Post on 05-Jun-2018
Ostfalia – Hochschule für angewandte Wissenschaften
Fakultät Wirtschaft
Web Analytics und Web Controlling
erläutert am Beispiel eines Online-Shops
Bachelorarbeit
zur Erlangung des Grades Bachelor of Arts
der Fakultät Wirtschaft
der Ostfalia – Hochschule für angewandte Wissenschaften
eingereicht bei Prof. Dr. Paul Gerhard Capelle
Prof. Dr. Susanne Stobbe
von Jenny Marquardt
Am Mühlenberge 4
38300 Wolfenbüttel
Matr.-Nr. 30 99 26 99
Wolfenbüttel, 30.08.2013
II
Abstract
Web Analytics und Web Controlling stellen einen wichtigen Bereich in Unternehmen dar, die
ihre Geschäftstätigkeit auch auf das Internet ausdehnen. Da es sich um eine sehr junge
Disziplin handelt, ist ein kritischer Blick auf eine Begriffsdefinition und Abgrenzung zu anderen
Unternehmensbereichen notwendig. Im Web Analytics-Regelkreis wird der Prozess der
kontinuierlichen Verbesserung im Ablauf dargestellt, damit eine produktive Arbeitsweise des
Web Analysten gewährleistet wird. Zu den Kernaufgaben der Web Analytics und dem Web
Controlling gehört die Erfassung, Analyse und Aufbereitung relevanter Daten, um daraus
geeignete Maßnahmen abzuleiten. Einem Web Analysten stehen dabei umfangreiche Hilfsmittel
zur Verfügung, mit denen er entsprechend vorher festgelegten Zielen geeignete Kennzahlen
und Key Performance Indicators ermittelt und Gegenmaßnahmen einleitet. Die vorgestellten
Aufgaben, Kennzahlen und Maßnahmen werden anhand praktischer Beispiele eines selbst
betriebenen Online-Shops erläutert.
III
Inhaltsverzeichnis
Inhaltsverzeichnis ...................................................................................................................... III
Darstellungsverzeichnis ............................................................................................................ IV
Abkürzungsverzeichnis ............................................................................................................. IV
1 Einleitung ....................................................................................................................... - 1 -
1.1 Problemstellung .................................................................................................. - 1 - 1.2 Zielsetzung und Aufbau der Arbeit ...................................................................... - 2 -
2 Grundlagen .................................................................................................................... - 3 -
2.1 Begriffsklärung und Einordnung .......................................................................... - 3 - 2.2 Bedeutung von Web Analytics ............................................................................ - 6 - 2.3 Ziele der Web Analytics ...................................................................................... - 8 - 2.4 Der Web Analytics-Regelkreis ............................................................................ - 9 -
3 Analyseinstrumente ...................................................................................................... - 10 -
3.1 Technische Besonderheiten ............................................................................. - 10 - 3.2 Häufig genutzte Analysetools ........................................................................... - 13 - 3.3 Datenschutzrechtlicher Hintergrund .................................................................. - 15 -
4 Metriken und Key Performance Indicators .................................................................... - 16 -
4.1 Begriffe ............................................................................................................. - 16 - 4.2 Vorstellung wichtiger Kennzahlen ..................................................................... - 17 -
4.2.1 Visits und Visitors .................................................................................. - 17 - 4.2.2 Hits, Page Views und Bounces ............................................................. - 18 - 4.2.3 Referrer ................................................................................................. - 19 - 4.2.4 Conversion Rate ................................................................................... - 20 - 4.2.5 Funnel ................................................................................................... - 21 -
4.3 Controlling der Online-Werbung ....................................................................... - 22 -
4.3.1 Controlling des Affiliate-Marketings ....................................................... - 23 - 4.3.2 Controlling des E-Mail-Marketings ......................................................... - 24 - 4.3.3 Controlling der Suchmaschinen-Werbung ............................................. - 25 -
4.4 Controlling der Suchmaschinenoptimierung ...................................................... - 27 - 4.5 Controlling der Social-Media-Aktivitäten ........................................................... - 29 - 4.6 Controlling der mobilen Nutzer ......................................................................... - 32 - 4.7 Identifizierung von Klickbetrug .......................................................................... - 33 -
5 Aussagekraft der Analysen .......................................................................................... - 34 -
6 Fazit ............................................................................................................................. - 38 -
Literaturverzeichnis .............................................................................................................. - 40 -
IV
Darstellungsverzeichnis
Abb. 1: Die sieben Controlling-Bereiche des Business Intelligence ........................................ - 5 -
Abb. 2: Anteil der Internetnutzer in Deutschland von 2001 bis 2013 ...................................... - 6 -
Abb. 3: Web-Analytics-Regelkreis .......................................................................................... - 9 -
Abb. 4: Tabellarische Darstellung der Inhalte eines Logfile-Eintrags .................................... - 10 -
Abb. 5: Screenshot Google Analytics Dashboard ................................................................. - 13 -
Abb. 6: Darstellung eines Conversion Funnel (Trichters). .................................................... - 21 -
Abb. 7: Social Media Map 2013 ........................................................................................... - 30 -
Abb. 8: Ausgangsdaten zum Vergleich der JS-Deaktivierer ................................................. - 35 -
Abkürzungsverzeichnis
CLF Common Logfile Format
CPC Cost-per-Click
CPO Cost-per-Order
CRM Customer Relationship Management
CRO Conversion Rate Optimization
CTR Click-Through-Rate
eCRM electronic Customer Relationship Management
JS JavaScript
KPI Key Performance Indicator
PI Page Impression
PI/V Page Impression per Visit
PV Page View
SEA Search Engine Advertising
SEM Search Engine Marketing
SEO Search Engine Optimization
SMM Social Media Marketing
TMG Telemediengesetz
- 1 -
1 Einleitung
1 Einleitung
1.1 Problemstellung
Unternehmen aller Größen stehen seit über einem Jahrzehnt der digitalen Herausforderung
gegenüber. Diese spielt sich aber nicht nur in den eigenen Wänden ab, sondern auch beim
Kunden. Durch immer neue, bessere und preislich erschwingliche Technologien hat bei fast
80% aller Deutschen das Internet Einzug in die Haushalte gehalten. Und das Wachstum scheint
noch weiter fortzuschreiten. Sich dieser rapiden Geschwindigkeit anzupassen und daraus den
größten möglichen Nutzen zu ziehen, ist die Schwierigkeit, der sich die Unternehmen
gegenüber stehen. Die Konkurrenz schläft nicht und gerade im E-Commerce, wo jeder
Internetnutzer plötzlich zum potentiellen Kunden wird, egal wo er sich gerade befindet, gilt es
den Anschluss zu behalten, um sich konkret im Medium Internet zu platzieren.
Aufgrund der relativ jungen Disziplin Web Analytics gibt es nur wenig Fachliteratur, die sich mit
dem Thema Web Controlling oder Web Analytics ernsthaft auseinandersetzt. Noch
problematischer ist die Schnelllebigkeit in diesem Sektor. Ständig gibt es Neuerungen,
Verfahrensänderungen, Updates und sonstige Änderungen, die oftmals junge Literatur schon
wieder alt erscheinen lässt. Während der Erstellung dieser Arbeit haben sich die Internetquellen
mehrfach geändert oder wurden gelöscht, deshalb wird auf diese Quellen weitestgehend
verzichtet. Aber erst recht wegen dieser Dynamik kann überhaupt nicht auf Internetquellen
verzichtet werden. Sie begründen nahezu das Wissenskapital, mit dem Web Analysten
arbeiten. Gerade im Online-Handel ist diese Dynamik besonders zu spüren.
Einige Autoren rufen dazu auf, sich der Web Analytics besonders zu widmen, um die Kosten in
Bezug zum Nutzen der Internetaktivitäten zu überwachen und gegebenenfalls Vorschläge zur
Optimierung bereitzustellen. Dabei handelt es sich um ein völlig neues Feld mit nahezu gänzlich
neuen Kennzahlen. Die Grenzen zwischen Web Analytics und Web Controlling scheinen dabei
zu verschwimmen. Und in der Tat können beide bisher nicht eindeutig getrennt voneinander
abgehandelt werden, ebenso wie sie keiner bestimmten Abteilung in einem Unternehmen
zugeordnet werden können.
- 2 -
1 Einleitung
1.2 Zielsetzung und Aufbau der Arbeit
In der vorliegenden Arbeit sollen die Arten der Webanalyse, deren Hilfsmittel und die
wichtigsten Kennzahlen vorgestellt werden. Angefügte Rechenbeispiele sind so gewählt, dass
sie für einen kleinen bis mittleren Online-Shop gelten. Je höher der Umsatz beziehungsweise
die Anzahl der Kunden ist, umso detaillierter und genauer können solche Kennzahlen evaluiert
werden. Die Auswertung dieser Kennzahlen mit sich daran anschließenden Handlungs-
empfehlungen stellt einen wesentlichen Aufgabenbereich in der Analyse von Webkennzahlen
dar. Gleichzeitig soll diese Arbeit ein Appell an alle im Internet agierenden Gruppen sein, die
einen Nutzen aus ihrer Onlinetätigkeit ziehen und diesen messbar machen wollen oder sogar
müssen. Schließlich gewinnen solche Analysen immer mehr und mehr an Bedeutung.
Diese Arbeit liefert eine solide Grundlage zum Verständnis, was eigentlich Web Analytics ist,
wie es durchgeführt werden kann und was dabei den Erfolg ausmacht. Da die Theorie ohne die
Praxis kaum erläutert werden kann, ist das strikte Trennen beider nicht durchgehend möglich.
Aufgrund des transformierten Denkens der Offline- zur Onlinewelt, begegnet man neuartigen
Begriffen, die jeweils erläutert und deren Verständnis jeweils näher erläutert werden muss.
Anhand selbst gewählter Beispiele soll die junge Disziplin der Web Analytics anschaulich
präsentiert werden.
Der Aufbau der Arbeit ist 6 Kapitel gegliedert. Das Erste endet mit dieser Kapitelübersicht. In
Kapitel 2 werden die Begriffe Web Controlling und Web Analytics definiert, sowie die
Schwierigkeit der Abgrenzung diskutiert. Ebenso wird der Versuch einer Zuordnung
vorgenommen, der ebenso wenig als eindeutig zu bezeichnen ist. Schlussendlich leiten die
Bedeutung und die Ziele der Web Analytics zum Web Analytics-Regelkreis über.
Im dritten Kapitel werden die Analyseinstrumente genannt, die notwendig sind, um Web
Analytics überhaupt erst durchführen zu können. Dabei muss im ersten Teil besonders auf den
technischen Aspekt und im dritten Teil auf den Datenschutz eingegangen werden. Im zweiten
und Hauptteil dieses Kapitels werden vier ausgewählte Analysetools näher beschrieben.
Die wichtigsten Kennzahlen der Webanalyse werden im fünften Kapitel vorgestellt. Dabei ist es
besonders wichtig, auf die vielen verschiedenen Bereiche einzugehen, in denen Web Analytics
zum Einsatz kommt. Für jeden Bereich gibt es unterschiedliche Begriffe, die genauer
veranschaulicht werden müssen. Anhand der Beispiele soll jeder Bereich einfach und
verständlich in die Praxis übertragen werden.
Im vorletzten Kapitel wird die Relativität der Analyseergebnisse nochmals an einem Beispiel
erläutert, um die Herausforderung des Analysten nochmals besonders zu beleuchten, um
schlussendlich im letzten und sechsten Kapitel mit dem Fazit zu enden.
- 3 -
2 Grundlagen
2 Grundlagen
2.1 Begriffsklärung und Einordnung
Controlling hat in der Literatur eine Vielzahl an Definitionen und soll hier vereinfacht als
Planung, Steuerung und Kontrolle verstanden werden, sowie die Beschaffung von
Informationen und deren Auswertung. Der Begriff Controlling wird als solcher im deutschen
Sprachraum eingesetzt und sollte nicht mit dem Wort „Kontrolle“ verwechselt werden. Im
angelsächsischen Sprachraum spricht man von Management Accounting.1 Genauso schwierig
wie sich eine einheitliche Definition des Controllings in der Literatur findet, verhält es sich mit
Web Controlling und Web Analytics.
Die Web Analytics Association beschreibt Web Analytics als Messung, Sammlung, Analyse und
Auswertung von Internetdaten zum Zwecke von Verständnis und Optimierung der
Webnutzung.2 Meier und Zumstein erläutern hingegen zusätzlich, dass Web Controlling im
weiteren Sinne von Web Analytics anzusehen ist. Web Controlling hat demnach die Aufgabe,
die „Umsetzung des webbasierten Geschäftsmodells zu überwachen und darauf aufbauend
Erfolg versprechende Maßnahmen für das elektronische Geschäft und das
Kundenbeziehungsmanagement abzuleiten“.3 Andere Autoren unterscheiden überhaupt nicht
zwischen diesen beiden Begriffen und benutzen jeweils einen dieser beiden Begriffe.4 Die
Ursache für diese nicht einheitliche Bezeichnung ist vermutlich im relativ jungen Alter dieser
Disziplin und der Sprachvermischung von deutschen und englischen Begriffen zu suchen. Zur
Einfachheit wird in dieser Arbeit der Begriff Web Analytics verwendet. Das Web Controlling wird
allerdings gleichwohl eingeschlossen und an besonderen Stellen mitgenannt.
Obwohl der Begriff Controlling im Zusammenhang mit Web Analytics dominiert und die
Auswertungen zunächst mathematischer Natur sind, so kann Web Analytics aber gleichwohl
dem Online Marketing zugeordnet werden. Aus einer Umfrage aus dem Jahre 2011 geht
hervor, dass bei 50 % der befragten Unternehmen Web Analytics dem Marketing zugeteilt
werden und bei ca. 32 % eher technisch ausgelegt ist und zum Business Intelligence bzw.
Analytics oder zur IT-Abteilung gehört. Der Rest der befragten Unternehmen verstaut seine
Web Analytics-Kompetenzen beim Controlling, in einer Internet-Abteilung, beim Vertrieb, bei der
Geschäftsleitung oder der Unternehmenskommunikation. Eine eigene Web Analytics-Abteilung
gibt es wohl nur in sehr wenigen Fällen.5
Diese uneinheitliche Aufteilung liegt in der Interdisziplinarität der Aufgabenwahrnehmung. Zwar
werden umfangreiche Datentabellen herangezogen und ausgewertet, aber aus diesen werden
1 Vgl. Weber, J. / Schäffer, U. (2011), S. 1 ff. 2 Vgl. Web Analytics Association (2008), S. 3. 3 Zumstein, D. / Meier, A. (2013), S. V. 4 Vgl. Düweke, E. / Rabsch, S. (2012), S. 774. 5 Vgl. Zumstein, D. / Meier, A. (2012), S. 922.
- 4 -
2 Grundlagen
auch Handlungsvorschläge entwickelt. Zwischen den Abteilungen muss ein reger Austausch
stattfinden, der vom Web Analysten koordiniert und kommuniziert werden muss. Weitere
Probleme sehen die befragten Unternehmen in Datenschutz (43%) und Datensicherheit (27%),
dem Mangel an Zeit und Geld (37%), sowie einer unternehmensgerechten Zielformulierung der
Internetaktivitäten (31%). Ferner werden auch die Interpretation der Daten, fehlerhafte Daten
bzw. nicht standardisierte Daten, ein Mangel an Know-how und die Implementierung als
Probleme genannt.
In den vergangenen Jahren hat sich eine eigene Online-Szene entwickelt, die sich ständig
gegenseitig über die neuesten Änderungen informiert. Eine Ausbildung zu einem SEO-
Fachmann oder einer SEO-Fachfrau sucht man allerdings vergeblich. Nicht selten hingegen
liest man Stellenanzeigen für einen Web Analytics Expert oder Web Analyst. In diesen wird von
den Bewerbern ein hohes analytisches Denkvermögen gefordert, sowie Erfahrung mit mehreren
Web Analytics Tools und der souveräne Umgang mit Tabellenkalkulationsprogrammen. Ferner
müssen Web Analysten Kommunikations- und Projekterfahrung mitbringen.
Oftmals scheint also der sinnvolle Umfang mit Web Analytics an den vorgenannten
Schwierigkeiten zu scheitern oder nicht vollends ausgeschöpft zu werden. Angelehnt an die
Definition von Meier und Zumstein6 stellen Web Controlling und Web Analytics unterstützende
Prozesse im eBusiness Framework dar. Unter eBusiness versteht man die „Anbahnung,
Vereinbarung und Abwicklung elektronischer Geschäftsprozesse“.7 Die drei wichtigsten
Gruppen in diesem Prozess sind die Konsumenten, die Unternehmen und öffentliche
Institutionen, die jeweils Leistungen anbieten oder nachfragen. Unter Business Intelligence
versteht man ein softwarebasiertes Managementunterstützungssystem. Unternehmens-
relevante Daten werden in einem Datenbanksystem systematisch erfasst und ausgewertet. Ein
sehr bekanntes Beispiel für einen Anbieter von Business Intelligence-Lösungen ist das
Unternehmen SAP.8
Zur digitalen Wertschöpfungskette zählen folgende Glieder:9
eProducts & eServices – hierbei handelt es sich um Produkte und Dienstleistungen, die über
digitale Märkte gehandelt werden können.
eProcurement – ist die Beschaffung von Waren und Dienstleistungen durch das Internet.
Automatisierte Prozesse erleichtern hierbei unter erheblichem Verwaltungs- und Zeitaufwand
den Einkauf.
6 Vgl. Stormer, H. / Meier, A. (2012), S. 1 ff. 7 Stormer, H. / Meier, A. (2012), S. 2. 8 Vgl. Brüne, K. (2009), S. 45. 9 Vgl. Zumstein, D. / Meier, A. (2013), S. 2 ff.
- 5 -
2 Grundlagen
eMarketing – auch Online-Marketing genannt, beschäftigt sich mit allen Marketingmaßnahmen
hinsichtlich des Internets wie zum Beispiel der Bannerwerbung, dem E-Mail- oder Newsletter-
Marketing, der Suchmaschinenwerbung und vielen weiteren Erscheinungsformen.
eContracting – bildet den elektronischen Verhandlungsprozess ab. Mit standardisiertem
Vorgehen werden elektronisch rechtsgültige Dokumente erstellt.
ePayment – bezeichnet den elektronischen Zahlungsverkehr, dazu gehört unter anderem die
Bezahlung per Online-Überweisung, Kreditkarte, PayPal, Online-Rechnung oder auch per
Guthaben, das beim Bezahlvorgang eingelöst werden kann.
eDistribution – ist die Verteilung der Güter bis hin zum Kunden im elektronischen Prozess.
Physische Güter müssen unter Umständen gelagert werden, digitale Produkte auf Speicher-
medien gesichert werden. Weiterhin unterliegt der Distribution die Auslieferung der Güter, ob
digitaler oder physischer Natur.
eCustomer Relationship Management (eCRM) – bezeichnet alle Aspekte des elektronischen
Kundenmanagements. Die Pflege der Kundendaten und die gezielte Ansprache der verschie-
denen Kundengruppen trägt zu einer Verbesserung der Kundenbeziehungen bei.
Abb. 1: Die sieben Controlling-Bereiche des Business Intelligence
Quelle: Zumstein, D. / Meier, A. (2013), S. 3.
An dieser Stelle wird noch einmal deutlich, dass Web Analytics und Web Controlling zwei
unterscheidbare Bereiche darstellen.
2.2 Bedeutung von Web Analytics
Seit den 90er Jahren gewinnt das Internet immer mehr an Bedeutung und wird von
Menschen auf der ganzen Welt genutzt.
Anstieg der Internetnutzer
der Internetnutzer vor 10 Jahren die Hälfte der deutschen Bevölkerung und im Verlauf bis heute
ist noch mal über ein Viertel hinzugekommen. Der Anstieg ist zwar nicht meh
durchaus noch erkennbar.
Abb. 2: Anteil der Internetnutzer in Deutschland von 2001 bis 2013
Quelle: Initiative D21 (2013),
entwicklung-der-internetnutzung
Die Internetnutzung bezieht sich dabei auf alle erdenklichen Bereiche wie
Informationsbeschaffung, Meinungsaustausch, (O
natürlich auch der Unterhaltung und vielem mehr.
interessiert insbesondere Unternehmen dabei die Resonanz auf deren Internetseiten. Wie viele
Besucher haben die Seite frequentiert? Was
wie viel Umsatz je Besucher wurde erzielt?
Zu Beginn der Internetnutzung
Internetseiten. Und selbst wenn, so waren die Informationen den Informatikern vor
0%
10%
20%
30%
40%
50%
60%
70%
80%
2001 2002 2003
37,0%
41,7%
50,1%
An
teil
de
r In
tern
etn
utz
er
pro
Ja
hr
Anteil der Internetnutzer in Deutschland von 2001 bis 2013
- 6 -
von Web Analytics
Seit den 90er Jahren gewinnt das Internet immer mehr an Bedeutung und wird von
Menschen auf der ganzen Welt genutzt. Die folgende Grafik veranschaulicht den rapiden
Internetnutzer in den letzten 13 Jahren allein in Deutschland
der Internetnutzer vor 10 Jahren die Hälfte der deutschen Bevölkerung und im Verlauf bis heute
ist noch mal über ein Viertel hinzugekommen. Der Anstieg ist zwar nicht meh
l der Internetnutzer in Deutschland von 2001 bis 2013
Initiative D21 (2013), http://de.statista.com/statistik/daten/studie/13070/umfrage/
internetnutzung-in-deutschland-seit-2001/, 23.05.2013.
Die Internetnutzung bezieht sich dabei auf alle erdenklichen Bereiche wie
Informationsbeschaffung, Meinungsaustausch, (Online-)Shopping, Selbst
h auch der Unterhaltung und vielem mehr. Mit dem Boom der Internetnutzung
nsbesondere Unternehmen dabei die Resonanz auf deren Internetseiten. Wie viele
Besucher haben die Seite frequentiert? Was haben die Besucher auf der Seite gemacht? Oder
wie viel Umsatz je Besucher wurde erzielt?
nutzung erfolgte kaum eine Auswertung von Besucherströmen auf
Internetseiten. Und selbst wenn, so waren die Informationen den Informatikern vor
2003 2004 2005 2006 2007 2008 2009 2010
50,1%52,7%
55,1%
58,2% 60,2%
65,1%
69,1%72,0%
Anteil der Internetnutzer in Deutschland von 2001 bis 2013
2 Grundlagen
Seit den 90er Jahren gewinnt das Internet immer mehr an Bedeutung und wird von immer mehr
Die folgende Grafik veranschaulicht den rapiden
allein in Deutschland. Dabei betrug die Zahl
der Internetnutzer vor 10 Jahren die Hälfte der deutschen Bevölkerung und im Verlauf bis heute
ist noch mal über ein Viertel hinzugekommen. Der Anstieg ist zwar nicht mehr so stark, aber
http://de.statista.com/statistik/daten/studie/13070/umfrage/
.05.2013.
Die Internetnutzung bezieht sich dabei auf alle erdenklichen Bereiche wie
)Shopping, Selbstvermarktung und
Mit dem Boom der Internetnutzung
nsbesondere Unternehmen dabei die Resonanz auf deren Internetseiten. Wie viele
die Besucher auf der Seite gemacht? Oder
erfolgte kaum eine Auswertung von Besucherströmen auf
Internetseiten. Und selbst wenn, so waren die Informationen den Informatikern vorbehalten, die
2010 2011 2012 2013
72,0%74,7% 75,6%76,5%
Anteil der Internetnutzer in Deutschland von 2001 bis 2013
- 7 -
2 Grundlagen
Zugriff auf die Logfiles hatten. Logfiles sind Dateien, die automatisch die Zugriffsdaten auf eine
Internetseite speichern. Vereinzelt konnte man damals so genannte „Counter“ auf diversen
Internetseiten feststellen, die aber schon längst keinen besonderen Stellenwert mehr genießen.
Mit fortschreitender Nutzung des Internets in allen Bereichen etablierten sich zusehends immer
mehr Webanalysetools auf dem digitalen Markt.10
Oftmals werden nur einfache Kennzahlen erfasst, die der Geschäftsleitung vorgelegt werden.
Da aber die Bedeutung des Internets immer mehr zunimmt, muss es Systeme geben, die eine
genauere Auswertung der Besucherströme erlauben. Im Offline-Handel geht der Kunde auch
durch einen Supermarkt und wird spätestens beim Bezahlen an der Kasse als solcher für das
Unternehmen wahrgenommen. Der Kassenschnitt zum Tages- oder Schichtende im stationären
Handel stellt genauso eine Auswertung dar wie das Auswerten von Besucherströmen auf
kommerziellen Internetseiten. Für Unternehmen ist es besonders wichtig zu erfahren, was die
Besucher auf der Internetseite davon abgehalten hat zu kaufen. Web Analytics ist in diesem
Fall ein probates Mittel, um die Gründe hierfür zu analysieren.
Ein weiterer Trend, der nicht aus den Augen verloren werden darf, ist die zunehmende Nutzung
der mobilen Endgeräte. An immer mehr Orten ist es möglich, den Zugang zum Internet
herzustellen. Das kann am Arbeitsplatz mit einem Computer, Notebook, Netbook oder Tablet
geschehen, vielleicht sogar mit dem Firmenhandy. Und zu Hause oder unterwegs kann ein
typischer Internetnutzer ebenso über die gleichen elektronischen Geräte verfügen.11
Eine besondere Herausforderung der Web Analytics ist es, diese sich überschneidenden
Gruppen zu identifizieren und nicht jede Zahl als absolut und feststehend anzusehen. Die sich
ständig ändernden Rahmenbedingungen auch in der Informationstechnologie müssen ständig
im Auge behalten werden. Bei der Web Analytics handelt es sich um ein dynamisches Feld mit
ständig wechselnden Anforderungen. Ebenso dynamisch muss auch die Denkweise der
Analysten sein. Nur so können aus Problemen Lösungen generiert werden.12
10 Vgl. Zumstein, D. / Meier, A. (2013), S. 161 ff. 11 Vgl. Kreutzer, R. T. (2012), S. 146 f. 12 Vgl. Meffert, H. / Burmann, C. / Kirchgeorg, M. (2012), S. 863.
- 8 -
2 Grundlagen
2.3 Ziele der Web Analytics
Die Ziele der Web Analytics werden von den Zielen der Internetseite abgeleitet. Soll zum
Beispiel eine Marke stärker bekannt gemacht werden, so ist es wichtig etwas über die Anzahl
und Dauer der Besucher herauszufinden, welche Inhalte sie besonders lang betrachtet haben
oder welche sie überhaupt nicht beachtet haben. Soll eine Internetseite hingegen als Service
fungieren, kann es für ein Unternehmen von Interesse sein, ob der Besucher möglichst schnell
zu einer Lösung gelangt ist. Sucht ein Besucher zu lange auf einer Internetseite nach einem
Update für seinen neuen MP3-Player, kann sich diese negative Erfahrung auch auf das
Produkterlebnis und das Unternehmensimage auswirken. Dann muss das Unternehmen auf
jeden Fall Maßnahmen ergreifen, um die Suche nach solchen Informationen schneller dem
Kunden zugänglich zu machen. Hilfreich ist da beispielsweise schon eine verbesserte
Suchfunktion.13
Web Analytics kann mittlerweile tausende verschiedene Kennzahlen liefern, die mehr oder
weniger sinnvoll für den Betrachter sein können. Daher ist es auch ein Ziel, eben diese Zahlen
zu verdichten und anschaulich wiederzugeben. Nicht jede Kennzahl ist relevant und auch nicht
jede Kennzahl ist für jeden Zweck geeignet. Nicht jedes Analysetool kann so konfiguriert
werden, dass es genau die Daten liefert, die der Anwender gerade braucht. Daher ist es
besonders wichtig, bereits vor dem Erfassen der Daten das geeignete Werkzeug zu ermitteln,
das diese Ziele am besten abbilden kann, sei es in tabellarischer oder grafischer Form.
Besonders wichtig ist es, diese Zahlen nicht nur zu erfassen, sie abzubilden und
wiederzugeben, sondern auch geeignete Maßnahmen zu entwickeln. Darin liegt die besondere
Herausforderung der Web Analytics.14
13 Vgl. Kreutzer, R. T. (2012), S. 120. 14 Vgl. Kaushik, A. (2009), S. 24.
2.4 Der Web Analytics
Die Durchführung von Web Analytics und Web Controlling ist
Regelkreis, der in vier Bereiche gegliedert wird, der Planung, der Erfolgsmessung, der Analyse
und der Optimierung.
Der Kernpunkt liegt in der Planung, in der die Marketingziele definiert werden, Key Performance
Indicators (KPIs) identifiziert und messbar gemacht werden.
Im zweiten Schritt wird der laufende Betrieb überwacht und die Zielvorgaben (Sollziele) mit den
Istdaten (Istziele) verglichen, um Abweichungen sofort zu erkennen und gegebenenfalls
rechtzeitig zu handeln.
Bei der Analyse werden alle Daten ausgewertet und gemäß der Ziele und Vorg
abgeglichen. Aus den generierten Daten werden in diesem Schritt Handlungsempfehlungen für
den nachfolgenden Einsatz ausgesprochen.
Im vierten Schritt erfolgt die Optimierung, in
werden. Als Konsequenz daraus, wird der Kreis geschlossen und erneut durchlaufen.
Abb. 3: Web-Analytics-Regelkreis
Quelle: Brommund, T. / Amthor, A. (2008)
Da der Kreis mehrfach durchlaufen wird, findet hierbei ein kontinuierlicher Verbesserungs
prozess statt.16 Bei kontinuierli
und Maßnahmen können sofort
Ergebnisse, einer immer
nachvollzogen werden.17
15 Vgl. Brommund, T. / Amthor, A. (2008), S. 566.16 Vgl. Peterson, E. T. (2004), S. 12 ff.17 Vgl. Zumstein, D. / Meier, A. (2013), S. 50 ff.
messung
AnalyseOptimie-rung
Planung
- 9 -
Der Web Analytics -Regelkreis
Die Durchführung von Web Analytics und Web Controlling ist ein kontinuierlich durchlaufender
Regelkreis, der in vier Bereiche gegliedert wird, der Planung, der Erfolgsmessung, der Analyse
Der Kernpunkt liegt in der Planung, in der die Marketingziele definiert werden, Key Performance
) identifiziert und messbar gemacht werden.
Im zweiten Schritt wird der laufende Betrieb überwacht und die Zielvorgaben (Sollziele) mit den
Istdaten (Istziele) verglichen, um Abweichungen sofort zu erkennen und gegebenenfalls
Bei der Analyse werden alle Daten ausgewertet und gemäß der Ziele und Vorg
. Aus den generierten Daten werden in diesem Schritt Handlungsempfehlungen für
den nachfolgenden Einsatz ausgesprochen.
Im vierten Schritt erfolgt die Optimierung, in der die Handlungsempfehlungen umgesetzt
werden. Als Konsequenz daraus, wird der Kreis geschlossen und erneut durchlaufen.
Regelkreis
Quelle: Brommund, T. / Amthor, A. (2008), S. 566.
durchlaufen wird, findet hierbei ein kontinuierlicher Verbesserungs
Bei kontinuierlichem Durchlauf, wie gefordert, werden Trends frühzeitig erkannt
können sofort eingeleitet werden. Die Prozessoptimierung führt zu genaueren
immer besseren Analyse und kann auch für Außenstehende einfach
Brommund, T. / Amthor, A. (2008), S. 566. Peterson, E. T. (2004), S. 12 ff.
Meier, A. (2013), S. 50 ff.
Erfolgs-messung
Analyse
2 Grundlagen
ein kontinuierlich durchlaufender
Regelkreis, der in vier Bereiche gegliedert wird, der Planung, der Erfolgsmessung, der Analyse
Der Kernpunkt liegt in der Planung, in der die Marketingziele definiert werden, Key Performance
Im zweiten Schritt wird der laufende Betrieb überwacht und die Zielvorgaben (Sollziele) mit den
Istdaten (Istziele) verglichen, um Abweichungen sofort zu erkennen und gegebenenfalls
Bei der Analyse werden alle Daten ausgewertet und gemäß der Ziele und Vorgaben
. Aus den generierten Daten werden in diesem Schritt Handlungsempfehlungen für
der die Handlungsempfehlungen umgesetzt
werden. Als Konsequenz daraus, wird der Kreis geschlossen und erneut durchlaufen.15
durchlaufen wird, findet hierbei ein kontinuierlicher Verbesserungs-
Trends frühzeitig erkannt
Die Prozessoptimierung führt zu genaueren
besseren Analyse und kann auch für Außenstehende einfach
- 10 -
3 Analyseinstrumente
3 Analyseinstrumente
3.1 Technische Besonderheiten
Es gibt mehrere Verfahren, mit denen Daten von Internetseiten erfasst werden können. Die eine
ist die Logfile-Analyse, welche serverseitig erfolgt. Das bedeutet, dass die Daten dort erfasst
werden, wo die Website bereitgestellt wird, dem Server. Ein anderes Verfahren ist das so
genannte Page Tagging oder Website-Tracking. Dieses Verfahren erfolgt clientseitig, die Daten
werden also beim Besucher der Website erfasst, dem Client. In den meisten Fällen ist dies ein
Browser. Beide Verfahren haben Vor- und Nachteile, wobei die Logfile-Analyse allerdings
aufgrund des technologischen Fortschritts als veraltet anzusehen ist.18
Die Logfile-Analyse beruht auf der Auswertung von automatisch erfassten Daten, den Logfiles.
Sobald ein Besucher eine Internetseite aufruft, wird automatisch ein Eintrag im „Logbuch“ des
Servers, wo sich die Internetseite befindet, verfasst. Dies ist eine einfache Zeile in einer
Textdatei, die aus vielen tausenden solcher Zeilen mit ungefähr folgendem Aussehen besteht:
82.83.62.157 - - [25/Apr/2013:14:17:47 +0200] "GET /kategorie/seite.html HTTP/1.1" 200 12832
"http://www.domain.de/index.html" "Mozilla/5.0 (Windows NT 5.1) AppleWebKit/537.31
(KHTML, like Gecko) Chrome/26.0.1410.64 Safari/537.31"
82.83.62.157 IP (Internet Protocol = Adresse des Besuchers)
- bei Passwortschutz der Benutzername (bei Login)
- bei Passwortschutz das Passwort (bei Login)
[25/Apr/2013:14:17:47 +0200] Zeitstempel (Datum, Zeit, Zeitverschiebung)
“GET sagt aus, dass es sich um eine Anforderung handelt
/kategorie/eintrag.html Pfad der aufgerufenen Seite
HTTP/1.1" Übertragungsprotokoll
200 HTTP-Statuscode (hier: fehlerfreie Anforderung)
12832 Menge der gesendeten Daten in Byte
“http://www.google.de/“ Herkunftsseite (hier eine Suchmaschine, Pfad gekürzt)
"Mozilla/5.0 vom Besucher verwendeter Browser
(Windows NT 5.1) vom Besucher verwendetes Betriebssystem
AppleWebKit/537.31 (KHTML, like Gecko) Chrome/26.0.1410.64 Safari/537.31"
Arbeitsfläche
Abb. 4: Tabellarische Darstellung der Inhalte eines Logfile-Eintrags
Quelle: eigene Darstellung aus einem selbst erstellten Logfile.
18 Vgl. Zumstein, D. / Meier, A. (2010), S. 303.
- 11 -
3 Analyseinstrumente
Hierbei handelt es sich um das Common Logfile Format (CLF) beziehungsweise das um die
letzten zwei Einträge erweiterte Combined Log Format in seiner Standardkonfiguration der
Software „Apache“, die am häufigsten für den Betrieb von Webservern eingesetzt wird. Man
könnte den Eintrag folgendermaßen interpretieren: Am 25. April 2013 um 13:14 Uhr kam ein
Besucher mit der Adresse 82.83.62.157 erfolgreich auf die Seite kategorie/eintrag.html. Er kam
dabei von der Suchmaschine Google, benutzt den Browser Chrome und hat das
Betriebssystem Windows XP installiert.19
Die Analyse dieser Einträge erlaubt den Analysetools vielfältige Auswertungen. Zum Beispiel
kann die Gesamtanzahl der Besuche durch das Addieren der IP-Adressen ermittelt werden.
Durch das Eleminieren mehrerer gleicher IP-Adressen kann daraus die Zahl der Besucher
berechnet werden. Weiterhin können die Wege des Besuchers erfasst werden, indem die
aufeinanderfolgenden Pfade aufgezeichnet werden bei Besuchern mit gleicher IP-Adresse. Eine
Auswertung der Uhrzeit erlaubt das Erkennen von Stoßzeiten. Es gibt allerdings Probleme beim
Erfassen der wiederkehrenden Besucher. Die wenigsten Benutzer haben eine so genannte
feste IP. Das bedeutet, dass sie am nächsten Tag höchst wahrscheinlich eine neue IP-Adresse
haben werden und es für die Analyse nicht möglich sein wird, diesen Besucher als einen
Wiederkehrer zu identifizieren. Weiterhin ist es problematisch, wenn mehrere Personen – zum
Beispiel in einem Unternehmen – mit der gleichen IP die Website besuchen. Diese werden alle
als eine Person gezählt. Auch kann die Logfile-Analyse die Besuchsdauer nicht korrekt
berechnen, da in den Logfiles nicht steht, wann der Besucher die Seite verlässt. Zwar können
alle Wege ab dem Landen auf der Seite erfasst werden, aber die Zeit auf der Ausstiegsseite
kann nur approximiert werden. Die Besuchsdauer auf der Ausstiegsseite beträgt 0 Sekunden.
Der Logfile-Analyse sind demnach so einige Grenzen gesetzt.20
Diese Informationslücke versucht das Verfahren der clientseitigen Datensammlung zu
schließen. Clientseitig bedeutet hier, dass die Daten beim Besucher erfasst werden. Beim
Aufrufen einer Internetseite wird entweder ein Script ausgeführt oder ein Pixelbild - auch
Trackingpixel genannt – geladen, daher wird dieses Verfahren auch „Page Tagging“ genannt.
Das Script speichert ein so genanntes Cookie im Browser des Besuchers. Dieses bleibt bis zu
seiner Löschung dort bestehen. Die Löschung kann programmiert werden oder der Nutzer kann
Cookies selbst löschen. Hinderlich bei diesem Verfahren ist, dass jede Internetseite mit diesem
Script beschrieben sein muss, um sie erfassen zu können. Daher bietet es sich an, den Einsatz
bereits vor dem Erstellen der Webseiten zu diskutieren. Ein Kritikpunkt, der weiterhin bei der
Verwendung dieses Verfahrens angebracht wird, ist der datenschutzrechtliche Umgang mit den
gesammelten Daten.21
19 Vgl. The Apache Software Foundation (2013), http://httpd.apache.org/docs/2.4/logs.html#accesslog. 20 Vgl. Kaushik, A. (2009), S. 44 ff. 21 Vgl. Zumstein, D. / Meier, A. (2013), S. 164 ff.
- 12 -
3 Analyseinstrumente
Die Verwendung von Cookies hat den Vorteil, dass der Besucher bei seiner Wiederkehr auf der
Internetseite erkannt wird. Nachteil bei dieser clientseitigen Erfassung ist, dass nicht jeder
Besucher dieses Verfahren erlaubt. In jedem Browser besteht die Möglichkeit dieses Verfahren
automatisch zu unterbinden. Bei der Logfile-Analyse hingegen besteht diese Möglichkeit nicht,
da der Browser des Besuchers eine Anfrage an den Server mit der entsprechenden Website
sendet und automatisch Daten übermittelt werden. Ebenso ist die Logfile-Analyse dahingehend
überlegen als dass auch historische Daten ausgewertet werden können. So lange Logfiles aus
vorangegangener Zeit vorliegen, können diese auch ausgewertet werden. Ein weiterer Vorteil
ist, dass alle Aufrufe auf einer Website erfasst werden. Dazu zählt auch der Abruf (Download)
von PDF-Dateien, sowie anderen Dokumenten und dynamisch generierten Inhalten. Allerdings
hat auch das Page Tagging seine Stärken. Es erkennt wie zuvor erwähnt die wiederkehrenden
Besucher wesentlich eindeutiger. Außerdem ist es in der Lage, wesentlich mehr Informationen
abzurufen. Dazu gehört zum Beispiel die Bildschirmauflösung des Besuchers, aber besonders
relevant ist das Erfassen von Umsätzen und Conversions. Dadurch können schnell (in Echtzeit)
Analysen zu Besuchern und dem durchschnittlichem Warenkorb, den Umsätzen in einem
betrachteten Zeitraum oder der Zusammenhang zwischen der Höhe der Umsätze und dem
Surfverhalten des Besuchers untersucht werden. Diese Analysen sind mit einer Logfile-Analyse
nicht möglich. Daher wird diese Methode als veraltet angesehen.22 Allerdings kann das
gleichzeitige Ermitteln von Kennzahlen mit beiden Verfahren, nämlich der server- und der
clientseitigen Methode, die Unterschiede aufzeigen, die man vermeiden möchte.23
22 Vgl. Heßler, A. / Mosebach, P. (2013), S. 376. 23 Vgl. Bauer, C. u. a. (2011), S. 81.
- 13 -
3 Analyseinstrumente
3.2 Häufig genutzte Analysetools
Die Bekanntheit und Nutzung gängiger Analysewerkzeuge ist in der Vergangenheit stark
gestiegen. Das bekannteste und am häufigsten genutzte ist Google Analytics. Der Marktführer
unter den Suchmaschinen und Anbieter vieler weiterer Tools hat ein mächtiges und
kostenfreies Analyseinstrument geschaffen. Google Analytics stellt eine Vielzahl an Kennzahlen
bereit und unterliegt einer ständigen Entwicklung. Es basiert auf dem Page-Tagging-Verfahren,
es wird also ein Cookie gesetzt. Das bedeutet im Gegenzug allerdings auch, dass die erfassten
Daten bei Google gespeichert werden. Diese stehen in der Kritik, dass mit den erfassten Daten
Rechte verletzt werden. Nichtsdestotrotz hält dieses Tool beharrlich seine Marktführerschaft, da
es kostenfrei von jedem genutzt werden kann und eine Vielzahl an Daten ausgewertet werden
können. Oftmals wird es auch als Einstieg in Web Analytics verwendet, um sich mit der
Thematik zunächst auseinander zu setzen. Die Einfachheit der Bedienung und Implementierung
des Scripts in Webseiten wird durch eine große Community und umfangreiche Hilfeseiten
(teilweise auf Englisch) unterstützt. Der Anwender erhält durch Literatur und Internet
umfangreiche Hilfen und kann so nahezu kostenlos die Thematik Web Analytics detailliert
studieren.24
Abb. 5: Screenshot Google Analytics Dashboard
Quelle: eigener Screenshot.
24 Vgl. Kreutzer, R. T. (2012), S. 1 ff.
- 14 -
3 Analyseinstrumente
Adobe Analytics hingegen ist ein kostenpflichtiges Analysetool und entstand durch die
Übernahme von Omniture. Es ist ein kommerzielles Produkt, welches von der Firma Adobe
bereitgestellt wird. Dieses Tool erlaubt quasi alles, was der Anwender sich wünscht. Es
funktioniert ebenso wie Google Analytics über die Implementierung eines Scripts, verwendet
also das Page-Tagging-Verfahren. Es ist eines der teuersten Analysetools auf dem Markt, was
durch seine umfangreichen Bedienmöglichkeiten und Auswertungen sowie durch seinen
Support zu begründen ist. Die Anwendung dieses Programms ist allerdings so umfangreich und
komplex, dass eine für dieses Programm geschulte Person damit arbeiten muss.
Ein weiteres Tool ist Piwik. Dieses ist Open Source und kostenfrei. Dies hat den Vorteil, dass
der Websitebetreiber über die Daten selbst verfügen kann und somit keine Rechte der
Besucher gefährdet werden. Piwik kann sowohl Logfiles auswerten als auch über das Page-
Tagging-Verfahren verwendet werden. Die Auswertungen hingegen sind nicht so umfangreich
wie bei den beiden zuvor genannten Analysetools, aber genügen für einen einfachen Einstieg.25
Um die Logfile-Analyse nicht zu vernachlässigen, soll an dieser Stelle noch das Tool Sawmill
Analytics genannt werden. Dieses ist vorranging für Logfiles einzusetzen, ist allerdings auch in
der Lage, das Page-Tagging-Verfahren anzuwenden Die Implementierung gestaltet sich
allerdings nicht so benutzerfreundlich wie bei den etablierten Tools wie Google Analytics oder
Adobe Analytics. Dafür sind auch die Einstellungen bei Sawmill Analytics äußerst umfangreich.
Zwar stellt Sawmill Analytics mit einer der neueren Versionen auch ein Dashboard, in dem die
allgemein wichtigsten Auswertungen übersichtlich und knapp dargestellt werden, zur Verfügung
und hält einige neuere Kennzahlen bereit, allerdings ist die Anpassbarkeit des Programms vor
allem optisch sehr beschränkt und unterliegt einem hohen technischen Grundverständnis. Nur
geschulte Personen können intensiv mit diesem Programm arbeiten und Auswertungen starten,
die auf die persönlichen Ziele abgestimmt sind. Mit gerade einmal 99,- € ist das Tool quasi ein
Schnäppchen unter den bezahlpflichtigen Analysetools.
An der Auswahl an Analysetools mangelt es nunmehr nicht auf dem Markt. Weit über 100
Programme stehen zur Auswahl, wenn es heißt, die Daten von Websites fachmännisch
auszuwerten. Es sollte bei der Auswahl des „richtigen“ Werkzeugs aber dennoch darauf
geachtet werden, dass die mit der Website zu erreichenden Ziele nicht vernachlässigt werden.
Ein teures Tool kann Auswertungen liefern, die kein Entscheidungsträger im Unternehmen
braucht oder ein kostenfreies Tool kann nicht genug Daten bieten, die vielleicht für die
Generierung von mehr Umsätzen nötig gewesen wären. Daher ist eine konstruktive
Auseinandersetzung mit der Auswahl des richtigen Analysetool von essentieller Bedeutung für
die Zielüberwachung und Zielerreichung einer Website.
25 Vgl. Düweke, E. / Rabsch, S. (2012), S. 752 f.
- 15 -
3.3 Datenschutzrechtlicher Hintergrund
Durch die umfassende Erhebung von Daten, kann theoretisch ein Rückschluss auf die
handelnde Person erfolgen. Anhand der IP könnte die Identität des Besuchers ermittelt werden.
Nicht zuletzt können durch Anmeldevorgänge auch freiwillig Daten seitens des Besuchers
digital hinterlegt werden. Welche Rückschlüsse nun aber tatsächlich bei der Webanalyse
getroffen werden können, liegen ganz im Auge des Betrachters. Der Begriff „personenbezogene
Daten“ ist nicht eindeutig definiert. Rein theoretisch ist es möglich, durch die IP-Adresse eine
Person genau zu bestimmen, aber die Umsetzung ist doch höchst zweifelhaft. Dies ist nur über
die Auskunft des Providers dieser Person möglich. Und dieser wird aus rechtlichen Gründen
keine Daten freiwillig herausgeben.26
Das Themenfeld Datenspeicherung wird sehr kontrovers diskutiert. Ab wann beginnt die
Anonymität eines Internetnutzers? Diese Frage kann nicht eindeutig beantwortet werden.
Die Daten hingegen, die durch Analysetools sowohl client- als auch serverseitig gespeichert
werden, werden in im Telemediengesetz (TMG) reguliert. Unternehmen mit Webpräsenz sind
gut beraten, diese Gesetze einzuhalten. In vergangener Zeit wurden viele Webseitenbetreiber
unter teilweise fadenscheinigen Gründen mit empfindlichen Geldbußen abgemahnt. Beliebt ist
dabei der Verweis auf § 5 TMG, in dem die Informationsangaben geregelt sind. Ein so
genannter Dienstanbieter hat demnach verschiedene Pflichtangaben wie Name, Anschrift,
Vertretungsberechtigte, Registereinträge und viele weitere Angaben zu machen, die gut
sichtbar und leicht auffindbar auf der Website platziert sein müssen. Für gewöhnlich geschieht
dies in einem Impressum. Sollten diese Angaben fehlen oder falsch sein, erfüllt dies nach § 16
Absatz 2 Satz 1 TMG den Tatbestand einer Ordnungswidrigkeit bei Vorsatz oder Fahrlässigkeit
und kann gemäß § 16 Absatz 3 TMG mit einem Bußgeld bis zu 50.000,- € belegt werden.
Um diesen Geldbußen vorzubeugen und dem rechtlichen Rahmen entgegen zu kommen,
genügt oftmals ein Verweis im Impressum der jeweiligen Seite. Bei der Datensammlung sollte
angegeben werden, in welchem Maße diese Daten gesammelt und zu welchem Zweck sie
ausgewertet werden. Google Analytics hält zum Beispiel aufgrund der aufgekommenen Kritik
am Datenschutz eine Erklärung bereit, die jeder Websitebetreiber auf seiner Seite leicht
auffindbar platzieren muss.
26 Vgl. Eickmeier, F. / Hansmersmann, P. (2011), S. 99 ff.
- 16 -
4 Metriken und Key Performance Indicators
4 Metriken und Key Performance Indicators
4.1 Begriffe
Kennzahlen dienen der Erfassung wichtiger Sachverhalte und Zusammenhänge. Im
Zusammenhang mit Web Analytics können Metriken und Key Performance Indicators (KPIs)
unterschieden werden. Zu den Metriken gehören einfache Kennzahlen und Verhältniszahlen.
Wichtige Kennzahlen sind zum Beispiel die Anzahl der Besuche, der Besucher, die Anzahl der
Seitenaufrufe, die Besuchsdauer oder die Herkunft.27
Eine Summenbildung bestimmter Kennzahlen ist nicht immer sinnvoll. Addiert man zum
Beispiel die Besuchsdauer aller Besucher, kann man mit der Zahl nicht viel anfangen. Aus der
Besuchsdauer eines einzelnen Besuchers kann man allerdings schon eher Rückschlüsse
ziehen. Meistens macht es Sinn, mehrere Dimensionen zu betrachten. Hochwertige
Analysetools erlauben das Erstellen von Pivot-Tabellen oder andere Anzeigeformen, in denen
mehrere Dimensionen dargestellt werden können, um Zusammenhänge abzuleiten. Eventuell
kann ein Zusammenhang zwischen Käufern und der Besuchsdauer hergestellt werden. Haben
Käufer eine längere Besuchsdauer als Nichtkäufer? Aber wenn Nichtkäufer die gleiche
Besuchsdauer haben, wieso werden sie nicht zu Käufern? In diesem Falle müssen weitere
Nachforschungen betrieben werden, um schlussendlich aus Besuchern Käufer zu machen.
Die KPIs stellen mit die wichtigsten Kennzahlen dar. Sie aggregieren in übersichtlicher Weise
wichtige Kennzahlen zur Erreichung von Zielen dar. Wird beispielsweise eine Werbekampagne
mit Fokus auf den Verkauf eines bestimmten Produkts auf der Internetseite geschaltet, das
besonders auf einer Partnerseite beworben wird, so möchten die Verantwortlichen auch nur
Kennzahlen im Zusammenhang mit dieser Kampagne erfahren. Wichtige KPIs sind hier zum
Beispiel die Anzahl der Besucher gesamt im Vergleich zu den Besuchern der Partnerseite, die
Verweildauer auf der beworbenen Seite, die Absprungrate und zuletzt natürlich der erzielte
Umsatz je Besucher oder Käufer und nicht zuletzt die wichtigste Kennzahl – die
Konversionsrate (Conversion Rate). Sie stellt eine der wichtigsten und vieldiskutiertesten
Kennzahlen in der Web Analytics dar und wird später noch genauer betrachtet.28
Das simple Präsentieren dieser KPIs muss immer so gestaltet werden, dass ein
Außenstehender diese versteht. Viele Analysetools geben Metriken und KPIs so aus, dass sie
kompakt und anschaulich dargestellt werden. Es ist im Bereich der Kennzahlen eine große
Herausforderung, diese so simpel wie möglich wiederzugeben und mit den Zielformulierungen
abzugleichen.29
27 Vgl. Zumstein, D. / Meier, A. / Myrach, T. (2012), S. 927. 28 Vgl. Zumstein, D. / Meier, A. (2013), S. 88 f. 29 Vgl. Peterson, E. T. (2006), S. 8 f.
- 17 -
4 Metriken und Key Performance Indicators
4.2 Vorstellung wichtiger Kennzahlen
4.2.1 Visits und Visitors
Je nach Analysewerkzeug können Visits (Besuche), Visitors (Besucher), Returning Visitors
(wiederkehrende Besucher), Unique Visitors (eindeutige Besucher) und Absolute Unique
Visitors (absolut eindeutige Besucher) unterschieden werden. Ein Besuch ist mit einem
Besucher nicht gleichzusetzen, da der gleiche Besucher mehrmals eine Website besuchen
kann und somit 2 Besuche, aber nur 1 Besucher real feststehen. Ebenfalls ist dieser Besucher
dann ein wiederkehrender Besucher.
Eindeutige Besucher können mit dem Logfile-Verfahren (serverseitig) nicht erkannt werden. Nur
mit dem Setzen eines Cookies im Browser des Besuchers ist es möglich, diesen beim erneuten
Aufruf der Website wiederzuerkennen. Dabei ist aber zu beachten, dass wiederum nicht jeder
eindeutige Besucher auch wirklich so eindeutig ist, da nicht jeder Besucher bzw. sein Browser
Cookies zulässt oder speichert. Außerdem ist die Zahl dieser Besucher abhängig von der Zeit,
wie lange dieses Cookie gespeichert wird. Dies kann beim Programmieren eingestellt werden,
allerdings sollte die Zeit von 2 Jahren nicht überschritten werden.
Das Visitor-Dilemma lässt sich sogar so weit ausdehnen, dass es nicht nur eindeutige Besucher
gibt, sondern sogar absolut eindeutige Besucher. Diese sprachliche Diskrepanz ist von der
Betrachtungsweise der Besucher abhängig. Normalerweise gibt es nichts eindeutigeres als die
Eindeutigkeit selbst, allerdings werden bei Analysen zumeist vorgegebene Zeiträume
betrachtet, und hier schließt sich das Problem an, dass ein Besucher im Zeitraum A ein
eindeutiger Besucher ist, im Zeitraum B ist er allerdings wiederum ein (neuer) Besucher.
Werden Besucher also in einem kleinen Zeitraum wie einer Woche gemessen, so werden alle
die in dieser Zeit erfassten Besucher ausgegeben. Für diese Woche sind die Besucher also
„Unique“. Wird hingegen der gesamte Monat betrachtet, ist die Zahl der Besucher pro Woche
kleiner, da der Besucher in Woche 1 die Seite besuchen kann, ebenso in allen 3 weiteren
Wochen. Werden die Besucher nun je Woche erfasst, so werden sie als 4 Unique Visitors
gewertet. Werden sie nun hingegen je Monat erfasst, ist es nur noch 1 Unique Visitor. Dies soll
nun die Zahl des Absolute Unique Visitors beheben, indem der gesamte Erfassungszeitrum die
Zahl aller Besucher ausgibt. Man könnte diese Zahl auch die „echten eindeutigen Besucher“
nennen.
Je nach Analysetool, können solche Besucher mehr oder weniger gut unterschieden werden.
Es bleibt dann aber immer noch im Verständnis des Analysten, wie er mit diesen Daten
verfahren möchte, welche Eindeutigkeit er nun als wichtig für die Auswertung der Kennzahlen
und zur Erreichung der Ziele erachtet.30
30 Vgl. Kaushik, A. (2009), S. 37 ff.
- 18 -
4 Metriken und Key Performance Indicators
4.2.2 Hits, Page Views und Bounces
Jeder Besucher erzeugt mindestens einen „Hit“, das bedeutet insofern so viel, dass er einen
Teil einer Website aufgerufen hat. Ein Aufruf wird zum Beispiel durch das Laden einer
Internetseite selbst erzeugt, durch das Laden eines Bildes, durch den Klick auf dieses Bild um
es zu vergrößern oder um einen Link aufzurufen. Je nach Analysetool werden alle weiteren
Inhalte erfasst. Mit Erfassung dieser Aufrufe kann eine gewisse Popularität abgeleitet werden.
Zweifelsohne ist bei den meisten Internetseiten die Startseite die beliebteste Einstiegsseite und
hat die höchsten Aufrufe.
In der Vergangenheit hat die Auswertung der Hits bereits vielen Websitebetreibern genügt,
allerdings ist mit der steigenden Komplexität und der unterschiedlichen Zielerreichung beim
Betrieb der Website die Forderung nach genaueren Zahlen gestiegen. Man möchte gern
erfahren, wie viele verschiedene Seiten der Besucher nun wirklich aufgerufen hat, unabhängig
davon, ob er ein Bild betrachtet oder eine Datei heruntergeladen hat. Page Views (PV) oder
auch Page Impressions (PI) bedeuten das gleiche und betrachten im Idealfall die wirklich
aufgerufenen Seiten. Die meisten Analysetools erlauben eine genaue Konfiguration, wie die
Page Views berechnet werden. Möchte der Analyst beispielsweise eine Seite erfassen, die als
Popup in einem separaten dynamischen Fenster erscheint und keine eigenständige Seite
darstellt, so kann er diese bei der Berechnung der Page Views mit einschließen.31
Zu den Verhältniszahlen gehören unter anderem die Seitenaufrufe je Besucher (Page
Impression per Visit; PI/V) oder auch der Umsatz je Besuch oder Besucher (Sales per Visit). Je
nach Ziel der Website können so viele KPIs generiert werden, die zur Erfolgsüberwachung
dienen.
Eine Sonderform der Page Views stellen die Single-Page Views dar, auch Einseitenaufrufe
genannt. Diese bringen zum Ausdruck, wie loyal sich ein Besucher verhält, da er keine weitere
Seite der Website aufruft. Der Besucher springt also sofort wieder ab. Ein Absprung wird
Bounce genannt, das Verhältnis aller Bounces zu allen Seitenaufrufen der betrachteten Seite
bezeichnet die Bounce Rate, die Absprungrate. Sie ist eine beliebte Verhältniszahl und kann
entweder auf eine Seite oder alle Seiten bezogen werden. Die Betrachtung liegt auch hier
wiederum im Zweck der Seite. Eine Website kann als Wissensdatenbank dienen. Hier ist das
Ziel, dass der Besucher die Antwort sofort findet. Ist hier die Bounce Rate sehr gering, so kann
das ein Zeichen dafür sein, dass der Besucher nicht die richtige Antwort gefunden hat.
Umgekehrt kann eine Website als Werbemittel dienen. Je mehr Seiten hier ein Besucher
aufruft, umso mehr Interesse signalisiert er an den beworbenen Inhalten. Hier sollte die Bounce
Rate so gering wie möglich sein.32
31 Vgl. Kaushik, A. (2009), S. 36. 32 Vgl. Kaushik, A. (2009), S. 50 ff.
- 19 -
4 Metriken und Key Performance Indicators
4.2.3 Referrer
Referrer bezeichnet die Herkunft eines Besuchers. Damit ist die Herkunft hinsichtlich der
Website gemeint. Ein Besucher kann zunächst direkt (direct) auf eine Website gelangen. Dies
geschieht entweder durch die direkte Eingabe der Seite in der Adresszeile des Browsers, durch
Anklicken des Favoriten (Bookmark) im Browser und leider aber auch durch die Unmöglichkeit
des Analysetools, die Herkunft des Besuchers zu erfassen. Dieser Fall tritt beim Anklicken
eines Links in einer PDF-Datei, einem Newsletter oder anderen ähnlichen Dateien und
Programmen auf. Das Analysetool kann diese Herkunft nicht bestimmen und gibt sie immer als
direkt aus oder auch als „no referrer“ (auch: none), also keine bekannte Herkunft.
Eine weitere Form der Referrer wird als „organic“. bezeichnet. Diese entspring einer Suche des
Besuchers in einer Suchmaschine und dem anschließenden Klick auf das Suchergebnis, das
zur zu untersuchenden Website führt. Durch den Linkpfad, der vom Analysetool ausgewertet
wird, kann auch das gesuchte Keyword (Suchbegriff) ausgelesen werden. Es können also
gleich zwei Reports erstellt werden, nämlich zum einen die Top-Suchmaschinen und zum
anderen die Top-Suchbegriffe, die zur Seite geführt haben. Gerade im Bereich der
Suchmaschinenoptimierung ist die Erkenntnis aus dieser Auswertung von sehr hoher
Bedeutung.
Die letzte Form der Referrer nennt sich schlicht „referral“ und bezeichnet alle (erfassbaren)
Herkunftsseiten. Diese beinhalten auch die Suchmaschinen und können um diese in vielen
Analysetools bereinigt werden, um Missverständnissen vorzubeugen. In den meisten Fällen ist
die eigene Website der Referrer mit der höchsten ausgegebenen Zahl, da die Website
untereinander verlinkt ist. Der Besucher gelangt also von einer Seite zur nächsten innerhalb der
Website. Jeder Aufruf ist dabei ein Eintrag dieser Referrer, es sei denn es handelt sich um eine
Website mit nur einer Seite. Es macht also Sinn, auch diese Zahl aus der Analyse
herauszunehmen. Was übrig bleibt, sind die aktivsten Seiten, die von den Besuchern genutzt
werden, um auf die Website zu gelangen.33
Referrer können zum Beispiel herangezogen werden, um die Aktivität von Partnerseiten
auszuwerten oder auch um Bounce Rates zu erklären. Wird die Herkunft der Besucher ins
Verhältnis zur Absprungrate gesetzt, kann evtl. ein Zusammenhang zwischen einer hohen Rate
und den von Suchmaschinen stammenden Besuchern erkannt werden. Solche
Zusammenhänge zu erkennen schließt hier wiederum die Suchmaschinenoptimierung ein.
33 Vgl. Düweke, E. / Rabsch, S. (2012), S. 760 f.
- 20 -
4 Metriken und Key Performance Indicators
4.2.4 Conversion Rate
Sie berechnet sich durch die Anzahl der Verkäufe durch die Anzahl der (eindeutigen) Besucher.
Conversion ist aus dem Lateinischen von „convertere“ abgeleitet und heißt „wenden“. Ein
Besucher, der Umsatz erzielt und somit zum Käufer wird, wendet seinen Status, das heißt er
„konvertiert“. Diese Zahl wird oft als Vergleich zu anderen Unternehmen herangezogen. Einen
echten Vergleich kann man dabei aber allerdings nicht erzielen. Die meisten Unternehmen
haben unterschiedliche Ziele schon allein wegen der Differenzierung, also Abgrenzung zur
Konkurrenz. Wird die Konversionsrate der Käufer zu den Besuchern herangezogen, so tauchen
oftmals Zahlen wie 5% oder 10% auf. Dennoch wird kaum ein Unternehmen seine
Konversionsraten offenlegen. Die Konversionsrate kann allerdings intern sehr gut verwendet
werden um Trends zu erkennen und Empfehlungen abgeben zu können.
Zur Conversion gehört nicht nur das Generieren von Umsatz, sondern ebenso Newsletter-
Anmeldungen, Anzahl der (Neu-)Registrierungen oder die Anzahl der Downloads einer Datei.
Der Bereich, der sich mit der Optimierung der Conversion Rate beschäftigt, nennt sich auch
Conversion Rate Optimization (CRO). Und zwar soll die Conversion Rate verbessert werden,
ohne dass an der Zahl der Besucher etwas geändert wird. Das heißt, dass Inhalte auf der
Website besser dargestellt oder sichtbar besser herausgearbeitet werden. Oder es werden
attraktive Angebote angeboten, die sich der Besucher nicht entgehen lassen will.34
Die Conversion Rate stellt also eine der wichtigsten Kennzahlen in der Web Analytics dar und
gibt die Effektivität einer Kampagne wieder. Jede Conversion ist für sich selbst zu betrachten,
da Vergleiche schwer zu treffen sind aufgrund der unterschiedlichen Ausgangssituationen.35
Unter anderem gibt es in Kapitel 4.3.3., Controlling der Suchmaschinen-Werbung, dazu ein
Rechenbeispiel.
34 Vgl. Düweke, E. / Rabsch, S. (2012), S. 676 f. 35 Vgl. Kreutzer, R. T. (2012), S. 186.
4.2.5 Funnel
Mittlerweile ist es mit modernen Analysetools möglich Pfade durch eine Seite zu visualisieren.
Dabei können so genannte „Funnel“ dargestellt werden. Funnel bedeutet Trichter und wird in
folgender Darstellung deutlich:
Abb. 6: Darstellung eines Conversion
Quelle: eigene Darstellung.
Um den Weg bis zu einer Konversion darzustellen, werden die Pfade und deren Häufigkeit
dargestellt und als Konversionspfade oder auch Conversion Funnel
nimmt die Anzahl nach unten
potentielle Kunden abgesprungen sein müssen.
Optimierungsmaßnahmen anzusetzen. Umgekehrt kann auch zuvor ein Ziel
werden, welchen Pfad der potentielle Kunde nehmen sollte. Weichen zu viele Kunden von
diesem Pfad ab, müssen weitere Nachforschungen angestellt werden. Oftmals werden dafür
Umfragen oder Testkäufer herangezogen.
Analyse genannt.36
Die Darstellung des Conversion Funnel
Attention (Aufmerksamkeit), Interest (Interesse), Desire (Wunsch) und Action (Aktion).
Beginn auf der Einstiegsseite (
Besucher geweckt. Bleiben
zu erkennen. Gehen sie noch weiter und legen
handelt es sich um einen Wunsch
Bestellung abgesendet, ist die Aktion erfolgt, also das Ziel erreicht.
der Besucher ist jetzt ein Käufer.
36 Vgl. Erlhofer, S. (2011), S. 572.37 Vgl. Heßler, A. / Mosebach, P. (2013), S. 376 f.
Einstiegsseite
1. Folgeseite
2. Folgeseite
3. Folgeseite
- 21 -
4 Metriken und Key Performance Indicators
Mittlerweile ist es mit modernen Analysetools möglich Pfade durch eine Seite zu visualisieren.
Dabei können so genannte „Funnel“ dargestellt werden. Funnel bedeutet Trichter und wird in
folgender Darstellung deutlich:
Conversion Funnel (Trichters).
igene Darstellung.
Um den Weg bis zu einer Konversion darzustellen, werden die Pfade und deren Häufigkeit
Konversionspfade oder auch Conversion Funnel bezeichnet
nimmt die Anzahl nach unten zum Ziel hin ab. Das bedeutet, dass im Vorfeld immer mehr
unden abgesprungen sein müssen. Diese Visualisierung ist wichtig, um
Optimierungsmaßnahmen anzusetzen. Umgekehrt kann auch zuvor ein Ziel
werden, welchen Pfad der potentielle Kunde nehmen sollte. Weichen zu viele Kunden von
diesem Pfad ab, müssen weitere Nachforschungen angestellt werden. Oftmals werden dafür
er Testkäufer herangezogen. Diese Analyse der Pfade wi
des Conversion Funnel verdeutlicht die AIDA-Formel. Dieses Akronym steht für
Attention (Aufmerksamkeit), Interest (Interesse), Desire (Wunsch) und Action (Aktion).
auf der Einstiegsseite (auch Landing Page genannt) wird die Auf
leiben die Besucher länger und gehen zur nächsten Seite
ehen sie noch weiter und legen beispielsweise ein Produkt in den Warenkorb,
einen Wunsch. Und wird schlussendlich der Warenkorb bearbeitet und die
Bestellung abgesendet, ist die Aktion erfolgt, also das Ziel erreicht. Die Konversion ist erfolgt,
der Besucher ist jetzt ein Käufer.37
S. 572.
Vgl. Heßler, A. / Mosebach, P. (2013), S. 376 f.
Einstiegsseite
1. Folgeseite
2. Folgeseite
3. Folgeseite
Ziel
Metriken und Key Performance Indicators
Mittlerweile ist es mit modernen Analysetools möglich Pfade durch eine Seite zu visualisieren.
Dabei können so genannte „Funnel“ dargestellt werden. Funnel bedeutet Trichter und wird in
Um den Weg bis zu einer Konversion darzustellen, werden die Pfade und deren Häufigkeit
bezeichnet. Wie ein Trichter
hin ab. Das bedeutet, dass im Vorfeld immer mehr
Diese Visualisierung ist wichtig, um
Optimierungsmaßnahmen anzusetzen. Umgekehrt kann auch zuvor ein Ziel (Lead) festgelegt
werden, welchen Pfad der potentielle Kunde nehmen sollte. Weichen zu viele Kunden von
diesem Pfad ab, müssen weitere Nachforschungen angestellt werden. Oftmals werden dafür
Diese Analyse der Pfade wird auch oft Clickstream-
. Dieses Akronym steht für
Attention (Aufmerksamkeit), Interest (Interesse), Desire (Wunsch) und Action (Aktion). Zu
auch Landing Page genannt) wird die Aufmerksamkeit der
die Besucher länger und gehen zur nächsten Seite ist ein Interesse
ein Produkt in den Warenkorb,
der Warenkorb bearbeitet und die
Die Konversion ist erfolgt,
- 22 -
4 Metriken und Key Performance Indicators
4.3 Controlling der Online-Werbung
Bei der Online-Werbung werden verschiedene Arten von Werbeformen betrachtet. Es können
beispielsweise Werbebanner oder Newsletter ausgewertet werden. Ein Controlling der Online-
Werbung muss zwingend durchgeführt werden, um die Kosten in Relation zum Erfolg zu
ermitteln und auch deshalb, da es bei einigen Werbeformen zu Betrug kommen kann, den es zu
überwachen gilt. Informative Kennzahlen wie Page Views bzw. Page Impressions, hier im
konkreteren Fall auch Ad Views oder Ad Impressions genannt, geben Auskunft darüber, wie
viele Kontakte ein Nutzer auf der werbenden Seite mit der Werbeanzeige hatte. Sie sagt
allerdings nichts darüber aus, ob der Nutzer diese auch wahrgenommen hat. Über die Ad Clicks
lässt sich im Weiteren herausfinden, wie oft auf die Werbeanzeige geklickt wurde. Liegen diese
beiden Zahlen für einen Betrachtungszeitraum vor, so wird die Click-Through-Rate (CTR)
berechnet, indem beide Kennzahlen ins Verhältnis gesetzt werden.38
����� − �ℎ��ℎ − ��� = ������� ÷ ���������� × 100
Sie ist eine wichtige Kennziffer im Online-Marketing und bringt zum Ausdruckt, wie effizient die
Werbekampagne für die jeweiligen Werbemittel ist. Eine Vergleichbarkeit zwischen
verschiedenen Werbeträgern wird zwar angestrebt, ist in der Praxis aber nicht immer möglich.
Wie schon zuvor kennen gelernt, sind die Ziele der Werbung oder die Ziele von Webseiten sehr
unterschiedlich. Das Ziel einer Online-Werbung kann sowohl Informieren als auch Verkaufen
sein. Aufgrund dieser Ziele kann die Werbung auf unterschiedlichen Seiten gesetzt werden und
unterschiedliche Nutzer ansprechen. Außerdem ist es nicht immer möglich,
kundengruppenspezifisch seine Werbung zu platzieren. Hinzu kommt der Umstand, je besser
die Werbung auf die Kunden oder ihre Interessen zugeschnitten werden soll, umso teurer ist
sie.39
Interessant in diesem Zusammenhang sind die Bounces. Erfahrungsgemäß sind diese bei
Online-Werbung sehr hoch, da der Nutzer erst für die Marke oder das Produkt geworben
werden soll. Allerdings können diese gesenkt werden, je besser die Werbung auf den
potentiellen Nutzer zugeschnitten ist.
38 Vgl. Kreutzer, R. T. (2012), S. 186. 39 Vgl. Meffert, H. / Burmann, C. / Kirchgeorg, M. (2012), S. 862 f.
- 23 -
4 Metriken und Key Performance Indicators
4.3.1 Controlling des Affiliate-Marketings
Beim Affiliate-Marketing wird auf einer anderen Website, zum Beispiel einer Partnerwebsite, ein
Werbebanner gesetzt, das der Nutzer im Idealfall wahrnimmt und anklickt. Die Partner heißen
Affiliates. Gegebenenfalls wird ein Merchant, der mehrere Kontakte zu Affiliates pflegt,
beauftragt Werbungen optimal zu platzieren, entsprechend zu beraten und Auswertungen
vorzunehmen. Die im Abschnitt zuvor genannten Kennzahlen wie Ad Impression, Ad Click und
Click-Through-Rate kommen hier standardmäßig zum Einsatz. Weitere Kennzahlen ergeben
sich aus den Abrechnungsmodellen. Beim Pay per View werden die zuvor genannten Ad
Impressions pro Kundenkontakt gezahlt, beim Pay per Click hingegen nur die tatsächlichen
Clicks auf die Werbung. Selbstverständlich sind dort die Kosten deutlich höher. Beschränken
sich die Ziele der Werbung auf das Generieren neuer Kontakte durch das Anlegen von Profilen,
so ist ein Pay per Signup denkbar. Beim Pay per Download wird je getätigtem Download eine
Gebühr fällig, ebenso beim Pay per Install, das allerdings höherem technischem Know-how
unterliegt und deren Abrechnungsverfahren nur von spezialisierten Merchants vorgenommen
werden kann. Viele weitere Kostenmodelle sind denkbar, je nach Zielsetzung der Werbung und
dem Abrechnungsvermögen des Merchants. Bei diesen Verfahren, die durchaus sehr
kostenintensiv sein können, muss eine Kosten- und Erfolgskontrolle durchgeführt werden, um
die Effizienz zu messen.40
Zum Affiliate-Marketing gehört auch die Werbung in E-Mails der Affiliates, die beispielsweise
Newsletter an ihre Abonnenten versenden.41 Die eigene Kontrolle der Rückläufe auf diese
Werbung ist nur über Umwege messbar. Es ist nicht möglich auf der eigenen Seite ohne
Weiteres die Herkunft des Besuchers über eine E-Mail zu ermitteln. Solche Besucher werden
außer in wenigen Ausnahmefällen als „no referrer“ des Analysetools ausgegeben und gesellen
sich zu anderen nicht erfassbaren Benutzern. Der Trick besteht darin, eine so genannte
Landing Page nur für die E-Mail-Empfänger anzulegen und diese dann in der Werbeanzeige zu
verlinken. Eine Landing Page ist eine Seite, auf die der Nutzer gezielt landen soll. Das kann
ohne sein Wissen auch nur eine automatische Weiterleitung zu einer bestehenden Website
sein, aber so kann er über den Aufruf der Seite individuell erfasst werden. Es darf kein weiterer
Link zu dieser Seite an anderer Stelle eingebaut werden, um nicht das Ergebnis zu verzerren.
Gelangt nun ein E-Mail-Empfänger über den Newsletter des Affiliates auf die Landing Page, so
kann davon ausgegangen werden, dass der Besucher, der diese Seite aufruft, eindeutig von
diesem Werbebanner in diesem Newsletter herkommen muss.
40 Vgl. Kreutzer, R. T. (2012), S. 223. 41 Vgl. Brüne, K. (2009), S. 18.
- 24 -
4 Metriken und Key Performance Indicators
4.3.2 Controlling des E-Mail-Marketings
Beim E-Mail-Marketing sind die eigenen verschickten E-Mails gemeint. Zumeist sind dies
Newsletter, die von den Kunden abonniert wurden. Ein Unternehmen sollte stets den Erfolg des
E-Mail-Marketings überwachen. Dabei kann zum Beispiel die Öffnungsrate zum Einsatz
kommen. Allerdings ist diese Zahl mit äußerster Vorsicht zu genießen. Diese Zahl kann nur
ermittelt werden, indem der Leser das bereits kennen gelernte Zählpixel öffnet. In vielen Fällen
enthalten Newsletter Bilder, die den Inhalt unterstreichen sollen. Verzichtet allerdings der Leser
auf das Nachladen dieser Bilder, weil das standardmäßig in seinem E-Mail-Client eingestellt ist
oder er den Newsletter mobil abruft und sein Volumenkontingent nicht überstrapazieren
möchte, so kann dieser Leser nicht erfasst werden. Diejenigen allerdings, die den Newsletter
inklusive der Bilder aufgerufen haben, gehen in die Öffnungsrate ein. Idealerweise besteht ein
Newsletter aus einigen Artikeln, die zum Weiterlesen auf der eigentlichen Website anregen
sollen. Klickt der Leser auf einen Link, so kann die Klickrate (unabhängig von der Öffnungsrate)
ermittelt werden. Je höher diese Zahl ist, umso besser kann der Erfolg gewertet werden.
Selbstverständlich können auch die Umsätze aus diesen Newslettern heraus ermittelt werden.
Somit ergibt sich eine Newsletter-Conversion. Ein kurzes Beispiel: von 10.000 ausgesendeten
Newslettern, werden 1.500 nachweislich geöffnet, das heißt, die Bilder werden nachgeladen.
Die Öffnungsrate beträgt 15%. Auf diverse Links im Newsletter wurde 150 Mal von
verschiedenen Nutzern geklickt. Die Klickrate liegt folglich bei 1,5 %. Von diesen 150 Nutzern
tätigen 50 eine Bestellung mit einer durchschnittlichen Höhe von 50,- €, generieren also
5000,- € Umsatz. Die durchschnittliche Umsatzhöhe pro Newsletter-Aussendung beträgt also
50 Cent. Die Newsletter-Conversion berechnet sich aus der Anzahl der Käufer durch die Anzahl
der Newsletter-Empfänger mal 100. Die Conversion liegt bei 0,5 %. Diese Quote ist sicherlich
verbesserungswürdig. An dieser Stelle ist ein zielgruppengerechtes Newsletter-System ratsam.
Allerdings müssen auch hier wieder Kosten und Nutzen ins Verhältnis gesetzt werden.42
42 Vgl. Kreutzer, R. T. (2012), S. 311 ff.
- 25 -
4 Metriken und Key Performance Indicators
4.3.3 Controlling der Suchmaschinen-Werbung
Suchmaschinen-Werbung, auch Search Engine Advertising (kurz: SEA) genannt, ist ebenfalls
ein Teilbereich des Online-Marketings. Bei dieser Werbeform werden Anzeigen in
Suchmaschinen geschaltet, die idealerweise zur Suche eines Nutzers passen. Bekanntestes
Beispiel hierfür ist Google AdWords. Auch hier müssen fortlaufend Kosten und Erfolg überprüft
werden, um die nicht unerheblichen Kosten im Blick zu behalten. Dabei gibt es eine Vielzahl an
Möglichkeiten, wie, wann, wie oft, wo, durch wen und bis zu welchem Limit diese Anzeigen
gesehen oder auch nicht gesehen werden können. Der Nutzer von AdWords kann alle
Einstellungen vornehmen oder durch Agenturen vornehmen lassen. Das Einzige, was er nicht
beeinflussen kann, ist die Konkurrenz. Der Preis für einen Klick auf die Anzeige bestimmt sich
nämlich durch die Anzahl von weiteren AdWords-Nutzern, die ebenso bereit sind, für ihre
Anzeige mit gleichem Keyword genauso viel oder mehr zu bezahlen. Dabei werden in AdWords
diejenigen Wörter bzw. Keywords gebucht, die besonders relevant sind und solche
ausgeschlossen, die man nicht bedienen möchte. Eine ständige Überprüfung der relevanten
Keywords ist also unerlässlich, ebenso das Überwachen seiner Mitbewerber am Markt. Da
Google den Wettbewerb nach eigener Aussage „fair“ gestalten möchte, fließt in den Wert auch
noch die Relevanz ein. Diese berechnet sich nach einem für den Nutzer nicht
nachvollziehbaren Algorithmus aus Keywords, der Anzeige und der Website, die beworben
wird.43 Bietet ein Mode-Shop 3,- € für eine Anzeige und ein Spielwaren-Shop 2,- € für das
Keyword „Eisenbahn“, so wird der Spielwaren-Shop höchst wahrscheinlich eher den Zuschlag
bekommen und seine Anzeige geschaltet werden. Eine Website sollte also im besten Falle auf
die beworbenen Keywords optimiert sein.44
Der Nutzer von AdWords muss also vorher diejenigen Kosten kalkulieren, die er bereit ist, in die
Werbung zu investieren und sollte das Limit im Konto einstellen, um nicht Gefahr zu laufen, auf
einem Berg unüberschaubarer Kosten sitzen zu bleiben. Die Berechnung der Maximalkosten
kann auf Erfahrungswerten, eigenen Versuchsläufen oder Vorschlägen im AdWords-Konto
beruhen.
Zur Auswertung zur Messung des Erfolgs der Kampagne kommen hier erneut die Ad Views und
die Conversion Rate zum Einsatz. Für die Ad Views fallen noch keine Kosten an. Erst wenn der
potentielle Kunde auf die Anzeige klickt, entstehen dem Unternehmer Kosten. Diese werden als
Cost-per-Click (CPC) bezeichnet.
Rechenbeispiel:
Am Tag werden 1.000 Anzeigen (Ad Views) eingeblendet. 100 Mal wird diese Anzeige
angeklickt, die Klickrate (Click Rate) liegt also bei 10 %. Von den 100 Personen nehmen jeweils
43 Vgl. Google Inc. (2013), https://support.google.com/adwords/answer/1704429. 44 Vgl. Bauer, C. (2011), S. 159.
- 26 -
4 Metriken und Key Performance Indicators
20 Personen die gewünschte Handlung vor (Converter), bei einem Online-Shop soll dies im
besten Falle die Generierung von Umsatz sein. Somit erreichen wir eine Conversion Rate von
20 %.
������� ��� = ����ℎ������������ ����� ÷ ������ × 100
Kostet ein Klick auf die Anzeige bei AdWords 2,- €, so ergeben sich Gesamtkosten pro Tag in
Höhe von 200,- €. Daraus wiederum berechnen sich die Kosten pro Käufer (CPO, Cost-per-
Order). 200 € / 20 Käufer = 10,- € CPO. Dies sind nicht unerhebliche Kosten, die fortlaufend
überwacht werden müssen. Google AdWords stellt alle notwendigen Berichte und viele
Optimierungstools zur Verfügung, nimmt aber dem Nutzer natürlich nicht die Arbeit ab, diese
auch zu bedienen. Die Conversion Rate muss überwacht werden, um die Werbewirksamkeit zu
beurteilen und die CPO müssen jeweils zur Kostenkontrolle herangezogen werden.45
Durch die Verknüpfung von Google AdWords mit Google Analytics sind den Auswertungen
keine Grenzen gesetzt. Das Nutzerverhalten kann nach dem Klick auf die Anzeige detailliert
ausgewertet werden. Die Besucher können wiederum segmentiert werden. Woher kommen die
Besucher? Wonach haben die Besucher gesucht? Welche Seiten haben am liebsten
aufgesucht? Besteht ein Zusammenhang zwischen diesen Daten und den Conversions?46
Mittlerweile übernehmen auch externe Dienstleister solche Aufgaben, diese nehmen dann aber
auch eine entsprechende Provision für ihre Dienste. Diese kann sich an den Conversions oder
Umsätzen orientieren, kann aber auch ein Fixum sein bzw. ein Fixum plus Provision. Der
Preisgestaltung sind in diesem Dienstleistungssektor keine Grenzen gesetzt.
45 Vgl. Kreutzer, R. T. (2012), S. 210. 46 Vgl. Erlhofer, S. (2011): S. 572.
- 27 -
4 Metriken und Key Performance Indicators
4.4 Controlling der Suchmaschinenoptimierung
Auch als Search Engine Optimization (SEO), einer Unterform des Search Engine Marketings
(SEM), bezeichnet, beschäftigt sich dieser Zweig des Web Controllings mit der Optimierung der
Website hinsichtlich der Auffindbarkeit bzw. Sichtbarkeit in Suchmaschinenergebnissen,
nämlich dem Sichtbarkeitsindex. Voraussetzung hierfür ist, dass bestimmte Keywords definiert
werden, die aus einzelnen Wörtern oder Wortgruppen bestehen. Dabei werden diejenigen
Keywords ermittelt, mit denen ein zukünftiger Besucher auf die Website gelangen soll. Sinnvoll
ist dabei die Formulierung von Keywords, die auch inhaltlich mit der Website stark im
Zusammenhang stehen. Die einfachste Methode den Sichtbarkeitsindex zu ermitteln ist ganz
trivial: Der Name wird in der Suchmaschine eingegeben und der Rang abgezählt. Da sich aber
Keywords nicht nur auf einige wenige beschränken, sondern auf viele ausgewählte und
kombinierte Keywords beziehen, sind Hilfstools sehr anzuraten. Ein teilweise kostenfreies Tool
ist zum Beispiel CuteRank (cuterank.net), kostenpflichtige Tools wie Seitwert-Monitor
(seitwert.de; ab 6,95 € monatlich) oder Positionly (positionly.com; ab 19,- € monatlich) trumpfen
mit ausführlichen Berichten und Verbesserungsvorschlägen auf. Inwiefern sich solche
Investitionen lohnen, hängt wie immer vom Ziel der Website ab.47
Marktführer unter den Suchmaschinen für den europäischen Raum ist „Google“. Umfragen
zufolge blättern die wenigsten Nutzer von Google auf eine weitere Seite der Suchergebnisse.
Auf jeder Seite werden lediglich die 10 besten Suchergebnisse angezeigt, die nach einem nicht
gänzlich nachvollziehbaren Algorithmus von Google berechnet werden. Umso wichtiger ist es
für Unternehmen, Ihre Websites durch umfangreiche Maßnahmen dahin gehend zu optimieren,
dass sie unter den ersten 10 Suchergebnissen erscheinen. Die Maßnahmen zur Erzielung
solcher Ergebnisse sind so mannigfaltig, dass es verschiedener Kompetenzen bedarf, um sie
alle umzusetzen. Beispielsweise benötigt man einen Redakteur, der die Texte nach einem
bestimmten Schema optimiert, welches aber für den echten Leser noch attraktiv genug ist, um
den Text auch wirklich normal lesen zu können, ohne den Eindruck zu gewissen, dass er für
eine Maschine erstellt wurde. Man benötigt weiterhin einen Website-Programmierer, der sich
mit der Thematik auskennt und die für Suchmaschinen sichtbaren Inhalte optimiert. Genauso
müssen alle Personen, die am Pflegen der Inhalte beteiligt sind, geschult sein, damit sie alle
notwendigen Einträge erkennen, korrigieren oder zur Rücksprache markieren können. Bereits
vor dem Online-Schalten der Website-Inhalte muss das Konzept feststehen und darf nur
geringe Fehler beinhalten. Suchmaschinen, beziehungsweise deren Crawler oder Spider,
schauen für gewöhnlich jeden Tag auf der Website vorbei und merken sich jedes Wort, jede
Einstellung und jedes Bild. Sie merken sich auch die Fehler, die zu einer Abwertung in den
Suchergebnissen führen können und korrigieren diese erst nach mehrmaligem Wiederkehren.
47 Vgl. Erlhofer, S. (2011), S. 578.
- 28 -
4 Metriken und Key Performance Indicators
Für einige Unternehmen können schon wenige Tage oder sogar Stunden schlechtere
Sichtbarkeit ein gewaltiges Ausmaß an Umsatzeinbußen bedeuten.
Die zielführenden KPIs sind bei der Suchmaschinenoptimierung also: 48
• der Rang in der Suchmaschine, je höher umso besser, umso erfolgreicher die
Kampagne.
• die Berücksichtigung nur der Referrer, die als „organic“ ausgewiesen werden, also die
Anzahl der zusätzlichen Besucher.
• Conversion Rates, die nur für diese Referrer definiert werden, um sie mit anderen
vergleichen zu können, alternativ die Änderung einer allgemeinen Conversion Rate.
• die zusätzlichen Kosten für die Optimierung im Verhältnis zur Anzahl der zusätzlichen
Besucher.
Weitere KPIs können aus folgenden Fragestellungen formuliert werden: 49
• Wie viel länger oder kürzer haben die neuen Besucher die Seite betrachtet (Session
Duration)?
• Wie viele Seiten mehr oder weniger haben sie betrachtet (Page Views, Seitentiefe)?
• Können Rückschlüsse der demographischen Merkmale auf die erhobenen KPIs
gezogen werden?
• Haben die Besucher möglicherweise sogar mehrmals die Seite aufgerufen (Returning
Visitors)?
Der Bereich der Suchmaschinenoptimierung ist ein eigenes Themengebiet für sich und hält so
mannigfaltige Optimierungsmöglichkeiten bereit, dass es mittlerweile einen riesigen Markt gibt,
auf dem sich mehr oder minder qualifizierte Agenturen tummeln. Da es auch in diesem Bereich
an ernst zu nehmenden Zertifikaten mangelt, wird der Begriff auch leider allzu oft
missbräuchlich verwendet. Für alle Unternehmen, die Leistungen von Externen im Bereich des
SEO oder SEM in Anspruch nehmen wollen, ist ein solides Grundwissen in diesem Bereich
unerlässlich, um nicht an unqualifizierte Dienstleister zu gelangen. Es bleibt zu erwähnen, dass
diese Dienstleister auch durchaus in der Lage sein sollten Web Analytics anzuwenden. Allein
schon der Mangel dieses Wissens identifiziert einen Laien. Schließlich ist eine hohe Qualität der
Arbeit durch Optimierung der eigenen Prozesse zu gewährleisten.
48 Vgl. Kreutzer, R. T. (2012), S. 271 f. 49 Vgl. von Bischopinck, Y. / Ceyp, M. (2009), S. 266.
- 29 -
4 Metriken und Key Performance Indicators
4.5 Controlling der Social-Media-Aktivitäten
Social Media bedeutet, dass sich Personen über eine elektronische Plattform in sogenannten
Social Networks auszutauschen. Alle Maßnahmen zur Umsetzung von Marketingzielen in
Social-Media-Kanälen wird als Social Media Marketing (SMM) bezeichnet. Im B2C-Bereich
treffen sich Anbieter und (potentielle) Kunden gemeinsam auf einer Plattform Es findet ein
Dialog zwischen Unternehmen und Kunden statt, ohne dass zwei Personen direkt miteinander
in Kontakt treten müssen. Bekannte Beispiele für Social Networks sind Facebook, Google+ und
Twitter.
Social Media ist für Unternehmen eine Chance, um mit ihren Kunden in einen Dialog zu treten
und die Beziehung zu diesen aufzubauen oder zu pflegen. Da jeder Kunde für ein Unternehmen
einen gewissen Wert darstellt, gehört eine gewissenhafte Pflege und Selbstdarstellung der
Unternehmen in den Sozialen Medien quasi schon zum guten Ton. Den Unternehmen stehen
viele Netzwerke zur Verfügung, mit denen sie ihre Marken zielgruppenorientiert darstellen, Live-
Support anbieten, die virale Vermarktung ihrer Produkte steuern oder auch die Kundenbindung
pflegen können.50
Wie Abbildung 7 anschaulich darstellt, kann sich eine gute Auswertung von Social-Media-
Aktivitäten als äußerst schwierig gestalten. In dieser Grafik wird Social Media in viele
Teilbereiche gegliedert, dazu gehören u. a. die schon bekannten Social Networks, Blogs,
Podcasts, Social Wikis oder das Photo Sharing. Es ist unschwer zu erkennen, dass es
unüberschaubar viele Netzwerke gibt. Eine intensive Auswertung dieser Netzwerke bietet sich
dann an, wenn die Pflege dieser Netzwerke auf Unternehmensseite einer gewissen
Ernsthaftigkeit unterliegt. Es ist zudem sehr unwahrscheinlich, dass sich Unternehmen in allen
Netzwerken betätigen. Die Kosten für Technik und Personal müssen aber dennoch ins
Verhältnis zu den Ergebnissen der Aktivitäten gesetzt werden.
Da sich nicht in allen Netzwerken die gleichen Zielgruppen aufhalten, müssen auch die Inhalte
zielgruppengerecht erstellt werden. Es muss also das richtige Netzwerk mit der richtigen
Zielgruppe identifiziert werden. Diese Aufgabe obliegt zumeist dem Marketing. Die Kontrolle der
Effektivität wird zumeist vom Web Analysten vorgenommen, da dieser die Daten mit anderen
Daten besser vergleichen kann.
50 Vgl. Lovett, J. (2011), S. 3 f.
- 30 -
4 Metriken und Key Performance Indicators
Abb. 7: Social Media Map 2013
Quelle: Overdrive Interactive (2013), http://www.overdriveinteractive.com/social-media-map,
23.06.2013.
Es gibt zwar keine ultimative Lösung für die „richtige“ Social Media-Analyse, die an dieser Stelle
präsentiert werden kann, aber ein erster Ansatz zum Verständnis für Social-Media-Metriken soll
ein bisschen tiefer in die Bedeutung dieses durchaus wichtigen Marketingmittels blicken lassen.
Wie immer steht die Zielformulierung im Vordergrund.
• Was soll mit den Social-Media-Aktivitäten erreicht werden?
• Soll die Zahl der Kunden erhöht werden?
• Sollen neue Zielgruppen erschlossen werden?
Es muss formuliert werden, welches Ziel wann als erreicht gilt. Als einfachste Zahl ist die
Steigerung der Follower (Folgende) zu nennen. Sie kann Aufschluss über den
Bekanntheitsgrad oder die Wahrnehmung der Marke oder des Unternehmens sein.
Beispielsweise kann als Ziel genannt werden, die Zahl der Kunden innerhalb eines Jahres
durch den Einsatz sozialer Medien um 10 % zu erhöhen. Durch den Dialog mit den Kunden
- 31 -
4 Metriken und Key Performance Indicators
können Produktverbesserungen erzielt werden, die die Kunden selbst gern wünschen.
Erfolgreich könnte dann eine Absatzsteigerung um 20 % genannt werden, Misserfolg wäre alles
unter 20 %. Durch die Messung der Anzahl von Dialogen über ein Produkt/Unternehmen, die in
positive und negative Meinungen gegliedert werden, ist eine Tendenz der Nutzer zur Loyalität
zum Produkt/Unternehmen abzuleiten. Selbstverständlich sollen die positiven Meinungen
überwiegen. Zielformulierung könnte hier sein: Das Verhältnis positiver Meinungen zu den
negativen Meinungen soll nicht schlechter als 80 zu 20 sein.
Weitere erfassbare Kennzahlen sind je nach Netzwerk Zahl der „Likes“ und „Dislikes“, Anzahl
der Kommentare und Diskussionen, Anzahl der Uploads, Alter, Geschlecht, Herkunft, Fans,
Favoriten, Empfehlungen und viele weitere mehr. Die Konzentration sollte also lieber auf
einigen wenigen und wichtigen, dafür aber äußerst relevanten Kennzahlen liegen.
Interessant hierbei ist die monetäre Bewertung der Social-Media-Aktivitäten. Zwar lassen sich
absolute Zahlen gewinnen, aber welche Auswirkung sie zum Beispiel auf einen Imageverlust
oder einen Imagegewinn haben, lässt sich schwer quantitativ ausdrücken. Es ist auch schwer
herauszufinden, ob steigende Umsatzzahlen auf diese Aktivitäten zurückzuführen sind oder
vielleicht auch auf saisonalen Schwankungen beruhen, es sei denn, die Umsätze werden über
Netzwerke generiert. Wird dann ein Social-Media-Kunde dann ein Stammkunde, wie soll er
dann bei einer späteren Analyse berücksichtigt werden? Es kann also sehr spannend,
umfassend und schwierig sein, sich mit diesem Thema auseinanderzusetzen. Und nicht zuletzt
ist es die starke Dynamik auch hier wieder, die den Analysten vor immer neue
Herausforderungen stellt.51
51 Vgl. Kreutzer, R. T. (2012), S. 414 ff.
- 32 -
4 Metriken und Key Performance Indicators
4.6 Controlling der mobilen Nutzer
Die Bedeutung der mobilen Internetnutzung steigt seit den vergangenen Jahren kontinuierlich
an. Hatten vor 10 Jahren die meisten Familien höchstens einen PC mit einem Monitor im
Haushalt, so sieht das heute sehr viel moderner aus: Smartphones. iPhones, Netbooks,
Tablets, Notebooks, Macs und PCs und auch Fernseher verfügen über einen Internetanschluss.
Und die Hälfte dieser Medien ist auch noch mobil im Gebrauch, das heißt, die Nutzer tragen sie
bei sich. Schaut man sich nun eine Website an, die vor 10 Jahren erstellt wurde, so erkennt
man unweigerlich, dass diese für die Größe eines Monitors mit 15“, 17“ oder mehr Zoll optimiert
wurde. Die kleineren Wiedergabegeräte wie Smartphones und Tablets können damit leider
nicht sehr viel anfangen, denn selbst wenn eine Website auf diese geringe Displaygröße
herunterskaliert wird, so ist die Darstellung einfach viel zu klein, um großartig Lust zu
verspüren, sich diese Seite noch länger anzusehen.
Diesen Bereich einer Website mit Web Analytics auszuwerten betrifft die Usability, also die
Bedienbarkeit oder Benutzerfreundlichkeit. Mit der Logfile-Analyse kommt man sehr schnell an
seine Grenzen. Zwar kann diese die Browserversion oder das Betriebssystem wiedergeben,
aber nicht die Bildschirmgröße oder –auflösung. Bei einer Analyse muss auch der Zweck des
Besuchs herangezogen werden. Macht es Sinn eine Seite komplett umzubauen, wenn nur
einige Teile für mobile Nutzer von Interesse sind? Oder ist es sinnvoll die geographischen
Daten des Besuchers auszulesen? Bei einer Wetter-Website mag das sicherlich Sinn machen,
oder bei einer Taxi-Website. Welche mobilen Browser besuchen am häufigsten die Website und
ist eine Tendenz erkennen, sodass man nur für diesen Browser die Seite optimiert? In welcher
Relation stehen die Kosten einer möglichen Optimierung zur Anzahl der mobilen Nutzer?52
Als Ergebnis kann es passieren, dass die Website so bleibt wie sie ist und stattdessen eine App
programmiert wird, die für den Nutzer zum Download bereitgestellt wird. Die App wird dann
konkret auf die zu erreichenden Ziele abgestimmt. Eine Überprüfung der Zielerreichung ist
somit viel einfacher und eine Bedienung intuitiver.
52 Vgl. Kreutzer, R. T. (2012), S. 146 f.
- 33 -
4 Metriken und Key Performance Indicators
4.7 Identifizierung von Klickbetrug
Bei den kostenpflichtigen Werbemodellen, die durch einen Klick auf eine Anzeige wie Google
AdWords abgerechnet werden, kommt es hin und wieder zu Klickbetrug. Dabei handelt es sich
um eine missbräuchliche Anreihung von Klicks auf eine Werbeanzeige. Beispielsweise blendet
Google die Anzeigen so lange ein, bis das Budget aufgebraucht ist. Klickt der Betrüger jetzt
mehrfach auf diese Anzeigen seines Konkurrenten, ist dessen Budget aufgebraucht und es
entsteht somit Platz für den Betrüger.
Ferner bietet Google eine weitere Werbeform an, nämlich Google AdSense. Weitere Merchants
solcher Anzeigen sind unter anderem Adtech, Plista, Ligatus und viele mehr. Dabei können
Webseitenbetreiber Anzeigen von anderen Unternehmen auf ihren Seiten schalten und so
selbst eine Provision an diesen Klicks verdienen (siehe 4.3.1 Controlling des Affiliate
Marketings). Betrüger versuchen, diese Anzeigen mehrfach anzuklicken, um so die Provision
künstlich für sich selbst zu erhöhen.53
Um nun den Klickbetrug aufzuspüren, bieten alle seriösen Merchants Auswertungen der
Werbeaktivitäten an und haben Methoden entwickelt, die den Klickbetrügern auf die Spur
kommen. Dabei werden die IP-Adressen erfasst, das Verhalten der Nutzer analysiert, also
welche und wie viele Seiten sie aufgerufen haben, wie lange sie die Seite besucht haben und
so weiter. Diese Daten ergeben ein Normalprofil. Erhebliche Abweichungen von diesem Profil
werden genauer untersucht.54
Wurde ein Ziel formuliert, so kann auch über die Zielerreichung ein Rückschluss auf möglichen
Betrug gezogen werden. Wenn das Ziel die Generierung von Umsatz, einer Anmeldung oder
einem anderen messbaren Ziel ist, das mit einer konkreten Handlung des Besuchers verbunden
ist, so lässt sich leicht die Abweichung zwischen Klickbetrug und Conversion evaluieren. Ein
Betrüger wird nicht gewillt sein, Umsatz zu tätigen oder andere aufwendige Handlungen zu
vollziehen, die Conversion Rate sinkt bei Klickbetrügern gegen Null.55
Identifizierter Klickbetrug wird dem Kunden nicht in Rechnung gestellt. Einen Rückschluss auf
den oder die Täter kann man aber auch nicht unbedingt ziehen. Juristischen Maßnahmen sind
dabei Grenzen gesetzt. Es bleibt also dabei, gewissenhaft Auswertungen vorzunehmen und
mögliche betrügerische Aktivitäten im Auge zu behalten. Sollte der Merchant nicht die gleichen
Betrüger identifizieren, muss man sich umgehend mit ihm in Verbindung setzen. Dieser nimmt
dann die geeigneten Maßnahmen vor, um den Betrug zu unterbinden.
53 Vgl. Bennefeld, C. (2008), S: 593 ff. 54 Vgl. von Bischopinck, Y. / Ceyp, M. (2009), S. 288 f. 55 Vgl. Greifeneder, H. (2010), S. 152 ff.
- 34 -
5 Aussagekraft der Analysen
5 Aussagekraft der Analysen
Die ermittelten Daten sollten immer mit Vorsicht erhoben werden. Der Analyst muss sich
bewusst sein, dass es gewisse Erhebungsfehler gibt. Bei der Cookie-Variante erlaubt nicht
jeder Besucher die Erfassung seiner Daten, er fällt also „unten durch“. Oder ein eindeutig
identifizierter Besucher kann auch über andere Medien auf eine Internetseite gelangen. Das
können das Handy oder ein Tablet sein oder am Arbeitsplatz oder an gänzlich anderen Orten
geschehen. So eindeutig ist eben doch nicht jeder Besucher. Ebenso führen zu wenig erhobene
Daten nicht zu eindeutigen Ergebnissen, die auch auf eine größere Menge an Besuchern
Rückschlüsse erlauben. Der Regelkreis muss dabei immer wieder zu einer erneuten
Überprüfung eingehalten werden. Werden Inhalte verändert, die eine Optimierung erzielen
sollen, so muss immer wieder kontrolliert werden, inwieweit sich der Erfolg dieser Maßnahme
einstellt.
Am Beispiel von JavaScript (JS) soll erläutert werden, welche Auswirkungen der Vergleich
zwischen unterschiedlich großen Vergleichsgruppen haben kann. JavaScript ist eine
Skriptsprache, die bestimmte Inhalte in Internetseiten besser darstellen kann oder erst
ermöglicht. Zum Beispiel können Zeitsteuerungen bei Bildläufen erstellt, Counter eingerichtet
oder wenn man so will, die gesamte Internetseite erstellt werden. Die Möglichkeiten von
JavaScript sind sehr umfangreich und stellen eine Unterstützung zur Webprogrammierung dar.
In den Browsereinstellung kann eingestellt werden, ob JS ausgeführt werden darf.
Standardmäßig ist diese Funktion aktiviert.56
Annahme ist nun: es gelangen insgesamt 100 Personen pro Monat auf eine Internetseite.
Davon haben zwanzig Personen kein JS aktiviert. Das kann ein unglücklicher Zufall sein, denn
Zahlendaten von anderen Internetseiten mit wesentlich größeren und repräsentativeren
Besucherströmen geben ca. 1,6 % ihrer Besucher ohne aktiviertes JS an. In eine Panikreaktion
muss der Website-Verantwortliche jetzt also nicht fallen. Wichtig ist es allerdings den Überblick
zu wahren. Erhöhen sich die Zahl der 100 Besucher erheblich und der Anteil der Personen mit
deaktiviertem JS nimmt voraussichtlich ab, ist es dennoch wichtig zu erkennen, ob diese
Personen, die nicht die von JS generierten Inhalte sehen, vom Ziel der Internetseite abgelenkt
oder gar abgehalten werden. Beispielsweise werden Produktneuheiten auf der Startseite in
einem Bildlauf präsentiert. Diese sollen den Besucher animieren sich weiter zu informieren und
einen Kauf zu tätigen. Nimmt man nun an, dass diejenigen Personen, die kein JavaScript
aktiviert haben, gänzlich von einem Kauf abgehalten werden, so ist es wichtig, den
entgangenen Gewinn zu ermitteln.
56 Vgl. Brüne, K. (2009), S. 149.
- 35 -
5 Aussagekraft der Analysen
Im folgenden einfachen Rechenbeispiel werden zwei ähnliche Szenarien untersucht. Unter
sonst gleichen Bedingungen werden monatlich 10.000 Besucher mit 1,6 % JavaScript-
Deaktivierern und 100 Besucher mit 20 % JavaScript-Deaktivierern betrachtet.
Daten 1. Beispiel 2. Beispiel
Anzahl eindeutiger Besucher monatlich 10.000 100
Anteil der Besucher mit deaktiviertem JS in % 1,6 20
Anzahl an Verkäufen monatlich 500 5
Conversion Rate (Anz. Verkäufe/eindeutige Besucher) in % 5 5
durchschnittlicher Warenkorb in € 50 50
durchschnittlicher Gewinn in % 20 20
durchschnittlicher Gewinn in € 10 10
Abb. 8: Ausgangsdaten zum Vergleich der JS-Deaktivierer
Quelle: eigene gewählte Daten.
Berechnung:
����ℎ�����������!����ℎ��������ℎ × ��������!����ℎ����������������"# ×
������� ��� × ���ℎ��ℎ�������ℎ�$�%�����€ × 12(����
1. Beispiel: 10.000*0,016*0,05*10*12 = 960,−€
2. Beispiel: 100*0,2*0,05*10*12 = 120,−€
Bei einer hohen Besucherzahl von 10.000 mit wenigen Besuchern, die kein JS aktiviert haben,
entgehen dem Websitebetreiber voraussichtlich 960,- € Gewinn. Bei nur 100 Besuchern, von
denen allerdings 20 JS deaktivieren, liegen die entgangenen Gewinne im Jahr immerhin noch
bei 120,- €. Der Seitenbetreiber sollte sich also durchaus überlegen, welche Maßnahmen er
veranlasst oder unterlässt. Bei der nächsten Neugestaltung der Website kann er also durchaus
den entgangenen Gewinn heranziehen und zugunsten einer Optimierung der Internetseite
alternative Anzeigeoptionen programmieren lassen, die Besucher ohne JavaScript nicht von der
- 36 -
5 Aussagekraft der Analysen
Seite ausschließt. Oder er wägt die Kosten einer einmaligen Optimierung ab. Sollten die Kosten
hierfür unter dem zuvor berechneten Betrag von 960,- € beziehungsweise 120,- € liegen, so
sollte auf jeden Fall eine Optimierung stattfinden. Steigt die Anzahl der Käufer bei
gleichbleibender Besucherzahl, so steigt auch die Conversion Rate, die sich wiederum zum
Beispiel bei Investorengesprächen positiv auswirkt.
Ebenso wie diese Rechnung kann sie auch umgekehrt sinnvoll sein. Zur Planung eines Online-
Shops gehört es oftmals, eine sinnvolle Suchfunktion zu implementieren, die ein intelligentes
Suchergebnis liefert. Eben genau das, was der Kunde sucht, soll er dort auch finden, auch
wenn er nicht in der Lage ist, das Gesuchte korrekt wiederzugeben oder in einwandfreiem
Deutsch diese Angaben zu machen. Standardmäßig werden solch umfangreiche
Programmierungen nicht mitgeliefert, da sie in der Erstellung sehr aufwendig sind. Da dem
potentiellen Kunden die Produktnamen, die durchaus durch die kreative Hand eines
übereifrigen Marketingmitarbeiters entstanden sein können, nicht unbedingt geläufig sind, muss
die Suchfunktion genau diese Informationslücke zwischen dem Anbieter und den Kunden
schließen. Dazu reicht es nicht nur die Suchfunktion zu implementieren, sondern sie auch so
mit Informationen zu bestücken, dass sie intelligent wird.57
Im Folgenden wird die intelligente Suchfunktion von Shopware betrachtet, die Tippfehler
verzeiht oder Wortgruppen und ähnliche Begriffe, sowie Teilbegriffe erkennt. Des Weiteren
werden die Suchergebnisse nach Herstellern, Preisen und Kategorien oder Artikel-
Eigenschaften ausgegeben, die im Nachhinein vom Nutzer sortiert werden können.58
Die Kosten für die Nutzung und Implementierung der Suchfunktion belaufen sich auf 995,- €
netto. Die Arbeitszeit pro Optimierung eines Artikels für die Suchfunktion beträgt etwa 10
Minuten. Da nur Artikel mit einer möglichst großen Marge optimiert werden sollen und Varianten
nicht berücksichtigt werden, beträgt die Arbeitszeit für beispielsweise 132 Produkte insgesamt
1.320 Minuten. Das entspricht 22 Stunden. Bei einem angenommenen Arbeitslohn von 15,- €
kommen zu den Kosten der Suchfunktion nochmals 330,- € hinzu. Bei 1.325,- €
Investitionskosten nur für eine Suchfunktion muss ein hoher Umsatz erzielt werden. Diese kann
durch mehr Verkäufe, durch höhere Warenkörbe oder einem Mix aus beidem erzielt werden.
Das folgende Rechenbeispiel verdeutlicht, wie viele Besucher auf der Seite die Suchfunktion
nutzen müssen und dann ebenfalls eine Bestellung ausführen müssen, damit sich nur diese
Investition amortisiert.
57 Vgl. Reese, F. (2008), S. 78 f. 58 Vgl. Shopware AG (2013), http://store.shopware.de/shopware-premium-plugins/intelligente- suchfunktion
- 37 -
5 Aussagekraft der Analysen
Folgende Annahmen finden statt:
• 2 % der Besucher mit Suche überhaupt tätigen eine Bestellung (Conversion Rate)
• jede Bestellung bringt einen Nettoumsatz von durchschnittlich 60,- €
• die Handelsspanne beträgt durchschnittlich 25%
Von 100 Besuchern, die die Suchfunktion nutzen, generieren also durchschnittlich 2 Besucher
einen Umsatz von 120,- € und somit eine Handelsspanne von 30,- €. Um eine Handelsspanne
von 1,- € zu erzielen, müssen also 3-4 Personen (3,33) die Suchfunktion nutzen. 3,33 Besucher
x 1.325,- € macht insgesamt 4.417 (4.416,66) Besucher, wenn alle Nachkommastellen
berücksichtigt werden. Diese Anzahl an Besuchern muss mindestens die Suchfunktion im Shop
verwenden, um die nötige zusätzliche Handelsspanne zu erwirtschaften. Dies kann zum
Beispiel über einen besonderen Hinweise auf der Website geschehen wie: „Nutzen Sie unsere
Suche, um das gewünschte Produkt zu finden.“ Nicht berücksichtigt wurden hier alle anderen
anfallenden Kosten (Fixkosten) wie bspw. die Providerkosten der Website. Ebenso kann keine
Aussage darüber gemacht werden, wie positiv sich diese Optimierung auf die Sichtbarkeit in
externen Suchmaschinen wie Google und Bing auswirken. Jede Optimierung der Inhalte auf der
Internetseite zieht auch gleichzeitig eine Optimierung der Sichtbarkeit in Suchmaschinen nach
sich. Dies geschieht zwar zeitverzögert, aber dafür in nicht unerheblichem Maße.
Es bleiben weiterhin viele Fragen offen, die das Web Controlling nicht beantworten kann. Trifft
der Kunde seine Kaufentscheidung eher, wenn er mit der Suche erfolgreich war? Nimmt er
mehrere Artikel wahr, da es verschiedene Arten eines Produktes gibt, die ihm in der Suche
angezeigt werden, z. B. eine „normale“ Politur oder eine Politur der „Luxusklasse“? Wird seine
Meinung über den Online-Shop durch die erfolgreiche Suche positiv beeinflusst? Deutlich ist
aber in jedem Falle, dass der Besucher bei einer nicht erfolgreichen Suche, das gewünschte
Produkt wohl auch nicht kaufen wird.59
Die intelligente Suchfunktion zu implementieren oder es zu unterlassen ist also nicht nur eine
reine Kostenfrage, sondern auch eine Frage der Besucherfrequenz und der
Investitionsfreudigkeit des Unternehmers. Eine einzige Implementierung betrifft auch nicht nur
bestehende Besucher und Kunden, sondern auch alle folgenden Besucher und Kunden. Eine
positive Entscheidung ist also auf jeden Fall ratsam. Denn die rein monetäre Entscheidung
kann im Voraus nur ungefähr getroffen werden, die tatsächlichen Werte müssen entsprechend
der Zielerreichung nachgeprüft werden.
59 Vgl. Nielsen, J. (2011), http://www.nngroup.com/articles/top-10-mistakes-web-design/.
- 38 -
6 Fazit
6 Fazit
Web Analytics gewinnt immer mehr an Bedeutung und wird immer mehr Unternehmen
eingesetzt. Die Unternehmen sind sich der Relevanz der Internetmedien bewusst und wollen
am Wertschöpfungsprozess teilnehmen. Der Einsatz von Web Analytics und den geeigneten
Analysewerkzeugen zur Kontrolle der Erfolgsmessung der Online-Aktivitäten macht genau dann
Sinn, wenn die richtigen Ziele formuliert worden sind. Durch den hohen Arbeitsaufwand zu
Beginn amortisiert sich der systemgerechte Einsatz erst ab einem bestimmten Mindestumsatz,
der im Vorfeld berechnet werden muss. Je nach Umfang und Detailliertheit der Zielvorgaben
kann der zeitliche und somit auch finanzielle Aufwand extrem schwanken. Jeder Betreiber einer
Website muss sich daher vor der Implementierung verinnerlichen, dass er geeignete
Maßnahmen zu treffen hat, um das Feedback auf seine Aktionen messen zu können.
Selbstverständlich ist es auch möglich einfach gar nichts zu tun. Der Erfolg kann dann aber
auch einfach mal ausbleiben und die Gründe können nicht mehr nachvollzogen werden. Für
geeignete Gegenmaßnahmen kann es mitunter auch schon zu spät sein.
Durch die enge Zusammenarbeit des Web-Analysten mit Marketing, Informatik und
Entscheidern werden alle Kompetenzen gebündelt und die zu erreichenden Ziele überwacht
bzw. rechtzeitig eingegriffen, wenn der Weg nicht seinen gewünschten Pfad einschlägt.
Je nach Größe und Zweck eines Unternehmens genügen bei kleinen Unternehmen einfache,
kostenfreie und in Eigenregie bedienbare Analysetools und keine weiteren Mitarbeiter,
wohingegen bei äußerst internetaffinen Geschäftsmodellen und größeren Unternehmen jegliche
Maßnahmen auch immer mit einem großen Budget verbunden sind und ein umfangreiches Web
Analytics unerlässlich ist. Die Kosten für Web Analytics in diesem Bereich können auch schon
gern mal 5-stellige Eurobeträge pro Monat annehmen.
Es bleibt zu wünschen übrig, dass im Fortbildungsbereich dieses Berufszweigs einige seriöse
Anbieter hinzukommen, vielleicht sogar im deutschsprachigen Raum, denn die Forderung nach
Web Analysten bzw. nach Personen, die sich mit dieser Thematik bereits intensiv befasst
haben, steigt unentwegt. Den fordernden Unternehmen sei angeraten, ihre bestehenden
Mitarbeiter zu schulen und in geeigneten Lehrgängen unterzubringen statt beispielsweise
Statistiker einzustellen, die zwar wunderbare Analysen im Sinne des Web Analytics aufstellen
können, aber keine Vorschläge für geeignete Maßnahmen im Sinne des Web Controllings
aufzeigen können. Umgekehrt macht es auch wenig Sinn einen Marketing-Experten auf diese
Position zu setzen, der zwar umfangreiche kreative Fähigkeiten besitzt, aber mit Analysen nicht
viel anfangen kann. Der Web Analyst sollte eher ein Allrounder sein, der sich in vielen
Bereichen auskennt, nicht zuletzt auch in der Informatik.
Für die Zukunft sieht es gut aus, denn es werden immer mehr Verfahren entwickelt, wie Online-
Aktivitäten noch attraktiver, noch kundengerechter gestaltet werden können. Ebenso gestaltet
- 39 -
6 Fazit
es sich mit den Analyseinstrumenten. Es werden nicht mehr nur Zahlen erfasst, sondern auch
das Verhalten zum Beispiel mit dem Eye-Tracking, das die Augenbewegungen eines Besuchers
erfasst oder dem Mouse-Tracking, das die Bewegung der Maus auf dem Bildschirm
aufzeichnet.60 So können Top-Positionen bestimmt werden. Ebenso können so auch A/B-Tests
noch besser durchgeführt werden.
Aufgrund der hohen Dynamik im Internet, sehen sich Unternehmer und Web Analysten der
Herausforderung gegenüber, immer den richtigen Trend zu erwischen oder ihn sogar
anzuführen. Auf alte Literatur darf man sich dabei leider nicht verlassen. Die Bücher von
Berres61, Marketing und Vertrieb mit dem Internet, und Levinson, Guerilla Marketing im
Internet,62 sind zum Beispiel zwei nicht mehr so aktuelle Werke, die zum Teil zu Handlungen
aufrufen, mit denen sich Unternehmen bei der Umsetzung schaden würden.
Es ist also Chance und Risiko zugleich, sich intensiv als Unternehmen mit dieser Thematik zu
beschäftigen. Man könnte es fast fahrlässig nennen, die Online-Aktivitäten nicht zu messen.
Schließlich ist es für die Mehrheit der Unternehmen Pflicht, ihre Bücher ordentlich zu pflegen.
Dort werden Einnahmen und Ausgaben festgehalten. Nicht umsonst gibt es Literatur für
Steuerberater, die genau auf dieses Geschäftsfeld abzielt.
Es gilt, die Kennzahlen und KPIs so genau wie möglich zu erfassen und komprimiert in leicht
verständlicher Weise wiederzugeben. Mit dem richten Analysetool stehen dem Analysten alle
Grenzen offen.
Und auch in Zeitschriften finden sich immer wieder aktuelle Artikel, die sich mit E-Commerce in
all seinen Bereichen auseinandersetzen und die Gewinner und Verlierer aufzählen. Ein harter
Preiskampf findet statt. Bei einigen Unternehmen kommt es auf jeden Cent an. Genau dort geht
um jeden Kunden, der gewonnen oder gehalten werden soll. Web Analytics muss also sehr viel
leisten, um alle Ziele zu überwachen und den Weg der Zielerreichung so effizient wie möglich
und so detailliert wie nötig zu gestalten.63
Es bleibt im Bereich Web Analytics also spannend und die Hoffnung auf weitere ernst zu
nehmende Autoren und Bildungsstätten bleibt bestehen. Mit der weiteren Entwicklung werden
auch viele weitere Unternehmen ihre Online-Tätigkeiten zu schätzen wissen, wenn sie Web
Analytics entsprechend eine Chance geben.
60 Vgl. Pispers, R. / Dabrowski, J. (2011), S. 61. 61 Vgl. Berres, A. (1997). 62 Vgl. Levinson, J. C. / Rubin, C. (1999). 63 Vgl. Braun, Carolyn (2013), S. 38 ff.
- 40 -
Literaturverzeichnis
Literaturverzeichnis
Bauer, C. (2011): Controlling von Online-Marketing, in: Bauer, C. u. a. (Hrsg.), Online Targeting
und Controlling, S. 156-168.
Bauer, C. u. a. (2011): So steigern Online-Händler ihren Umsatz – Fakten aus dem deutschen
Online-Handel, Regensburg.
Bennefeld, C. (2008): Web Analytics – Web Controlling, in: Schwarz, T. (Hrsg.), Leitfaden
Online-Marketing, 2. Aufl., Waghäusel, S. 593-600.
Berres, A. (1997): Marketing und Vertrieb mit dem Internet, Berlin Heidelberg.
von Bischopinck, Y. / Ceyp, M. (2009): Suchmaschinen-Marketing, 2. Aufl., Berlin Heidelberg.
Braun, Carolyn (2013): Wandel mit Tücken: Onlinehandel ist die Zukunft – allerdings eine, die
bisweilen teuer erkauft sein will. In: brand eins 15. Jg. H. 4, S. 38-41.
Brommund, T. / Amthor, A. (2008): Web Analytics – Web Controlling, in: Schwarz, T. (Hrsg.),
Leitfaden Online-Marketing, 2. Aufl., Waghäusel, S. 566-577.
Brüne, K. (2009): Lexikon E-Business, Frankfurt am Main.
Düweke, E. / Rabsch, S. (2012): Erfolgreiche Websites, 2. Aufl., Bonn.
Eickmeier, F. / Hansmersmann, P. (2011): Datenschutzkonforme Nutzerprofile im Internet, in:
Bauer, C. u. a. (Hrsg), Online Targeting und Controlling, S. 96-121.
Erlhofer, S. (2011): Suchmaschinen-Optimierung, 5. Aufl., Bonn.
Greifeneder, H. (2010): Erfolgreiches Suchmaschinen-Marketing, 2. Aufl., Wiesbaden.
Google Inc. (2013): Google AdWords – Relevanz,
https://support.google.com/adwords/answer/1704429, 30.06.2013.
Heßler, A. / Mosebach, P. (2013): Strategie und Marketing im Web 2.0, Wiesbaden.
Hienerth, C. (2010): Kennzahlenmodell zur Erfolgsbewertung des E-Commerce, Wiesbaden.
Initiative D21 (2013): Anteil der Internetnutzer in Deutschland von 2001 bis 2013,
http://de.statista.com/statistik/daten/studie/13070/umfrage/entwicklung-der-internetnutzung-in-
deutschland-seit-2001/, 23.05.2013.
Kaushik, A. (2009): Web Analytics 2.0.
Kreutzer, R. T. (2012): Praxisorientiertes Online-Marketing, Wiesbaden.
Levinson, J. C. / Rubin, C. (1999): Guerilla Marketing im Internet, Zürich.
Lovett, J. (2011): Social Media Metrics Secrets, Bd. 159.
- 41 -
Literaturverzeichnis
Meffert, H. / Burmann, C. / Kirchgeorg, M. (2012): Marketing, 11. Aufl., Wiesbaden.
Nielsen, J. (2011): Top 10 Mistakes in Web Design, http://www.nngroup.com/articles/top-10-
mistakes-web-design/, 23.05.2013.
Overdrive Interactive (2013): Social Media Map 2013, http://www.ovrdrv.com/social-media-
map/pdf/social-media-map.pdf, 23.06.2013.
Peterson, E. T. (2006): The Big Book of Key Performance Indicators.
Peterson, E. T. (2004): Web Analytics Demystified.
Pispers, R. / Dabrowski, J. (2011): neuromarketing im internet, Freiburg.
Reese, F. (2008): Web Analytics – Damit aus Traffic Umsatz wird, Göttingen.
Shopware AG (2013): Intelligente Suchfunktion – Shopware,
http://store.shopware.de/shopware-premium-plugins/intelligente-suchfunktion, 23.05.2013
Stormer, H. / Meier, A. (2012): eBusiness & eCommerce, 2. Aufl., Berlin Heidelberg.
The Apache Software Foundation (2013): Log Files – Apache HTTP Server,
http://httpd.apache.org/docs/2.4/logs.html#accesslog, 10.05.2013.
Weber, J. / Schäffer, U. (2011 ): Einführung in das Controlling, 13. Aufl., Stuttgart.
Web Analytics Association (2008): Web Analytics Definitions,
http://c.ymcdn.com/sites/www.webanalyticsassociation.org/resource/resmgr/PDF_standards/We
bAnalyticsDefinitions.pdf, 15.06.2013.
Zumstein, D. / Meier, A. (2013): Web Analytics & Web Controlling, Heidelberg.
Zumstein, D. / Meier, A. / Myrach, T. (2012): Web Analytics – Empirische Untersuchung über
den Einsatz, Nutzen und die Probleme der Webanalyse, in: Mattfeld, D. C. / Robra-Bissantz, S.
(Hrsg.), Multikonferenz Wirtschaftsinformatik 2012, S. 917-929.
Zumstein, D. / Meier, A. (2010): Web Controlling. Analyse und Optimierung der digitalen
Wertschöpfungskette mit Web Analytics, in: Schumann, M. u. a. (Hrsg.), Multikonferenz
Wirtschaftsinformatik 2010, S. 299-311.
Ehrenwörtliche Erklärung
Hiermit erkläre ich an Eides statt, dass ich die vorliegende Arbeit selbständig und ohne
unerlaubte fremde Hilfe angefertigt habe, andere als die angegebenen Quellen nicht benutzt
und die den benutzten Quellen wörtlich oder inhaltlich entnommenen Stellen als solche
kenntlich gemacht habe.
Wolfenbüttel, 30.08.2013