BR
Was ist eine Besuchersegmentierung?
Wenn bei VWO ein A/B-Test erstellt wird, werden standardmäßig alle Besucher in das Experiment einbezogen, und das Ziel des Experiments besteht darin, die Änderungen der Conversion Rate auf Bevölkerungsebene zu bewerten. Die geschätzte gesamte Conversion Rate kann als die Performance eines durchschnittlichen Users betrachtet werden. Verschiedene Untergruppen in der Population können sich jedoch unterschiedlich auf Ihr Produkt/Erlebnis einstellen und unterschiedliche Conversion Rates aufweisen.
Es kann eine Untergruppe von Besuchern mit einigen gemeinsamen Merkmalen geben, deren Conversion Rate sich stark von der Conversion Rate unterscheidet, wenn alle Besucher für die Analyse berücksichtigt werden. Nehmen wir an, Ihre Website ist auf die Bedürfnisse einer englischsprachigen Zielgruppe ausgerichtet und die allgemeine Conversion Rate für Käufe liegt bei etwa 2%. Bei der weiteren Analyse Ihrer Besucher stellen Sie fest, dass der Traffic auf Ihrer Website auch einen guten Prozentsatz spanischsprachiger Besucher umfasst. Wenn Sie nur die spanischen User auswerten, stellen Sie einen starken Rückgang der Conversion Rate von durchschnittlich auf 0,5% fest. Auf der Grundlage dieser Analyse können Sie eine Personalisierungsstrategie entwickeln, um eine spanische Version Ihrer Website zu erstellen, um die Erfahrung spanischer User zu verbessern, was schließlich zu einer allgemeinen Verbesserung der Conversion Rate führen kann.
Durch die Segmentierung der Besucher nach verschiedenen Dimensionen können Sie herausfinden, ob es eine Gruppe gibt, die auf Ihr Experiment anders reagiert als der Durchschnitt der Bevölkerung. Und wenn Sie diese Segmente identifizieren, können Sie diese Besucher gezielt ansprechen, um die Conversion Rate auf Ihrer Website insgesamt zu steigern.
Warum ist es wichtig, Besuchersegmente zu analysieren?
Wenn Unternehmen wachsen und ein bestimmtes Niveau erreichen, wird die Segmentierungsanalyse wichtig, um die Metriken in eine positive Richtung zu bewegen, die andernfalls gesättigt bleiben, wenn die Entscheidungen nur auf der Grundlage von Metriken auf Gesamtebene getroffen werden.
Ein A/B- oder MVT-Test liefert Ergebnisse für alle Besucher, die an dem Test teilnehmen. Dies ist nützlich, um allgemeine Trends zu erkennen, sagt aber nichts über spezifische Tendenzen bei bestimmten Gruppen aus. Nehmen wir zum Beispiel an, dass Besucher aus den USA hauptsächlich die Conversion Rate beeinflussen. So bleiben solche Muster verborgen, wenn Sie die Daten auf einer aggregierten Ebene betrachten, und können nur aufgedeckt werden, wenn Sie die Daten in Gruppen aufschlüsseln.
Außerdem kann es bei der Erstellung eines A/B-Tests zu Fehlern kommen, wenn eine bestimmte Variante bei Besuchern eines bestimmten Segments nicht funktioniert. Die Segmentierung nach dem Test kann Ihnen helfen herauszufinden, ob eine der Varianten noch fehlerhaft ist. Sie bietet also einen Mechanismus zur Qualitätskontrolle Ihres Experiments.
Dimensionen der Besuchersegmentierung
Nachdem der Test gelaufen ist und genügend Daten gesammelt wurden, können weitere Analysen zu verschiedenen Besucherdimensionen durchgeführt werden, um weitere Insights zu gewinnen und die Personalisierung in der Zukunft voranzutreiben. Diese Segmentierung kann anhand einzelner Dimensionen oder in Kombination mit mehreren Dimensionen durchgeführt werden. Die vier großen Dimensionen zur Segmentierung von Besuchern sind:-
- Geografische Marktsegmentierung
- Demografische Marktsegmentierung
- Psychografische Marktsegmentierung
- Verhaltensbasierte Marktsegmentierung
Deterministische vs. entdeckende Segmentierung auf Basis von Post-Test-Daten
Nachdem Sie sich entschieden haben, auf welcher Dimension Sie ein Segment erstellen möchten, stellt sich die nächste Frage: Wie soll die Segmentierung erfolgen? Es gibt zwei alternative Ansätze für die Segmentierung:
| Deterministisch | Entdeckung |
| Auf der Grundlage einer Hypothese und des Nutzens für das Geschäft werden Segmente analysiert, um festzustellen, ob sie ein interessantes Verhalten zeigen. | Die Segmente werden mithilfe von Data Mining und statistischen Algorithmen entdeckt, um nach Unterschieden im User-Verhalten zu suchen. |
| Da der Nutzen eines Segments bereits von Anfang an in der Hypothese enthalten ist, ist in der Regel keine weitere umfangreiche Analyse erforderlich. | Weitere Analysen werden durchgeführt, um herauszufinden, ob die Segmente sinnvoll sind. Nur weil etwas statistisch signifikant ist, heißt das noch lange nicht, dass es auch strategisch bedeutsam ist. |
| Die Identifizierung interessanter Segmente, die aussagekräftig, interessant und nützlich sind, ist hier schwierig, insbesondere wenn es sich um große und komplexe Datensätze handelt. | Denn die Entdeckung von Segmenten wird vom Algorithmus übernommen. Diese Analyse kann dazu führen, dass Muster identifiziert werden, die vorher vielleicht nicht bekannt waren. |
Da beide Segmentierungsansätze mit Beobachtungsdaten durchgeführt werden, können mehrere Segmente aufgrund eines statistischen Fehlers als signifikant eingestuft werden. Wenn mehr Segmente aus den Beobachtungsdaten analysiert werden, steigt die Wahrscheinlichkeit, Segmente zu finden, die eine statistische Signifikanz erreicht haben, was die Wahrscheinlichkeit von mehr falsch-positiven Ergebnissen erhöht. Daher ist es wichtig, Folgetests durchzuführen, um die Segmentierungsergebnisse zu validieren.
Welche Segmente können als interessant eingestuft werden?
Jede personalisierte Entscheidung, die Sie für ein Segment treffen, hat nur dann eine sichtbare Auswirkung auf die Gesamtgeschäftskennzahlen, wenn eine gute Grundgesamtheit zu diesem Segment gehört. Betrachten Sie zwei Segmente X und Y mit den folgenden Eigenschaften:
- Die Population der Besucher, die zu X gehören: 20%
- Der Anteil der Besucher, die zu Y gehören: 1%
Anstrengungen zur Verbesserung des Erlebnisses von Besuchern, die zum Segment X gehören, werden sich stärker auswirken als die des Segments Y. Daher sollten nur die Segmente ausgewählt und weiter analysiert werden, deren Anteil an Besuchern über einem bestimmten Schwellenwert liegt.
Nach der Bestimmung von Segmenten, die die Mindestkriterien für die Unterstützung erfüllen, können diese weiter ausgewählt und nach der folgenden Taxonomie kategorisiert werden –
- High-Performance-Segmente – Diese weisen eine hohe Conversion Rate gegenüber der durchschnittlichen Conversion Rate der Kampagne auf.
- Worst-Performance-Segmente – Diese weisen eine niedrigere Conversion Rate als die durchschnittliche Conversion Rate der Kampagne auf.
- Segmente mit einem anderen Gewinner als dem Gewinner der Kampagne – Wenn in einem A/B-Test nach einem Test Variante B zum Gewinner erklärt wird, aber für ein bestimmtes Segment Variante A der Gewinner ist, wird dieses Segment als interessant betrachtet.
Wenn die interessanten Segmente durch die Analyse der Post-Test-Daten nach verschiedenen Dimensionen bestimmt werden, empfiehlt es sich, für bestimmte, gut abschneidende Segmente Folgetests durchzuführen, bevor Sie sich entscheiden, aus den Ergebnissen irgendwelche Maßnahmen abzuleiten.
Durch einen kontinuierlichen Zyklus der Recherche und Verfeinerung der Segmentierung können Sie ein personalisiertes Erlebnis für die Besucher Ihrer Website schaffen. Mit der Funktion für Besucherdimensionen in VWO können Sie die Aufschlüsselung der Testergebnisse nach den ausgewählten Besucherdimensionen sehen. Nutzen Sie eine kostenlose Testversion, um diese Funktion selbst auszuprobieren.
