Zahlen im Kontext, Zahlen im Bezug

Kennen Sie auch derartige Aussagen?

• Super, wir hatten 1.324.342 Besuche im April!
  
• Toll, die AdWords Kampagnen war erfolgreich, wir hatten einen ROI von 110%!
• Unglaublich, unsere User bleiben 13 Minuten auf unseren Seiten!
  

In vielen Kundengesprächen habe ich diese oder ähnliche Aussagen gehört und jedes Mal wieder den Kopf geschüttelt.

Diese Aussagen haben keinerlei Aussagekraft!

Denn ohne diese Zahlen in Bezug zu anderen Zahlen oder Ereignissen zu setzen sind sie völlig sinnlos.

Sind 1.324.342 Besuche im April denn wirklich gut? Wenn es im März 1.987.654 Besuche waren ist der April ja wohl eher schlecht gelaufen? Es macht also Sinn, einen Vergleichszeitraum zu wählen und die Veränderung zu analysieren (Click zum Vergrößern).

Denn nur dann erkennt man die Veränderungen und kann sehen ob die Zahlen nun gut oder schlecht sind. Im Beispiel sind die Besuche im Vergleich zum Vorzeitraum um 20% gestiegen - das ist doch eine Aussage mit der ich etwas anfangen kann.

Dennoch ist auch diese Zahl noch nicht wirklich aussagekräftig.

Denn, was sind die Gründe für den Anstieg? Wurde mehr Geld für AdWords ausgegeben? Gab es eine Offline-Kampagne die die Besucher auf die Website getrieben hat? Hat sich mein Ranking in den organischen Suchergebnissen verbessert? Verlinkt jemand auf mich der es vorher nicht getan hat?

Es kann vielerlei Gründe geben die zu Veränderungen führen.

Ist denn nun ein 20%iger Anstieg wirklich gut?

Absolut nicht, wenn sich gleichzeitig die Absprungrate in ähnlichem Maße erhöht. Lassen Sie sich also zwei Metriken in einer Grafik anzeigen um zu sehen, wie sich beides verhält. Steigt die Bounce Rate in gleichem Maße wie die Anzahl der Besuche können Sie sich die Werbeausgaben für die zusätzlichen Besuche auch sparen.

In Google Analytics können Sie diese Analyse bspw. auf Keywordebene durchführen. Dabei ist es interessant zu sehen, wie sich der Traffic über die einzelenen Keywords verändert. Sie können dies wie oben beschrieben über den Zeitraumvergleich machen.

Es ist aber mitunter etwas umständlich lange Keywordlisten nach den Top und Flop Begriffen zu durchforsten.

Die Firma Juice Analytics aus den USA hat mit Hilfe der Firefox Extension Greasemonkey eine Erweiterung für Google Analytics geschrieben. Mit dieser Erweiterung kann man sich für die Reports Keywords und Verweisende Websites die Top-Veränderungen anzeigen lassen.

In diesen Beiden Reports erscheint nach Installation des Tools folgender Link (Who sent me unusal traffic?):




Klickt man auf diesen erweitert sich der Google Analytics Report und man erhält die Keywords die innerhalb der letzten sieben Tage eine Trafficsteigerung von mehr als 20% erlebt haben und die bei denen es um mehr als 20% nach unten ging (Click zum Vergrößern):


Sehr aussagekräftig - vor allem können hieraus direkt Erkenntnisse gezogen werden (in obigen Beispiel werden keine Flop-Keywords genannt, da sich bei mir (glücklicherweise) keine Keywords um mehr als 20% verschlechtert haben).

Diese Möglickeit gibt es auch bei dem Report Verweisende Websites. Auch hier ist es natürlich sehr interessant zu sehen, welche auf mich verlinkenden Seiten sich stark gesteigert oder verschlechtert haben. Übersichtlich und Erkenntnnisreich.

Wie bekomme ich dieses Tool?

Das ganze funktioniert innerhalb von 3 Minuten - funktioniert aber nur, wenn Sie Firefox benutzen. Installieren Sie sich Greasemonkey und downloaden Sie anschließend das Script von Juice Analytics (Firefox muss im Anschluss neu gestartet werden).

Nach der Installation von Greasemonkey sehen Sie rechts unten im Browser einen kleinen Affen. Öffnen Sie dann das Script File in Ihrem Firefox Browser und installieren das Script. Navigieren Sie dann in Google Analytics zu den Keywords oder Verweisende Websites Reports und clicken auf den oben genannten Link der dann bei Ihnen erscheinen sollte.

In meinen Augen sehr praktisch! Was meinen Sie? Nutzen Sie die Vergleichmöglichkeiten? Teilen Sie Ihre Erfahrungen mit und geben Anwendungsbeispiele im Kommentar...

Verwandte Artikel:

Messdaten miteinander vergleichen
Multilinegraph in Google Analytics