Product Analytics: Ein Guide für Einsteiger

Published: Juli 26, 2018 Updated: November 13, 2018 Autor , Kategorie Analytics

Um Nutzern bestmögliche digitale Produkte zur Verfügung zu stellen, müssen Unternehmen bzw. ihre Produktmanager jede Chance nutzen, mehr über ihre Kunden sowie deren Bedürfnisse zu erfahren. Viele durch Interviews und Umfragen gesammelte Daten beziehen sich darauf, wie Kunden ihr Nutzerverhalten einschätzen.

Zu wissen, was Kunden wollen, ist wichtig. Doch wie sieht die Realität aus? Wie werden Produkte tatsächlich genutzt? Genau diese Daten sammelt ein Product Analytics-Tool.

Fragen, die in diesem Zusammenhang beantwortet werden und extrem wertvolle Insights liefern sind u.a. “Wie lange wird das Produkt täglich genutzt?”, “Welche Handlungen werden mit dem Produkt am meisten ausgeführt?” und “Welche Features werden am wenigsten genutzt?”. Wenn man die richtigen Antworten auf solche Fragen hat und sein Produkt entsprechend anpasst, kann die User Experience erheblich gesteigert werden.

In diesem Blogpost erklären wir Ihnen, was Product Analytics ausmacht und wieso und für was es im Marketing genutzt werden sollte.

Einführung

Um sowohl ein quantitatives als auch ein qualitatives Verständnis dafür zu entwickeln, was Ihre Nutzer mit Ihrem Produkt tatsächlich alles machen, sollte in erster Instanz ein Analytics-System implementiert werden. Die Idee dahinter ist es, ein Event für jede Handlung abzufeuern, die mit Ihrem Produkt möglich ist. Somit bekommen Sie eine umfassende Sicht darauf, wie viele Nutzer ein bestimmtes Feature wie oft nutzen.

Von den gewonnen Daten lässt sich ableiten, welche Features am wichtigsten und beliebtesten sind und welche verbessert werden müssen. So können Sie Ihre nächsten Schritte in der Produktentwicklung gut nach Dringlichkeit priorisieren.

Mit Product Analytics kann jedoch nicht nur geprüft werden, wie bereits existierende Features genutzt werden. Es besteht auch die Möglichkeit, neue Features zu testen.

Welches Ziel verfolgt Product Analytics?

Das übergeordnete Ziel von Product Analytics ist vollständig zu verstehen, wie Anwender mit Ihrem Produkt interagieren. Mit Hilfe von Analytics-Tools können Sie User-Interaktionen genau darstellen und ins Detail analysieren.

Product Analytics hilft Ihnen dabei zu verstehen, wie der User-Flow bei digitalen Produkten aussieht, welche Funktionen und Produkteigenschaften User begeistern und an welchen Stellschrauben Sie drehen können, um die User Experience zu verbessern. Häufig identifizieren Sie auch Stolperfallen und Navigationsfehler, die die Funktionalität und Nutzung einschränken. Diese können Sie nach der Analyse umgehend beseitigen.

Alle Insights, die Sie erhalten, spiegeln die User-Journey Ihrer Kunden wider. Durch die Analyse ihrer Bewegungen können Sie die Gründe für Conversions und Interaktionen herausfinden. Zudem können Sie erkennen, was dazu führt, dass User das Produkt nutzen, zu ihm zurückkehren oder es nicht weiter einsetzen möchten. Es dreht sich also alles um den Mehrwert, den Kunden aus Ihrem Produkt schöpfen können (oder eben nicht!).

Welche Kernfragen beantwortet Product Analytics?

Mit Product Analytics können Sie einige essentielle Fragen beantworten, die mit einem klassischen Analytics-Ansatz offen bleiben würden. Mit Product Analytics finden Sie u.a. heraus:

  • Wie häufig bestimmte Features genutzt werden
  • Wofür das Produkt oder die App tatsächlich verwendet wird
  • Welche Marketing-Kanäle zu den besten (nicht meisten!) Anwendern führen
  • An welchen Stellen Anwender bei ihren ersten Schritten mit dem Produkt stecken bleiben
  • Wie viele User zur Anwendung zurückkehren (täglich/wöchentlich/monatlich)
  • Was die Eigenschaften und Merkmale Ihrer am stärksten engagiertesten Nutzer sind
  • Wie viele Anwender Ihr kritisches Event erfolgreich abschließen (Mehr zur Bedeutung des “Critical Events” bei der Kundenbindung finden Sie im Blog von Amplitude)

Was ist ein Critical Event?
Bei der Messung Ihrer Customer Retention (Kundenbindung), beschreibt ein Critical Event die Handlung, die User Ihrer Meinung nach durchführen müssen, um als aktiver oder bewährter User zu gelten.

Die durch eine Product Analytics-Software gesammelten Daten können unternehmensweit von Produkt-Managern, Software-Entwicklern, User Interface-Designern und Growth-Managern genutzt werden. Jeder Unternehmensbereich kann für sich wichtige Hypothesen aufstellen und testen, um die Kundenzufriedenheit zu erhöhen, Software-Bugs zu identifizieren oder Probleme zu beheben, die die Produkt-Performance beeinträchtigen.

Der große Web Analytics Anbieter Vergleich

Vergleichen Sie die Key-Features und das Leistungsspektrum von Piwik PRO mit Google Analytics 360, Adobe Analytics, Webtrends und etracker

Zum kostenlosen Web Analytics Vergleich

Product Analytics vs. Marketing Analytics:
4 wesentliche Unterschiede

Product Analytics ist nicht mit Marketing Analytics zu verwechseln. Im Folgenden haben wir für Sie die wichtigsten Unterschiede zusammengefasst.

1) Product Analytics nutzt Events als Haupt-Datenquelle

Bei Web Analytics ist es vergleichsweise einfach, zu definieren, welche Aktionen der Besucher als Conversion betrachtet werden können. Hierzu gehört der Kauf eines Produktes, das Ausfüllen eines Kontaktformulars oder die Registrierung für ein Webinar. Das gleiche gilt für die Definition Ihres Marketing-Funnels: Ihre Ziele werden mit den jeweiligen URLs Ihrer Landing-Pages verknüpft und zeigen ein genaues Bild des Users über die einzelnen Phasen der Customer Journey.

Bei Product Analytics ist das Ganze allerdings etwas komplexer. Ziele und Funnels zu definieren ist nicht ganz so einfach, da jedes digitale Produkt eine einzigartige Struktur und ein eigenes Feature-Set hat. So fällt beispielsweise die Nutzung von Spotify und Delivery Hero aufgrund der unterschiedlichen Unternehmensvision ganz anders aus.

Um Ihre Produktziele darstellen zu können, müssen Sie diese daher zunächst in gewünschte Nutzer-Aktionen umwandeln (z.B. der Upload eines Fotos, das Abspielen eines Songs oder das Abschließen einer Meditations-Session). Anschließend verbinden Sie die Aktionen mit entsprechenden Events und Triggern.

Wenn Sie mehr zu diesem Thema erfahren möchten, dann schauen Sie auf unsere Seite für Event Tracking.

Um also Product Analytics wirkungsvoll einzusetzen, sollten Sie Zeit und Ressourcen für die passende Konfiguration von Events einplanen.

Es empfiehlt sich einen Tracking-Plan in Tabellenform zu erstellen, der alle Events und Eigenschaften enthält, die Sie tracken wollen. Eine solche Planung hilft Ihnen dabei, schwerwiegende Fehler zu vermeiden und Events mit Ihren Unternehmenszielen zu verbinden.

Ein Beispiel einer Event-Dokumentation

Events sind nicht die einzige Informationsquelle bei Product Analytics. Genau wie bei jedem anderen Analytics-Fall können Sie zahlreiche andere Funktionen und Reports verwenden, um weitere wertvolle Informationen über das Nutzerverhalten zu erhalten.

Häufig genutzte Reports und Funktionen in Product Analytics sind:

  • Segmentierung: Hilft Ihnen dabei, Ihre Anwender zu identifizieren. Segmentieren Sie nach Gerät, Zeit, Region und Nutzungsverhalten
  • Funnel Analytics: Zeigt den User-Flow durch bestimmte Phasen der Customer Journey innerhalb Ihres Produkts
  • Kohorten-Analyse: Vergleichen Sie das Verhalten und die Metriken unterschiedlicher Gruppen über die Zeit
  • Dashboards: Visualisieren Ihre Kern-KPIs, die die unterschiedliche Phasen des Life Cycles Ihrer Kunden repräsentieren. Z.B. Akquise-KPIs, Onboarding-KPIs, Aktivierungs-KPIs, Conversion-KPIs, Bindungs-KPIs, Feature-Adaptions-KPIs etc.
  • Reports zur Kundenbindung: Sehen Sie, wie lange Kunden Ihnen treu bleiben

2) Product Analytics konzentriert sich auf die fortgeschrittenen Phasen der Customer Journey

Marketing Analytics bzw. Web Analytics dreht sich meistens um Akquise und Conversion. Sie erhalten Insights, die Ihnen dabei helfen, Ihre Besucher in zahlende Kunden oder Abonnenten zu konvertieren. Hier steht die Analyse und Optimierung von Top of the Funnel (ToFu) und Middle of the Funnel (MoFu) im Mittelpunkt.

Im Gegensatz dazu ist Product Analytics auf eine effektive Kundenbindung und Kundenzufriedenheit ausgerichtet. Der User ist zum Kunden konvertiert und soll dies nun auch langfristig bleiben. Bei Apps und anderen digitalen Produkten wird Erfolg nicht danach bemessen, wie viele Leute Ihr Produkt downloaden oder kaufen. Es geht vielmehr darum, wie viele Leute es dauerhaft bzw. regelmäßig nutzen (nach einer Woche, nach einem Monat, nach einem Jahr).

Daten, die von einer Product Analytics-Software gesammelt werden, beantworten Fragen bezogen auf die fortgeschrittenen Phasen innerhalb der Customer Journey. Hierunter fallen:

User-Aktivierung

  • Wo geben Anwender im Produkt-Onboarding-Prozess auf bzw. gehen verloren?
  • Wie viele Funktionen nutzen Anwender bei ihren ersten Besuchen?

Weiterempfehlungen von Usern

  • Welche Anwender würden das Produkt mit hoher Wahrscheinlichkeit ihren Bekannten und Freunden weiterempfehlen?

User Engagement

  • Welche Funktionen werden am häufigsten bzw. am seltensten genutzt?
  • Wie oft wird Ihr Produkt insgesamt genutzt?
  • Wie sieht die durchschnittliche Nutzungszeit aus?

User Retention

  • Welche Anwender werden Ihr Produkt mit höchster Wahrscheinlichkeit erneut verwenden und welche eher nicht?
  • Wie sieht Ihre Kundenbindungsrate aus?

Customer Journey Analysen mit der Customer Data Platform

Speichern und aktivieren Sie Ihre Kundendaten an einem zentralen Ort

Kostenlosen Demo-Termin vereinbaren

3) Product Analytics verwendet unterschiedliche Metriken und Ziele

Die Ziele und Kennziffern, die Sie für Ihr Product Analytics festlegen, sind sehr häufig eng mit den Design-Zielen Ihres Produkts verknüpft.

Das HEART Framework ist eins der bekanntesten Frameworks, um Product Analytics Ziele und Kennziffern festzulegen. Es wurde vom Google Venture Team entwickelt und besteht aus fünf unterschiedlichen Kennziffer-Kategorien:

  • Happiness: misst die Zufriedenheit mit Ihrem Produkt (meist durch eine Umfrage)
  • Engagement: misst die Häufigkeit, Intensität und Tiefe der Anwender-Interaktionen mit Ihrem Produkt
  • Adoption: misst, wie einfach, oft und schnell Anwender neue Produkt-Features annehmen
  • Retention: misst, wie viele Bestandskunden in einem bestimmten Zeitraum zu Ihrem Produkt zurückkehren
  • Task Success: misst die Effektivität und Effizienz der Aufgaben, die Nutzer mit Ihrem Produkt ausführen
Ein Beispiel HEART Framework Worksheet

Der größte Vorteil des HEART Frameworks ist, dass es sehr Anwender-zentriert ist und Sie damit die Qualität der User Experience messen können. Zusätzlich ist der Ansatz sehr flexibel. So können Sie mit dem Framework generelle Verbesserungen in der Zielerreichung messen bzw. auswerten oder sich die Performance einzelner Features anschauen.

Wenn Sie sich dafür interessieren, wie das HEART Framework in Product Analytics genutzt werden kann, empfehlen wir Ihnen diesen Blogartikel (englisch) von Oliver Blais von GSOFT:
Product Analytics — How to Measure Your Software Development Success

4) Product Analytics arbeitet mit sensiblen Daten

Es gibt außerdem wesentliche Unterschiede in den gesammelten Datentypen und den damit verbundenen Verantwortlichkeiten. Web Analytics analysiert Traffic auf Websites und nutzt dazu öffentlich zugängliche Informationen. Das Tracking von Product Analytics wiederum findet zu großen Teilen in geschützten Kunden-/Mitgliederbereichen innerhalb Ihrer App oder Ihrem Produkt statt.

Was sind geschützte Kunden-/ & Mitgliederbereiche?
Abhängig von Ihrer Branche ist das der Ort, wo Kunden in ihren eingeloggten Profilen Produkte bestellen, neue Dienstleistungen einkaufen, Termine reservieren, ihren Kontostand prüfen, ihre Software oder Dienstleistungen nutzen etc.

Diese Bereiche, aus denen Product Analytics Daten zieht, sind voll von persönlichen und sensiblen Informationen Ihrer Nutzer und beinhalten z.B.:

  • Wohnadressen
  • Telefonnummern
  • Vor- und Nachnamen
  • Medizinische Daten
  • Bonitäten

Wenn Sie mit solchen Daten arbeiten möchten, müssen Sie sicherstellen, dass Ihr Analytics-Anbieter hohe Sicherheitsstandards garantiert.

Dabei bleibt es ein Problem, dass die meisten Product Analytics-Lösungen auf dem Markt Cloud-basiert arbeiten. Somit sind diese Daten irgendwo auf Third-Party Servern gespeichert und werden zusätzlich mit dem Software-Anbieter geteilt.

Sie sollten daher bei Product Analytics über folgende Optionen nachdenken:

  • Eine private Cloud oder
  • Product Analytics On-Premises

Beide Varianten stellen sicher, dass Ihre Daten zu keiner Zeit mit einer Drittpartei geteilt werden. Zudem können Sie – wenn Sie sich für eine On-Premises-Lösung entscheiden – auf Verschlüsselung setzen, eine Single Sign-On (SSO)-Methode zur Authentifizierung verwenden und somit den Zugriff streng kontrollieren. So können Sie sicher sein, dass die wertvollen Insights, die Ihre Kunden mit Ihnen teilen nicht auf Kosten der Sicherheit in fremde Hände fallen.

Fazit

Wir hoffen, Ihnen durch diesen Artikel die Vorteile und Grundzüge von Product Analytics näher gebracht zu haben. Insbesondere das Ziel einer hohen Kundenbindung sowie einer agilen Produktentwicklung sollten Sie fortan mit Product Analytics verbinden. Zudem sollten Ihnen nun die wesentlichen Unterschiede zwischen Web Analytics und Product Analytics geläufig sein.

Piwik PRO Product Analytics

Finden Sie heraus, wie Ihre Kunden mit Ihrem Produkt interagieren und verbessern Sie User Flow und User Engagement

Kostenlosen Demo-Termin vereinbaren

Autor:

Veronika Fachinger, Content Marketing Manager DACH

Sie hat immer ein Auge auf aktuelle Trends und Entwicklungen im Online Marketing und kreiert täglich wertvollen Content für Piwik PRO in Deutschland.

Mehr Artikel von diesem Autor

Autor:

Karolina Lubowicka, Content Marketer

Karolina ist Content Marketer und Social Media Managerin bei Piwik PRO. Sie hat viel Erfahrung als Copy Writer gesammelt und versteht es komplexe Zusammenhänge verständlich zu beschreiben. Besonders intensiv beschäftigt sie sich derzeit mit Datenschutz & DSGVO.

Mehr Artikel von diesem Autor
Piwik PRO Content Personalization Run Effective Onsite Marketing Campaigns

Share