Ein Arzt hätte wohl keine Patienten mehr, wenn er statt einer gründlichen Untersuchung jedem Kranken umgehend auf Best-Practice-Basis eine Reihe von Medikamenten verschreiben würde, die der Patient nacheinander einnehmen soll. Doch genau nach dieser Strategie gehen viele Online-Marketer vor, wenn es um die Gestaltung und Conversion-Optimierung ihrer Webseiten geht: Ein Best-Practice-„Mittel“ nach dem anderen wird ausprobiert. So werden Veränderungen herbeigeführt, ohne dass zuvor ein Testing gemacht wurde. Doch nur ein daten- und erkenntnisgetriebenes Vorgehen garantiert nachhaltigen Erfolg in der Conversion-Optimierung. Das setzt jedoch eine gründliche Problemanalyse voraus.

Viele Shopbetreiber werden das kennen: Um die Konversionsrate zu erhöhen, wird die Eingabemaske für persönliche Daten umgebaut. Der Betreiber gruppiert Eingabefelder, kennzeichnet Pflichtfelder eindeutig, ermöglicht die Eingabe einer abweichenden Lieferanschrift und setzt das Bemerkungsfeld etwas mehr in den Hintergrund. Doch die Konversionsrate sinkt. Bevor nun der nächste Versuch unternommen wird, sollte sich der Shopbetreiber die Frage stellen, was schief gelaufen ist. Besser noch: Was hätte eine vorherige Analyse verändert? 

Eine Zieltrichter- oder auch Funnel-Analyse hätte offenbart, ob und wo im Bestellprozess angesetzt werden sollte. Bei dieser Analyse wird der Weg des Webseitenbesuchers, der sogenannte Konversionspfad oder Funnel (englisch für Trichter), unter die Lupe genommen. Dazu zählen alle vom Betreiber festgelegten Webseiten, die der Besucher durchlaufen soll. Im Idealfall verlässt der potenzielle Kunde den Konversionspfad nicht, bis es zu der vom Betreiber gewünschten Aktion kommt – wie etwa den Kaufabschluss oder die Newsletter-Bestellung.

Wenn er es doch tut, ermittelt die Funnel-Analyse, an welchem Punkt des Konversionspfads er abgesprungen ist. Im Zentrum dieser Analyse steht also die Absprungrate, auch Exit Rate genannt. Daher eignet sich die Funnel-Analyse zum Beispiel um Veränderungen in der Usability von Formularstrecken und sonstigen Prozessen zu überprüfen. Bei diesem Fall hätte die Eingabe der persönlichen Daten eventuell gar nicht die oberste Priorität erhalten. Auf jeden Fall hätte die Analyse den Schritt identifiziert, an dem die meisten Webseitenbesucher abspringen. So hätte der Shopbetreiber erfahren, ob zum Beispiel die Interaktion Schwierigkeiten bereitet oder gar vor einer Nutzung abschreckt. Hierüber gibt die Abschickrate Auskunft.

Ebenso hilft eine UX- und Feedback-Analyse bei der Ursachenforschung, wenn zum Beispiel ein Webseitenbetreiber, der seinen Onlineauftritt nach dem Relaunch am Onepager-Konzept orientiert, plötzlich eine sinkende Konversionsrate feststellt, obwohl sich die Startseite wesentlich aufgeräumter präsentiert als vor dem Relaunch und eine gradlinige Hierarchie hinsichtlich der Call-to-Action-Elemente bietet. Bei der Feedback-Analyse wertet der Shopbetreiber die Bewertungen und Kommentare seiner Kunden und Webseitenbesucher aus.

Hierfür platziert er zum Beispiel auf seiner Webseite einen Feedback-Button, der den Besucher zu einem Formular führt, mit dem er Aspekte wie Gesamteindruck, Inhalt, Gestaltung und Bedienung bewertet sowie Hinweise und Kritik übermitteln kann. Auf diese Weise erhält der Shopbetreiber Anregungen, die er für die Optimierung verwenden kann.

Soweit die Theorie, die jedoch ohne die Praxis nicht viel Wert ist. Viele Bestrebungen zur Konversionsoptimierung scheitern am vermeintlich hohen IT-Aufwand, denn häufig wird unzureichendes Werkzeug in Form eines einfachen Split-URL-Testing eingesetzt. „Im Gegensatz zur praktischen Variantenerstellung mittels visuellem Editor oder Injektion von Javascript- und CSS-Blöcken müssen mühsam komplette URL-Varianten erstellt, getestet und veröffentlicht werden“, erklärt Brandt.

Ein weiteres Problem tritt auf, wenn Web-Analysesegmente nicht in Echtzeit zur gezielten Ausspielung von Tests zur Verfügung stehen, weil Lösungen nicht miteinander verbunden sind. Abhilfe schaffen Tools, die anpassbare Templates für Overlay-Messages und einfach konfigurierbare Regelwerke bereitstellen und die idealerweise direkt mit A/B-Testing und den Web-Analysesegmenten verbunden sind.