Nicht nur bei Super-Retailern wie Amazon sind Besucher und Kunden alles andere als eine homogene Gruppe. Die Käufer von Sneakern haben andere Vorlieben als die von Laufschuhen, die von Plasma-Bildschirmen andere als die von Beamer-Leinwänden, die von Birchermüsli andere als die von Fitforfun-Müsli. All diese Eindringtiefen zeichnen sich durch unterschiedliche Lebensstile, Produktvorlieben, Lebensalter, Geschlecht, Wohnortgröße, Einkommen, Bildung uvm. mehr aus. Diese Unterschiede spiegeln sich im Surfverhalten (unterschiedliche Seiten werden besucht), in der Wahrnehmung und im Umgang mit Online-Werbung, in den Erwartungen an einen ‚guten, seriösen, vertrauenswürdigen, sympathischen und professionellen‘ Online-Shop.  Online-Angebote, die dies bei der Analyse ihrer Performance – ihrer Konversionsraten, Cost-per-Order oder Werbeeffektivität -  nicht unterscheiden, werden ihr Angebot – Website wie Produkte oder Inhalte - notwendig auf einen durchschnittlichen Besucher zuschneiden, den es in der Realität nicht gibt, sondern eher einen kleinsten, gemeinsamen Nenner darstellt.

Ein typisches Problem von Online-Shops ist die Neigung von Besuchern, Artikel zwar im Warenkorb abzulegen, aber diese letztlich nicht zu bestellen. Dies kann sehr verschiedene Ursachen haben und die Behebung von Hürden führt regelmässig zu sehr großen Umsatzsteigerungen. Um Hürden zu identifizieren reicht es meist nicht, einfach die Ausstiegsraten aus den den einzelnen Schritten zu beobachten, besser ist es auf die genauen Konstellationen zu schauen: Steigen Besucher mit eher geringem Bestellvolumen oder mit eher hohem an der gleichen Stelle aus? Wie verhält sich dieses zu Bezahlverfahren und Lieferbedingungen? Gibt es Käufergruppen, die besonders sensibel auf Gewährleistungen und Datenschutz reagieren? Können gesenkte Lieferkosten für einen Schub im Bestellvolumen sorgen, so dass die Verluste bei den Lieferkosten mehr als ausgeglichen werden? Führen bestimmte Arten von Produktbildern eher zum Klick des „In-den-Warenkorb“-Buttons? Erwarten bestimmte Gruppen von Nutzern mehr Detailinformationen oder eher mehr Übersichtlichkeit? Welche Rolle spielen einfache Empfehlungsalgorithmen beim Bestellabbruch? Können merk- oder Wunschlisten bei bestimmten Eindringtiefen kaufabbrechend wirken, bei anderen fördernd? Unternehmen, die ihre Website professionell und erfolgsorientiert betreiben, sollten sich hier nicht auf ihr Bauchgefühl (oder das ihres Chefs) verlassen, sondern ihre Entscheidungen mit harten Daten begründen, überprüfen und weiterentwickeln.

In den guten alten Zeiten war Marktforschung eine echte Herausforderung. Die Aufwände um Repräsentativität zu gewährleisten und gleichzeitig die Erhebungszeiträume nicht in den Himmel schiessen zu lassen, führten zu Projekten mit langem Vorlauf und erheblichen Kosten, die dann jahrelang nicht aktualisiert wurden. Dagegen wird einem Websitebetreiber das Verhalten und die Eigenschaften seiner Besucher quasi frei Haus in aller Vollständigkeit geliefert: Er muss nur die richtigen Fragen stellen und die Analyse-Tools spucken ihm Antworten aus wie: In welchen Altersgruppen, Regionen, bei Männern oder Frauen, familiären Situationen, Jahreszeiten und Wetterperioden, Uhrzeiten und Wochentagen sind seine verschiedenen Produktgruppen attraktiv und bei welchen weniger gefragt. Sehr gut lassen sich die Verhaltensdaten dabei durch qualitative Daten aus einfachen und kurzen Umfragen kombinieren.

Die gezielte Anpassung von Inhalten und Gestaltung, insbesondere aber von Produkten als Empfehlungen, ist offensichtlich ein starker Faktor für den Erfolg großer Internetunternehmen. So ist Amazons Empfehlungsmaschine ein wichtiger Treiber für den wachsenden Umsatz der Firma. Diese Empfehlungen basieren dabei eben nicht nur auf der reinen Auszählung überzufällig häufig gemeinsam bestellter Produkte. Amazon kann viel mehr auf den kompletten Pool von Kundendaten zugreifen. Die statistische Auswertung des Verhaltens ganzer Kundengruppen ist ein Teil davon, aber eben auch individuelle Bestellhistorien und soziodemographische Merkmale. In dieser Zusammenführung verschiedener Datenpools liegt sicher noch ein grosses Wachstumspotential für Online-Shops und Websites insgesamt.

Soweit dieser kleine Überblick zu den Vorteilen zusätzlicher Parameter bei der Analyse des Besucherverhaltens. Die einzelnen Nutzentypen werden in den nächsten Wochen in loser Folge ausführlicher dargestellt.

Danke an die Bilder auf flickr.com von flowcomm, numberstumper, Jordanhill School D&T Dept & echoforsberg