Conversion-Rate-Optimierung mit Daten

Conversion Rate Optimierung wird oft als kreative Disziplin beschrieben, als eine Frage des Schreibens besserer Überschriften oder des Designs schönerer Schaltflächen. In Wirklichkeit ist die Arbeit, die wirklich etwas bewirkt, überwiegend analytischer Natur. Die Unternehmen, die ihre Konversionsraten Jahr für Jahr verbessern, sind nicht diejenigen mit den kühnsten Meinungen über Farben und Texte; es sind diejenigen, die sich von Daten leiten lassen, wo Besucher zögern, wo sie abspringen und welche Änderungen sich tatsächlich lohnen. Wenn Sie eine Website betreiben und mehr Ihres Traffics in Anfragen, Anmeldungen oder Verkäufe umwandeln möchten, ist der schnellste Weg, die Optimierung als evidenzbasierten Prozess und nicht als Abfolge von Vermutungen zu behandeln.

Dieser Leitfaden zeigt, wie Daten verwendet werden können, um Konversionsprobleme zu finden, zu priorisieren, was behoben werden muss, und zu beweisen, ob Ihre Änderungen funktioniert haben. Er richtet sich an Geschäftsinhaber und Vermarkter, die bereits eine Website haben, die Besucher anzieht, aber das Gefühl haben, dass zu wenige dieser Besucher die gewünschte Aktion ausführen. Sie benötigen kein Data-Science-Team, um dies gut zu machen. Sie benötigen eine klare Methode, eine Handvoll zuverlässiger Messungen und die Disziplin, zu testen, anstatt anzunehmen.

Was die Conversion Rate Optimierung wirklich misst

Im einfachsten Fall ist eine Konversionsrate der Anteil der Besucher, die eine definierte Aktion abschließen, geteilt durch die Gesamtzahl der Besucher. Wenn zweihundert Personen eine Landingpage besuchen und zehn davon ein Angebot anfordern, beträgt die Konversionsrate für dieses Ziel fünf Prozent. Die Zahl klingt trivial, bis man merkt, wie viel davon abhängt. Die Verdopplung einer Konversionsrate hat genau den gleichen Effekt auf die Ergebnisse wie die Verdopplung des Traffics, nur dass sie in der Regel weitaus weniger kostet und sich mit jeder bereits laufenden Marketingmaßnahme multipliziert.

Der Fehler vieler Eigentümer besteht darin, die Konversionsrate als eine einzelne Zahl für die gesamte Website zu behandeln. Eine gemischte, websiteweite Zahl verbirgt viel mehr, als sie offenbart. Die Konversionsrate von wiederkehrenden Kunden unterscheidet sich stark von der von Erstbesuchern. Mobile verhält sich anders als Desktop. Traffic von einer Markensuche unterscheidet sich von Traffic, der über eine Display-Anzeige kam. Um zu optimieren, müssen Sie segmentieren, denn die Durchschnittswerte überdecken genau die Probleme, die Sie zu finden versuchen. Wenn Sie den richtigen Datenschnitt betrachten, wird die Geschichte offensichtlich. Wenn Sie den gemischten Durchschnitt betrachten, sieht alles nur durchschnittlich aus.

Beginnen Sie mit der Abbildung Ihres Conversion-Trichters

Bevor Sie etwas optimieren können, müssen Sie den Weg verstehen, den ein Besucher von der Ankunft bis zum Abschluss zurücklegt. Dies ist Ihr Conversion-Trichter, und seine ehrliche Abbildung ist die wertvollste Übung in dieser gesamten Disziplin. Ein typischer Trichter für ein Dienstleistungsunternehmen könnte sein: Landingpage, Serviceseite, Kontaktformularansicht, Formularübermittlung. Für einen Online-Shop könnte es sein: Produktseite, In den Warenkorb legen, Kasse starten, Kasse abgeschlossen. Wie auch immer Ihr Modell aussieht, schreiben Sie jeden Schritt der Reihe nach auf, denn jeder Schritt ist ein Ort, an dem Menschen abspringen.

Sobald die Schritte aufgeschrieben sind, weisen Sie jedem eine Zahl zu. Analyse-Tools ermöglichen es Ihnen, Trichter-Visualisierungen zu erstellen, die zeigen, wie viele Personen jede Stufe erreichen und wie viele zwischen den Stufen abspringen. Die Übergänge, an denen der größte Teil der Personen verschwindet, sind Ihre Prioritäten. Es hat keinen Sinn, sich über die Formulierung einer Bestätigungsseite zu ärgern, wenn die meisten Besucher das Formular überhaupt nicht erreichen. Daten zwingen Sie dazu, Probleme in der Reihenfolge zu beheben, in der sie Sie tatsächlich Geld kosten, und nicht in der Reihenfolge, in der sie Sie zufällig ärgern.

Es hilft, sowohl in Bezug auf Mikro-Konversionen als auch auf die endgültige Makro-Konversion zu denken. Eine Makro-Konversion ist das Ergebnis, das Sie letztendlich wünschen: ein Verkauf, eine Buchung, ein qualifizierter Lead. Mikro-Konversionen sind die kleineren Signale auf dem Weg: ein angesehenes Video, ein heruntergeladener Leitfaden, eine angesehene Preisseite. Das Verfolgen dieser Zwischensignale liefert Ihnen weitaus mehr Daten, mit denen Sie arbeiten können, da die endgültige Konversion vergleichsweise selten ist, während die Mikro-Konversionen oft genug vorkommen, um schnell Muster zu zeigen. Wenn Sie nur das Endergebnis messen, müssen Sie lange auf genügend Daten warten, um eine Schlussfolgerung ziehen zu können.

Finden Sie die Reibung mit Verhaltensdaten

Trichterzahlen sagen Ihnen, wo Menschen abspringen. Sie sagen Ihnen nicht, warum. Um das Warum zu beantworten, benötigen Sie Verhaltensdaten, die über die quantitative Ansicht gelegt werden. Session-Aufzeichnungen ermöglichen es Ihnen, anonymisierte Wiedergaben echter Besuche anzusehen, die Momente aufzeigen, in denen jemand auf und ab scrollt, um etwas zu finden, das er nicht finden kann, oder wiederholt auf ein Element klickt, das eigentlich kein Link ist. Heatmaps aggregieren dieses Verhalten über Tausende von Sitzungen und zeigen, wo sich die Aufmerksamkeit bündelt und wo sie nie ankommt. Scroll-Tiefenkarten zeigen, wie weit eine Seite nach unten gescrollt wird, bevor Personen aufgeben, was oft erklärt, warum ein völlig guter Call-to-Action nicht geklickt wird: Niemand scrollte weit genug, um ihn zu sehen.

Diese Tools sind am leistungsstärksten, wenn Sie sie verwenden, um einen spezifischen Abbruch zu untersuchen, den Sie bereits im Trichter identifiziert haben. Zufälliges Ansehen von Aufnahmen ist eine langsame Art zu lernen. Zwanzig Aufnahmen von Personen anzusehen, die den Checkout beim Versandschritt abgebrochen haben, ist eine der schnellsten verfügbaren Diagnosemethoden. Sie werden das Problem in der Regel innerhalb der ersten paar Sitzungen erkennen, und das Muster wird sich oft genug wiederholen, so dass Sie sicher sein können, dass es real ist und kein Einzelfall.

Priorisieren Sie Änderungen mit einem einfachen Bewertungsmodell

Sobald Sie eine Liste potenzieller Verbesserungen haben, stehen Sie vor der wirklich schwierigen Frage: Woran arbeiten Sie zuerst? Jede Idee hat Opportunitätskosten, und die meisten Teams haben weitaus mehr Ideen als Kapazitäten. Ein leichtes Bewertungsrahmenwerk hält Sie ehrlich. Bewerten Sie jede Idee nach dem potenziellen Impact, wenn sie funktioniert, der Zuversicht, dass sie basierend auf den Beweisen funktionieren wird, und der Einfachheit der Entwicklung und Implementierung. Multiplizieren oder mitteln Sie die drei, und Sie erhalten ein rangiertes Backlog, das von Beweisen und nicht davon bestimmt wird, wer im Meeting am lautesten gesprochen hat.

Die Disziplin, die dies auferlegt, ist subtil, aber transformativ. Indem Sie sich selbst dazu zwingen, die Zuverlässigkeit abzuschätzen, machen Sie explizit, wie viele echte Beweise hinter jeder Idee stehen. Ideen, die durch Trichterdaten, Sitzungsaufzeichnungen und Kundenfeedback gestützt werden, erzielen eine hohe Punktzahl in Bezug auf die Zuverlässigkeit. Ideen, die auf persönlichen Präferenzen beruhen, erzielen eine niedrige Punktzahl und sinken an das Ende des Backlogs, wo sie hingehören, bis Beweise sie nach oben bringen. Mit der Zeit verändert diese eine Gewohnheit die Kultur eines Teams von meinungsbasiert zu evidenzbasiert, was der eigentliche Sinn der Optimierung ist.

Testen Sie Ihre Änderungen, anstatt anzunehmen

Das wichtigste Wort bei der Conversion-Optimierung ist „Test“. Wenn Sie eine Änderung an einer Seite vornehmen, können Sie nicht einfach die Conversion-Rate der folgenden Woche betrachten und den Sieg erklären, da die Conversion-Raten von Tag zu Tag und von Woche zu Woche natürlich schwanken. Saisonalität, Marketingkampagnen und zufällige Variationen beeinflussen die Zahl. Um zu wissen, ob Ihre Änderung eine Verbesserung bewirkt hat, müssen Sie sie unter den gleichen Bedingungen mit der Version vergleichen, die sie ersetzt hat, was genau ein kontrolliertes Experiment tut.

Ein A/B-Test zeigt die Originalversion der Hälfte Ihrer Besucher und die neue Version der anderen Hälfte gleichzeitig und misst dann, welche besser konvertiert. Da beide Versionen gleichzeitig laufen und die Besucher zufällig aufgeteilt werden, wirken sich externe Faktoren gleichermaßen auf beide Gruppen aus und gleichen sich aus. Der verbleibende Unterschied kann der Änderung selbst zugeschrieben werden. Dies ist dem, was der Alltag des Marketings an wissenschaftlicher Methode bietet, am nächsten, und es ist der einzig zuverlässige Weg, um Änderungen, die wirklich helfen, von Änderungen zu trennen, die sich lediglich als gute Ideen anfühlten.

Zwei Prinzipien halten Ihre Tests ehrlich. Erstens: Legen Sie im Voraus fest, wie lange der Test laufen soll und welche Stichprobengröße Sie benötigen, und widerstehen Sie dann der Versuchung, ihn frühzeitig zu beenden, sobald die Zahlen günstig aussehen. Frühe Ergebnisse sind unzuverlässig und kehren sich häufig um. Zweitens: Testen Sie, wenn möglich, jeweils eine bedeutsame Änderung, damit Sie, wenn ein Ergebnis vorliegt, wissen, was es verursacht hat. Zehn Änderungen in einer einzigen Variante zu bündeln, könnte erfolgreich sein, aber Sie werden nie erfahren, welche der zehn verantwortlich war, und Sie werden die Erkenntnis nicht an anderer Stelle anwenden können.

Was zuerst getestet werden sollte

Wenn Sie neu im Testen sind, beginnen Sie mit den Elementen, die der Conversion am nächsten liegen, da Änderungen dort den kürzesten Weg haben, das Ergebnis zu beeinflussen. Die Klarheit Ihres primären Call-to-Actions, die Länge und Reibung Ihrer Formulare, die Vertrauenssignale am Entscheidungspunkt und die Überschrift, die das Angebot umreißt, sind alles zuverlässige Ausgangspunkte. Formulare belohnen insbesondere Aufmerksamkeit: Jedes Feld, nach dem Sie fragen, ist ein kleiner Grund zum Abbruch, und das Entfernen von Feldern, die Sie nicht unbedingt benötigen, erhöht die Abschlussraten oft stärker als jede noch so überzeugende Kopie. Unser Leitfaden zur Umwandlung von Analysen in kontinuierliche Verbesserung geht tiefer darauf ein, dies zu einer wiederholbaren Gewohnheit zu machen.

Preisseiten, Bestellprozesse und Kontaktformulare verdienen besondere Aufmerksamkeit, da sie sich am unteren Ende des Trichters befinden, wo die Absicht am größten und die Reibung am kostspieligsten ist. Ein Besucher, der Ihren Checkout erreicht, hat bereits entschieden, dass er das Angebot möchte; ihn dort zu verlieren ist weitaus schmerzhafter, als einen gelegentlichen Browser auf einem Blog-Beitrag zu verlieren. Der Cross-Cluster-Leitfaden zur Shopify Conversion-Checkliste behandelt viele der spezifischen Reibungspunkte, die Shops stillschweigend ihre hart erarbeiteten Kunden kosten.

Verknüpfen Sie die Optimierung mit dem Rest Ihrer Analysen

Conversion-Optimierung findet nicht isoliert statt. Sie basiert auf derselben Messgrundlage, die den Rest Ihrer Berichterstattung antreibt, und sie speist Erkenntnisse in diese zurück. Die Ziele, für die Sie optimieren, sollten dieselben Ziele sein, die Sie bei der Einrichtung Ihrer Analysen definiert haben, weshalb es so wichtig ist, Ihre Website-Ziele und KPIs richtig zu definieren. Wenn Ihr Tracking inkonsistent ist, wird auch Ihre Optimierung inkonsistent sein, da Sie gegen ein sich bewegendes und unzuverlässiges Ziel testen.

Die umfassendere Disziplin der Umwandlung von Analysen in Maßnahmen ist eigentlich der Ursprung der Conversion-Optimierung. Beide stellen dieselbe Kernfrage: Was sagt uns die Daten, was wir als Nächstes tun sollen? Für eine umfassendere Sichtweise, wie Analysen die Entscheidungsfindung in einem kleinen Unternehmen unterstützen, verbindet der grundlegende Leitfaden zu Datenanalysen für KMU diese Themen. Und sobald Sie Ihre Ergebnisse benchmarken, hilft Ihnen der Begleitartikel zum Benchmarking Ihrer Website-Performance zu beurteilen, ob Ihre Conversion-Rate wirklich gut oder nur vertraut ist.

Häufige Fehler, die es zu vermeiden gilt

Der erste und häufigste Fehler ist die Jagd nach kleinen Erfolgen auf Seiten mit geringem Traffic. Statistische Sicherheit hängt vom Volumen ab, und eine Seite, die nur wenige Besucher erhält, wird Monate brauchen, um ein vertrauenswürdiges Testergebnis zu erzielen. Konzentrieren Sie Ihre Testbemühungen auf die Seiten, die den meisten Traffic haben und dem Umsatz am nächsten sind, denn das sind die einzigen Stellen, an denen Sie schnell lernen können und an denen ein Erfolg groß genug ist, um wichtig zu sein.

Der zweite Fehler besteht darin, ein einzelnes Testergebnis als universelle Wahrheit zu betrachten. Eine Schaltflächenfarbe, die auf einer Seite in einem Kontext funktioniert, sagt Ihnen fast nichts darüber, was anderswo funktionieren wird. Die Lektion, die es zu behalten gilt, ist nicht das spezifische Ergebnis, sondern die zugrunde liegende Erkenntnis über Ihre Kunden: was sie schätzen, was sie fürchten und was sie beruhigt. Diese Erkenntnisse sind übertragbar; spezifische Taktiken selten. Der dritte Fehler ist die Optimierung für die Konversion, während ignoriert wird, was danach passiert. Eine Änderung, die Anmeldungen steigert, aber das falsche Publikum anzieht, kann Ihr Geschäft stillschweigend schädigen, indem sie Ihre Pipeline mit Personen füllt, die nie Kunden werden. Überprüfen Sie immer, ob die Konversionen, die Sie erzielen, die Konversionen sind, die Sie tatsächlich wünschen, indem Sie sie anhand der Metriken verfolgen, die die Geschäftstätigkeit wirklich widerspiegeln.

Häufig gestellte Fragen

Referenzen

1. Google Analytics Hilfe, support.google.com – Anleitung zu Conversions, Trichtern und Zielmessung.
2. Nielsen Norman Group, nngroup.com – Forschung zu Usability-Tests und evidenzbasiertem Design.

Conversion-Optimierung ist letztendlich eine Gewohnheit und kein Projekt. Die Unternehmen, die darin erfolgreich sind, sind nicht schlauer als ihre Konkurrenten; sie sind einfach disziplinierter im Messen, Testen und Lernen. Um zu erfahren, wie ein strukturierter Analyseansatz diese Arbeit unterstützen kann, sehen Sie sich unsere Datenanalyse-Dienstleistungen an oder kontaktieren Sie uns, um zu besprechen, wo Ihr Funnel Kunden verliert.