KategorieWeb Analytics

Übersicht aller Artikel zum Thema Webanalyse. Sie finden hier Artikel und Anleitungen über Messungen, Kennzahlen und, Analysen ebenso Informationen rund um die Analyse das Verhaltens von Webseiten Besuchern.

Unique Visitors bzw. Unique Users

Nach der Definition der WAA (Web Analytics Association) ist ein Besucher (engl. visitor) eine Person, die innerhalb einer gewissen Zeit, eine oder mehrere Webseiten aufruft. Der Begriff User wird oft synonym für Visitor verwendet.

Diese Definition schließt  maschinelle Zugriffe, wie die durch Spiders und Proxies aus.

Nur echte Menschen zählen als Besucher!

Im Kaufhaus oder bei einer beliebigen Veranstaltung können wir ohne weiteres die Besucher zählen, denn echte Menschen können ohne weiteres in ein Kaufhaus, einen Konzertsaal oder ein Fußballstadion gehen.

Wie verhält sich dies aber auf einer Website. Wie erhält man als Webmaster nähere Information über den Traffic einer Website. Wie viele Benutzer bzw. User hat Ihre Website?

Grundlagen

Menschen rufen mittels eines Browsers auf einem Computer eine Webseite über das Internet auf und betrachten eine Abbildung dieser Webseite auf einem Bildschirm.

Web analytics: Besucher / Visitor -> Computer -> Internet -> Webserver -> Webseite

 

Wie misst man Besucher in der Webanalyse?

Man kann in der Webanalyse (web analytics) nur Dinge im Computer des Besuchers messen, oder auch am Server des Webseitenbetreibers, aber man kann nicht einfach so aus dem Computer heraus in eine Wohnung, ein Büro oder eine  Arbeitsstätte sehen!

Wenn man in der Webanalyse (web analytics) misst, dann erfasst man also nicht Menschen, sondern die Programme und Computer, die von diesen Menschen benutzt werden.

Wie kommt man nun zur Kennzahl unique visitors / Besucher?

Um abzuschätzen wie viele menschliche Besucher auf eine Webseite waren geht man von folgender Annahme aus:
  • Jeder Besucher hat einen eigenen Account auf genau einem Computer
  • Jeder Besucher verwendet genau einen Browser auf diesem Computer
Dies trifft in vielen Fällen auch zu – man sollte sich aber darüber bewusst sein, dass:
  • einige Besucher mehrere Browser verwenden
  • einige Besucher den selben Computer und Browser verwenden

Wenn wir die Anzahl der Browserinstanzen, die eine Webseite aufrufen, nachmessen – dann können wir davon ausgehen, dass dies ungefähr der Anzahl menschlicher Besucher  dieser Webseite entspricht. Aber eben nicht exakt dasselbe ist.

Wir nehmen in Ermangelung besserer Methoden und zu Gunsten der Privatsphäre einen Messfehler in Kauf.

Messung der Visitors im Webbrowser

Am Server können wir nicht die Anzahl der zugreifenden Browserinstanzen ermitteln, denn am Server kommen alle Anfragen von Suchmaschinen, Proxies, Browsern und anderen Programmen an. Hier ist sehr schwer zwischen maschinellen und menschlichen Zugriffen zu unterschieden.

Die Messung erfolgt daher besser im Browser des Besuchers. (siehe Artikel: Tagging oder Logfile-Analyse ) Für die Messung wird im Browser des Besuchers eine sehr sehr sehr große zufällige Zahl gespeichert. Die Zahl ist natürlich so groß, dass nach aller Wahrscheinlichkeit kein anderer Browser dieselbe zufällig Zahl erhalten kann.

Beim nächsten Zugriff sendet der Browser dieser Zahl automatisch mit seiner Anfrage an den Server mit. Der Server weiß dann, dass z.B. der Besucher mit genau dieser Nummer zugegriffen hat. Ein anderen Browser / Besucher würde mit einer anderen Nummer zugreifen.

Diese Nummer wird normalerweise beim ersten Zugriff auf die Webseite vergeben und für längere Zeit in einem Cookie gespeichert. Meist spricht man von einer Besucher / Visitor ID.

Unique – die Zählung

Ihre Web Analytics Lösung zählt später die Anzahl der unterschiedlichen Visitor IDs, die in einem bestimmten Zeitraum übermittelt wurden.

Beispiel (der Übersichtlichkeit wegen mit kleinen Zahlen als Visitor ID):

Datum und Zeit des ZugriffsVisi­tor ID
2012-02-09 10:00Visi­tor ID 1
2012-02-09 10:10Visi­tor ID 2
2012-02-09 10:20Visi­tor ID 1
2012-02-09 10:30Visi­tor ID 2
2012-02-09 10:40Visi­tor ID 3
2012-02-09 10:50Visi­tor ID 4
2012-02-09 11:00Visi­tor ID 4
2012-02-09 11:10Visi­tor ID 1
2012-02-09 11:20Visi­tor ID 4

 

 

In diesem Beispiel zählen wir 4 unterschiedliche Besucher:

  • Visitor ID 1
  • Visitor ID 2
  • Visitor ID 3
  • Visitor ID 4

mit insgesamt 9 Zugriffen bzw. Page Views:

  • Visitor ID 1 hatte 3 Page Views
  • Visitor ID 2 hatte 2 Page Views
  • Visitor ID 3 hatte 1 Page View
  • Visitor ID 4 hatte 3 Page Views

Wenn wir nun über lange Zeiträume messen, dann können pro Besucher sehr viele Zugriffe stattfinden. Um deutlich zu machen, dass jeder Besucher in diesem Zeitraum aber nur einmal gezählt wird fügt man den Begriff unique hinzu.

Korrekterweise erwähnt man noch den Zeitraum, in dem ein Besucher nur einmal gezählt wird. So entstehen die Kennzahlen tägliche, wöchentliche, monatliche und jährliche unique Besucher. (engl. daily unique visitors, weekly unique visitors, monthly unique visitors, yearly unique visitors)

Das ist ähnlich wie im Hotel: Dort kann ein Gast mehrfach übernachten, wird aber natürlich nur als ein Gast in der Statistik gezählt. Wenn das Hotel eine Statistik über die Anzahl der Gäste pro Jahr erstellt, dann wir jeder Gast nur einmal im Jahr gezählt, unabhängig davon, wie oft er in diesem Jahr im Hotel übernachtet hat.

Unique Visitors (Besucher) – das Fazit

Die Webanalye interessiert sich für menschliche Besucher, die jedoch niemand wirklich messen kann. Damit wir überhaupt irgendwas messen können bedienen wir der stellvertretenden Messung einer Größe (Anzahl der Webbrowserinstanzen), die wir bestimmen können und die hinreichend gut mit der für uns interessanten Größe übereinstimmt.

Diese Ungenauigkeit stört nicht weiter, solange wir Effekte messen, die wesentlich größer sind, als unser Messfehler.

 

Was ist eine ‚Seite‘ in der Webanalyse?

Für die Webanalyse hat die DAA (Digital Analytics Association) schon vor Jahren die Definition der „Seite“ an die aktuellen Gegebenheiten angepasst.

Häufig hängt das vom Benutzer „gefühlte“ Betrachten einer Seite technisch nicht mehr mit dem Abruf einer Webseite von einem Server zusammen.

Z.B. wird in einem Standard Magento-Shop der gesamte Kaufprozess auf einer einigen „HTML-Seite“ durchgeführt. Dabei klappen immer wieder andere Bestandteile der Seite auf und wieder zu.

Die DAA (Digital Analytics Association) trägt diesem Umstand Rechnung, indem sie die Definition des Begriffes Seite (engl. Page) so trifft, dass der Seitenaufruf für die Webanalyse nicht mehr mit dem technischen Seitenaufruf am Webserver verknüpft wird.

Die Seite (Page) wird von der DAA  (Digital Analytics Association) wie folgt definiert:
Die Seite ist eine vom Analysten zu definierende Einheit an Inhalt. (engl. „An analyst definable unit of content“)

Diese Definition hat den Vorteil, dass das Herunterladen eines PDFs auch als Page View gezählt werden kann, dass AJAX Requests als Page Views gezählt werden können oder auch Aufrufe von Flash Seiten.

Links:

http://www.digitalanalyticsassociation.org/

Page Impressions, Page Views, User Interactions

Kurz

Die Kennzahl ‘Page Impressions’ bezeichnet in der Webanalyse die Anzahl der Abrufe einer einzelnen (HTML)  Seite mit einem Webbrowser. Dieser Begriff ist vor allem im deutschen Sprachraum gebräuchlich. Im Englischen wird meist der Begriff ‘Page View’ verwendet.

Page Impressions etwas ausführlicher erklärt

Um die Bedeutung der Kennzahl zu verstehen ist es hilfreich, sich die technischen Grundlagen zu vergegenwärtigen. Historisch war jede Aktion auf einer Webseite immer mit dem Laden einer HTML Seite verknüpft. Jedes Eintippen einer Internetadresse und jeder Klick auf einen Link erzeugte jeweils eine neue HTML Seite, die danach vom Browser geladen wurde.

Die Page Impression war lange Zeit die Maßzahl für die Aktivität der Benutzer auf einer Webseite. Mittlerweile ist die Aktivität nicht mehr unbedingt mit dem Laden einer kompletten HTML Seite verknüpft. Es stehen modernere Programmiertechniken zur Verfügung. Aktionen des Benutzers können dazu führen, dass z.B. nur einzelne Grafiken oder andere Bestandteile einer Seite von einem Server nachgeladen werden.

Die Bezeichnung Page Impression wird häufig weiter verwendet, auch wenn  der Begriff ‘User Interaction’ zutreffender wäre. Die meisten Anbieter von Web-Analyse Lösungen sind in der Lage User (Inter-) Aktionen unabhängig vom Laden einer HTML Seite per Java-Script zu messen. Wenn behauptet wird ‘Page Impressions sind obsolet – heute  misst man User Interactions’, dann zeigt dies nur, dass Sie jemanden vor sich haben, für den der Name einer Kennzahl wichtiger ist, als deren Bedeutung und Interpretation. Die Begriffe Page Impression, Page View und User Interaktion werden heute meist synonym verwendet. Im Wesentlich besteht der Unterschied zwischen User Interactions und Page Impressions im Austausch der Spaltenüberschriften der Datentabellen.

Für Administratoren und Programmierer ist interessant wie viele Ajax-Requests und wie Aufrufe von Servlets, PHP Skripten oder CGI-Skripten erfolgen – doch für den Webanalytiker ist vor allem das Verhalten der Benutzer interessant. Das heißt, dass in die Kennzahl Page Impression nur Änderungen der Website eingehen sollten, die direkt auf eine absichtliche Aktion des Benutzers zurück zu führen sind und eine wesentliche Änderung der Seite hervorrufen – unabhängig davon, ob ein wirklicher Ladevorgang erfolgt ist oder nur einzelne Bestandteile einer Seite per JavaScript ausgetauscht werden.

Schon bei der Messung muss darauf geachtet werden, dass sinnvoll interpretierbare Daten erhoben werden, die Aufschluss über das Verhalten der Besucher geben können.

Automatisiert geladene Seiten oder Bestandteile einer Seite dürfen dagegen nicht als Page Impression gezählt werden. Beispiele hierfür sind:

  • automatische Weiterleitungen
  • automatischer Reload einer Seite
  • automatischer Reload von Bestandteilen einer Seite
  • Pop-Ups
  • Banner
  • Pop Unders
  • Werbe-Overlays
  • Zugriffe durch Robots, Proxies und Spiders
  • Zugriffe beim Monitoring
  • Zugriffe durch automatisierte Software oder Performance Tests

 

Bedeutung der Kennzahl Page Impressions

Die Page Impression als Kennzahl für die Aktivität der Benutzer erlaubt Aussagen darüber zu treffen, wo sich die Besucher innerhalb einer Site aufhalten und was sie dort tun.

Werden Seiten häufiger aufgerufen als andere kann das vielfältige Ursachen haben. So zum Beispiel:

  • Die Seite ist sehr interessant
  • Die Seite ist schlecht benutzbar, Besucher finden sich nicht zurecht und rufen immer wieder erfolglos eine bestimmte Seite auf
  • Die Seite ist die Landingpage einer Werbekampagne mit viel Traffic
  • Die Seite wurde an prominenter Stelle (intern wie extern) verlinkt

Dasselbe gilt natürlich auch für per Ajax nachgeladene Elemente einer Seite.

Die abzuleitenden Handlungen für den Betreiber der Website ergeben sich wie immer aus der Interpretation der jeweiligen Kennzahlen, der Umstände und der Erfahrung des Analysten. Es kommt immer auf die Umstände im Einzelfall an, ob viele PI (Page Impressions) positiv oder negativ zu bewerten sind.

(Bild: rg1024, http://openclipart.org)

ROI eines Produktvideos mit A/B Tests

Ein Blogger stellte kürzlich in einem Artikel dar, wie man mit Hilfe Besucher-Segmenten den ROI eines Produktvideos kalkulieren kann. Dafür definiert der Autor ein Segment mit Besuchern, die sich ein gesamte Produktvideo ansehen und ein anderes Segment mit Besuchern, die sich keine Produktvideos ansehen. Für beide Segment berechnet er durchschnittliche Umsätze je Besucher, daraus den Break Even Point und ROI.

Meiner Meinung nach sollte der ROI besser mit Hilfe von A/B Tests kalkuliert werden.

Warum?

Besucher-Segmente helfen dabei Besucher in bestimmte Klassen oder Gruppen einzuteilen.

Wir treffen dabei eine Aussage über Besucher. Im Beispiel des erwähnten Blog-Posts über Besucher, die Interesse an Produktvideos zeigen und über Besucher, die kein Interesse an Produktvideos zeigen – und deren jeweiligen Kaufneigung.

Wir wissen nun, dass Besucher, die genug Geduld haben sich ein ganzes Produktvideo anzusehen, mehr Interesse an einem Kauf zeigen und potentiell mehr Umsatz bringen als Besucher, die kein Interesse an Produktvideos zeigen.

Es würde sicherlich Sinn machen sich entsprechende Besucher zu verschaffen. Ohne Zweifel wäre dieser Traffic für uns wertvoller als Traffic von weniger kaufgeneigten Besuchern, die weniger Interesse an Produktvideos zeigen.

Wir erfahren durch die Segmentierung mehr über unsere Besucher und über die Qualität unseres Traffics.

Aber wir wissen nicht ob das Video zum Kauf verleitet hat oder ob die Besucher ohnehin eingekauft hätten.

Wie bekommen wir heraus, ob die Produktvideos tatsächlich einen positiven Einfluss auf das Verhalten unserer Besucher haben?

Mit A/B Tests. Das heißt wir zeigen der einen Hälfte der Besucher unseres Shops eine Variante des Shops mit Videos (Experimentalgruppe) und der anderen eine Variante ohne Videos (Kontrollgruppe). Welche Variante ein Besucher erhält ist dabei rein zufällig.

Bei beiden Gruppen von Besuchern erheben wir alle relevanten Informationen, wie die Anzahl der Besucher, der Besuche, die Konversionsrate und den Bestellwert.

Anhand der gesammelten Daten über beide Besuchergruppen werden beide Alternativen miteinander verglichen und geprüft, ob eine Investition in die Produktvideos Sinn macht.

Den ROI berechnen wir später mit der Differenz der Gewinne je Besucher beider Gruppen. Denn auch ohne Video machen wir Umsätze.

(Bild: easyvectors, http://www.freepik.com)

Logfile Analyse oder Tagging?

Für die Webanalyse kommen im Wesentlichen zwei Messmethoden zum Einsatz:

  • Messung nahe beim Client (Tagging)
  • Messung nahe beim Server (Logfile Analyse)

Um diese zu veranschaulichen sehen wir uns an, wie normalerweise ein Seitenaufruf im Internet funktioniert.

ein Browser sendet einen Request zum Server und erhält die Antowrt

  1. Ein Benutzer wählt eine URL indem er diese eintippt, einen Link oder ein Bookmark klickt.
  2. Der Client (Browser) ruft diese URL über das Internet auf und wartet auf Antwort
  3. Der Client erhält über das Internet eine Antwort eines Servers
  4. Browser lädt weitere benötigte Daten über das Internet nach
  5. Der Browser stellt die Seite grafisch dar.

Man sollte vermuten, dass der Client genau die Daten erhält, die der Server sendet. Daher sollte eine Analyse des Server Logfiles genauso präzise sein, wie eine Messung im/am Client.

Leider stimmt das nicht immer, denn das ‚Internet‘ ist keine einfache ‚Leitung‘ von einem Ort zum anderen. Hinter dem Begriff  ‚das Internet‘ verstecken sich sehr viele Geräte, die die ‚Verbindung‘ und die übermittelten Daten beeinflussen. Jeder Aufruf einer Seite über das Internet geht über sehr viele Zwischenstationen zum Ziel.

the internet is not a cable but a network

Es gibt daher keine einheitliche Sichtweise auf ablaufende Prozesse. Je nach Standort unterscheidet sich der Blick auf die ‚Wirklichkeit‘. Weder sieht ein Server alle Requests, die von Clients abgesetzt werden, noch kann jeder Client zuverlässig sagen welche Daten insgesamt von einem bestimmten Server abgerufen werden.

Auf einen Server greifen nicht nur menschliche ‚Besucher‘ zu, sondern auch sehr viele maschinelle Benutzer. (Robots und Spiders) Diese Zugriffe sind in den Server-Logfiles enthalten. Requests von Nutzern hinter einem Proxy sind dagegen nur eingeschränkt sichtbar für den Server.

Erfolgt die Messung am Client so erfolgt diese meist mit der sogenannten Tagging Methode. Dabei wird im Browser des Benutzers per JavaScript ein Request an einen Tracking Server gesendet. Robots und Spiders spielen bei dieser Messung praktisch keine Rolle. Unterschiedliche Benutzer bzw. Browser werden dabei durch Cookies und nicht anhand der IP unterschieden, so dass auch Benutzer hinter Proxies gut unterschieden werden können.

Vorteile der Logfile Analyse:

  • Alles was den Webserver betrifft kann gut ermittelt werden
  • Keine Änderungen an der Website nötig
  • Benötigt keinen Tracking Server

Vorteile der Tagging Methode:

  • Alles was die Benutzer betrifft kann gut ermittelt werden.
  • Es können wesentlich mehr Daten erfasst werden (Umsätze, Warenkörbe, Ziele, …)
  • Tagging kann sehr einfach über Domains, Server und andere Systemgrenzen hinweg eingesetzt werden.
  • Läuft im Client und erzeugt damit keine Last auf dem Weberver
  • Erhebt auch Daten von Nutzern hinter Proxies

Welche der Methoden sollten Sie wählen? -> Beide Methoden!

Für Administratoren, die wissen möchten, wann der Google Bot Ihre Systeme unter Last setzt, welche Files wie häufig ausgeliefert werden und welche Fehler dabei entstehen ist die Logfileanalyse hilfreich.

Für Online-Marketing, eCommerce und andere businessorientiere Fragestellungen, bei denen der Benutzer bzw. Kunde und sein Verhalten im Mittelpunkt steht, ist Tagging das Mittel der Wahl. Selbst Benutzer oder besser Browser hinter einem Proxy können mit dieser Methode sehr gut aufgelöst werden, da die Zählung der User mit einem Cookie erfolgt und nicht wie bei der Logfile Analyse anhand der IP Adresse.

Kurz:
Geht’s um den User, dann messen Sie nahe beim User (Tagging Methode)
Geht’s um den Server, dann messen Sie nahe beim Server (Logfile Analyse)

© 2018 |gradlinig_

Theme von Anders Norén↑ ↑