Conversion-Optimierung

97% aller Besucher eines Onlineshops kaufen nicht. Dieser Durchschnittswert verdeutlicht das Dilemma, mit dem sich Designer, Entwickler und Betreiber eines Onlineshops gleichermaßen auseinander setzen müssen. Die Methoden, Werkzeuge und Möglichkeiten zur Steigerung der Verkaufsleistung erscheinen zunächst vielfältig und komplex.

André Morys liefert in diesem Buch wertvolle Einblicke in die Praxis der Conversion Optimierung. Anhand eines einfachen Modells zeigt er konkrete Handlungsspielräume und liefert wertvolle Anleitungen zur Optimierung für Onlineshops. Erkenntnisse aus zahlreichen Wissenschaftlichen Studien und Fallbeispiele aus dem Alltag belegen die Wirksamkeit der gezeigten Methodik.

In diesem Buch lernen Sie:
* Warum Ihr Onlineshop Besucher nicht zum Kauf motiviert
* Wie Sie gezielt Kaufbarrieren im Onlineshop identifizieren
* Welche Stellschrauben Ihre Web-Marketing-Ausgaben effektiver machen
* Wie Sie von Ihren Wettbewerbern lernen können
* Mit welchen Mitteln Sie Ihre Kunden besser binden können
* Direkt umsetzbare Expertentipps helfen, die Theorie einfach in die Praxis umzusetzen.

Über den Autor:

André Morys ist Gründer und Vorstand der Web Arts AG. Das Beratungsunternehmen zählt zu den führenden Anbietern von E-Commerce- und Conversion-Optimierung. Seit 2004 ist André Morys als Dozent für Usability und User Centered Design an der Fachhochschule Gießen-Friedberg und hält darüber hinaus Vorträge auf Messen und Konferenzen zu den Themen E-Commerce und Conversion-Optimierung. Die Blogs und Berichte von André Morys unter www.konversionskraft.de werden von Fach und Publikumsmedien gleichermaßen aufgegriffen.

Leseprobe:

3 Conversion- Frameworks (S. 57-58)

3.1 Die Entscheidung aus Kundensicht

Wir wissen, dass der Klick des Nutzers das ist, was wir als Konversion bezeichnen. Wenn wir Konversionsraten ändern möchten, müssen wir also verstehen, warum manche Nutzer klicken und viele andere nicht. Was steuert also das Verhalten der Nutzer? Welche Faktoren sind für einen Klick oder den Klick verantwortlich? Wir müssen zielsicher diese Faktoren kennen. Wir müssen aus den Augen der Nutzer schauen, um ihr Verhalten zu verstehen.

Das Verstehen von Nutzerverhalten ist die Grundlage für das Beherrschen des Mechanismus. Im Sinne von Ursache und Wirkung beginnt an dieser Stelle die Optimierung, bei der es letztlich darum geht, das Verhalten der Nutzer zu den eigenen Gunsten zu verändern. Wie findet man nun die Ursachen für das Verhalten der Nutzer? Wie erklärt man sich die bestehenden Klicks und Abbrüche, die man im Webanalysesystem messen kann? Dabei gibt es drei Probleme, die im Folgenden erläutert werden sollen.

3.1.1 Das Datenproblem

Die übliche Vorgehensweise zum Ermitteln von Schwachstellen und Bilden von Hypothesen ist ein Blick der Verantwortlichen in Ihr Webanalysesystem. In den letzten Jahren sind diese Systeme immer leistungsfähiger geworden und können eine Unmenge an Daten produzieren. Webanalysesysteme messen, woher ein Besucher kam, wohin er ging, wie viel Zeit dazwischen lag und im Idealfall sogar wohin er seine Maus bewegte. Wenn wir nun das Verhalten nicht bloß von einem Nutzer, sondern gleich von zigtausenden Menschen interpretieren wollen, begegnet uns eine gigantische Datenflut, die es überhaupt zu verstehen gilt.

Was sind überhaupt die richtigen Kennzahlen, um Nutzerverhalten zu verstehen und zu erklären? Wir beschäftigen uns mit Segmentierungen und Drilldowns. Wir schlagen eine Schneise durch den Datendschungel, stets auf der Suche nach Erklärungen. Dabei werden wir mit einem massiven Problem konfrontiert. Daten erklären uns, was passiert. Was wir sehen, ist eine Quantifizierung, eine Messung dessen, was wir überhaupt messen können. Im Sinne von Ursache und Wirkung ist das Verhalten der Nutzer die Ursache, und die Daten, die wir messen, verbunden mit Handlungen der Nutzer, sind die daraus resultierende Wirkung.

Das Problem dabei ist ganz einfach. Die Daten liefern uns nicht die Erklärung. Sie verraten uns nicht, warum etwas passiert, sie beschreiben nur, was passiert. Die daraus abgeleiteten Hypothesen basieren stets auf unserer eigenen Interpretationen, auf Vermutungen und unseren subjektiven Erfahrungen. Die Gefahr ist sehr groß, dass wir in den Daten das erkennen, was wir ohnehin bereits vermuten.