Lerne die 7 Darstellungsformen der explorativen Datenanalyse kennen (und lieben). 💜
Daten zu erheben ist die eine Sache – sie richtig, spannend und vor allem nachvollziehbar darzustellen, ist aber ebenso wichtig. Nur so kannst du Entscheidungsträger von deinen Ideen überzeugen und dir die notwendigen Ressourcen für die Umsetzung sichern.
Um die Daten in GA4 besser visualisieren zu können, steht dir die Explorative Datenanalyse mit 7 verschiedenen Darstellungsformen zur Verfügung. Dieser Artikel gibt einen Überblick und beinhaltet praktische Beispiele für jede Darstellungsart und was man daraus ablesen kann.
Analysierst du deine Daten noch mit Universal Analytics? Dann ist es JETZT höchste Zeit für den Umstieg. Wir zeigen Ihnen in diesem Blogbeitrag, wie das geht.
1. Freies Format
Die explorative Datenanalyse bietet die Möglichkeit, individuelle Berichte zu erstellen. Diese enthalten detailliertere Informationen als die Standardberichte von GA4. Sie dienen dazu bestimmte Analyseformen zu speichern, sodass sie regelmäßig abgerufen werden können – eignen sich aber auch ideal dafür ganz bestimmten Fragestellungen nachzugehen und die Seite in der Tiefe zu analysieren.
Das freie Format wird zumeist für Kreuztabellen verwendet, welche den meisten Nutzern bekannt sind. Es bietet aber auch die Möglichkeit Kreis-, Linien-, Balken-, Streudiagramme oder Landkarten aus individuell zusammengestellten Metriken zu erstellen.
Kreuztabellen geben eine gute Übersicht und lassen sich im hohen Maße personalisieren. Außerdem eignen sie sich zum direkten Vergleich zweier Messwerte oder um mit verschachtelten Zellen Daten zu gruppieren.
Eines von unzählbaren Beispielen wäre die Aufschlüsselung nach Ländern mit der jeweiligen Useranzahl und dem dort generierten Umsatz.
2. Kohorten Analyse
Eine Kohorte ist eine Gruppe von Menschen mit mindestens einer gemeinsamen Eigenschaft. Beispielsweise gehören alle Nutzer, welche am selben Datum eine Website besucht haben, zur selben Kohorte. Mit der explorativen Kohortenanalyse kann man das Verhalten dieser Gruppen auf der Website im Zeitverlauf untersuchen. Zum Beispiel lässt sich dadurch feststellen, wie viele dieser Menschen die Website innerhalb der nächsten Woche wieder besucht haben.
Ein Anwendungsbeispiel wäre eine Kohorte mit jenen Nutzern zu definieren, die einen Blogartikel gelesen haben und zu sehen, wie viele davon in bestimmten Zeitabständen wieder zurück zum Blog kommen. So findet man heraus, wie viele regelmäßige Leser:innen eine Seite besitzt. Besteht die Leserschaft hauptsächlich aus Menschen, welche die Seite nach dem Lesen eines Artikels nicht wieder besuchen, sollte ermittelt werden, ob es am Blogartikel selbst liegt, oder der Anreiz mehr zu lesen nicht groß genug ist. Entsprechende Teaser, was die Seite sonst noch zu bieten hat oder das Angebot eines Newsletters kann die Leserbindung stärken.
Auch die Anzahl der wiederkehrenden Käufer könnte so ermittelt werden. Fast-Food-Ketten nutzen Kohortenanalysen, um herauszufinden, welche Produkte nach der Erstbestellung erneut bestellt werden und wie viele Kunden kein zweites Mal dasselbe Gericht ordern. Dadurch kann die Beliebtheit eines Produktes ermittelt werden.
3. Trichteranalyse
Die Trichteranalyse eignet sich für mehrstufige Prozesse. Der Klassiker wäre ein online Verkaufsprozess, da der Nutzer hier verschiedene Stationen bis zum Kauf eines Produktes zurücklegt. Zum Beispiel den Warenkorb, Check-out, Bezahloptionen und zuletzt der abgeschlossene Verkauf. Zwischen dem Warenkorb und dem Check-out ist bei den meisten Unternehmen eine große Lücke zu erkennen, da viele Menschen den Warenkorb auch als Sammlung, oder Erinnerung nutzen. Fällt aber ein großer Abfall zwischen Check-out, Bezahloption und Kauf auf, lässt das darauf schließen, dass hier Optimierungen notwendig sind. Bietest du zu zum Beispiel alle gängigen Zahlungsoptionen an? Wie steht es um die Ladezeiten? Ist dein Check-out userfreundlich gestaltet?
Auch die Scroll Tiefe oder eine Registrierung lassen sich in der Trichteranalyse abbilden, um herauszufinden, an welcher Stelle die User „verloren gehen“ und wo daher optimiert werden sollte.
4. Segmentüberschneidung
Mit der Segmentüberschneidung können Gruppen von Usern in Beziehung zueinander gesetzt werden, um Gemeinsamkeiten zu finden. Komplexe Zielgruppen lassen sich so grafisch schön darstellen.
Es können bis zu 3 Segmente miteinander verglichen werden. Die Kreisgröße gibt dabei die Nutzermenge an. Die Ergebnisse dienen dazu neue, noch spezifischere Zielgruppen zu ermitteln oder um ihre Werbung besser an die Zielgruppen anzupassen.
Ein praktisches Beispiel dafür wäre herauszufinden, wie viele neue Nutzer in einer bestimmten Region leben und eine Hotel-Buchung abschließen. Durch den Vergleich verschiedener Regionen erhält man einen Einblick, welche Gebiete sich besonders für das Angebot interessieren, oder auch wo der Markt noch nicht ausgeschöpft ist. Dieses Wissen sollte man in der nächsten Werbeaktion berücksichtigen, indem zum Beispiel eine gezielte Ansprache für die Wunschregion gewählt wird (z. B. Regionales Wording). Ebenso effektiv hat es sich gezeigt, die benötigten öffentlichen Verkehrsmittel zur Anreise auf der Landingpage für diese Region einbauen, um dem User einen Extraservice zu bieten.
5. Nutzer-Exploration
Die Nutzeranalyse dient dazu, einzelne Nutzer über mehrere Sessions hinweg zu analysieren. Wer dies bereits in Universal Analytics genutzt hat, wird feststellen, dass diese Funktion in GA4 derzeit noch nicht völlig ausgereift ist. Google selbst hat aber bereits verkündet, daran zu arbeiten.
Diese Analyse ist besonders granular, denn hier können einzelne Nutzer aus einer bestimmten Nutzergruppe ausgewählt werden, um deren Aktivitäten auf der Website genau zu verfolgen. So könnte man alle Nutzer mit einem besonders hohen Bestellwert auswählen und daraus die Wege einiger Einzelner nachverfolgen, um Parallelen zu finden. Gefundene Ähnlichkeiten nutzt man, um künftige Interessenten, die in genau dieses Profil fallen, noch gezielter ansprechen zu können.
Die Nutzeranalyse ist sehr zeitaufwändig und eignet sich nur, um ganz spezifischen Fragen nach dem Nutzerverhalten auf den Grund zu gehen. Sie wird daher in der Praxis eher selten eingesetzt.
6. Pfadanalyse
Wer die Wege seiner User auf seiner Seite nachverfolgen möchte, nutzt am besten die Pfadanalyse. Dies gibt einen Einblick in das Nutzerverhalten und dient dazu, einzelne Seiten oder den Aufbau der gesamten Website zu optimieren.
Eine Pfadanalyse zeigt an, welche Seiten die Nutzer in welcher Reihenfolge besuchen. Dabei können statt der Seitentitel auch die Events eingeblendet werden, die der User auslöst. Besonders praktisch an GA4 ist, dass die Pfadanalyse auch rückwärts ausgeführt werden kann. So findet man schnell heraus, wo die Besucher einer bestimmten Seite vorher waren. Fängt man hier beispielsweise mit der Dankesseite der Registrierung an und verfolgt den Weg rückwärts, findet man schnell die leistungsstarken Seiten heraus, welche zu dieser Conversion führen. Diese wiederum eignen sich als Landingpage für Kampagnen.
Durch die Pfadanalyse lässt sich zudem erkennen, wie viele User an bestimmten Seiten abspringen. So können „Problemseiten“ identifiziert und optimiert werden.
7. Nutzer-Lifetime
Diese Analyseform betrachtet den Nutzer ganzheitlich. Dadurch lässt sich abbilden, wie sich User während der gesamten Kundenbeziehung verhalten hat. Die Nutzer-Lifetime-Analyse schlüsselt auf, welche Seiten besucht, welche Ereignisse ausgelöst und welche Conversions getätigt wurden.
Durch die Nutzer-Lifetime Analyse kann ermittelt werden, welche Quellen oder Kampagnen die „langlebigsten“ bzw. Umsatz-stärksten Nutzer generiert haben. Aufgrund der bestehenden Daten ist es auch möglich, Vorhersagen über die Kaufwahrscheinlichkeit und die künftige Abwanderung zu geben. Beide Werte werden jeweils als Durchschnitt angegeben.
Geräteübergreifende Analysen sind jedoch nur mit entsprechender Nutzer ID möglich.
Unser Fazit
Welche Art der Analyse zu deinem Unternehmen, Zielen und Fragestellungen passt, kann nicht pauschal beantwortet werden. Hast du die Fragen und Anforderungen an die Datenanalyse jedoch einmal formuliert, bieten dir die explorativen Datenanalysen von GA4 viele Möglichkeiten, um diese nicht nur zu beantworten, sondern auch noch für Dritte grafisch verständlich aufzubereiten.
Lust gleich loszulegen? Wir zeigen dir, wie man eine explorative Datenanalyse erstellt.
