Wie funktioniert Tracking-Zeitraum in Multi-Channel-Trichter

Dieser Artikel beantworten folgende Fragen:

  1. Wie funktioniert Tracking-Zeitraum in Google Analytics?
  2. Wieso zeigen unterschiedliche Tracking-Zeiträume andere Werte für gleiche Daten (Zeitintervall, Pfadlänge, Erste Interaktionsanalyse etc) an?
  3. Welchem Tag werden Interaktionen zugeordnet, die außerhalb des gewählten Lookback-Window liegen? Werden diese Interaktionen dem entferntesten Tag zugeordnet?

Beim Beantworten dieser Fragen werde ich Nutzer Explorer einsetzen, um eindeutige Beweise zu liefern. Also, wenn einer kaum Nutzer Explorer benutzt hat, wäre vielleicht auch zu empfehlen, diesen Artikel zu lesen.

Aber zuerst kommt ein Block über mich – ihr wollt sicher wissen, ob der Typ hier etwas mehr kann, als Buchstaben tippen.
Danach folgt Absatz darüber, wieso man mit Multi-Channel-Trichtern arbeiten soll und was die an sich haben.
Nun los gehts!

Mein Name ist Igor Turtschin, ich bin seit 2000 im Online-Business und habe schon einiges an Erfahrung gesammelt. Hierzu gehört Online-Marketing, Digital Analytics und Führung.
Mehr über mich gibt es auf linkedin.com/in/igor-turchin/.

Multi-Channel Funnels, Nutzen und Besonderheiten

Nutzen von Multi-Channel-Trichter

Oft braucht Kunde mehrere Interaktionen vor Conversion. Vor allem ist es bei komplexen oder teuren Produkten der Fall.
In B2B spielt die Absprache mit Entscheidungsträger wichtige Rolle.
Aber auch bei anderen Produkten braucht Kunde oft mehrere Kontakte vor dem Kauf.
Und hier kommen Multi-Channel Funnels zur Hilfe.

  • Wie viele Kontakte hatte der Kunde vor dem Kauf?  Ist im Multi-Channel-Trichter, im Bericht “Pfadlänge” zu sehen.
  • Wie lange dauert es bis zur Conversion?  Beantwortet Bericht “Zeitintervall”.
  • Welche Abfolgen der Kanäle sind am häufigsten zu treffen sieht man in “Top-Conversions-Pfade”.
  • Welche Kanäle sorgen für erste Interaktion, Abschluss, Unterstützung sieht man in „Vorbereitete Conversions“.

Also, ein guter Werkzeug, um Marketing Kanäle und Customer Journey besser zu verstehen.

Wichtig: in Multi-Channel-Trichter wird Direkt nicht ignoriert, wie es sonst in Google Analytics der Fall ist. Hier haben wir die Möglichkeit, Direkt-Kanal (besser) zu verstehen.

 

Im Bild oben sehen wir eine Organic Search Interaktion und 22 vom Typ „Direkt“, im User Explorer werdet ihr 23 mal “Organic” finden.

Um oben verlinkten Bericht zu sehen (und auch weiter im Artikel) braucht ihr Zugriff auf Demo-Account in Google Analytics.

Besonderheiten im Multi-Channel-Trichter

Davon gibt es ganze Menge. Ich werde nicht auf alle eingehen, aber ein paar werde ich schon erwähnen.

Abgesehen von atypischem Verhalten dem Direkt-Trafik gegenüber, soll man noch folgendes beachten:

  • Von default sind alle Conversionen ausgewählt. In vielen Fällen wird es irreführend, da die Zielvorhaben mit Transaktionen und weiteren Daten gemischt werden. Wählt also genau das aus, was ihr braucht

 

  • In Top-Conversions-Pfade: die Länge 2+ ist voreingestellt.

Das ist nicht unbedingt falsch. Pfadlänge 1 sollte man getrennt und als Torte betrachten.

Denkt aber daran, in Voreinstellungen ist Pfadlänge 1 ausgeschlossen.

Auf Interaktionstyp werde ich in diesem Artikel nicht eingehen, wir wählen hier „alle“ aus.

Nun wechseln wir zum eigentlichen Thema.

Differenzen in Pfadlängen bei unterschiedlichen Tracking-Zeiträumen (Lookback Window) in Google Analytics

Wir fangen mit dem Bericht “Pfadlänge” an.

Berichtseinstellungen sehen wie folgt aus:

  • Zeitraum – Januar 2019
  • Conversion-Typ ausgewählt: Transaktion
  • Type Alle
  • Interaktionstyp: Alle
  • Lookback Window (Tracking-Zeitraum): 30 Tage vor Conversion festlegen (voreingestellt)

 

Tracking-Zeitraum 30 Tage

Wir sehen, es gab 73 Conversions, Conversion-Wert ist $3,948.42

Lasst uns nur die ersten zwei Zeilen betrachten, Pfadlänge in Interaktionen 1 und 2

Pfadlänge 1 werden 55 Conversions und Conversion-Wert von $2,779.10 gutgeschrieben. Das entspricht 75.34% aller Conversions und 70.39% in Conversion-Wert.

Pfadlänge 2 hat 7 Conversions.

Lookback Window (Tracking-Zeitraum) von 90 Tagen

Stellen wir doch Lookback Window auf 90 Tage um.

 

Pfadlänge 1 hat nicht mehr 55, sondern 51 Conversions.
Pfadlänge 2 hat aber 10 Conversions.

Insgesamt haben wir in beiden Fällen 73 Conversions.

 

Tracking-Zeitraum von 1 Tag

Damit es klarer wird, ändern wir Lookback Window auf 1 Tag um.

Path Length 1 hat 65 Conversions.
Path Length 2 hat 4 Conversions.

Insgesamt haben wir dieses Bild:

Conversions beim Tracking-Zeitraum von 90 Tagen Conversions beim Tracking-Zeitraum von 30 Tagen Conversions beim Tracking-Zeitraum von 1 Tag
Path Length 1 51 55 65
Path Length 2 10 7 4

Je größer Lookback Window ist, desto weniger wird erster Zeile zugeordnet. Desto mehr wird weiteren Zeilen zugeordnet.
Wieso?

Dafür gibt es einfache Klärung. Es werden nur die Interaktionen gezählt, die in der gewählten
Lookback Window geschehen sind. Alles, was vorher war, ignoriert Google Analytics in Multi-Channel-Trichtern einfach.

Wieso gibt es Differenzen bei unterschiedlichen Tracking-Zeiträumen (Lookback Window)?

Schauen wir doch ein Beispiel an.

Stellen wir uns vor, eine Conversion hatte eine Interaktion vom Typ Organic 90 Tage vor Conversion, 30 Tage vor Conversion noch eine Interaktion (Paid), 3 Tage vor Conversion noch eine Interaktion (Direkt) und 1 Tag vor Conversion zwei weitere Interaktionen, beide Direkt.

Dann können wir dieses Beispiel wie folgt darstellen:

Um Funktionsweise von Lookback Window zu verstehen, stellen wir uns vor, wir hätten 2 Conversions mehr.

Eine Conversion hatte eine Interaktion 10 Tage vor Conversion (Organic) und noch eine Interaktion 1 Tag vor Conversion (Direkt).
Eine weitere Conversion hatte Interaktion 3 Tage (Paid) und 1 Tag (Paid) vor Conversion.

Simulation: Tracking-Zeitraum 90 Tage

Jetzt setzen wir Lookback Window auf 90 Tage und zählen Interaktionen zusammen.

Schwarzer Rahmen stellt Lookback Window dar.

 

Wir haben 2 Interaktionen bei Conversion ganz oben (Paid-Paid), auch 2 Interaktionen bei Conversion in der Mitte ( Organic – Direkt) und 5 Interaktionen bei unterer Conversion (Organic – Paid – Direkt – 2xDirekt am Tag vor der Conversion).

Somit würde unserer Berichtin diesem Beispiel wie folgt aussehen:

Simulation: Tracking-Zeitraum 30 Tage

Ändern wir doch Tracking-Zeitraum auf 30 Tage um. Schwarzer Rahmen stellt Tracking-Zeitraum dar.
Wir sehen folgende Conversions Pfade:

 

Zählen wir Pfadlängen jetzt noch ein mal.

Wir haben immer noch 2 Conversions mit Pfadlänge 2, aber bei der untersten Conversion sehen wir Interaktion aus dem Tag “- 90” nicht. Deshalb zählen wir diese Interaktion auch nicht!
Deshalb sieht unserer Report anders aus:

 

Das ist alles.
Wir sehen sowohl bei Lookback Window von 90 Tagen, als auch bei 30 Tagen (und bei allen weiteren auch) immer gleicher Anzahl der Conversions. In unserem Beispiel sind es drei.
Conversion-Wert ändert sich dadurch nicht. Was sich ändern KANN ist die Pfadlänge, wenn Interaktionen außerhalb des Lookback Window beliben.

Machen wir das Gleiche mit Lookback Window von 10 Tagen. Schreibt bitte auf, was ihr gezählt habt.

Simulation: Tracking-Zeitraum 1 Tag

Zuerst stellen wir aber Window auf 1 Tag um, danach gibt es Antwort auf 10 Tage Window.

Schwarzer Rahmen stellt Tracking-Zeitraum dar.

 

Path Length 1 – 2 Conversions
Path Length 2 – 1 Conversion (untere Conversion, hatte am Tag vor Conversion zwei Interaktionen)

Klar ist, dass jede Conversion in letzten 24 Stunden vor Conversion mindestens eine Interaktion hatte.
Für manche Businesses ist es gut zu wissen, wie viele Interaktionen in letzten 24 Stunden geschehen.

Gut. Antwort auf 10 Tage Lookback Window lautet:
Path Lengh 2 – 2 Conversions
Path Lengh 3 – 1 Conversion

Ergebnis & Animation

  • Wie funktioniert Tracking-Zeitraum in Google Analytics?
  • Wieso zeigen unterschiedliche Tracking-Zeiträume andere Werte für gleiche Daten (Zeitintervall, Pfadlänge, Erste Interaktionsanalyse etc) an?
  • Welchem Tag werden Interaktionen zugeordnet, die außerhalb des gewählten Lookback-Window liegen? Werden diese Interaktionen dem entferntesten Tag zugeordnet?

 

Wir haben Frage „Wie funktioniert Tracking-Zeitraum in Google Analytics?“,  die ich am Anfang des Artikels gestellt habe, somit beantwortet.

Auch Frage “Wieso zeigen unterschiedliche Lookback Windows andere Werte für gleiche Daten (Time Lag, Path Length, First Interaction Analysis etc) an?” ist somit erledigt.

Frage “Welchem Tag werden Interaktionen zugeordnet, die außerhalb des gewählten Lookback-Window liegen? Werden diese Interaktionen dem entferntesten Tag zugeordnet?” ist jetzt auch klar – man zählt nur das, was man sieht. Alles, was nicht im Fenster ist, wird nicht gezählt und Google Analytics berücksichtigt somit diese Interaktionen im Bericht nicht.

 

Das Bild unten fasst Obengenannte in einer Animation (Gif) noch mal zusammen

 

 

Nachweis durch User Explorer (Nutzer Explorer).

Nun, werde ich, wie versprochen, User Explorer nutzen, um oben geschriebenes zu beweisen.

Wir gehen in Bericht “Top Conversion Pfade”, wählen Pfadlänge “mindestens 1” und bekommen 73 Conversions.

Link zum Bericht.

Das ist mir zu viel. Ich möchte etwas weniger Conversions haben, damit ich auch weniger arbeiten muss. Ich werde die Menge durch Segment eingrenzen.
Dafür nehme ich nur Desktop-User (ich konnte auch eine andere Begrenzung auswählen, bin aber bei der geblieben).

Jetzt habe ich nur 26 Conversions.

Bitte baut Segment nach, falls ihr gleiches im Report sehen wollt.

Sieht ihr auch 26 Conversions – ist alles richtig.

Jetzt passt bitte Tracking-Zeitraum auf 1 Tag.

Sehen wir uns die Unterschiede zwischen beiden Zeiträumen an. Wenn wir die Berichte gegenüberstellen, stellen wir fest, bei vielen Conversions hat sich nichts geändert. Sehr gut, dann muss ich nicht viel tun.

 

Änderungen fanden hier statt:

 

Wenn wir Unterschied in Zeile 2 in beiden Berichten messen, kommen wir auf 3 Conversions und Conversion Value von $65,97.

Diese Werte liefern die Zeilen 4 & 5 im rechten Bericht (Lookback Window 30 days)

Conversion Value 45.98 + 19.99 = 65.97
Conversions 2 + 1 = 3

Es sieht gut aus!

Zeitpunkt der Conversion und Conversion Value ermitteln

Wir müssen die 3 Käufer in User Explorer finden!
Zuerst erfahren wir das Kaufdatum für gewünschten Conversions.
Dafür habe ich Regex in Advanced Filter eingetragen und Pfadlänge auf 2 begrenzt.

In Timeline habe ich Conversion-Wert statt Conversion ausgewählt. Jetzt sehe ich wann Conversion stattfand und wie viel Umsatz Conversion hatte

 

Link zum Bericht.

Nutzer im User Explorer finden

In Nutzer Explorer habe ich Datum auf Datum der Conversion eingestellt und Segment “Sessions with Transactions” ausgewählt. Das ist ein vordefiniertes Segment.

Dann sehen wir 2 User.

Wir wissen, Umsatz an dem Tag war $23,99, somit haben wir unseren User gefunden, klicken auf ihn und stellen Zeitraum auf 30 Tage um, um sein Journey zu beobachten.

Wir sehen Organic am 9 Januar und am 17 Januar (Tag der Conversion). Wir müssen bedenken, dass im Nutzer Explorer im Gegensatz zu MFC Direkt Trafik überschrieben wird. Wir sehen hier Organic Search, vermuten aber, es ist Direkt.

Link zum Bericht.

Hat Organic tatsächlich Direct im User Explorer überschrieben oder war das tatsächlich Organic?

Vermuten ist gut, ist aber falsches Wort in unserem Job. Wir prüfen es nach!
Im User Explorer sehen wir nach, was die Person gekauft hat und erstellen entsprechendes Segment in Akquisition / Alle Zugriffe / Channels.

Wir sehen 1 User, gutes Zeichen!

Jetzt legen wir Secondary Dimension “Direkt Trafik” an, um zu prüfen, ob Organic in Wirklichkeit Direkt ist.

Und die Antwort ist JA! Das war in Wirklichkeit Direktzugriff, wurde aber vorheriger Quelle gutgeschrieben.

 

Diesen Tipp habe ich vor kurzem bei Ralf Schukay gelesen, danke Ralf! Hier ist sein Artikel.

Bei weiteren Käufern gehe ich nicht mehr so tief in die Details, ich verlinke die einfach mal hier.

Zweiter Käufer (Organic, Direkt)

Dritter Käufer (3xDirekt)

Das wars schon für Heute.

 

Vernetzen? Linkedin Xing

 

 

 

Teilen fügt dem Autor Freude zu:
Strategist, leader | digital analytics, data driven marketing, cro Vernetzen? Gern! Linkedin oder Xing

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.