Conversion Rates richtig interpretieren: 3 Tipps worauf zu achten ist

Die Conversion Rate ist eine der wichtigsten KPIs für Websites und Apps. Höhere Conversion Rates bei gleichbleibender Investition bedeuten mehr Gewinn. “Gute” (und das ist der Knackpunkt, was ist “gut”?) Conversion Rates einzelner Kanäle oder Landingpages entscheiden über Marketingbudgets. Geschätzte Conversion Rates geplanter Projekte entscheiden über die Gewinnerwartung. Umso wichtiger ist es, bei der Analyse und beim Reporting genau hinzuschauen, richtig zu interpretieren und exakt zu kommunizieren.

Von Äpfeln und Birnen

Es ist übrigens durchaus möglich, Äpfel mit Birnen vergleichen, auch wenn die bekannte Redewendung anderes rät. Wichtig ist dabei, das Augenmerk auf die Unterschiede zu legen. Klingt kompliziert?

In der Webanalyse wird häufig zunächst eine Conversion Rate “overall” betrachtet, zum Beispiel die eines Online Shops. Sagen wir sie liegt bei 1,3%. Diese Zahl steht so mit hoher Wahrscheinlichkeit in vielen Reportings, doch was sagt sie uns? Nun, zunächst einmal sagt sie uns, dass von allem generierten Traffic 1,3% konvertieren (also ein Formular ausfüllen, etwas bestellen, das genaue Ziel tut für diese Betrachtung nichts zur Sache). Ist das gut? Ist das schlecht? Wäre mehr drin? Und wenn ja, wo finde ich die Potenziale? Ich finde sie, indem ich die Äpfel getrennt von den Birnen betrachte.

Keine Zeit für lange Texte? Die komplette Checkliste findet Ihr unten.

Beispiel 1: Achtung Ausreißer

In 1000 Folgen Tatort gab es im Schnitt 2,3 Leichen. 2014 und 2016 jedoch, war die durchschnittliche Anzahl Tote pro Tatort bei über 4 und das, owbohl die meisten Folgen in diesem Jahr durchaus eher bei den üblichen 2,3 Toten lag. In diesen Jahren gab es also gar keinen generellen Trend, mehr Opfer in eine Folge zu packen – es sorgten Ausnahme-Folgen mit über 20 Toten, in einem Fall sogar 51 Toten (“Im Schmerz geboren”) für eine über das Jahr addiert höhere Anzahl. Durch diese einzelnen “Ausreißer” erhöhte sich auch der Durchschnitt.

In der Statistik bezeichnet man Datenpunkte, die nicht in den Rest der Datenreihe passen, als Ausreißer. Bei jeder Analyse sollte man daher darauf achten, ob eventuell Anomalien bei einzelnen Datenpunkten bestehen, die den Durchschnitt verfälschen können.

Bei einem Unternehmen mit starker Präsenz in bestimmen Regionen, eventuell sogar mit Ladengeschäften, ist ein anderes Verhalten von regional ansässigen Nutzern zu erwarten, als von anderen. Solche Thesen lassen sich leicht prüfen, indem man die Standorte der Zugriffe näher betrachtet:

Mehr über die Darstellung geographischer Verteilung könnt ihr hier lesen.

Beispiel 2: Unterschiedliche Voraussetzungen

Immer ein guter Tipp bei der Analyse von Kennzahlen ist die Aufteilung nach Geräten (Google Analytics / Zielgruppe / Mobil). In vielen Fällen sind die Conversion-Werte von Nutzern, die über ihren Desktop Computer die Seite besuchen, sehr viel besser, als bei Handy oder Tablet Nutzern. Das liegt teilweise an schlechten mobilen Websites, häufig kommen mobile Nutzer auch zu einem späteren Zeitpunkt über Desktop-Geräte wieder. Mobile Nutzer wollen sich vielleicht auch erstmal nur einen schnellern Überblick verschaffen oder haben weniger Zeit, da sie nur eine Busfahrt überbrücken oder Ähnliches. Die verschiedenen Geräte kann man sich als die sprichwörtlichen der Äpfel und Birnen vorstellen. Im Beispiel unten kann man sehen, das eine Gerätekategorie, hier das Tablet, bedeutend schlechter abschneidet. Hat man so einen faulen Apfel (okay, der Vergleich hinkt ein wenig) gefunden, hat man einen ersten Ansatz um Ursachenforschung und seine KPI zu verbessern.

Dieses Spiel kann man mit Hilfe von Segmentierung (in Google Analytics – Klick auf “Sekundäre Dimension”) soweit ins Detail treiben wie man möchte (“Drill-Down”), zum Beispiel kann man sich spezifische Modelle oder Browser in der Betrachtung raussuchen und dann selbst testen, ob eventuell Layout- oder Funktionsfehler vorliegen.

Beispiel 3: Von Musterschülern und Sorgenkindern

Die Wahrscheinlichkeit, mit der ein Nutzer konvertiert (denn Conversion Rates sind natürlich auch genau das, angenommene Wahrscheinlichkeiten für die Zukunft) hängt stark damit zusammen, woher er kommt. Auf was hat er geklickt, auf welche Botschaft hat er reagiert? Wo im Web hat er gerade gesurft, was war seine Intention? Hier kommt die Quellen-Analyse ins Spiel, das bedeutet Websiten, Werbekanäle, konkrete Kampagnen. Der Bericht “Akquisition / Alle Zugriffe / Quelle Medium” dürfte unter Online Marketern zu den häufigsten Bookmarks gehören. Aber auch hier ist Vorsicht geboten! Denn die Conversion Rates pro Kanal können  – und sollten sogar stark voneinander abweichen. Je nach dem, wie viele Kampagnen ich auf bestimmten Kanälen spiele, ist eine Steigerung oder Abnahme der overall Conversion Rate absolut logisch. Nicht immer bedeuten hier Steigerungen etwas Gutes und Verluste etwas Schlechtes.

Nun soll es hier jedoch nicht um die Beurteilung einzelner Marketing Kanäle gehen, sondern um die Fallen, in die man bei selbiger tappen kann.

Traffic Peaks können die Conversion Rates senken

Beispiel erhöhte Reichweite: wird die eigene Website zufällig von einer Autorität der Branche erwähnt, oder eine erste TV Kampagne läuft an, so kann sich der Traffic einer Seite punktuell stark erhöhen (Grafik unten). Was hier extrem dargestellt ist, gilt jedoch auch für Standard-Reichweite-Kampagnen. Ist mein Ziel zunächst, viele Nutzer auf eine Seite aufmerksam zu machen, auch wenn sie in ihrer Customer Journey noch gar kein Interesse an meinem Conversion Ziel haben, kann meine Conversion Rate bei steigendem Traffic sinken. Das ist dann absolut in Ordnung.

In diesem Fall ist es wichtig, Nutzer die über solche Aufmerksamkeits-Aktionen auf meine Seite gekommen sind zu unterscheiden von jenen, die etwa auf eine konkrete Produktanzeige geklickt haben.

https://www.youtube.com/watch?v=WRfHDhcZn8s

Ein lustiges youtube Video, das neugierig auf den Urheber macht zum Beispiel, kann zu vielen Klicks ohne Conversion führen, und das ist okay – vor allem wenn man verstärkt auf Remarketing setzt oder andere Micro-Conversions für solche Nutzer platziert.

Ist YouTube ein schlechter Kanal, da seine Conversion Rate so weit unter dem Durchschnitt liegt? Sicherlich nicht.

Ähnlich sieht es bei den Musterschülern unter den Traffic Kanälen aus. Email Marketing etwa ist häufig ein Kanal mit sehr hohen Conversion Rates. Das liegt in der Natur der Sache, hier tummeln sich Stammkunden, die das Angebot bereits kennen und zu schätzen wissen. Natürlich bedeutet das, dass Email-Marketing so weit möglich ausgereizt werden sollte. Skalieren kann es jedoch nur, wenn immer mehr neue Nutzer sich für Newsletter anmelden. Und woher bekommt man neue Nutzer? Über Kanäle mit geringerer Conversion Rate (es sei denn natürlich, Newsletter-Anmeldungen würden hier als Primärziel betrachtet).

Checkliste Conversion Rate Analyse:

Um ein umfassendes Bild zu erhalten, sollte die Kennzahl aus verschiedenen Blickwinkeln betrachtet werden:

  1. Gerätekategorien getrennt betrachten – gibt es Usability Schwächen oder Designfehler?
  2. Geographische Analyse durchführen – gibt es Orte, an denen ich erfolgreicher bin und kann ich mein Marketing entsprechend anpassen?
  3. Weitere Zielgruppensegmente einzeln analysieren, etwa Geschlecht, Browser etc. – welche weiteren Potenziale oder Schwächen lassen sich aufdecken?
  4. Marketing-Kanäle unterscheiden – wo muss ich genauer hinschauen und optimieren?
  5. Conversion Rate Entwicklung dem Traffic gegenüberstellen – gibt es kausale Zusammenhänge?
  6. Conversion Rate Entwicklung dem Umsatz bzw. Conversion-Wert gegenüberstellen – spiegelt der tatsächliche Wert die Entwicklung wider?
  7. Website-Veränderungen (Design oder Technik) in der Zeitachse markieren und mit Veränderungen der Conversion Rate abgleichen – sind hier Ursachen für Entwicklungen zu finden?
  8. Conversion Rate im Year-over-Year Vergleich betrachten – gibt es wiederkehrende saisonale Schwankungen?