3 Conversion- Frameworks (S. 57-58)

3.1 Die Entscheidung aus Kundensicht

Wir wissen, dass der Klick des Nutzers das ist, was wir als Konversion bezeichnen. Wenn wir Konversionsraten ändern möchten, müssen wir also verstehen, warum manche Nutzer klicken und viele andere nicht. Was steuert also das Verhalten der Nutzer? Welche Faktoren sind für einen Klick oder den Klick verantwortlich? Wir müssen zielsicher diese Faktoren kennen. Wir müssen aus den Augen der Nutzer schauen, um ihr Verhalten zu verstehen.

Das Verstehen von Nutzerverhalten ist die Grundlage für das Beherrschen des Mechanismus. Im Sinne von Ursache und Wirkung beginnt an dieser Stelle die Optimierung, bei der es letztlich darum geht, das Verhalten der Nutzer zu den eigenen Gunsten zu verändern. Wie findet man nun die Ursachen für das Verhalten der Nutzer? Wie erklärt man sich die bestehenden Klicks und Abbrüche, die man im Webanalysesystem messen kann? Dabei gibt es drei Probleme, die im Folgenden erläutert werden sollen.

3.1.1 Das Datenproblem

Die übliche Vorgehensweise zum Ermitteln von Schwachstellen und Bilden von Hypothesen ist ein Blick der Verantwortlichen in Ihr Webanalysesystem. In den letzten Jahren sind diese Systeme immer leistungsfähiger geworden und können eine Unmenge an Daten produzieren. Webanalysesysteme messen, woher ein Besucher kam, wohin er ging, wie viel Zeit dazwischen lag und im Idealfall sogar wohin er seine Maus bewegte. Wenn wir nun das Verhalten nicht bloß von einem Nutzer, sondern gleich von zigtausenden Menschen interpretieren wollen, begegnet uns eine gigantische Datenflut, die es überhaupt zu verstehen gilt.

Was sind überhaupt die richtigen Kennzahlen, um Nutzerverhalten zu verstehen und zu erklären? Wir beschäftigen uns mit Segmentierungen und Drilldowns. Wir schlagen eine Schneise durch den Datendschungel, stets auf der Suche nach Erklärungen. Dabei werden wir mit einem massiven Problem konfrontiert. Daten erklären uns, was passiert. Was wir sehen, ist eine Quantifizierung, eine Messung dessen, was wir überhaupt messen können. Im Sinne von Ursache und Wirkung ist das Verhalten der Nutzer die Ursache, und die Daten, die wir messen, verbunden mit Handlungen der Nutzer, sind die daraus resultierende Wirkung.

Das Problem dabei ist ganz einfach. Die Daten liefern uns nicht die Erklärung. Sie verraten uns nicht, warum etwas passiert, sie beschreiben nur, was passiert. Die daraus abgeleiteten Hypothesen basieren stets auf unserer eigenen Interpretationen, auf Vermutungen und unseren subjektiven Erfahrungen. Die Gefahr ist sehr groß, dass wir in den Daten das erkennen, was wir ohnehin bereits vermuten.