Interne Benutzer in Google Analytics-Views filtern

Möchten wir in Google Analytics Rückschlüsse auf das Verhalten unserer Nutzer ziehen, so setzen wir (stillschweigend) voraus, dass die Daten, mit denen wir arbeiten, sauber und qualitativ hochwertig sind. Allerdings werden ohne weiteres Zutun in Google Analytics die Daten externer und interner Benutzer zusammengeworfen. Das Verhalten dieser beiden Nutzergruppen dürfte sich aber grundsätzlich voneinander unterscheiden. „Interne Benutzer in Google Analytics-Views filtern“ weiterlesen

Was Attributionsmodelle und Fußball gemeinsam haben

Google Analytics mit Kaffeetasse

Was hat Marketing-Attribution mit Fußball zu tun? Attributionsmodelle lassen sich sehr gut auf die schönste Nebensache der Welt anwenden. Begeben wir uns gedanklich auf einen Bolzplatz und stellen uns folgenden Spielzug vor:
Der Innenverteidiger erobert den Ball und schickt den Außenverteidiger auf die Reise, der wiederum den Ball behaupten kann und bis zur Grundlinie durchzieht. Eine Traumflanke geht vor das gegnerische Tor, landet passgenau auf dem Fuß des Stoßstürmers, der keine Mühe hat, das Leder einzunetzen (*grenzenloser Jubel*).

CreativeCommons: annca / pixabay.com

Überführen wir dieses Beispiel in das digitale Marketing und wenden hierfür das allgemein übliche Attributionsmodell “Letzter Klick” an: Die gesamten Meriten erhält alleine der Torschütze. The winner takes it all. Dies wiederum bedeutet, dass die Entscheidung über die Aufstellung für das nächste Spiel auf Basis der Daten, welchem Spieler der größte Wert beigemessen wird, getroffen wird.
Der Trainer entscheidet sich also für das nächste Spiel auf Abwehr- und Mittelfeldspieler zu verzichten und nur noch Stürmer (für die Tore alleine verantwortlich) auf den Rasen zu schicken. Das greift natürlich zu kurz: Es geht für den Trainer aka Marketingverantwortlichen schließlich darum, den verschiedenen Touchpoints eine Bedeutung für den späteren Kauf beizumessen.
In der Welt des Online-Marketings ersetzen wir die Spielerpositionen durch Marketingkanäle beziehungsweise Interaktionspunkte des Nutzers mit dem Werbetreibenden. Fairerweise sei erwähnt, dass das Modell umso komplizierter wird, je breiter die Marketingkanäle definiert werden. In der überschaubaren Welt des digitalen Marketings können wir uns auf Channels wie bezahlte Suche, Displayanzeigen, organische Suche, direkte Websitezugriffe, Verweise, E-Mail und Social Media beschränken. Die Dimensionen Cross-Device, Cross-Media und No-Line (On- und Offline Touchpoints) verkomplizieren das Attribution Modelling deutlich.
Der Vollständigkeit halber lassen wir aber nicht unerwähnt, dass unser Gesamtbild unvollständig bleibt, wenn wir die Kanäle im digitalen Marketing isoliert betrachten. Zumal: Cross-Channel, Cross-Device und Cross-Media werden zukünftig bei der Marketing-Attribution eine deutlich gewichtigere Rolle einnehmen. So hat beispielsweise Google hier schon den Boden durch die Einführung von Google Attribution bereitet – einem Tool, dass sowohl in der Lage sein soll, bei der Zuordnung von Conversions verschiedene, geräte- und mediaübergreifende Kanäle zu berücksichtigen, als auch bei der Zuordnung von Conversion-Werten zu einzelnen Touchpoints Machine-Learning anzuwenden. Dies soll es den Marketingverantwortlichen bzw. Werbetreibenden erleichtern, den Wert einzelner Marketingkanäle neu zu bewerten und das Zuweisen von Budgets zu bestimmten Werbemaßnahmen zu erleichtern.
Um wieder auf das Beispiel “Fußball” zurückzukommen: Der Trainer hat damit ein mächtiges Hilfsmittel, um den Wert der einzelnen Positionen bezogen auf das gesamte Spiel zu bestimmen.

Warum das Standard-Attributionsmodell hinterfragt werden muss

Ähnlich verhält es sich im Online Marketing: Entscheidet bis dato der letzte (indirekte) Klick über die Zuordnung einer Conversion, so werden zukünftig auch alle weiteren Berührungspunkte, wie zum Beispiel die erste Interaktion eines Nutzers mit dem Werbetreibenden, stärker ins Gewicht fallen. Leider wird Google Attribution erst langsam ausgerollt (das Tool wird – in etwas eingeschränkter Form gegenüber der 360-Version – für alle Nutzer zugänglich sein). Bis dahin hilft das Modellvergleichstool von Google Analytics, ein Grundverständnis über verschiedene Attributionsmodell zu erlangen. Wir beschränken uns hier auf Google Analytics. Die auswählbaren Attributionsmodell in anderen Trackingtools wie bspw. in Matomo (vormals PIWIK) sind weitgehend identisch.
Google Analytics: Überblick über die Attributionsmodelle

Letzter indirekter Klick

Alle Google-Analytics Standardberichte weisen die Conversion dem letzten indirekten Klick zu. Das Dilemma wird offensichtlich, wenn wir uns folgenden Conversionpfad anschauen.

Google Analytics: Top-Conversion-Pfade
Der Nutzer startet seine Reise in einer Suchmaschine, klickt dort auf eine bezahlte Suchanzeige, schaut sich verschiedene Produkte an – und verlässt die Website wieder.
Kurze Zeit später bedient derselbe Nutzer erneut eine Suchmaschine und klickt auf ein unbezahltes Suchergebnis, kann sich aber immer noch nicht recht entscheiden, die Transaktion abzuschließen (in der Zwischenzeit ist es denkbar, dass der Nutzer zunächst auf anderen Websites Preis und Eigenschaften des Produkts recherchiert, für das er sich interessiert).
Den Kauf erledigt er bei seinem dritten Besuch. Den Link der Produktseite hatte er vorsorglich als Bookmark gespeichert, also ruft er die Seite über das Lesezeichen auf und schließt den Kauf ab.
Welchem Marketingkanal wird nun die Conversion zugeschrieben? “Letzter direkter Klick” heißt tatsächlich, dass hier der letzte Interaktionspunkt, nämlich das direkte Aufrufen der Website über den Browser, gänzlich unberücksichtigt bleibt und alle (!) Conversions dem davor gelegenen Kanal gutgeschrieben werden. In diesem Fall: Alles auf die organische Suche. Sowohl der initiale Touchpoint – die bezahlte Suche – als auch der Interaktionspunkt, über den die Transaktion letztlich stattfand, finden in diesem Beispiel keine Berücksichtigung.

Letzte Interaktion

Wie im Fußballbeispiel beschrieben: Die Lorbeeren erhält der Torschütze. Keine Scorerpunkte für Assists. Dieses Attributionsmodell ist gängige Praxis fast aller Webanalyse-Tools – mit eben angesprochener Ausnahme von Google Analytics. Zwar kommen Direktzugriffe hier besser weg, aber im Großen und Ganzen leidet das Modell unter den gleichen Schwächen: Alles, was an Interaktionen vor dem letzten Klick passierte, bleibt ohne Verdienst.

Erste Interaktion

Das vorige Modell – nur auf den Kopf gestellt. Welches tieferen Sinn hat es, den gesamten Conversionwert dem ersten Klick zuzuweisen? Genau.

Letzter AdWords-Klick

Der Name ist Programm. Wer den Zweck dieses Modell ergründet hat, hinterlasse bitte einen Kommentar unter diesem Beitrag.

Positionsbasiertes Modell

Erster und letzter Klick erhalten den Löwenanteil des Conversionwertes mit je 40%. Die restlichen 20% teilen sich die Channels zwischen diesen beiden. Der Gedanke dahinter ist nachvollziehbar: Der Touchpoint, der den Nutzer auf die Website lenkt, wird ebenso wie der Conversion generierende Kanal honoriert. Den Interaktionen zwischen erstem und letztem Klick wird auch ein Wert beigemessen, der umso geringer ausfällt, je mehr Touchpoints im Spiel sind.

Zeitbasiertes Modell

Je näher der Interaktionspunkt zeitlich an der Conversion liegt, desto mehr Wert hat dieser. Einfacher Algorithmus – simple Logik. Dieses Modell scheint in der Tat sehr brauchbar, da bei einer Conversion alle Kanäle partizipieren – abnehmend, je weiter die Interaktion zurückliegt.

Lineares Modell

Jeder Kanal erhält das gleiche Stück vom Kuchen. Das Attributionsmodell mit sozialistischer Duftmarke. Sinnvoller, als einem einzigen Touchpoint den gesamten Wert zuzuschreiben. Mehr aber auch nicht.

Die Königsübung: Benutzerdefinierte Modelle

Wer sich mit den vorgegebenen Attributionsmodellen nicht anfreuen kann, dem sei gesagt, dass Google Analytics auch die Möglichkeit gibt, ein eigenes, auf Schwerpunkten und Regeln basiertes Modell einzusetzen.
Der Nutzer kann zunächst ein Basismodell (aus den oben genannten) auswählen und dies dann in verschiedenen Kriterien anpassen.
Entscheiden wir uns bspw. das Positionsbasierte Modell in einigen Nuancen zu verändern, so können wir uns zunächst entscheiden, welche prozentualen Conversionanteile auf die erste, die letzte und die mittleren Interaktionen entfallen sollen.
Google Analytics - Modellvergleichstool - benutzerdefiniertes Attributionsmodell
Weiterhin können wir justieren, ob und welche Nutzersignale (Time on Site oder Seitentiefe) besonders belohnt werden sollen. Zudem können wir benutzerdefinierte Regeln erstellen, die dann mit einem zu definierenden Faktor höher angerechnet werden.
Beispiel: Kommt der Besucher aus einer bestimmten Quelle (von Facebook oder einer Suchmaschine), so werte ich dieses Signal 2,5mal höher als andere Interaktionsformen.
Benutzerdefinierte Attributionsmodelle können je nach Geschäftsmodell hilfreich sein, sollten allerdings mit all ihren Regeln und Erweiterungen nur von erfahrenen Nutzern als Entscheidungsgrundlage über die Neuverteilung von Marketingbudgets verwendet werden. Besser ist, Sie nehmen sich Zeit, rufen das Modellvergleichstool auf und vergleichen das Standard-Attributionsmodell von Google Analytics (letzter indirekter Klick) mit einem wesentlich geeigneteren Modell (z. B. Zeitverlauf). Betrachten Sie nun die Zuweisung der Conversion auf ihre Marketingkanäle und werfen einen Blick auf den Vergleichswert in den Spalten ganz rechts (% Änderung der Conversion).
Sie werden aller Wahrscheinlichkeit nach überrascht sein und die Entscheidung über die Allokation ihres Marketingbudgets noch einmal genauer prüfen.
Und vergessen Sie dabei nicht die alte Fußballerweisheit: “Der Sturm gewinnt das Spiel, die Abwehr Meisterschaften.”

SEO: Paginierung für Onlineshops und inhaltsreiche Seiten

Paginierung mit rel="next" und rel="prev"

Onlineshop-Betreiber kennen das Problem: Produktkategorieseiten beinhalten oftmals viele Produkte, die über mehrere Seiten verteilt dargestellt werden.

Ohne weiteres Zutun indexieren die Suchmaschinen diese Seiten separat und erkennen hier doppelten Inhalt (“duplicate content”).
Mit ein paar Handgriffen zeigen wir, wie dieses Problem vermieden werden kann.

 

Alles auf einer Seite: Bietet sich eine Gesamtansicht an?

Zuallererst sollten Sie sich die Frage stellen, ob Sie Ihren Besuchern eine “view-all”-Seite anbieten möchten, d. h. alle Produkte – oder besser: alle Elemente, die normalerweise über mehrere Seiten verteilt dargestellt werden – finden Sie dann auf einer Gesamtseite wieder.

Paginierung Gesamtseite

Vorteil: Die paginierten Seiten 1 bis n verweisen über den sogenannten canonical-Tag auf die Seite, auf der die Inhalte zusammengeführt werden. Über einen canonical-Tag teilen Sie den Suchmaschinen mit, wie diese mit (weitgehend) identischen Inhalten verschiedener Seiten umgehen soll. Durch die Angabe verweisen Sie auf eine Orginalressource bzw. URL .

Nachteil: Was bei einem mehrere Seiten langen News-Artikel, der vorzugsweise aus textlichem Inhalt besteht, charmant klingt, stößt bei der Produktkategorieseite eines Onlineshops mit hunderten Artikeln samt Produktbildern auf das Problem langer Ladezeiten. Da Latenzen ein Rankingfaktor sind, hört bei Google der Spaß bei Ladezeiten jenseits von drei Sekunden schnell auf.

 

Ohne Gesamtansicht: Inhalte auf mehrere Seiten verteilt

In solchen Fällen ist eine “view-all”-Page nicht sinnvoll. Hier empfiehlt es sich, alle Folgeseiten, also die Seiten 2 bis n (n=letzte Seite) als ergänzende oder weiterführende Seiten zu kennzeichnen. Sie teilen der Suchmaschine mit, dass die Seiten 1 bis n zusammengehören, also im Grunde als „Kapitel“ in das Inhaltsverzeichnis aufgenommen werden sollen.

Paginierung mit rel="next" und rel="prev"

Die Auszeichnungen erfolgen im <head> Bereich des Markup. Auf der ersten Seite teilen Sie der Suchmaschine über ein <link> Element mit, dass es weitere, ergänzende Seiten gibt:
<link rel=”next” href=”seite-2.html”>

Auf der zweiten bis vorletzten Seite (Kompontentenseiten) definieren Sie die vorige und die nachfolgende Seite:
<link rel=”prev” href=”seite-1.html”>
<link rel=”next” href=”seite-3.html”>

Auf der letzten Seite reicht der Hinweis auf die vorige Seite (eine nächste Seite gibt es ja nicht):
<link rel=”prev” href=”seite-n-1.html”>

Ergänzend soll verhindert werden, dass die Seiten 2 bis n in den Index der Suchmaschinen aufgenommen werden (die Linkkraft der Produkte hingegen soll behalten werden). Dazu bedienen Sie sich folgenden Elements:
<meta name=”robots” content=”noindex, follow”>

Bitte achten Sie darauf, dass die erste Seite ganz regulär indexiert werden darf:
<meta name=”robots” content=”index, follow”>

Zusätzlich zu rel=”prev” und rel=”next” lässt beispielsweise Zalando die Komponentenseiten (Folgeseiten) via canonical-Tag auf die kanonische URL zeigen. Das sieht dann in etwa so aus:
<link rel="canonical" href="seite-1">
Im href-Attribut sind übrigens relative und absolute Pfadangaben erlaubt.

Viele Wege führen nach Rom

Wie oftmals im Online-Marketing gibt es auch in Sachen Paginierung unterschiedliche Herangehensweisen.
So verzichten einige Online Shops auf den Einsatz von rel=”prev” und rel=”next” und verweigern den Suchmaschinen über die Meta-Robots die Indexierung der Komponentenseiten.

Welche Variante Sie auch bevorzugen: Das Hauptaugenmerk sollte darauf liegen, doppelten Inhalt zu vermeiden. Ob Sie dies nun mit einer „view all“ Seite oder über die Angaben im <head> Bereich Ihrer Seite lösen, hängt nicht zuletzt auch vom Kontext ab: Verteilen sich vorwiegend textliche Inhalte über mehrere Seiten, kann eine Gesamtseite – auch unter Usabilty-Gesichtspunkten – ideal sein. Bei bildlastigen Produktkategorieseiten sind rel="prev" und rel="next" sicherlich die bessere Wahl.

Hier sei noch angemerkt, dass nicht sicher ist, ob andere Suchmaschinen wie bpsw. Bing die Attributswerte „next“ und „prev“ in gleicher Weise interpretieren wie Google. Google selbst hat bereits im September 2011 erklärt, die Paginierung von Seiten mit rel=“next“ und rel=“prev“ zu unterstüzen.

 

Influencer Marketing: Und was empfehlen Sie so?

Influencer Marketing

Influencer Marketing

Ich bin seit 8 Jahren Sky-Kunde und verbringe jede Woche mindestens drei Stunden damit, Bundesliga-, Europapokal- und DFB-Pokal-Spiele meiner Lieblingsmannschaft zu verfolgen.

In den Halbzeitpausen wirbt der Sender aktuell mit Prämien, wenn ich Sky an Noch-nicht- aber-hoffentlich-bald-Kunden weiterempfehle.

Das Prinzip „Empfehlungen gegen Prämie“ ist gängige Praxis in Marketing und Werbung. Ähnlich funktioniert das Influencer Marketing im Web bzw. in den Sozialen Medien.

Was ist Influencer-Marketing?

Ein Unternehmen beauftragt sogenannte „Influencer“, also aktive Youtuber, Blogger und Twitterer damit, ihre Reichweite zu nutzen, um Werbebotschaften oder Produktempfehlungen zu verbreiten. Diese Beeinflusser dienen dabei dem werbenden Unternehmen als Multiplikatoren. Eine sehr clevere Lösung durch Technologie haben beispielsweise die Verlagshäuser der Bertelsmann-Gruppe geschaffen, die auf ihrem gemeinschaftlichen Bloggerportal.de Influencer auf sich zukommen lassen. Web-Publisher können hier gezielt Rezensionsexemplare anfordern, ihre Beleg-Links einreichen und so hat der Verlag nicht nur qualifizierte Inbound-Anfragen, sondern bekommt auch Analyse-Daten frei Haus zurück geliefert.

Was bringen denn solche Marketingaktionen mit Influencern?

Eine ganz simple Rechnung: Ein Fashion-Unternehmen hat in verschiedenen sozialen Kanälen eine Reichweite von 2.000 Followern. Wird über diese Kanäle ein edles paar Designer-Schuhe beworben, so erreicht diese Botschaft im besten Fall eben jene 2.000 Rezipienten (der Tatsache, dass diese Empfänger das stylishe paar Schuhe ebenso weiterempfehlen können, wird an dieser Stelle der Einfachheit halber keine Rechnung getragen).

Wird jedoch ein Multiplikator beauftragt, diese Schuhe in seinem oder ihrem Netzwerk zu bewerben, so erhöht sich die Reichweite um die Gefolgschaft eben jenes Influencers.

Neben den nackten Zahlen gibt es noch ein paar weitere, marketingpsychologische Effekte:

  • Trust: Der Influencer genießt in seinem Netzwerk einen gewissen Grad an Vertrauen – oftmals mehr als das werbende Unternehmen. Neben der Reichweite wird also – schwer messbar – dieses Vertrauen weitervererbt.
  • Indirekte Einflussnahme: Ähnlich wie bei meinem “Sky”-Beispiel bewirbt der Influencer und nicht das Unternehmen das Produkt. Direkte Werbung wird oftmals argwöhnischer betrachtet als Empfehlungen vertrauter Personen und Personenkreise.
  • Copy with Pride: Verhaltensmuster von Vorbildern werden oftmals kopiert. Bis vor ein paar Jahren zählten neongelbe Fußballtreter nicht unbedingt zum modischem Mainstream. Kaum wurden diese von namhaften Testimonials getragen und zur Schau gestellt, gelangten diese rasend schnell auf Amateurfußball- und Bolzplätze.
  • Social Proof: Das Prinzip des Word-of-Mouth-Marketings kombiniert mit sozialer Akzeptanz und künstlicher Verknappung funktioniert übrigens auch ganz ohne – im klassischen Sinne – prominente Fürsprecher. Tupperpartys sind hier ein seit Jahrzehnten bewährtes Paradebeispiel, ebenso wie der immer weitere Verbreitung findene Thermomix-Alleskönner: Produkte, die nicht im Handel, sondern nur über selbstständige Repräsentanten erhältlich sind. Beiden Unternehmen gelingt es, ohne große “Above-the-Line”-Kampagnen, Kunden zu gewinnen und auch zu binden. Zudem haben die Produktpräsentationen einen nicht zu unterschätzenden Eventcharakter. Das Auditorium wiederum fungiert hier als Multiplikator, indem es den eigenen Bekanntenkreis zu diesen Veranstaltungen einlädt.

Für das Online Marketing eröffnen sich in puncto Influencer Marketing ungeahnte Möglichkeiten.

Aus KPI- bzw. Messbarkeitssicht gibt es bei der Auswahl und Erfolgsmessung möglicher Beeinflusser mehrere Kennzahlen:

  • Die Anzahl der Follower (oder: Abonnenten) gibt einen ersten Hinweis über die mögliche Reichweite. Jedoch verrät diese quantitative Zahl noch nicht viel darüber, ob die Posts, Tweets, Videos auch tatsächlich Beachtung finden.
  • Qualitative Kennziffern ergänzen neben der Reichweite die Interaktionsrate der Influencer mit ihrem Publikum, wie z. B. die Anzahl an Retweets, Likes, Kommentare oder Aufrufe.
  • Testimonial-Brand-Fit: Die Multiplikatoren, wie auch die durch sie angesprochenen Zielgruppen sollten eine Affinität zum werbenden Unternehmen sowie seinen Produkten und Dienstleistungen aufweisen. Somit ist gewährleistet, das neben glaubwürdigen Aussagen auch eine ungefähre Erfolgsquote in Aussicht gestellt werden kann.

Zukunftsausblick Influencer-Marketing

Wir dürfen gespannt sein, wie sich das Influencer Marketing in Zukunft entwickeln wird. Sowohl rechtlich: Denn letztlich müssen Productplacement-Inhalte auch als das was sie sind gekennzeichnet werden: nämlich Werbung. Als Lektüre empfiehlt sich hier das Gesetz zum unlauteren Wettbewerb UWG – insbesondere §3 und §4 inkl. Anhänge.

Aber auch technologisch tut sich einiges: Momentan gibt es schon Marktplätze, auf denen sich Influencer bewerben und Unternehmen nach geeigneten Multiplikatoren Ausschau halten können.

Die technische Komponente wird sich zukünftig sicherlich auch noch entwicklen. So werden Bezahlmodelle Schule machen, die sich nicht mit der bloßen Verbreitung von Inhalten begnügen, sondern erfolgsabhängig gestaltet werden. Amazon vergütet über das Affiliate Marketing seine Multiplikatoren anteilig am Verkaufspreis des verlinkten Produktes (sofern der Käufer seine Transaktion über eben diesen Link tätigt). Ähnlich wird das Influencer Marketing funktionieren. Über eine Parametrisierung der URL werden Rückschlüsse gebildet, aus welcher Quelle die Transaktion stammt.

Hier steckt Musik drin. Und nicht zu wenig.