Google Analytics Konferenz 2013: Angela Fauck, e-dialog: Analytics Kohorten, Korrelationen & Co
Upcoming SlideShare
Loading in...5
×
 

Google Analytics Konferenz 2013: Angela Fauck, e-dialog: Analytics Kohorten, Korrelationen & Co

on

  • 284 views

Die 3. Google Analytics Konferenz D-A-CH fand vom 7. bis 9. Oktober 2013 im Schloß Schönbrunn in Wien statt. ...

Die 3. Google Analytics Konferenz D-A-CH fand vom 7. bis 9. Oktober 2013 im Schloß Schönbrunn in Wien statt.

International renommierte Webanalyse-Experten präsentierten an drei Tagen aktuelle Themen rund um Google Analytics.

Alle weiteren Veranstaltungen, e-Books und Informationen rund um Webanalyse, Conversion-Optimierung und Search sind auf http://www.e-dialog.at zu finden.

Statistics

Views

Total Views
284
Views on SlideShare
284
Embed Views
0

Actions

Likes
1
Downloads
21
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Google Analytics Konferenz 2013: Angela Fauck, e-dialog: Analytics Kohorten, Korrelationen & Co Google Analytics Konferenz 2013: Angela Fauck, e-dialog: Analytics Kohorten, Korrelationen & Co Document Transcript

  • 22.10.2013 Kohorten, Korrelationen & Co Angela Fauck Definition: was sind Kohorten? Nutzen & Vorteile: was bringt’s? Anwendung: wie wird’s gemacht? Beispiel aus der Praxis 1
  • 22.10.2013 Erste theoretische Grundlage: K. Mannheim (1928/29): Das Problem der Generationen. Kölner Vierteljahreshefte der Soziologie 7: 157-185, 209-330 Definition: Eine Menge von Untersuchungseinheiten, die durch einen gemeinsamen Startpunkt gekennzeichnet wird. User führen eine bestimmte Aktion zum gleichen Zeitpunkt zum ersten Mal durch: Erster Aufruf der Website Registrierung Erste Bestellung im Webshop •  First Entry Cohort  Registration Cohort  First Order Cohort Das Datum der Aktion (z.B. 20130508) muss an jeden User in jedem Visit angehängt werden – unabhängig davon, ob er eingeloggt ist oder nicht. 2
  • 22.10.2013 Wie wird´s gemacht? • Segment erstellen • Datum des ersten Besuchs in KW einteilen • Kohorten vor Relaunch vs. nach Relaunch 3
  • 22.10.2013 First Entry Kohorten im Zeitverlauf • First Entry KW5: Kohorte aller User, die in KW5 die Website zum ersten Mal besucht haben • First Entry KW6: Kohorte aller User, die in KW6 die Website zum ersten Mal besucht haben Der Mehrwert von Kohorten First Entry Date erlaubt die Zuordnung der User zu Kohorten nach Kalenderwoche. Ergebnis: Optimierungsmaßnahmen führen insgesamt zu höheren Retention Rates. 4
  • 22.10.2013 Grafische Darstellung • User, die nach dem Relaunch das erste Mal die Website besuchen, kamen danach öfter wieder Beispiel aus der Praxis Die AdWords Kampagnen-Strategie wurde umgestellt. Was hat´s gebracht? 5
  • 22.10.2013 Wie wird´s gemacht? • Deutlich mehr Besuche nach der Umstellung Ab hier: Neue Kampagnen-Strategie • Können Besucher durch die neue Strategie auch länger an die Website gebunden werden? 6
  • 22.10.2013 Retention Rate • Höhere Retention Rate vor der Umstellung Ab hier: Neue Kampagnen-Strategie • Neue Strategie spricht kurzfristig mehr User an • User, die durch AdWords-Kampagnen in KW28/29 das erste Mal die Website besuchen, kamen danach öfter wieder 7
  • 22.10.2013 Definition: was sind Korrelationen? Nutzen & Vorteile: was bringt’s? Anwendung: wie wird’s gemacht? Beispiel aus der Praxis Korrelationsanalyse Definition: Eine Korrelation beschreibt eine Beziehung zwischen zwei oder mehreren Variablen. Zusammenhänge in den Webanalyse-Daten erkennen Unsicherheiten minimieren (aufgrund statistisch signifikanter Ergebnisse) „An den richtigen Schrauben drehen!“ 8
  • 22.10.2013 Bsp. positiver Zusammenhang 1 eCommerce Revenue r 0 Non-Branded SEO Traffic -1 eCommerce CR Bsp. negativer Zusammenhang 1 0 r Traffic -1 9
  • 22.10.2013 NL Opt-In-Rate Bsp. kein Zusammenhang 1 0 r Traffic -1 Hypothese : Die Verwendung der internen Suche hat einen positiven Einfluss auf die Anzahl der Bestellungen „richtige Schraube“: User, die die interne Suche verwenden, bestellen öfter Empfehlung: Interne Suche analysieren und promoten 10
  • 22.10.2013 Grenzen der Korrelationsanalyse • Kleine kausale Beziehung • Einfluss dritter Variablen Beispiel: In Sommern mit hohem Speiseeisumsatz treten viele Sonnenbrände auf • Falsche Schlussfolgerung: Je mehr Eis gegessen wird, desto mehr Sonnenbrände gibt es Von der Korrelation zum Kausalzusammenhang • Korrelation: Hinweis, ob zwei statistische Größen ursächlich miteinander zusammenhängen könnten • Kausalität durch Regression: beschreibt den Zusammenhang, kann ihn aber nicht erklären 11
  • 22.10.2013 Deshalb 2. Step: Regressionsanalyse Alle relevanten Variablen in ein Modell packen, Wechselwirkungen analysieren und Vorhersagen treffen können. Var Var Var Predicting Conclusion Beispiel für eine predicting conclusion • Ich habe ein bestimmtes Budget zur Verfügung: • Welcher Marketing Mix wirkt sich im Rahmen dieses Budgets am effektivsten auf meinen Umsatz aus?  Regressionsanalyse zeigt, dass AdWords Schaltungen in Höhe von 5.000€ in Kombination mit TV Spots zwischen 20 und 21 Uhr am Wochenende am Zielführendsten sind. 12
  • 22.10.2013 Fazit Kohorten- und Korrelationsanalysen bilden ein mächtiges Instrument zum Aufdecken von Zusammenhängen in der Webanalyse … bei der Umsetzung helfen wir gerne! 13