Basics zu Google Analytics (Teil 4 von 4): Nutzerfluss

Im Detailhandel kennt man es bereits: der Laden wird so eingerichtet, dass der Kunde schnell und effizient – und mit möglichst gefülltem Warenkorb an der Kasse ankommt. Und was allen bekannt ist: natürlich wird auch mit psychologischen Tricks gespielt, um das Bedürfnis des Kunden zu wecken. Was im Laden gemacht werden kann, kann auch adaptiert werden auf eine Website.

Google Analytics hat hierfür den Verhaltensfluss visualisiert. Stellen Sie sich vor, ein Kunde betritt ihren Laden: wohin geht er? Erst in die Gemüseabteilung, dann zum Brot und zum Schluss eventuell noch in die Kosmetikabteilung? Dasselbe funktioniert online genauso: Der Nutzer landet auf einer Unterseite auf ihrem Shop, sucht ein bestimmtes Produkt, welches er in den Warenkorb legt. Geht er zurück in den Laden und sucht weiter oder geht er direkt zur Kasse?

Der Verhaltensfluss in Google Analytics kann darüber Aufschluss geben:

• Wie wird der Nutzer durch verschiedene Seiten geführt?
• Webshop: Geht der Nutzer direkt zur Kasse oder schaut er sich noch nach weiteren Produkten um?
• Gibt es Pfade, denen die Nutzer häufiger folgen als anderen? Ist das der gewünschte Pfad?

Was zeigt der Verhaltensfluss?

Der Verhaltensfluss zeigt den Pfad auf, welchen die Nutzer gegangen sind. Man kann das mit einem Weg gleichsetzen – so verfolgt man quasi den Weg, den der Nutzer auf der Website gegangen ist. Die einzelnen Schritte sind hier Seiten oder Ereignisse.

Gestartet wird mit einem sogenannten Dimensionsknoten, welcher weiss angezeigt wird. Dieser Knoten stellt der Ursprung dar – den Einstieg in diesen Verhaltensfluss. Nehmen wir wieder unser Ladenbeispiel: Ist er mit Absicht in den Laden gekommen? Oder per Zufall daran vorbeigelaufen?

In Google Analytics kann man diverse Grössen auswählen, welche den Einstieg / den Dimensionsknoten darstellt: über welchen Browser, über welches Betriebssystem, über welchen Traffic Typ etc. ist der Nutzer auf Ihrer Website gelandet? Dieser wird im Verhaltensfluss weiss dargestellt. (siehe Screenshot unten).

Im Laden würde der Kunde von der einen Abteilung zur nächsten gehen – im Netz sind es Seiten oder Zielvorhaben (grün dargestellt). Hat man Ereignisse definiert, werden diese blau angezeigt. Verlässt ein Nutzer die Website, so wird es rot als Abbruch verzeichnet.

Hier gilt es zu unterscheiden, in welcher Datenansicht man sich bewegt: Ist die Datenansicht Ereignisse eingestellt, so zeigt ein Abbruch nur, dass kein weiteres Ereignis ausgelöst worden ist – nicht jedoch das Verlassen der Website.

Welche Erkenntnisse werden aus dem Verhaltensfluss erzielt?

Die grauen Verbindungslinien zeigen den Fluss an – die Dicke gibt dabei Auskunft darüber, wie viele Nutzer diesen Pfad gegangen sind. Nehmen wir beispielsweise all jene Kunden, die den Laden per Zufall betreten haben. Geht ein Grossteil davon weiter in die nächste Abteilung, so wird der Balken dicker dargestellt.

Wir könnten hier beispielsweise auch die Quelle als Dimensionsknoten  angeben. Hier spielt auch das Kampagnen-Tracking eine Rolle, welches ich letzte Woche in meinem Blogpost erwähnt habe. Hat man in der URL die Quelle Facebook und das Medium Ads zugewiesen, wird es im Verhaltensfluss wie folgt dargestellt:

So lässt sich aufzeigen, wie sich die Nutzer verhalten haben, wenn sie beispielsweise von Facebook gekommen sind. Das kann einen Hinweis darauf geben, wie die Werbung optimiert werden kann. Brechen viele ab, ohne ein gewünschtes Ziel erreicht zu haben, so könnte es darauf hindeuten, dass die Werbung eine falsche Erwartungshaltung weckt – welche dann auf der Zielseite nicht eingehalten werden kann.

Die Variationen, die im Verhaltensfluss dargestellt werden können, sind unzählig. Wählen Sie jene Dimensionsknoten aus, welche für Ihr Unternehmen den grössten Nutzen bringen. Der Bericht kann noch weiter spezifiziert werden, indem Segmente hinzugefügt werden. Übergeordnetes Ziel ist das Erkennen von Potential zur Optimierung der Nutzerführung. Nehmen wir hier als letzten Vergleich nochmals den Laden: Kommt ein Kunde in den Laden, füllt den Warenkorb und möchte schlussendlich bezahlen. Jedoch ist die Schlange vor der Kasse so gross, dass er schlussendlich den Laden ohne getätigten Einkauf verlässt. 1 zu 1 lässt sich das auf den Webshop anwenden: Sieht man im Benutzerfluss, dass viele an einer gewissen Stelle abbrechen, kann man genau an dieser Stelle ansetzen und diesen Prozess optimieren.