Korrekte Beobachtungen aus Analytics-Daten verleiten viele UX-Teams zu falschen Schlussfolgerungen: Sie sehen Probleme, die gar nicht da sind, und übersehen die tatsächlichen Frustrationsquellen für die Nutzer. Das kann zu kostspieligen Fehlinvestitionen führen, die das Design kein Stück verbessern, wie Jared Spools Fallbeispiele zeigen. Dieser Beitrag schließt nahtlos an Teil eins des Artikels an.

Jagd auf ein Produktvergleichs-Wiesel

Im Rahmen einer anderen E-Commerce-Studie – diesmal für einen großen Bekleidungshändler – wurden wir damit beauftragt, einem weiteren Wiesel nachzuspüren. In diesem Fall war das Team davon überzeugt, dass die Produktbeschreibungen ihre Aufgabe nicht erfüllten. Sie meinten, es wäre wichtig für den Verkauf, dass ein Kunde in den Laden kommt, das Produkt genau ansieht und es anprobiert. Wie ließe sich dieses Erlebnis online duplizieren?

Das Team war nur noch wenige Tage davon entfernt, diverse kostspielige Verträge mit Dienstleistern zu unterschreiben, die virtuelle Modelle und andere Tools anboten, die bessere Verkäufe versprachen. Sie baten uns um die Bestätigung, dass diese Investitionen in der Tat mehr Abschlüsse generieren würden.

Wir gingen in unsere Studie mit dem Fokus auf den Informationen, die auf den Seiten mit den Produktbeschreibungen standen. In dieser Zeit nahmen in der E-Commerce-Welt viele von uns an, dass sich Online-Käufer wie die Leute in einem Laden verhalten würden: Sie würden die Seite eines Produkts besuchen, so wie sie ein Stück aus dem Regal nehmen und es vor dem Kauf inspizieren. Sie würden sich erst für ein Produkt entscheiden, nachdem sie mehrere verglichen hätten, und dann das beste wählen, das sie gefunden haben.

Wir erwarteten, bei unseren Online-Shoppern das Muster zu sehen, dass sie von einer Produktseite zur nächsten springen und jede sorgfältig studieren. Und wir sahen auch einige Käufer von einer Produktseite zur nächsten springen.

Jedoch sahen wir auch viele, die ohne Herumspringen kauften. Sie besuchten die Seite, auf der alle Produkte einer Kategorie aufgelistet waren (etwa all die Herren-Shirts), und wählten das interessanteste Produkt aus. Wenn dieses Produkt ihren Wünschen entsprach, wollten sie es bestellen, ohne noch woanders nach Vergleichen zu schauen.

Sie suchten andere Seiten nur auf, wenn ein Produkt, das sie gerade ansahen, nicht ihren Wünschen entsprach. Der Vergleich war tatsächlich gar kein Vergleich. Es war eine knallharte Eliminierungssuche.

Die Idee des Produktvergleichs war ebenfalls ein Wiesel. Als wir Käufer wirklich beim Einkaufen zuschauten, sahen wir das Wiesel nie. Wir sahen etwas vollkommen anderes.

Pogosticking

Diese Kunden sprangen vor und zurück – zwischen Produkt- und Galerieseite. (So nennen wir Kategorieseiten, denn sie bieten oft eine Galerie von Produkten.) Sie eliminierten das eine Produkt, dann das nächste, bis sie fanden, was sie wollten. Wie haben dieser Auf- und Ab-Bewegung zwischen Produkt- und Galerieseiten den Namen Pogosticking gegeben (von Pogostick, deutsch: Springstock / Anm. d. Übers.). Und je mehr Pogosticking jemand betrieb, desto unwahrscheinlicher schien es, dass er ein ideales Produkt zum Bestellen fand.

Wir wandten uns den Analytics-Daten zu, die wir bei unserer Studie gesammelt hatten. Tatsächlich fanden wir auch hier das Pogosticking-Muster.

Bei 66 Prozent aller Bestellungen hatten die Käufer nur eine einzelne Produktseite besucht. Bei den Kunden, die mehr als eine Produktseite angesehen hatten, sank die Abschlusswahrscheinlichkeit an sich, je mehr Seiten sie besuchten.

Was wir beobachtet und was unsere Analytics-Daten bestätigt hatten, war, dass unsere Käufer Produktseiten nicht aufsuchten, um zu vergleichen und sich anschließend zu entscheiden. Stattdessen hatten sie sich bereits entschieden, als sie die Galerieseite anschauten. Wenn das Produkt auf der Galerieseite die für die Entscheidung des Käufers erforderlichen Details verriet, stieg die Wahrscheinlichkeit, dass er ein Produkt von dieser Seite bestellen würde.

Dem Produktvergleichs-Wiesel nachzujagen, hätte nicht funktioniert. Die Detailtiefe in den Produktbeschreibungen zu erhöhen oder virtuelle Modelle zu implementieren, würde die Verkäufe des Anbieters nicht steigern. Die Verbesserung der Galerieseite würde es.

Nachverfolgbare Fußspuren identifizieren und die Wiesel vermeiden

Eine tolle Sache am Pogosticking ist, dass es uns ein klares Set von Fußabdrücken an die Hand gibt, denen wir folgen können. Wir können klassifizieren, welche Seiten Produkt- und welche Galerieseiten sind. Dann können wir zum Beispiel schauen, wo Nutzer zwischen ihnen springen. Wir können messen, wie viele Bestellungen (oder zumindest in den Warenkorb gelegte Produkte) mit Pogosticking einhergehen und wie viele ohne.

Wir können das auch nach Kategorien aufbrechen. Gibt es bei Herrn-Shirts vielleicht weniger Pogosticking als bei Damenschuhen? Falls ja, können wir die Unterschiede untersuchen und erkunden, wie Kunden mit diesen Seiten interagieren. Die Nutzung klarer Fußabdrücke als UX-Metriken bietet uns einen Weg zu sagen, wann unsere UX-Designs gut funktionieren und wann sie Optimierungen brauchen könnten. Sie sagen uns, ob Änderungen, die wir vornehmen, das Design verbessern oder nicht.

Pogosticking-Fußspuren gibt es nicht nur im E-Commerce. Wenn eine Nachrichten-Website ihre aktuellen Stories auflistet, ist das eine Galerieseite. Wenn ein Kunden-Support die Seiten auflistet, auf denen Kunden Antworten finden, ist das ebenfalls eine Galerieseite. Es ist möglich, dass wir ähnliche Fußabdrücke nutzen, um die Effektivität solcher Seiten zu messen.

Nicht alle Beobachtungen verwandeln sich so schön in klare Fußspuren. Beispielsweise wäre es schwierig, eine nachverfolgbare Fußspur für Leute zu encodieren, die den Einkauf abbrechen, wenn sie die Versandkosten nicht kennen. Es ist schwierig, aus den aufgezeichneten Logfile-Aktivitäten herauszulesen, welche abbrechenden User sich um die Versandkosten Gedanken gemacht haben.

Allerdings haben wir beobachtet, dass das Kennen der Versandkosten die Verkäufe steigern könnte. Wir können sehen, ob der einfach zu trackende Fußabdruck von Leuten, die den Einkauf auf der Seite für die Zahlungsinformationen abbrechen, sich verändert, wenn wir die Versandinformationen an eine bessere Stelle im Checkout-Fluss bewegen. Falls wir meinen, dass die Versandkosten die Hauptursache bilden, sollte diese Zahl nach unten gehen, wenn wir sie einfacher zugänglich machen.

Nachverfolgbare Fußspuren gehen aus Nutzerbeobachtung hervor

Die besten UX-Metriken, die wir je gefunden haben, sind alle aus der Beobachtung von Nutzern hervorgegangen. Wir sehen die User etwas tun und fragen: "Wie oft passiert das im echten Leben?" Auf diese Weise haben wir versteckte Schatztruhen mit Millionen von Dollar in Verkaufs-Websites geborgen. Wir haben schlecht performende Inhalte auf Content-Marketing-Websites und wenig genutzte Funktionalitäten in Enterprise-Anwendungen gefunden. Wir haben Workflows gefunden, die unglaublich kompliziert waren und für die User unzumutbar viel Reibung beim Erreichen ihrer Ziele erzeugt haben.

Wenn wir aus Analytics einfach nur Schlussfolgerungen ziehen, enden wir damit, Wieseln nachzujagen und nirgends anzukommen. Indem wir mit Nutzerbeobachtungen starten und Fußabdrücke für den Ausbau unserer UX-Metriken identifizieren, erschaffen wir mächtige Werkzeuge, um zu messen, wie unsere Designs funktionieren.

Dieser Artikel wurde im Original am 22. März 2017 unter dem Titel UX Metrics: Identify Trackable Footprints and Avoid the Woozles von Jared M. Spool veröffentlicht. Jared M. Spool gehört zu den führenden User-Experience-Experten unserer Zeit. Seine Website erreichen Sie unter http://www.uie.com. Weitere Artikel von Jared M. Spool finden Sie im UX-Special von //SEIBERT/MEDIA.