sagt aus, dass es sich um eine Anforderung handelt

/kategorie/eintrag.html Pfad der aufgerufenen Seite

HTTP/1.1" Übertragungsprotokoll

200 HTTP-Statuscode (hier: fehlerfreie Anforderung)

12832 Menge der gesendeten Daten in Byte

“http://www.google.de/“ Herkunftsseite (hier eine Suchmaschine, Pfad gekürzt)

"Mozilla/5.0 vom Besucher verwendeter Browser

(Windows NT 5.1) vom Besucher verwendetes Betriebssystem

AppleWebKit/537.31 (KHTML, like Gecko) Chrome/26.0.1410.64 Safari/537.31"

Arbeitsfläche

Abb. 4: Tabellarische Darstellung der Inhalte eines Logfile-Eintrags

Quelle: eigene Darstellung aus einem selbst erstellten Logfile.

18 Vgl. Zumstein, D. / Meier, A. (2010), S. 303.

- 11 -


Hierbei handelt es sich um das Common Logfile Format (CLF) beziehungsweise das um die

letzten zwei Einträge erweiterte Combined Log Format in seiner Standardkonfiguration der

Software „Apache“, die am häufigsten für den Betrieb von Webservern eingesetzt wird. Man

könnte den Eintrag folgendermaßen interpretieren: Am 25. April 2013 um 13:14 Uhr kam ein

Besucher mit der Adresse 82.83.62.157 erfolgreich auf die Seite kategorie/eintrag.html. Er kam

dabei von der Suchmaschine Google, benutzt den Browser Chrome und hat das

Betriebssystem Windows XP installiert.19

Die Analyse dieser Einträge erlaubt den Analysetools vielfältige Auswertungen. Zum Beispiel

kann die Gesamtanzahl der Besuche durch das Addieren der IP-Adressen ermittelt werden.

Durch das Eleminieren mehrerer gleicher IP-Adressen kann daraus die Zahl der Besucher

berechnet werden. Weiterhin können die Wege des Besuchers erfasst werden, indem die

aufeinanderfolgenden Pfade aufgezeichnet werden bei Besuchern mit gleicher IP-Adresse. Eine

Auswertung der Uhrzeit erlaubt das Erkennen von Stoßzeiten. Es gibt allerdings Probleme beim

Erfassen der wiederkehrenden Besucher. Die wenigsten Benutzer haben eine so genannte

feste IP. Das bedeutet, dass sie am nächsten Tag höchst wahrscheinlich eine neue IP-Adresse

haben werden und es für die Analyse nicht möglich sein wird, diesen Besucher als einen

Wiederkehrer zu identifizieren. Weiterhin ist es problematisch, wenn mehrere Personen – zum

Beispiel in einem Unternehmen – mit der gleichen IP die Website besuchen. Diese werden alle

als eine Person gezählt. Auch kann die Logfile-Analyse die Besuchsdauer nicht korrekt

berechnen, da in den Logfiles nicht steht, wann der Besucher die Seite verlässt. Zwar können

alle Wege ab dem Landen auf der Seite erfasst werden, aber die Zeit auf der Ausstiegsseite

kann nur approximiert werden. Die Besuchsdauer auf der Ausstiegsseite beträgt 0 Sekunden.

Der Logfile-Analyse sind demnach so einige Grenzen gesetzt.20

Diese Informationslücke versucht das Verfahren der clientseitigen Datensammlung zu

schließen. Clientseitig bedeutet hier, dass die Daten beim Besucher erfasst werden. Beim

Aufrufen einer Internetseite wird entweder ein Script ausgeführt oder ein Pixelbild - auch

Trackingpixel genannt – geladen, daher wird dieses Verfahren auch „Page Tagging“ genannt.

Das Script speichert ein so genanntes Cookie im Browser des Besuchers. Dieses bleibt bis zu

seiner Löschung dort bestehen. Die Löschung kann programmiert werden oder der Nutzer kann

Cookies selbst löschen. Hinderlich bei diesem Verfahren ist, dass jede Internetseite mit diesem

Script beschrieben sein muss, um sie erfassen zu können. Daher bietet es sich an, den Einsatz

bereits vor dem Erstellen der Webseiten zu diskutieren. Ein Kritikpunkt, der weiterhin bei der

Verwendung dieses Verfahrens angebracht wird, ist der datenschutzrechtliche Umgang mit den

gesammelten Daten.21

19 Vgl. The Apache Software Foundation (2013), http://httpd.apache.org/docs/2.4/logs.html#accesslog. 20 Vgl. Kaushik, A. (2009), S. 44 ff. 21 Vgl. Zumstein, D. / Meier, A. (2013), S. 164 ff.

- 12 -


Die Verwendung von Cookies hat den Vorteil, dass der Besucher bei seiner Wiederkehr auf der

Internetseite erkannt wird. Nachteil bei dieser clientseitigen Erfassung ist, dass nicht jeder

Besucher dieses Verfahren erlaubt. In jedem Browser besteht die Möglichkeit dieses Verfahren

automatisch zu unterbinden. Bei der Logfile-Analyse hingegen besteht diese Möglichkeit nicht,

da der Browser des Besuchers eine Anfrage an den Server mit der entsprechenden Website

sendet und automatisch Daten übermittelt werden. Ebenso ist die Logfile-Analyse dahingehend

überlegen als dass auch historische Daten ausgewertet werden können. So lange Logfiles aus

vorangegangener Zeit vorliegen, können diese auch ausgewertet werden. Ein weiterer Vorteil

ist, dass alle Aufrufe auf einer Website erfasst werden. Dazu zählt auch der Abruf (Download)

von PDF-Dateien, sowie anderen Dokumenten und dynamisch generierten Inhalten. Allerdings

hat auch das Page Tagging seine Stärken. Es erkennt wie zuvor erwähnt die wiederkehrenden

Besucher wesentlich eindeutiger. Außerdem ist es in der Lage, wesentlich mehr Informationen

abzurufen. Dazu gehört zum Beispiel die Bildschirmauflösung des Besuchers, aber besonders

relevant ist das Erfassen von Umsätzen und Conversions. Dadurch können schnell (in Echtzeit)

Analysen zu Besuchern und dem durchschnittlichem Warenkorb, den Umsätzen in einem

betrachteten Zeitraum oder der Zusammenhang zwischen der Höhe der Umsätze und dem

Surfverhalten des Besuchers untersucht werden. Diese Analysen sind mit einer Logfile-Analyse

nicht möglich. Daher wird diese Methode als veraltet angesehen.22 Allerdings kann das

gleichzeitige Ermitteln von Kennzahlen mit beiden Verfahren, nämlich der server- und der

clientseitigen Methode, die Unterschiede aufzeigen, die man vermeiden möchte.23

22 Vgl. Heßler, A. / Mosebach, P. (2013), S. 376. 23 Vgl. Bauer, C. u. a. (2011), S. 81.

- 13 -


3.2 Häufig genutzte Analysetools

Die Bekanntheit und Nutzung gängiger Analysewerkzeuge ist in der Vergangenheit stark

gestiegen. Das bekannteste und am häufigsten genutzte ist Google Analytics. Der Marktführer

unter den Suchmaschinen und Anbieter vieler weiterer Tools hat ein mächtiges und

kostenfreies Analyseinstrument geschaffen. Google Analytics stellt eine Vielzahl an Kennzahlen

bereit und unterliegt einer ständigen Entwicklung. Es basiert auf dem Page-Tagging-Verfahren,

es wird also ein Cookie gesetzt. Das bedeutet im Gegenzug allerdings auch, dass die erfassten

Daten bei Google gespeichert werden. Diese stehen in der Kritik, dass mit den erfassten Daten

Rechte verletzt werden. Nichtsdestotrotz hält dieses Tool beharrlich seine Marktführerschaft, da

es kostenfrei von jedem genutzt werden kann und eine Vielzahl an Daten ausgewertet werden

können. Oftmals wird es auch als Einstieg in Web Analytics verwendet, um sich mit der

Thematik zunächst auseinander zu setzen. Die Einfachheit der Bedienung und Implementierung

des Scripts in Webseiten wird durch eine große Community und umfangreiche Hilfeseiten

(teilweise auf Englisch) unterstützt. Der Anwender erhält durch Literatur und Internet

umfangreiche Hilfen und kann so nahezu kostenlos die Thematik Web Analytics detailliert

studieren.24

Abb. 5: Screenshot Google Analytics Dashboard

Quelle: eigener Screenshot.

24 Vgl. Kreutzer, R. T. (2012), S. 1 ff.

- 14 -


Adobe Analytics hingegen ist ein kostenpflichtiges Analysetool und entstand durch die

Übernahme von Omniture. Es ist ein kommerzielles Produkt, welches von der Firma Adobe

bereitgestellt wird. Dieses Tool erlaubt quasi alles, was der Anwender sich wünscht. Es

funktioniert ebenso wie Google Analytics über die Implementierung eines Scripts, verwendet

also das Page-Tagging-Verfahren. Es ist eines der teuersten Analysetools auf dem Markt, was

durch seine umfangreichen Bedienmöglichkeiten und Auswertungen sowie durch seinen

Support zu begründen ist. Die Anwendung dieses Programms ist allerdings so umfangreich und

komplex, dass eine für dieses Programm geschulte Person damit arbeiten muss.

Ein weiteres Tool ist Piwik. Dieses ist Open Source und kostenfrei. Dies hat den Vorteil, dass

der Websitebetreiber über die Daten selbst verfügen kann und somit keine Rechte der

Besucher gefährdet werden. Piwik kann sowohl Logfiles auswerten als auch über das Page-

Tagging-Verfahren verwendet werden. Die Auswertungen hingegen sind nicht so umfangreich

wie bei den beiden zuvor genannten Analysetools, aber genügen für einen einfachen Einstieg.25

Um die Logfile-Analyse nicht zu vernachlässigen, soll an dieser Stelle noch das Tool Sawmill

Analytics genannt werden. Dieses ist vorranging für Logfiles einzusetzen, ist allerdings auch in

der Lage, das Page-Tagging-Verfahren anzuwenden Die Implementierung gestaltet sich

allerdings nicht so benutzerfreundlich wie bei den etablierten Tools wie Google Analytics oder

Adobe Analytics. Dafür sind auch die Einstellungen bei Sawmill Analytics äußerst umfangreich.

Zwar stellt Sawmill Analytics mit einer der neueren Versionen auch ein Dashboard, in dem die

allgemein wichtigsten Auswertungen übersichtlich und knapp dargestellt werden, zur Verfügung

und hält einige neuere Kennzahlen bereit, allerdings ist die Anpassbarkeit des Programms vor

allem optisch sehr beschränkt und unterliegt einem hohen technischen Grundverständnis. Nur

geschulte Personen können intensiv mit diesem Programm arbeiten und Auswertungen starten,

die auf die persönlichen Ziele abgestimmt sind. Mit gerade einmal 99,- € ist das Tool quasi ein

Schnäppchen unter den bezahlpflichtigen Analysetools.

An der Auswahl an Analysetools mangelt es nunmehr nicht auf dem Markt. Weit über 100

Programme stehen zur Auswahl, wenn es heißt, die Daten von Websites fachmännisch

auszuwerten. Es sollte bei der Auswahl des „richtigen“ Werkzeugs aber dennoch darauf

geachtet werden, dass die mit der Website zu erreichenden Ziele nicht vernachlässigt werden.

Ein teures Tool kann Auswertungen liefern, die kein Entscheidungsträger im Unternehmen

braucht oder ein kostenfreies Tool kann nicht genug Daten bieten, die vielleicht für die

Generierung von mehr Umsätzen nötig gewesen wären. Daher ist eine konstruktive

Auseinandersetzung mit der Auswahl des richtigen Analysetool von essentieller Bedeutung für

die Zielüberwachung und Zielerreichung einer Website.

25 Vgl. Düweke, E. / Rabsch, S. (2012), S. 752 f.

- 15 -

3.3 Datenschutzrechtlicher Hintergrund

Durch die umfassende Erhebung von Daten, kann theoretisch ein Rückschluss auf die

handelnde Person erfolgen. Anhand der IP könnte die Identität des Besuchers ermittelt werden.

Nicht zuletzt können durch Anmeldevorgänge auch freiwillig Daten seitens des Besuchers

digital hinterlegt werden. Welche Rückschlüsse nun aber tatsächlich bei der Webanalyse

getroffen werden können, liegen ganz im Auge des Betrachters. Der Begriff „personenbezogene

Daten“ ist nicht eindeutig definiert. Rein theoretisch ist es möglich, durch die IP-Adresse eine

Person genau zu bestimmen, aber die Umsetzung ist doch höchst zweifelhaft. Dies ist nur über

die Auskunft des Providers dieser Person möglich. Und dieser wird aus rechtlichen Gründen

keine Daten freiwillig herausgeben.26

Das Themenfeld Datenspeicherung wird sehr kontrovers diskutiert. Ab wann beginnt die

Anonymität eines Internetnutzers? Diese Frage kann nicht eindeutig beantwortet werden.

Die Daten hingegen, die durch Analysetools sowohl client- als auch serverseitig gespeichert

werden, werden in im Telemediengesetz (TMG) reguliert. Unternehmen mit Webpräsenz sind

gut beraten, diese Gesetze einzuhalten. In vergangener Zeit wurden viele Webseitenbetreiber

unter teilweise fadenscheinigen Gründen mit empfindlichen Geldbußen abgemahnt. Beliebt ist

dabei der Verweis auf § 5 TMG, in dem die Informationsangaben geregelt sind. Ein so

genannter Dienstanbieter hat demnach verschiedene Pflichtangaben wie Name, Anschrift,

Vertretungsberechtigte, Registereinträge und viele weitere Angaben zu machen, die gut

sichtbar und leicht auffindbar auf der Website platziert sein müssen. Für gewöhnlich geschieht

dies in einem Impressum. Sollten diese Angaben fehlen oder falsch sein, erfüllt dies nach § 16

Absatz 2 Satz 1 TMG den Tatbestand einer Ordnungswidrigkeit bei Vorsatz oder Fahrlässigkeit

und kann gemäß § 16 Absatz 3 TMG mit einem Bußgeld bis zu 50.000,- € belegt werden.

Um diesen Geldbußen vorzubeugen und dem rechtlichen Rahmen entgegen zu kommen,

genügt oftmals ein Verweis im Impressum der jeweiligen Seite. Bei der Datensammlung sollte

angegeben werden, in welchem Maße diese Daten gesammelt und zu welchem Zweck sie

ausgewertet werden. Google Analytics hält zum Beispiel aufgrund der aufgekommenen Kritik

am Datenschutz eine Erklärung bereit, die jeder Websitebetreiber auf seiner Seite leicht

auffindbar platzieren muss.

26 Vgl. Eickmeier, F. / Hansmersmann, P. (2011), S. 99 ff.

- 16 -

4 Metriken und Key Performance Indicators


4.1 Begriffe

Kennzahlen dienen der Erfassung wichtiger Sachverhalte und Zusammenhänge. Im

Zusammenhang mit Web Analytics können Metriken und Key Performance Indicators (KPIs)

unterschieden werden. Zu den Metriken gehören einfache Kennzahlen und Verhältniszahlen.

Wichtige Kennzahlen sind zum Beispiel die Anzahl der Besuche, der Besucher, die Anzahl der

Seitenaufrufe, die Besuchsdauer oder die Herkunft.27

Eine Summenbildung bestimmter Kennzahlen ist nicht immer sinnvoll. Addiert man zum

Beispiel die Besuchsdauer aller Besucher, kann man mit der Zahl nicht viel anfangen. Aus der

Besuchsdauer eines einzelnen Besuchers kann man allerdings schon eher Rückschlüsse

ziehen. Meistens macht es Sinn, mehrere Dimensionen zu betrachten. Hochwertige

Analysetools erlauben das Erstellen von Pivot-Tabellen oder andere Anzeigeformen, in denen

mehrere Dimensionen dargestellt werden können, um Zusammenhänge abzuleiten. Eventuell

kann ein Zusammenhang zwischen Käufern und der Besuchsdauer hergestellt werden. Haben

Käufer eine längere Besuchsdauer als Nichtkäufer? Aber wenn Nichtkäufer die gleiche

Besuchsdauer haben, wieso werden sie nicht zu Käufern? In diesem Falle müssen weitere

Nachforschungen betrieben werden, um schlussendlich aus Besuchern Käufer zu machen.

Die KPIs stellen mit die wichtigsten Kennzahlen dar. Sie aggregieren in übersichtlicher Weise

wichtige Kennzahlen zur Erreichung von Zielen dar. Wird beispielsweise eine Werbekampagne

mit Fokus auf den Verkauf eines bestimmten Produkts auf der Internetseite geschaltet, das

besonders auf einer Partnerseite beworben wird, so möchten die Verantwortlichen auch nur

Kennzahlen im Zusammenhang mit dieser Kampagne erfahren. Wichtige KPIs sind hier zum

Beispiel die Anzahl der Besucher gesamt im Vergleich zu den Besuchern der Partnerseite, die

Verweildauer auf der beworbenen Seite, die Absprungrate und zuletzt natürlich der erzielte

Umsatz je Besucher oder Käufer und nicht zuletzt die wichtigste Kennzahl – die

Konversionsrate (Conversion Rate). Sie stellt eine der wichtigsten und vieldiskutiertesten

Kennzahlen in der Web Analytics dar und wird später noch genauer betrachtet.28

Das simple Präsentieren dieser KPIs muss immer so gestaltet werden, dass ein

Außenstehender diese versteht. Viele Analysetools geben Metriken und KPIs so aus, dass sie

kompakt und anschaulich dargestellt werden. Es ist im Bereich der Kennzahlen eine große

Herausforderung, diese so simpel wie möglich wiederzugeben und mit den Zielformulierungen

abzugleichen.29

27 Vgl. Zumstein, D. / Meier, A. / Myrach, T. (2012), S. 927. 28 Vgl. Zumstein, D. / Meier, A. (2013), S. 88 f. 29 Vgl. Peterson, E. T. (2006), S. 8 f.

- 17 -


4.2 Vorstellung wichtiger Kennzahlen

4.2.1 Visits und Visitors

Je nach Analysewerkzeug können Visits (Besuche), Visitors (Besucher), Returning Visitors

(wiederkehrende Besucher), Unique Visitors (eindeutige Besucher) und Absolute Unique

Visitors (absolut eindeutige Besucher) unterschieden werden. Ein Besuch ist mit einem

Besucher nicht gleichzusetzen, da der gleiche Besucher mehrmals eine Website besuchen

kann und somit 2 Besuche, aber nur 1 Besucher real feststehen. Ebenfalls ist dieser Besucher

dann ein wiederkehrender Besucher.

Eindeutige Besucher können mit dem Logfile-Verfahren (serverseitig) nicht erkannt werden. Nur

mit dem Setzen eines Cookies im Browser des Besuchers ist es möglich, diesen beim erneuten

Aufruf der Website wiederzuerkennen. Dabei ist aber zu beachten, dass wiederum nicht jeder

eindeutige Besucher auch wirklich so eindeutig ist, da nicht jeder Besucher bzw. sein Browser

Cookies zulässt oder speichert. Außerdem ist die Zahl dieser Besucher abhängig von der Zeit,

wie lange dieses Cookie gespeichert wird. Dies kann beim Programmieren eingestellt werden,

allerdings sollte die Zeit von 2 Jahren nicht überschritten werden.

Das Visitor-Dilemma lässt sich sogar so weit ausdehnen, dass es nicht nur eindeutige Besucher

gibt, sondern sogar absolut eindeutige Besucher. Diese sprachliche Diskrepanz ist von der

Betrachtungsweise der Besucher abhängig. Normalerweise gibt es nichts eindeutigeres als die

Eindeutigkeit selbst, allerdings werden bei Analysen zumeist vorgegebene Zeiträume

betrachtet, und hier schließt sich das Problem an, dass ein Besucher im Zeitraum A ein

eindeutiger Besucher ist, im Zeitraum B ist er allerdings wiederum ein (neuer) Besucher.

Werden Besucher also in einem kleinen Zeitraum wie einer Woche gemessen, so werden alle

die in dieser Zeit erfassten Besucher ausgegeben. Für diese Woche sind die Besucher also

„Unique“. Wird hingegen der gesamte Monat betrachtet, ist die Zahl der Besucher pro Woche

kleiner, da der Besucher in Woche 1 die Seite besuchen kann, ebenso in allen 3 weiteren

Wochen. Werden die Besucher nun je Woche erfasst, so werden sie als 4 Unique Visitors

gewertet. Werden sie nun hingegen je Monat erfasst, ist es nur noch 1 Unique Visitor. Dies soll

nun die Zahl des Absolute Unique Visitors beheben, indem der gesamte Erfassungszeitrum die

Zahl aller Besucher ausgibt. Man könnte diese Zahl auch die „echten eindeutigen Besucher“

nennen.

Je nach Analysetool, können solche Besucher mehr oder weniger gut unterschieden werden.

Es bleibt dann aber immer noch im Verständnis des Analysten, wie er mit diesen Daten

verfahren möchte, welche Eindeutigkeit er nun als wichtig für die Auswertung der Kennzahlen

und zur Erreichung der Ziele erachtet.30

30 Vgl. Kaushik, A. (2009), S. 37 ff.

- 18 -


4.2.2 Hits, Page Views und Bounces

Jeder Besucher erzeugt mindestens einen „Hit“, das bedeutet insofern so viel, dass er einen

Teil einer Website aufgerufen hat. Ein Aufruf wird zum Beispiel durch das Laden einer

Internetseite selbst erzeugt, durch das Laden eines Bildes, durch den Klick auf dieses Bild um

es zu vergrößern oder um einen Link aufzurufen. Je nach Analysetool werden alle weiteren

Inhalte erfasst. Mit Erfassung dieser Aufrufe kann eine gewisse Popularität abgeleitet werden.

Zweifelsohne ist bei den meisten Internetseiten die Startseite die beliebteste Einstiegsseite und

hat die höchsten Aufrufe.

In der Vergangenheit hat die Auswertung der Hits bereits vielen Websitebetreibern genügt,

allerdings ist mit der steigenden Komplexität und der unterschiedlichen Zielerreichung beim

Betrieb der Website die Forderung nach genaueren Zahlen gestiegen. Man möchte gern

erfahren, wie viele verschiedene Seiten der Besucher nun wirklich aufgerufen hat, unabhängig

davon, ob er ein Bild betrachtet oder eine Datei heruntergeladen hat. Page Views (PV) oder

auch Page Impressions (PI) bedeuten das gleiche und betrachten im Idealfall die wirklich

aufgerufenen Seiten. Die meisten Analysetools erlauben eine genaue Konfiguration, wie die

Page Views berechnet werden. Möchte der Analyst beispielsweise eine Seite erfassen, die als

Popup in einem separaten dynamischen Fenster erscheint und keine eigenständige Seite

darstellt, so kann er diese bei der Berechnung der Page Views mit einschließen.31

Zu den Verhältniszahlen gehören unter anderem die Seitenaufrufe je Besucher (Page

Impression per Visit; PI/V) oder auch der Umsatz je Besuch oder Besucher (Sales per Visit). Je

nach Ziel der Website können so viele KPIs generiert werden, die zur Erfolgsüberwachung

dienen.

Eine Sonderform der Page Views stellen die Single-Page Views dar, auch Einseitenaufrufe

genannt. Diese bringen zum Ausdruck, wie loyal sich ein Besucher verhält, da er keine weitere

Seite der Website aufruft. Der Besucher springt also sofort wieder ab. Ein Absprung wird

Bounce genannt, das Verhältnis aller Bounces zu allen Seitenaufrufen der betrachteten Seite

bezeichnet die Bounce Rate, die Absprungrate. Sie ist eine beliebte Verhältniszahl und kann

entweder auf eine Seite oder alle Seiten bezogen werden. Die Betrachtung liegt auch hier

wiederum im Zweck der Seite. Eine Website kann als Wissensdatenbank dienen. Hier ist das

Ziel, dass der Besucher die Antwort sofort findet. Ist hier die Bounce Rate sehr gering, so kann

das ein Zeichen dafür sein, dass der Besucher nicht die richtige Antwort gefunden hat.

Umgekehrt kann eine Website als Werbemittel dienen. Je mehr Seiten hier ein Besucher

aufruft, umso mehr Interesse signalisiert er an den beworbenen Inhalten. Hier sollte die Bounce

Rate so gering wie möglich sein.32

31 Vgl. Kaushik, A. (2009), S. 36. 32 Vgl. Kaushik, A. (2009), S. 50 ff.

- 19 -


4.2.3 Referrer

Referrer bezeichnet die Herkunft eines Besuchers. Damit ist die Herkunft hinsichtlich der

Website gemeint. Ein Besucher kann zunächst direkt (direct) auf eine Website gelangen. Dies

geschieht entweder durch die direkte Eingabe der Seite in der Adresszeile des Browsers, durch

Anklicken des Favoriten (Bookmark) im Browser und leider aber auch durch die Unmöglichkeit

des Analysetools, die Herkunft des Besuchers zu erfassen. Dieser Fall tritt beim Anklicken

eines Links in einer PDF-Datei, einem Newsletter oder anderen ähnlichen Dateien und

Programmen auf. Das Analysetool kann diese Herkunft nicht bestimmen und gibt sie immer als

direkt aus oder auch als „no referrer“ (auch: none), also keine bekannte Herkunft.

Eine weitere Form der Referrer wird als „organic“. bezeichnet. Diese entspring einer Suche des

Besuchers in einer Suchmaschine und dem anschließenden Klick auf das Suchergebnis, das

zur zu untersuchenden Website führt. Durch den Linkpfad, der vom Analysetool ausgewertet

wird, kann auch das gesuchte Keyword (Suchbegriff) ausgelesen werden. Es können also

gleich zwei Reports erstellt werden, nämlich zum einen die Top-Suchmaschinen und zum

anderen die Top-Suchbegriffe, die zur Seite geführt haben. Gerade im Bereich der

Suchmaschinenoptimierung ist die Erkenntnis aus dieser Auswertung von sehr hoher

Bedeutung.

Die letzte Form der Referrer nennt sich schlicht „referral“ und bezeichnet alle (erfassbaren)

Herkunftsseiten. Diese beinhalten auch die Suchmaschinen und können um diese in vielen

Analysetools bereinigt werden, um Missverständnissen vorzubeugen. In den meisten Fällen ist

die eigene Website der Referrer mit der höchsten ausgegebenen Zahl, da die Website

untereinander verlinkt ist. Der Besucher gelangt also von einer Seite zur nächsten innerhalb der

Website. Jeder Aufruf ist dabei ein Eintrag dieser Referrer, es sei denn es handelt sich um eine

Website mit nur einer Seite. Es macht also Sinn, auch diese Zahl aus der Analyse

herauszunehmen. Was übrig bleibt, sind die aktivsten Seiten, die von den Besuchern genutzt

werden, um auf die Website zu gelangen.33

Referrer können zum Beispiel herangezogen werden, um die Aktivität von Partnerseiten

auszuwerten oder auch um Bounce Rates zu erklären. Wird die Herkunft der Besucher ins

Verhältnis zur Absprungrate gesetzt, kann evtl. ein Zusammenhang zwischen einer hohen Rate

und den von Suchmaschinen stammenden Besuchern erkannt werden. Solche

Zusammenhänge zu erkennen schließt hier wiederum die Suchmaschinenoptimierung ein.

33 Vgl. Düweke, E. / Rabsch, S. (2012), S. 760 f.

- 20 -


4.2.4 Conversion Rate

Sie berechnet sich durch die Anzahl der Verkäufe durch die Anzahl der (eindeutigen) Besucher.

Conversion ist aus dem Lateinischen von „convertere“ abgeleitet und heißt „wenden“. Ein

Besucher, der Umsatz erzielt und somit zum Käufer wird, wendet seinen Status, das heißt er

„konvertiert“. Diese Zahl wird oft als Vergleich zu anderen Unternehmen herangezogen. Einen

echten Vergleich kann man dabei aber allerdings nicht erzielen. Die meisten Unternehmen

haben unterschiedliche Ziele schon allein wegen der Differenzierung, also Abgrenzung zur

Konkurrenz. Wird die Konversionsrate der Käufer zu den Besuchern herangezogen, so tauchen

oftmals Zahlen wie 5% oder 10% auf. Dennoch wird kaum ein Unternehmen seine

Konversionsraten offenlegen. Die Konversionsrate kann allerdings intern sehr gut verwendet

werden um Trends zu erkennen und Empfehlungen abgeben zu können.

Zur Conversion gehört nicht nur das Generieren von Umsatz, sondern ebenso Newsletter-

Anmeldungen, Anzahl der (Neu-)Registrierungen oder die Anzahl der Downloads einer Datei.

Der Bereich, der sich mit der Optimierung der Conversion Rate beschäftigt, nennt sich auch

Conversion Rate Optimization (CRO). Und zwar soll die Conversion Rate verbessert werden,

ohne dass an der Zahl der Besucher etwas geändert wird. Das heißt, dass Inhalte auf der

Website besser dargestellt oder sichtbar besser herausgearbeitet werden. Oder es werden

attraktive Angebote angeboten, die sich der Besucher nicht entgehen lassen will.34

Die Conversion Rate stellt also eine der wichtigsten Kennzahlen in der Web Analytics dar und

gibt die Effektivität einer Kampagne wieder. Jede Conversion ist für sich selbst zu betrachten,

da Vergleiche schwer zu treffen sind aufgrund der unterschiedlichen Ausgangssituationen.35

Unter anderem gibt es in Kapitel 4.3.3., Controlling der Suchmaschinen-Werbung, dazu ein

Rechenbeispiel.

34 Vgl. Düweke, E. / Rabsch, S. (2012), S. 676 f. 35 Vgl. Kreutzer, R. T. (2012), S. 186.

4.2.5 Funnel

Mittlerweile ist es mit modernen Analysetools möglich Pfade durch eine Seite zu visualisieren.

Dabei können so genannte „Funnel“ dargestellt werden. Funnel bedeutet Trichter und wird in

folgender Darstellung deutlich:

Abb. 6: Darstellung eines Conversion

Quelle: eigene Darstellung.

Um den Weg bis zu einer Konversion darzustellen, werden die Pfade und deren Häufigkeit

dargestellt und als Konversionspfade oder auch Conversion Funnel

nimmt die Anzahl nach unten

potentielle Kunden abgesprungen sein müssen.

Optimierungsmaßnahmen anzusetzen. Umgekehrt kann auch zuvor ein Ziel

werden, welchen Pfad der potentielle Kunde nehmen sollte. Weichen zu viele Kunden von

diesem Pfad ab, müssen weitere Nachforschungen angestellt werden. Oftmals werden dafür

Umfragen oder Testkäufer herangezogen.

Analyse genannt.36

Die Darstellung des Conversion Funnel

Attention (Aufmerksamkeit), Interest (Interesse), Desire (Wunsch) und Action (Aktion).

Beginn auf der Einstiegsseite (

Besucher geweckt. Bleiben

zu erkennen. Gehen sie noch weiter und legen

handelt es sich um einen Wunsch

Bestellung abgesendet, ist die Aktion erfolgt, also das Ziel erreicht.

der Besucher ist jetzt ein Käufer.

36 Vgl. Erlhofer, S. (2011), S. 572.37 Vgl. Heßler, A. / Mosebach, P. (2013), S. 376 f.

Einstiegsseite

1. Folgeseite

2. Folgeseite

3. Folgeseite

- 21 -




folgender Darstellung deutlich:

Conversion Funnel (Trichters).

igene Darstellung.


Konversionspfade oder auch Conversion Funnel bezeichnet

nimmt die Anzahl nach unten zum Ziel hin ab. Das bedeutet, dass im Vorfeld immer mehr

unden abgesprungen sein müssen. Diese Visualisierung ist wichtig, um

Optimierungsmaßnahmen anzusetzen. Umgekehrt kann auch zuvor ein Ziel



er Testkäufer herangezogen. Diese Analyse der Pfade wi

des Conversion Funnel verdeutlicht die AIDA-Formel. Dieses Akronym steht für

Attention (Aufmerksamkeit), Interest (Interesse), Desire (Wunsch) und Action (Aktion).

auf der Einstiegsseite (auch Landing Page genannt) wird die Auf

leiben die Besucher länger und gehen zur nächsten Seite

ehen sie noch weiter und legen beispielsweise ein Produkt in den Warenkorb,

einen Wunsch. Und wird schlussendlich der Warenkorb bearbeitet und die

Bestellung abgesendet, ist die Aktion erfolgt, also das Ziel erreicht. Die Konversion ist erfolgt,

der Besucher ist jetzt ein Käufer.37

S. 572.

Vgl. Heßler, A. / Mosebach, P. (2013), S. 376 f.

Einstiegsseite

1. Folgeseite

2. Folgeseite

3. Folgeseite

Ziel

Metriken und Key Performance Indicators




bezeichnet. Wie ein Trichter

hin ab. Das bedeutet, dass im Vorfeld immer mehr

Diese Visualisierung ist wichtig, um

Optimierungsmaßnahmen anzusetzen. Umgekehrt kann auch zuvor ein Ziel (Lead) festgelegt



Diese Analyse der Pfade wird auch oft Clickstream-

. Dieses Akronym steht für

Attention (Aufmerksamkeit), Interest (Interesse), Desire (Wunsch) und Action (Aktion). Zu

auch Landing Page genannt) wird die Aufmerksamkeit der

die Besucher länger und gehen zur nächsten Seite ist ein Interesse

ein Produkt in den Warenkorb,

der Warenkorb bearbeitet und die

Die Konversion ist erfolgt,

- 22 -


4.3 Controlling der Online-Werbung

Bei der Online-Werbung werden verschiedene Arten von Werbeformen betrachtet. Es können

beispielsweise Werbebanner oder Newsletter ausgewertet werden. Ein Controlling der Online-

Werbung muss zwingend durchgeführt werden, um die Kosten in Relation zum Erfolg zu

ermitteln und auch deshalb, da es bei einigen Werbeformen zu Betrug kommen kann, den es zu

überwachen gilt. Informative Kennzahlen wie Page Views bzw. Page Impressions, hier im

konkreteren Fall auch Ad Views oder Ad Impressions genannt, geben Auskunft darüber, wie

viele Kontakte ein Nutzer auf der werbenden Seite mit der Werbeanzeige hatte. Sie sagt

allerdings nichts darüber aus, ob der Nutzer diese auch wahrgenommen hat. Über die Ad Clicks

lässt sich im Weiteren herausfinden, wie oft auf die Werbeanzeige geklickt wurde. Liegen diese

beiden Zahlen für einen Betrachtungszeitraum vor, so wird die Click-Through-Rate (CTR)

berechnet, indem beide Kennzahlen ins Verhältnis gesetzt werden.38

�� − �ℎ��ℎ − �� = �� ÷ �� × 100

Sie ist eine wichtige Kennziffer im Online-Marketing und bringt zum Ausdruckt, wie effizient die

Werbekampagne für die jeweiligen Werbemittel ist. Eine Vergleichbarkeit zwischen

verschiedenen Werbeträgern wird zwar angestrebt, ist in der Praxis aber nicht immer möglich.

Wie schon zuvor kennen gelernt, sind die Ziele der Werbung oder die Ziele von Webseiten sehr

unterschiedlich. Das Ziel einer Online-Werbung kann sowohl Informieren als auch Verkaufen

sein. Aufgrund dieser Ziele kann die Werbung auf unterschiedlichen Seiten gesetzt werden und

unterschiedliche Nutzer ansprechen. Außerdem ist es nicht immer möglich,

kundengruppenspezifisch seine Werbung zu platzieren. Hinzu kommt der Umstand, je besser

die Werbung auf die Kunden oder ihre Interessen zugeschnitten werden soll, umso teurer ist

sie.39

Interessant in diesem Zusammenhang sind die Bounces. Erfahrungsgemäß sind diese bei

Online-Werbung sehr hoch, da der Nutzer erst für die Marke oder das Produkt geworben

werden soll. Allerdings können diese gesenkt werden, je besser die Werbung auf den

potentiellen Nutzer zugeschnitten ist.

38 Vgl. Kreutzer, R. T. (2012), S. 186. 39 Vgl. Meffert, H. / Burmann, C. / Kirchgeorg, M. (2012), S. 862 f.

- 23 -


4.3.1 Controlling des Affiliate-Marketings

Beim Affiliate-Marketing wird auf einer anderen Website, zum Beispiel einer Partnerwebsite, ein

Werbebanner gesetzt, das der Nutzer im Idealfall wahrnimmt und anklickt. Die Partner heißen

Affiliates. Gegebenenfalls wird ein Merchant, der mehrere Kontakte zu Affiliates pflegt,

beauftragt Werbungen optimal zu platzieren, entsprechend zu beraten und Auswertungen

vorzunehmen. Die im Abschnitt zuvor genannten Kennzahlen wie Ad Impression, Ad Click und

Click-Through-Rate kommen hier standardmäßig zum Einsatz. Weitere Kennzahlen ergeben

sich aus den Abrechnungsmodellen. Beim Pay per View werden die zuvor genannten Ad

Impressions pro Kundenkontakt gezahlt, beim Pay per Click hingegen nur die tatsächlichen

Clicks auf die Werbung. Selbstverständlich sind dort die Kosten deutlich höher. Beschränken

sich die Ziele der Werbung auf das Generieren neuer Kontakte durch das Anlegen von Profilen,

so ist ein Pay per Signup denkbar. Beim Pay per Download wird je getätigtem Download eine

Gebühr fällig, ebenso beim Pay per Install, das allerdings höherem technischem Know-how

unterliegt und deren Abrechnungsverfahren nur von spezialisierten Merchants vorgenommen

werden kann. Viele weitere Kostenmodelle sind denkbar, je nach Zielsetzung der Werbung und

dem Abrechnungsvermögen des Merchants. Bei diesen Verfahren, die durchaus sehr

kostenintensiv sein können, muss eine Kosten- und Erfolgskontrolle durchgeführt werden, um

die Effizienz zu messen.40

Zum Affiliate-Marketing gehört auch die Werbung in E-Mails der Affiliates, die beispielsweise

Newsletter an ihre Abonnenten versenden.41 Die eigene Kontrolle der Rückläufe auf diese

Werbung ist nur über Umwege messbar. Es ist nicht möglich auf der eigenen Seite ohne

Weiteres die Herkunft des Besuchers über eine E-Mail zu ermitteln. Solche Besucher werden

außer in wenigen Ausnahmefällen als „no referrer“ des Analysetools ausgegeben und gesellen

sich zu anderen nicht erfassbaren Benutzern. Der Trick besteht darin, eine so genannte

Landing Page nur für die E-Mail-Empfänger anzulegen und diese dann in der Werbeanzeige zu

verlinken. Eine Landing Page ist eine Seite, auf die der Nutzer gezielt landen soll. Das kann

ohne sein Wissen auch nur eine automatische Weiterleitung zu einer bestehenden Website

sein, aber so kann er über den Aufruf der Seite individuell erfasst werden. Es darf kein weiterer

Link zu dieser Seite an anderer Stelle eingebaut werden, um nicht das Ergebnis zu verzerren.

Gelangt nun ein E-Mail-Empfänger über den Newsletter des Affiliates auf die Landing Page, so

kann davon ausgegangen werden, dass der Besucher, der diese Seite aufruft, eindeutig von

diesem Werbebanner in diesem Newsletter herkommen muss.

40 Vgl. Kreutzer, R. T. (2012), S. 223. 41 Vgl. Brüne, K. (2009), S. 18.

- 24 -


4.3.2 Controlling des E-Mail-Marketings

Beim E-Mail-Marketing sind die eigenen verschickten E-Mails gemeint. Zumeist sind dies

Newsletter, die von den Kunden abonniert wurden. Ein Unternehmen sollte stets den Erfolg des

E-Mail-Marketings überwachen. Dabei kann zum Beispiel die Öffnungsrate zum Einsatz

kommen. Allerdings ist diese Zahl mit äußerster Vorsicht zu genießen. Diese Zahl kann nur

ermittelt werden, indem der Leser das bereits kennen gelernte Zählpixel öffnet. In vielen Fällen

enthalten Newsletter Bilder, die den Inhalt unterstreichen sollen. Verzichtet allerdings der Leser

auf das Nachladen dieser Bilder, weil das standardmäßig in seinem E-Mail-Client eingestellt ist

oder er den Newsletter mobil abruft und sein Volumenkontingent nicht überstrapazieren

möchte, so kann dieser Leser nicht erfasst werden. Diejenigen allerdings, die den Newsletter

inklusive der Bilder aufgerufen haben, gehen in die Öffnungsrate ein. Idealerweise besteht ein

Newsletter aus einigen Artikeln, die zum Weiterlesen auf der eigentlichen Website anregen

sollen. Klickt der Leser auf einen Link, so kann die Klickrate (unabhängig von der Öffnungsrate)

ermittelt werden. Je höher diese Zahl ist, umso besser kann der Erfolg gewertet werden.

Selbstverständlich können auch die Umsätze aus diesen Newslettern heraus ermittelt werden.

Somit ergibt sich eine Newsletter-Conversion. Ein kurzes Beispiel: von 10.000 ausgesendeten

Newslettern, werden 1.500 nachweislich geöffnet, das heißt, die Bilder werden nachgeladen.

Die Öffnungsrate beträgt 15%. Auf diverse Links im Newsletter wurde 150 Mal von

verschiedenen Nutzern geklickt. Die Klickrate liegt folglich bei 1,5 %. Von diesen 150 Nutzern

tätigen 50 eine Bestellung mit einer durchschnittlichen Höhe von 50,- €, generieren also

5000,- € Umsatz. Die durchschnittliche Umsatzhöhe pro Newsletter-Aussendung beträgt also

50 Cent. Die Newsletter-Conversion berechnet sich aus der Anzahl der Käufer durch die Anzahl

der Newsletter-Empfänger mal 100. Die Conversion liegt bei 0,5 %. Diese Quote ist sicherlich

verbesserungswürdig. An dieser Stelle ist ein zielgruppengerechtes Newsletter-System ratsam.

Allerdings müssen auch hier wieder Kosten und Nutzen ins Verhältnis gesetzt werden.42


- 25 -


4.3.3 Controlling der Suchmaschinen-Werbung

Suchmaschinen-Werbung, auch Search Engine Advertising (kurz: SEA) genannt, ist ebenfalls

ein Teilbereich des Online-Marketings. Bei dieser Werbeform werden Anzeigen in

Suchmaschinen geschaltet, die idealerweise zur Suche eines Nutzers passen. Bekanntestes

Beispiel hierfür ist Google AdWords. Auch hier müssen fortlaufend Kosten und Erfolg überprüft

werden, um die nicht unerheblichen Kosten im Blick zu behalten. Dabei gibt es eine Vielzahl an

Möglichkeiten, wie, wann, wie oft, wo, durch wen und bis zu welchem Limit diese Anzeigen

gesehen oder auch nicht gesehen werden können. Der Nutzer von AdWords kann alle

Einstellungen vornehmen oder durch Agenturen vornehmen lassen. Das Einzige, was er nicht

beeinflussen kann, ist die Konkurrenz. Der Preis für einen Klick auf die Anzeige bestimmt sich

nämlich durch die Anzahl von weiteren AdWords-Nutzern, die ebenso bereit sind, für ihre

Anzeige mit gleichem Keyword genauso viel oder mehr zu bezahlen. Dabei werden in AdWords

diejenigen Wörter bzw. Keywords gebucht, die besonders relevant sind und solche

ausgeschlossen, die man nicht bedienen möchte. Eine ständige Überprüfung der relevanten

Keywords ist also unerlässlich, ebenso das Überwachen seiner Mitbewerber am Markt. Da

Google den Wettbewerb nach eigener Aussage „fair“ gestalten möchte, fließt in den Wert auch

noch die Relevanz ein. Diese berechnet sich nach einem für den Nutzer nicht

nachvollziehbaren Algorithmus aus Keywords, der Anzeige und der Website, die beworben

wird.43 Bietet ein Mode-Shop 3,- € für eine Anzeige und ein Spielwaren-Shop 2,- € für das

Keyword „Eisenbahn“, so wird der Spielwaren-Shop höchst wahrscheinlich eher den Zuschlag

bekommen und seine Anzeige geschaltet werden. Eine Website sollte also im besten Falle auf

die beworbenen Keywords optimiert sein.44

Der Nutzer von AdWords muss also vorher diejenigen Kosten kalkulieren, die er bereit ist, in die

Werbung zu investieren und sollte das Limit im Konto einstellen, um nicht Gefahr zu laufen, auf

einem Berg unüberschaubarer Kosten sitzen zu bleiben. Die Berechnung der Maximalkosten

kann auf Erfahrungswerten, eigenen Versuchsläufen oder Vorschlägen im AdWords-Konto

beruhen.

Zur Auswertung zur Messung des Erfolgs der Kampagne kommen hier erneut die Ad Views und

die Conversion Rate zum Einsatz. Für die Ad Views fallen noch keine Kosten an. Erst wenn der

potentielle Kunde auf die Anzeige klickt, entstehen dem Unternehmer Kosten. Diese werden als

Cost-per-Click (CPC) bezeichnet.

Rechenbeispiel:

Am Tag werden 1.000 Anzeigen (Ad Views) eingeblendet. 100 Mal wird diese Anzeige

angeklickt, die Klickrate (Click Rate) liegt also bei 10 %. Von den 100 Personen nehmen jeweils

43 Vgl. Google Inc. (2013), https://support.google.com/adwords/answer/1704429. 44 Vgl. Bauer, C. (2011), S. 159.

- 26 -


20 Personen die gewünschte Handlung vor (Converter), bei einem Online-Shop soll dies im

besten Falle die Generierung von Umsatz sein. Somit erreichen wir eine Conversion Rate von

20 %.

�� = ��ℎ�� ÷ �� × 100

Kostet ein Klick auf die Anzeige bei AdWords 2,- €, so ergeben sich Gesamtkosten pro Tag in

Höhe von 200,- €. Daraus wiederum berechnen sich die Kosten pro Käufer (CPO, Cost-per-

Order). 200 € / 20 Käufer = 10,- € CPO. Dies sind nicht unerhebliche Kosten, die fortlaufend

überwacht werden müssen. Google AdWords stellt alle notwendigen Berichte und viele

Optimierungstools zur Verfügung, nimmt aber dem Nutzer natürlich nicht die Arbeit ab, diese

auch zu bedienen. Die Conversion Rate muss überwacht werden, um die Werbewirksamkeit zu

beurteilen und die CPO müssen jeweils zur Kostenkontrolle herangezogen werden.45

Durch die Verknüpfung von Google AdWords mit Google Analytics sind den Auswertungen

keine Grenzen gesetzt. Das Nutzerverhalten kann nach dem Klick auf die Anzeige detailliert

ausgewertet werden. Die Besucher können wiederum segmentiert werden. Woher kommen die

Besucher? Wonach haben die Besucher gesucht? Welche Seiten haben am liebsten

aufgesucht? Besteht ein Zusammenhang zwischen diesen Daten und den Conversions?46

Mittlerweile übernehmen auch externe Dienstleister solche Aufgaben, diese nehmen dann aber

auch eine entsprechende Provision für ihre Dienste. Diese kann sich an den Conversions oder

Umsätzen orientieren, kann aber auch ein Fixum sein bzw. ein Fixum plus Provision. Der

Preisgestaltung sind in diesem Dienstleistungssektor keine Grenzen gesetzt.

45 Vgl. Kreutzer, R. T. (2012), S. 210. 46 Vgl. Erlhofer, S. (2011): S. 572.

- 27 -


4.4 Controlling der Suchmaschinenoptimierung

Auch als Search Engine Optimization (SEO), einer Unterform des Search Engine Marketings

(SEM), bezeichnet, beschäftigt sich dieser Zweig des Web Controllings mit der Optimierung der

Website hinsichtlich der Auffindbarkeit bzw. Sichtbarkeit in Suchmaschinenergebnissen,

nämlich dem Sichtbarkeitsindex. Voraussetzung hierfür ist, dass bestimmte Keywords definiert

werden, die aus einzelnen Wörtern oder Wortgruppen bestehen. Dabei werden diejenigen

Keywords ermittelt, mit denen ein zukünftiger Besucher auf die Website gelangen soll. Sinnvoll

ist dabei die Formulierung von Keywords, die auch inhaltlich mit der Website stark im

Zusammenhang stehen. Die einfachste Methode den Sichtbarkeitsindex zu ermitteln ist ganz

trivial: Der Name wird in der Suchmaschine eingegeben und der Rang abgezählt. Da sich aber

Keywords nicht nur auf einige wenige beschränken, sondern auf viele ausgewählte und

kombinierte Keywords beziehen, sind Hilfstools sehr anzuraten. Ein teilweise kostenfreies Tool

ist zum Beispiel CuteRank (cuterank.net), kostenpflichtige Tools wie Seitwert-Monitor

(seitwert.de; ab 6,95 € monatlich) oder Positionly (positionly.com; ab 19,- € monatlich) trumpfen

mit ausführlichen Berichten und Verbesserungsvorschlägen auf. Inwiefern sich solche

Investitionen lohnen, hängt wie immer vom Ziel der Website ab.47

Marktführer unter den Suchmaschinen für den europäischen Raum ist „Google“. Umfragen

zufolge blättern die wenigsten Nutzer von Google auf eine weitere Seite der Suchergebnisse.

Auf jeder Seite werden lediglich die 10 besten Suchergebnisse angezeigt, die nach einem nicht

gänzlich nachvollziehbaren Algorithmus von Google berechnet werden. Umso wichtiger ist es

für Unternehmen, Ihre Websites durch umfangreiche Maßnahmen dahin gehend zu optimieren,

dass sie unter den ersten 10 Suchergebnissen erscheinen. Die Maßnahmen zur Erzielung

solcher Ergebnisse sind so mannigfaltig, dass es verschiedener Kompetenzen bedarf, um sie

alle umzusetzen. Beispielsweise benötigt man einen Redakteur, der die Texte nach einem

bestimmten Schema optimiert, welches aber für den echten Leser noch attraktiv genug ist, um

den Text auch wirklich normal lesen zu können, ohne den Eindruck zu gewissen, dass er für

eine Maschine erstellt wurde. Man benötigt weiterhin einen Website-Programmierer, der sich

mit der Thematik auskennt und die für Suchmaschinen sichtbaren Inhalte optimiert. Genauso

müssen alle Personen, die am Pflegen der Inhalte beteiligt sind, geschult sein, damit sie alle

notwendigen Einträge erkennen, korrigieren oder zur Rücksprache markieren können. Bereits

vor dem Online-Schalten der Website-Inhalte muss das Konzept feststehen und darf nur

geringe Fehler beinhalten. Suchmaschinen, beziehungsweise deren Crawler oder Spider,

schauen für gewöhnlich jeden Tag auf der Website vorbei und merken sich jedes Wort, jede

Einstellung und jedes Bild. Sie merken sich auch die Fehler, die zu einer Abwertung in den

Suchergebnissen führen können und korrigieren diese erst nach mehrmaligem Wiederkehren.

47 Vgl. Erlhofer, S. (2011), S. 578.

- 28 -


Für einige Unternehmen können schon wenige Tage oder sogar Stunden schlechtere

Sichtbarkeit ein gewaltiges Ausmaß an Umsatzeinbußen bedeuten.

Die zielführenden KPIs sind bei der Suchmaschinenoptimierung also: 48

• der Rang in der Suchmaschine, je höher umso besser, umso erfolgreicher die

Kampagne.

• die Berücksichtigung nur der Referrer, die als „organic“ ausgewiesen werden, also die

Anzahl der zusätzlichen Besucher.

• Conversion Rates, die nur für diese Referrer definiert werden, um sie mit anderen

vergleichen zu können, alternativ die Änderung einer allgemeinen Conversion Rate.

• die zusätzlichen Kosten für die Optimierung im Verhältnis zur Anzahl der zusätzlichen

Besucher.

Weitere KPIs können aus folgenden Fragestellungen formuliert werden: 49

• Wie viel länger oder kürzer haben die neuen Besucher die Seite betrachtet (Session

Duration)?

• Wie viele Seiten mehr oder weniger haben sie betrachtet (Page Views, Seitentiefe)?

• Können Rückschlüsse der demographischen Merkmale auf die erhobenen KPIs

gezogen werden?

• Haben die Besucher möglicherweise sogar mehrmals die Seite aufgerufen (Returning

Visitors)?

Der Bereich der Suchmaschinenoptimierung ist ein eigenes Themengebiet für sich und hält so

mannigfaltige Optimierungsmöglichkeiten bereit, dass es mittlerweile einen riesigen Markt gibt,

auf dem sich mehr oder minder qualifizierte Agenturen tummeln. Da es auch in diesem Bereich

an ernst zu nehmenden Zertifikaten mangelt, wird der Begriff auch leider allzu oft

missbräuchlich verwendet. Für alle Unternehmen, die Leistungen von Externen im Bereich des

SEO oder SEM in Anspruch nehmen wollen, ist ein solides Grundwissen in diesem Bereich

unerlässlich, um nicht an unqualifizierte Dienstleister zu gelangen. Es bleibt zu erwähnen, dass

diese Dienstleister auch durchaus in der Lage sein sollten Web Analytics anzuwenden. Allein

schon der Mangel dieses Wissens identifiziert einen Laien. Schließlich ist eine hohe Qualität der

Arbeit durch Optimierung der eigenen Prozesse zu gewährleisten.

48 Vgl. Kreutzer, R. T. (2012), S. 271 f. 49 Vgl. von Bischopinck, Y. / Ceyp, M. (2009), S. 266.

- 29 -


4.5 Controlling der Social-Media-Aktivitäten

Social Media bedeutet, dass sich Personen über eine elektronische Plattform in sogenannten

Social Networks auszutauschen. Alle Maßnahmen zur Umsetzung von Marketingzielen in

Social-Media-Kanälen wird als Social Media Marketing (SMM) bezeichnet. Im B2C-Bereich

treffen sich Anbieter und (potentielle) Kunden gemeinsam auf einer Plattform Es findet ein

Dialog zwischen Unternehmen und Kunden statt, ohne dass zwei Personen direkt miteinander

in Kontakt treten müssen. Bekannte Beispiele für Social Networks sind Facebook, Google+ und

Twitter.

Social Media ist für Unternehmen eine Chance, um mit ihren Kunden in einen Dialog zu treten

und die Beziehung zu diesen aufzubauen oder zu pflegen. Da jeder Kunde für ein Unternehmen

einen gewissen Wert darstellt, gehört eine gewissenhafte Pflege und Selbstdarstellung der

Unternehmen in den Sozialen Medien quasi schon zum guten Ton. Den Unternehmen stehen

viele Netzwerke zur Verfügung, mit denen sie ihre Marken zielgruppenorientiert darstellen, Live-

Support anbieten, die virale Vermarktung ihrer Produkte steuern oder auch die Kundenbindung

pflegen können.50

Wie Abbildung 7 anschaulich darstellt, kann sich eine gute Auswertung von Social-Media-

Aktivitäten als äußerst schwierig gestalten. In dieser Grafik wird Social Media in viele

Teilbereiche gegliedert, dazu gehören u. a. die schon bekannten Social Networks, Blogs,

Podcasts, Social Wikis oder das Photo Sharing. Es ist unschwer zu erkennen, dass es

unüberschaubar viele Netzwerke gibt. Eine intensive Auswertung dieser Netzwerke bietet sich

dann an, wenn die Pflege dieser Netzwerke auf Unternehmensseite einer gewissen

Ernsthaftigkeit unterliegt. Es ist zudem sehr unwahrscheinlich, dass sich Unternehmen in allen

Netzwerken betätigen. Die Kosten für Technik und Personal müssen aber dennoch ins

Verhältnis zu den Ergebnissen der Aktivitäten gesetzt werden.

Da sich nicht in allen Netzwerken die gleichen Zielgruppen aufhalten, müssen auch die Inhalte

zielgruppengerecht erstellt werden. Es muss also das richtige Netzwerk mit der richtigen

Zielgruppe identifiziert werden. Diese Aufgabe obliegt zumeist dem Marketing. Die Kontrolle der

Effektivität wird zumeist vom Web Analysten vorgenommen, da dieser die Daten mit anderen

Daten besser vergleichen kann.

50 Vgl. Lovett, J. (2011), S. 3 f.

- 30 -


Abb. 7: Social Media Map 2013

Quelle: Overdrive Interactive (2013), http://www.overdriveinteractive.com/social-media-map,

23.06.2013.

Es gibt zwar keine ultimative Lösung für die „richtige“ Social Media-Analyse, die an dieser Stelle

präsentiert werden kann, aber ein erster Ansatz zum Verständnis für Social-Media-Metriken soll

ein bisschen tiefer in die Bedeutung dieses durchaus wichtigen Marketingmittels blicken lassen.

Wie immer steht die Zielformulierung im Vordergrund.

• Was soll mit den Social-Media-Aktivitäten erreicht werden?

• Soll die Zahl der Kunden erhöht werden?

• Sollen neue Zielgruppen erschlossen werden?

Es muss formuliert werden, welches Ziel wann als erreicht gilt. Als einfachste Zahl ist die

Steigerung der Follower (Folgende) zu nennen. Sie kann Aufschluss über den

Bekanntheitsgrad oder die Wahrnehmung der Marke oder des Unternehmens sein.

Beispielsweise kann als Ziel genannt werden, die Zahl der Kunden innerhalb eines Jahres

durch den Einsatz sozialer Medien um 10 % zu erhöhen. Durch den Dialog mit den Kunden

- 31 -


können Produktverbesserungen erzielt werden, die die Kunden selbst gern wünschen.

Erfolgreich könnte dann eine Absatzsteigerung um 20 % genannt werden, Misserfolg wäre alles

unter 20 %. Durch die Messung der Anzahl von Dialogen über ein Produkt/Unternehmen, die in

positive und negative Meinungen gegliedert werden, ist eine Tendenz der Nutzer zur Loyalität

zum Produkt/Unternehmen abzuleiten. Selbstverständlich sollen die positiven Meinungen

überwiegen. Zielformulierung könnte hier sein: Das Verhältnis positiver Meinungen zu den

negativen Meinungen soll nicht schlechter als 80 zu 20 sein.

Weitere erfassbare Kennzahlen sind je nach Netzwerk Zahl der „Likes“ und „Dislikes“, Anzahl

der Kommentare und Diskussionen, Anzahl der Uploads, Alter, Geschlecht, Herkunft, Fans,

Favoriten, Empfehlungen und viele weitere mehr. Die Konzentration sollte also lieber auf

einigen wenigen und wichtigen, dafür aber äußerst relevanten Kennzahlen liegen.

Interessant hierbei ist die monetäre Bewertung der Social-Media-Aktivitäten. Zwar lassen sich

absolute Zahlen gewinnen, aber welche Auswirkung sie zum Beispiel auf einen Imageverlust

oder einen Imagegewinn haben, lässt sich schwer quantitativ ausdrücken. Es ist auch schwer

herauszufinden, ob steigende Umsatzzahlen auf diese Aktivitäten zurückzuführen sind oder

vielleicht auch auf saisonalen Schwankungen beruhen, es sei denn, die Umsätze werden über

Netzwerke generiert. Wird dann ein Social-Media-Kunde dann ein Stammkunde, wie soll er

dann bei einer späteren Analyse berücksichtigt werden? Es kann also sehr spannend,

umfassend und schwierig sein, sich mit diesem Thema auseinanderzusetzen. Und nicht zuletzt

ist es die starke Dynamik auch hier wieder, die den Analysten vor immer neue

Herausforderungen stellt.51


- 32 -


4.6 Controlling der mobilen Nutzer

Die Bedeutung der mobilen Internetnutzung steigt seit den vergangenen Jahren kontinuierlich

an. Hatten vor 10 Jahren die meisten Familien höchstens einen PC mit einem Monitor im

Haushalt, so sieht das heute sehr viel moderner aus: Smartphones. iPhones, Netbooks,

Tablets, Notebooks, Macs und PCs und auch Fernseher verfügen über einen Internetanschluss.

Und die Hälfte dieser Medien ist auch noch mobil im Gebrauch, das heißt, die Nutzer tragen sie

bei sich. Schaut man sich nun eine Website an, die vor 10 Jahren erstellt wurde, so erkennt

man unweigerlich, dass diese für die Größe eines Monitors mit 15“, 17“ oder mehr Zoll optimiert

wurde. Die kleineren Wiedergabegeräte wie Smartphones und Tablets können damit leider

nicht sehr viel anfangen, denn selbst wenn eine Website auf diese geringe Displaygröße

herunterskaliert wird, so ist die Darstellung einfach viel zu klein, um großartig Lust zu

verspüren, sich diese Seite noch länger anzusehen.

Diesen Bereich einer Website mit Web Analytics auszuwerten betrifft die Usability, also die

Bedienbarkeit oder Benutzerfreundlichkeit. Mit der Logfile-Analyse kommt man sehr schnell an

seine Grenzen. Zwar kann diese die Browserversion oder das Betriebssystem wiedergeben,

aber nicht die Bildschirmgröße oder –auflösung. Bei einer Analyse muss auch der Zweck des

Besuchs herangezogen werden. Macht es Sinn eine Seite komplett umzubauen, wenn nur

einige Teile für mobile Nutzer von Interesse sind? Oder ist es sinnvoll die geographischen

Daten des Besuchers auszulesen? Bei einer Wetter-Website mag das sicherlich Sinn machen,

oder bei einer Taxi-Website. Welche mobilen Browser besuchen am häufigsten die Website und

ist eine Tendenz erkennen, sodass man nur für diesen Browser die Seite optimiert? In welcher

Relation stehen die Kosten einer möglichen Optimierung zur Anzahl der mobilen Nutzer?52

Als Ergebnis kann es passieren, dass die Website so bleibt wie sie ist und stattdessen eine App

programmiert wird, die für den Nutzer zum Download bereitgestellt wird. Die App wird dann

konkret auf die zu erreichenden Ziele abgestimmt. Eine Überprüfung der Zielerreichung ist

somit viel einfacher und eine Bedienung intuitiver.

52 Vgl. Kreutzer, R. T. (2012), S. 146 f.

- 33 -


4.7 Identifizierung von Klickbetrug

Bei den kostenpflichtigen Werbemodellen, die durch einen Klick auf eine Anzeige wie Google

AdWords abgerechnet werden, kommt es hin und wieder zu Klickbetrug. Dabei handelt es sich

um eine missbräuchliche Anreihung von Klicks auf eine Werbeanzeige. Beispielsweise blendet

Google die Anzeigen so lange ein, bis das Budget aufgebraucht ist. Klickt der Betrüger jetzt

mehrfach auf diese Anzeigen seines Konkurrenten, ist dessen Budget aufgebraucht und es

entsteht somit Platz für den Betrüger.

Ferner bietet Google eine weitere Werbeform an, nämlich Google AdSense. Weitere Merchants

solcher Anzeigen sind unter anderem Adtech, Plista, Ligatus und viele mehr. Dabei können

Webseitenbetreiber Anzeigen von anderen Unternehmen auf ihren Seiten schalten und so

selbst eine Provision an diesen Klicks verdienen (siehe 4.3.1 Controlling des Affiliate

Marketings). Betrüger versuchen, diese Anzeigen mehrfach anzuklicken, um so die Provision

künstlich für sich selbst zu erhöhen.53

Um nun den Klickbetrug aufzuspüren, bieten alle seriösen Merchants Auswertungen der

Werbeaktivitäten an und haben Methoden entwickelt, die den Klickbetrügern auf die Spur

kommen. Dabei werden die IP-Adressen erfasst, das Verhalten der Nutzer analysiert, also

welche und wie viele Seiten sie aufgerufen haben, wie lange sie die Seite besucht haben und

so weiter. Diese Daten ergeben ein Normalprofil. Erhebliche Abweichungen von diesem Profil

werden genauer untersucht.54

Wurde ein Ziel formuliert, so kann auch über die Zielerreichung ein Rückschluss auf möglichen

Betrug gezogen werden. Wenn das Ziel die Generierung von Umsatz, einer Anmeldung oder

einem anderen messbaren Ziel ist, das mit einer konkreten Handlung des Besuchers verbunden

ist, so lässt sich leicht die Abweichung zwischen Klickbetrug und Conversion evaluieren. Ein

Betrüger wird nicht gewillt sein, Umsatz zu tätigen oder andere aufwendige Handlungen zu

vollziehen, die Conversion Rate sinkt bei Klickbetrügern gegen Null.55

Identifizierter Klickbetrug wird dem Kunden nicht in Rechnung gestellt. Einen Rückschluss auf

den oder die Täter kann man aber auch nicht unbedingt ziehen. Juristischen Maßnahmen sind

dabei Grenzen gesetzt. Es bleibt also dabei, gewissenhaft Auswertungen vorzunehmen und

mögliche betrügerische Aktivitäten im Auge zu behalten. Sollte der Merchant nicht die gleichen

Betrüger identifizieren, muss man sich umgehend mit ihm in Verbindung setzen. Dieser nimmt

dann die geeigneten Maßnahmen vor, um den Betrug zu unterbinden.

53 Vgl. Bennefeld, C. (2008), S: 593 ff. 54 Vgl. von Bischopinck, Y. / Ceyp, M. (2009), S. 288 f. 55 Vgl. Greifeneder, H. (2010), S. 152 ff.

- 34 -

5 Aussagekraft der Analysen


Die ermittelten Daten sollten immer mit Vorsicht erhoben werden. Der Analyst muss sich

bewusst sein, dass es gewisse Erhebungsfehler gibt. Bei der Cookie-Variante erlaubt nicht

jeder Besucher die Erfassung seiner Daten, er fällt also „unten durch“. Oder ein eindeutig

identifizierter Besucher kann auch über andere Medien auf eine Internetseite gelangen. Das

können das Handy oder ein Tablet sein oder am Arbeitsplatz oder an gänzlich anderen Orten

geschehen. So eindeutig ist eben doch nicht jeder Besucher. Ebenso führen zu wenig erhobene

Daten nicht zu eindeutigen Ergebnissen, die auch auf eine größere Menge an Besuchern

Rückschlüsse erlauben. Der Regelkreis muss dabei immer wieder zu einer erneuten

Überprüfung eingehalten werden. Werden Inhalte verändert, die eine Optimierung erzielen

sollen, so muss immer wieder kontrolliert werden, inwieweit sich der Erfolg dieser Maßnahme

einstellt.

Am Beispiel von JavaScript (JS) soll erläutert werden, welche Auswirkungen der Vergleich

zwischen unterschiedlich großen Vergleichsgruppen haben kann. JavaScript ist eine

Skriptsprache, die bestimmte Inhalte in Internetseiten besser darstellen kann oder erst

ermöglicht. Zum Beispiel können Zeitsteuerungen bei Bildläufen erstellt, Counter eingerichtet

oder wenn man so will, die gesamte Internetseite erstellt werden. Die Möglichkeiten von

JavaScript sind sehr umfangreich und stellen eine Unterstützung zur Webprogrammierung dar.

In den Browsereinstellung kann eingestellt werden, ob JS ausgeführt werden darf.

Standardmäßig ist diese Funktion aktiviert.56

Annahme ist nun: es gelangen insgesamt 100 Personen pro Monat auf eine Internetseite.

Davon haben zwanzig Personen kein JS aktiviert. Das kann ein unglücklicher Zufall sein, denn

Zahlendaten von anderen Internetseiten mit wesentlich größeren und repräsentativeren

Besucherströmen geben ca. 1,6 % ihrer Besucher ohne aktiviertes JS an. In eine Panikreaktion

muss der Website-Verantwortliche jetzt also nicht fallen. Wichtig ist es allerdings den Überblick

zu wahren. Erhöhen sich die Zahl der 100 Besucher erheblich und der Anteil der Personen mit

deaktiviertem JS nimmt voraussichtlich ab, ist es dennoch wichtig zu erkennen, ob diese

Personen, die nicht die von JS generierten Inhalte sehen, vom Ziel der Internetseite abgelenkt

oder gar abgehalten werden. Beispielsweise werden Produktneuheiten auf der Startseite in

einem Bildlauf präsentiert. Diese sollen den Besucher animieren sich weiter zu informieren und

einen Kauf zu tätigen. Nimmt man nun an, dass diejenigen Personen, die kein JavaScript

aktiviert haben, gänzlich von einem Kauf abgehalten werden, so ist es wichtig, den

entgangenen Gewinn zu ermitteln.

56 Vgl. Brüne, K. (2009), S. 149.

- 35 -


Im folgenden einfachen Rechenbeispiel werden zwei ähnliche Szenarien untersucht. Unter

sonst gleichen Bedingungen werden monatlich 10.000 Besucher mit 1,6 % JavaScript-

Deaktivierern und 100 Besucher mit 20 % JavaScript-Deaktivierern betrachtet.

Daten 1. Beispiel 2. Beispiel

Anzahl eindeutiger Besucher monatlich 10.000 100

Anteil der Besucher mit deaktiviertem JS in % 1,6 20

Anzahl an Verkäufen monatlich 500 5

Conversion Rate (Anz. Verkäufe/eindeutige Besucher) in % 5 5

durchschnittlicher Warenkorb in € 50 50

durchschnittlicher Gewinn in % 20 20

durchschnittlicher Gewinn in € 10 10

Abb. 8: Ausgangsdaten zum Vergleich der JS-Deaktivierer

Quelle: eigene gewählte Daten.

Berechnung:

��ℎ��!��ℎ��ℎ × ��!��ℎ��"# ×

�� × ��ℎ��ℎ��ℎ�$�%��€ × 12(��

1. Beispiel: 10.000*0,016*0,05*10*12 = 960,−€

2. Beispiel: 100*0,2*0,05*10*12 = 120,−€

Bei einer hohen Besucherzahl von 10.000 mit wenigen Besuchern, die kein JS aktiviert haben,

entgehen dem Websitebetreiber voraussichtlich 960,- € Gewinn. Bei nur 100 Besuchern, von

denen allerdings 20 JS deaktivieren, liegen die entgangenen Gewinne im Jahr immerhin noch

bei 120,- €. Der Seitenbetreiber sollte sich also durchaus überlegen, welche Maßnahmen er

veranlasst oder unterlässt. Bei der nächsten Neugestaltung der Website kann er also durchaus

den entgangenen Gewinn heranziehen und zugunsten einer Optimierung der Internetseite

alternative Anzeigeoptionen programmieren lassen, die Besucher ohne JavaScript nicht von der

- 36 -


Seite ausschließt. Oder er wägt die Kosten einer einmaligen Optimierung ab. Sollten die Kosten

hierfür unter dem zuvor berechneten Betrag von 960,- € beziehungsweise 120,- € liegen, so

sollte auf jeden Fall eine Optimierung stattfinden. Steigt die Anzahl der Käufer bei

gleichbleibender Besucherzahl, so steigt auch die Conversion Rate, die sich wiederum zum

Beispiel bei Investorengesprächen positiv auswirkt.

Ebenso wie diese Rechnung kann sie auch umgekehrt sinnvoll sein. Zur Planung eines Online-

Shops gehört es oftmals, eine sinnvolle Suchfunktion zu implementieren, die ein intelligentes

Suchergebnis liefert. Eben genau das, was der Kunde sucht, soll er dort auch finden, auch

wenn er nicht in der Lage ist, das Gesuchte korrekt wiederzugeben oder in einwandfreiem

Deutsch diese Angaben zu machen. Standardmäßig werden solch umfangreiche

Programmierungen nicht mitgeliefert, da sie in der Erstellung sehr aufwendig sind. Da dem

potentiellen Kunden die Produktnamen, die durchaus durch die kreative Hand eines

übereifrigen Marketingmitarbeiters entstanden sein können, nicht unbedingt geläufig sind, muss

die Suchfunktion genau diese Informationslücke zwischen dem Anbieter und den Kunden

schließen. Dazu reicht es nicht nur die Suchfunktion zu implementieren, sondern sie auch so

mit Informationen zu bestücken, dass sie intelligent wird.57

Im Folgenden wird die intelligente Suchfunktion von Shopware betrachtet, die Tippfehler

verzeiht oder Wortgruppen und ähnliche Begriffe, sowie Teilbegriffe erkennt. Des Weiteren

werden die Suchergebnisse nach Herstellern, Preisen und Kategorien oder Artikel-

Eigenschaften ausgegeben, die im Nachhinein vom Nutzer sortiert werden können.58

Die Kosten für die Nutzung und Implementierung der Suchfunktion belaufen sich auf 995,- €

netto. Die Arbeitszeit pro Optimierung eines Artikels für die Suchfunktion beträgt etwa 10

Minuten. Da nur Artikel mit einer möglichst großen Marge optimiert werden sollen und Varianten

nicht berücksichtigt werden, beträgt die Arbeitszeit für beispielsweise 132 Produkte insgesamt

1.320 Minuten. Das entspricht 22 Stunden. Bei einem angenommenen Arbeitslohn von 15,- €

kommen zu den Kosten der Suchfunktion nochmals 330,- € hinzu. Bei 1.325,- €

Investitionskosten nur für eine Suchfunktion muss ein hoher Umsatz erzielt werden. Diese kann

durch mehr Verkäufe, durch höhere Warenkörbe oder einem Mix aus beidem erzielt werden.

Das folgende Rechenbeispiel verdeutlicht, wie viele Besucher auf der Seite die Suchfunktion

nutzen müssen und dann ebenfalls eine Bestellung ausführen müssen, damit sich nur diese

Investition amortisiert.

57 Vgl. Reese, F. (2008), S. 78 f. 58 Vgl. Shopware AG (2013), http://store.shopware.de/shopware-premium-plugins/intelligente- suchfunktion

- 37 -


Folgende Annahmen finden statt:

• 2 % der Besucher mit Suche überhaupt tätigen eine Bestellung (Conversion Rate)

• jede Bestellung bringt einen Nettoumsatz von durchschnittlich 60,- €

• die Handelsspanne beträgt durchschnittlich 25%

Von 100 Besuchern, die die Suchfunktion nutzen, generieren also durchschnittlich 2 Besucher

einen Umsatz von 120,- € und somit eine Handelsspanne von 30,- €. Um eine Handelsspanne

von 1,- € zu erzielen, müssen also 3-4 Personen (3,33) die Suchfunktion nutzen. 3,33 Besucher

x 1.325,- € macht insgesamt 4.417 (4.416,66) Besucher, wenn alle Nachkommastellen

berücksichtigt werden. Diese Anzahl an Besuchern muss mindestens die Suchfunktion im Shop

verwenden, um die nötige zusätzliche Handelsspanne zu erwirtschaften. Dies kann zum

Beispiel über einen besonderen Hinweise auf der Website geschehen wie: „Nutzen Sie unsere

Suche, um das gewünschte Produkt zu finden.“ Nicht berücksichtigt wurden hier alle anderen

anfallenden Kosten (Fixkosten) wie bspw. die Providerkosten der Website. Ebenso kann keine

Aussage darüber gemacht werden, wie positiv sich diese Optimierung auf die Sichtbarkeit in

externen Suchmaschinen wie Google und Bing auswirken. Jede Optimierung der Inhalte auf der

Internetseite zieht auch gleichzeitig eine Optimierung der Sichtbarkeit in Suchmaschinen nach

sich. Dies geschieht zwar zeitverzögert, aber dafür in nicht unerheblichem Maße.

Es bleiben weiterhin viele Fragen offen, die das Web Controlling nicht beantworten kann. Trifft

der Kunde seine Kaufentscheidung eher, wenn er mit der Suche erfolgreich war? Nimmt er

mehrere Artikel wahr, da es verschiedene Arten eines Produktes gibt, die ihm in der Suche

angezeigt werden, z. B. eine „normale“ Politur oder eine Politur der „Luxusklasse“? Wird seine

Meinung über den Online-Shop durch die erfolgreiche Suche positiv beeinflusst? Deutlich ist

aber in jedem Falle, dass der Besucher bei einer nicht erfolgreichen Suche, das gewünschte

Produkt wohl auch nicht kaufen wird.59

Die intelligente Suchfunktion zu implementieren oder es zu unterlassen ist also nicht nur eine

reine Kostenfrage, sondern auch eine Frage der Besucherfrequenz und der

Investitionsfreudigkeit des Unternehmers. Eine einzige Implementierung betrifft auch nicht nur

bestehende Besucher und Kunden, sondern auch alle folgenden Besucher und Kunden. Eine

positive Entscheidung ist also auf jeden Fall ratsam. Denn die rein monetäre Entscheidung

kann im Voraus nur ungefähr getroffen werden, die tatsächlichen Werte müssen entsprechend

der Zielerreichung nachgeprüft werden.

59 Vgl. Nielsen, J. (2011), http://www.nngroup.com/articles/top-10-mistakes-web-design/.

- 38 -

6 Fazit

6 Fazit

Web Analytics gewinnt immer mehr an Bedeutung und wird immer mehr Unternehmen

eingesetzt. Die Unternehmen sind sich der Relevanz der Internetmedien bewusst und wollen

am Wertschöpfungsprozess teilnehmen. Der Einsatz von Web Analytics und den geeigneten

Analysewerkzeugen zur Kontrolle der Erfolgsmessung der Online-Aktivitäten macht genau dann

Sinn, wenn die richtigen Ziele formuliert worden sind. Durch den hohen Arbeitsaufwand zu

Beginn amortisiert sich der systemgerechte Einsatz erst ab einem bestimmten Mindestumsatz,

der im Vorfeld berechnet werden muss. Je nach Umfang und Detailliertheit der Zielvorgaben

kann der zeitliche und somit auch finanzielle Aufwand extrem schwanken. Jeder Betreiber einer

Website muss sich daher vor der Implementierung verinnerlichen, dass er geeignete

Maßnahmen zu treffen hat, um das Feedback auf seine Aktionen messen zu können.

Selbstverständlich ist es auch möglich einfach gar nichts zu tun. Der Erfolg kann dann aber

auch einfach mal ausbleiben und die Gründe können nicht mehr nachvollzogen werden. Für

geeignete Gegenmaßnahmen kann es mitunter auch schon zu spät sein.

Durch die enge Zusammenarbeit des Web-Analysten mit Marketing, Informatik und

Entscheidern werden alle Kompetenzen gebündelt und die zu erreichenden Ziele überwacht

bzw. rechtzeitig eingegriffen, wenn der Weg nicht seinen gewünschten Pfad einschlägt.

Je nach Größe und Zweck eines Unternehmens genügen bei kleinen Unternehmen einfache,

kostenfreie und in Eigenregie bedienbare Analysetools und keine weiteren Mitarbeiter,

wohingegen bei äußerst internetaffinen Geschäftsmodellen und größeren Unternehmen jegliche

Maßnahmen auch immer mit einem großen Budget verbunden sind und ein umfangreiches Web

Analytics unerlässlich ist. Die Kosten für Web Analytics in diesem Bereich können auch schon

gern mal 5-stellige Eurobeträge pro Monat annehmen.

Es bleibt zu wünschen übrig, dass im Fortbildungsbereich dieses Berufszweigs einige seriöse

Anbieter hinzukommen, vielleicht sogar im deutschsprachigen Raum, denn die Forderung nach

Web Analysten bzw. nach Personen, die sich mit dieser Thematik bereits intensiv befasst

haben, steigt unentwegt. Den fordernden Unternehmen sei angeraten, ihre bestehenden

Mitarbeiter zu schulen und in geeigneten Lehrgängen unterzubringen statt beispielsweise

Statistiker einzustellen, die zwar wunderbare Analysen im Sinne des Web Analytics aufstellen

können, aber keine Vorschläge für geeignete Maßnahmen im Sinne des Web Controllings

aufzeigen können. Umgekehrt macht es auch wenig Sinn einen Marketing-Experten auf diese

Position zu setzen, der zwar umfangreiche kreative Fähigkeiten besitzt, aber mit Analysen nicht

viel anfangen kann. Der Web Analyst sollte eher ein Allrounder sein, der sich in vielen

Bereichen auskennt, nicht zuletzt auch in der Informatik.

Für die Zukunft sieht es gut aus, denn es werden immer mehr Verfahren entwickelt, wie Online-

Aktivitäten noch attraktiver, noch kundengerechter gestaltet werden können. Ebenso gestaltet

- 39 -

6 Fazit

es sich mit den Analyseinstrumenten. Es werden nicht mehr nur Zahlen erfasst, sondern auch

das Verhalten zum Beispiel mit dem Eye-Tracking, das die Augenbewegungen eines Besuchers

erfasst oder dem Mouse-Tracking, das die Bewegung der Maus auf dem Bildschirm

aufzeichnet.60 So können Top-Positionen bestimmt werden. Ebenso können so auch A/B-Tests

noch besser durchgeführt werden.

Aufgrund der hohen Dynamik im Internet, sehen sich Unternehmer und Web Analysten der

Herausforderung gegenüber, immer den richtigen Trend zu erwischen oder ihn sogar

anzuführen. Auf alte Literatur darf man sich dabei leider nicht verlassen. Die Bücher von

Berres61, Marketing und Vertrieb mit dem Internet, und Levinson, Guerilla Marketing im

Internet,62 sind zum Beispiel zwei nicht mehr so aktuelle Werke, die zum Teil zu Handlungen

aufrufen, mit denen sich Unternehmen bei der Umsetzung schaden würden.

Es ist also Chance und Risiko zugleich, sich intensiv als Unternehmen mit dieser Thematik zu

beschäftigen. Man könnte es fast fahrlässig nennen, die Online-Aktivitäten nicht zu messen.

Schließlich ist es für die Mehrheit der Unternehmen Pflicht, ihre Bücher ordentlich zu pflegen.

Dort werden Einnahmen und Ausgaben festgehalten. Nicht umsonst gibt es Literatur für

Steuerberater, die genau auf dieses Geschäftsfeld abzielt.

Es gilt, die Kennzahlen und KPIs so genau wie möglich zu erfassen und komprimiert in leicht

verständlicher Weise wiederzugeben. Mit dem richten Analysetool stehen dem Analysten alle

Grenzen offen.

Und auch in Zeitschriften finden sich immer wieder aktuelle Artikel, die sich mit E-Commerce in

all seinen Bereichen auseinandersetzen und die Gewinner und Verlierer aufzählen. Ein harter

Preiskampf findet statt. Bei einigen Unternehmen kommt es auf jeden Cent an. Genau dort geht

um jeden Kunden, der gewonnen oder gehalten werden soll. Web Analytics muss also sehr viel

leisten, um alle Ziele zu überwachen und den Weg der Zielerreichung so effizient wie möglich

und so detailliert wie nötig zu gestalten.63

Es bleibt im Bereich Web Analytics also spannend und die Hoffnung auf weitere ernst zu

nehmende Autoren und Bildungsstätten bleibt bestehen. Mit der weiteren Entwicklung werden

auch viele weitere Unternehmen ihre Online-Tätigkeiten zu schätzen wissen, wenn sie Web

Analytics entsprechend eine Chance geben.

60 Vgl. Pispers, R. / Dabrowski, J. (2011), S. 61. 61 Vgl. Berres, A. (1997). 62 Vgl. Levinson, J. C. / Rubin, C. (1999). 63 Vgl. Braun, Carolyn (2013), S. 38 ff.

- 40 -

Literaturverzeichnis


Bauer, C. (2011): Controlling von Online-Marketing, in: Bauer, C. u. a. (Hrsg.), Online Targeting

und Controlling, S. 156-168.

Bauer, C. u. a. (2011): So steigern Online-Händler ihren Umsatz – Fakten aus dem deutschen

Online-Handel, Regensburg.

Bennefeld, C. (2008): Web Analytics – Web Controlling, in: Schwarz, T. (Hrsg.), Leitfaden

Online-Marketing, 2. Aufl., Waghäusel, S. 593-600.

Berres, A. (1997): Marketing und Vertrieb mit dem Internet, Berlin Heidelberg.

von Bischopinck, Y. / Ceyp, M. (2009): Suchmaschinen-Marketing, 2. Aufl., Berlin Heidelberg.

Braun, Carolyn (2013): Wandel mit Tücken: Onlinehandel ist die Zukunft – allerdings eine, die

bisweilen teuer erkauft sein will. In: brand eins 15. Jg. H. 4, S. 38-41.

Brommund, T. / Amthor, A. (2008): Web Analytics – Web Controlling, in: Schwarz, T. (Hrsg.),

Leitfaden Online-Marketing, 2. Aufl., Waghäusel, S. 566-577.

Brüne, K. (2009): Lexikon E-Business, Frankfurt am Main.

Düweke, E. / Rabsch, S. (2012): Erfolgreiche Websites, 2. Aufl., Bonn.

Eickmeier, F. / Hansmersmann, P. (2011): Datenschutzkonforme Nutzerprofile im Internet, in:

Bauer, C. u. a. (Hrsg), Online Targeting und Controlling, S. 96-121.

Erlhofer, S. (2011): Suchmaschinen-Optimierung, 5. Aufl., Bonn.

Greifeneder, H. (2010): Erfolgreiches Suchmaschinen-Marketing, 2. Aufl., Wiesbaden.

Google Inc. (2013): Google AdWords – Relevanz,

https://support.google.com/adwords/answer/1704429, 30.06.2013.

Heßler, A. / Mosebach, P. (2013): Strategie und Marketing im Web 2.0, Wiesbaden.

Hienerth, C. (2010): Kennzahlenmodell zur Erfolgsbewertung des E-Commerce, Wiesbaden.

Initiative D21 (2013): Anteil der Internetnutzer in Deutschland von 2001 bis 2013,

http://de.statista.com/statistik/daten/studie/13070/umfrage/entwicklung-der-internetnutzung-in-

deutschland-seit-2001/, 23.05.2013.

Kaushik, A. (2009): Web Analytics 2.0.

Kreutzer, R. T. (2012): Praxisorientiertes Online-Marketing, Wiesbaden.

Levinson, J. C. / Rubin, C. (1999): Guerilla Marketing im Internet, Zürich.

Lovett, J. (2011): Social Media Metrics Secrets, Bd. 159.

- 41 -


Meffert, H. / Burmann, C. / Kirchgeorg, M. (2012): Marketing, 11. Aufl., Wiesbaden.

Nielsen, J. (2011): Top 10 Mistakes in Web Design, http://www.nngroup.com/articles/top-10-

mistakes-web-design/, 23.05.2013.

Overdrive Interactive (2013): Social Media Map 2013, http://www.ovrdrv.com/social-media-

map/pdf/social-media-map.pdf, 23.06.2013.

Peterson, E. T. (2006): The Big Book of Key Performance Indicators.

Peterson, E. T. (2004): Web Analytics Demystified.

Pispers, R. / Dabrowski, J. (2011): neuromarketing im internet, Freiburg.

Reese, F. (2008): Web Analytics – Damit aus Traffic Umsatz wird, Göttingen.

Shopware AG (2013): Intelligente Suchfunktion – Shopware,

http://store.shopware.de/shopware-premium-plugins/intelligente-suchfunktion, 23.05.2013

Stormer, H. / Meier, A. (2012): eBusiness & eCommerce, 2. Aufl., Berlin Heidelberg.

The Apache Software Foundation (2013): Log Files – Apache HTTP Server,

http://httpd.apache.org/docs/2.4/logs.html#accesslog, 10.05.2013.

Weber, J. / Schäffer, U. (2011 ): Einführung in das Controlling, 13. Aufl., Stuttgart.

Web Analytics Association (2008): Web Analytics Definitions,

http://c.ymcdn.com/sites/www.webanalyticsassociation.org/resource/resmgr/PDF_standards/We

bAnalyticsDefinitions.pdf, 15.06.2013.

Zumstein, D. / Meier, A. (2013): Web Analytics & Web Controlling, Heidelberg.

Zumstein, D. / Meier, A. / Myrach, T. (2012): Web Analytics – Empirische Untersuchung über

den Einsatz, Nutzen und die Probleme der Webanalyse, in: Mattfeld, D. C. / Robra-Bissantz, S.

(Hrsg.), Multikonferenz Wirtschaftsinformatik 2012, S. 917-929.

Zumstein, D. / Meier, A. (2010): Web Controlling. Analyse und Optimierung der digitalen

Wertschöpfungskette mit Web Analytics, in: Schumann, M. u. a. (Hrsg.), Multikonferenz

Wirtschaftsinformatik 2010, S. 299-311.

Ehrenwörtliche Erklärung

Hiermit erkläre ich an Eides statt, dass ich die vorliegende Arbeit selbständig und ohne

unerlaubte fremde Hilfe angefertigt habe, andere als die angegebenen Quellen nicht benutzt

und die den benutzten Quellen wörtlich oder inhaltlich entnommenen Stellen als solche

kenntlich gemacht habe.

Wolfenbüttel, 30.08.2013

Documents

Ostfalia – Hochschule für angewandte Wissenschaften · II Abstract Web Analytics und Web Controlling stellen einen wichtigen Bereich in Unternehmen dar, die ihre Geschäftstätigkeit