Kategorie: Customer experience

Funnel Analyse

Unter Funnel-Analyse wird die Untersuchung der User Journey oder Customer Journey hin zu einem bestimmten Konversionsziel (Kauf, Subskription, Anmeldung u. a.) verstanden. Die Analyse unterteilt diesen Weg in verschiedene Stationen. Je weiter fortgeschritten die Station auf dem Weg ist, desto weniger Nutzer werden bis zu dieser vordringen (daher „Funnel“, zu Deutsch „Trichter“). Eine derartige Unterteilung ermöglicht die effektive Untersuchung von Determinanten von Conversion Rates.

Der Trichter als theoretisches Analysewerkzeug

Bei der Funnel-Analyse ist von Interesse, inwiefern der Aufbau einer User Journey optimiert werden kann. Die Metapher eines Trichters ist ein intuitiv verständliches Werkzeug, mit dem der Analyst sich den Nutzerfluss durch das Angebot visualisieren kann. Ein Beispiel ist die Anmeldung für ein soziales Netzwerk: Viele Nutzer werden über Suchmaschinen wie Google auf der Landingpage ankommen, einige Nutzer weniger werden möglicherweise ein Werbevideo auf der Landingpage ansehen. Noch weniger Nutzer werden daraufhin den Registrationsprozess beginnen und dort weitere Stationen durchlaufen. All diese Ereignisse sind Stationen innerhalb des Funnels. Die Zahl der Nutzer variiert zwischen diesen Stationen und nimmt für gewöhnlich exponentiell ab.

Die Funnel-Analyse stellt heraus, welche Stationen der User Journey ein „Bottleneck“ sind, den Nutzerpool also signifikant verkleinern. Der Registrationsprozess könnte etwa nach Identitätsverifikation per eingescanntem Ausweis oder auch per SMS-Verifikation fragen. Dieser zusätzliche Umstand etwa könnte viele Nutzer zum Abbruch bewegen. Ist dies der Fall, wird es eine entsprechende Erhöhung der Abbruchquote (Bounce Rate) und Verschlankung des Funnels an dieser Station geben. Visuelle und deskriptive Methoden, aber auch komplexere statistische Verfahren können bei der Analyse eingesetzt werden.

Haben Sie Fragen? Fragen Sie uns! Hier klicken

Methoden der Funnel-Datenanalyse

Daten für die webbasierte Funnel-Analyse können über bekannte Web Analytics – Tools wie Google Analytics – oder mit beliebigen anderen Werkzeugen gesammelt werden. Eine deskriptive Analyse über Visualisierungen an sich kann bereits kritische Stationen mit hohen Bounce Rates identifizieren. Möchte man aber herausfinden, inwieweit sich die Veränderung bestimmter Stationen der User Journey auswirkt, so muss auf Methoden wie den A/B-Test zurückgegriffen werden. Dabei werden für unterschiedlich konzipierte User Journeys Daten gesammelt und statistisch verglichen.

Das gesamte Methodenspektrum der Statistik kann dafür eingesetzt werden. Im Bereich Marketing und Web Analytics werden insbesondere Regressionsverfahren eingesetzt. Diese erlauben zum Beispiel den Vergleich verschiedener User Journeys in Bezug auf die gesamten Conversion Rates oder Bounce Rates (MANOVA, lineare Regression). Komplexere Verfahren wie die Survival-Analyse können die tatsächliche Beschleunigung eines Abbruchs oder beliebig definierte Ereignisse für verschieden konzipierte User Journeys ermitteln.