Das Dokument behandelt die Optimierung von Conversion-Raten durch digitale Analysen und den Einsatz von Google Optimize. Es werden häufige Probleme, Best Practices und Strategien vorgestellt, um Tests effektiver durchzuführen und insights zur Verbesserung der Websites zu gewinnen. Zudem werden verschiedene Analysemethoden in Google Analytics besprochen, um kritische Punkte zu identifizieren und gezielte Maßnahmen zur Verbesserung der Nutzererfahrung zu ergreifen.

1. Conversion
Optimierung
mit Analytics + Optimize
27.06.2019 | Köln

2. Seite 3
Über mich
Sophie Kubec
♡ Conversion Optimierung & Personalisierung
♡ Eventmanagement
kubec@e-dialog.at
+43-1-309 09 09-33
www.e-dialog.at

3. Seite 4
Häufiges Problem
4
Digital
Analytics
Website &
Marketing
kein Austausch
zwischen
Analyse-Team
und Website-
Verantwortlichen

4. Seite 5
Die Lösung
5
Love your data!
zumindest Basic-
Analytics Know-How ist
wichtig, um eine Seite
richtig zu optimieren!
Digital
Analytics
Website &
Marketing

5. Seite 6
Wie verbessern wir unsere Website?
Testing mit
Google Optimize

6. Seite 7
Wo hilft uns Google Analytics?
Probleme identifizieren & Testideen generieren
Testideen priorisieren
Tests interpretieren - Auswertung

7. Testideen
Probleme erkennen &
Hypothesen entwickeln

8. Seite 9
Sammeln wir überhaupt die richtigen Daten?
Sauberes Analytics-SetUp
● Was wollen wir überhaupt messen?
● Kommen die Daten richtig an?
Ziele sind die Basis, wir benötigen sie:
1) um Erkenntnisse aus unseren Daten zu ziehen (Status quo, Probleme?)
2) um auf diese Ziel zu optimieren (Goal im Optimize)

9. Seite 10
Achtung!
● Data-Sampling
● Analyse-Zeitraum: Welche Daten betrachte ich?

10. Seite 11
Wie lege ich ein Ziel in Google Analytics an?
Verwaltung > Datenansicht > Zielvorhaben

11. Seite 12
Was kann ich messen?
● Ziel: User hat eine bestimmte Seite besucht (URL)
● Dauer: User ist xx h/min/sek auf der Seite
● Seiten pro Sitzung: User hat xx Seiten/Sitzung gesehen
● Events: es wurde ein bestimmtes Event gefeuert
z.B. Galerie angesehen, mit Feature interagiert, Video angesehen, Scrollen
bis zu bestimmter Seitentiefe, Klick auf ein Element, ...

12. Seite 13
Best Practices & Hinweise
● max. 20 Ziele pro Datenansicht
● Tipp: intuitive Benennung
● Tipp: Mehrstufige Ziele wo sinnvoll
(z.B. Double-OptIn NL)

13. Seite 14
Bsp. mehrstufiges Ziel:
Double OptIn Newsletter

14. Seite 15
Problemzonen finden

15. Seite 16
Fragen für die Analyse in Google Analytics
● Gibt es einen kritischen Punkt im Checkout?
● Auf welchen Seiten steigen viele Besucher ein?
● Auf welchen Seiten steigen viele Besucher aus?
● Welche Seiten werden am häufigsten besucht?
● Wie performen die einzelnen Seiten?

16. Seite 17
Google Analytics: Funnel-Analysen

17. Seite 18
z.B. Checkout-Funnel
An welchem Schritt springen viele Besucher ab?

18. Seite 19
z.B. Mehrstufige Zielvorhaben
● An welchem Schritt
springen wie viele
Besucher ab?
● Wohin gehen sie?

19. Seite 20
Google Analytics: Landingpages

20. Seite 21
z.B. Top 10 Einstiegsseiten Übersichtsseite ist eine beliebte
und gute Einstiegsseite
Produkt-Übersichtsseite 1
Service-Seite
Kontakt/Support-Seite
Produkt-Detailseite 1
Produkt-Übersichtsseite 2
Login-Seite
B2B Lösungen
Standorte
Produkt-Detailseite 2
Dienstleistungsseite
Viel Traffic - niedrige
Performance

21. Seite 22
Google Analytics: Exit Pages

22. Seite 23
z.B. “Top” 10 Ausstiegsseiten
Produkt-Übersichtsseite 1
Service-Seite
Kontakt/Support-Seite
Produkt-Detailseite 1
Produkt-Übersichtsseite 2
Login-Seite
B2B Lösungen
Standorte
Produkt-Detailseite 2
Dienstleistungsseite
hohe Ausstiegsrate ist nicht immer schlecht!
→ abhängig von Ziel/Möglichkeiten auf der Seite

23. Seite 24
Google Analytics: Traffic-starke Seiten
sortieren nach Seitenaufrufen

24. Seite 25
Google Analytics: Verhaltensfluss

25. Seite 26
z.B. NL Anmeldung Verhaltensfluss
58% Ausstiege
20% kommen über die
Startseite
11% kommen über die
Site “Newsletter-Vorteile”

26. Seite 27
Der Durchschnitt lügt!
segmentierte Auswertung ist wichtig:
Conversionrate + Bouncerate pro Device
Conversionrate + Bouncerate pro Browser
Conversionrate + Bouncerate nach Trafficquelle
(ACHTUNG: Bewertung last-non-direct)
Neue vs. wiederkehrende Besucher
1st Party Daten + benutzerdefinierte Dimensionen

27. Seite 28
Sekundäre Dimensionen
eine sekundäre Dimension ermöglicht eine granulare
Betrachtung eines Standard-Reports
Beispiel: Performance einer Landingpage je nach Trafficquelle

28. Seite 29
Segmente
Segmente können in Standard- und benutzerdefinierten
Reports verwendet werden (max. 4)

29. Seite 30
Wie nutze ich Segmente?

30. Seite 31
Personalisierung

31. Seite 32
Targetingmöglichkeiten in Optimize
Wie kann ich überhaupt segmentieren?
● Standort
● Surfverhalten
● Device / Technologie
● JavaScript Variable
● Cookies
● Kampagne
● Zuordnung zu GA Zielgruppen
(Audiences) - 360 only

32. Seite 33
Bsp. #1: Informationen abhängig von Geo
Infos zu Wien für
potentielle Bewerber
aus Wien ausblenden

33. Seite 34
Bsp. #2: Sortierung Angebote je Betriebssystem
Apple Produkte
für IOS-User nach oben
reihen
Unsere aktuellen Angebote
Huawei P20 lite
€ 0 € 45 mtl.
Details zum Produkt
noch mehr Details
Apple iPhone X
€ 0 € 39 mtl.
Details zum Produkt
noch mehr Details
Samsung Galaxy S10
€ 32 mtl.

34. Seite 35
Bsp #3: Aktion für hohen Warenkorbwert
Verknappung inkl.
Incentive für User
mit hohem
Warenkorb-Wert
Nur heute: -20% auf alle Bestellungen ab € 200,-

35. Seite 36
Targeting auf GA Zielgruppen
zum Beispiel:
● hat eine bestimmte Kategorie besucht
● hat ein bestimmtes Produkt gekauft
● hat schon einmal gekauft, aber nicht in den
letzten 2 Monaten (Session-übergreifend)
● Warenkorbabbrecher (Add to Cart Event
aber keine Transaktion)
● hat im letzten Jahr mind. 500 € Umsatz gebracht (Lifetime Sicht)

36. Audience Builder
1. Keine Data-Scientists
2. Keine IT
3. gleicher Datenstack
→ einfach machen!

37. Seite 38
Segment Overlap

38. Priorisierung
Potential & Testlaufzeit
abschätzen

39. Seite 40
Wie relevant ist die Seite wichtig?
● Wie viele User besuchen diese
Seite / diesen Seitentyp?
● Welche Rolle spielt die Seite bei
der Erfüllung meiner Ziele?
● Werde ich hier überhaupt
signifikante Ergebnisse
bekommen?

40. Seite 41
Testlaufzeit einschätzen
Wie hoch ist die derzeitige CR der
Testseite?
Wie viele User sind auf der Testseite?

41. Seite 42
Potential einschätzen “low hanging fruits”
Experimente mit dem höchsten Gesamt-
score bringen vermutlich am meisten

42. Your Turn :)
Das ultimative Testing-Quiz

43. Seite 44
Test #1: Control

44. Seite 45
Test #1: Variante 1

45. Seite 46
Test #1:
Variante 2
Regeln:
● nach 30 Sek
● auf jeder 2.
Angebots-Seite
● max. 3 x
pro Besuch

46. Seite 47
Test #1: Welche Variante ist die beste?
Control (0) Variante 1 Variante 2
Ich hab gewonnen :)

47. Seite 48
Test #1: Wie hoch ist der Uplift?
Control (0) Variante 1 Variante 2
+ 33,91 % - 3,43 %

48. Seite 49
Test #2:
Control

49. Seite 50
Test #2:
Variante 1

50. Seite 51
Test #2:
Variante 2

51. Seite 52
Test #2:
Variante 3

52. Seite 53
Test #2: Welche Variante ist die beste?
Control (0) Variante 1 Variante 2 Variante 3
Ich hab gewonnen :)

53. Seite 54
Test #2: Wie hoch ist der Uplift?
Control (0) Variante 1 Variante 2 Variante 3
+ 56 %+ 36 % - 33 %

54. Seite 55
Test #3: 2 Varianten
Standard-Ansicht:
50 vs. 10 Produkte
Variante 1:
50 Produkte
Variante 2:
10 Produkte

55. Seite 56
Test #3:
Welche Variante
ist die beste?
Ich hab gewonnen :)
Variante 1:
50 Produkte
Variante 2:
10 Produkte

56. Seite 57
Test #3:
Wie hoch ist
der Uplift?
Variante 1:
50 Produkte
Variante 2:
10 Produkte
+ 35 %

57. Testauswertung
Reporting in Google Analytics

58. Seite 59
Eingeschränktes Reporting in Optimize
- keine Segmente
- keine anderen Ziele

59. Seite 60
Experimente segmentiert analysieren
Bsp.: Gesamtauswertung bringt kein signifikantes Ergebnis

60. Seite 61
Auswertung (segmentiert Desktop/Mobile/Tablet) in GA

61. Seite 62
Signifikanz-Prüfung
Die Testvariante performt für das Segment Tablet-Nutzer
signifikant besser.

62. Seite 63
Benutzerdefinierte Berichte in GA

63. Seite 64
Lessons Learned
5 Tipps aus der Praxis

64. Lektion #1: Wir brauchen eine Testing Culture
Keine Entscheidungen
nach Bauchgefühl!
Alles, was die User
Experience verändert
wird vorher ausgetestet.
65

65. Lektion #2: Testing schont Ressourcen
Komplexe Features vorab als Prototyp testen.
66
Das beste Feature ist ein schlechtes,
das nie entwickelt wurde.„
“

66. Lektion #3: Keine Angst vor schlechten Ergebnissen
Nicht jeder Test kann ein
signifikantes, positives
Ergebnis erzielen.
Auch vermeintlich “negative”
Testergebnisse können
Insights bringen.
67

67. Experiment: “Hide the Hoff”
Control:
Testimonial
David Hasselhoff
prominent platziert
68

68. Experiment: “Hide the Hoff”
Testvariante:
Ausblenden der
Section
69

69. Die Testvariante performt schlechter als die ursprüngliche Version
Testergebnis: “Hide the Hoff”
70
- 24,58%

70. Lektion #4: Lasst euch Zeit!
Achtung vor voreiligen
Schlüssen!
Tests haben immer
kurz- und mittelfristige
Auswirkungen.
71

71. Beispiel Testergebnis
72

72. Beispiel Testergebnis
73
Langfristig mehr Umsatz in der Testvariante + 16,44%

73. Lektion #5: Es lohnt sich!
Testing bringt ...
… mehr Insights
… bessere Entscheidungen
… mehr Conversions
74

74. Vielen Dank & viel Spaß
beim Optimieren :)