CRO-Analytics: 10 Google-Berichte, die bei der Conversion-Rate-Optimierung helfen

Verwenden Sie Google Analytics für CRO? Wenn ja, bietet es eine Fülle von Erkenntnissen, die Ihnen bei der Optimierung helfen können. Die mit Analytics gesammelten Erkenntnisse helfen Ihnen dabei, Bereiche zu finden, die für A/B-Tests in Frage kommen, sowie Hinweise für generelle Stellschrauben für die Umsatzsteigerung.  

In diesem Artikel werden einige der wichtigsten Google Analytics-Berichte für die Conversion-Rate-Optimierung vorgestellt.

Inhaltsverzeichnis

1. Conversions nach Browser und Betriebssystem

2. Conversions nach Gerät

3. Website-Geschwindigkeits-Metriken nach Browser & Browser-Version

4. Website-Site Search

5. Konvertierung nach Akquisitionsquelle

6. Conversions und Traffic nach Tageszeit

7. Leistung der Landing Page

8. Verhaltensdaten nach Content Post

9. Sitzungen nach Landing Page

10. Verhalten nach Ereignisverfolgung

Was kommt nach der Analyse

1. Conversions nach Browser und Betriebssystem

Wenn Sie in Google Analytics nach CRO-Möglichkeiten für Ihre Website suchen, sollten Sie immer zuerst nach low hanging fruits suchen.

Im Allgemeinen bedeutet dies, dass Sie Dinge finden, die defekt sind. Sie müssen nur behoben werden, und die Conversions steigen (zumindest in der Theorie).

Es gibt zwei Berichte, die sich hervorragend dazu eignen: der Browser- und der Browserversions-Bericht.

In dem Screenshot könnte man sich zum Beispiel fragen, warum wir in der Android Webview eine so schlechte E-Commerce-Rate haben. Analytics gibt darauf keine Antwort aber zeigt uns, wo wir auf jeden Fall mal schauen sollten, was da nicht stimmt.

Was Sie zunächst suchen, sind Trends auf hoher Ebene. Ist die Conversion-Rate eines bestimmten Browsers viel niedriger als die aller anderen? Wenn ja, können Sie auf diesen Browser klicken, um die Versionen aufzuschlüsseln und zu sehen, ob es bestimmte Versionen gibt, die die Gesamt-Conversion-Rate senken.

Im vorliegenden Browserversions-Bericht von Chrome fällt auf, dass die Conversion-Rate seit Version 91.0.0000000 stark zurückgegangen ist. Da sollte man im ersten Schritt mal genau mit diesen Chrome-Versionen die Seite testen um ggf. darauf aufbauend Anpassungen an der Seite vorzunehmen.

2. Conversions nach Gerät

Das Ziel dieses Berichts ist dasselbe wie das des ersten: low hanging fruits in Form von Technologiefehlern zu finden. Wenn ein bestimmtes mobiles Gerät einen beträchtlichen Teil Ihres Traffics ausmacht, aber ein Fehler die UX zerstört, können Ihnen dort viele Umsätze verloren gehen.

In dem Geräte-Bericht fällt auf, dass die Conversion-Rate vom Samsung S7 wesentlich schlechter als die anderen Handys zu sein scheint. Dort lohnt es sich zu schauen ob es an der User Experience liegt oder “Zufall” ist.

Ein Problem, das hier auftauchen kann, ist die Art und Weise, wie Google Analytics über bestimmte Marken und Versionen von Mobilgeräten aufschlüsselt. Beim Samsung werden beispielsweise die einzelnen Geräte aufgeschlüsselt, beim iPhone nicht.

Ein großer Teil des Traffics wird einfach als “iPhone” angezeigt und enthält keine Informationen über die Version. Ohne diese Informationen ist es ziemlich schwierig, Fehler in bestimmten Versionen zu finden und zu beheben, da sie in der Gesamtkategorie “iPhone” zusammengefasst werden.

Die Abhilfe wäre hier, die Bildschirmauflösung als Hinweis für die Version zu verwenden. Im ersten Schritten, müssen sie jetzt hier nur ein Segment für Apple Geräte erstellen:

Im nächsten Schritt segmentieren wir nach der Bildschirmauflösung:

Um dann einen Bericht von allen Apple-Bildschirm-Auflösungen zu erhalten:

In der folgenden Übersicht: https://www.ios-resolution.com/ können Sie dann schauen, zu welcher Bildschirmauflösung welches Gerät gehört. Oft kommen mehrere Geräte in Frage aber so hätten wir schon einen besseren Überblick als ohne die Hilfestellung über die Bildschirmauflösung.

Eine weitere Möglichkeit, die ich hier (und auch beim Browserbericht) gerne verwende, ist die Betrachtung der Daten in einer Vergleichsansicht. So können Sie sehen, wie die Conversion-Rates jedes Geräts im Vergleich zum Durchschnitt des Ganzen ist. Dafür einfach oben rechts auf den Vergleichsbutton klicke und dann noch aufs Dropdown-Menü klicken um einzugeben, was verglichen werden soll:

3. Website-Geschwindigkeits-Metriken nach Browser & Browser-Version

Ein besseres Nutzererlebnis führt zu mehr Conversions, und die Website-Geschwindigkeit hat einen großen Einfluss auf das Nutzererlebnis (und damit auf die Conversion-Rate).

Wenn Ihnen UX wichtig ist, dann ist Ihnen auch die Website-Geschwindigkeit wichtig. Bei welchen Browsern sind die Ladezeiten langsam? Welche Versionen dieser Browser sind am langsamsten?

Sie können dafür einen benutzerdefinierten Bericht erstellen.

So sieht die Berichtserstellung aus:

So sieht der fertige Bericht aus:

Hier fällt auf, dass die Android Webview eine schlechter Ladezeit als die anderen Browser hat. Das ist vor allem deshalb spannend, weil wir weiter oebn bereits festgestellt haben, dass genau bei diesem Browser die Conversion-Rate schlechter ist als bei anderen Browsern.

4. Website-Site Search

Es ist fast immer der Fall, dass Besucher, die die Site-Suche nutzen, zu einer höheren Conversion-Rate neigen. In welchem Ausmaß, muss jedoch untersucht werden.

Wenn Sie z. B. feststellen, dass nicht allzu viele Nutzer die Site-Suche verwenden, aber die, die es tun, mit wesentlich höherer Wahrscheinlichkeit konvertieren, könnte dies als Grundlage für ein Experiment dienen, um mehr Nutzer zur Verwendung der Site-Suche zu bewegen.

Ich möchte hier auf den Unterschied zwischen Korrelation und Kausalität hinweisen. Nur weil Nutzer, die die Site-Suche nutzen, mehr konvertieren, heißt das nicht, dass die Nutzung der Site-Suche sie dazu veranlasst; tatsächlich hatten sie ohnehin eine höhere Konversionsneigung und waren daher stärker motiviert, bestimmte Artikel über die Suche zu suchen.

Aber je nachdem, wie Ihr Bericht aussieht, könnte die Suche ein Bereich sein, in dem Sie experimentieren sollten.

Der Zugriff auf diesen Bericht ist denkbar einfach. Gehen Sie einfach auf Verhalten > Site-Search> Nutzung, und Sie können den Unterschied zwischen Suchenden und Nicht-Suchenden sehen.

5. Konvertierung nach Akquisitionsquelle

Die Verbindung zwischen Conversion-Optimierung und Traffic-Kanal sind sehr naheliegend. Wenn Sie schlechten Traffic auf Ihre Website bringen wird es schwer bis unmöglich ihn zu konvertieren.

Wenn Sie aber in der Lage sind zu erkennen, woher Ihr am besten konvertierender Traffic kommt, können Sie klügere Entscheidungen treffen, wenn es um Investitionen in die Akquisition geht. Und wenn Sie feststellen, dass einige Kanäle unzureichend sind, müssen Sie diese vielleicht über Targeting-Regeln anders behandeln oder an einer Weiterentwicklung ihrer Kommunikations-Strategie arbeiten, die besser auf die Absichten des jeweiligen Kanals abgestimmt sind.

Unabhängig von der Lösung ist der Quelle/Mediums-Bericht einer der wichtigsten:

Wir können sehen, dass sowohl der Newsletter als auch die Direkteinstiege sowohl beim Gesamtumsatz als auch bei der Conversion-Rate am stärksten sind. Beide Kanäle sprechen am ehesten Bestandskunden an. Diese immer wieder neu zu reaktivieren sollte also ein wichtiger Bestandteil der Gesamt-Marketing-Strategie sein. Die Verteilung wird bei jedem ein bisschen anders aussehen, weshalb es umso wichtiger ist, sie sich ab und zu anschauen und seine Schlüsse daraus zu zeiehen.

6. Conversions und Traffic nach Tageszeit

Dieser Bericht ist anders als die anderen in dieser Liste, da er Ihnen keine direkten Ideen für A/B-Tests liefert.

Die Betrachtung Ihrer Daten nach Zeit kann Ihnen jedoch eine Fülle von Erkenntnissen liefern, nicht nur über das allgemeine Kauf- und Nutzungsverhalten Ihrer Besucher, sondern auch über Marketingkampagnen, den Betrieb (Kundensupport) und verschiedene Angebote und Werbeaktionen.

Wenn Sie beispielsweise als Publisher Ihren Traffic nach organischen Daten filtern und ihn Tag für Tag und Stunde für Stunde betrachten, können Sie erkennen, wann die meisten Besucher auf natürliche Weise auf Ihre Website kommen, ohne dass Sie direkte Werbemaßnahmen ergreifen. Dies kann Ihnen bei der Entscheidung helfen, wann Sie etwas veröffentlichen, bewerben und per E-Mail an Ihr Publikum senden sollten.

Meine favorisierte Methode ist es, Google Analytics-Daten zu BigQuery zu übertragen, die Daten dort zu aggregieren um sie dann zum Beispiel in Data Studio zu visualisieren. Ich denke, dass dies mehr Flexibilität als Excel bietet aber nicht jeder ist fit in BigQuery.

Am einfachsten ist es, einen benutzerdefinierten Bericht in Google Analytics zu erstellen und ihn nach Excel zu exportieren.

Erstellen Sie zunächst einen benutzerdefinierten Bericht und wählen Sie als Typ “Tabelle”. Ihre Dimensionen sind “Name des Wochentags” und “Stunde”.

Fügen Sie relevante Metriken hinzu. Für unsere Zwecke werden dies der Produktumsatz, die Nutzer und die E-Commerce-Rate sein:

Gehen Sie im nächsten Schritt auf den Bericht und exportieren Sie die Daten in Excel. Um wirklich alle Zeilen zu exportieren, müssen Sie sich unten alle Zeilen anzeigen lassen:

Gehen Sie nach dem Export auf die Excel-Tabelle. Um hier den gewünschten Bericht zu erhalten brauchen wir eine Pivot-Tabelle. Hierfür habe ich ein kurzes Video erstellt:

Hinweis zum Video: nicht wundern, die Summen der E-Commerce-Rates in der Tabelle ergeben keinen Sinn

Hier ist der finale Bericht:

Man kann erkennen, dass Donnerstags zwischen ab 12 Uhr mit Abstand die besten Conversion-Rates zu verzeichnen sind.

7. Leistung der Landing Page

Dieser Bericht sollte ebenfalls nicht im Werkzeugkasten eines Conversion-Rate-Optimierers fehlen. Es ist der Bericht, der sich am einfachsten direkt in Conversion Insights umsetzen lässt, da er Ihnen deutlich zeigt, welche Landing Pages bearbeitet werden müssen. Darüber hinaus können Sie die Prioritäten auch nach dem Potenzial der Seite setzen.

Es gibt verschiedene Möglichkeiten, dies zu tun. Erstens können Sie sich die Conversion-Rates nach Landing Page ansehen. Zweitens können Sie weitere Kennzahlen (wie die Absprungrate) heranziehen, um einen besseren Eindruck vom Verhalten der Nutzer auf den Landing Pages erhalten.

In dem hier vorliegenden Bericht kann man zum Beispiel sehen, dass wir auf dem Tutorial (Zeile 3) recht viele Wiederkehrende Nutzer haben. Die Absprungraten sollten tatsächlich bei allen hier zu sehenden Landingpages nochmal im Detail untersucht werden.

8. Verhaltensdaten nach Content Post

Wenn Sie viele Landingpages in ihrem Menü haben, fragen Sie sich vielleicht Trägt Verlinkung auf Artikel XYZ denn überhaupt zu meinem Umsatz bei?

Vielleicht ist es so, dass Ihre Top-Pages gute Umsätze generieren, wenn Traffic direkt auf sie kommt aber nicht, wenn Nutzer von der Startseite darauf gehen.

Vielleicht ist eine bestimmte Kategorie von Inhalten viel effizienter, wenn es darum geht, Einnahmen und Conversionen zu erzielen. Oder Sie wollen wissen ob es hilfreich war, die Referenzen im Menü zu verlinken.

Um dies herauszufinden, werden wir ein benutzerdefiniertes Segment erstellen erstellen:

In dem hier zu sehenden Segment schauen wir uns alle Seiten an, bei denen die Nutzer auf der Startseite gestartet sind und danach keine Conversion mehr ausgeführt haben. Vor allem für Seiten, die über Mega-Menüs viele Unterseiten verlinkt haben, kann solch ein Segment hilfreich sein um darauf aufbauend zum Beispiel die interne Verlinkung anzupassen, indem Seiten aus dem Menü ausgeschlossen werden. Das spannende ist, dass genau diese Seiten in anderen Funnels manchmal sehr gut konvertieren können.

Im folgenden wird der Bericht angewendet:

9. Sitzungen nach Landing Page

Lassen Sie uns einen Schritt zurückgehen.

Bei der Optimierung einer Website geht es darum, Prioritäten zu setzen. Welches sind die größten Chancen zur Steigerung der Conversion-Rate? Es gibt zwar verschiedene Formeln und Frameworks für die Priorisierung von Tests, aber sie alle wägen die potenziellen Auswirkungen (in der Regel gehören dazu sowohl der Traffic als auch die relative Conversion-Rate) und die Ressourcen ab, die zur Steigerung der Conversions erforderlich sind.

Um also eine Rangfolge unserer Testideen und -orte zu erstellen, sollten wir einen Schritt zurücktreten und uns einen unglaublich einfachen Bericht ansehen: Traffic pro Seite.

Dieser Bericht hilft Ihnen bei der Beantwortung grundlegender Fragen wie: “Wie wichtig ist diese Seite wirklich?” Oft werden Seiten wie die Startseite als wichtig angesehen, ohne sich zu fragen, wie hoch der prozentuale Anteil des Traffics im Vergleich zum Rest der Website ist.

Um diese Informationen zu sehen, gehen Sie einfach auf Verhalten > Websitecontent > Alle Seiten und ordnen Sie sie in der Vergleichsansicht nach Sitzungen.

10. Verhalten nach Ereignisverfolgung

Obwohl dies ein wenig mehr Implementierung erfordert, als Google Analytics Ihnen von Haus aus bietet, ist die Ereignisverfolgung der Ort, an dem Sie weitere nützliche Erkenntnisse erhalten, wenn Sie Google Analytics für CRO verwenden.

Sie können sehen, welche Ereignisse ausgelöst werden, indem Sie Ihren Google Tag Manager einrichten (wenn Sie Tag Manager für die Ereignisverfolgung verwenden) oder indem Sie sich den folgenden Bericht in Google Analytics ansehen: Verhalten > Ereignisse > Wichtigste Ereignisse:

Was kommt nach der Analyse

Analysen in Google Analytics sind eine der Grundlagen der Conversion-Rate-Optimierung, und sollten Ihnen eine hervorragende Grundlage für die Entwicklung und Priorisierung erfolgreicher A/B-Tests bieten.

Die Daten dürfen jedoch nicht als Allheilmittel verstanden werden. Sie müssen selbst schauen, welche der hier vorgestellten Berichte welchen konkreten Mehrwert für ihr Unternehmen bieten.

Verwenden Sie diese Berichte also als Ausgangspunkt oder als Checkliste für den Anfang, aber bleiben Sie nicht dabei stehen. Denken Sie wie ein Analyst und gehen Sie immer mit der Absicht an die Daten heran, kritische, geschäftsorientierte Fragen zu stellen.

Die 10 bekanntesten PPC Netzwerke

Die Auswahl an Pay-per-Click-Werbenetzwerken hat in den letzten Jahren stark zugenommen. Von traditionellen Suchmaschinen-Ergebnisseiten über soziale Medien bis hin zu nativer Werbung auf einer Vielzahl von Websites.

Für einen Vermarkter, der das beste PPC-Werbenetzwerk für sein Marketingbudget auswählt, kann dies überwältigend sein.

Legen Sie Ihr ganzes Geld in den Google Ads-Korb?

Oder ist vielleicht einer der neuen Spezialisten für native Anzeigen der richtige Weg?

Wir denken, dass es gut ist, einige PPC-Plattformen auszuwählen und zu sehen, welche für Sie am besten funktioniert. Es gibt keine Blaupause, die Sie auf jedes Unternehmen anwenden können, und jedes Pay-per-Click-Anzeigennetzwerk hat seine eigenen Vorteile.

Wir sehen uns eine Auswahl der besten PPC-Werbenetzwerke an und hoffen, dass diese Liste Ihnen helfen kann, den Überblick zu behalten.

Die bekanntesten PPC-Werbenetzwerke

Diese Liste der bekanntesten PPC-Plattformen ist nicht unbedingt in der Reihenfolge der besten. Ja, von der Hälfte werden Sie wahrscheinlich schon gehört haben (mindestens).

Wir fassen Merkmale wie die Reichweite, die Preis und die Anzeigenoptionen zusammen.

Unsere Liste der bekanntesten Pay-per-Click-Anzeigenplattformen sieht wie folgt aus :

  1. Google Ads
  2. Microsoft Ads (auch bekannt als Bing Ads)
  3. Facebook-Anzeigen
  4. Instagram-Anzeigen
  5. Linkedin-Anzeigen
  6. AdRoll
  7. Taboola/Outbrain
  8. Twitter
  9. Bidvertiser
  10. Yahoo Gemini (Verizon Media)

Wollen Sie mehr wissen? Lesen Sie weiter.

1. Google-Anzeigen

Die größten Spieler im Spiel. Die globale Reichweite von Google Ads ist unbestreitbar. Tatsächlich hat Google einen phänomenalen Marktanteil von 78 % am weltweiten PPC-Anzeigenmarkt.

Obwohl Berichte darauf hindeuten, dass der Marktanteil leicht rückläufig ist, sieht es nicht so aus, als würde Google Ads in nächster Zeit als größte PPC-Plattform verdrängt werden.

Reichweite: 3,5 Milliarden Suchanfragen pro Tag… Das sind 1,2 Billionen pro Jahr, Tendenz steigend!

Anzeigenformate: Das Pay-per-Click-Netzwerk von Google Ads bietet eine breite Palette von Pay-per-Click-Anzeigen. Dazu gehören:

  • Suchmaschinen-Ergebnisseiten (SERPs)
  • Display-Netzwerk (Anzeigen und Videos auf Partner-Websites über die AdSense-Plattform)
  • YouTube-Werbung
  • Werbung im Google Play-App-Store
  • Google Mail-Werbung in der App
  • Werbung in Google Shopping

Gebotsstrategien: Google ist nicht nur das größte Werbenetzwerk, sondern bietet auch die größte Auswahl an Gebotsstrategien von so ziemlich jeder PPC-Plattform. Und auch in diesem Bereich ist Google ständig auf der Suche nach Innovationen. Ein Beispiel für einige der Pay-per-Click-Gebotsoptionen sind:

  • CPC
  • teilautomatiserter CPC
  • CPM
  • Ziel-ROAS
  • Ziel CPA
  • Maximierung der Conversionen
  • Klicks maximieren
  • Ziel Outranking-Anteil
  • Zielsetzung Impression Share

Preisgestaltung: Der CPC von Google Ads variiert stark, von wenigen Cent bis weit über 100 Euro. Der Durchschnitt liegt zwischen 1 Euro und 3 Euro (je nach Branche, Suchbegriff usw.).

Vorteile von Google Ads: Mit einer so großen Reichweite auf der ganzen Welt bedeutet Pay-per-Click bei Google Ads, dass Sie nahezu jede globale Zielgruppe ansprechen können.

Von lokalen Nischendiensten bis hin zu globalen Produkten und Branding. Diese Art von Reichweite ist der Traum eines jeden Vermarkters und kann den Unterschied zwischen Erfolg und Misserfolg eines Unternehmens ausmachen.

Die Möglichkeit, Plattformen wie YouTube anzusprechen, ist enorm. Und mit dem Google Display-Netzwerk gibt es eine außergewöhnliche Auswahl an Partner-Websites, auf denen Ihre bezahlte Anzeige erscheinen kann.

Nachteile von Google Ads: Eine so große Auswahl und Reichweite bringt einige einzigartige Probleme mit sich. Google Ads ist nicht immer einfach zu bedienen und kann für bestimmte Branchen-Keywords schnell teuer werden.

Zu den Problemen gehört beispielsweise der Klickbetrug, bei dem bezahlte Links mit der Absicht angeklickt werden, Ihr Marketingbudget entweder zu erschöpfen oder umzuleiten.

Da Google Ads PPC bei Suchenden aus aller Welt so beliebt ist, können Gebote für diese Keywords auch sehr wettbewerbsintensiv sein. In der Tat kann das Bieten auf Keywords bei Google Ads sehr hohe CPC bedeuten.

2. Microsoft-Ads/Bing-Ads

Der zweitgrößte Akteur im Spiel der bezahlten Suchmaschinen zu sein, ist nicht unbedingt eine schlechte Sache. Bing Ads ist jetzt als Microsoft Advertising bekannt und bietet ein ähnliches PPC-Paket wie Google.

Was macht sie zu einer guten Wahl gegenüber dem Giganten Google? Nun, es hat sich gezeigt, dass Bing Ads einen günstigeren CPC hat als Google. Wenn es um günstige PPC-Werbenetzwerke geht, ist Microsoft eine gute Anlaufstelle.

Reichweite: Ein Drittel des weltweiten Suchmarktes. Dazu gehören 6,4 Milliarden Suchanfragen pro Monat, darunter über 127 Millionen Suchanfragen, die von Google nicht abgedeckt werden. Laut eigenen Angaben deckt das Microsoft Search Network, zu dem neben Bing  unter anderem noch Yahoo, AOL, Ecosia und DuckDuckGo gehören, mittlerweile 23,6 Prozent des Suchmaschinenmarkts auf Desktop-PCs in Deutschland ab.

Anzeigenformate: Als Suchmaschine bietet Bing natürlich SERPs, die auch als Suchergebnisse bei Yahoo!, AOL und MSN angezeigt werden.

Microsoft Ads PPC bietet auch eine Art Display-Netzwerk an, mit Display-Anzeigen auf:

  • Xbox
  • Windows-App-Store
  • MSN
  • Outlook E-Mail
  • Websites für Display und Native Advertising, die von verschiedenen Vertriebspartnern verwaltet werden

Gebotsstrategien: Obwohl nicht ganz so umfassend wie bei Google, gibt es bei Microsoft Ads eine große Auswahl an Gebotsstrategien:

  • Manueller CPC
  • CPM
  • Klicks maximieren
  • Umsatz maxmieren
  • Ziel-ROAS
  • Ziel CPA

Preisgestaltung: Eines der Hauptargumente für die Nutzung des Bing Ads-Netzwerks ist der niedrigere CPC. Tests haben ergeben, dass der durchschnittliche CPC bei Bing Ads etwa ein Drittel günstiger ist als bei Google Ads.

Vorteile von Microsoft Ads: Mit weniger Konkurrenz haben Sie bessere Chancen, dass Ihre Anzeigen im Bing-Werbenetzwerk auffallen.

Die geringere Anzahl von Mitbewerbern bedeutet auch, dass Ihre Gebote niedriger sind als im äußerst beliebten Google Ads-Netzwerk. Und es gibt sogar Daten, die darauf hindeuten, dass die Klickraten bei Bing ebenfalls besser sind!

Ein Drittel des weltweiten Suchmarktes ist immer noch ein gutes Stück des Planeten, und die Verwendung von Microsoft Ads neben Google kann von Vorteil sein.

Nachteile von Microsoft Ads: Die geringere Reichweite ist möglicherweise nicht für jeden geeignet, insbesondere wenn Ihre Strategie darin besteht, so viele Klicks/Anzeigen wie möglich zu erhalten.

Microsoft Ads ist auch nicht gegen Klickbetrug gefeit, denn etwa 20 % aller Klicks auf dieser Werbeplattform sind “ungültige Klicks”.

3. Facebook-Anzeigen

Facebook Ads sind das erste Social-Media-Netzwerk auf unserer Liste und bietet ein PPC-Anzeigennetzwerk mit einem unglaublichen Targeting-Potenzial. Da Facebook nicht auf der Suche basiert, ist es ein ganz anderes Modell, bei dem das Targeting auf spezifischen Interessen, demografischen Daten und Standortdaten basiert.

Obwohl Facebook kontrovers diskutiert wird, ist es als PPC-Plattform bei KMU nach wie vor sehr beliebt. Trotz dieser Kontroverse ist es unwahrscheinlich, dass Facebook in absehbarer Zeit aus unserem Leben verschwinden wird.

Google schaltet Werbung auf Facebook

Reichweite: 1,62 Milliarden Menschen nutzen Facebook jeden Tag! Es gibt 2,62 Milliarden registrierte aktive monatliche Facebook-Nutzer auf der ganzen Welt.

Wenn man Instagram dazuzählt, sind es noch einmal 1 Milliarde monatliche Nutzer.

Anzeigenformate: Bei Facebook werden die Anzeigen gezielt auf die Nutzer ausgerichtet, z. B. anhand ihrer Interessen, ihres Standorts und Faktoren wie Alter, Bildungsstand oder sogar Verhaltensweisen.

Die PPC-Anzeigen von Facebook können auf folgenden Seiten erscheinen:

  • Facebook
  • Instagram
  • Facebook Messenger
  • Das Facebook Audience Network (Apps und Websites im Partnerschaftsnetzwerk)

Gebotsstrategien: Die gängigste Art, PPC-Anzeigen auf Facebook zu schalten, sind die Kosten pro tausend Aufrufe (CPM).

Es gibt auch Optionen für Kosten pro Klick und Optionen für Ziel-CPA (Kosten pro Aktion) und Ziel-ROAS.

Preisgestaltung: Die durchschnittlichen Kosten für eine PPC-Anzeigenkampagne auf Facebook sind niedriger als auf Bing. Der durchschnittliche CPC auf Facebook liegt Berichten zufolge bei etwa 1,70 $.

Vorteile von Facebook-Anzeigen: Das demografische Targeting ist eine leistungsstarke Methode, um mit Facebook eine bestimmte Zielgruppe zu erreichen. Etwas, das in den Werbenetzwerken der Suchmaschinen etwas schwieriger zu erreichen ist.

Facebook hat ein riesiges Volumen an monatlichen Impressionen, mit etwa der Hälfte aller Internetnutzer auf Facebook und 1 Billion Seitenaufrufen pro Monat.

Ein weiterer Vorteil von Facebook besteht darin, dass Ihre Anzeige nicht durch die Suche aktiviert wird, so dass Sie Ihre Marke viel leichter ins Blickfeld der Menschen bringen können.

Nachteile der Verwendung von Facebook-Anzeigen: Neben den regelmäßig auftretenden Kontroversen ist auch festzustellen, dass die Nutzer von Facebook tendenziell einer höheren Altersgruppe angehören, in der Regel über 35 Jahre.

Die durchschnittliche Klickrate auf eine Facebook-Anzeige ist mit 0,010 % recht niedrig. Zum Vergleich: Google Ads liegt bei 0,5 %.

4. Instagram-Ads

OK, ja, Instagram Ads können über Facebook Ads geschaltet werden. Aber diese riesige Werbeplattform verdient eigentlich einen eigenen Abschnitt, da Sie nicht unbedingt ein Facebook-Konto benötigen, um Anzeigen auf Insta zu schalten.

Warum also Instagram Ads nutzen? Als PPC-Plattform hat sie eine höhere Klickrate als jede andere Social-Media-Plattform. Es gibt über eine Milliarde monatlich aktive Nutzer, von denen die Mehrheit (über 70 %) unter 35 Jahre alt ist.

Wenn Sie also auf den Markt der Millennials abzielen, ist dies die Plattform, die Sie nutzen sollten.

Reichweite: Über 1 Milliarde und weiterhin wachsend!

Werbeformate: Instagram bietet entweder In-Feed-Anzeigen im Stil nativer Anzeigen. Sie können Ihren Beitrag auch als Teil der sehr beliebten Instagram-Stories anzeigen.

Die visuelle Natur von Instagram bedeutet, dass gut aufgenommene Videos oder Fotos sehr erfolgreich sein können.

Gebotsstrategien: Die Gebotsstrategien für Instagram Ads sind sehr einfach. Kosten pro Klick oder Kosten pro tausend Aufrufe (CPM).

Preisgestaltung: Es ist schwer, den Durchschnittspreis für Instagram Ads zu bestimmen, aber er scheint mit dem von Facebook Ads vergleichbar zu sein.

Vorteile von Instagram Ads: Wenn es darum geht, Millennials anzusprechen, ist Instagram kaum zu schlagen. Mit über 70 % der Nutzer unter 35 Jahren ist dies die PPC-Plattform für diejenigen, die die “coole” Zielgruppe ansprechen wollen.

Der Stil von Instagram Ads mit nativen Anzeigen ist für viele ebenfalls sehr ansprechend und bietet die Möglichkeit, einige schöne Bilder zu erstellen.

Das Engagement ist auch viel besser als bei Facebook Ads. Es hat sich gezeigt, dass Instagram-Nutzer einer Marke oder einem Unternehmen, das sie mögen, mit 10-mal höherer Wahrscheinlichkeit auf Instagram folgen als auf Facebook.

Instagram-Anzeigen können über das Anzeigen-Dashboard von Facebook oder über den Power Editor von Facebook verwaltet werden.

Nachteile von Instagram Ads: Wenn Sie nicht auf die Zielgruppe der unter 40-Jährigen abzielen, ist Instagram möglicherweise nicht die beste Plattform für bezahlte Anzeigen für Ihr Unternehmen.

Die Popularität von Instagram Ads hat zu einem Anstieg der Anzeigen geführt, was wiederum zu einem Rückgang des Anzeigenengagements führt.

5. Linkedin-Anzeigen

Linkedin, das soziale Netzwerk für Fachleute, hat in den letzten Jahren immer mehr an Bedeutung gewonnen. Es ist auch nicht nur für Arbeitssuchende gedacht, sondern hat ein Publikum von engagierten und gebildeten Menschen aus der ganzen Welt, einschließlich Entscheidungsträgern und C-Level-Führungskräften.

Wenn Sie auf der Suche nach einer PPC-Plattform sind, auf der Sie die Aufmerksamkeit von Entscheidungsträgern in der Wirtschaft erlangen können, ist dies Ihre beste Wahl. Wenn Sie ABM-Kampagnen (Accounts Based Marketing) durchführen oder wenn Sie eine Marke für eine Dienstleistung bekannt machen wollen, ist Linkedin eine gute Wahl.

Reichweite: Linkedin hat weltweit über 575 Millionen registrierte Nutzer, von denen 260 Millionen monatlich aktiv sind. Rund 44% aller Linkedin-Nutzer verdienen mehr als 75.000 Dollar pro Jahr.

Werbeformate: Das Grundnahrungsmittel aller Social Media Netzwerke ist der gesponserte Beitrag, der natürlich auch hier eine Option ist.

Werbetreibende können auch wählen:

  • InMail – Direktmailings, die einzeln bezahlt werden können
  • Textanzeigen auf der Startseite
  • Gesponserte Beiträge
  • Dynamische Anzeigen, die auf den Nutzer und seine Interessen zugeschnitten sind

Gebots-Strategien: Bezahlte Anzeigen auf Linkedin basieren meist auf CPM und CPC. Mit InMail gibt es jedoch auch die Möglichkeit, Kosten pro Versand zu berechnen.

Preis: Der durchschnittliche CPM für Linkedin Ads liegt bei ca. 2 Euro. Die Kosten pro Sendung für InMail liegen bei ca. 0,10 Euro.

Vorteile von Linkedin Ads: Die Möglichkeit, Führungskräfte und Fachleute anzusprechen, könnte für einige unbezahlbar sein.

Die Möglichkeit, eine direkte E-Mail zu senden, ist ebenfalls eine nette Sache und für B2B-Kunden möglicherweise sehr effektiv.

Nachteile von Linkedin Ads: Wenn Sie kein Personalvermittler sind oder nicht auf B2B abzielen, dann ist Linkedin Ads wahrscheinlich eher nicht für Sie geeignet.

6. AdRoll

Eines der bekanntesten und umfassendsten Retargeting-Werbenetzwerke. AdRoll ist ein KI-basiertes Tool, das entwickelt wurde, um Gelegenheitsbesucher zu konvertieren und wertvolle Stammkunden zu gewinnen.

Es könnte für E-Commerce-Unternehmen und solche, die ein Produkt zu verkaufen haben, von größerem Interesse sein. Obwohl es sich nicht um eine bezahlte Suchplattform handelt, ist es eine sehr nützliche Möglichkeit, Ihr Unternehmen mit kanalübergreifenden Marketingtechniken zu bewerben.

Mithilfe von KI lassen sich bezahlte Suchkampagnen mit Native Content Advertising, E-Mail-Marketing, dynamischen Anzeigen auf Partner-Websites und einigen anderen raffinierten Remarketing-Strategien optimieren.

Reichweite: AdRoll hat Zugang zu über 1,2 Milliarden internationalen Shopper-Profilen. Es kann Anzeigen über Google, Yahoo, Facebook und Microsoft schalten und hat damit Zugriff auf etwa 98 % des Internets.

Anzeigenformate: Wie bereits erwähnt, besteht das Alleinstellungsmerkmal von AdRoll darin, dass es KI nutzt, um Kunden über mehrere Kanäle anzusprechen.

Nutzer von AdRoll können eine Vielzahl von Werbestrategien wählen, darunter:

  • Personalisiertes Ad-Targeting
  • Retargeting von Zielgruppen
  • Dynamische Multi-Site-Anzeigen
  • Intelligentes E-Mail-Targeting

Gebotsstrategien: Obwohl sich AdRoll stark auf KI konzentriert, können Vermarkter ihre Werbekampagnen anpassen und wählen, wie sie für Leads bezahlen möchten.

Wir haben eine Auswahl von:

  • Ziel CPA
  • Ziel CPC
  • CPM
  • Maximierung der Conversionen

Preis: AdRoll bietet ein kostenloses Paket an, damit Sie sich mit dem Potenzial der Plattform vertraut machen können, bevor Sie sich festlegen. Wenn Sie bereit sind, sich darauf einzulassen, beginnen die Pakete bei sehr günstigen 19 Euro pro Monat.

Vorteile von AdRoll: Für diejenigen, die ihre Zielgruppe kennen und bereits über ein gewisses Marketingwissen verfügen, kann AdRoll eine sehr effektive Möglichkeit der Kundenansprache sein.

Da AdRoll Echtzeitgebote für Ihre Anzeigen verwendet, müssen Sie sich nicht um die Einstellung Ihrer Kosten pro Klick oder andere Dinge kümmern.

AdRoll funktioniert mit den meisten gängigen E-Commerce-Plattformen wie Shopify, Magneto, WooCommerce und WordPress.

Retargeting wird als eine effektive, aber komplexe Praxis angesehen, aber mit AdRoll ist es überraschend einfach.

Nachteile von AdRoll: Wie bereits erwähnt, benötigen Sie eine solide Erfahrung in der Kundenansprache und der Durchführung von PPC-Anzeigenkampagnen. Obwohl die Einrichtung recht einfach ist, ist AdRoll recht technisch und nicht für Anfänger geeignet.

7. Taboola und Outbrain

Taboola und Outbrain, zwei digitale Werbeplattformen, gaben bekannt, dass sie eine Vereinbarung über einen Zusammenschluss getroffen haben, um besser mit Facebook konkurrieren zu können. Viele der Plattformen auf dieser Liste bieten native Werbung an, aber diese Akteure haben sich darauf spezialisiert. Das bedeutet, dass Sie eine Plattform erhalten, die sich auf die Generierung gesponserter Beiträge auf einer breiten Auswahl von Partner-Websites spezialisiert hat.

Beide bieten Werbetreibenden Zugang zu einigen der größten und meistbesuchten Websites der Welt. Denken Sie an NBC, CNN, The Guardian, Mashable und Business Insider.

Wenn Sie eine PPC-Kampagne für Native Ads durchführen möchten, ist eine dieser Plattformen die beste Wahl.

Reichweite: Outbrain und Taboola erreichen jeweils über 80 % des Internets. Das ist mehr als Facebook!

Anzeigenformate: Bei nativen Anzeigen kommt es vor allem auf den Inhalt an. Bei diesen beiden Plattformen werden Sie Videos oder Artikel teilen.

Gebotsstrategien: Wie bei dieser Art von PPC-Netzwerk zu erwarten, drehen sich die meisten Optionen um CPM oder eCPC.

Preis: Sowohl Outbrain als auch Taboola bieten einen recht ähnlichen CPC, der in der Regel bei mindestens 0,10 Euro liegt. Der CPM beginnt bei etwa 0,40 Euro, kann aber leicht über 3 oder 4 Euro steigen.

Vorteile von Taboola und Outbrain: Die Möglichkeit, Ihre Inhalte auf einigen der meistbesuchten Websites der Welt anzuzeigen, kann für viele von unschätzbarem Wert sein, und es hat sich gezeigt, dass Native Advertising eine sehr effektive Werbeform ist, viel effektiver als Pop-ups oder Bannerwerbung.

Nachteile von Taboola und Outbrain: Obwohl Taboola und Outbrain die größten Optionen für native Werbenetzwerke sind, sind sie definitiv nicht die billigsten Optionen für PPC.

8. Twitter-Ads

Twitter ist nach wie vor eine der beliebtesten Social-Media-Plattformen, was es auch zu einem sehr effektiven PPC-Anzeigennetzwerk macht.

Tatsächlich nutzen viele Marken Twitter, um für ihr Unternehmen zu werben, und wenn man sich die Statistiken ansieht, ergibt das auch Sinn. Die CTR der Anzeigen auf Twitter liegt bei sehr respektablen 1-3 %, und die Publicity eines aktuellen Hashtags (gesponsert oder nicht) kann von unschätzbarem Wert sein.

Während Facebook eine relativ alte Zielgruppe hat, ist Twitter mit rund 32 % der Twitter-Nutzer zwischen 18 und 35 Jahren recht breit aufgestellt.

Reichweite: 330 Millionen registrierte und aktive monatliche Nutzer sind ziemlich solide.

Werbeformate: Da es sich um ein soziales Netzwerk handelt, gibt es mehrere Möglichkeiten, wie Sie Ihre Marke in diesem Werbenetzwerk bewerben können:

  • Beiträge im Feed
  • Gesponserte Hashtags
  • Beworbene Konten
  • Twitter-Momente
  • Automatisierte Werbung

Bei der letzten Variante tweeten Sie ganz normal und Twitter nutzt Ihr Budget, um sicherzustellen, dass Sie automatisch so viel Aufmerksamkeit wie möglich erhalten,

Gebots-Strategien: Zu den PPC-Gebotsstrategien für Twitter gehören:

  • CPM
  • eCPC

Preis: Twitter ist eines der preiswerteren Werbenetzwerke für soziale Medien, mit variablen Kosten pro Klick.

Bei den CPM-Kosten liegt der Durchschnitt bei etwa 3 Euro, was ein durchschnittlicher Wert ist.

Vorteile von Twitter-Anzeigen: Die CTR von 1-3 % ist für eine Pay-per-Click-Anzeige recht beeindruckend.

Obwohl die Reichweite nicht so groß ist wie bei Facebook oder Google, erreicht Twitter eine aktive Community in einer Vielzahl von Ländern.

Twitter behauptet, dass die beworbenen Trends einige nützliche Effekte haben, wie z. B. eine Steigerung der Retweets um 32 % und eine Steigerung der Marken-Conversion um 22 %.

Nachteile von Twitter Ads: Twitter hat nicht die Reichweite von Facebook.

Obwohl Twitter und die anderen sozialen Netzwerke gut für die Sichtbarkeit von Marken sind, ist ihre Wirksamkeit für die Lead-Generierung noch unklar.

9. Bidvertiser

Bidvertiser liegt irgendwo zwischen den Native-Advertising-Netzwerken und Googles Adsense und bezeichnet sich selbst als Premium-Netzwerk für Direktwerbung. Auf dieser Plattform können Werbetreibende Werbekampagnen erstellen, die auf einer der 78.522 Partner-Websites angezeigt werden.

Was hebt Bidvertiser von der Konkurrenz ab? Es gibt eine gute Transparenz über die Websites, auf denen Ihre Anzeige erscheint, und sie behaupten auch, einen eingebauten Betrugsdetektor zu haben. Wie effektiv ist dieser? Nun, ich kann online nichts finden, was dies erwähnt, also wer weiß?

Einer der Hauptvorteile von Bidvertiser ist, dass es eines der günstigsten PPC-Werbenetzwerke ist, das es Ihnen ermöglicht, Ihre Werbung für nur 100 Dollar oder 5 Dollar pro Tag zu starten. Das wird wahrscheinlich der Grund sein, warum die meisten Unternehmen es nutzen.

Reichweite: Über 78.000 Websites in 192 Ländern.

Anzeigenformate: Bidvertisers ermöglicht Anzeigen wie:

  • Native Content-Anzeigen (Video und/oder Text)
  • Pop-up-Fenster
  • XML-Feed-Integration
  • In-App-Anzeigen (Wels-Anzeigen)

Gebotsstrategeien: Bidverstiers bietet Werbetreibenden die Möglichkeit zu nutzen:

  • CPM
  • CPA
  • CPC

Preis: Es ist ziemlich schwierig, Informationen über die durchschnittlichen CPC-Preise für Bidversiter zu finden. Ich selbst habe damit leider noch keine eigenen Erfahrungen.

10. Yahoo Gemini (Verizon Media Native)

Erinnern Sie sich noch an die Zeit, als Yahoo! die beste Suchmaschine war? Wenn ja, dann sind Sie wahrscheinlich so alt wie ich. Aber diese Zeiten sind lange vorbei, und Yahoo! hat als PPC-Netzwerk gegenüber Google aufgeholt, seit, nun ja, seit es Google gibt.

Yahoo Gemini ist jetzt unter dem Namen Verizon Media Native bekannt und bietet ein zugegebenermaßen recht anständiges Netzwerk für bezahlte Werbung. In der Tat behauptet der Werbetext, dass es die einzige Plattform ist, die Suche und Native Advertising auf derselben Plattform anbietet. So weit, so gut, ein guter USP.

Aber was ist mit Bing Ads? Etwas verwirrend ist, dass Yahoo Gemini/Verizon Media völlig unabhängig ist und keinen Einfluss auf Bing Ads hat, obwohl es einige Überschneidungen gibt.

Bei Verizon/Yahoo können Sie zum Beispiel für SERPs in Yahoo bezahlen, aber es gibt kein Display-Netzwerk mit Websites von Drittanbietern. Alle Websites, die für die Anzeige verwendet werden, gehören Verizon/Oath. Ja, das ist ein bisschen verwirrend.

Sollten Sie also Verizon Media Native für Ihre PPC-Anzeigenkampagnen verwenden?

Reichweite: 1 Milliarde monatliche Nutzer und 2 Milliarden Werbeeinblendungen pro Tag sind eine ziemlich beeindruckende Zahl.

Anzeigenformate: Neben den Suchergebnissen bei Yahoo! gehören zu Verizon Media Native auch Engadget, HuffPost, Tumblr und AOL. Ihre Suchanzeigen werden also auch hier erscheinen.

Neben der Suche können Sie auch Display-Anzeigen auswählen:

  • Native Image-Anzeigen
  • Native Video-Anzeigen
  • Anzeigen zur App-Installation
  • Karussell-Anzeigen
  • Tumblr-gesponserte Anzeigen
  • Anzeigen in Yahoo! Mail
  • Moments-Anzeigen

Bei der Moments-Option handelt es sich um eine Display-Anzeige, die aus einem kleineren Banner oder einer Textanzeige eine Vollbildanzeige macht. Es handelt sich dabei um ein recht cleveres Format, mit dem Sie ein unaufdringliches Anzeigenformat präsentieren können, das sich dann für die Interessenten ausklappen lässt.

Gebotsstrategien: Da die Auswahl an Anzeigenoptionen so groß ist, spiegeln die PPC-Optionen dies natürlich wider.

  • Manueller CPC
  • Erweitertes CPC
  • Klicks maximieren
  • Maximierung der Konversionen
  • CPA-Ziel

Preis: Die Daten deuten darauf hin, dass Yahoo Gemini alias Verizon Media Native einen etwas günstigeren CPC als Bing Ads bei einer etwas höheren CTR bietet.

Vorteile von Yahoo Gemini: Erschwingliche SERP-Anzeigen und die Möglichkeit, native Anzeigen auf einigen der beliebtesten Websites der Welt zu erstellen? Das ist definitiv ein attraktives Paket.

Wenn Sie ein Nischenpublikum suchen, das Yahoo und die Verizon-Websites nutzt, ist dies eine erschwingliche Möglichkeit, es anzusprechen.

Verizon Media bietet vielleicht den günstigsten CPC im Vergleich zu den anderen Websites für bezahlte Suchanzeigen, aber mit einer respektablen CTR.

Nachteile von Yahoo Gemini: Die Reichweite von Yahoo Gemini ist nicht ganz so groß wie die von Microsoft Bing Ads, da kein Netzwerk von Publisher-Websites verfügbar ist.

Viele Berichte deuten darauf hin, dass Videoanzeigen bei Yahoo Gemini nicht so effektiv sind. Aber probieren Sie es selbst aus und lassen Sie uns wissen, wie Sie zurechtkommen!

Fazit

Wenn es darum geht, das beste PPC-Anzeigennetzwerk für Ihre Marketinganforderungen auszuwählen, gibt es, wie Sie sehen können, eine große Auswahl. In der Tat ist dies nur eine kleine Auswahl der verfügbaren PPC-Plattformen, und es kommen ständig neue hinzu.

Wir sind jedoch der Meinung, dass dies verdeutlicht, dass PPC-Anzeigen mehr bieten als nur Google. Und obwohl Google die größte und beste Plattform ist, bedeutet das nicht unbedingt, dass sie die beste für Ihr Unternehmen ist.

Unabhängig davon, welche Plattform Sie verwenden, können Klickbetrug und Anzeigenbetrug für viele ein großes Problem darstellen. Vor allem, wenn Sie Tausende von Euro pro Monat für eine neue Plattform ausgeben, ist das Letzte, worüber Sie sich Sorgen machen wollen, wie viele ungültige Klicks Sie erhalten.

Was ist die Customer Journey und warum müssen Sie eine erstellen?

Wissen Sie, was eine Customer Journey ist und warum Sie eine brauchen?

Bei einer Customer Journey geht es darum, Ihre Nutzer zu verstehen, wie sie sich verhalten, wenn sie Ihre Website besuchen, und was Sie tun können, um ihre Reise zu verbessern, damit sie immer wieder zurückkommen.

Heutzutage scheint es im B2B- und B2C-Bereich nur noch darum zu gehen, Unternehmen mit großartigen Inhalten und SEO relevant zu halten, aber dabei vergessen einige Führungskräfte den wesentlichen Teil der Gleichung. Den Kunden.

In diesem Beitrag werden wir einen detaillierten Blick auf alles werfen, was Sie darüber wissen müssen, wie Ihre Kunden jedes Mal handeln, wenn sie mit Ihrer Marke in Kontakt treten.

Was ist eine Customer Journey?

Wenn Sie die Customer Journey dokumentieren, zeichnen Sie verschiedene Verhaltensszenarien anhand vorhandener Daten auf.

Die Erstellung einer Customer Journey-Vorlage mag wie eine verrückte Idee erscheinen. Wie können Sie denn wissen, was ein Kunde tun wird, sobald er Ihr Geschäft betritt oder Ihre Website aufruft?

Ob Sie es glauben oder nicht, dies ist ein einfaches Marketinginstrument, das jeder erstellen kann, und es kann für die zukünftige Strategie Ihres Unternehmens von unschätzbarem Wert sein.

Angesichts des ständigen technologischen Wandels und der neuen Möglichkeiten, Produkte oder Dienstleistungen online zu kaufen, ist es unerlässlich, das Verhalten der Kunden bei jedem Schritt zu planen und vorherzusehen.

Das Letzte, was Sie tun wollen, ist, Ihre Ziele auf der Grundlage veralteter Erwartungen festzulegen.

Die Wichtigkeit einer Customer Journey Map

Die Verwendung einer Customer Journey Map zur Analyse des Nutzerverhaltens hilft einem Unternehmen zu verstehen, wie seine Kunden den gesamten Verkaufsprozess durchlaufen und wie sie sich dabei fühlen.

Dieser Ansatz bietet zwei wesentliche Vorteile:

  • Er ermöglicht es den Entscheidungsträgern, sich auf den Kunden zu konzentrieren.
  • Er hilft dabei, jeden Schritt des Kaufprozesses für potenzielle Kunden zu vereinfachen.

Sie können das beste Marketingteam haben, aber wenn Ihre Kunden nicht zufrieden sind, werden Sie nicht weiterkommen.

Am besten lässt sich der Prozess der Abbildung der Customer Journey erklären, wenn man ihn wie eine Grafik zum Aufhängen betrachtet, die jeder im Team an seiner Wand haben sollte.

Wie man eine Customer Journey Schritt für Schritt aufzeichnet  

Der wichtigste Aspekt bei der Erstellung einer überzeugenden User Journey Map ist die Betrachtung des Prozesses aus der Perspektive des Kunden. Um dieses Ziel zu erreichen, benötigen Sie zwei Arten von Forschung:

Analytischer Ansatz

Die Analyse Ihrer Website zeigt Ihnen genau, wo sich die Kunden befinden, wie viel Zeit sie bei Ihnen verbringen und wann sie die Website verlassen. Wir werden besprechen, welche Tools Sie verwenden können, um nutzergenerierte Inhalte zu verfolgen und die Daten in einen leicht zu interpretierenden Informationsstrom zu bringen.

Anekdotischer Ansatz

Die Beschaffung dieser Daten ist nicht einfach. Wie finden Sie heraus, was der Kunde denkt?

Soziale Medien sind nützlich, um herauszufinden, wie Kunden fühlen oder denken. Wenn jemand zufrieden oder verärgert über seine Erfahrungen mit einem Unternehmen ist, könnte er sich veranlasst sehen, Sie auf Facebook oder Twitter zu informieren.

Wenn Sie Kunden bitten, Umfragen über ihre Erfahrungen auszufüllen, können Sie auch anekdotische Informationen sammeln.

Darüber hinaus sind Instrumente zur Messung des Kundenverhaltens ein Muss für eine genaue Planung.

Schritt 1: Denken Sie daran, dass der Kunde immer an erster Stelle steht.

Wenn Sie sich in die Lage Ihrer Kunden versetzen und Ihre gesamte Planung nach diesem Motto ausrichten, kommen Sie sehr weit. Der Kunde ist der Grund für Ihre Existenz.

Manchmal vergessen Führungskräfte dieses wichtige Detail und konzentrieren sich auf Marketing, SEO, soziale Medien und Branding. Ja, das sind alles wichtige Aspekte der Unternehmensführung, aber Sie dürfen Ihre Kunden nicht vergessen und wie sie mit Ihrer Marke interagieren.

Sind sie mit Ihrer Erfahrung zufrieden? Ist Ihre Website einfach zu navigieren und enthält sie alle Informationen, die ein Kunde benötigt?

Schritt 2: Identifizieren Sie Kundenkontaktpunkte

Jedes Mal, wenn ein Kunde mit Ihrer Marke in Berührung kommt, sei es vor (Werbung), während (Besuch eines Geschäfts oder einer Website) oder nach (positives oder negatives Feedback, Rückgabeerfahrung, Newsletter), haben Sie die Chance, Ihren Umsatz zu steigern.

Diese Interaktionen werden als Kontaktpunkte bezeichnet.

Anhand dieser Informationen können Sie Hindernisse auf dem Weg des Kunden erkennen.

Ein nahtloser Verkaufsprozess, bei dem der Kunde in kürzester Zeit ein- und ausgeht, ist ebenso wichtig wie das Angebot hochwertiger Produkte oder Dienstleistungen. Zufriedene Kunden sorgen für Markentreue.

Schritt 3: Erstellen Sie eine Grafik

Diese Grafik sollte nicht zu kompliziert sein, aber sie muss sowohl analytische als auch anekdotische Forschungsdaten enthalten. Sie wird aufzeigen, wann Kunden aufhören zu interagieren oder wann sie frustriert sind, damit Ihr Team seine Strategie anpassen kann.

Bei jeder Transaktion gibt es unzählige Optionen, so dass es unmöglich ist, alle möglichen Szenarien vorherzusehen. Aber es ist wichtig zu verstehen, wo die Schwachstellen liegen.

Ein Diagramm ist praktisch, um das Kundenverhalten zu verstehen, Probleme zu beheben und auch Erfolge zu erkennen.

Die Verwendung von Emojis (traurig, wütend, neutral, glücklich oder aufgeregt) ist hilfreich, um den Gemütszustand des Kunden zu jedem Zeitpunkt schnell zu visualisieren.

3 Beispiele für Customer Journey Mapping

Ein hervorragender Kundenservice setzt voraus, dass alle Ihre Vertriebsmitarbeiter auf der gleichen Seite stehen. Darüber hinaus muss ihre Ausbildung den Grundsatz widerspiegeln, dass der Kunde immer an erster Stelle steht.

Um Ihre Customer Journey besser interpretieren zu können, werden wir uns drei praktische Beispiele für Erfahrungen ansehen, die in jedem Teil der Welt unzählige Male vorkommen können. Wahrscheinlich sind sie auch Ihnen schon einmal passiert.

Beispiel 1: Fantastische Benutzererfahrung (UX)

Eine junge Frau sucht im Internet nach einem Kleid, und Ihre Website fällt ihr ins Auge. Sie hat noch nie etwas von Ihrer Marke gehört, aber ihre Aufmerksamkeit wird sofort von der Sauberkeit der Seite geweckt.

Das Dropdown-Menü auf der Landing Page für Damenbekleidung lässt sich leicht anklicken und durchsuchen. 

Es gibt eine Option für Preisspannen (sie möchte kein Vermögen ausgeben), und sie hat auch die Möglichkeit, auf die Ausverkaufsbox zu klicken. Jedes Produkt wird ausführlich beschrieben, einschließlich der Maße für verschiedene Länder, der verwendeten Materialien und der Pflegehinweise.

Wenn die Kundin das perfekte Kleid ausgesucht hat, geht sie schnell zur Kasse und beschließt, ein neues Kundenkonto anzulegen, weil ihr der Einkauf so gut gefallen hat.

Sie setzt ein Lesezeichen auf die Website, um sie später wieder aufzurufen. Dies ist der Zeitpunkt, an dem Sie ihre E-Mail-Adresse oder Postleitzahl für Marketingzwecke erfassen. Sie sollten sie auch bitten, eine Online-Umfrage auszufüllen, nachdem sie ihre erste Bestellung erhalten hat.

Die Kundin ist so zufrieden mit ihrem ersten Kauf, dass sie Fotos mit ihren Freunden in den sozialen Medien teilt. In ihrem Beitrag auf Instagram erwähnt sie Ihr Geschäft und wie benutzerfreundlich Ihre Website war.

In diesem Beispiel haben sich Ihre Bemühungen in mehrfacher Hinsicht ausgezahlt. Von dem Moment an, in dem der Kunde das Layout (Schaufenster) wahrnimmt, bis hin zum einfachen Auschecken war jeder Schritt von Bedeutung und die Benutzerfreundlichkeit war einwandfrei. Machen Sie weiter so!

Beispiel 2: Langsame Ladezeiten 

Eine Mutter kauft mit ihrem Kleinkind im Schlepptau online ein. Sie ist gestresst, und das Kind benimmt sich daneben. Sie sucht ein bestimmtes Spielzeug für eine Geburtstagsfeier und ist sich nicht sicher, ob Sie es führen, aber sie hat von einer Freundin von Ihrer Website gehört (das ist großartig!).

Die Kundin klickt auf Spielzeug, und die Seite braucht ewig, um zu laden (nicht gut).

Sie versucht es mit der Eingabe eines Schlüsselworts in die Suchleiste. Es gibt keine Ergebnisse für ihre Suche. Frustriert verlässt die Kundin die Seite und geht zu Amazon, wo sie mit zwei Klicks bestellen kann und ihr Spielzeug noch rechtzeitig für die Party erhält.

Sie können fast sicher sein, dass diese Person nie wieder auf Ihre Website zurückkehren wird. Vielleicht hinterlässt sie sogar einen negativen Kommentar in den sozialen Medien.

Haben Sie schon einmal auf eine Website geklickt, von der Sie gehört haben, nur um dann mit langsamen Ladezeiten konfrontiert zu werden?

Sie möchten nicht hören, dass Ihre Kunden diese Erfahrung machen. Wenn Sie die Ladezeiten Ihrer Website verbessern, können Sie Ihre Absprungraten senken.

Im Jahr 2018 erwarten die Menschen, dass alles sofort geschieht, und die Optimierung der Website-Geschwindigkeit ist entscheidend. Wenn ein Kunde dasitzen und zusehen muss, wie sich der Timer immer weiterdreht, wird er woanders hingehen.

Wenn Sie Dinge wie Ihre Absprungrate und die Verweildauer auf Ihrer Seite nicht kennen, haben Sie ein Problem. In diesem Fall kann eine Kundenerfahrungskarte für Ihr Team aufschlussreich sein.

Beispiel 3: Der fehlgeschlagene Checkout

Ihr Kunde geht online und freut sich darauf, ein Produkt von Ihrer Website zu kaufen.

Ihre Marke ist leicht erkennbar, und er hat Ihre Werbung im Fernsehen gesehen, während er sich Fußball anschaute, also beschließt er, es auszuprobieren, obwohl er ein älterer Bürger ist, der selten etwas online kauft.

Der Einkauf verläuft reibungslos, bis er an der Kasse ankommt.

Der Kunde tippt immer wieder die falsche Kartennummer ein und hat mindestens dreimal eine oder zwei Nummern vergessen. Er ist kein Computermensch, dachte aber, es sei einfacher, online einzukaufen, als in ein Geschäft zu gehen.

Jedes Mal, wenn er die falsche Kreditkartennummer eingibt, löscht der Bildschirm alle anderen Felder, und er muss von vorne anfangen.

Selbst wenn der Einkaufsprozess auf Ihrer Website reibungslos funktioniert, kann eine ineffiziente Kasse einen Kauf verhindern. Ihre Bestellformulare müssen so programmiert sein, dass der Benutzer, wenn er einen Fehler macht, nur dieses Feld ausfüllen muss und die Seite die restlichen Daten beibehält.

Die wiederholte Eingabe von Informationen kann die Abbruchrate erhöhen. Das Schlimmste daran ist, dass der Kunde zu diesem Zeitpunkt bereit ist zu kaufen – und Ihre Website ihn nicht lässt.

Diese Customer Journey Mapping-Beispiele zeigen Ihnen, wie Sie mit einfachen Mitteln die Benutzerfreundlichkeit Ihrer Website verbessern können, um letztlich Ihren Umsatz zu steigern.

Kostenlose Customer Journey-Vorlagen verwenden

Wenn Sie ein traditionelles Unternehmen mit einem Ladengeschäft haben, können Sie sich leicht vorstellen, wie Ihre Kunden an einem bestimmten Tag durch Ihr Geschäft navigieren. Aber wie können Sie feststellen, warum ein Kunde online frustriert ist?

Wenn er nicht gerade einen Kommentar hinterlässt, in dem er seine Frustration zum Ausdruck bringt, ist es sehr schwierig, diese Daten ohne die richtigen Tools zu sammeln.

Ist es unmöglich, das Verhalten jedes einzelnen Kunden zu überwachen und den Grund dafür zu finden, warum er die Website früher verlässt, als Sie es wünschen? Warum werden die Besucher nicht in Verkäufe umgewandelt?

Mit professioneller Datenanalyse nehmen Sie das Rätselraten aus der Gleichung und bieten Ihnen konkrete Möglichkeiten zur Aufzeichnung, Analyse und Interpretation der Besucheraktivitäten auf Ihrer Website. Anhand dieser Daten können Sie Schlussfolgerungen ziehen, die sich positiv auf die Konversionsraten Ihrer Website auswirken.

Wäre es nicht toll, wenn Sie herausfinden könnten, warum Kunden aufhören zu klicken, oder wissen, wo sie am häufigsten klicken?

Optimieren Sie Ihre Buyer’s Journey, indem Sie verstehen, wie sie navigieren

Per Definition ist die Customer Journey eine Karte Ihrer UX an jedem Berührungspunkt: Ihr Ziel ist es, die Lead-Generierung für Ihr Unternehmen zu steigern. Wenn Sie die Navigation der Nutzer auf Ihrer Website optimieren und diesen Prozess effizienter gestalten, werden sie immer wieder kommen und Geld bei Ihnen ausgeben.

Im Folgenden finden Sie eine Checkliste, mit der Sie herausfinden können, wo die Nutzer frustriert oder entmutigt sind.

Wenn Sie die folgenden Fragen beantworten, können Sie verstehen, was jedes Mal passiert, wenn jemand Ihre Website betritt:

  • Ist Ihre Hauptseite attraktiv? Sind die Nutzer daran interessiert, zu verweilen und mehrere Seiten zu besuchen? Seiten mit qualitativ hochwertigen Bildern und einfachem Design sind in der Regel sehr gut.
  • Weiß der Benutzer, wie er auf Ihrer Website navigieren kann? Geben sie irgendwann während ihrer Suche auf, oder können sie einfach auf das Menü klicken und finden, was sie suchen?
  • Haben Sie einen aussagekräftigen CTA (Call to Action) am Ende Ihrer Artikel? Vergewissern Sie sich, dass Ihre CTAs die Besucher dazu bewegen, den nächsten Schritt im Verkaufstrichter zu tun.
  • Scrollen Ihre Besucher nach unten, um sich weitere Inhalte anzusehen? Sind Ihre Artikel informativ und leicht zu verstehen? Enthalten sie Links zu weiteren relevanten Inhalten auf Ihrer Website?
  • Wie sieht es mit Ihrer Absprungrate aus? Wie schnell verlassen die Besucher Ihre Website? Wenn sie nach ein paar Klicks wieder gehen, haben Sie ein Problem. Je länger eine Person auf Ihrer Website verweilt, desto höher sind die Chancen für eine Konversion.
  • Ist die Verweildauer auf der Seite lang oder kurz? Wenn Ihre Besucher die Seite zu schnell verlassen, kann das bedeuten, dass Sie etwas ändern müssen. Wenn Besucher die Seite sofort wieder verlassen, liegt das daran, dass ihnen nicht gefällt, was sie sehen, oder dass sie nicht finden können, wonach sie suchen.

Um die Customer’s Journey zu optimieren und besser zu verstehen, wie sie navigieren, sollten Sie ein Tool zur Verfolgung von Website-Klicks auf mehr als einer Seite verwenden. Auf diese Weise können Sie die Seiten mit den meisten Klicks ermitteln.

Sie können auch sehen, welche Seiten für die meisten Konversionen verantwortlich sind.

Zusammenfassung

Viele Dinge können Sie von Ihren Zielen ablenken.

Wir hören viel über Content Marketing und SEO, um gute Platzierungen in den Suchmaschinen zu erreichen und die Besucherzahlen zu Ihrem Unternehmen zu steigern.

Aber da sich die Technologie und die Art und Weise, wie Verbraucher einkaufen, ändern, sollten Sie nie aus den Augen verlieren, dass das Kundenerlebnis über den Erfolg Ihres Unternehmens entscheidet.

Für Ihr langfristiges Wachstum ist es von entscheidender Bedeutung zu verstehen, welche Erfahrungen der Kunde beim Besuch Ihrer Website macht, und dies ist ein wesentlicher Bestandteil der Planung der Customer Journey. Sobald Sie in der Lage sind, sich ein Bild davon zu machen, wie Ihre Besucher mit Ihrer Marke interagieren, und zu bestimmen, warum sie bleiben oder gehen, können Sie eine bessere Erfahrung für aktuelle und zukünftige Kunden erreichen.

Google Analytics 360: die Premium-Lösung des beliebten Webtracking- und Analyse-Tools

Google Analytics 360 (GA360) ist eine der sieben Komponenten der Google Marketing Platform. Mit dem kostenpflichtigen Zugang zu GA360 erhalten Nutzer auch Zugang zu 360-Versionen anderer Produkte:

Die GA360-Lizenz ist allumfassend: Es gibt keine Stufen oder zusätzliche Funktionen, die freigeschaltet werden müssen. (Nutzer erhalten Gutschriften für BigQuery; umfangreiche Abfragen von GA-Daten in BigQuery verursachen zusätzliche Kosten.)

Einige Unterschiede in der Funktionalität zwischen den 360-Versionen und ihren kostenlosen Gegenstücken sind begrenzt. Tag Manager 360 wirbt zum Beispiel mit “Unterstützung auf Unternehmensebene” als Hauptvorteil.

Dieser Beitrag konzentriert sich auf Analytics 360 und die Integrationen mit anderen Plattformprodukten, die innerhalb der Google Analytics-Benutzeroberfläche erfolgen.

Google Analytics 360 vs Google Analytics

Die größten Unterschiede:

  • Stichprobenverfahren. Die kostenlose Version von GA beginnt mit dem Sampling von Daten für Nicht-Standardberichte, die 500.000 Sitzungen überschreiten. GA360 beginnt erst mit dem Sampling von Daten, wenn die Berichte 100 Millionen Sitzungen überschreiten. Die kostenlose Version garantiert auch keine Datenverarbeitung bei mehr als 10 Millionen Zugriffen pro Monat; die Garantie erstreckt sich auf 2 Milliarden Zugriffe bei GA360.
  • Zeitverzögerung. GA360 überträgt alle Daten innerhalb von vier Stunden in seine Berichtsschnittstelle, oft sogar innerhalb von Minuten. Diese nahezu Echtzeit-Dateneingabe ist schneller als bei der kostenlosen Version, die in der Regel einen ganzen Tag für die Verarbeitung der Daten benötigt.
  • Exportgröße. GA360 erlaubt 3 Millionen Zeilen; die kostenlose Version bietet 50.000.
  • Benutzerdefinierte Dimensionen und Metriken. GA360 bietet 200 von jedem im Vergleich zur kostenlosen Version, die 20 bietet.

Und dennoch sind die meisten Unternehmen nicht eine weitere benutzerdefinierte Dimension (oder 50) von verwertbaren Daten entfernt; nur wenige treffen andere Entscheidungen, weil ihre Daten auf 87 % aller Sitzungen basieren.

Andere bekannte Unterschiede konzentrieren sich weniger auf die reinen Zahlen als vielmehr auf die geschäftlichen Anforderungen des Unternehmens:

  • Roll-up-Berichterstattung. GA360 ermöglicht es Benutzern, Berichte aus mehreren Eigenschaften effizient zusammenzustellen, mit Funktionen, die in der kostenlosen Version nicht verfügbar sind – Duplizieren von Benutzern, Zusammenfügen von Sitzungen, Vererben von benutzerdefinierten Dimensionen und Metriken usw.
  • Datengesteuerte Attributionsmodellierung. GA360 geht über die in der kostenlosen Version verfügbaren Standard-Attributionsmodelle hinaus und erstellt mithilfe von maschinellem Lernen benutzerdefinierte Attributionsmodelle mit Daten von GA und verbundenen Konten, einschließlich TV-Werbeeinkäufen.

Jede der oben genannten Funktionen ermöglicht die Erfassung von mehr Daten, verbessert die Qualität der Daten oder erhöht die Genauigkeit der Berechnungen auf der Grundlage dieser Daten. Diese Unterschiede weisen jedoch nur auf die grundlegenden Vorteile von GA360 hin, die im Mittelpunkt stehen:

  1. Verbindungen zwischen Google Analytics-Daten und persönlich identifizierbaren Informationen.
  2. Integration mit einer breiteren Palette von Werbenetzwerken.
  3. Granulare, umsetzbare Datenvisualisierungen.

Die Vorteile von Google Analytics 360, die ROI generieren

1) Verbindungen zwischen Google Analytics-Daten und persönlich identifizierbaren Informationen

Bei einer früheren Tätigkeit in einer Agentur habe ich erlebt, dass Kunden aus einem bestimmten Grund von Google Analytics zu Adobe Analytics gewechselt haben – um anonyme Analysedaten mit bestimmten Nutzern zu verknüpfen. Google Analytics warnt unmissverständlich vor der Erfassung personenbezogener Daten, was einige zu Adobe treibt.

Ein Plattformwechsel aus diesem Grund, so stellt sich heraus, ist nicht gerechtfertigt – wenn Sie Ihre GA-Daten in BigQuery importieren.

BigQuery

BigQuery, Teil der Google Cloud Platform, ist ein vollständig verwaltetes Data Warehouse. Die Integration von GA-Daten mit BigQuery ist mit GA360 möglich. BigQuery beginnt mit 13 Monaten historischer GA-Daten und sammelt unbegrenzt neue Daten in der Zukunft.

Es ist möglich, Daten aus der kostenlosen Version von GA in eine andere Plattform zu exportieren, aber der Prozess ist unvollständig und lässt sich nicht skalieren: Er beruht auf der GA-API – einer Quelle für Berichtsdaten, aber nicht für Rohdaten – oder einem Plugin, wie dem für Google Sheets.

Da BigQuery andere Nutzungsbedingungen hat, kann es GA-Daten mit PII verbinden – aus Ihrem CRM oder aus anderen Quellen, die Sie verbinden möchten. Sobald sich die Daten in BigQuery befinden, geben SQL-Skripte eine benutzerspezifische Tabelle mit den angeforderten Daten zurück.

2) Integrations with a wider range of ad networks

Die Werbeausgaben und nicht der gesamte Traffic, sind vielleicht der einfachste Weg, um eine Investition in GA360 zu rechtfertigen. Wenn Sie derzeit 100.000 Euro pro Monat für Google Ads ausgeben, wie viel effizienter könnten Sie dann mit GA360 sein? Eine Effizienzsteigerung von 10 % würde die Kosten für GA360 schon fast decken.

Es überrascht nicht, dass Google über Fallstudien verfügt, in denen starke Verbesserungen beschrieben werden:

  • Panasonic nutzte GA360, um die Rendite der Werbeausgaben (ROAS) um 30 % zu steigern.
  • Die GA360-Investition von Moncler führte zu einer Verbesserung des ROAS um 35 %.

Die kostenlose Version von Google Analytics enthält bereits robuste (und dennoch wenig genutzte) Integrationen mit Google Ads.

GA360 erweitert die für Google Ads verfügbaren Funktionen auf andere Plattformen und Netzwerke, wie z. B. Campaign Manager, sowie auf Nicht-Google-Netzwerke, wie Index Exchange, in Display & Video 360.

3) Granulare, umsetzbare Datenvisualisierungen

Zwei hochwertige Datenvisualisierungen sind einzigartig in GA360: Benutzerdefinierte Trichter und Erweiterte Analyse.

Wie bei anderen GA360-Funktionen liegt der Hauptvorteil von Custom Funnels nicht nur in der Visualisierung des Nutzerverhaltens, sondern auch in der Umsetzung dieser Visualisierung in Aktionen durch den Export in eine Marketingautomatisierungsplattform.

Advanced Analytics

Advanced Analysics, das sich noch in der Beta-Phase von Google befindet, ist sehr eng zwischen Data Studio und Analytics angesiedelt.

Die Drag-and-Drop-Benutzeroberfläche bietet mehrere Berichtstypen, darunter eine Segmentüberschneidung, die Nutzer mit gemeinsamen Merkmalen identifiziert. Diese Visualisierung steht wiederum für den Export zurück in Analytics zur Verfügung, wo Sie von der Gesamt-Nutzer-Ebene bis zum einzelnen Nutzer aufschlüsseln können.

Für wen eignet sich Google Analytics 360

Die meisten Benutzer schöpfen die Möglichkeiten der kostenlosen Version nicht aus und gehen fälschlicherweise davon aus, dass ein unvollständiger Bericht oder ein begrenzter Export die Analyse und das Wachstum behindert.

Unternehmen, die sich gut für GA360 eignen, fallen wahrscheinlich in eine der drei Kategorien:

  • Extrem stark frequentierte Websites. (mehr als 1 Million monatliche Besucher – genug, um die Daten eines Monats unterhalb der 50 %-Schwelle zu erfassen)
  • Große B2B-Unternehmen, die bereits Salesforce verwenden. Die verwaltete Integration von Google Analytics und Salesforce-Daten würde wahrscheinlich die Kosten für unabhängige Bemühungen zur Verknüpfung von Analyse- und CRM-Daten decken.
  • Unternehmen mit hohen Werbeausgaben von mehr als 100.000 Euro pro Monat.

BigQuery Abfrage für Google Analytics 4 (GA4): Events: Dimensionen und Metriken

Standard Event Dimensionen

  • event_date
  • event_timestamp
  • event_name
  • event_params.key
  • event_previous_timestamp
  • event_bundle_sequence_id
  • event_server_timestamp_offset
  • event_dimensions.hostname

Standard Event Metriken

  • event_params.value.int_value
  • event_params.value.float_value
  • event_params.value.double_value
  • event_value_in_usd
select
    -- event_date (dimension | the date on which the event was logged)
    parse_date('%Y%m%d',event_date) as event_date,
    -- event_timestamp (dimension | the time (in microseconds, utc) at which the event was logged on the client)
    timestamp_micros(event_timestamp) as event_timestamp,
    -- event_name (dimension | the name of the event)
    event_name,
    -- event_key (dimension | the event parameter's key | change key to select another parameter)
    (select key from unnest(event_params) where key = 'page_location') as event_key,
    -- event_string_value (dimension | the string value of the event parameter | change key to select another parameter)
    (select value.string_value from unnest(event_params) where key = 'page_location') as event_string_value,
    -- event_int_value (metric | the integer value of the event parameter | change key to select another parameter)
    (select value.int_value from unnest(event_params) where key = 'ga_session_id') as event_int_value,
    -- event_float_value (metric | the float value of the event parameter | change key to select another parameter)
    (select value.float_value from unnest(event_params) where key = 'page_location') as event_float_value,
    -- event_double_value (metric | the double value of the event parameter | change key to select another parameter)
    (select value.double_value from unnest(event_params) where key = 'page_location') as event_double_value,
    -- event_previous_timestamp (dimension | the time (in microseconds, utc) at which the event was previously logged on the client)
    timestamp_micros(event_previous_timestamp) as event_previous_timestamp,
    -- event_value_in_usd (metric | the currency-converted value (in usd) of the event's "value" parameter)
    event_value_in_usd,
    -- event_bundle_sequence_id (dimension | the sequential id of the bundle in which these events were uploaded)
    event_bundle_sequence_id,
    -- event_server_timestamp_offset (dimension | timestamp offset between collection time and upload time in micros)
    event_server_timestamp_offset,
    -- event_dimensions.hostname (dimension | hostname)
    event_dimensions.hostname
from
    -- change this to your google analytics 4 export location in bigquery
    `privat-327611.analytics_266663932.events_*`
where
    -- define static and/or dynamic start and end date
    _table_suffix between '20211221' and format_date('%Y%m%d',date_sub(current_date(), interval 1 day))
    -- change event_name to select another event
    and event_name = 'page_view'

Anleitung: Anpassen der Standard-Sitzungskonfiguration für “engaged sessions” (GA4)

Die obige Berechnung für”engaged sessions” basiert auf dem Event user_engagement. Genauer gesagt: wenn der string.value für den Parameter key session_engaged = ‘1’. Die Definition von “engaged sessions” in GA4 lautet wie folgt: Die Anzahl der Sitzungen, die länger als 10 Sekunden dauerten, ein Konversionsereignis hatten oder 2 oder mehr Bildschirm- oder Seitenaufrufe hatten.

Sie können ein Konvertierungsereignis in der Benutzeroberfläche festlegen, aber die Definitionen der Sitzungsdauer oder der Anzahl der Seitenaufrufe können nicht geändert werden, wenn Sie das Ereignis user_engagement verwenden. Was aber, wenn wir die Definition einer “engaged sessions” anpassen wollen? In diesem Tutorial zeige ich Ihnen, wie Sie Ihre eigene Definition einer “engaged sessions” erstellen, die auch auf Ihre historischen Daten angewendet werden kann.

Datumsbereich

Wir beginnen mit dem Rahmen für unsere Abfrage. Lassen Sie uns zunächst einen Zeitrahmen definieren. In diesem Fall nehme ich einen Bereich mit einem statischen Start- und einem dynamischen Enddatum.

-- subquery to define static and/or dynamic start and end date
with date_range as (
select
    '20210101' as start_date,
    format_date('%Y%m%d',date_sub(current_date(), interval 1 day)) as end_date)

GA4- wiederholen

Wenn Sie sich die obige Definition einer “engaged sessions” in GA4 ansehen, werden Sie feststellen, dass wir Sitzungen zählen, die mindestens eine der folgenden drei Bedingungen erfüllen:

  • Sitzungsdauer größer als 10 Sekunden, oder
  • 2 oder mehr Bildschirm-/Seitenaufrufe, oder
  • Konvertierungsereignis

Wir bauen unsere Abfrage in der gleichen Struktur auf, mit einer Basis-Unterabfrage und drei weiteren Unterabfragen, die jeweils eine der oben genannten Bedingungen überprüfen. Dann sammeln wir alle Sitzungen in einer weiteren Unterabfrage und deduplizieren sie. Schließlich zählen wir die Sitzungen nach Datum in unserer Hauptabfrage.

Übersetzt in SQL sieht der Rahmen unserer Abfrage wie folgt aus:

-- subquery to define static and/or dynamic start and end date for the whole query
with date_range as (
select
    '20210101' as start_date,
    format_date('%Y%m%d',date_sub(current_date(), interval 1 day)) as end_date),
    
-- base query to pull in all raw data
base as (  
select
    'loremimpsum'
from
    -- change this to your google analytics 4 export location in bigquery
    `ga4bigquery.analytics_250794857.events_*`,
    date_range
where
    _table_suffix between date_range.start_date and date_range.end_date),
    
-- subquery to get all sessions with a length > 10 seconds
session_length as (
select
    'loremimpsum'
from
    base),
    
-- subquery to get all sessions with 2 or more (unique) page views
multiple_pageviews as (
 select
    'loremimpsum'
from
    base),
    
-- subquery to get all sessions with a conversion event (in this example 'first_visit')
conversion_event as (
select
    'loremimpsum'
from
    base),

-- subquery to combine and deduplicate all subqueries generated earlier
dedup as (
select
    *
from
    session_length
union distinct 
select
    *
from
    multiple_pageviews 
union distinct
select
    *
from
    conversion_event)

-- main query to count unique engaged sessions by date in descending order
select
    *
from
    dedup

Jetzt haben wir unseren Rahmen, es geht nur noch darum, die Details auszufüllen. Danach können Sie die Bedingungen leicht anpassen, um Ihre eigene Definition einer besuchten Sitzung in GA4 zu erstellen.

Basisabfrage

Ich werde hier nur die Basisabfrage bereitstellen. Sie macht vielleicht noch nicht viel Sinn, aber wir brauchen sie, um loszulegen. Dies ist die einzige Abfrage, die Daten aus dem event_ schema von GA4 bezieht, also stellen Sie sicher, dass Sie den Verweis auf Ihren Exportort ändern.

-- base query to pull in all raw data
base as (
select
    user_pseudo_id,
    (select value.int_value from unnest(event_params) where key = 'ga_session_id') as session_id,
    event_name,
    event_timestamp,
    (select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location') as pageview_location
from
    -- change this to your google analytics 4 export location in bigquery
    `ga4bigquery.analytics_250794857.events_*`,
    date_range
where
    _table_suffix between date_range.start_date and date_range.end_date)

Sitzungslänge

Beginnen wir mit unserer ersten sinnvollen Unterabfrage, die für jede Sitzung in unserem Datumsbereich prüft, ob die Sitzungslänge größer als 10 Sekunden ist. Für diese Bedingung benötigen wir:

  • die User-ID (Benutzerkennung)
  • die Session-ID (Sitzungsnummer)
  • den Zeitstempel des ersten Ereignisses der Sitzung
  • eine Berechnung der Zeit in Sekunden zwischen dem ersten und dem letzten Ereigniszeitstempel der Sitzung

Dann gruppieren wir alles nach Benutzer-ID und Sitzungsnummer. Die 10-Sekunden-Bedingung wird in der Having-Klausel konfiguriert.

-- subquery to get all sessions with a length > 10 seconds
session_length as (
select
    user_pseudo_id,
    session_id,
    timestamp_micros(min(event_timestamp)) as session_start_time,
    (max(event_timestamp)-min(event_timestamp))/1000000 as session_length_seconds
from
    base
group by
    user_pseudo_id,
    session_id
having
    -- change this number to adjust the desired session length
    session_length_seconds > 10
order by
    user_pseudo_id,
    session_id)

Mehrere Seitenaufrufe

Als Nächstes: die Unterabfrage, die jede Sitzung in unserem Datumsbereich nach der Bedingung “mehrere Seitenaufrufe” durchsucht. Damit dies funktioniert, benötigen wir:

  • die User-ID (Benutzerkennung)
  • die Session-ID (Sitzungsnummer)
  • den Zeitstempel des ersten Ereignisses der Sitzung
  • die Anzahl der Seitenaufrufe in der Sitzung

Um viele doppelte Zeilen zu vermeiden, verwende ich eine Fensterfunktion. Dann gruppieren wir alles nach Benutzer-ID und Sitzungs-ID. Die Bedingung für die Anzahl der Seitenaufrufe wird in der Where-Klausel konfiguriert.

-- subquery to get all sessions with 2 or more (unique) page views
multiple_pageviews as (
select
    user_pseudo_id,
    session_id,
    session_start_time,
    pageviews
from (
    select
        user_pseudo_id,
        session_id,
        timestamp_micros(min(event_timestamp)) as session_start_time,
        count(pageview_location) over (partition by user_pseudo_id, session_id) as pageviews,
        row_number() over (partition by user_pseudo_id, session_id) as row_number
    from
        base
    group by
        user_pseudo_id,
        session_id,
        pageview_location)
where
    row_number = 1
    -- change this number to adjust the desired amount of page views
    and pageviews >= 2)

Ereignis der Konvertierung
Der nächste Teil unserer Reise ist relativ einfach. Wir müssen nur die Sitzungen auswählen, die ein Konvertierungsereignis enthalten. Auch hier wird die Konfiguration in der Where-Klausel vorgenommen.

Außerdem greifen wir auf die Basisabfrage zurück:

  • die User-ID
  • die Session-ID
  • den Zeitstempel des ersten Ereignisses der Sitzung
-- subquery to get all sessions with a conversion event (in this example 'first_visit')
conversion_event as (
select
    user_pseudo_id,
    session_id,
    timestamp_micros(min(event_timestamp)) as session_start_time
from
    base
where
    -- change this event_name to adjust the desired conversion event
    event_name = 'first_visit'
group by
    user_pseudo_id,
    session_id)

Ergebnisse trennen

Da sich die ausgewählten Sitzungen, die in den vorherigen Unterabfragen definiert wurden, überschneiden können, müssen wir die Ergebnisse trennen, damit wir später in unserer Hauptabfrage eindeutige Sitzungen zählen können. Um dies zu erreichen, verwenden wir union distinct.

-- subquery to combine and deduplicate all subqueries generated earlier
dedup as (
select
    user_pseudo_id,
    session_id,
    session_start_time
from
    session_length
union distinct 
select
    user_pseudo_id,
    session_id,
    session_start_time
from
    multiple_pageviews 
union distinct
select
    user_pseudo_id,
    session_id,
    session_start_time
from
    conversion_event)

Sitzungen zählen

Die dedup-Abfrage erzeugt eine Liste eindeutiger Sitzungen, die wir nur noch zählen, nach Datum gruppieren und in absteigender Reihenfolge präsentieren müssen.

-- main query to count unique engaged sessions by date in descending order
select
    date(session_start_time) as date,
    count(distinct concat(user_pseudo_id,session_id)) as engaged_sessions
from
    dedup
group by
    date
order by
    date desc

Finale Abfrage

Jetzt haben wir unsere Bausteine, und wir können alles zusammenfügen, indem wir dem Rahmen folgen, den wir zuvor in entworfen haben.

-- subquery to define static and/or dynamic start and end date
with date_range as (
select
    '20211222' as start_date,
    format_date('%Y%m%d',date_sub(current_date(), interval 1 day)) as end_date),

-- base query to pull in all raw data
base as (
select
    user_pseudo_id,
    (select value.int_value from unnest(event_params) where key = 'ga_session_id') as session_id,
    event_name,
    event_timestamp,
    (select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location') as pageview_location
from
    -- change this to your google analytics 4 export location in bigquery
    `privat-327611.analytics_266663932.events_*`,
    date_range
where
    _table_suffix between date_range.start_date and date_range.end_date),

-- subquery to get all sessions with a length > 10 seconds
session_length as (
select
    user_pseudo_id,
    session_id,
    timestamp_micros(min(event_timestamp)) as session_start_time,
    (max(event_timestamp)-min(event_timestamp))/1000000 as session_length_seconds
from
    base
group by
    user_pseudo_id,
    session_id
having
    -- change this number to adjust the desired session length
    session_length_seconds > 10
order by
    user_pseudo_id,
    session_id),
    
-- subquery to get all sessions with 2 or more (unique) page views
multiple_pageviews as (
select
    user_pseudo_id,
    session_id,
    session_start_time,
    pageviews
from (
    select
        user_pseudo_id,
        session_id,
        timestamp_micros(min(event_timestamp)) as session_start_time,
        count(pageview_location) over (partition by user_pseudo_id, session_id) as pageviews,
        row_number() over (partition by user_pseudo_id, session_id) as row_number
    from
        base
    group by
        user_pseudo_id,
        session_id,
        pageview_location)
where
    row_number = 1
    -- change this number to adjust the desired amount of page views
    and pageviews >= 2),
    
-- subquery to get all sessions with a conversion event (in this example 'first_visit')
conversion_event as (
select
    user_pseudo_id,
    session_id,
    timestamp_micros(min(event_timestamp)) as session_start_time
from
    base
where
    -- change this event_name to adjust the desired conversion event
    event_name = 'first_visit'
group by
    user_pseudo_id,
    session_id),

-- subquery to combine and deduplicate all subqueries generated earlier
dedup as (
select
    user_pseudo_id,
    session_id,
    session_start_time
from
    session_length
union distinct 
select
    user_pseudo_id,
    session_id,
    session_start_time
from
    multiple_pageviews 
union distinct
select
    user_pseudo_id,
    session_id,
    session_start_time
from
    conversion_event)

-- main query to count unique engaged sessions by date in descending order
select
    date(session_start_time) as date,
    count(distinct concat(user_pseudo_id,session_id)) as engaged_sessions
from
    dedup
group by
    date
order by
    date desc

Warum Ihre BigQuery-Ergebnisse nicht (genau) mit den Google Analytics-Berichten übereinstimmen

Beginnen wir mit einer schlechten Nachricht: Ihre Google Analytics-Berichte sind nicht unbedingt ein Abbild der Realität. Nehmen wir an, Sie haben die perfekte Implementierung und können das gesamte Verhalten auf Ihrer Website im Detail messen (was nahezu unmöglich ist). Ihre GA-Berichte wären trotzdem grottenschlecht. Einige der Gründe:

  • Nutzer, die mehrere Geräte verwenden und/oder teilen
  • Verwendung von Werbeblockern
  • Browser mit Tracking-Schutzmechanismen
  • willkürliche Timeout-Einstellungen für Sitzungen
  • Stichproben in Berichten
  • Consent-Management-System (Cookie-Banner) -> werden ggf. abgelehnt

Vor diesem Hintergrund kann man mit Sicherheit sagen, dass Google Analytics am besten als Werkzeug zum Erkennen von Trends geeignet ist. Es kann große Mengen an verhaltensbezogenen Websitedaten verarbeiten und ermöglicht es Ihnen – wenn es richtig interpretiert wird -, das Signal zwischen all dem Rauschen zu erkennen.

BigQuery-Ergebnisse im Vergleich zu Google Analytics-Berichten

Ok, Sie fragen die GA-Exportdaten in BigQuery ab, und wenn Sie die Ergebnisse mit der GA-Benutzeroberfläche vergleichen, stimmen die Zahlen einfach nicht überein. Wie ist das möglich?

Zunächst einmal: Machen Sie sich nicht zu viele Gedanken darüber. Wie wir bereits festgestellt haben, sind die Daten von Google Analytics nicht gerade Metaphysik. Dennoch gibt es einige Dinge zu beachten, wenn Sie GA-Daten in BigQuery abfragen.

Definitionen

Das BigQuery-Exportschema enthält Rohdaten, die von Google Analytics erfasst und verarbeitet werden. Wenn Sie an GA-Berichte gewöhnt sind, werden Sie schnell feststellen, dass viele Metriken hier nicht vorhanden sind. Sie müssen sie auf der Grundlage der von Google bereitgestellten Definitionen berechnen. Manchmal sind diese kristallklar, aber in vielen Fällen ist die Dokumentation inkonsistent oder fehlt einfach. Der Vorteil ist, dass Sie die Freiheit haben, Ihre eigenen Definitionen zu erstellen. Warum sollten Sie die Standardmetriken verwenden, wenn Sie alles individuell anpassen können?

Geltungsbereiche

Der Umgang mit Daten auf verschiedenen Ebenen kann schwierig sein. Im Universal Analytics-Export müssen Sie sich mit Daten aus den Bereichen Benutzer, Sitzung, Treffer und Produkt auseinandersetzen. In GA4 müssen Sie sich um Benutzer-, Ereignis- und Artikeldaten kümmern. Sie müssen ein grundlegendes Verständnis dafür haben, wie sich diese Bereiche auf die einzelnen Abfragen beziehen, um aussagekräftige Ergebnisse erzielen zu können. Denken Sie daran: BigQuery wird Ihnen nicht sagen, ob Ihre Ergebnisse falsch sind, solange Ihre Abfrage gültig ist.

Abfragelogik

Zeigen Sie mir Ihre Abfragen und ich sage Ihnen, wer Sie sind”. Selbst wenn alle Definitionen klar sind und Sie die Besonderheiten der Bereiche in Google Analytics vollständig verstehen, können die Ergebnisse je nach Verfasser der Abfrage unterschiedlich ausfallen. Als Faustregel gilt: Keep it simple and stupid. In manchen Fällen ist dies jedoch leichter gesagt als getan.

Beispiele für GA4-Spezifika

Google Analytics 4-Berichte verwenden eine Definition von aktiven Nutzern (Nutzer, die gerade aktiv sind)
Bei der Replikation des Sitzungsquellen-/Mediumberichts in der GA4-Benutzeroberfläche ist es fast unmöglich, die Zahlen in Übereinstimmung zu bringen. Das session_start-Ereignis enthält keine Informationen zu Quelle/Medium.

Auch die in der GA4-Benutzeroberfläche verwendete Sitzungszuordnung ist immer noch eine Blackbox.

Beispiele für UA-Spezifika

Stellen Sie sicher, dass Sie totals.visits = 1 in Ihrer where-Klausel verwenden, um Sitzungen ohne Interaktionen auszuschließen, da die BigQuery-Exporttabellen standardmäßig und im Gegensatz zur Google Analytics-Benutzeroberfläche alle Sitzungen enthalten, einschließlich derer ohne Interaktionen.


Wenn Sie count(distinct concat(fullvisitorid, cast(visitstarttime as string))) verwenden, um die Sitzungen zu zählen, müssen Sie sich keine Gedanken über Midnight-Split-Sitzungen machen.

Erstellung des Traffic-Akquisitions-Berichtes in Big Query mit Google Analytics 4 Daten

Im Traffic-Akquisitions-Bericht finden Sie eine Tabelle mit Daten zur Akquise auf Sitzungsebene (Quelle, Medium, Kampagne, Standard-Kanalgruppierung) und einige Engagement-Metriken. Wir werden versuchen, diese Tabelle mit der folgenden Abfrage zu erstellen.

-- subquery to prepare the data
with prep_traffic as (
select
    user_pseudo_id,
    (select value.int_value from unnest(event_params) where key = 'ga_session_id') as session_id,
    max((select value.string_value from unnest(event_params) where key = 'medium')) as medium,
    max((select value.string_value from unnest(event_params) where key = 'source')) as source,
    max((select value.string_value from unnest(event_params) where key = 'campaign')) as campaign,
    max((select value.string_value from unnest(event_params) where key = 'session_engaged')) as session_engaged,
    max((select value.int_value from unnest(event_params) where key = 'engagement_time_msec')) as engagement_time_msec,
    -- change event_name to the event(s) you want to count
    countif(event_name = 'click') as event_count,
    -- change event_name to the conversion event(s) you want to count
    countif(event_name = 'purchase') as conversions,
    sum(ecommerce.purchase_revenue) as total_revenue   
from
    -- change this to your google analytics 4 bigquery export location
    `privat-327611.analytics_266663932.events_*`
where
    -- change the date range by using static and/or dynamic dates
    _table_suffix between '20211223' and format_date('%Y%m%d',date_sub(current_date(), interval 1 day))
group by 
    user_pseudo_id,
    session_id)

-- main query
select
    concat(ifnull(source,'(direct)'),' / ',ifnull(medium,'(none)')) as session_source_medium,
    -- ifnull(medium,'(none)') as session_medium,
    -- ifnull(source,'(direct)') as session_source,
    -- ifnull(campaign,'(direct)') as session_campaign,
    /* -- definitions of the channel grouping based on the source / medium of every session
    case
        when source is null and (medium = '(not set)' or medium is null) then 'Direct'
        when medium = 'organic' then 'Organic Search'
        when regexp_contains(medium, r'^(social|social-network|social-media|sm|social network|social media)$') then 'Social'
        when medium = 'email' then 'Email'
        when medium = 'affiliate' then 'Affiliates'
        when medium = 'referral' then 'Referral'
        when regexp_contains(medium, r'^(cpc|ppc|paidsearch)$') then 'Paid Search'
        when regexp_contains(medium, r' ^(cpv|cpa|cpp|content-text)$') then 'Other Advertising'
        when regexp_contains(medium, r'^(display|cpm|banner)$') then 'Display'
        else '(Other)' end as session_default_channel_grouping,
    */
    count(distinct user_pseudo_id) as users,
    count(distinct concat(user_pseudo_id,session_id)) as sessions,
    count(distinct case when session_engaged = '1' then concat(user_pseudo_id,session_id) end) as engaged_sessions,
    safe_divide(sum(engagement_time_msec/1000),count(distinct case when session_engaged = '1' then concat(user_pseudo_id,session_id) end)) as average_engagement_time_per_session_seconds,
    safe_divide(count(distinct case when session_engaged = '1' then concat(user_pseudo_id,session_id) end),count(distinct user_pseudo_id)) as engaged_sessions_per_user,
    safe_divide(sum(event_count),count(distinct concat(user_pseudo_id,session_id))) as events_per_session,
    safe_divide(count(distinct case when session_engaged = '1' then concat(user_pseudo_id,session_id) end),count(distinct concat(user_pseudo_id,session_id))) as engagement_rate,
    sum(event_count) as event_count,
    sum(conversions) as conversions,
    ifnull(sum(total_revenue),0) as total_revenue
from
    prep_traffic
group by
    session_source_medium
    -- ,session_medium
    -- ,session_source
    -- ,session_campaign
    -- ,session_default_channel_grouping
order by
    users desc

Erstellung des Nutzer-Akquisitions-Berichtes in Big Query mit Google Analytics 4 Daten

Im Bericht LebensNutzer-Akquisitions-Bericht finden Sie eine Tabelle mit Daten über die Akquise auf Nutzerebene (Quelle, Medium, Kampagne) und einige Engagement-Metriken. Wir werden versuchen, diese Tabelle mit der folgenden Abfrage zu erstellen.


-- subquery to prepare the data
with prep as (
select
    user_pseudo_id,
    ifnull(traffic_source.medium,'(not set)') as medium,
    ifnull(traffic_source.source,'(not set)') as source,
    ifnull(traffic_source.name,'(not set)') as name,
    (select value.int_value from unnest(event_params) where key = 'ga_session_id') as session_id,
    max((select value.int_value from unnest(event_params) where event_name = 'session_start' and key = 'ga_session_number')) as session_number,
    max((select value.string_value from unnest(event_params) where key = 'session_engaged')) as session_engaged,
    max((select value.int_value from unnest(event_params) where key = 'engagement_time_msec')) as engagement_time_msec,
    -- change event_name to the event(s) you want to count
    countif(event_name = 'click') as event_count,
    -- change event_name to the conversion event(s) you want to count
    countif(event_name = 'purchase') as conversions,
    sum(ecommerce.purchase_revenue) as total_revenue
from
    -- change this to your google analytics 4 export location in bigquery
    `privat-327611.analytics_266663932.events_*`
where 
    -- change the date range by using static and/or dynamic dates
   _table_suffix between '20211223' and format_date('%Y%m%d',date_sub(current_date(), interval 1 day))
group by
    user_pseudo_id,
    medium,
    source,
    name,
    session_id)

-- main query
select
    medium as user_medium,
    -- source as user_source,
    -- concat(source,' / ',medium) as user_source_medium,
    -- name as user_campaign,
    count(distinct case when session_number = 1 then user_pseudo_id else null end) as new_users,
    count(distinct case when session_engaged = '1' then concat(user_pseudo_id,session_id) end) as engaged_sessions,
    safe_divide(count(distinct case when session_engaged = '1' then concat(user_pseudo_id,session_id) end),count(distinct concat(user_pseudo_id,session_id))) as engagement_rate,
    safe_divide(count(distinct case when session_engaged = '1' then concat(user_pseudo_id,session_id) end),count(distinct user_pseudo_id)) as engaged_sessions_per_user,
    safe_divide(sum(engagement_time_msec/1000),count(distinct case when session_engaged = '1' then concat(user_pseudo_id,session_id) end)) as average_engagement_time_seconds,
    sum(event_count) as event_count,
    sum(conversions) as conversions,
    ifnull(sum(total_revenue),0) as total_revenue
from
    prep
group by
    user_medium
    --,user_source
    --,user_source_medium
    --,user_campaign
order by
    new_users desc

BigQuery Abfrage für Google Analytics 4 (GA4): Page Tracking: Dimensionen und Metriken

Calculated page tracking dimensions

  • hostname
  • page
  • previous page path
  • page path level 1
  • page path level 2
  • page path level 3
  • page path level 4
  • page title
  • landing page
  • second page
  • exit page

Calculated page tracking metrics

  • entrances
  • pageviews
  • unique pageviews
  • pages / session
  • exits
  • % exit

Beispielabfrage

-- subquery to define static and/or dynamic start and end date for the whole query
with date_range as (
select
    '20211224' as start_date,
    format_date('%Y%m%d',date_sub(current_date(), interval 1 day)) as end_date),

-- subquery to prepare and calculate page view data
pages as (
select
    user_pseudo_id,
    (select value.int_value from unnest(event_params) where event_name = 'page_view' and key = 'ga_session_id') as session_id,
    event_timestamp,
    event_name,
    (select device.web_info.hostname from unnest(event_params) where event_name = 'page_view' and key = 'page_location') as hostname,
    (select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location') as page,
    lag((select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location'), 1) over (partition by user_pseudo_id,(select value.int_value from unnest(event_params) where event_name = 'page_view' and key = 'ga_session_id') order by event_timestamp asc) as previous_page,
    case when split(split((select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location'),'/')[safe_ordinal(4)],'?')[safe_ordinal(1)] = '' then null else concat('/',split(split((select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location'),'/')[safe_ordinal(4)],'?')[safe_ordinal(1)]) end as pagepath_level_1,
    case when split(split((select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location'),'/')[safe_ordinal(5)],'?')[safe_ordinal(1)] = '' then null else concat('/',split(split((select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location'),'/')[safe_ordinal(5)],'?')[safe_ordinal(1)]) end as pagepath_level_2,
    case when split(split((select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location'),'/')[safe_ordinal(6)],'?')[safe_ordinal(1)] = '' then null else concat('/',split(split((select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location'),'/')[safe_ordinal(6)],'?')[safe_ordinal(1)]) end as pagepath_level_3,
    case when split(split((select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location'),'/')[safe_ordinal(7)],'?')[safe_ordinal(1)] = '' then null else concat('/',split(split((select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location'),'/')[safe_ordinal(7)],'?')[safe_ordinal(1)]) end as pagepath_level_4,
    (select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_title') as page_title,
    case when (select value.int_value from unnest(event_params) where event_name = 'page_view' and key = 'entrances') = 1 then (select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location') end as landing_page,
    case when (select value.int_value from unnest(event_params) where event_name = 'page_view' and key = 'entrances') = 1 then lead((select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location'), 1) over (partition by user_pseudo_id,(select value.int_value from unnest(event_params) where event_name = 'page_view' and key = 'ga_session_id') order by event_timestamp asc) else null end as second_page,
    case when (select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location') = first_value((select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location')) over (partition by user_pseudo_id,(select value.int_value from unnest(event_params) where event_name = 'page_view' and key = 'ga_session_id') order by event_timestamp desc) then ( select value.string_value from unnest(event_params) where event_name = 'page_view' and key = 'page_location') else null end as exit_page
from
    -- change this to your google analytics 4 export location in bigquery
    `privat-327611.analytics_266663932.events_*`,
    date_range
where
    _table_suffix between date_range.start_date and date_range.end_date
    and event_name = 'page_view')

-- main query
select
    -- hostname (dimension | the hostname from which the tracking request was made)
    hostname,
    -- page (dimension | a page on the website specified by path and/or query parameters)
    page,
    -- previous page path (dimension | a page visited before another page on the same property)
    previous_page,
    -- page path level 1 (dimension | this dimension rolls up all the page paths in the first hierarchical level)
    pagepath_level_1,
    -- page path level 2 (dimension | this dimension rolls up all the page paths in the second hierarchical level)
    pagepath_level_2,
    -- page path level 3 (dimension | this dimension rolls up all the page paths in the third hierarchical level)
    pagepath_level_3,
    -- page path level 4 (dimension | this dimension rolls up all the page paths in the fourth hierarchical level)
    pagepath_level_4,
    -- page title (dimension | the web page's title, multiple pages might have the same page title)
    page_title,
    -- landing page (dimension | the first page in users' sessions)
    landing_page,
    -- second page (dimension | the second page in users' sessions)
    second_page,
    -- exit page (dimension | the last page in users' sessions)
    exit_page,
    -- entrances (metric | the number of entrances to the property measured as the first pageview in a session)
    count(landing_page) as entrances,
    -- pageviews (metric | the total number of pageviews for the property)
    count(page) as pageviews,
    -- unique pageviews (metric | the number of sessions during which the specified page was viewed at least once, a unique pageview is counted for each page url + page title combination)
    count(distinct concat(page,page_title,session_id)) as unique_pageviews,
    -- pages / session (metric | the average number of pages viewed during a session, including repeated views of a single page)
    count(page) / count(distinct session_id) as pages_per_session,
    -- exits (metric | the number of exits from the property)
    count(exit_page) as exits,
    -- exit % (metric | the percentage of exits from the property that occurred out of the total pageviews)
    count(exit_page) / count(page) as exit_rate
from
    pages,
    date_range
group by
    hostname,
    page,
    previous_page,
    pagepath_level_1,
    pagepath_level_2,
    pagepath_level_3,
    pagepath_level_4,
    page_title,
    landing_page,
    second_page,
    exit_page