digitalanalytics: moderne Wege die Kunden kennenzulernen

Transkript

1 digitalanalytics: moderne Wege die Kunden kennenzulernen Dr. Darius Zumstein, Leiter eanalytics, Sanitas Krankenversicherung bmpi Trends Zürich,

2 Agenda Einführung in Web Analytics Nutzen von Web Analytics Herausforderungen im Web Analytics Reporting im Web Analytics Ausblick 2

3 Motivation Wachsende Bedeutung des Internets Webauftritte von Unternehmen = unverzichtbare, wichtige Ressource Kommunikation über eigene Websites & Social Media Online Marketing des Unternehmens Kundengewinnung & -bindung über das Web Digitalisierung der Geschäftsprozesse Performance Management Website von Unternehmen Online Marketing & Electronic Business Web Analytics als eine Form der Marktforschung (implizite Datensammlung) Daten sind einfach, günstig, schnell und in grosser Menge zu erheben 3 bmpi Trends

4 Definition Web Analytics Web Analytics ist die Messung, Sammlung, Analyse und Auswertung von Internet-Daten zwecks Verständnis und Optimierung der Web-Nutzung. [Web Analytics Association 2011] Web Analytics ist die Messung und Aus- und Bewertung von Webdaten - mittels Web-Analytics-Software (wie z.b. Google / Adobe Analytics) - um die Website-Nutzung besser zu verstehen - als auch die Analyse von KPIs (Key Performance Indicators) - um die Erreichung website- bzw. geschäftsbezogener Ziele zu überprüfen und - um die Website sowie das ebusiness zu optimieren. [Meier & Zumstein 2012] Im digitalen Zeitalter reduziert sich das Tracking nicht nur auf klassische Websites, sondern umfasst unter anderem auch Web Apps bzw. Native Apps. Daher spricht man zunehmend auch von Digital Analytics bzw. eanalytics. 4 bmpi Trends 2013

5 Web Analytics bei der Sanitas Web Analytics bei der Sanitas beinhaltet die Messung, Sammlung, Verknüpfung & Auswertung sämtlicher Daten, welche auf einer Website der Sanitas (WCMS, egate, Mobile) mittels Adobe SiteCatalyst bzw. TagManager clientmässig erfasst und mit SiteCatalyst oder über das DWH ausgewertet werden. eanalytics ist daten- und systemtechnisch breiter aufzufassen und beinhaltet weiterführende Datenanalysen zusätzlicher Quellen, wie z.b. von anderen Webanalyse-Tools (z.b. Google Analytics) Kampagnen-Tools (z.b. IntelliAd, Google AdWords, AdForm) Kernsystemen (z.b. egate, Syrius) Data Warehouse (z.b. Oracle-Abfragen mittels TOAD/MicroStrategy) Lead-, CRM- und Call-Center-Systeme (z.b. 360, Multi Channel Management) Marktforschung & Usability (z.b. GfK, m-pathy) mittels Methoden (der deskriptiven & induktiven Statistik) und entsprechenden Werkzeugen (wie SPSS) sowie dessen Management & Organisation 5 bmpi Trends 2013

6 Web Analytics bei der Sanitas Adobe SiteCatalyst Tag Manager Web- Analytics- Daten eanalytics Kennzahlen & KPIs Offertenerstellung Vertragsabschluss Secure FTP Web Informationen Web App egate Online-Verkaufsprozess Contact Center Personalisierung Produkteregelwerk / Prämienberechnung Kampagnentracking Operative Daten Data Warehouse Vertriebs- Controlling 6 bmpi Trends 2013 Syrius Legende: Datensammlung Steuerung Pixel/Cookies

7 Architektur von Web Analytics Operative Ebene Content Managers, Editoren, Marketers Analytische Ebene Web Analyst, Business Analyst Strategische Ebene Website Manager CIO, CMO Ebene & Sicht Prozesse & Datenfluss Organisation Personen Managementsicht Datensicht Plan Website-Ziele (Strategie) KPIs Reports & Dashboards Analyze Webkennzahlen Control Act Controlling-Kreislauf Customize Bericht Integration Aufbereitung Speicherung ebusiness Website- & emarketing- Massnahmen Sammlung Web Analytics Tool Logfiles auf Web Server & WA Tool z.b. CRM/ ERP Websitesicht User Clientseitige Datensammlung Page Tagging Serverseitige Datensammlung Andere Daten Besuch Webseite 1 Klicks Webseite 2 Klicks Webseite n Käufe esales Legende Aktionen User/Kunden Datenschicht Unternehmensbezogene Massnahmen Geschäftsprozesse 7 bmpi Trends 2013 Quelle: [Meier & Zumstein 2010, S.10]

8 Web Analytics Tools Web-Analytics-Systeme (clientseitige Tools) 8 bmpi Trends 2013 Google Analytics Etracker Omniture Webtrends Piwik Webtrekk Econda Google Urchin Yahoo! Analytics Nedstat AT Internet Coremetrics Unica Mindlab WiredMinds Eigenentwicklung Anderes Tool 18% 17% 12% 10% 9% 7% 6% 5% 5% 3% 3% 2% 1% 1% 2% 10% 64% Quelle: [Zumstein et al. 2011, S. 13] Google Analytics ist und bleibt mit grossem Abstand die Nummer 1 n=740

10 Website-Nutzung Unbekannt Analyse der Trafficquellen Browser Nutzung URL- von Lesezeichen Eingabe Suchmaschinen SEO SEM (SEA) Suchbegriffe Suchresultate Suchbegriffe Keyword Advertising (AdWords) Verweisende Websites Bezahlte Hyperlinks zu Website Banner Normale Hyperlinks zu Website Traffic-/Zugriffsquellen Direct Traffic (Direktzugriffe) Organic Search Traffic (Suchmaschinenverweise) Paid Search Traffic Paid Traffic (Verweise von Kampagnen) Arten von Website-Traffic Referral Traffic (Verweise von externen Websites) Analyse der Zugriffsquellen Web Analytics Analyse der Einstiegsseiten Einstiegsseiten Plan Analyze Act Control Web Analytics & Web Controlling: Analyse & Steuerung der Website-Nutzung Analyse der Inhaltsnutzung Analyse der Ausstiegsseiten Besuchte Webseiten Ausstiegsseiten 10 bmpi Trends 2013 Quelle: [Zumstein 2012, S.92]

11 Nutzenpotentiale des Web Analytics Mit Web Analytics optimiert man das emarketing 11 bmpi Trends 2013 Analyse Website-Nutzung Analyse User-Verhalten Optimierung Online-Werbekampagnen Überprüfung Website-Ziele Suchmaschinenoptimierung (SEO) Suchmaschinenmarketing (SEM) Verbesserung Navigation Verbesserung Content Verbesserung Usability Planung, Entscheidung & Kontrolle Besucher-/Kundensegmentierung Erhöhung Kundennähe/-verständnis Kundengewinnung Prozessoptimierung Kundenbindung Verbesserung Design 29% 28% 28% 26% 29% 19% 21% 18% 18% 15% 52% 45% 46% 46% 44% 81% 37% 32% 34% 33% 30% 40% 41% 38% 39% 33% 33% 31% 31% 29% 33% 16% 1% 1% 10% 3% 2% 11% 6% 5% 15% 15% 15% 21% 20% 22% 20% 23% 28% 29% 28% 29% 35% 5% 4% 4% 4% 7% 5% 7% 3% 7% 4% 8% 4% 11% 4% 11% 6% 11% 5% Stimme voll zu Stimme eher zu Stimme eher nicht zu Stimme nicht zu Weiss nicht / keine Angabe Quelle: [Zumstein et al. 2011, S. 15] 14% 14% 14% 16% 5% 6% 6% 4% n=740

12 Messung von Website-Zielen Leadgenerierung & Kundengewinnung 51% 28% 11% 6% 4% Kundenbindung & Kundenentwicklung 31% 39% 18% 8% 4% Information 34% 34% 19% 8% 5% Kundengewinnung & esales sind die wichtigsten Ziele Kommunikation Transaktion Branding Website-Nutzung 31% 48% 30% 33% 35% 16% 32% 26% 21% 13% 24% 17% 8% 4% 17% 6% 10% 3% 20% 4% Self Service & Administrationskostenreduktion 14% 23% 35% 24% 5% Rekrutierung 11% 21% 33% 30% 5% Wichtiges Ziel Eher wichtiges Ziel Eher unwichtiges Ziel Kein Ziel Weiss nicht / keine Angabe Quelle: [Zumstein et al. 2011, S. 28] n= bmpi Trends 2013

13 Mit Web Analytics erreicht man Ziele Erreichung von Website-Zielen durch Web Analytics Ja, Web Analytics hilft uns sehr, Website-Ziele zu erreichen 39% Ja, Web Analytics hilft uns teilweise, Website-Ziele zu erreichen 52% Nein, Web Analytics hilft uns wenig, Website-Ziele zu erreichen Nein, Web Analytics hilft uns nicht, Website-Ziele zu erreichen 1% 8% eanalytics hilft in 10 von 11 Fällen zur Zielerreichung Quelle: [Zumstein et al. 2011, S. 29] n= bmpi Trends 2013

15 Herausforderungen im Web Analytics Stimme voll zu Stimme eher zu Stimme eher nicht zu Stimme nicht zu Weiss nicht / keine Angabe Knackpunkte im eanalytics: Interdisziplinarität & Datenschutz Interdisziplinäre Zusammenarbeit Datenschutz Mangel an Zeit / Budget Definition & Messung Website-Ziele 19% 14% 9% 8% 42% 29% 28% 26% 25% 32% 25% 19% 14% 6% 26% 6% 34% 3% 31% 4% Fehlende Standardisierung von 5% 26% 34% 26% 9% Integration 8% 22% 29% 29% 12% Datensicherheit 7% 20% 31% 35% 7% Interpretation der Daten & Metriken 4% 23% 34% 36% 3% Fehlerhafte Daten & Metriken 4% 22% 38% 28% 8% Mangel an Know-How & Wissen 5% 20% 29% 43% 2% Implementierung & Betrieb 5% 17% 27% 47% 5% 15 bmpi Trends Quelle: [Zumstein et al. 2011, S. 23] n=740

17 Webkennzahlen Stufe B - Transaktion Click Rate Ad Click Rate Webmetriken der Stufe D Information Webmetriken & Webkennzahlen der Stufe Information & Transaktion Anzahl Seitenzugriffe (Page Views) Verweildauer auf Seite (Time on site) Reichweite (Reach) Anzahl Besucher (Visitors) Anzahl Besuche (Visits) Stickiness Webseiten Abfolge Seitenzugriffe (Clickstream) Besuchstiefe (Depth) Besuchsdauer (Duration) Besuchsfrequenz Absprungrate (Bounce Rate) Ausstiegsseite Suchmaschinen Einstiegsseite Warenkorb Bestellung Produktseite Externe Links Bookmarks & URL Online- Werbung Display Click Rate Bestellrate Click-to-Basket Rate Konversionsrate Werbe-Konversionsrate Basket-to-Buy Rate Kauffrequenz & Kaufaktualität Anzahl (wiederkehr. & neuer) Kunden Online-Umsatz (z.b. pro Besuch/Bestellung/Kunde/Bes ucher) Legende: Webkennzahl Webkennzahl-Verhältnis (Rate) Key Performance Indicators (KPIs) 17 bmpi Trends Quelle: [Meier & Zumstein et al. 2011, S. 18]

18 Reporting als eine Hauptaufgabe des Web Analytics Regelreporting Regelmässiges, wiederkehrendes Reporting: z.b. (zwei-)wöchentlich, monatlich; Meistens in Form von Powerpoint bzw. PDF An Mitglieder der Direktion & Geschäftsleitung => Strategisch: Fokus auf das Wesentliche, wenige KPIs, Plan-Ist-Vergleich An mehrere Mitarbeiter von Abteilungen, z.b. Vertrieb & Produktmanagement => Operativ: Detailanalysen, diverse Kennzahlen, zielgruppen-/themenbezogen AdHoc Reporting Unregelmässige, einmalige und konkrete Anfragen einzelner Mitarbeiter Beispiele: Performance, Auffälligkeiten & Trends von einzelnen Produkten Websites & Webseiten (z.b. Microsites, Content Groups, Einstiegsseiten) Online-Marketing-Kampagnen (z.b. Banner, AdWords, Newsletter) Regionen (z.b. Besucher aus Kanton Zürich, Zuzüger aus dem Ausland) Besuchermerkmale (z.b. Alter, Geschlecht, Herkunft, Gesundheitszustand) 18 bmpi Trends

19 Trend Prämienrechner & Offerten 1800 Erwägung (Offerten) Interesse (Prämienrechner) 12 K K K 0 K 19 bmpi Trends

20 Trend Conversions Rates 3% Conversion Rate 1 (gesamter Verkaufsprozess) Conversion Rate 2 (innerhalb Verkaufsprozess) 15% 2% 10% 1% 5% 0% 0% 20 bmpi Trends

21 Produktanalyse Beispiel 1 Offerten (pro Produkt) 21 bmpi Trends

22 Produktanalyse Beispiel 2 Offerten (pro Produkt) 22 bmpi Trends

23 Risk Check OK und NOT OK Anzahl Risk Checks Risk Check NOT OK Risk Check OK 23 bmpi Trends

24 Learnings aus dem Reporting im Web Analytics Reports sollen zielgruppenbezogen & themenbezogen sein die richtige & wichtige Information zum richtigen Zeitpunkt im richtigen Kontext an den richtigen Adressat (Verteiler) Reports sollten auch massnahmen- & handlungsorientiert sein 4-Augen-Prinzip hilft bei der Qualitätssicherung (z.b. bei GL-Reporting) Transparenz ist auch im Reporting wichtig, z.b. Datenquellen (Angabe von Quellsysteme und Reportingperiode) Datenaufbereitung Datenvisualisierung Kommunikation Reporting ersetzt nicht Fachwissen oder Know-how Reporting beeinflusst das Erwartungsmanagement 24 bmpi Trends

26 Take Aways Heutzutage stellt sich nicht mehr die Frage, ob Unternehmen Web Analytics Tools einsetzen, sondern wie & wozu Tools sind ausgereift, benutzerfreundlich & werden ständig weiterentwickelt liefern automatisiert viele wertvolle Daten zum Nutzungs-/Nutzerverhalten auf jeder Art von Website Dank Web Analytics Tools können alle Klicks auf der Website gemessen Formular-, Bestell- und Transaktionsprozesse optimiert Zielgruppen zielgerichtet & individualisiert angesprochen und die emarketing Instrumente effizient(er) eingesetzt werden Reporting ist eine wichtige Aufgabe des Web Controllings und muss abgestimmt, transparent und verständlich sein, wobei die richtige Info, zum richtigen Zeitpunkt an den richtigen Empfänger geht 26 bmpi Trends

27 Ausblick Website Zukünftige Themen im digitalen Umfeld Mobile Management & Mobile Analytics Häufigere Nutzung mobiler Geräte als stationäre Mobile Traffic überstieg erstmals Website Traffic Entwicklung & Tracking von (Web) Apps Mobile Marketing & Performance Measurement Mobile Entwicklung einer datengetriebenen Entscheidungs- & Unternehmenspolitik Big Data Daten als wichtiger Produktionsfaktor Verknüpfung von Daten des Web Analytics für Erkenntnisgewinn Integration verschiedener Datenquellen 27 bmpi Trends

28 Literatur Haberich, R.: Future Digital Business, mitp, Heidelberg, Hassler, M.: Web Analytics Metriken auswerten, Besucherverhalten verstehen. 3. Auflage, mitp, Heidelberg, Kaushik, A. (2009) Web Analytics Wiley, NY, Meier, A., Zumstein, D.: Web Analytics Ein Überblick, dpunkt, Heidelberg, Meier, A., Zumstein, D.: Web Analytics & Web Controlling Webbasierte Business Intelligence zur Erfolgssicherung, 1. Auflage, dpunkt, Heidelberg, Juli Zumstein, D.: Web Analytics Explorative Analyse zu Einsatz, Nutzen & Problemen, Dissertation, Universität Fribourg, Zumstein, D., Züger, D., Meier, A.: Web Analytics in Unternehmen Empirische Untersuchung u ber den Einsatz, Nutzen und die Probleme der Webanalyse im deutschsprachigen Markt, Uni Fribourg, Links Website zum Buch: Digital Analytics Association: emetrics: Die Konferenz zum Thema: Guide für Web Analytics Tools: 28 bmpi Trends 2013

29 Kontakt Dr. Darius Zumstein (Master of Arts in Management) Leiter eanalytics, Einheit Digital, Sanitas Krankenversicherung XING Adresse Sanitas Krankenversicherung, Jägergasse 13, 8021 Zürich Mobile bmpi Trends 2013