4 Dimensionen der Web-Analytics – Teil 3: Das Besucherverhalten

Web-Analytics-Tools wie Google Analytics, Matomo, Adobe Analytics, Etracker oder Piwik Pro sagen euch, wie viele Besucher*innen eure Website hat – und was diese dort tun. Dieser dritte Teil meiner Blog-Serie schildert, wie ihr die Web-Analytics-Dimension "Besucherverhalten" messen könnt.

Die vier Dimensionen der Web-Analytics in Anlehnung an Hassler

Marco Hassler erklärt in seinem Buch "Digital Analytics mit Google Analytics und Co." anschaulich die vier Web-Analytics-Dimensionen (1) Traffic-Quellen, (2) Besucher*innen, (3) Besucherverhalten und (4) Inhalte.

Die ersten beide Teile meiner Blog-Serie (Links am Seitenende) fokussierten Traffic-Quellen und Besucher-Metriken.

Dieser dritte Teil blickt nun auf das Besucherverhalten entlang dieser fünf Aspekte:

• I. Besuchsdauer
• II. Besuchstiefe
• III. Absprungrate und Interaktionsrate
• IV. Navigations- und Klickverhalten
• V. Beweggründe von Besucher*innen

Fünf Metriken der Web-Analytics-Dimension "Besucherverhalten" in Anlehnung an Hassler

Wofür stehen diese Messewerte, wie aussagekräftig sind sie und welche Stolperfallen gibt es? Das schauen wir uns jetzt im Detail an:

Website-Besucherverhalten: I. Besuchsdauer

Wie viel Zeit verbringen Besucher*innen auf eurer Website? Diese Besuchsdauer (auch Verweildauer genannt) wird von Web-Analytics-Tools getrackt. Sie messen dabei die Zeit zwischen dem ersten Seitenaufruf und der letzten Interaktion mit einer Seite.

Bitte beachten: Es lässt sich nicht pauschal sagen, ob eine lange bzw. kurze Besuchsdauer gut oder schlecht ist. Beides lässt sich sowohl positiv als auch negativ interpretieren.

➤ Je mehr Zeit User*innen auf eurer Website verbringen, desto interessanter finden sie euer Angebot (positive Interpretation) – oder: Sie brauchen zu lange, um das zu finden, was sie suchen (negative Interpretation). 

➤ Je weniger Zeit User*innen auf eurer Website verbringen, desto uninteressanter finden sie euer Angebot (negative Interpretation) – oder: Sie finden schnell, was sie suchen (positive Interpretation).

Bitte weiterhin beachten: Die Besuchsdauer zu messen, ist technisch problematisch. Ein Web-Analytics-System weiß nie genau, wann der Besuch eines Users tatsächlich abgeschlossen ist. Grund: Schließt der User den Browser-Tab (oder den ganzen Browser), gibt es keine messbare Interaktion auf der zuletzt betrachteten Seite – womit es technisch keinen identifizierbaren "Schlusspunkt" des Besuchs gibt. Deshalb fehlt durchgängig in Auswertungen von Web-Analytics-Tools die Betrachtungsdauer der letzten Seite eines Besuchs.

Heißt in der Praxis: Besucht ein User nur eine einzige Seite, bleibt die Besuchsdauer unbekannt. Viele Web-Analytics-Tools weisen dann eine verwirrende Verweildauer von 0 Sekunden aus. Geschieht dies öfter, zieht dieser Wert die durchschnittliche Besuchsdauer eines Online-Auftritts entsprechend nach unten.

Besonders davon betroffen sind Blogs (auf denen pro Besuch häufig nur eine einzige Seite gelesen wird) und sogenannte "One-Pager" (= Online-Auftritte, die aus einer einzigen Seite bestehen). 

Ein Workaround besteht laut Marco Hassler darin, mit der Metrik "Events" (Ereignisse) zu arbeiten: Damit könnt ihr auf einer einzelnen Seite Klicks oder das Scrollen der Seite erfassen und somit zeitlich quantifizieren.

Website-Besucherverhalten: II. Besuchstiefe

Die Besuchstiefe misst, wie viele Seiten ein Nutzer während seines Website-Besuchs betrachtet. 

Für Online-Auftritte, die ihren Umsatz als Werbeträger erwirtschaften, ist die Besuchstiefe ein wichtiger Messwert: So zielen zum Beispiel News-Portale darauf ab, so viele Seitenaufrufe wie möglich zu erzeugen, damit Unternehmen Werbung auf den Seiten schalten.

Eine große Besuchstiefe (= viele Seitenaufrufe) kann auch negativ interpretiert werden: User*innen, die auf einer Website orientierungslos herumirren, rufen ebenfalls viele Seiten auf.

Website-Besucherverhalten: III. Absprungrate und Interaktionsrate

Ein "Absprung" liegt als Web-Analytics-Messwert vor, wenn User*innen eine einzelne Seite eines Online-Auftritts aufrufen – und anschließend den kompletten Online-Auftritt gleich wieder verlassen (abspringen).

Hat euer Online-Auftritt eine hohe Absprungrate, könnte dies darauf hindeuten, dass User*innen nicht das fanden, was sie suchten.

Bei Traffic, der über die unbezahlte Google-Suche kam, lässt sich eine hohe Absprungrate aber auch positiv interpretieren: Fanden Besucher*innen auf eurer Seite sofort, was sie ausgehend von einer Google-Anfrage suchten, erübrigen sich weitere Seitenaufrufe.

Der letztgenannte Fall dreht aber wiederum ins Negative, wenn euer Online-Auftritt auf eine Conversion ausgerichtet ist (Kaufabschluss, Kontaktdaten-Abgabe, Download, Anmeldung, Bewerbung, etc.): Dann ist eine hohe Absprungrate auch bei Traffic über die unbezahlte Google-Suche bedenklich.

In Google Analytics 4 werdet ihr die Metrik "Absprungrate" nicht mehr finden. Das Web-Analytics-Tool des Suchmaschinenriesen nutzt stattdessen den Messwert "Interaktionsrate": Sie fragt, wie viele eurer Besucher*innen nach dem ersten Seitenaufruf mindestens eine weitere Seite aufriefen oder eine Interaktion ausführten.

Absprungrate und Interaktionsrate bedingen einander. Formelhaft dargestellt: 

➤ Interaktionsrate = 100 % minus Absprungrate

Psychologisch "schmerzt" die Interaktionsrate weniger: Eine 50-prozentige Interaktionsrate ("Wir können jeden zweiten Besucher zu weiteren Seitenaufrufen motivieren") klingt "erfolgreicher" als eine 50-prozentige Absprungrate ("Wir verlieren jeden zweiten Besucher nach nur einem Seitenaufruf").

Website-Besucherverhalten: IV. Navigations- und Klickverhalten

Wie sich Besucher*innen durch einen Online-Auftritt bewegen, ermitteln Web-Analytics-Tools über sogenannte Pfadanalysen. 

In Piwik Pro sehen Pfadanalysen so aus:

Eine Pfadanalyse am Beispiel des Web-Controlling-Tools Piwik Pro

Vor allem für Online-Shops sind derartige Analysen bezogen auf die Kaufabschluss-Optimierung sehr spannend: Schritt für Schritt können Shop-Betreiber*innen untersuchen, an welchen Stellen es zu "Pfadabbrüchen" kommt, um diese via A/B-Testing und oder multivariaten Tests so zu optimieren, dass es zu mehr Kaufabschlüssen kommt.

Website-Besucherverhalten: V. Beweggründe von Besucher*innen

Im Gegensatz zu Usability-Tests sagt euch ein Web-Analytics-Tool nicht direkt, was in den Köpfen eurer Website-Besucher*innen vor sich geht – indirekt jedoch schon:

Eine oft unterschätzte, aber sehr aussagekräftige Informationsquelle diesbezüglich ist die interne Suchfunktion einer Website – und das gilt nicht nur für Online-Shops. Nehmen wir als Beispiel dhl.de:

Die interne Website-Suchfunktion auf dhl.de

Marco Hassler betont: Wenn Besucher*innen die Suchfunktion innerhalb einer Website nutzen, formulieren sie in eigenen Worten, was sie interessiert bzw. welches Problem sie gelöst haben wollen.

Hochwertige Web-Analytics-Tools sind fähig, diese Suchanfragen zu tracken und euch verfügbar zu machen. Aus Sicht der Content- und Conversion-Optimierung sind diese Informationen Gold wert.

Web-Analytics: Das war Teil 3 zum Thema "Besucherverhalten"

Es hängt von der Funktion und der Zielsetzung eures Online-Auftritts ab, auf welche Metriken im Bereich "Besucherverhalten" ihr euch konzentrieren solltet. Ausnahmslos für alle Online-Auftritte hochspannend sind die Punkte IV (Navigations- und Klickverhalten) sowie V (Beweggründe von Besucher*innen).

Der vierte und letzte Teil von "4 Dimensionen der Web-Analytics" blickt auf das Thema "Inhalte". 

Quelle:

• Marco Hassler: Digital Analytics mit Google Analytics & Co.

Link-Tipps:

• 4 Dimensionen der Web-Analytics – Teil 1: Die Traffic-Quellen
• 4 Dimensionen der Web-Analytics – Teil 2: Die Besucher*innen
• Web-Analytics: Die wichtigsten Standard-Metriken – und ihre Stolperfallen
• Google Analytics 4: Was kann das neue Webcontrolling-Tool?
• Google Analytics 4: Über Events das Verhalten von Website-Besuchern messen