Um ein erfolgreiches Experimentierprogramm zu haben, müssen Sie mit der Frage beginnen: „Was ist das Ziel Ihrer Wachstums- und Experimentierbemühungen?“ Dies wurde mir bei Optimizely schon früh deutlich, als unser Mitgründer Dan Siroker in einer Betriebsversammlung nur wenige Wochen nach der Gründung sagte: „Führungskräfte im Bereich Experimente wählen die relevanten Kennzahlen.“
Das Verständnis Ihrer wichtigsten Ziele ist entscheidend, um die Kennzahlen zu definieren, die beeinflusst werden sollen, und die Verhaltensweisen, die durch Experimente gefördert werden sollen. Viele Unternehmen kennen diese wichtigsten KPIs, wie z. B. Umsatz oder täglich aktive Nutzer (DAU). Daher können wir uns fragen: „Welche Kennzahlen und Verhaltensweisen kann ich durch Experimente auf wichtigen Seiten fördern, um diese wichtigsten Ziele zu erreichen?“ Ein Framework, das sich meiner Erfahrung nach als effektiv erwiesen hat, ist die Definition von Input- und Output-Metriken.
Bevor wir fortfahren, definieren wir zunächst, was wir unter Input- und Output-Metriken verstehen:
Für ein erfolgreiches Experimentierprogramm muss man mit der Frage beginnen: „Was ist das Ziel?“ der Wachstums- und Experimentierbemühungen.
- Output-Metriken – Dies sind Ihre Endziele und die wichtigsten Kriterien für die Erfolgsmessung Ihres Produkts oder Ihrer Nutzererfahrung (z. B. bei einer Einzelhandels-App wären dies Käufe, Umsatz und gegebenenfalls Anmeldungen zu Treuekonten).
- Input-Metriken – Dies sind die Aktionen Ihrer Nutzer, die gute Indikatoren für den Erfolg sind und zur Verbesserung Ihrer Output-Metriken beitragen (z. B. könnte dies bei derselben Einzelhandels-App die durchschnittliche Anzahl der pro Sitzung angesehenen Produkte oder die Suchrate innerhalb der App sein).
Dieses Framework hilft dabei, die Verhaltensweisen zu definieren, die die primäre Ergebniskennzahl beeinflussen.
Betrachten wir beispielsweise einen Einzelhandelskunden, der die Anmeldungen für sein Treueprogramm steigern möchte. Die Input- und Output-Kennzahlen könnten etwa wie folgt aussehen.
Wenn Sie Ihre eigenen Kennzahlen betrachten, sollten Sie diese so umfassend und detailliert wie möglich analysieren. Welche Aktionen tragen zum Erfolg Ihrer Output-Kennzahlen bei? Darauf aufbauend können Sie datenbasierte Fragen stellen, um Problemstellungen zu formulieren und Ihren Messplan für einzelne Experimente zu entwickeln.
Dies ganzheitlich zu betrachten, kann eine Herausforderung sein. Ich habe festgestellt, dass es hilfreich ist, die Input- und Output-Kennzahlen auf Seitenebene für Ihre wichtigsten Customer Journeys in Richtung Ihrer primären Output-Kennzahl(en) zu definieren. Nehmen wir den Einzelhandel als Beispiel: Welche Schritte durchläuft ein Kunde im Wesentlichen, um einen Kauf zu tätigen? Definieren Sie für jede Seite dieser Journey eine Output-Kennzahl auf Seitenebene sowie alle spezifischen Input-Kennzahlen der jeweiligen Seite. So könnte Nike (oder jeder andere Händler) das für seine Produktdetailseiten angehen.
Wie Sie sehen, ist das primäre Ziel und die wichtigste Kennzahl dieser Produktdetailseite, dass ein Kunde ein Produkt in den Warenkorb legt. Verhaltensweisen wie Scrolltiefe, Bildinteraktionen und Attributauswahl sind jedoch wichtige Kennzahlen, die Kunden diesem Ziel näherbringen. Insgesamt hätte eine vollständige Nutzerreise von einem zentralen Einstiegspunkt (z. B. einer Produktkategorieseite) für jede Seite dieselben Website-Kennzahlen, aber unterschiedliche Kennzahlen auf Seitenebene.
Im Gespräch mit Kunden werde ich oft gefragt: „Welche Kennzahl sollte die Seite haben?“ Ich verweise dann gerne auf diesen Blogbeitrag von Avinash Kaushik zum Thema Fehler in der Webanalyse und frage einfach: „Warum gibt es diese Seite?“ Sie sollte dazu dienen, den Nutzer Ihren primären Kennzahlen näherzubringen. Je nachdem, zu welchem Schritt die Seite den Kunden führt, ist das Ihre Seiten-Output-Metrik! Unten sehen Sie ein Beispiel für einen Nutzerpfad, der aus Seiten einer Website besteht, wobei wir weiterhin unser Einzelhandelsbeispiel verwenden.
Eine User Journey mit Fokus auf die Output-Metrik jeder Seite und die zugehörigen Input-Metriken
Wenn Sie Produkte und Nutzererlebnisse durch Experimente verändern, ändern sich Ihre Input-Metriken wahrscheinlich. Daher ist es wichtig, Ihre Input- und Output-Metriken sowie die gesamte User Journey regelmäßig zu überprüfen. Ich empfehle, mindestens einmal jährlich eine Neuzuordnung vorzunehmen.
Haben Sie bereits User Journey Mapping oder Input-/Output-Metrik-Mapping durchgeführt? Welche Best Practices wenden Sie dabei an? Teilen Sie Ihre Erfahrungen auf Twitter unter @Optimizely.
Sind Sie bereit, Ihre Experimentierpraxis zu optimieren? Kontaktieren Sie uns noch heute.