Beschreibung
Wer jemals vor einem Webanalyse-System oder einem Analyse-Bericht saß und nicht wusste, womit und wie man anfängt, für den ist dieses Buch gedacht. Tom Alby hilft Ihnen dabei zu verstehen, wie eine professionelle Analyse von Anfang bis Ende abläuft. Unabhängig davon, welches System Sie verwenden oder ob Sie Informatik studiert haben oder nicht: Machen Sie sich mit den grundlegenden Denkansätzen und Herangehensweise der Webananalyse vertraut. Denn nur wer segeln gelernt hat, kann dann später auch jede Yacht über den Ozean steuern. Aus dem Inhalt: ZieldefinitionWie funktioniert Tracking?Hits, Seitenaufrufe, SitzungenDatenschutz (aktuell zur DSGVO)Statistik-GrundlagenAbsprungrate und Akquise-Kanäle verstehenKampagnenerfolge auswertenTesten und A/B-TestsReporting: Berichte erstellenDashboardsLösungen für typische Probleme
Autorenportrait
om Alby ist Chief Digital Transformation Officer bei dem Kreditversicherer "Euler Hermes" für Deutschland, Österreich und die Schweiz. Er unterrichtet Datenanalyse als Lehrbeauftragter an der Hochschule für Angewandte Wissenschaften Hamburg (HAW).
Inhalt
1.1 ... Was ist Webanalyse? ... 25
1.2 ... Ohne Ziele keine Analyse ... 25
1.3 ... Ziele nach dem S.M.A.R.T.-Prinzip ... 27
1.4 ... Die Gewinnerzielungsabsicht ... 28
1.5 ... Business Value Generation: der Antrieb ... 28
1.6 ... Was, wenn es nicht direkt um Geld geht? ... 29
1.7 ... Findet ein gutes Tool nicht selbst heraus, was wichtig ist? ... 30
1.8 ... Vanity Metrics ... 30
2.1 ... Ziele, KPIs und Metriken ... 33
2.2 ... Von Daten zur Aktion ... 35
3.1 ... Tool einbinden und fertig? ... 41
3.2 ... Warum Technik verstehen? ... 42
3.3 ... Wie sich zwei Maschinen unterhalten ... 42
3.4 ... Server- und Client-basiertes Tracking ... 43
3.5 ... Andere Formen des Trackings ... 47
3.6 ... Tag-Management-Systeme ... 47
4.1 ... Nutzer sind eigentlich Browser ... 49
4.2 ... Was sind eindeutige Nutzer? ... 51
4.3 ... Geräteübergreifendes Tracking ... 52
5.1 ... Hits ... 55
5.2 ... Seitenaufrufe ... 57
5.3 ... Sitzung ... 57
5.4 ... Zeitliche Definition einer Sitzung ... 59
5.5 ... Was ist die ideale Sitzungsdauer? ... 59
5.6 ... Die Rolle des Nutzers ... 60
6.1 ... Was ist der Unterschied? ... 61
6.2 ... Beispiele für Analysen mit Rohdaten ... 62
6.3 ... Rohdaten mit R abfragen, transformieren und auswerten ... 63
7.1 ... Unterschied zwischen Dimensionen und Metriken ... 69
7.2 ... Umfang/Scope verstehen ... 71
7.3 ... Eigene Dimensionen und Metriken ... 72
8.1 ... Was sind Ereignisse? ... 75
8.2 ... Beispielereignisse ... 75
8.3 ... Der Ereignisplan ... 77
8.4 ... Einsatz einer Datenschicht ... 78
9.1 ... Warum ein Tracking-Plan? ... 81
9.2 ... Der Tracking-Plan im Detail ... 82
9.3 ... Vom Tracking-Plan zum Tagging-Plan ... 83
10.1 ... Entscheidungsfaktoren ... 85
10.2 ... Google Analytics ... 86
10.3 ... Adobe Analytics ... 87
10.4 ... Matomo ... 88
10.5 ... Hotjar ... 89
11.1 ... Keine Rechtsberatung ... 91
11.2 ... Warum überhaupt Datenschutz? ... 91
11.3 ... Was ist schlimm an der Datensammlung im Internet? ... 92
11.4 ... Datenschutz und Webanalyse ... 93
12.1 ... Warum Umfragen in einem Buch über Webanalyse? ... 95
12.2 ... Vor- und Nachteile von Umfragen ... 95
12.3 ... Fallstricke ... 97
12.4 ... Wie wird es richtig gemacht? ... 99
13.1 ... Warum Statistik? ... 103
13.2 ... Verteilungen ... 103
13.3 ... The mean Mean ... 104
13.4 ... Alternativen zum arithmetischen Mittel ... 107
13.5 ... Standardabweichung ... 108
13.6 ... Korrelationen ... 110
14.1 ... Warum die Verweildauer meistens falsch gemessen wird ... 113
14.2 ... Ist die Verweildauer überhaupt ein guter KPI? ... 115
14.3 ... Warum Interaktionen besser sind ... 115
15.1 ... Definitionen der Absprungrate ... 119
15.2 ... Nutzen der Absprungrate ... 120
15.3 ... Unterschied zwischen Absprungrate und Ausstiegsrate ... 121
16.1 ... Was sind Segmente und warum sind sie wichtig? ... 123
16.2 ... Wie findet man relevante Segmente? ... 125
16.3 ... Mengenlehre ... 125
17.1 ... Was ist ein Akquisekanal? ... 129
17.2 ... Direkt ... 130
17.3 ... Organische Suche ... 130
17.4 ... Suchmaschinen-Marketing ... 134
17.5 ... Display ... 136
17.6 ... Affiliate ... 137
17.7 ... E-Mail ... 137
17.8 ... Social ... 138
17.9 ... Referral ... 138
17.10 ... Benutzerdefinierte Kanäle ... 138
18.1 ... Was ist Erfolg? ... 141
18.2 ... Kampagnen-Tagging ... 141
18.3 ... Die Währungen im Online-Marketing ... 142
18.4 ... Customer Journey versus Datensilos ... 144
19.1 ... Warum ist Attribution wichtig? ... 145
19.2 ... Statische Attributionsmodellierung ... 146
19.3 ... Beispiel First Click versus Last Click ... 147
19.4 ... Vor- und Nachteile statischer Attributionsmodelle ... 148
19.5 ... Dynamische Attributionsmodellierung ... 149
20.1 ... Warum ist die interne Suche interessant? ... 151
20.2 ... Welche KPIs sind wichtig? ... 152
20.3 ... Wie darstellen? ... 153
20.4 ... Beispiel einer Auswertung in Google Analytics ... 154
20.5 ... Wie wird eigentlich Relevanz gemessen? ... 155
21.1 ... Datengetriebene Hypothesen und kontinuierliches Testen ... 159
21.2 ... Welcher Test zuerst? ... 160
22.1 ... A/B-Tests ... 163
22.2 ... Multivariate Tests ... 163
22.3 ... Unterschied A/B/n-Test und multivariater Test ... 164
22.4 ... Wie groß muss ein Sample sein? ... 166
22.5 ... Vorgehensweisen im Testing ... 166
22.6 ... Aufsetzen eines Tests ... 167
23.1 ... Was genau ist statistische Signifikanz? ... 169
23.2 ... Frequentists versus bayessche Inferenz ... 171
23.3 ... A/A-Tests ... 173
24.1 ... Produktivitätskiller Reporting ... 177
24.2 ... Ziele der Stakeholder verstehen ... 178
24.3 ... Zweck des Reports definieren ... 178
24.4 ... Top-down-Methode ... 180
24.5 ... Benchmarking ... 180
24.6 ... Prognosen ... 180
24.7 ... Storytelling mit Daten ... 181
24.8 ... Signale vom Rauschen trennen ... 181
25.1 ... Vorsicht, Diagramm! ... 183
25.2 ... Welches Diagramm für was? ... 185
25.3 ... Liniendiagramm ... 185
25.4 ... Säulendiagramm/Balkendiagramm ... 186
25.5 ... Histogramm ... 187
25.6 ... Scatterplot ... 187
25.7 ... Bubble Chart ... 188
25.8 ... Boxplot-Diagramm ... 189
26.1 ... Was ist der Unterschied zu einem Report? ... 191
26.2 ... Best Practices ... 191
27.1 ... Was ist eine Persona? ... 197
27.2 ... Einschränkungen eigener Daten ... 198
27.3 ... Personas aus Nutzungsdaten ... 199
27.4 ... Demografische Daten ... 201
28.1 ... Voraussetzungen ... 203
28.2 ... Fallstricke ... 204
28.3 ... Analyseansätze ... 205
29.1 ... Klicks versus Sitzungen ... 209
29.2 ... Unterschiedliche Integration ... 210
30.1 ... Was ist der Bestätigungsfehler? ... 213
30.2 ... Was hilft gegen den Bestätigungsfehler? ... 214
