E-Commerce-Kundenwege verstehen: mehr als das erste Produkt

Sie misst den Zusammenhang zwischen dem ersten identifizierbaren Produkt in den erfassten Seitenereignissen einer Person und dem Buch, das diese Person laut Befragung ausgewählt hat. Wir analysierten 11.460 Personen, die die festgelegten Kriterien erfüllten, aus einem Experiment von Ilya Morozov und Anna Tuchman aus dem Jahr 2022. Ihr Online-Buchladen umfasste 100 E-Books. Die Teilnehmenden lebten in den USA und wurden über Amazon Mechanical Turk gewonnen.^[1]

Es war eine Forschungsaufgabe mit finanziellen Anreizen. Die Teilnehmenden erhielten ein Buchbudget von 3 US-Dollar und mussten ein Buch auswählen. Nach der Aufgabe im Buchladen gaben sie gesondert an, ob sie im Fall eines Lotteriegewinns das Buch samt Restbudget oder die vollen 3 US-Dollar in bar bevorzugten. Jede Person hatte eine Chance von 50 %, die gewählte Option tatsächlich zu erhalten. Unser Ergebnis ist das in der Befragung angegebene Buch; Informationen zu dieser gesonderten Präferenz oder ihrer Einlösung fließen nicht ein.^[2]

Wir verknüpfen die angegebene Auswahl mit Produktseitenereignissen aus dem zugehörigen Befragungsintervall. Ein Ereignis gilt als zugeordnet, wenn seine Bezeichnung mit einem Buch im Katalog des Experiments abgeglichen werden kann. „Erstes“ meint das erste eindeutig zuordenbare erfasste Produktereignis in diesem Intervall. Es belegt weder das zuerst wahrgenommene Produkt noch einen allerersten Seitenaufruf oder ein Ereignis vor der Entscheidung. Das Intervall kann Ereignisse nach der Auswahl enthalten.

Die Originalarbeit untersuchte Werbeinhalte und Suche. Wir fassen die Versuchsbedingungen zusammen und stellen eine andere beschreibende Frage: Wenn das erste Produkt vom ausgewählten Buch abweicht, taucht das ausgewählte Buch an anderer Stelle in den erfassten Daten auf? Dieser Vergleich schätzt keine Werbewirkung und beschreibt nicht die Conversion-Rate eines gewöhnlichen Shops.

Bei 72,4 % der analysierten Personen entspricht das erste Produkt der angegebenen Auswahl. Die übrigen Fälle beschreiben jedoch zwei verschiedene Situationen. Bei 26,6 % steht ein anderes Produkt am Anfang, und das ausgewählte Buch kommt ebenfalls irgendwo in den zugeordneten Aufzeichnungen vor. Bei 1,0 % steht ein anderes Produkt am Anfang, und das ausgewählte Buch fehlt in diesen Aufzeichnungen.

Die Tabelle zählt jede Person genau einmal. Ihre drei Zeilen enthalten 8.295, 3.048 und 117 Personen und haben denselben Nenner von 11.460. Die ersten beiden Zeilen enthalten jeweils einen Eintrag zum ausgewählten Buch. Sie unterscheiden sich nur darin, ob dieses Buch auch das erste identifizierbare Produkt ist.

Für Unternehmen, die ihren Produkttraffic untersuchen, ergeben sich daraus unterschiedliche Folgefragen. Ein anderes erstes Produkt bedeutet für sich genommen nicht, dass die angegebene Auswahl im Ereignisverlauf fehlt. Ebenso belegt eine Übereinstimmung nicht, dass das erste Produkt die Wahl verursacht hat. Der Vergleich zeigt, wie zwei Informationen zusammenpassen, bevor wir ihnen eine geschäftliche Erklärung geben.

Creator mit mehreren Produkten stehen vor demselben Deutungsproblem. Jemand kann in einer Kampagne auf einen Artikel stoßen und einen anderen auswählen. Ein sinnvoller Bericht behält die Identitäten der beteiligten Produkte bei. Er sollte nicht jede Abweichung ohne entsprechende Belege als erfolglose Produktseite, unterstützten Verkauf oder verlorenen Kunden deuten.

Nein. Von den 3.165 Personen, deren erstes erfasstes Produkt von ihrer angegebenen Auswahl abwich, hatten 3.048 das ausgewählte Buch irgendwo in ihren zugeordneten Seitenereignissen. Das sind 96,3 % dieser Gruppe. Die übrigen 117 Personen machen 3,7 % der Gruppe aus.

Dieser Nenner ist enger als der der vorherigen Tabelle. Die 96,3 % beantworten eine Frage über Personen mit unterschiedlichem erstem und ausgewähltem Produkt. Sie sind kein Anteil an allen Teilnehmenden, Besuchern oder Käufern. Ebenso wenig besagt die Zahl, dass 96,3 % nach dem Betrachten eines anderen Produkts einen Kauf abgeschlossen hätten.

Dass das ausgewählte Buch vorkommt, ist eine nützliche Information über die Aufzeichnungen, auch wenn sein Zeitpunkt relativ zur Entscheidung ungeklärt ist. Wer den Verlauf auf das erste Produkt reduziert, entfernt in den meisten Abweichungsfällen eine identifizierbare Verbindung zur Auswahl. Ein vollständigerer Verlauf kann diese Situation von einer unterscheiden, in der keine solche Verbindung sichtbar ist.

Deshalb lohnt es sich, ein zweites Feld in der Analyse zu behalten: Ist der ausgewählte Artikel irgendwo im definierten Ereignisintervall enthalten? Das ist kein Grund, früheren Artikeln Umsatz zuzuschreiben. Ein Shop mit verlässlichen Transaktionszeitpunkten könnte gesondert nach Ereignissen vor dem Kauf fragen. Die zugeordneten Befragungsintervalle dieses Experiments liefern diesen validierten zeitlichen Schnittpunkt jedoch nicht.

Die gesamte Übereinstimmungsrate mit dem ersten Produkt verbindet zwei sehr unterschiedliche Verläufe. Von den 7.656 Personen mit genau einem unterschiedlichen zugeordneten Produkt gaben 99,5 % an, dieses Produkt ausgewählt zu haben. Bei den 3.804 Personen mit zwei oder mehr unterschiedlichen zugeordneten Produkten wählten 17,8 % das zuerst erfasste Produkt.

Die Gruppe mit einem Produkt muss vorsichtig eingeordnet werden. Weicht ihr einziges zugeordnetes Produkt von der Auswahl ab, kann die Auswahl nicht gleichzeitig im zugeordneten Produktbestand vorkommen. Die mittlere Zelle ist daher definitionsbedingt genau null. Das belegt nicht, dass diese Personen nie Alternativen erwogen haben. Auch ist die hohe Übereinstimmung allein keine Entdeckung über besonders entschlossene Käufer.

In der Gruppe mit zwei oder mehr zugeordneten Produkten haben 80,1 % ein anderes erstes Produkt, während das ausgewählte Buch an anderer Stelle erfasst ist. Bei weiteren 2,1 % gibt es kein zugeordnetes Ereignis zum ausgewählten Buch. Diese Anteile beschreiben die erfassten Produktidentitäten der Gruppe, keinen Ablauf vom Stöbern zum Kaufen.

Für Berichte bedeutet das: Die Zahl unterschiedlicher Produkte gehört neben die zentrale Übereinstimmungsrate. Ein Bericht, in dem Verläufe mit einem Produkt überwiegen, beantwortet eine andere beschreibende Frage als einer mit vielen Verläufen über mehrere Produkte. In dieser Studie ist die Produktanzahl eine beobachtete Größe und hängt teilweise mit den Definitionen selbst zusammen. Es lässt sich nicht behaupten, dass mehr erfasste Produkte eine Person dazu bringen, ihre Auswahl zu ändern.

Die 117 Personen ohne zugeordneten Eintrag zu ihrem ausgewählten Buch bilden keine einheitliche, vollständig erklärte Kategorie. Bei 89 von ihnen enthält das Intervall zusätzlich mindestens ein Seitenereignis mit leerer Bezeichnung oder ohne verwertbare Produktzuordnung. Bei den übrigen 28 gibt es kein solches beibehaltenes Ereignis.

Die 89 Fälle machen 76,1 % dieser Gruppe ohne Eintrag zur Auswahl aus. Ein nicht identifiziertes Ereignis könnte für die fehlende Verbindung relevant sein. Seine Bezeichnung verrät aber nicht, welches Buch es repräsentiert. Es ist kein nachgewiesener Produktseitenaufruf. Wir ordnen ihm nicht einfach das ausgewählte Buch zu, nur damit die Geschichte vollständig wird.

Auch die übrigen 28 Fälle sollten getrennt bleiben und wegen ihrer geringen Anzahl markiert werden. Wenn kein beibehaltenes Ereignis ohne Produktzuordnung vorliegt, beweist das nicht, dass der erfasste Verlauf alle Handlungen der Person enthält. Eine Auswahl aus einer Liste, nicht beobachtete Aktivität und die Gestaltung der Forschungsaufgabe bleiben mögliche Erklärungen. Welche davon zutrifft, zeigen die Daten nicht.

Für eine Agentur oder einen Shopbetreiber führen diese Kategorien zu verschiedenen Fragen nach der verfügbaren Evidenz. Einmal geht es um vorhandene Einträge, die keinem Produkt zugeordnet werden können. Im anderen Fall fehlt der ausgewählte Artikel in ansonsten identifizierbaren Aufzeichnungen. Beides rechtfertigt nicht die Aussage gegenüber einem Kunden, eine bestimmte Produktseite sei übersprungen worden oder das Tracking habe sicher versagt.

Stell dir einen Creator vor, der Keramik verkauft: eine Tasse, eine Schale und eine Vase. Die folgenden Beispiele sind erfunden und erklären den Vergleich. Es sind keine Kunden oder Ergebnisse aus der Buchhandelsstudie. Angenommen, der Creator hat das ausgewählte Produkt gesondert bestätigt und das untersuchte Ereignisintervall definiert.

Im ersten Beispiel wird die Tasse zuerst erfasst und die Person wählt die Tasse. Erstes Produkt und Auswahl stimmen überein. Warum die Wahl darauf fiel, bleibt offen: Produktattraktivität, eine frühere Empfehlung oder vorherige Bekanntheit würden jeweils weitere Belege erfordern.

Im zweiten Beispiel erscheint die Tasse zuerst, die Schale kommt ebenfalls im Intervall vor und die Person wählt die Schale. Das erste Produkt ist ein anderes, aber der ausgewählte Artikel ist erfasst. Dies nur als erfolglosen Besuch bei der Tasse zu bezeichnen, würde Informationen aus den Aufzeichnungen auslassen. Die Tasse als wirksamen Einstieg zur Schale darzustellen, würde eine Kausalgeschichte hinzufügen, die der Vergleich nicht geprüft hat.

Im dritten Beispiel kommen Tasse und Vase in den zugeordneten Aufzeichnungen vor, als Auswahl wird aber die Schale angegeben. Die Auswahl fehlt im zugeordneten Produktbestand. Hat ein weiteres Ereignis eine unbrauchbare Produktbezeichnung, halte diese Tatsache fest, ohne die Identität zu erraten. Gibt es kein solches Ereignis, bleibt die fehlende Verbindung ungeklärt.

Die praktische Entscheidung lautet, welche Belege vor einer Änderung der Kampagne oder Produktseite benötigt werden. Eine Übereinstimmung lässt sich direkt beschreiben. Ein anderes erstes Produkt bei gleichzeitig vorhandener Auswahl verdient eine eigene Kategorie. Fehlt ein Eintrag zum ausgewählten Artikel, sollten zuerst die Definitionen von Ereignis und Auswahl geprüft werden, bevor Schlüsse über Kundenverhalten folgen. Keines der drei Beispiele liefert allein einen Grund, ein Kampagnenbudget zu erhöhen oder zu kürzen.

Eine kurze Vorlage kann Gespräche über Kundenwege präziser machen. Beginne mit der geschäftlichen Frage: Geht es darum, welche Produkte in einem Verlauf vorkommen, ob der ausgewählte Artikel erfasst ist oder welche Aktivität vor einem bestätigten Kauf lag? Diese Fragen erfordern unterschiedliche Belege. Trenne den beobachteten Zusammenhang von einem späteren Experiment, das ihn erklären soll.

Ergebnis: Benenne das Ereignis oder die Antwort, die eine Auswahl oder einen Kauf belegt. Schreibe „angegebene Auswahl“, wenn genau das vorliegt. Bei einer Transaktionsanalyse muss der Umgang mit Stornierungen, Erstattungen und doppelten Transaktionsdatensätzen beschrieben werden. Ein Kaufereignis darf nicht automatisch als ausgelieferte Bestellung gelten.

Beobachtungszeitraum: Halte fest, wann der Verlauf beginnt und endet, welcher Zeitquelle er folgt und ob Aktivität nach dem Ergebnis ausgeschlossen wird. Gibt es keinen validierten Entscheidungszeitpunkt, beschreibe das Intervall nicht als Weg zu dieser Entscheidung. Behalte mehrdeutige zeitgleiche Ereignisse bei, statt eine Reihenfolge zu erfinden.

Produktidentität: Lege fest, wie dasselbe Produkt in verschiedenen Aufzeichnungen erkannt wird und wie Varianten behandelt werden. Leere oder nicht zuordenbare Kennungen müssen in der Zählung sichtbar bleiben. Eine Zeile, die keinem Katalogprodukt zugeordnet werden kann, ist etwas anderes als ein nie beobachtetes Produktereignis.

Bezugsgruppen: Zeige die zulässige Gruppe, die Zustände der Übereinstimmung mit dem ersten Produkt und die kleinere Gruppe für jede bedingte Prozentangabe. Behalte geringe Fallzahlen bei und erkläre definitionsbedingte Nullen. So können Leser ein breites Muster von einem Prozentwert unterscheiden, der auf einer kleinen Ausnahme beruht.

Für eine aktuelle GA4-Implementierung dokumentiert Google getrennte Ereignisse view_item und purchase mit items-Arrays. Jeder Artikel benötigt item_id oder item_name; Google empfiehlt beides. Einheitliche Produktkennungen erleichtern die Interpretation eines Vergleichs auf Artikelebene. Das ist aktuelle Implementierungsdokumentation, getrennt von den benutzerdefinierten Seitenereignissen des historischen Experiments. Daraus folgt keine Empfehlung, Einwilligungs- oder Attributionseinstellungen zu ändern.^[5]

Wir verwendeten die öffentlichen Replikationsdaten der Autoren in einer festgelegten Repository-Version. Die Analyse umfasst die beiden Erhebungswellen der Quelle vom 19. Mai bis zum 3. August 2022 und behält die Pause zwischen ihnen bei. Die Verknüpfungs- und Abdeckungsregeln wurden festgelegt, bevor Kombinationen aus erstem Produkt und ausgewähltem Buch berechnet wurden. Anschließend wurde das Ergebnisprotokoll festgelegt, bevor wir diese gemeinsamen Ergebnisse ansahen.^[3]

Die Quelle enthält 24.930 Befragungszeilen einschließlich wiederholter Versuche. Nach den vorgesehenen Ausschlüssen für Vorschauen, Verständnis, Erhebungszeiträume und bisherige Abschlüsse blieben 18.373 Versuche für die Verknüpfung übrig. Die Zuordnungsregeln wählten 12.813 eindeutig verknüpfte Versuche aus; 11.606 enthielten eine verwertbare angegebene Buchauswahl. Nach der Anforderung eines eindeutig zugeordneten ersten Produkts blieben 11.460 analysierte Personen. Dies sind unterschiedliche Stufen, keine austauschbaren Stichprobengrößen.

Die Verknüpfung nutzt Couponcodes, Client-Kennungen und Befragungszeiten. Gemeinsame oder mehrdeutige Zuordnungen werden ausgeschlossen. Ein späterer Versuch wird nicht eingesetzt, weil sein Ergebnis besser passt. Für den Produktvergleich behalten wir ausschließlich den exakten Ereignistyp Page View - Custom der Quelle. Früheste Ereignisse mit widersprüchlichen Produktidentitäten oder nicht identifizierte Ereignisse vor beziehungsweise zeitgleich mit dem ersten zugeordneten Produkt erlauben keine eindeutige Bestimmung des ersten Produkts und werden ausgeschlossen.^[4]

Alle Schätzwerte beschreiben diese analysierte Kohorte ohne Gewichtung. Für eine Stichprobe aus Personen, die sich selbst für die Forschungsaufgabe gemeldet haben, berechnen wir keine Konfidenzintervalle für eine Bevölkerung. Zellen mit weniger als 30 Personen werden markiert. Bedingte Prozentwerte mit weniger als 30 Personen im Nenner werden in den Downloads nicht ausgewiesen. Definitionsbedingte Nullen sind gesondert gekennzeichnet.

Die Tabelle zeigt beide Erhebungswellen, eine eng über Couponcodes definierte Teilgruppe ohne Anzeige und zwei alternative Intervallregeln. Die Übereinstimmung mit dem ersten Produkt beträgt 70,6 % in Welle 1 und 74,6 % in Welle 2. Die Coupon-Teilgruppe umfasst 192 Personen; bei nur einer fehlt der Eintrag zum ausgewählten Buch. Diese kleine Ausnahme trägt keine inhaltliche Aussage über Werbung. Der Code zeigt die vorgesehene Versuchsbedingung, nicht eine bestätigte Werbeexposition.

Wird jedes Intervall an beiden Enden um 59 Sekunden erweitert oder verkürzt, läuft der gesamte Zuordnungsprozess erneut. Die entstehenden Kohorten umfassen 11.437 und 11.292 Personen. Ihre Übereinstimmungsraten mit dem ersten Produkt betragen 72,4 % beziehungsweise 72,0 %. Ähnliche aggregierte Anteile belegen nicht den Zeitpunkt der Auswahlentscheidung. Diese Prüfungen untersuchen die Empfindlichkeit gegenüber den festgelegten Intervallgrenzen.

Die herunterladbaren Tabellen enthalten außerdem Vergleiche derselben Personen aus der Ausgangskohorte, hinzugekommene und ausgeschlossene Personen bei jeder Intervallregel sowie sämtliche gemeinsamen Häufigkeiten. Das Reproduktionspaket enthält Code, festgelegte Protokolle, ein Quellenverzeichnis, aggregierte Ergebnisse und README-Anweisungen. Es enthält keine Teilnehmerkennungen oder Rohdaten einzelner Personen. Diese Berechnungen und Deutungen stammen von Influence IQ; sie ersetzen nicht die Werbeanalyse der Originalarbeit.^[6]