Google Analytics 4 Crash-Kurs – 7 Regeln, die jeder Analyst beachten sollte

1. Einführung in den Crashkurs: Hallo da. Das ist Teil des Spiels. Bei Analytics geht es nicht darum , jeden GA Four-Bericht zu kennen. Es geht in erster Linie um die Fähigkeit, das Innere zu finden und die Geschäftsentscheidungen ideal mitzugestalten. Genau so habe ich diesen Analytics-Crashkurs erstellt . Wir werden sieben grundlegende Analyseprinzipien vermitteln um Ihnen zu helfen, Senior Analyst zu werden Wir werden uns mit Skepsis, Segmentierung und der Fähigkeit auseinandersetzen, die Frage zu beantworten, na Jedes Prinzip wird durch Beispiele aus der Praxis in G für Demos untermauert Beispiele aus der Praxis in G für Sobald Sie das abgeschlossen haben, werden Sie sich ziemlich sicher fühlen schwierige Geschäftsfragen zu beantworten. Bereit? Mach mit. 2. Die Falle der Durchschnittswerte: Durchschnittswerte verbergen die Wahrheit. Ihre durchschnittliche Konversionsrate mag bei 2% liegen, aber was ist, wenn eine Kampagne mit 5% und die andere mit einem halben Prozent konvertiert ? Der Durchschnittswert vertuscht das. Ein Beispiel aus dem wirklichen Leben: Nehmen wir an, Sie und Ihr Freund stehen in einem See, der durchschnittlich 1 Meter tief ist. Sie können immer noch leicht ertrinken wenn eine Stelle 3 Meter tief ist Genau so können uns Durchschnittswerte in die Irre führen. Lassen Sie uns tief eintauchen und es uns ansehen. Ordnung, schauen wir uns die paar Beispiele an wie Durchschnittswerte wichtige Informationen vor uns verbergen. Das erste einfache Beispiel ist, ich im klassischen Verkehrserfassungsbericht bin , den Sie wohl alle bereits kennen. Ich scrolle nach unten und habe meine Standarddimension für die Kanalgruppierung auf das Ausgangsmedium der Sitzung geändert meine Standarddimension für die Kanalgruppierung , was eine etwas bessere Aufschlüsselung ist Nehmen wir aus irgendeinem Grund an, dass ich an der durchschnittlichen Interaktionszeit pro aktivem Nutzer interessiert bin der durchschnittlichen Interaktionszeit pro aktivem Das ist die Metrik, die ich hier auf der rechten Seite habe. Wir können sehen, dass der Durchschnitt 3 Minuten und 50 Sekunden beträgt. Ich würde sagen, okay, na und? Wenn ich unter die Oberfläche schaue, sehe ich, dass selbst in der zweiten Zeile, die ich hier habe, Google Organic eine fast doppelt so hohe Interaktionszeit pro Nutzer hat fast doppelt so hohe Interaktionszeit , was in Ordnung ist. Das ist eine interessante Information. Das wusste ich nicht. Und wenn ich zwei Zeilen darunter gehe, sage ich: Okay, was ist das? Ich meine, nur 1,5 Minuten. Was ist das? Okay. Facebook. Nochmals, ziemlich interessant Wenn ich nur die Durchschnittswerte betrachten würde, wüsste ich nicht, dass Facebook hier so nur die Durchschnittswerte betrachten würde, wüsste ich nicht, dass Facebook wenig ansprechende Sessions anbietet. Also ein ziemlich einfaches Beispiel, aber schon zeigt, wie leicht es ist, sich täuschen zu lassen , wenn man nur auf die Durchschnittswerte schaut, oder? Das war also das erste Beispiel. Lass uns zu einem anderen gehen. Hier sind wir. Im Moment schaue ich mir den Bericht der Ausleihseiten an. Das ist der benutzerdefinierte Bericht, den ich erstellt habe schaue mir die Ausleihseiten an, und ich schaue mir die Sitzungen an, die sie und dann die Bound-Rate, was ein ziemlich üblicher Vergleich ist, den wir alle machen Was ich mir ansehe, ist, okay, wenn ich nur auf die Durchschnittswerte schauen würde, würde ich sagen, dass der durchschnittliche gebundene Zinssatz bei 38,27% liegt Also was? Ist es gut? Ist es schlecht? Ich meine, was funktioniert ziemlich gut? Was funktioniert nicht so gut. Auch hier muss ich über den Tellerrand hinausschauen und Durchschnittswerte vermeiden. Wenn ich hier nur Zeile für Zeile gehen würde, würde ich sagen: Okay, die Homepage ist so ziemlich durchschnittlich weil sie das größte Volumen an Sessions hat. Aber dann gehe ich runter und sage: Okay, die Webseite für den Google-Merchandise-Store Slash Canada hat eine Absprungrate von fast 60% Okay, also was ist hier los? Ich meine, sollte es so groß sein oder nicht? Dann sehen wir etwas , das sehr seltsam ist und fast hundertprozentig begrenzt ist Das ist wahrscheinlich ein bisschen Geld in den Daten. Aus diesem Grund würde ich es ignorieren. Dann gehe ich runter, was ist das? Ich meine, 10,58%, das scheint nicht echt zu sein oder macht sich dieses Produkt wirklich so gut Falls ja, dann lohnt es sich sehr zu untersuchen, warum es so gut Auch hier gilt: Wenn Sie sich nur die Durchschnittswerte ansehen würden, wären uns diese Daten und Erkenntnisse verborgen. Schauen wir uns ein anderes Beispiel an, das ich hier habe. Auch hier ein benutzerdefinierter Bericht, und ich schaue mir den durchschnittlichen Kaufumsatz pro aktivem Benutzer an, aufgeschlüsselt nach Gerätekategorien. Wenn wir uns nur den Durchschnitt ansehen würden, würden wir sagen: Okay, der durchschnittliche Kaufumsatz pro aktivem Benutzer liegt bei fast 3$ Schauen wir uns die Aufschlüsselung an. Scheint, als ob der Desktop mit 4.34 etwas höher abschneidet. Aber wenn ich zum Beispiel auf dem Handy schaue, das meine Aufmerksamkeit erregt, sind es nur 0,46 und das ist ein Drittel des Traffics Auch das ist etwas, das ich wirklich gerne genauer untersuchen würde und ob ich nicht über die Durchschnittszahl hinausschauen würde über die Durchschnittszahl hinausschauen Diese Information würde mir verborgen bleiben. Jetzt sehe ich eine ziemlich starke Kohorte von Nutzern, die eigentlich nicht so viel ausgeben Auch hier würde sich etwas, das Durchschnittswerte vor uns verbergen würde. Ein weiteres Beispiel, worauf man achten sollte. Ich habe hier die Rate der wichtigsten Ereignisse der Sitzung, was in diesem Fall der Online-Kauf ist , und ich sehe mir die Aufschlüsselung nach Ländern an. Im Durchschnitt kann ich sagen, dass die durchschnittliche Rate für wichtige Ereignisse in einer Sitzung, oder früher als Konversionsrate bekannt, bei 1,3 liegt. Wenn ich also über die Oberfläche schaue, über den Durchschnitt hinaus, sehe ich, okay, die ersten drei Zeilen sind etwas höher, aber dann gehe ich hierher. Okay, Serbien. Scheint ein ziemlich großer Verkehr über 1 Million in diesem Zeitraum zu sein. Die Konversionsrate beträgt jedoch nur 0,76, also fast die Hälfte oder fast mehr als die Hälfte der durchschnittlichen Konversionsrate Dann wieder Polen, 1,04. Auch hier 30% niedriger als der Durchschnitt. Andererseits sage ich: Okay, die Slowakei. Wow, das ist fast doppelt so hohe Konversionsrate wie der Durchschnitt. Okay, warum schneidet die Slowakei so gut ab, wenn man sie beispielsweise mit Rumänien oder Kroatien vergleicht? Das ist etwas, das ich weiter untersuchen möchte. Und wenn ich nur nach Durchschnittswerten suchen würde, wären mir diese Informationen verborgen. Also erstes Prinzip: Bitte versuchen Sie, Durchschnittswerte um jeden Preis zu vermeiden. Es verbirgt die Informationen vor uns und die Erkenntnisse, die das Geschäft vorantreiben können. 3. Gesunde Skepsis: Daten blind zu vertrauen ist ein Fehler. Was wir in den Berichten sehen, ist nur so gut wie die Daten und die Messwerte, die dahinter stehen Manchmal ist es einfach falsch. Erfahrene Analysten haben immer ein gesundes Maß an Skepsis Das bedeutet nicht, dass sie zu allem Nein sagen, aber sie stehen den Daten und ihrem Aussehen von Natur aus skeptisch gegenüber Nehmen wir an, Sie würden als Beispiel aus der Praxis zwei Waagen verwenden, um Ihr Gewicht zu messen Eine zeigt Ihnen 70 Kilo und eine andere 178. Würden Sie einfach automatisch der niedrigeren Zahl vertrauen , weil sie einfach besser aussieht? Wahrscheinlich nicht. Sie würden die Daten überprüfen und prüfen, ob die Waagen ordnungsgemäß funktionieren. Das gleiche Prinzip gilt für die Daten. Ordnung. Schauen wir uns nun an, wie man die gesunde Skepsis ausübt Nehmen wir an, wir haben diese Art von Daten, die ich mir ansehe Das sind echte Daten, also nichts ist künstlich erzeugt. Nehmen wir an, ich verfolge einfach die Entwicklung der Sessions im Laufe der Zeit. Der Google Merchandise Store, in dem ich einkaufe. Äh, wenn man es so betrachten würde, könnte man sagen: Okay, wow, wahrscheinlich ist Ende September letzten Jahres etwas Großartiges passiert , als wir einen plötzlichen Anstieg des Verkehrs sehen, das muss großartig sein, nicht so schnell, wie wir gesagt haben, wenn etwas zu gut oder zu schlecht aussieht, um wahr zu sein, ist es das wahrscheinlich Schauen wir uns also an, wie anschließend versuchen können, zu untersuchen, was tatsächlich passiert ist Das scheint ein sehr merkwürdiger Anstieg zu sein. Das können wir nicht den ganzen Monat über beobachten Also das Erste, was ich definitiv überprüfen würde, ist nachzuschauen, okay, was mit der Absprungrate passiert ist? Mein Ziel oder Hinweis wäre: Okay, ist das nicht künstlicher Traffic oder Bot-Traffic Lass uns einen Blick darauf werfen. Lassen Sie mich hier also eine gebundene Rate als Kennzahl hinzufügen , die manchmal sehr stark mit künstlichem Verkehr korreliert oder etwas, das einfach nicht real ist Lassen Sie mich also einfach die Sessions hier entfernen und einen Blick auf die Absprungrate Ich kann sehen, dass am selben Tag die Bound-Rate stark gesunken ist, was bedeutet, dass auf der Website etwas passiert ist, das entweder zu mehr Ereignissen oder zu vielen Seitenaufrufen oder ähnlichem geführt hat oder zu vielen Seitenaufrufen oder ähnlichem geführt Bisher wissen wir es immer noch nicht, aber das sagt uns, okay, schauen wir uns die tieferen Daten an. Da wir sehen, dass es insgesamt einen plötzlichen Anstieg des Traffics gab , schauen wir uns die detaillierteren an , bei denen es darum geht, das Medium der Verkehrsquelle zu Ich bin also hier im Standardbericht über die Traffic-Erfassung Ich habe meine primäre Dimension auf das Quellmedium umgestellt , und wieder sehe ich dieselben Informationen mit den Gesamtwerten, die von durchschnittlich etwa 3000-4000-13 um 0,6 springen Okay, wo ist es passiert? Das ist ein ziemlich cooles Feature GA, das dir zeigt wenn du mit der Maus über eine bestimmte Trendlinie fährst, um welche es sich handelt Okay, das scheint mir oder weist mich auf den direkten Punkt hin, wo ich sehe, dass der direkte Wert normalerweise bei etwa zwei Punkt halb liegt, 2,9, fast drei, und jetzt plötzlich geht es bei 8.000 Dann fällt es zurück und geht auf die normalen Werte oder etwas anderes zurück, das wir während des gesamten Monats erkennen können während des gesamten Monats erkennen Auch das macht mich auf etwas aufmerksam, von dem ich nicht hundertprozentig sicher bin , ob es wirklich der Fall ist. Etwas, das ich als nächsten Schritt gerne sehen würde , ist, okay, was waren die Ausleihseiten, die im Grunde zu einem solchen Anstieg geführt Woher kam dieser Verkehr? Ich öffne hier den Bericht über die Ausleihseiten. Und was ich wieder sehen kann, genau die gleichen Informationen, die mir sagen, dass auf der Startseite des Google Merchandise-Stores ein ziemlich großer Traffic eingetroffen ist ein ziemlich großer Traffic der Startseite , auch hier, richtig, 9.000 von 13,6 Normalerweise sind es etwa 2,5, 3.000. Also, okay, das scheint komisch. Was war das für ein Verkehr? Wenn ich jetzt nach unten scrolle, kann ich sehen, dass da etwas sehr merkwürdig ist, oder? Immer wenn wir eine Landingpage als einen Knoten sehen, scheint es sehr wahrscheinlich, dass etwas mit der Messung nicht stimmt, oder Da wir jetzt sehen können, dass an zweiter Stelle ein Knoten gesetzt ist , wollen wir mal sehen, was passiert , wenn ich anfange, ihn zu filtern Nicht gesetzt ist offenbar keine Landingpage. Also wenn ich das filtere, alles klar. Das sehe ich. Von den 13.60 Sessions waren 8.000 etwas, das in GA als nicht festgelegt markiert ist Was ist diese Art von Verkehr? Wir können insgesamt sehen, dass es normal passiert. Also nochmal, etwas, das sowieso behoben werden sollte, aber anscheinend ist hier genau am 26. September etwas passiert , als es viel Verkehr generierte. Worum geht es bei diesem Verkehr? Schauen wir uns das mal an. Es gibt nur zwei von 45 neuen Benutzern , die dadurch gekennzeichnet sind, dass der Traffic kommt, wenn die Landingpage nicht eingerichtet ist, was einfach nicht der Realität entspricht. Wir sehen eine extrem geringe Interaktionszeit pro Sitzung, was bedeutet, dass es nur eine Sitzung gab und dann der gesamte Traffic im Grunde genommen vollständig verschwunden ist. Was sehr wahrscheinlich darauf hindeutet, dass dies der Bot-Traffic ist, nicht die Realität Etwas, das mit einer hohen Lautstärke einherging. Es waren nur zwei neue Benutzer, es scheint, als würde ein Bot sehr schnell kommen und gehen, nur eine sehr kurze Interaktion machen nur eine sehr kurze Interaktion machen und dann einfach komplett verschwinden. Jedes Mal, wenn du siehst, dass das hier nicht eingestellt ist, ist es entweder eine fehlerhafte Messung oder es ist Bot-Traffic. Also definitiv nichts , was wir feiern sollten. Es ist eher so, als ob du uns sagst: Hey Leute, ihr solltet einen Blick darauf werfen, wie eure Messung eingerichtet ist , oder versuchen, eure Bot-Filterung auf der Website zu verbessern , weil anscheinend etwas häufiger auf euch zukommt , als ihr wahrscheinlich wollt. Und was das Schlimmste ist, dass es Ihre Daten verzerrt, was sehr schwer zu interpretieren ist, oder? Und genau das war der Fall. Also von etwas, das aussah wie, Hey, wir hätten vielleicht gefeiert, weil der Verkehr zugenommen hat. Wir müssen skeptisch sein Wir vertrauen den Daten , die wir standardmäßig sehen, nicht, und wie wir gerade gezeigt haben, sind wir zu dem Schluss gekommen, dass es sich bei diesem Verkehr sehr wahrscheinlich entweder um Spam-Verkehr oder um eine fehlerhafte Messung Auf diese Weise können Sie überprüfen , ob Sie skeptisch sind. Das ist sehr wertvoll und ermöglicht es Ihnen nicht , falsche Annahmen und Entscheidungen zu 4. Kontext ist König: Eine Zahl allein ist bedeutungslos. Die Absprungrate von 70% könnte schrecklich aussehen. Aber was ist, wenn es sich um einen Blogbeitrag eine einfache Frage beantwortet Ganz kein Beispiel aus dem wirklichen Leben. Zu sagen, dass jemand 2.000$ verdient, ohne zu sagen, wo diese Person wohnt, hat keinen großen Wert In New York ist es extrem niedrig. Im ländlichen Thailand macht dich das zu einem superreichen Mann. Der Kontext gibt den Daten die Bedeutung. Ordnung. Kontext. Lassen Sie mich Ihnen zeigen, wie wichtig der Kontext ist, wenn wir Daten analysieren. Hier ist die Situation. Wir wollen Kampagnen im Laufe der Zeit auswerten. Ich meine, die spezifische und die kostenpflichtige. Ich gehe zum Bericht zur Traffic-Akquisition und stelle meine primäre Dimension auf die Kampagne um. Lassen Sie mich Ihnen zeigen, was ich damit meine. Lassen Sie uns durch die ersten Kampagnen blättern , die liefen. Bei den ersten vier Zeilen handelt es sich natürlich nicht um Kampagnen, da der Kampagnenbereich leer ist Es ist nicht der bezahlte Traffic, aber nehmen wir an, wir wollen die ersten beiden echten Kampagnen vergleichen, nämlich den Evergreen Merge Store und dann den Sommerschlussverkauf im August Der erste Blick, den ich gerne sehen würde, ist Okay, wie hat es abgeschnitten wenn es um die Konversionsrate geht Das würden die Anfänger auf jeden Fall tun. Ich ändere das Event , für das ich die Key-Event-Rate berechnen möchte , auf das Event , das ich kaufen möchte. Und wenn ich mir die Zeilen fünf und sechs ansehe, kann ich einen ziemlichen Unterschied erkennen, oder? Die erste hatte eine Konversionsrate von einem halben Punkt. Die zweite 14,7, richtig? Also 3,5 mal besser als das Original. Also würden Anfänger hier einfach aufhören und sagen: Okay, letzteres war viel, viel besser, also sollten wir das einfach wiederholen. Auch hier ist der Kontext ziemlich wichtig. Vergleichen wir wirklich Äpfel mit Äpfeln? Können wir wirklich sagen, dass dieser einfach besser war als der immergrüne? Schauen wir uns das genauer an. Als Erstes würde ich gerne sehen, wann ich diese spezielle Kampagne filtere, damit ich sie hier leicht sehen kann. Die erste Aufschlüsselung, die ich hier machen möchte, ist, lassen Sie mich sehen auf welche Landingpages diese Kampagne ging. Okay, also filtere, dass ich hier warte. Denken Sie daran , dass dies das ist, das nicht so gut funktioniert hat, und es scheint, als ob der Großteil des Traffics auf die Homepage ging. Das würde mir nahelegen, dass das wahrscheinlich eine ziemlich generische Kampagne war Kunden auf die Homepage brachte. Das war der Großteil davon. Das ist das Erste. Ich weiß jetzt, dass diese Kampagne gezielt oder entschuldigt wurde und Kunden auf die Startseite gebracht hat. Lassen Sie mich jetzt einen Blick auf dieselben Daten werfen. Aber jetzt werde ich das filtern. Entschuldigung, ich werde nachdenken. Hoffentlich klappt es diesmal. Ja, es ist hier. Auch hier sehen wir genau so aus, wenn wir die Landingpage zur Abfragezeichenfolge hinzufügen . Denken Sie daran, dieser hat viel besser funktioniert. Wie Sie sehen können, entfiel etwa ein Drittel des Verkehrs auf die Ladenräumung. Scheinbar wäre das wirklich wie der Verkauf mit vielen reduzierten Produkten, das würde ich erwarten Dann ging ein Teil des Traffics zum Shoppen, ein Teil natürlich auch auf die Homepage Aber das könnte darauf hindeuten , dass wahrscheinlich gleichen Zeit, als diese Sommerverkaufskampagne im August lief, einige Werbeaktionen auch einige Werbeaktionen auf der Homepage geschaltet wurden und die Kommunikation in der Kampagne vielleicht so ziemlich dieselbe war . Auch hier weiß ich bereits, dass die Landingpage, zu der die Nutzer weitergeleitet wurden , sehr unterschiedlich war. Nun, den zweiten Blick, würde ich gerne sehen, und ich bleibe jetzt schon bei dieser Sommerkampagne. Ich würde gerne sehen, ob es nicht etwas sehr Spezifisches gibt , wenn es um die Geräte geht , auf denen die Kampagnen liefen. Also lass mich hier mal nachschauen. Zur Gerätekategorie. Und wie ich sehen kann, zielte Letzteres hauptsächlich auf Benutzer auf dem Desktop ab. Ich meine, so ziemlich alle kamen vom Desktop, was im Vergleich zur Standardverteilung zwischen Handy und Desktop, die eher bei 50, 50 oder vielleicht 60% des Traffics auf Mobilgeräten liegt, ein sehr ungewöhnliches Targeting was im Vergleich zur Standardverteilung zwischen Handy und Desktop, die eher bei 50, 50 oder vielleicht 60% des Traffics auf Mobilgeräten liegt, 50 oder vielleicht 60% des ist. Das war also eine sehr spezifische Ausrichtung auf die Benutzer auf dem Desktop, was, wie wir aus dem vorherigen Kurs wissen, nicht sehr gut für mobile Geräte optimiert ist. Auf dem Desktop ist die Benutzerfreundlichkeit viel, viel besser. Auch das ist etwas ganz Spezifisches. Schauen wir uns jetzt genau die gleiche Aufschlüsselung an , wann ich die Gerätekategorie entfernen werde und ich werde die Evergreen-Kampagne jetzt wieder herausfiltern Ich würde gerne sehen, was ist oder wie die Aufteilung zwischen den Gerätekategorien war Ich habe gerade zwei davon, aber wir suchen nach der maximalen Leistung. Wenn ich hier nochmal die Gerätekategorie hinzufüge. Mal sehen, was passiert, und hier sind wir. Sie können sehen, dass das Targeting hier eher dem entsprach, was ich gesagt habe, nämlich der regulären Verteilung des Traffics, der derzeit bei 50 zu 50 zwischen dem Desktop und dem Handy liegt. Also nochmal, wichtige Informationen. Also, wenn ich es zusammenfassen und vergleichen möchte diese beiden Kampagnen aus welchem Grund auch immer vergleichen möchte, wir können das einfach nicht tun, weil das nicht Apfel gegen Äpfel ist, das ist nicht einmal Äpfel mit Gleichaltrigen. Das ist wie Äpfel mit Kartoffeln. Es geht also nicht einmal von Obst zu Obst. Der erste hatte eine ziemlich breite Botschaft. Es brachte Benutzer auf die Homepage und es war wie die Standarddistribution wenn es um die Geräte geht. Letzteres war ganz speziell auf Desktop-Benutzer ausgerichtet, von denen wir wissen, dass die Benutzerfreundlichkeit weitaus, viel besser ist. Der Kontext ist hier also sehr wichtig und er sagt uns , dass wir diese beiden Kampagnen einfach nicht miteinander vergleichen können . Sie waren sehr, sehr unterschiedlich. Hier ist der Kontext sehr wichtig. Ich habe einen zweiten Fall, den ich mit Ihnen teilen möchte , wenn es um den Kontext geht. Es ist ein sehr einfacher Bericht, den ich hier erstellt habe zeigt mir nur die Ausleihseiten, sortiert nach dem Sitzungsvolumen und dann nach der Absprungrate Auch hier ist der Kontext extrem wichtig. Ich habe hier die Heatmap hinzugefügt, damit ich leicht das Maximum und das Minimum erkennen kann. Wenn ich einfach gehen würde, okay, hier ist der Durchschnitt dem wir bereits wissen, dass wir ihn um jeden Preis vermeiden sollten. Aber etwas, das mir in den Sinn kommt, ist zum Beispiel hier, okay, Kanada. Das ist etwas, das ich gerne untersuchen würde. Wenn ich zum Beispiel noch ein bisschen weiter nach unten scrollen würde. Okay, das ist das zweite Beispiel, das ich mit dir teilen wollte. Ich meine den einfachen Bericht über die Ausleihseiten, die nach dem Volumen der Sitzungen sortiert sind, und dann haben wir die Absprungrate Und wir haben hier die Durchschnittswerte, wollen wir natürlich um jeden Preis vermeiden Das wissen wir bereits. Und ich habe hier eine Heatmap hinzugefügt, mit ich Minimal - und Maximalwerte leicht erkennen kann. Also etwas, das ich hier nach unten scrolle, okay, ich sehe diese 99%, die leer sind, also wahrscheinlich so, als würde ich die Messung stören Und dann noch einer, der weit über dem Durchschnitt liegt , den ich sehe, liegt 59,31 bei der Okay, worum geht es auf dieser Seite? Ah, ich sehe mir häufig gestellte Fragen an. Der Kontext ist hier also sehr wichtig, oder? Wenn Benutzer nach den häufig gestellten Fragen suchen, stehen sie wahrscheinlich den häufig gestellten Fragen suchen, einfach auf der Seite, lesen unter den häufig gestellten Fragen, was auch immer für sie wichtig ist häufig gestellten Fragen und gehen dann einfach. Eigentlich ist das ein okay und völlig akzeptabler Wert , weil wir einfach nicht erwarten Kunden dann wahrscheinlich woanders hingehen. Das Ziel dieser Seite ist es, wichtige Informationen über etwas bereitzustellen wichtige Informationen über etwas , das für Kunden wichtig ist, und das war's. Dann gehen sie einfach und genau das wird erwartet. Der Kontext ist entscheidend. Und wie wir im vorherigen Beispiel gezeigt haben, die ganze Sache oder die ganze Bedeutung des Kontextes darin, uns im Grunde daran zu hindern falsche Annahmen zu treffen oder Abkürzungen in der Analyse zu verwenden. Es ist also wichtig zu verstehen, was sich hinter dem Dach verbirgt, und genau das ist Kontext. 5. Segmentierung ist Königin: Die Aufteilung der Daten in Gruppen zeigt die durchschnittliche Höhe von Insight. Wenn die Konvergenzrate auf Mobilgeräten 2% und 5% des Desktop-Computers beträgt, ist 2% und 5% des Desktop-Computers beträgt, das ein Hinweis auf das Problem Und genau darum geht es bei der Segmentierung. Ein Beispiel aus dem wirklichen Leben. Nehmen wir an, Sie lesen Bewertungen zu einem bestimmten Restaurant, das im Durchschnitt vier Sterne hat. Das heißt nicht, dass das Restaurant auch durchschnittlich ist. Nein, bis Sie gelesen haben, wer welche Bewertungen abgibt. Es mag den Anschein haben, dass Geschäftsreisende nur zwei Sterne und die Familie fünf Sterne gibt. Die Segmentierung sagt uns genau, wer glücklich war und wer nicht. In Ordnung. Schauen wir uns die Königin der Analytik genauer an, die wir gerade Segmentierung genannt Dies ist eine sehr leistungsstarke Technik und das Prinzip, das uns hilft , vor allem die etwas komplexere Kundenreise zu verstehen etwas komplexere Kundenreise Die meisten Websites und mobilen Apps sind so gestaltet , dass der erwartete Kundenfluss über die Website oder die App gewährleistet ist der erwartete Kundenfluss über die . Das ist ein gutes Beispiel. Ich schaue mir immer noch den GA Four-Account des Merchandise-Stores und habe mir den Bericht über den Kaufprozess angesehen. Dabei handelt es sich um eine allgemeine Beschreibung der Berührungspunkte auf der Kundenreise, an denen wir davon ausgehen, dass das Ende ein Kauf ist, was bedeutet, dass die Kunden die der Kundenreise, an denen wir davon ausgehen, dass das Ende ein Kauf ist, was bedeutet, dass die Kunden die Website reibungslos durchlaufen und es mit einem Kauf endet. Und wieder haben wir hier die globalen Datensummen aus Gesamtwerten und Durchschnittswerten, was, wie wir wissen, eine große Gefahr darstellt und keinen Einblick bietet. Wenn die Segmentierung jedoch wieder zur Geltung kommt, ändert sie so ziemlich alles Lass mich dir zeigen, was ich meine. Ein gutes Beispiel ist, den sehr einfachen Vergleich zwischen zwei Segmenten hinzuzufügen , und ich wähle den mobilen und den Web-Traffic, meinen Favoriten. Aber in solchen Segmenten kann es eine ganze Reihe von geben, wie Neukunden oder Stammkunden. Vergleich zwischen verschiedenen Ländern, Vergleich zwischen verschiedenen Städten, zwischen verschiedenen Verkehrsquellen und so weiter und so fort. Wie gesagt, es ist extrem leistungsstark, wenn wir etwas komplexere Ansichten betrachten, nicht nur auf einzelne Daten, wie schneidet diese Verkehrsquelle ab, sondern auch, wie der Nutzer, der Teil eines bestimmten Segments ist , sie abschneidet? Das ist ein gutes Beispiel. Ich werde alle Benutzer entlassen, weil es mir einfach egal ist Das sagt mir keine Information , auf deren Grundlage ich etwas verbessern kann Aber wenn ich mir nur diese beiden Segmente des Mobil- und Webverkehrs ansehe , sehe ich sofort die Erkenntnisse. Das ist also der großartige Bericht, und warum? Weil er mir sagt, wie sich die Benutzer bewegen, die es von einem Schritt zum nächsten schaffen. In diesem Fall ist das blaue oder das türkische ein Web und das Orange ist mobil. Lassen Sie mich das kurz erläutern, und was sagt mir das, dass 38,94% der Nutzer es vom Session-Star, also allen Nutzern, bis hin zum Ansehen eines Produkts schaffen , was der nächste Schritt auf der Kundenreise ist, richtig Okay, ich sehe also, dass es im Fall des Internets etwas fast 40% sind Schauen wir uns das mal auf dem Handy an. Nur 29. Das ist eigentlich das Innere. Ich sehe, dass die Leistung auf dem Handy deutlich geringer ist. Im Vergleich zu hier 40, 30% ist das eine Menge. Schauen wir uns den nächsten Schritt an. Wenn es um die Anzahl der Nutzer geht , die es zu den Ads to Card schaffen, es 34%, wenn es um Web-Traffic geht, aber nur 21, wenn es um mobile Geräte geht. Was ist mit dem nächsten Schritt? Ich beginne mit dem Auschecken. 58, 59% schaffen es im Internet. Aber nur wieder 52 hier auf dem Handy. Betrachtet man dagegen den letzten Schritt, also die Nutzer, die den Checkout bereits abgeschlossen und den Kauf abschließen wollten, es auf Mobilgeräten 52% geschafft, die letzten paar Schritte zu erledigen, also eine Versandmethode auszuwählen und zusätzlich die Auswahl einer bestimmten Zahlung, die sie verwenden möchten. Also, wenn es um den Web-Traffic geht, schaffen es 52%, wenn es um mobile Geräte geht Ich komme da nicht einmal hin, nur 34. Genau hier liegt die Einsicht, die Segmentierung. Es sagt uns, hey, wenn wir anfangen wollen, das Website-Erlebnis oder das Kundenerlebnis zu verbessern , sollten wir sofort mit dem Handy beginnen , denn offenbar gibt es in jedem einzelnen Schritt der hochrangigen Kundenreise jedem einzelnen Schritt der hochrangigen Kundenreise eine viel, viel höhere Abbruchrate. Auf Mobilgeräten im Vergleich zum Internet. Das ist also eine Menge. Und wenn man sich nur die Anzahl der Sitzungen oder die Anzahl der Benutzer ansieht die Anzahl der Sitzungen oder die Anzahl der Benutzer , sind es, ich weiß nicht, 55 bis 45% der Benutzer. Also ein wirklich großer Teil der Nutzer, und durch die Verwendung dieser beiden Segmente sehen wir sofort, worauf wir uns konzentrieren müssen. Das ist es also, was die Segmentierung tut. Noch ein Beispiel. Anstatt den Kaufvorgang zu verfolgen, werde ich mich nur auf den Checkout-Prozess konzentrieren. Also nochmal, ich werde den Vergleich, tut mir leid, mit genau den gleichen Segmenten verwenden , um zu sehen, wie sie in der Lage sind, von einem Schritt zum nächsten zu gelangen. Ich werde wieder alle Benutzer ausschließen, weil mir das nicht viel sagt. Schauen wir uns das mal an. Es scheint also, als ob es jeder schaffen kann. Die Frage ist, ob die Daten korrekt sind , aber darum geht es nicht. Wir zeigen hier, wie man denkt. scheint, als ob fast jeder auf dem Desktop es von der Kaufabwicklung bis zum Versand der Anzeige schafft. Vielleicht ist es tatsächlich ein Schritt. Aber dann schaffen es 80% davon bis zur Zusatzzahlung. Wohingegen es hier nur 64 sind, oder? Auch hier handelt es sich um die niedrigere Ebene der Kontaktpunkte im Vergleich zur Kundenreise auf hoher Ebene. Im Moment konzentrieren wir uns nur auf den Checkout-Teil der Kundenreise. Aber selbst hier können wir sehen , dass es einen ziemlichen Unterschied gibt, oder? 80% und 64, das ist eine Menge wenn man bedenkt, dass es so ziemlich wie der letzte Schritt vor dem Kauf ist. Und wenn man sich dann den Ablauf vom Hinzufügen der Zahlung bis zum Kauf auf dem Desktop anschaut , es 64,4, während es hier nur 53. Auch das bestätigt nur, was wir im vorherigen Schritt mit der gesamten Kaufreise entdeckt haben im vorherigen Schritt mit der gesamten Kaufreise entdeckt , dass es große Unterschiede gibt, wie Kunden von einem Schritt zum nächsten wechseln können, wenn es um die Kundenreise auf diesem speziellen Isop geht um die Kundenreise auf diesem speziellen Isop Und genau die Segmentierung hat uns geholfen zu verstehen, dass einer der größten Schwachpunkte wahrscheinlich die Erfahrung auf den Mobilgeräten ist. Und genau darum sollten wir uns kümmern und eine Menge Ressourcen investieren , um zu versuchen, das zu beheben Segmentierung, die Königin der Analytik, nutzen Sie sie bitte 6. Bestätigungsverzerrung: Wir alle mögen Daten, die unsere Meinung stützen. Aber diejenigen zu ignorieren, die dies nicht tun, kann zu sehr kostspieligen Fehlern führen Genau das macht Bestätigungsfehler aus. an, Nehmen wir an, Sie kaufen ein rotes Auto und von diesem Moment an werden Sie überall rote Autos sehen, werden Sie überall rote Autos sehen weil Ihr Gehirn filtert, was Sie sehen möchten Erfahrene Analysten versuchen, diesen Ansatz zu umgehen, indem sie aktiv nach den widersprüchlichen Daten suchen Okay, schauen wir uns an, wie leicht uns Bestätigungsfehler irreführen können Ein Set, selbst der erfahrene Analyst, fällt manchmal in diese Falle. Lassen Sie mich erläutern, was dieses Nehmen wir an, dass es auf der Website eine neue Reihe von Optimierungen gab, die die Absprungrate senken und die Konversionsrate erhöhen sollten Absprungrate senken und die Konversionsrate erhöhen Ziemlich häufiges Szenario. Nehmen wir an, es geht um die Verbesserung der Geschwindigkeit der Website. Nehmen wir also an , das Technologieteam hat eine Reihe von Verbesserungen vorgenommen. Es wurde, sagen wir, Ende August gestartet und jetzt beginnen wir, die Daten zu beobachten. Und nur ein paar Tage später öffnen wir die Daten und sehen: Oh, wow, die Absprungrate ist ziemlich deutlich gesunken Das sieht sehr vielversprechend aus. Lassen Sie mich noch einmal überprüfen, wie es funktioniert, wenn ich versuchen werde , es mit der Konversionsrate zu vergleichen, was das zweite erwartete Ereignis war, das auftauchen wird. Wenn ich jetzt also nach einer Kauf-Konversionsrate suche und diese anstelle der Absprungrate in das Diagramm einfüge , sehen wir deutlich, dass sie anstelle der Absprungrate in das Diagramm einfüge , um einiges gesunken ist Nehmen wir an, von 50 auf etwas um die 40, was sehr anständig ist Wenn du sichergehen willst, dass es tatsächlich die Auswirkung der Änderungen war, füge ich die Kauf-Konversionsrate hinzu und wir sehen auch: Wow, die Konversionsrate ist genau nach der Einführung der Änderungen, über die wir sprechen, ziemlich stark genau nach der Einführung der Änderungen, über die wir sprechen Das ist ein hypothetischer Fall, zeigt aber sehr deutlich die Realität von Die Anfänger würden also sofort damit beginnen, die gute Nachricht zu verbreiten, dass, hey, Leute, wir einen deutlichen Rückgang des gebundenen Zinssatzes haben einen deutlichen Rückgang des gebundenen Lassen Sie mich das noch einmal ansprechen. Kurz nachdem wir die Änderungen veröffentlicht haben , die die Geschwindigkeit der Website verbessern sollten , wow, großartig. Und wir haben noch nicht einmal bestätigt erhöhte Konversionsrate genau zur gleichen Zeit erreicht wurde. Es gibt also nichts zu besprechen. Ziemlich klares Szenario, die Änderungen haben funktioniert. Nicht so schnell, oder? Dies ist das typische Szenario eines Bestätigungsfehlers, wenn wir Trendlinie sehen, die zu unserer Geschichte passt, und wir sofort sagen, hey, genau das hat das verursacht. Wenn wir uns jedoch bewusst wären, dass es so etwas gibt, Bestätigungsfehler, würden wir das etwas genauer untersuchen. Lassen Sie mich einen Blick auf die eine Sache werfen, die ich dort auf jeden Fall hinzufügen würde, und ich würde mir ansehen: Okay, was ist mit dem Gesamtvolumen der Sitzungen passiert? Ich füge hier also Sessions hinzu, und ich sehe, dass sie auch genau zu dem Zeitpunkt auftauchten, an dem wir den Rückgang der Absprungrate und den Anstieg der Kaufkonversionsrate beobachten Absprungrate und den Anstieg , was immer noch die Auswirkung der Verbesserungen sein könnte , die wir vorgenommen haben, weil die Leute einfach viel häufiger und häufiger zurückkommen viel häufiger und häufiger weil sie es einfach mögen. Aber das würde meine Aufmerksamkeit darauf lenken , dass ich es vielleicht nicht erwarten würde. Das Erste, was ich dann tun werde, ist zu versuchen, das zu widerlegen oder den Bestätigungsfehler zu vermeiden, und ich würde zum Standardbericht zur Erfassung von Besucherzahlen gehen , bei dem ich gerade bin, wenn Sie sich erinnern, dass der Anstieg der Konversionsrate und der Rückgang der gebundenen Rate manchmal Ende August passieren Ich spreche also die Daten über die Erfassung von Besucherzahlen an, den Standardbericht, den wir alle kennen Und wenn ich mir das Ende des Monats , Ende August, genau ansehe , sehen wir den Anstieg der Sessions, richtig, was immer noch nicht unbedingt bedeutet, dass etwas falsch ist Aber wenn ich mir hier die Details ansehe, richtig, und die Teufel im Detail, wir wissen es aus den vorherigen Prinzipien, die wir erklärt haben, sehe ich, dass es einen Anstieg gibt. Also, was ist das? Ah, E-Mail. Okay, das sieht verdächtig aus, etwas, das den ganzen Monat über so gut wie keinen Traffic hatte , ist jetzt deutlich aufgetaucht Lassen Sie mich also nur E-Mails filtern , um mir das genauer anzusehen. Okay. Und Sie können sehen, dass es normalerweise sehr wenig Verkehr hat, unter 20, 30, und jetzt waren es fast 3.000 an diesem bestimmten Tag. Und dann ist es wieder auf sehr niedrige Zahlen gesunken. Okay, ich sehe also, dass es den Verkehr erhöht hat. Es hat wahrscheinlich auch die Bound-Rate gesenkt, was sehr wahrscheinlich ist, da ich davon ausgehen würde , dass diese E-Mail-Kampagne sehr erfolgreich ist. Und was ist nun mit der Konversionsrate? Ich kann mir vorstellen, dass die Konversionsrate, wenn es um Käufe oder die neu genannten Preise für wichtige Ereignisse geht , bei 3,31 liegt Okay, lassen Sie mich auf allen Kanälen schauen, dass der Durchschnitt 1,3 liegt, was bedeutet, dass die E-Mail sehr erfolgreich war und wenn man bedenkt , wie viel Traffic sie an diesen bestimmten Tagen generiert hat, diese Steigerung der Konversionsrate auch die gesamte Konversionsrate verzerrt Das heißt, genau das, was wir hier in den vorherigen Daten beobachtet haben, nämlich hier in den vorherigen Daten beobachtet haben, den Anstieg der Konversionsrate, tut mir leid, ich habe hier Sitzungen. Aber der Anstieg der Kaufkonversionsrate, richtig, den wir hier sehen, und der Rückgang der Absprungrate waren nicht darauf zurückzuführen, was wir dachten die sehr spezifischen Änderungen auf der Website einzuführen, die die Absprungrate verringern sollen , indem die Geschwindigkeit der Website verbessert Aber die Realität war , dass all diese Änderungen lediglich durch den Start einer sehr erfolgreichen E-Mail-Kampagne verursacht wurden Start einer sehr erfolgreichen E-Mail-Kampagne Nur um die Sache mit der Bound-Rate zu bestätigen, können wir sehen, dass die durchschnittliche Engagement-Rate, also die umgekehrte Version der Absprungrate, bei etwa 55% liegt und für die E-Mail bei 78. Der Traffic, den die Kampagne gestartet hat, brachte zuerst hoch engagierten Traffic mit einer sehr hohen Engagement-Rate, d. h. der Traffic mit einer niedrigen Absprungrate, und derselbe Traffic hatte eine sehr hohe Konversionsrate. Dies ist genau die Erklärung für den Bestätigungsfehler, der auftritt, dass es einfach ist Daten in der Trendlinie zu erkennen, die zu unserer Geschichte passen Aber sobald wir anfangen aufzuschlüsseln, wir vielleicht herausfinden, dass es nicht Realität oder das ursprüngliche Szenario oder die Hypothese ist, von der wir dachten nicht richtig ist. Das war das großartige Beispiel. Bitte versuche es zu vermeiden. Versuchen Sie, die Daten so weit wie möglich in Stücke zu schneiden, um solide zu sein und sicher zu sein, dass das, was Sie in Bezug auf die Daten behaupten , wirklich durch die Daten gestützt wird, nicht nur dadurch, dass Sie ein winziges Stück der Daten sehen , das die Geschichte bestätigt, Bestätigungsfehler. Seien Sie sich dessen bewusst. 7. Und was dann?: Zu melden, dass der Verkehr gestiegen ist, bedeutet nichts. Die Fragen zu beantworten, also worauf es wirklich ankommt. Ist der Umsatz gewachsen? Sind die Kosten gesunken? Hat sich die Kundenbindung verbessert? Darauf kommt es an. Ein Beispiel aus dem wirklichen Leben. Nehmen wir an, es gibt eine Wettervorhersage, die besagt , dass eine Wettervorhersage, die besagt Wahrscheinlichkeit, dass die Eisenbahn fährt, bei 30% liegt. wahrscheinlich nichts Für einen U-Bahn-Fahrer, der sowieso den ganzen Tag unter der Motorhaube verbringt, bedeutet das Aber für einen Hochzeitsplaner bedeutet das wirklich, dass er ein Zelt buchen muss Bei den Daten kommt es wirklich auf die Wirkung an. Okay, lassen Sie mich Ihnen jetzt ein anderes Prinzip zeigen, das darin besteht ständig Fragen zu stellen, na und? Es ist sehr häufig und üblich, dass Anfänger sozusagen zufällige Daten entdecken und dann rennen, um sie weiterzugeben, ohne etwas anderes zu sagen Dies ist ein gutes Beispiel, das ich mit Ihnen teilen werde . Ich schaue mir jetzt den Bericht zur Aufbewahrung an und bin zum allerersten Bericht übergegangen , der mir die Trendlinie der neuen Benutzer zeigt Auch wenn Google eine Funktion hinzugefügt hat , die die Anomalien erkennt und sagt, hey, da ist wahrscheinlich etwas Interessantes für Das ist so, als würde man mir sagen, hey, es gibt einen Anstieg der neuen Nutzer Also was? Das sind genau die Fragen, oder? Anfänger teilen diese Information oft einfach ohne Kontext, ohne Aufschlüsselung, ohne zusätzliche Informationen und erwarten, dass jemand einfach etwas damit macht. Und das ist sehr falsch oder nicht falsch, aber es ist sozusagen sehr, sehr anfänglich. Was bedeutet das? Kommen diese Benutzer aus einer bestimmten Verkehrsquelle? Konvertieren sie gut? Haben wir eine Kampagne durchgeführt? Interagieren sie wirklich mit der Website oder was passiert? Einfach diese kleine Information zu teilen , die wir haben, wie die Zunahme der neuen Nutzer ohne etwas anderes zu sagen, ist so, als würde man jemandem Zutaten geben, aber das Rezept nicht mit einer sehr detaillierten Aufschlüsselung geben , was mit bestimmten Zutaten gemacht werden soll und was der nächste Schritt sein sollte. Das ist also genau so, als würde man ständig nach dem „Was“ fragen. Was ich also als einen der nächsten Schritte tun würde , die passieren müssen, wenn ich eine solche Änderung verstehe, ist, okay, ich sehe hier eine Zunahme der neuen Benutzer. Okay, lassen Sie mich zunächst überprüfen , ob es gleichzeitig auch einen Anstieg der Zahl der wiederkehrenden Nutzer gibt, manchmal wie Ende August Anfang September. Also lass mich hierher gehen. Okay, vielleicht sehe ich etwas, aber wahrscheinlich keinen so starken Anstieg wie bei den neuen Benutzern. Als Nächstes erstelle ich einen benutzerdefinierten Bericht, den ich hier bereits vorbereitet habe. Und ich überprüfe, was tatsächlich passiert ist. Das ist also die grundlegende Ansicht, die wir hier haben, die mir nur die Verkehrsentwicklung im Laufe der Zeit zeigt . Und ja, ich sehe, dass die Zahl der neuen Nutzer zunimmt. Okay, interessant. Was ist als Nächstes passiert? Konvertierten sie oder nicht? Lassen Sie mich das überprüfen. Ich habe hier also das Segment des neuen Benutzers, das ich hier beantragt habe, und lasse mich die Sitzungen gegen die Konversionsrate eintauschen. Also okay. Nun, das scheint, dass diese neuen Nutzer, als wir sehen, die Entwicklung der Kaufkonversionsrate wirklich auf fast 3% angestiegen Also, okay, das ist interessant. Das ist interessant für mich. Jetzt höre ich, jetzt habe ich zusätzliche Informationen. Also, okay, lassen Sie mich zu den Sitzungen zurückkehren, damit ich sehen kann, was tatsächlich passiert ist. Wenn ich die Aufschlüsselung auf dem Ausgangsmedium der Sitzung durchführe, kann ich feststellen, dass es einen Anstieg gibt , der durch die organischen Daten von Google verursacht wurde, was offenbar aus irgendeinem Grund für zusätzlichen Traffic gesorgt hat Jetzt habe ich viel mehr schlechte Informationen als am Anfang, als ich als Anfänger nur sagen würde : Hey, da ist die Zunahme der neuen Nutzer Also, was sollten wir feiern? Ist es wie der Bot-Traffic? Konvertieren diese neuen Benutzer oder nicht? Wobei ich jetzt die Einsicht habe, dass ich dann weiter aufschlüsseln sollte, oder? Sobald ich es weiß, okay, wir haben eine ziemlich große Anzahl neuer Nutzer hinzugezogen, sie haben gut konvertiert, also wir haben eine ziemlich große Anzahl neuer Nutzer hinzugezogen, sie haben gut konvertiert, nicht nur ein bisschen besser, sondern, quasi, viel besser als sonst. Und wir können sehen, dass gleichzeitig der organische Traffic für die neuen Nutzer quasi angestiegen ist. Jetzt habe ich ziemlich gute Informationen, die ich bearbeiten kann, und jetzt kann ich zum Marketing - oder Vertriebsteam gehen und ihnen sagen Hey Leute, das sehen wir in den Daten. Wissen Sie, dass wir eine bestimmte Kampagne gemacht haben , einige TV-Werbung die zusätzlichen organischen Traffic bringen könnte, sie haben einige Werbetafeln von zu Hause aus gemacht, was auch immer, es kann Tausende von Gründen geben, die so etwas bewirken können Aber jetzt haben wir sehr spezifische Informationen , mit denen Sie arbeiten können, und dann kommt die Frage „Na und“? Kannst du das also wiederholen? Können wir dasselbe tun wir getan haben, was auch immer die Sache war? In Zukunft wieder, denn anscheinend hat es den kostenlosen Traffic von Google organisch gebracht und der Traffic wurde sehr gut konvertiert. Das ist also genau die Art und Weise, wie man dieses Prinzip ausübt. Geben Sie nicht nur zufällige Daten weiter und erwarten Sie, dass jemand sie einfach einliest und versteht. Sie als Analyst sind derjenige, der es ins Innere übersetzen und alle Zutaten zu dem großartigen Rezept zusammenfügen sollte und alle Zutaten zu dem großartigen Rezept zusammenfügen , das man versteht. Das ist also was? Bitte üben Sie es jedes Mal, jedes Mal, wenn Sie die Daten verarbeiten 8. Stellen Sie die richtigen Fragen: Jede Netzanalyse beginnt mit der richtigen Frage. Was ist unsere konvergente Rate? Ist eine Sackgasse? Aber die Frage, warum unsere Konversionsrate auf den Desktops viel besser ist als auf den Handys weist Sie auf etwas weitaus Interessanteres hin. Ein Beispiel aus der Praxis Ein Manager wird Sie wahrscheinlich nicht fragen, wie viele Stunden Sie mit diesen Aufgaben verbracht haben, sondern welchen Nutzen Sie erbracht haben? Die Qualität der Frage bestimmt den Wert ihrer Antwort. Okay, und hier sind wir beim letzten Prinzip, das meiner Meinung nach der Heilige Gral der Analytik Es geht um die Fähigkeit, die richtigen Fragen zu stellen. Es mag wie eine einfache Sache erscheinen, ist es aber nicht, und es erfordert mehrere Dimensionen des Verständnisses, das Geschäft, die Technologie, die Art und Weise, wie die Daten gesammelt werden, die Art und Weise, wie die Berichte uns sagen, und so weiter und so weiter. Ich wähle das Beispiel der Auswertung von Verkehrsquellen, und es gibt unzählige ähnliche Fälle, denen Sie auf jeden Fall folgen werden, aber das ist nur, um Ihnen die Denkweise zu zeigen. Ich habe hier ein paar Messwerte wie Sessions, Bound-Rate Session-Key-Event-Rate zusammengestellt, die nur vorab gefiltert wurden, um den Kauf als Conversion zu zählen Dann durchschnittlicher Kaufumsatz, Gesamtumsatz und durchschnittlicher Umsatz pro Nutzer Anfänger neigen oft dazu, wenn sie so ziemlich alles bewerten im Grunde genommen nur an der Oberfläche zu kratzen, was in diesem Fall wäre, hey, unsere beste Traffic-Quelle ist Google CPC, weil es die Mehrheit der Sitzungen generiert oder nicht die Mehrheit, aber die meisten Sitzungen und generiert ungefähr 50% unseres Umsatzes Punkt. Nicht wirklich. So sollten wir die Fragen nicht stellen. Die Art und Weise, wie wir als Analyst die Fragen stellen sollten , besteht darin klare Antworten zu geben, die dazu beitragen, das Geschäft voranzutreiben. In diesem Beispiel wäre es also, welche Kriterien uns eigentlich sagen, welche Verkehrsquelle die beste ist? Wir sollten diese Fragen schreiben lassen, noch bevor wir zu den Daten springen. Es sollte genau das Gegenteil sein, wie wir es gerade tun. Also sollten wir zuerst aufschreiben , was die Erfolgskriterien sind? Auf welcher Grundlage bewerten wir dann die Verkehrsquellen Und es wird keinen geben, oder? Das ist die Sache. Wenn wir nur hypothetisch mit dem Tisch spielen würden , der vor uns steht, wäre etwas, das meine Aufmerksamkeit erregen würde, okay, Zeile Nummer zwei, Google Es hat eine Sitzungs-Key-Event-Rate oder eine AKA-Konversionsrate von 2,12 Sitzungs-Key-Event-Rate oder eine AKA-Konversionsrate von Okay, das erregt meine Aufmerksamkeit. Ich kann sehen, dass es fast doppelt so viel Durchschnittsumsatz pro Benutzer hat . Okay, das bringt mich zu der Frage, warum, und ich betone das Wort, warum? So sollten wir die Fragen stellen. Warum bringt Google Organic so viel besseren Conversion-Traffic als beispielsweise der Google CPC? Wo leihen diese Nutzer? Welche Inhalte konsumieren sie, bevor sie konvertieren? An welchen Seiten sind sie besonders interessiert , da sie wahrscheinlich vor dem Kauf die relevanten Inhalte anbieten. Das ist es also, wonach ich fragen würde. Was dann meine Aufmerksamkeit erregen würde, ist: Okay, es gibt zwei Facebook-Kanäle mit einer ziemlich niedrigen Konversionsrate und sogar einer ziemlich niedrigen durchschnittlichen deutschen NU pro Nutzer. Bedeutet das wiederum automatisch , dass diese Verkehrsquellen nicht funktionieren? Nein, ich würde die Frage stellen. Okay. Warum haben diese Verkehrsquellen eine so niedrige Konversionsrate? Kommunizieren sie wirklich, zum Beispiel den Verkaufsanreiz und die Verkaufsbotschaft, oder öffnen sie eher die Kundenreise, bei der sie die Nutzer einfach darüber informieren: Hey, das ist unser großartiges neues Produkt, bitte klicken Sie rein und erfahren Sie mehr. Dabei kann es sich um Inhalte handeln, die absolut nichts mit Verkäufen zu tun haben, sondern lediglich wichtige Funktionen oder Informationen über das Produkt enthalten. Bedeutet das, dass diese Verkehrsquelle nicht funktioniert? Nein, ganz und gar nicht. spielen Zum besseren Verständnis könnten sie die Rolle im gesamten Kundenreisepfad Wir müssten uns das Attributionsmodell ansehen und verstehen, wo dieser spezielle Kanal auf dem Konversionspfad positioniert ist Und das Gleiche gilt für so ziemlich alle Fragen , die wir stellen Der springende Punkt ist, ziehen Sie keine Schlüsse, die auf einer Zeile basieren, ohne sie mit den anderen zu vergleichen und ohne die Fragen richtig zu stellen, die Ihnen zeigen, dass Sie wirklich verstehen, warum etwas so funktioniert , wie es funktioniert, oder nicht , wie es funktioniert. Ich weiß also, dass das eine ziemlich abstrakte Beschreibung dieses Prinzips war , aber so ist es. Das Stellen der Fragen erfordert, wie gesagt, ein tiefes Verständnis des Geschäfts, des Marketings und der Art und Weise, wie das gesamte Unternehmen arbeitet. Das sollte Ihre Rolle als Analyst sein, also weniger ein Analyst als vielmehr ein Geschäftsmann zu sein und zu verstehen, was im Unternehmen vor sich geht. Dann ist jede Analyse für Sie sehr einfach, weil Sie den gesamten Kontext verstehen. Als Bonus für Sie kultivieren Sie bitte diese Fähigkeit, die richtigen Fragen zu stellen Als Bonus finden Sie eine Liste mit 100 Fragen im PDF-Format, die Ihnen helfen soll , diese Fähigkeit, die richtigen Fragen zu stellen, zu erlernen und zu kultivieren Ich hoffe, das hilft Ihnen und ich wünsche Ihnen viel Spaß diesem Crashkurs , der Ihnen in meinen Augen helfen wird, Ihre Sicht auf Hochleistungsanalysen zu erweitern und die Art und Weise, wie Sie die richtigen Fragen stellen sollten, zu erweitern, Kontext zu kennen, die Daten zu segmentieren und Durchschnittswerte zu vermeiden mit diesem Crashkurs , der Ihnen in meinen Augen helfen wird, Ihre Sicht auf Hochleistungsanalysen zu erweitern und die Art und Weise, wie Sie die richtigen Fragen stellen sollten, zu erweitern, den Kontext zu kennen, die Daten zu segmentieren und Durchschnittswerte zu vermeiden . Danke fürs Zuschauen