Wenn Personalmarketing ein Fußballspiel wäre: Vorlagen und Conversions

Viele von Euch Recruitern und Personalmarketern haben schon mal ein Fußballspiel gesehen. Habt Ihr Euch schon mal vorgestellt, wie Eure Arbeit aussehen würde, wenn sie im Rahmen eines solchen Fußballspiels ausgetragen würde? Vermutlich nicht. Heute tun wir genau das. Denn es existieren gewisse Parallelen.

###promotional-banner###

Erinnern wir uns kurz an ein gewöhnliches Fußballspiel. Der Trainerstab beobachtet das Geschehen vom Rande des Spielfeldes aus. Im Blickfeld die Spieler, die Pässe, das Tor, die Schüsse aufs Tor, die gegnerischen Spieler, der Spielstand, die Zeit usw. Ihr kennt das alle.

Fußball wie Personalmarketing

Der Trainer beobachtet still oder rennt wild umher. Gibt vielleicht irgendwelche Zeichen, macht Notizen, wechselt Spieler aus, analysiert, antizipiert und reagiert, um im laufenden Spiel und in der Saison insgesamt möglichst nah am Ziel zu landen.

Nun, Freunde, betrachten wir mal gemeinsam Eure Spielfeld. Vielleicht habt Ihr schon ein Bild vor Eurem geistigen Auge. Für die meisten von Euch wird das Spielfeld, da bin ich mir ganz sicher, so aussehen.

Personalmarketing wie Fußball: Kein Analytics

Genau. Ihr seht gar nichts. Irgendwas passiert auf dem Feld. Irgendwer läuft und spielt da irgendwie mit irgendjemandem rum. Aber Ihr wisst nicht genau, was da tatsächlich passiert. Wie oft wurde geschossen? Wie oft wurde getroffen? Von wem? Wann?

Seit Ihr am Gewinnen oder Verlieren? Warum überhaupt? Ihr werden von den Rängen mal bejubelt, mal ausgebuht. Das Management ist mal zufrieden, dann wieder unzufrieden. Schlimmstenfalls werdet Ihr eines Tages ausgetauscht, ohne jemals begriffen zu haben, was Ihr da die ganze Zeit gemacht habt.

Übel oder?!

Inzwischen gibt es ein paar Fortschrittlichere unter Euch. Sie haben Google Analytics oder Piwik auf dem Spielfeld installiert bzw. den Zugang vom Marketing erbettelt. Damit richtig umzugehen, wissen sie noch nicht. Aber der Nebel lichtet sich ein wenig.

Recruiting als Fußballspiel: Spieler verdeckt

Ihr könnt nun die einzelnen Spieler erkennen. Oh, da ist ja dieser M.Onster mit der Nummer 13. Er läuft ganz hinten, hat kaum Ballkontakte und schießt kaum aufs Tor. Wie viel haben wir nochmal für den bezahlt? Wann endet endlich seine Vertragslaufzeit?

Irgendwelche Zahlen erscheinen auf der Anzeigetafel.  Aber ihr wisst nicht genau, was sie bedeuten bzw. sind sie einfach nicht vollständig. Ach, wir haben vergessen, das Tor anzuschließen. Wir können gar nicht sehen, wer von den Spielern, bei wie vielen Torschüssen den Ball versenkt hat.

Hat sich der überhebliche S. Stone mit seinem gewaltigen Gehalt bewährt gemacht oder doch der junge Wilde Zugang aus der zweiten Liga? Oh, je. Bei diesem Durcheinander lassen wir den S. Stone mal lieber die Saison durchspielen. Das Management findet, Stars passen gut zum Vereinsimage.

Die absolute Avantgarde unter Euch ist einen entscheidenden Schritt weiter. Das Tor ist sichtbar. Ihr könnt sehen, welcher Spieler, wie viele Ballkontakte hatte, wie oft er aufs Tor geschossen hat und vor allem, wie oft er getroffen hat.

Bewerbungen messbar machen

Mit diesen Informationen könnt Ihr schon wesentlich effektiver in das Spielgeschehen eingreifen. Ihr könnt  schwache Spieler erkennen und austauschen. Ihr könnt bei Vertragsverhandlungen- und Verlängerungen besser argumentieren. Hey S. Stone schön, dass Du 100 Tore geschossen hast und die anderen im Schnitt nur 20.  Aber Dein Gehalt ist 100 Mal höher. Entweder triffst Du entsprechend mehr oder wir kürzen Dein Gehalt, setzen Dich auf die Bank oder Du wirst ab der nächsten Saison in Nord-Korea spielen. Mit Starallüren allein kommt man bei uns nämlich nicht mehr weiter.

Man könnte meinen, mehr geht nicht. Ihr haben nun alles, was Ihr braucht. Ihr habt’s jetzt voll im Griff. Ihr beherrscht das Spiel. Alle jubeln Euch zu. Doch dem ist nicht so. Euer Bild ist noch nicht vollkommen klar und birgt eine weitere Gefahr.

Jeder Fußball-Trainer wird wissen, dass so wichtig die Einzelleistung der Spieler auch sein mag, das Zusammenspiel des gesetzten Teams am Ende über den Erfolg oder den Misserfolg des Spiels und der Saison entscheidet.

Candidate Journey messbar

Was Euch guten Trainern noch fehlt, um sehr gut zu werden, ist ein Blick dafür, wie die einzelnen Maßnahmen zusammenspielen. In einem Fußballspiel ist ein besonders wertvoller Spieler jemand, der sowohl selbst Tore schießt als auch zuverlässig effektive Vorlagen geben kann.

Oder anders betrachtet, ein erfolgreicher Torschuss  ist stets eine Verkettung von Vorlagen, die diesen Schuss erst ermöglicht haben. Gäbe es die Vorlagen nicht, käme es nicht zum Tor.

Im Online-Marketing und im Online-Personalmarketing ist es nicht anders. Ein Käufer oder ein Bewerber können mehrere Kontaktpunkte mit dem Produkt oder einer Stellenanzeige haben, bevor sie sich für den Kauf bzw. eine Bewerbung entscheiden. Keiner dieser Kontaktpunkte sollte unbedacht vernachlässigt werden.

Wenn Euer Analytics Tool entsprechend eingestellt ist, könnt Ihr standardmäßig ohne Probleme sehen, welcher Spieler (Kanal) zuletzt aufs Tor geschossen und getroffen hat (Bewerbung – auch Conversion/Goal/Ziel genannt). Das Zusammenspiel der Kanäle bleibt Euch zunächst verborgen.

Mit Google Analytics, richtige Konfiguration vorausgesetzt, könnt Ihr hier Licht ins Dunkel bringen. Die “Vorlagen” werden als “vorbereite Conversions” bezeichnet. Dieser Report ist unter CONVERSIONS > Multi-Channel-Trichter zu finden. Dort könnt Ihr Euch ein Bild davon machen, wer Euer Vorlagengeber ist und in welchem Umfang.

Mögliche Fragestellungen wären z. B.: Wer liefert Bewerbungen und liefert ebenso viele Vorlagen? Wer liefert wenige Bewerbungen und ist auch als Vorlagengeber unnütz? Dazwischen gibt es natürlich weitere Szenarien. Ihre Einordnung und Übersetzung in Maßnahmen ist ein Thema für einen separaten Post. Heute ist mir wichtig, dass Ihr das Thema auf den Schirm bekommt.

Interessant ist auch, sich das Zusammenspiel wirklich im Detail anzuschauen. Das macht man unter CONVERSIONS > Multi-Channel-Trichter > Top-Conversion-Pfade (Sekundäre Dimension: Quellpfad)

Schaut Euch an, wie viele verschiedene Stationen zu den Bewerbungen geführt haben. Z. B. die Kette Nr. 5:  Die Anzeige wurde zunächst auf haz-job.de gefunden, dann Jobspreader, dann Google usw. Der Treffer wird am Ende dem Direktaufruf der Seite (direct) zugerechnet. Genau wie in einem Fußballspiel. Neuer an Müller, Müller an Götze, Götze an Müller, Müller an Hummels…Tor!!! Auf welchen Schritt kann man denn hier getrost verzichten?

Ein Kanal oder Maßnahme ist natürlich in erster Linie anhand seiner direkten Ergebnisse (stets in Kombination mit dem ROI) zu bewerten. Aber Ihr als Profis solltet bitte auch nicht vernachlässigen, wie es zu diesem Ergebnis gekommen ist.

Falls Ihr noch ganz am Anfang steht, zeigt Eurem Management den Post und fragt, ob sie das “Personalmarketing-Game” gerne blind spielen. Und falls Ihr einen guten Spieler für Euer Team sucht, holt Euch den J. Obspreader. Er ist der Günter Netzer des Online-Personalmarketings. Schießt aufs Tor wie bestellt und greift auch noch dem Trainer (Euch) sympathisch unter die Arme 🙂

Meldet Euch unten gerne gleich für eine Jobspreader Demo an oder informiert Euch zunächst auf der Seite.

Einen tollen (Bundesliga-) Saison-Start!

Google Analytics: Sitzungen vs. Klicks

Sitzungen, Nutzer, Seitenaufrufe – gerade Neulinge und Gelegenheitsnutzer in der Welt von Google Analytics haben nach unserer Erfahrung oft Schwierigkeiten, sich in der Begriffswelt dieses Tools zurecht zu finden.

Die Beantwortung der vermeintlich einfachen Frage, wieviele Menschen besuchen nun meine Seite, erweist sich in der Praxis als gar nicht so trivial.

Seitenaufrufe und Sitzungen in Google Analytics

Ist es darüber hinaus erforderlich, eine logische Brücke zu einem weiteren Tracking-System (z. B. einer Werbe-Plattform) zu schlagen, wird’s noch problematischer. Denn dort stößt man auf Begriffe wie Klicks, Website Klicks, Aufrufe, die als Hauptmetrik fungieren (so bei Google AdWords, Facebook Ads usw.), jedoch bei Google Analytics nicht auftauchen.

Kennwerte in Google Analytics auseinanderhalten

Was ist der Unterschied zwischen Klicks und Sitzungen?

Der Versuch, die “Klicks” aus Google Adwords oder die “Website Clicks” aus Facebook Ads in den Berichten von Google Analytics 1 zu 1 wiederzufinden, scheitert so regelmäßig. Denn Google Analytics verwendet durchgehend die sogenannten “Sitzungen” als Hauptmetrik.

Google Analytics verständlich erklärt

Ein Klick und eine Sitzung sind jedoch zwei fundamental unterschiedliche Konzepte. Dies ist bei Weitem nicht jedem GA-Nutzer bewusst und darüberhinaus nicht einfach zu verinnerlichen. Wir versuchen nun, mithilfe einer einfachen Analogie, etwas mehr Klarheit zu schaffen.

Denkt bitte an Die Fressbude um die Ecke, mit ein paar Tischen, an denen man sich die Speise- sowie die Getränkekarte geben und sich bedienen lassen kann. Du betrittst das Lokal und setzt Dich an den Tisch, der Wirt bemerkt Dich. In der Google Analytics Welt startet in diesem Augenblick eine “Sitzung”.

Ein Sitzung ist für eine begrenzte Zeit aktiv. (Irgendwann weiß der Wirt nämlich nicht mehr genau, dass Du Du bist und kein neuer Gast. Für unsere Analogie nehmen wir der Einfachheit halber bis 00:00 Uhr. Alle Deine Handlungen, die in dieser Zeitspanne stattfinden, sind Bestandteil dieser einen Sitzung, die Dir (dem Gast = “Nutzer”) eindeutig zugeordnet werden kann.

Mehrere Seitenaufrufe pro Sitzung

Du schaust Dir nun die Speisekarte an. Das ist vergleichbar mit einem “Seitenaufruf”.

[su_note note_color=”#fff” text_color=”#000″ radius=”0″]Unser imaginärer Google Analytics Zähler zeigt aktuell an:

1 Sitzung
1 Nutzer
1 Seitenaufruf.

(Ein Gast war heute zu Besuch und hat sich die Speisekarte angeschaut.)

[/su_note]

[promotional-banner id=”43316″]

Nachdem Du die Speisekarte überflogen hast, verlässt Du den Tisch und gehst vor die Tür zum Telefonieren. Nach 5 Minuten kommst Du wieder rein, setzt Dich zurück an Deinen Platz und schaust Dir nun die Getränkekarte an.

[su_note note_color=”#fff” text_color=”#000″ radius=”0″]Unser imaginärer Google Analytics Zähler zeigt aktuell an:

1 Sitzung
1 Nutzer
2 Seitenaufrufe.

(Ein Gast war heute zu Besuch und schaute sich die Speisekarte und anschließend die Getränkekarte an.)[/su_note]

Wichtig: Obwohl Du das Lokal kurz verlassen hast, läuft die ursprüngliche Sitzung weiter. Macht auch irgendwie Sinn. Obwohl Du das Lokal faktisch zwei Mal betreten hast, warst Du ja praktisch an dem besagten Tag nur ein mal zu Besuch.

Man merke sich: Ein Gast kann einem Lokal mehrere Besuche abstatten und dabei jeweils mehrere Handlungen ausüben. Oder in der GA-Welt, ein Nutzer kann einer Webseite mehrere Besuche abstatten und dabei jeweils mehrere Handlungen ausüben.

Sitzung vs Klick

Was ist jetzt ein Klick?

Ok, soweit die Logik von Google Analytics. Doch wie/wo dockt jetzt die Logik mit den “Klicks” an, die von Werbe-Plattformen und anderen Traffic-Lieferanten verwendet wird. Wo finden sich die Klicks in unserer  Analogie wieder?

Du gehst morgens an dem besagten Lokal vorbei. Davor steht ein Promoter und drückt Dir einen Werbe-Flyer in die Hand. Er sagt zu Dir, dass wenn Du diesen Flyer dem Wirt zeigst und nach der Getränkekarte fragst, der erste Drink umsonst sei. Du betrittst das Lokal, zeigst den Flyer und fragst nach der Getränkekarte. Der Promoter setzt in seine Strichliste zufrieden einen Strich, denn er wird vom Wirt pro generiertes Interesse bezahlt. Das ist vergleichbar mit dem “Klick” in der Welt der Online-Werbung. Ein Nutzer wurde dazu gebracht, einen ihn interessierenden Inhalt gezielt aufzurufen.

[su_note note_color=”#fff” text_color=”#000″ radius=”0″]Unser Google Analytics Zähler zeigt in dieser Situation:

1 Sitzung
1 Nutzer
1 Seitenaufruf.

Die Werbeplattform X, über die geworben wurde zeigt an: 1 Klick.[/su_note]

Du verlässt nun das Lokal wieder. Läufst um die Ecke und triffst einen weiteren Promoter. Der Wirt hat nämlich mehrere engagiert. Gleiches in Grün. 15 min später bist du mit dem neuen Flyer zurück im Lokal und forderst die Getränkekarte an. Zum zweite Mal wurde Dein Interesse geweckt.

[su_note note_color=”#fff” text_color=”#000″ radius=”0″]Unser Google Analytics Zähler zeigt in dieser Situation:

1 Sitzung
1 Nutzer
2 Seitenaufrufe.

Die Werbeplattform X, über die zum ersten Mal geworben wurde, zeigt an: 1 Klick.
Die Werbeplattform Y, über die zuletzt geworben wurde, zeigt an: 1 Klick.
Der Wirt muss bis jetzt insgesamt für 2 Werbeklicks zahlen.[/su_note]

Ein Nutzer, zwei Seitenaufrufe

In der Online-Welt könnte die komplette Story so aussehen. Ein potentieller Käufer sucht nach einem Produkt bei Google. Er klickt auf eine Anzeige und landet direkt auf der Produktseite. Er informiert sich, möchte aber das Angebot vergleichen. Er verlässt die Seite und recherchiert weiter. Einige Minuten später gibt er seine Suchanfrage erneut ein (er hat den Namen der Produktseite vergessen), klickt auf die bereits bekannte Anzeige und landet zum zweiten Mal auf der Produktseite, um evtl. den Kauf nun abzuschließen.

[su_note note_color=”#fff” text_color=”#000″ radius=”0″]Im Ergebnis erfasst Google Analytics:

1 Sitzung
1 Nutzer
2 Seitenaufrufe.

Google AdWords erfasst 2 Klicks, die der Werbende bezahlen muss.[/su_note]

Die gleiche Logik gilt auch im Bereich des Klick basierten Personalmarketings, wie im Fall unserer Lösung Jobspreader.

Verschiedene Kanäle führen den Jobsuchenden zur Webseite

Sitzungen sind keine Klicks!

Merkt Euch: Sitzungen sind keine Klicks! Sitzungen werden in den allermeisten Fällen recht deutlich von den Seitenaufrufen (und Klicks) nach unten abweichen. Wollt Ihr die Klick-Zahlen, die von den Werbeplattformen als Basis für die Abrechnung eingesetzt werden, mit den Google Analytics Zahlen abgleichen, verwendet, falls nichts anderes verordnet, Seitenaufrufe.

###promotional-banner###

Doch auch bei diesem Verfahren werdet Ihr keine 100% Übereinstimmung feststellen können. Aus technischen Gründen ergeben sich immer Unterschiede zwischen verschiedenen Messpunkten. Woran das liegt, werde ich in einem separaten Post erläutern.

Google Analytics Nutzer-Explorer: Bewerber-Verhalten analysieren

Das Web-Analyse Tool Google Analytics hat vor einigen Tagen eine neue Funktion freigeschaltet. Der sogenannte “Nutzer-Explorer” ermöglicht völlig neue Einblicke in das Verhalten der Besucher einer Webseite.

Sind bisher ausschließlich segmentierte Betrachtungsweisen möglich gewesen, also z. B. “wie viele Besucher kamen von wo?”, wird es ab jetzt möglich, die Handlungen !einzelner! Besucher über mehrere Aufenthalte (Sitzungen) hinweg zu betrachten.

Wie funktioniert das? Wie Ihr vielleicht wisst, verwendet Google Analytics (und andere Web-Analyse Tools) s.g. Cookies. Kleine Code-Stückchen, die beim ersten Besuch einer Webseite auf dem Rechner des Besuchers abgelegt werden, um ihn beim nächsten Besuch wieder identifizieren zu können. Mithilfe solcher Cookies lässt sich jedem Besucher im Grunde eine individuelle (anonymisierte) ID zuweisen. Unter dieser ID können dann alle Handlungen des Besuchers, bei jedem seiner Aufenthalte auf der Webseite registriert werden.

Ruft man den Nutzer-Explorer in Google Analytics, auf erhält man die Liste aller registrierten IDs (Client-ID) für den ausgewählten Zeitraum angezeigt. So sähe das für die Webseite wollmilchsau.de aus. In der letzten Woche wurden 5287 Nutzer eindeutig identifiziert.

Nutzer-Explorer: Bewerber-Verhalten

Jede Zeile stellt faktisch die “Akte” einer Person (bzw. ihres Rechners) da. Dazu erhalten wir gleich einige wichtige Daten, wie z.B. die Zahl der Aufenthalte (Sitzungen) oder die durchschnittliche Sitzungsdauer. Das ist schon mal ganz nett.

Richtig interessant wird es aber erst, wenn man so eine “Akte” aufmacht. Ich habe ein recht spannendes Beispiel für diesen Post ausgesucht.

Nutzer-Akten: einzelne Besuche analysieren

Hier haben wir jemanden, der sich bei uns beworben hat. Auf der linken Seite sehen wir, wann der Besucher (bzw. de Bewerber) erstmalig identifiziert wurde, den Akquisitionskanal sowie die Gerätekategorie. Auf der rechten Seite sehen wir die Interaktionen des Besuchers mit unserer Seite (samt Zeitpunkt).

In diesem konkreten Fall landete der Bewerber zunächst auf der Anzeige auf unserer Karriere-Webseite, besuchte dann den “über uns” Bereich, kehrte zurück zur Anzeige, informierte sich über das Team und schickte schließlich seine Bewerbung ab. Das Ganze dauerte 22 Minuten.

Ab hier sind unterschiedlichste, interessanteste Anwendungsszenarien solcher Daten (zur Analyse des Bewerber-Verhaltens) denkbar. Betrachtet man z. B. eine Gruppe von Nutzern, die ähnliche Verhaltensmuster aufweisen, lassen sich Hypothesen über die Gruppe bzw. über die Inhalte, mit denen sie interagiert, aufstellen. Daraus können Ideen zur Verbesserung der Inhalte (z. B. Aufbau der Karriere-Webseite) oder der Ansprache auf den jeweiligen Akquisitionskanälen entstehen.

Oder ein ganz anderer praktischer Gedanke. Da ich über den Zeitstempel der Bewerbung den Bewerber eindeutig identifizieren kann, sehe ich anhand seiner “Akte”, wie gut er/sie sich über mein Unternehmen informiert hat. Diese Erkenntnis kann ich in die Vorauswahl bzw. in das Vorstellungsgespräch mitnehmen. Auch nicht schlecht.

Ihr seht, mit Google Analytics geht eine ganze Menge. Der Nutzer-Explorer ist eine wirklich tolle Erweiterung, die Ihr Euch auf jeden Fall anschauen solltet. Macht Spaß!

Und falls Ihr Hilfe mit Google Analytics braucht, füllt einfach das kurze Formular unter dem Artikel aus, und wir helfen Euch gerne.

###promotional-banner###

Google Tag Assistant – Wenn Google Analytics, dann richtig!

Ich war letzte Woche auf der Analytics Summit in Hamburg und habe einen ganzen Tag lang den neuesten Trends, Tipps und Best Practices rund um Google Analytics gelauscht. Das Thema Analytics gewinnt gerade in diesem Jahr endlich auch im Bereich HR zügig an Bedeutung. Und so müssen wir natürlich auf dem Laufenden bleiben.

In positiver Erinnerung ist mir der Vortrag des Google Ingenieurs Jens Trapp zum vermeintlich banalen Thema Datenqualität geblieben. Eine einwandfreie Qualität der Analytics-Daten sei die Basis für sämtliche weiteren Analysen und datenbasierten Handlungsempfehlungen, lautete die simple Message.

Und wie das stimmt. Aus unserer eigenen Praxis weiß ich, dass man bei den Kunden zwar immer häufiger Google Analytics Installationen vorfindet, das Setup jedoch oft nicht wirklich ausreichend ist. Dabei rede ich noch nicht mal von der Registrierung von abgeschickten Bewerbungen oder Erfassung der Bewerber-Quellen. Vielfach ist der Tracking-Code nicht 100% korrekt implementiert, sodass Google Analytics unvollständige Daten erhebt. Ohne, dass es jemandem auffällt.

Um solche Basis-Fehler einfach erkennen und beseitigen zu können, stellt Google die Chrome Erweiterung Tag Assistant zur Verfügung. Die neu aufgefrischte Version ist aus meiner Sicht sehr benutzerfreundlich, leicht zu verstehen und extrem hilfreich. In wenigen Minuten kann praktisch jeder von Euch den Google Analytics Code z. B. auf der Karriereseite analysieren. Ist der Tracking-Code richtig installiert? Lösen bestimmte Handlungen des Nutzers irgendwelche Tracking-Prozesse überhaupt aus (z. B. Bewerbungen, falls Ihr schon soweit seid)?

Das sind die grundlegenden Fragen, die man für seine eigene Seite und für beliebige fremde Seiten beantworten kann. Ein paar Beispiele:

1. Ist Google Analytics auf meiner Seite installiert?

Fragt sich z. B. ein Bundeswehr-Recruiter und findet mit einem Klick heraus – nein, natürlich nicht, Freundchen!

Der Google Tag Assistant zeigt, ob Google Analytics auf der Karriereseite installiert ist.

2. Ist der GA-Tracking-Code richtig installiert?

Fragt sich der CDU-Datenschutzbeauftragte und stellt fest – nicht ganz. Der Code ist offenbar zu weit unten auf der Seite implementiert. Kann passieren, dass ein Nutzer (der SPD-Spion) nicht bemerkt wird, wenn er diese Seite verlässt, bevor sie ganz geladen ist, erläutert das Tool bzw. der passende Hilfe-Text.

Der Google Tag Assistant prüft, ob der GA-Code korrekt installiert ist.

3. Wird denn bei uns irgendwas von Google Analytics aufgezeichnet, wenn eine Bewerbung verschickt wird?

Frage ich mich, wenn wir eine neue Stelle zu besetzen haben und finde dank der Funktion “Record” heraus – ja wohl!

Der Google Tag Asisstant zeigt auch an, wenn eine Bewerbung eingegangen ist.

Der Google Tag Assistant zeichnet alles auf, was auf der Karriere-Webseite passiert.

Beim Auslösen des Bewerberformulars zeichnet Google Analytics ein sogennantes Event auf, sodass ich später nachvollziehen kann, wann und woher meine Bewerbungen kamen.

Im Analytics-Report können später die Bewerber-Quellen ganz einfach ausgewertet werden.

Das ist Magic! 🙂

Probiert’s aus. Und wer mehr wissen und/oder mehr machen möchte, kontaktiere uns gerne zum Thema Analytics. Da haben wir echt Spaß dran.

Google Analytics und die Signifikanz Deiner Entscheidungen

Auch in dieser Woche wenden wir unsere Aufmerksamkeit Google Analytics zu. Es ist eben ein wichtiges und gerade im Bereich HR ein hochaktuelles Thema. Wer seine Analytics-Hausaufgaben ordentlich macht, ist grundsätzlich im Vorteil – bei der Entscheidungsfindung, Einleitung und Kontrolle von Optimierungsmaßnahmen.

In der Praxis wird allerdings klar, dass nicht immer jede Entscheidung bzw. Maßnahme und deren Resultate sich 100% genau messen und eindeutig nachvollziehen lassen. Es kann  schon mal vorkommen, dass man eine rein zufällige Tendenz für das Resultat einer vermeintlich klugen Entscheidung hält (Buchempfehlung: Fooled by Randomness).

Die Gefahr der Verzerrung durch den Zufall

Im Fall von Web-Analytics besteht diese Gefahr z.B., wenn Ursache und Wirkung nicht eindeutig zuzuordnen sind. Oder wenn die zahlenmäßige Auswirkung einer vermeintlichen Ursache sich nicht gerade im eindeutigen Bereich bewegt – “von 0 auf täglich 180”.

Beispiele für nicht ganz eindeutige, je nach Fall schwer messbare, Zuordnungen wären:

  • Offline-Event (z.B. Azubi-Messe) -> Veränderung der Zahl “neuer Besucher” auf der Seite
  • SEO-Optimierung des Seitenaufbaus -> Veränderung der Verweildauer auf der Seite
  • Anpassung des mobilen Bewerbungs-Formulars -> Veränderung der Zahl der mobilen Bewerbungen
  • Neues Kommunikationskonzept der Webseite -> Wie viel hat das in Zahlen gebracht?

uvm.

Also, stellt Euch vor, Ihr macht ein schönes Azubi-Event, bemerkt in der gleichen Woche ein paar mehr Nutzer auf der Seite und sagt, “Cool, das Event hat’s voll gebracht. Machen wir nächstes Mal wieder”. In Wirklichkeit handelte es sich bei dem Anstieg aber um eine ganz normale, rein zufällige Schwankung, die bei Euch auf der Seite hin und wieder vorkommt.

Und auch wenn Ihr ganz tolle Analytiker seid und wisst, Eure Daten ordentlich zu “sezieren”, ist der pure Zufall mit dem bloßen Auge nicht immer ganz einfach zu erkennen. Zumal wir uns ja insgeheim wünschen, dass unsere Entscheidungen gut sind.  Daher sind wir bei der Beurteilung der Ergebnisse voreingenommen.

Beispiel in eigener Sache

Wir haben zu Beginn des Jahres einige SEO-Maßnahmen auf dieser Seite umgesetzt, die unter anderem darauf zielten, mehr neue Besucher zu generieren. Hier die kurzfristige Auswertung.

In der Detailansicht wirkt die Zahl der neugewonnen Besucher signifikant.

“Da bewegt sich doch tendenziell was nach oben. Sieht gut aus, fühlt sich gut an. Läuft”, könnte ich meinen. Schauen wir uns nun ein größeres Zeitintervall an.

Aus der Vogelperspektive sehen die Besucherzahlen schon wieder ganz anders aus.

Aha. Und nu? Die zweite Darstellung lässt meine ursprüngliche Euphorie etwas schwinden. Denn ganz so eindeutig wie vorhin sehen und fühlen sich die Auswirkungen unserer Maßnahmen doch nicht an. Ist die positive Entwicklung seit Anfang des Jahres das Ergebnis unsere Maßnahmen oder nicht bzw. gibt es überhaupt ein “Ergebnis”? Und wenn ja, wie gut ist es ausgefallen im Vergleich zu dem was, vorher war. Wie kann ich das, was da passiert ist, genau beziffern?

Mark Edmondosn von der Seite online-behavior hat heute eine Methode vorgestellt, um schnell und einfach die statistische Signifikanz der von Google Analytics erfassbaren Daten zu bestimmen. Dabei können Nicht-Statistiker mithilfe seines selbst-entwickeltes Tool “GA-Effects” schätzen, wie wahrscheinlich es ist, dass die Auswirkungen ihrer Maßnahmen keine Zufälle sind. (Für Statistiker unter Euch – das Verfahren basiert auf Bayesscher Statistik und wurde im Jahr 2014 in einer Veröffentlichung  ausführlich beschrieben.)

Nun übertrage ich seine Schritt für Schritt Anleitung, die ich wegen weiterführender Erläuterungen im Original empfehle, auf unseren Fall.

Wie starten mit der Hypothese:

“Haben die SEO-Maßnahmen in der ersten Januar Woche signifikant zum Anstieg der neuen Besucher auf der Seite beigetragen und falls ja, in welchem Maße?”

Folgende Schritte sind notwendig, um die Hypothese zu prüfen:

  1. Ich rufe die Seite https://mark.shinyapps.io/ga-effect/ auf und erlaube den Zugriff auf mein GA-Konto (natürlich habe ich entsprechende GA-Rechte).Mit GA Effect lässt sich die statistische Signifikanz von Veränderungen überprüfen.
  2. Ich wähle ein Unterkonto aus.
  3. Nun wird der Zeitraum bestimmt. Mark empfiehlt die Daumenregel 7:3 (vor:nach der Maßnahme)
  4. Segment wählen. In unserem Fall “Search Traffic”. Denn unsere Erwartung war, dass sich die Maßnahmen vor allem in diesem Bereich auswirken würden.
  5. Metrik wählen. In unserem Fall “New Users”. Wir wollten ja möglichst die Zahl der neuen Nutzer positiv beeinflussen.Das GA Effect Setup ist relativ unkompliziert.
  6. Nun setze ich den Zeitpunkt der Maßnahme fest.
  7. Zum Schluss kann ich mit der Festlegung der bekannten regelmäßigen Schwankungen für mehr Präzision sorgen. Auf unserer Seite gibt es jedes Wochenende einen deutlichen Rückgang der Besucher.

Das Tool berücksichtigt saisonale Schwankungen auf Wunsch automatisch.

Das Ergebnis

Der Klick auf “Results” in der Sidebar führt uns zu der Schätzung entsprechend unseren Einstellungen.

Die Ergebnisse zeigen, dass die Veränderungen signifikant sind.

Wir sehen in dieser Ansicht, dass der Effekt der Maßnahme als Signifikat eingestuft wird. Es wird geschätzt, dass die Maßnahme bis heute etwa 7000 mehr neue Nutzer eingebracht hat und wir durchschnittlich 130% mehr neue Nutzer über die Suchmaschinen (Search-Traffic) generieren, als vor der Maßnahme. Der Chart zeigt das erwartete/geschätzte Intervall (grüne Fläche) und die tatsächliche Entwicklung (blaue Linie).

Zusätzlich können wir noch die kumulierte Darstellung des Effekts betrachten bzw. die Verknüpfung der tatsächlichen Werte vor und nach der Maßnahme mit den erwarteten Werten.

In der kumulierten Darstellung werden tatsächliche und erwartete Werte gegenübergestellt.

Zu guter Letzt kann man sich die statistische Beweisführung genau durchlesen. Dazu gibt es den schriftlichen Report.

Die statistische Beweisführung kann im Tool genau nachverfolgt werden.

Klar ist das hier eine statistische Schätzung, klar entspricht auch sie nicht zu 100% der Realität. Statistik sollte auch nicht als die ultimative Wahrheit gehandelt werden. Falls möglich, sollte so eine Schätzung nochmals mit dem gesunden Menschenverstand hinterfragt bzw. wenn möglich mit Hilfe anderer Daten verifiziert werden.

Fazit

In meinem konkreten Beispiel sagt mir meine Logik, dass die Schätzung der erwarteten Werte zu niedrig ausgefallen ist, da sie durchgehend leicht unter dem tatsächlichen Niveau aus der Vergangenheit liegt. Die Ursache liegt in dem extrem schwachen Monat Dezember, der die Schätzung verzerrt. Mir ist also klar, dass das tatsächliche Ergebnis meiner Maßnahme unter den angegebenen +7000 bzw. +130% liegen wird. Allerdings auch nicht allzu weit weg.

Insgesamt finde ich die Methode und das Tool GA-Effects faszinierend, denn sie erlauben mir nun für bestimmte Fragestellungen wesentlich konkretere Aussagen zu treffen, die auf nachvollziehbaren Zahlen und nicht auf dem Gefühl basieren. Ich hoffe, Ihr seht das ähnlich und seid auch ein wenig begeistert von Mark Edmondsons Arbeit. Viel Spaß beim Spielen und Arbeiten mit diesem Tool. Ich freue mich auf Kommentare.

Für weitergehende Fragen zum Thema Web-Analytics und Google-Analytics im HR Kontext steht unser Team wie immer zur Verfügung.

Google Analytics Datenschutz

Im letzten Jahr haben wir bereits versucht, Euch mit unseren Grundlagen zu Google Analytics und unserem Artikel über Analytics Dashboards als Arbeitserleichterung von Google Analytics zu überzeugen.

Viele von Euch haben jedoch Bedenken bzgl. Google Analytics und der Einhaltung des Bundesdatenschutzgesetzes. Deshalb wollen wir Euch heute mit einer ausführlichen Anleitung zeigen, wie Ihr Google Analytics datenschutzkonform in Eure Webseite einbinden könnt. Wir hoffen mit diesem trockenen, aber spannenden Thema auch die letzten Skeptiker unter Euch von Google Analytics zu überzeugen. Das Thema Google Analytics und Datenschutz wurde schon in vielen verschiedenen Foren und Blogs behandelt, jedoch waren viele Artikel entweder nicht mehr aktuell genug, oder nicht ausführlich genug. Deshalb haben wir uns dazu entschieden, für Euch eine aktuelle Anleitung zusammenzustellen.

Wenn Ihr im Nachgang noch Fragen zu diesem Thema habt oder Unterstützung bei der Umsetzung braucht, meldet Euch gerne bei uns. Los geht’s.

Da Google erfasste Daten in Ländern hostet, in denen es so gut wie keinen oder auch gar keinen Datenschutz gibt, ist es zwingend erforderlich, die folgenden Arbeitsschritte durchzuführen, um Google Analytics trotzdem datenschutzkonform nutzen zu können:

1. Vertrag zur Auftragsdatenverarbeitung von Google (nach §11 BDSG)

Fangen wir mit dem einfachsten Schritt an:

Dem Unterzeichnen des Vertrags zur Auftragsdatenverarbeitung. Den Vertrag könnt Ihr Euch über diesen Link herunterladen: Google Analytics Vertrag zur Auftragsdatenverarbeitung.

Bitte druckt diesen Vertrag 2x aus, lasst beide Exemplare von Eurem Webseiten-Betreiber unterzeichnen und sendet die Verträge, zusammen mit einem frankierten Rückumschlag, an die Google Rechtsabteilung in Dublin. I. d. R. wird dieser Vertrag von Google innerhalb von 8 – 12 Arbeitstagen unterschrieben an Euch zurück gesendet.

Übrigens: Besteht dieser Vertrag nicht, müsste jeder Besucher Eurer Webseite explizit der Erhebung seiner Daten zustimmen!

2. Anonymisierung der IP Adressen durch Anpassen des Google Analytics Codes

Nach diesem einfachen Schritt geht’s nun ans Eingemachte. Der Google Analytics Code (auch „Code-Snippet“ genannt) muss so verändert werden, dass die letzten Zeichen der IP Adresse maskiert werden. Durch die Maskierung der IP Adresse ist es anschließend nicht mehr möglich, die genaue geografische Lokalisierung eines Besuchers ausfindig zu machen. Der Standort des Webseiten-Besuchers kann dann nur noch sehr ungenau, anhand des letzten Einwahlknotens, lokalisiert werden. Die (ungenaue) Lokalisierung eines Benutzers anhand des letzten Einwahlknotens ist übrigens datenschutzrechtlich unbedenklich. Diese Methode der Datenerfassung wird von deutschen Datenschutzbehörden anerkannt und akzeptiert.

Um den Analytics Code so zu verändern, dass dieser die IP Adressen maskiert, bietet sich die sog. IP Masken Methode „anonymizeIp()“ an, die bei Google seit Mai 2010 verfügbar ist. Diese Funktion stellt Google in der JavaScript-Bibliothek ga.js und auch in ga(‘set’, ‘anonymizeIp’, true) in der Bibliothek analytics.js zur Verfügung. Nähere Informationen dazu könnt Ihr hier aufrufen.

Durch diese Funktion zur Anonymisierung der IP Adressen in Google Analytics werden bei IP Adressen vom Typ IPv4  die letzten 8bit der Adresse verschlüsselt, bei IP Adressen vom Typ IPv6 die letzten 80bit. Nach der Einrichtung dieser Funktion werden alle Daten kurz vor der Übermittlung an das Analytics-Datenerfassungsnetzwerk verschlüsselt. Das bedeutet, dass die vollständige IP des Nutzers nie auf einer Festplatte gespeichert wird.

Um den Google Analytics Datenschutz zu wahren, werden IP-Adressen nur anonymisiert erfasst.
Quelle: https://support.google.com/analytics/answer/2763052?hl=de

Da der standardmäßig von Google vorgegebene Tracking Code nicht die Anforderungen an den Datenschutz erfüllt, muss der Tracking Code zwingend durch „anonymizeIp()“angepasst werden. Aktuell werden zwei Varianten des Tracking Codes genutzt: Universal Analytics und Klassisches Analytics.

Die folgenden Code Beispiele sollen Euch dabei helfen, Euren Tracking Code korrekt anzupassen:

Datenschutz mit „Universal Analytics“:

<script>

(function(i,s,o,g,r,a,m){i[‘GoogleAnalyticsObject’]=r;i[r]=i[r]||function(){

(i[r].q=i[r].q||[]).push(arguments)},i[r].l=1*new Date();a=s.createElement(o),

m=s.getElementsByTagName(o)[0];a.async=1;a.src=g;m.parentNode.insertBefore(a,m)

})(window,document,’script’,’//www.google-analytics.com/analytics.js’,’ga’);

ga(‘create’, ‘UA-XXXXXXX-X’, ‘website.de’);

ga(‘set’, ‘anonymizeIp’, true);

ga(‘send’, ‘pageview’);

</script>

Tiefergehende Informationen zur Anpassung des Codes findet Ihr hier.

Datenschutz mit „Klassischem Analytics“:

 <script type=”text/javascript”>

var _gaq = _gaq || [];

_gaq.push([‘_setAccount’, ‘UA-XXXXXXX-X’]);

_gaq.push([‘_gat._anonymizeIp’]);

_gaq.push([‘_trackPageview’]);

(function() {

var ga = document.createElement(‘script’); ga.type = ‘text/javascript’; ga.async = true;

ga.src = (‘https:’ == document.location.protocol ? ‘https://ssl’ : ‘http://www’) + ‘.google-analytics.com/ga.js’;

var s = document.getElementsByTagName(‘script’)[0]; s.parentNode.insertBefore(ga, s);

})();

</script>

Weitere Informationen zur Anpassung des Codes im klassischen Google Analytics, findet Ihr hier.

3. Aufklärung der Besucher über den Einsatz von Google Analytics in der Datenschutzerklärung der Unternehmens-Webseite

Für die datenschutzkonforme Nutzung von Google Analytics hat Google Analytics Bedingungen generiert, die von Webseitenbetreibern innerhalb der Datenschutzerklärung auf der Webseite hinterlegt werden müssen.

Den folgenden Text (übernommen von und nachlesbar auf dr-datenschutz.de) müsst Ihr in die Datenschutzerklärung Eurer Webseite integrieren:

Diese Website benutzt Google Analytics, einen Webanalysedienst der Google Inc. („Google“). Google Analytics verwendet sog. „Cookies“, Textdateien, die auf Ihrem Computer gespeichert werden und die eine Analyse der Benutzung der Website durch Sie ermöglichen. Die durch das Cookie erzeugten Informationen über Ihre Benutzung dieser Website werden in der Regel an einen Server von Google in den USA übertragen und dort gespeichert. Im Falle der Aktivierung der IP-Anonymisierung auf dieser Website, wird Ihre IP-Adresse von Google jedoch innerhalb von Mitgliedstaaten der Europäischen Union oder in anderen Vertragsstaaten des Abkommens über den Europäischen Wirtschaftsraum zuvor gekürzt. Nur in Ausnahmefällen wird die volle IP-Adresse an einen Server von Google in den USA übertragen und dort gekürzt. Im Auftrag des Betreibers dieser Website wird Google diese Informationen benutzen, um Ihre Nutzung der Website auszuwerten, um Reports über die Websiteaktivitäten zusammenzustellen und um weitere mit der Websitenutzung und der Internetnutzung verbundene Dienstleistungen gegenüber dem Websitebetreiber zu erbringen. Die im Rahmen von Google Analytics von Ihrem Browser übermittelte IP-Adresse wird nicht mit anderen Daten von Google zusammengeführt. Sie können die Speicherung der Cookies durch eine entsprechende Einstellung Ihrer Browser-Software verhindern; wir weisen Sie jedoch darauf hin, dass Sie in diesem Fall gegebenenfalls nicht sämtliche Funktionen dieser Website vollumfänglich werden nutzen können. Sie können darüber hinaus die Erfassung der durch das Cookie erzeugten und auf Ihre Nutzung der Website bezogenen Daten (inkl. Ihrer IP-Adresse) an Google sowie die Verarbeitung dieser Daten durch Google verhindern, indem Sie das unter dem folgenden Link (http://tools.google.com/dlpage/gaoptout?hl=de) verfügbare Browser-Plugin herunterladen und installieren.

 Sie können die Erfassung durch Google Analytics verhindern, indem Sie auf folgenden Link klicken. Es wird ein Opt-Out-Cookie gesetzt, das die zukünftige Erfassung Ihrer Daten beim Besuch dieser Website verhindert:

<a href=”javascript:gaOptout()”>Google Analytics deaktivieren</a>

 Nähere Informationen zu Nutzungsbedingungen und Datenschutz finden Sie unter http://www.google.com/analytics/terms/de.html bzw. unter https://www.google.de/intl/de/policies/. Wir weisen Sie darauf hin, dass auf dieser Website Google Analytics um den Code „gat._anonymizeIp();“ erweitert wurde, um eine anonymisierte Erfassung von IP-Adressen (sog. IP-Masking) zu gewährleisten.

Solltet Ihr auch noch Erweiterungen von Google Analytics verwenden um zusätzliche Daten auszuwerten, müsst Ihr auch hierauf hinweisen. Für die Auswertung von Daten aus Adwords oder dem DoubleClick-Cookie könnt ihr bspw. den folgenden Hinweistext (mit Angabe der Quelle) verwenden:

Wir nutzen Google Analytics zudem dazu, Daten aus AdWords und dem Double-Click-Cookie zu statistischen Zwecken auszuwerten. Sollten Sie dies nicht wünschen, können Sie dies über den Anzeigenvorgaben-Manager (http://www.google.com/settings/ads/onweb/?hl=de) deaktivieren.

Übrigens:  Bitte beachtet auch, dass Besucher Eurer Webseite die Datenschutzerklärung (wie auch das Impressum) von jeder Seite Eurer Homepage aus, zu jeder Zeit mit nur einem Klick erreichen können. Auch das ist eine Vorgabe des BDSG.

4. Löschen der (eventuell) bereits durch Google Analytics erfassten Daten

Nun sind wir auch schon beim letzten Schritt angekommen. Um Google Analytics datenschutzkonform nutzen zu können, müssen nun noch alle bisher durch Analytics erfassten, nicht datenschutzkonformen Daten gelöscht werden.

Dieser Schritt wird zwingend von der Datenschutzbehörde gefordert, weil sämtliche durch Analytics erfasste Daten erst durch die Anonymisierung der IP Adressen datenschutzkonform gespeichert werden. Das bedeutet konkret, dass Daten, die vor der Einrichtung der IP-Verschlüsselung erfasst wurden, nicht-anonymisiert bleiben und somit gegen die Datenschutzvorgaben verstoßen.

Um die Alt-Daten zu löschen, müsst Ihr über Euer Google Analytics Konto eine neue Property (ehemals Profil) anlegen und gleichzeitig die alte Property, die nicht-datenschutzkonforme Daten enthält, löschen.

Tiefergehende Informationen zum Anlegen neuer Properties findet Ihr über diesen Link.

Fazit

Alle diese Punkte sind Inhalte des Vertrags zur Auftragsdatenverarbeitung nach §11 des BDSG. Habt Ihr alle diese Punkte erfolgreich ausgeführt, könnt Ihr Google Analytics ab sofort datenschutzrechtlich ohne Bedenken benutzen.

Ich hoffe, wir konnten mit diesem Artikel für mehr Vertrauen bezüglich Google Analytics und dessen datenschutzkonforme Nutzung sorgen und vor allem nachvollziehbar machen, wie das Thema konkret anzugehen ist.

Nun seid Ihr dran. Es ist jetzt auch Zeit für Euch, Google Analytics, dieses funktionsreiche und sehr hilfreiche Tool, auszuprobieren. Oder, was sagt Ihr?

Case: Personalmarketing-Kampagne auf Facebook

1. Auf der #SMRC14 am 09.10. in Hamburg erzählte Stefan Schmidt-Grell über die Entwicklung von Facebook hin zu einer äußerst effektiven Marketing-Plattform. Eine Entwicklung, von der auch Personalmarketer profitieren könnten/sollten.

Nach der Präsentation gab es eine kritische Rückfrage aus dem Publikum, ob Facebook überhaupt für Personalmarketing-Kampagnen geeignet sei. Es gäbe da starke Zweifel und praktische Cases wären nicht bekannt.

2. Beim Persoblogger Stefan Scheller habe ich gerade von einer Praxis-Umfrage gelesen, durchgeführt von einer klassischen Stellenbörse unter “15 Unternehmensvertretern mit Schwerpunkt HR”. Eines der Ergebnisse bescheinigt Facebook das Fehlen “jeglicher Recruitingrelevanz”.

Ob mangels Reichweite von finanziell ungestützten Postings, wegen Datenschutzbedenken (Bewerberdaten!) oder der Tatsache, dass die gewünschten Zielgruppen das Netzwerk rein privat betrachten, das Ergebnis bleibt das gleiche.

3. Das wollen wir mal sehen. Es trifft sich gut, dass wir im Oktober selbst eine offene Stelle über eine Facebook-Kampagne promotet haben. Damit können wir einen der wenigen Cases für Personalmarketing-Kampagnen bei Facebook liefern. Ich hoffe, unsere Erfahrung kann Euch weiterhelfen. Gesucht wurde ab Ende September eine nicht so einfache Kombination aus einem Frontend-Entwickler und einem Designer mit UX-Fokus (um für Euch tolle Karriereseiten zu bauen). Dazu wurde die folgende Anzeige formuliert.

Anzeige:

Personalmarketing-Kampagne auf Facebook

Unser Ziel war es, die Stelle mit möglichst wenig Aufwand zu besetzen. Wir haben uns entschieden, die Anzeige neben der Agentur-Webseite auf unserer HR-Jobbörse zu platzieren. (Wir nutzen sie gerne als die Verlängerung unserer Karriere-Webseite. Vor allem wegen des Bewerbungsformulars und der mobilen Version.) Es war allerdings klar, dass wir kaum von organischen Zugriffen auf die HR-Jobbörse profitieren würden, da der Titel und der Inhalt der Anzeige an der HR-Zielgruppe stark vorbei gehen.

Im zweiten Schritt wurde die Promotion der Anzeige über unser Personalmarketing-Tool Jobspreader eingerichtet (Cost-per-Click Kampagnen auf ausgewählten Jobsuchmaschinen). Allerdings haben wir aufgrund der seltenen Skill-Kombination hier kurzfristig kaum mit Zugriffen in großer Menge gerechnet, da das Profil zu speziell war. Es war schwer einzuschätzen, wie viele überhaupt bei den Jobsuchmaschinen exakt danach suchen würden. Aber Versuch macht ja klug. Außerdem entstehen hierbei nur Kosten, wenn geklickt wird.

Wir brauchten also ein zusätzliches Zugpferd. Wobei wir auch weiterhin keinen pauschalen Anzeigenpreise bezahlen würden, sondern nur pro Klick.

Eine Facebook-Kampagne war die naheliegendste Lösung. Die Idee war, “nicht aktiv suchende” Menschen mit entsprechenden Interessen in Hamburg und außerhalb anzusprechen. Wir wollten erreichen, dass Personen mit einem potentiell passenden Profil unsere Anzeige in Ihrem Facebook- Stream zu sehen bekamen. So sind sind drei Anzeigen-Variationen mit den folgenden Targeting-Kriterien entstanden.

Ad 1:Facebook ad beispiel

Ad 2:Personalmarketing-Kampagne auf Facebook - Ad 2

Ad 3:Personalmarketing-Kampagne auf Facebook - Ad 3

Und so haben unsere Kampagne insgesamt bzw. die einzelnen Anzeigen im Laufe eines Monats funktioniert.

FB-Auswertung:

Personalmarketing-Kampagne auf Facebook - Auswertung

Weitergeleitet wurden die Interessenten auf die vollständige Anzeige in der HR-Jobbörse, wo sie sich über ein einfaches Formular bewerben konnten. Natürlich auch mobil. Zum Abgleich und zur detaillierten Analyse der Daten schauen wir uns gerne auch die Zahlen für den gleichen Zeitraum in Google Analytics an. (Gelb – Facebook!).

GA 1:

Personalmarketing-Kampagne auf Facebook - Auswertung in Google Analytics

Ein auffälliges kleines Phänomen, welches die Web-Analytics-Kenner unter Euch vielleicht schon mal bemerkt haben, ist die Tatsache, dass die Klick-Zahlen von Facebook (416 Klicks) sich von den Facebook Zahlen in Google Analytics (291 Klicks) recht deutlich unterscheiden (-125 Klicks).

(Kleiner Exkurs: Zum einen sind die Messgrößen Webseitenklicks (FB) und Sitzungen (GA) nicht identisch definiert. Weiterhin liefern Web-Analytics Tools, wie z.B. Google Analytics, nicht immer ein 100% Abbild der Realität. Ein Beispiel: Tracking-Skripte, die zur Erfassung der Zugriffe auf der Zielseite eingesetzt werden, können durch Ad-/Script-Blocker beeinträchtigt werden, sodass ein echter Besucher nicht gezählt werden kann. So kommt es oft zu kleineren oder größeren Differenzen, wenn man die Auswertung an der Quelle eines Klicks mit der am Ziel vergleicht. Mehr Info dazu hier.)  

Was übrigens für einige von Euch nicht ganz uninteressant sein dürfte, ist die Aufschlüsselung unseres Experiments nach Desktop-, Mobile- und Tablet-Nutzern. Betrachtet man alle Traffic-Quellen, kamen knapp 70% über mobile Geräte. Für Facebook-Zugriffe komme ich rechnerisch auf ca. 86%. Wow! Da hatte Stefan Schmidt-Grell mit seinem Punkt “Exactly know your audience and think mobile” wohl absolut Recht. (Bitte verzeiht, dass die Detail-Auflistung aus Platzgründen nicht ganz vollständig ist und dass es bei der Gesamtzahl eine Abweichung zur vorangehenden Übersicht von 4 gibt. Das liegt am Zeitpunkt der Messung.)

GA 2:

Personalmarketing-Kampagne auf Facebook - Auswertung Mobile

Ok. Zurück zu den Gesamtzahlen und zu den Ergebnissen. Gehen wir gerne von der kleineren Google Analytics Zahl aus (GA 1). Somit hätten wir 291 Facebook-Klicks auf die Anzeige zu einem Preis von 165,48€ erzielt. Das wären korrigiert 0,57€ pro Klick. Insgesamt hat Facebook also 76% der gesamten registrierten Zugriffe auf die Anzeige beigesteuert. Jobspreader hat 65 Klicks, also 16,93% zu einem durchschnittlichen Preis von 0,27€ pro Klick generiert (gesamt 17,55€). An dritter Stelle kommen mit 21 Klicks bzw. 5,73% die direkten Zugriffe auf die Seite der HR-Jobbörse (direkte URL-Eingaben, Klicks auf den Link im Job-Newsletter).

Im Ergebnis haben wir 11 Bewerbungen erhalten. Davon können wir 6 Bewerbungen der Facebook-Kampagne und 3 der Jobspreader-Kampagne zuordnen. 2 Bewerbungen können nicht eindeutig zugeordnet werden. Die Stelle ist inzwischen besetzt und zwar mit einem Kandidaten, der über die Facebook-Kampagne kam. Die Gesamtkosten der Besetzung beliefen sich also auf 183,03€. Alle kostenpflichtigen Quellen eingerechnet, ergibt das einen durchschnittlichen Klick-Preis von 0,51€ [(165,48+17,55) /(291 +65)]. Die Kosten pro Bewerbung betrugen durchschnittlich 20,34€ bzw. 27,58€ bei der Facebook-Kampagne und 5,85€ bei der Jobspreader-Kampagne.

Ergebnisse unserer Personalmarketing-Kampagne auf Facebook:

Personalmarketing-Kampagne auf Facebook - Ergebnisse

Wir sind mit den Ergebnissen der Facebook-Kampagne und unserer Strategie insgesamt zufrieden und werden diese auch zukünftig fortführen. Die heißt – “Traffic-Versorgung über Jobsuchmaschinen kombiniert mit genauem Zielgruppen-Targeting auf anderen Plattformen bei speziellen Profilen.”

Ich hoffe, dass ich dem einen oder anderen von Euch mit diesem Case eine neue Perspektive in der umstrittenen Frage der Recruitingrelevanz von Facebook aufgezeigt habe. Das Promoten von Stellenanzeigen ist dabei nur eine der Möglichkeiten, wie Facebook für das Personalmarketing und Employer Branding erfolgreich eingesetzt werden kann.

Bitte merkt Euch eins: Facebook Targeting ermöglicht heute das beste denkbare Zielgruppen-Targeting auf Desktop und Mobile. Zugänglich sogar für die ganz kleinen Unternehmen und ganz kleine Budgets bei absoluter Ergebnisorientierung und voller Kostenkontrolle. Wer der Meinung ist, diese Plattform könne nicht fürs Recruiting eingesetzt werden, sollte sie, taktvoll formuliert, schleunigst überdenken. Und lasst Euch von den alten Jobbörsen, ihren Umfragen und Studien nichts anderes einreden. Die Kollegen wissen ziemlich genau, dass sie mit den zeitgemäßen Möglichkeiten bezüglich des Preis-Leistungs-Verhältnisses überhaupt nicht mithalten können und werden immer wieder versuchen, die neuen Möglichkeiten zu torpedieren. Ihr Glück, dass das noch nicht bei allen angekommen ist.

[HTTP301] Google Analytics Radar-Ereignisse: Handlungsbedarf erkennen!

Und wieder Analytics. Ich kann es diese Woche einfach nicht lassen, Euch mit dieser trockenen, langweiligen und dennoch nützlichen Materie zu nerven. Ich habe aktuell irgendwie Spaß an diesem Thema. Wie schon im letzten Post über Dashboards stelle ich heute eine weitere kleine Arbeitshilfe vor, die Euch das Leben einfacher machen soll.

Eine (Karriere-)Webseite ist wie ein lebendiger Organismus. Jeden Tag passiert da etwas, jeden Tag gibt es kleinere und manchmal größere Veränderungen, zum Teil positive zum Teil negative. Eine Web-Analytics-Software wie Google Analytics sammelt sämtliche Daten zu allen erfassbaren Vorgängen. Diese Daten lassen sich in Form von standardisierten oder aber in Form von individuellen Indikatoren darstellen.

Diese Indikatoren (z.B. Anzahl der Besucher, Verweildauer usw.) zeigen Euch Momentaufnahmen oder Entwicklungen im Zeitverlauf. Ihr schaut also, wenn überhaupt, ab und an in die Analyse, sagt dann “aha, aha, hm, ok, scheint alles in Ordnung” und seit wieder raus.

I check my Google Analytics every day!

Doch wie entscheidet Ihr, ob und wo gerade Handlungsbedarf besteht? Um so etwas aus den Standard-Daten herauszulesen, braucht es normalerweise vordefinierte KPIs, standardisierte Prozesse und Routine. Nach dem Motto:

  1. Gehe jede Woche rein.
  2. Erhebe die Zahl X.
  3. Falls Sie die Zahl X gegenüber Y um Z verändert hat, haben wir ein Problem/ganz viel Glück.
  4. Alarm. Wir müssen etwas tun.

Im Profi-Bereich – im Online-Marketing – sitzen Menschen, deren Kernaufgabe es ist, sich mit diesem Zeug permanent zu beschäftigen. Die haben Spaß dran. Im Bereich HR ist das weitestgehend (noch) nicht der Fall. Wie kriegen wir also als Amateure unsere Daten schnell interpretiert und erkennen zu lösende Probleme oder aber erfolgreiche Maßnahmen, die es zu reproduzieren gilt? Ohne viel Zeit zu investieren, wieder mal etwas Langweiliges lernen zu müssen und sonstiges Pipapo.

Mein Vorschlag, ganz klar, “Radar-Ereignisse”. Schaut mal, was Google selbst dazu sagt:

Analytics überwacht den Traffic auf Ihrer Website, um erhebliche statistische Abweichungen zu erkennen, und erstellt automatisch Benachrichtigungen oder Radar-Ereignisse, wenn diese Abweichungen auftreten. Eine detaillierte Betrachtung dieser Anomalien kann wertvolle Erkenntnisse liefern, die Ihnen andernfalls möglicherweise entgangen wären, wie beispielsweise Traffic-Spitzen von einer bestimmten Stadt oder verweisenden Website.

Also, Google überwacht für Euch eine ganze Reihe von wichtigen Indikatoren. Ihr könnt auch noch Eure eigenen definieren. Z.B. Traffic-Anteil von der Jobbörse XY fällt unter Z%. Oder Anteil von Bewerbungen bei Anzeigen mit experimentellen Formulierungen geht plötzlich über X% usw. Google hat das alles im Blick und zeigt Euch sobald etwas passiert, das Ihr wissen solltet. Ihr müsst die Daten nicht mehr selbst mühsam  auswerten, um Signale zu erkennen. Das spart Zeit.

Übersicht aller Google Analytics Radar-Ereignisse

In der Maske “Benutzerdefinierte Benachrichtigungen” können, wie gesagt, auch eigene Signale erstellt werden. Das ist sehr sinnvoll, wenn Ihr an spezifischen Informationen interessiert seid.

Erstellt Eure eigenen benutzerdefinierten Benachrichtigungen in Google AnalyticsNatürlich liegt es an Euch bzw. Eurem Team zu entscheiden, ob und was zu tun ist, wenn ein Signal ausgelöst wird. Ganz ohne Arbeit geht’s nicht. Aber zumindest habt Ihr so wesentlich mehr Durchblick und Kontrolle darüber, was auf Eurer Seite passiert. Es ist keine Blackbox mehr.

Mit dem letzten und dem heutigen Artikel habt Ihr also mit sehr wenig Aufwand ein übersichtliches Reporting und einen automatisierten Kontroll-Mechanismus an der Hand, die Euch viel Zeit sparen und quasi automatisch wichtige Erkenntnisse über Eure (Karriere-)Webseite liefern.

Viel Spaß damit. Und lasst mich wissen, falls Ihr Fragen, Ideen oder Erfahrungen teilen möchtet.

Conversion-Tracking im Personalmarketing

Ich habe mir gestern die Frage gestellt, wie möglichst viele Unternehmen möglichst schnell und unkompliziert das Bewerber-Tracking auf ihren Karriere-Websites entscheidend verbessern könnten.

Eine alltägliche Situation: Ein potentieller Bewerber klickt irgendwo im Netz auf ein Stellenangebot und landet auf Eurer Karriere-Website. Er schaut sich um, es gefällt ihm, er überlegt, sich bald zu bewerben. Dann muss er zum See und verlässt Eure Seite wieder. Die Adresse des Stellenangebots hat er sich aufgeschrieben oder per Mail geschickt oder als Bookmark gespeichert. Einige Tage oder Wochen später klickt er auf sein Bookmark oder gibt die Adresse direkt in die URL-Leiste des Browsers ein, landet wieder auf Eurem Stellenangebot und füllt nun das Bewerbungsformular aus.

Wie findet man heraus, wie Bewerber ursprünglich auf Euch aufmerksam geworden ist?

Vor Kurzem habe ich erläutert, wie man eine einfache Analyse der Besucher seiner Seite mit Google Analytics durchführt. Die heutige Aufgabe ist etwas komplizierter, da wir eine Person untersuchen, die Eure Seite mehrfach aufgesucht hat, um sich erst beim letzten Besuch zu bewerben. Die Lösung kommt natürlich aus dem Online-Marketing, wo solche Analysen für den Verkaufserfolg von Produkten und Dienstleistungen sowie für den ROI entscheidend sind.

Für die Beantwortung der Frage, müsst Ihr auf sogenannte Ziel-Conversions (Google Analytics) bzw. Conversion-Tracking (Google Adwords) zurückgreifen. Mit Hilfe von Conversion-Tracking könnt Ihr ein bestimmtes Ereignis auf Eurer Seite, wie z.B. das Ausfüllen eines Bewerbungsformulars, festhalten und anschließend auswerten, was genau zu diesem Ereignis geführt hat. Was hat ein Besucher vorher gemacht und wie lange hat es gedauert, bis er sich bei Euch beworben hat.

Beispielhafte Ergebnisse des Conversion-Tracking im Personalmarketing

Die Ergebnisse Eurer Auswertungen könnten dann z.B. so aussehen (zur Veranschaulichung ein paar Pfade unserer Jobspreader-Interessenten).

Conversion-Tracking im Personalmarketing

Das Beispiel Nr. 7 zeigt recht eindrucksvoll, wie lang so ein Weg (Quellpfad) vom ersten Kontakt zu der entscheidenden Aktion (Conversion) sein kann. Interessant für uns ist in dieser Übersicht z.B. die Feststellung, dass unser Blog-Post vom 25.03. in mehren Fällen die entscheidende Rolle gespielt hat. Wie z.B. im Fall Nr. 4, wo uns jemand zunächst über die Google Suche gefunden hat, dann auf dem Post vom 25.03. landete, um anschließend auf die Unterseite zu wechseln, wo es dann zu der abschließenden gewünschten Handlung kam. Die Aktion hatte sich für uns gelohnt.

Interessant ist auch die Aufteilung der Zeitfenster vom ersten Kontakt bis zur abschließenden Handlung.

Dauer bis zur Conversion

Warum braucht mehr als 1/5 der Interessenten über 12 Tage Zeit für die Entscheidung, während die Mehrheit am gleichen Tag entschieden hat (61 Personen)? Jetzt würde ich die erste Ansicht mit den Pfaden nach dem Zeitbedarf filtern und versuchen, herauszufinden, ob es Muster gibt, auf die Einfluss genommen werden kann. (Dazu im kommenden Post mehr.)

Mit der Verwendung von Conversions-Tracking könnt Ihr der Auswertung Eurer Personalmarketing-Aktivitäten ohne viel Aufwand eine qualitative Ebene hinzufügen. Ich konnte Euch in diesem Post keine ausführliche Anleitung zur Einrichtung geben. Es würde der Rahmen sprengen und es wurde schon sehr viel und sehr gut an anderen Stellen drüber geschrieben. Ich hoffe allerdings, Euer Interesse geweckt zu haben. Solltet Ihr in Erwägung ziehen, das Thema weiter zu verfolgen, empfehle ich explizit, das Google Analytics Conversions-Tracking in Kombination mit einem AdWords Konto und einer Remarketing-Liste zu verwenden. (Dazu später mehr).

Habt Ihr Fragen? Verwendet schon jemand diese Möglichkeiten? Sind die Ergebnisse für Euch wertvoll?

Grundlagen: Google Analytics für Personaler

Personaler kennen ihre (Web-)Zahlen nicht. Es ist eine Verallgemeinerung. Aber sie stimmt. Wie viele Besucher kommen auf die Karriereseite, wie viele auf eine bestimmte Stellenanzeige, wo kommen sie her, wie viele Besucher kommen von einer bestimmten Jobbörse? Das sind Fragen, auf die, unserer Erfahrung nach, die Mehrheit der für die Rekrutierung neuer Mitarbeiter verantwortlichen Personaler keine Antwort haben.

Das ist schlecht. Denn die Kenntnis dieser Zahlen kann sehr hilfreich sein, wenn man z.B. begründete Entscheidungen bzgl. der Effektivität bestimmter Recruiting-Kanäle treffen möchte. Wir glauben, dass die Unkenntnis drei Ursachen haben kann: 1) Desinteresse 2) kein Zugang zu Web-Statistiken 3) keine Routine in der Auswertung. Gegen 1) und 2)  können wir auf die Schnelle nichts tun. Aber bei 3) können wir schnelle Hilfe liefern.

Ich beschäftige mich in diesem Post mit Google Analytics. Dieses kostenlose Tool zur Erfassung von Web-Statistiken ist aufgrund des Funktionsumfangs und der Einfachheit der Implementierung eine zweckmäßige Empfehlung für Unternehmen, die recht oft in Anspruch genommen wird. Ich gehe also davon aus, dass Google Analytics auf Eurer Seite bereits installiert ist. Ihr seid nicht sicher?! Dann testet es doch zunächst HIER. Installiert? Jetzt müsst Ihr Euch “nur” noch den Zugang vom Webmaster oder der IT besorgen. 😉

[promotional-banner id=”43316″]

Nun zeige ich Euch, wie man die in der Einführung gestellten Fragen mit Google Analytics (GA) schnell beantwortet und zwar am Beispiel der Wollmilchsau HR-Jobbörse.

1. Wie viele Besucher kommen auf die Karriereseite? 

Besucherzahlen auf Karriere-Webseite analysieren

Wir wählen aus: Berichte -> Zielgruppe -> Übersicht -> Zeitraum und erhalten die Übersicht der Besucher für die gesamte Seite für den ausgewählten Zeitraum. Sitzungen beschreiben die Anzahl der Besuche auf der Seite. Besucht die gleiche Person, also Nutzer, Eure Seite zwei Mal, sind es zwei Sitzungen. Seiten pro Sitzung zeigen an, wie viele Seiten sich ein Besucher im Schnitt anschaut. Sitzungsdauer ist der durchschnittliche Verbleib eines Besuchers auf Eurer Seite. Absprungrate zeigt an, wie viele Besucher Eurer Seite nach der Betrachtung einer einzigen Seite wieder verschwinden. Neue Sitzungen zeigen an, wie hoch der Anteil der Besucher ist, die noch nie bei Euch waren. Also, unsere Beispiel-Seite wurde im laufenden Monat 5302 Mal besucht.

2. Wie viele Besucher landen auf einer bestimmten Stellenanzeige?

Auswertung von Klicks auf einzelne Stellenanzeigen

Wir klicken auf: Berichte -> Verhalten -> Alle Seiten -> und die Unterseite/Anzeige, die uns interessiert. Als Ergebnis erhalten wir den Besucher-Verlauf und weitere bereits bekannte Kennzahlen für die konkrete Anzeige.

Metriken zum besseren Verständnis des Nutzerverhaltens

Nun, unsere Beispiel-Anzeige konnte offenbar vom 13.04-29.04. 255 Seitenaufrufe generieren. Die durchschnittliche Besucherzeit von 2:38 min. zeigt mir, dass die Anzeige offenbar von den meisten zumindest ausführlich gelesen wurde.

3. Woher genau kommen die Besucher, die Ihre Stellenanzeige/Seite angesehen haben?

Über welche Kanäle kommen potenzielle Bewerber?

In der gleichen Ansicht wählen wir aus: Sekundäre Dimension -> Quelle/Medium und erhalten die Zusammensetzung der Besucherquellen für die ausgewählte Anzeige.

Traffic-Quellen identifizieren

Im Fall unserer Beispiel-Anzeige kamen also die meisten Besucher also über die Promotion mit unserem Tool Jobspreader, Direktbesuche der Jobbörse und zusätzliche Veröffentlichung auf einem Twitteraccount (t.co = Twitter).  Jetzt wollen wir nur noch wissen, wie die Zusammensetzung der Quellen für die gesamte Seite aussieht. Dazu klicken wir auf: Bericht -> Akquisition -> Übersicht -> Primäre Dimension (->Top-Quellen).

Übersicht zu den wichtigsten Akquisitionskanälen

Und so sieht das Ergebnis für unsere Test-Seite aus. Die meisten Besucher sind direkte Besucher, sprich sie geben den Link zur Jobbörse z.B. direkt in der Browser-Leiste ein, oder klick auf einen Link in einer PDF-Datei oder in einer Mail. Das überrascht mich nicht. Wir führen gerade mehrere Aktionen zur Promotion der HR-Jobbörse durch. Sie scheinen, Ergebnisse zu bringen. Weitere starke Quellen sind Jobspreader (4fb.in gehört auch dazu) und unsere Seite wollmilchsau.de

[promotional-banner id=”48922″]

Mit sehr wenig Aufwand haben wir somit ein erstes gutes Bild von den Vorgängen auf unserer Seite erhalten, mit dem man bereits gut argumentieren kann. Ich hoffe, einige von Euch finden dieses kleine Tutorial hilfreich. Ich würde mich über Euer Feedback freuen, ob die Erklärung nützlich und einfach genug ist und was für weitere Fragen und Probleme im Bereich Analytics bestehen.