Verfälschte Daten bringen schlechte Ergebnisse

Im Marketing funktioniert nichts ohne Daten – zumindest dann nicht, wenn (Miss-)Erfolg nicht nur an Umsätzen erkennbar sein soll. Stattdessen beschäftigen wir uns alle mit Website-Besuchern, Klick-Verhalten, Haltezeiten, Conversions und vielen anderen Kennzahlen, die uns Aufschluss darüber geben sollen, warum wir Erfolge erzielen oder halt auch nicht. Anhand dieser Daten wird dann weiter optimiert, so dass mehr Erfolg sichtbar ist. Doch was ist, wenn die Daten falsch bzw. verfälscht sind?

Wer Tools wie Google Analytics und ähnliches nutzt, kann eine Menge über seine Besucher erfahren. Standardmäßig werden hier schon eine Reihe wichtiger Kennzahlen ausgegeben und wer sich weiter mit dem Tool auseinander setzt, kann auch spezifische Auswertungen einrichten, die individuell auf die eigenen Bedürfnisse angepasst sind. Aber all die tollen Zahlen nützen nichts, wenn sie nicht richtig miteinander betrachtet werden.

Immer wieder kommt es zu falschen Zahlen, die sich eigentlich schnell erkennen ließen, wenn nur das Gesamtbild betrachtet werden würde. Der Klassiker ist hier, dass das Analyse-Tool die eigenen Besuche auf der Website mitzählt. Befindet man sich oft auf der Seite, wird mitunter die Conversion Rate verfälscht. Auch PopUps können falsche Daten hervorbringen. Bei ihnen ist meist das X zum Schließen sehr klein gehalten und wenn der User darauf klicken möchte, verfehlt er es oft und schon entsteht ein Aufruf, der eigentlich keiner ist. Das spiegelt sich dann in der Verweildauer und Bounce Rate wider.

So lassen sich noch viele weitere Möglichkeiten aufzählen, wie Daten falsch interpretiert werden können oder wirklich falsche Zahlen entstehen. Weitere Beispiele:

  • es wird nicht jede Traffic-Quelle differenziert betrachtet
  • Vergleiche werden zwischen unterschiedlichen Zeiträumen gezogen, die sich nicht vergleichen lassen (z. B. Sommer und Winter)
  • Unterschiedliche Kanäle werden verglichen (z. B. Social Media mit E-Mail-Marketing)
  • und vieles mehr

Bei der nächsten Analyse lohnt es sich also, noch mal ganz genau hinzuschauen, welche Zahlen verwendet werden und wo diese herkommen. Oft zeigt sich dann, das einiges nicht richtig war und nach der Korrektur ergeben sich ganz andere Zahlen und somit auch Ansätze zur Optimierung.

About