Monat: März 2023

Wie fast jedes andere Unternehmen auch, kann unser Kunde, ein Auto-Abo Anbieter, seine Conversions (= Online-Abschluss eines Auto-Abos) via Analytics Tool mitmessen. Natürlich ist im Analytics-Tool unter anderem sehr gut ersichtlich, woher die meisten Conversions kommen, also welcher Kanal/welche Kampagne etc am besten performt und die meisten Abschlüsse generiert. 

Doch bei unserem Kunden ist eine Conversion eben nicht gleich eine Conversion. Warum? Obwohl man auf der Website kostenpflichtig ein Auto-Abo abschließen kann, gibt es immer noch einige User, die nach diesem Abschluss noch abspringen. Zusätzlich muss das Unternehmen mit Usern umgehen, die das Abo zwar abschließen, jedoch im Nachhinein Probleme bereiten (zB Bonitätsprobleme), was für das Unternehmen wichtige Ressourcen bindet.

Unser Kunde sucht also gezielt nach qualitativ hochwertigen Usern, die zu einer relevanten Conversion führen und schlussendlich ein Auto abonnieren. Gleichzeitig ist es wichtig, zu erkennen, woher User kommen, die für das Unternehmen aus verschiedenen Gründen nicht von Interesse sind.

Dies durften wir uns gemeinsam mit dem Unternehmen im Rahmen eines Testprojektes näher ansehen. 

Wie können wir dem Unternehmen also helfen, auszuwerten, welche Kanäle bzw Kampagnen oder auch Werbemittel-Sujets WIRKLICH zu qualitativen Conversions führen? 

Die Lösung hier war unser Produkt 506 PRO. Mit 506 PRO und dem damit ebenfalls genutzten Tool Piwik PRO haben wir ein spezielles Tracking verbaut. So wurden beispielsweise Werte aus einem Formular als Attribute an den Audience Manager von Piwik PRO übergeben. Wir bildeten also aus den abgesendeten Formularen Nutzerprofile, die mit verschiedenen Daten befüllt wurden. Gleichzeitig bekamen wir – für das Testprojekt erstmal auf manuelle Weise – vom Auto-Abo Anbieter die Daten der tatsächlichen Abschlüsse übermittelt. Diese Daten (Formulardaten inkl. Info, ob der User wirklich ein Auto abonniert hat oder aus diversen Gründen abgesprungen ist) haben wir während der Projektlaufzeit immer wieder in unser Tool hochgeladen und mit unseren Website-Daten gematcht. Somit wurden die Nutzerprofile weiter mit Daten angereichert, die über reines Website Tracking eben nicht generiert werden können, sondern nur von einer externen Datenquelle (in dem Fall der Datenbank des Unternehmens selbst) zur Verfügung gestellt werden können. 

Wir haben also eine Menge wichtiger Daten gesammelt. Damit die Daten aber nutzbar sind und das Unternehmen auch Schlüsse daraus ziehen kann, mussten wir diese auch visualisieren.

In diesem Fall nutzten wir das bewährte Tool Google Looker Studio, um die Analysen auf verständliche und saubere Weise darstellen zu können. Als Datengrundlage dienten die Rohdaten, die nach Data Cleaning und korrekter Formatierung in einer Datenbank gesammelt wurden.

Und nun kommt der spannende Teil. Da wir Daten wie Alter, Geschlecht, Kundenart (Firmenkunde, Privatkunde), abonniertes Auto (Marke, Preis), Zahlungsmethode und auch – mittels UTM-Links – die Herkunft der User (Kampagnen-Insights), mitgemessen haben und diese mit den Daten des Kunden (Bestellstatus, Bonität) anreichern konnten, waren Auswertungen möglich, die mit einem gewöhnlichen Tracking so nicht umsetzbar wären. 

Folgende Fragestellungen konnten visualisiert werden:

• Von welcher Kampagne/welchen Coupons kommen die wirklichen Kunden?
• Von welcher Kampagne/welchen Coupons kommen jene User, die nach der Online-Conversion kein Auto-Abo abschließen?
• Gibt es Unterschiede im Hinblick auf die Bonität der tatsächlichen Kunden und jenen, die kein Auto-Abo abschließen?

Und zusätzlich:

• Wie sieht die Altersverteilung aus? Geben jüngere User mehr Geld aus als ältere? Was ist der Durchschnittspreis pro Altersgruppe?
• Welche sind die TOP-Autos/meistverkauftesten Autos für Firmenkunden inkl. Durchschnittspreis?
• Welche sind die TOP-Autos/meistverkauftesten Autos für Privatkunden inkl. Durchschnittspreis?
• Was sind die TOP Automarken? Auch aufgeteilt auf Firmen- und Privatkunden?