2. „Überschneidungsfrei“
Gleiche Agenda
• Lösungen echter Probleme aus der Praxis, aus Facebook – Gruppen,
Workshops und Audits
• Sinnvolle „Hacks“ und Ergänzungen für GA und GTM
• Lösungen direkt in der Präsentation und / oder als Referenz zu
Blogbeiträgen etc. – also alles „nachbaubar“!
Auch alte Bekannte sind dabei
• Updated, Remixed oder neu gedacht
4. Exit Intent: Warum?
Beispiel: Planungsphase
Lohnt sich überhaupt das Ausspielen eines Exit Intent Banners – z. B. als Gutschein und nur
für Neukunden?
8. Exit Intent: Warum?
Potential für Exit Intent Layer bestimmen
• 14% Potential bei „Vollausspielung“ im Warenkorb. Realistisch eher weniger (keine Segmentierung nach Gerät)
• darin steckt ein Anteil derer, die ohne Anreiz gekauft haben
• Gefahr, durch Rabatt Geld zu verschenken statt Profit zu steigern ist real
• 1% bei „Adresse“ hat kein Potential zu gering
• 14% der letzten Zeile haben schon gekauft -> ebenso irrelevant
• 7% bei der Zahlungsauswahl bzw. 5% auf der letzten Seite: Wenig!
• Segmentierung nach Desktop, Aussortieren von Bestandskunden bei der Ausspielung
• Implementierungsaufwand + Kosten > Zweck
9. Erste bzw. aktuelle Quelle / Medium
Einsatzmöglichkeiten
• Aktuelle Quelle in Formularen mitsenden
• Erste Quelle als Benutzerdefinierte Dimension https://go.gandke.de/sourcecookie
15. Heartbeat Events
Warum die zwei Limits – reicht die Anzahl nicht aus? Nein.
Browser sind gelegentlich langsam. Seeeeeeehr langsam! Und sie vergessen nicht…
17. Basket Freeze in echt jetzt
https://www.marcusstade.de/basket-freeze-im-google-tag-manager-implementieren/
18. Rohdaten: Auf in neue Dimensionen
https://www.simoahava.com/analytics/improve-data-collection-with-four-custom-dimensions/
https://www.simoahava.com/analytics/add-hit-type-custom-dimension/
19. Rohdaten: Beispiel „Userzentrierung“
Datenerhebung
Ziele und Transaktionen
ClientID als Dimension
Auswertungen
Erste Besucherquelle,
Landingpage…
Attribution im Eigenbau
„Markenwechsler“
Sitzungsübergreifende
Wirkung von Mikrozielen
21. Rohdaten: Auf in neue Dimensionen
https://www.marcusstade.de/h2o-machine-learning-individuelle-vorhersage-fuer-die-next-best-activity-teil-1/
https://go.gandke.de/crs19
29. Daten sauber halten
Bots mit vielen
Sitzungen / Aufrufen
suchen
Bei Unklarheit:
Herkunft, Sprache
etc.
Segmente +Filtern
von „sicheren“ Bots
in Arbeitsdaten
Beobachten von Bots
in eigener Property
• Tipp: UserID für bekannte
Crawler vergeben
Extern
auswerten
(Rohdaten, BQ)
Ausspielung GA für
„unerwünschte“ Bots
ggf. verhindern
32. Cookieloses Tracking mit Analytics
Geht – löst nur nicht alle Probleme
localStorage
Fingerprints
Eigene Cookies
Eigene serverseitige httpOnly, secure und sameSite Cookies
https://go.gandke.de/secure-ga-cookie
https://www.markus-baersch.de/blog/cookieloses-tracking-mit-google-analytics/
33. Serverseitiges Tracking mit GA
• Austausch Trackingscript gegen GAMP (z. B. via Web Worker)
• „Echtes“ serverseitiges Tracking, im System verbaut
• Hybridlösungen mit clientseitigen Triggern für serverseitiges Tracking
https://www.markus-baersch.de/blog/serverseitiges-tracking-mit-google-analytics/
Client (Browser)
sendet
„Messauftrag“ an
eigenen Server
(Pageview, Event,
Transaktion)
Server erhält
Request und wertet
weitere Daten aus (z.
B. Referrer des
Aufrufs als zu
trackende Seite)
Server sendet
(reduzierten) selbst
kontrollierten
Trackinghit via
Measurement
Protocol an GA
GA erhält nur
ausgewählt Daten,
keine Verbindung
zum Client
Relativ sicher vor
Trackingschutz
Die Summe der eindeutigen Events von ca. 16.500 über alle Schritte (von denen die Hälfte aus dem Warenkorb stammt) verteilt sich in etwa 6,5 Käufer / 10 Nichtkäufer.
Die Rate der Käufer bei den weiteren Schritten jenseits des WK ist noch höher.
Gehen wir vereinfacht von 50:50 aus, so dass wir also potentiell 50% der Käufer ein Popup ausspielen, wenn das eingesetzte Tool dies nicht durch schlaue Segmentierung (z. B. auf keinen Fall an Bestandskunden…) verhindert.