Die 3+1-Kategorien von Digital-Analytics-Tools [Auswahl des richtigen]

Der Markt für Digital-Analytics-Lösungen durchläuft derzeit einige grundlegende Veränderungen . Google hat gerade angekündigt, dass Universal Analytics (auch als „das „bessere“ Google Analytics“ bekannt) im nächsten Jahr eingestellt wird, während sich der Markt in Richtung Cookie- loses Tracking und serverseitige Implementierungen bewegt, während gleichzeitig versucht wird, die DSGVO und andere neue Vorschriften einzuhalten .

Viele dieser Trends zwingen Unternehmen dazu, ihre Auswahl an Digital-Analytics-Lösungen zu überdenken , um gesetzliche Anforderungen zu erfüllen oder ihre Analytics-Praxis zukunftssicher zu machen. Allerdings sind nicht alle Digital-Analytics-Tools gleich . Tatsächlich haben sich in den letzten Jahren vier verschiedene Kategorien von Werkzeugen herauskristallisiert. Anstatt sich nur für ein Tool zu entscheiden, entscheiden sich Unternehmen oft unbewusst für Tool-Kategorien.

Dieser Artikel soll die verschiedenen Kategorien von Lösungen zeigen und erklären und Ihnen gleichzeitig einige Beispiele für die Tools in jeder Kategorie geben.

Am Ende des Artikels finden Sie außerdem einige wichtige Fragen , die Sie sich bei der Auswahl einer Kategorie oder sogar eines bestimmten Tools stellen sollten. Sie können sicher die richtige Kategorie für Ihr Unternehmen auswählen und die vorgefassten Annahmen, mit denen Sie möglicherweise konfrontiert werden, hinterfragen . Lasst uns aufbrechen.

Kategorie #1: die Marktführer

Nach Installationen: Google Analytics

Nach Reifegrad: Adobe Analytics

Kategorie Nr. 2: schnelllebige kostenpflichtige Lösungen

Kategorie Nr. 3: Open-Source-DIY-Lösungen

Bonuskategorie: der Netflix-ähnliche DIY-Toolstack

Kategorie #1: die Marktführer

Die erste Kategorie von Digital Analytics Solutions enthält nur zwei Tools:

• Der Marktführer nach Werkzeugreife . Adobe Analytics ist das ausgereifteste Tool auf dem aktuellen Markt.
• Der Marktführer nach installierter Basis . Google Analytics ist ein führendes digitales Analysetool in dieser Kategorie.

Es sagt viel aus, dass es mehr als ein Tool in dieser Kategorie gibt, da es zeigt, dass die am häufigsten angenommene Lösung nicht immer das funktionsreichste oder ausgereifteste verfügbare Tool ist. Sehen wir uns beide Tools einzeln an.

Google Analytics

Google Analytics ist mit Abstand die bekannteste Lösung auf dem Markt. Für viele Menschen, die in oder mit digitalen Erlebnissen arbeiten, ist es gleichbedeutend mit Digital Analytics. Seine enorme Installationsbasis wird größtenteils von der kostenlosen Basisstufe angetrieben, die es jedem ermöglicht, ein Konto zu eröffnen und mit dem Sammeln von Daten zu beginnen. Einige der Einschränkungen der kostenlosen Google Analytics-Version, wie z. B. Datenproben oder eine begrenzte Anzahl von Ereignissen pro Monat, können durch den Kauf der kostenpflichtigen Version gemildert werden.

Die kostenpflichtige Version ist vor allem für größere Webseiten attraktiv. Es kann helfen, das besonders lästige Problem der abgetasteten Daten zu vermeiden und ermöglicht auch mehr als 10 Millionen Zugriffe pro Monat. Darüber hinaus bietet die kostenpflichtige Version erweiterte Berichtsfunktionen wie Rollups aus gemischten Quellen oder benutzerdefinierten Tabellen. Da die Basisversion kostenlos ist, ist der Anteil zahlender Kunden vergleichsweise gering, was die kostenpflichtige Version zu einer statistischen Anomalie macht.

Während einige Leute Google Analytics als eigenständige Lösung sehen, sollte vor allem die kostenlose Version als Erweiterung von Google Ads gesehen werden. Ein großer Teil des Produkts ist auf Marketing-Anwendungsfälle zugeschnitten, mit sehr geringer Anpassbarkeit für andere Anwendungen. Beispielsweise bietet Google Analytics einige nützliche Marketingfunktionen, wie zum Beispiel:

• Acquisition Source-Berichte
• Google Ads-Kampagnen und -Metriken
• Keywords und Messwerte der Google-Suche
• Einige allgemeine Seitenleistungsberichte

Aufgrund dieser integrierten Berichte sehen viele Marketingleiter Google Analytics als das einzige Tool, das sie jemals brauchen. Dies macht es zwar einfach, das Gefühl zu bekommen, zu wissen, was auf einer Seite vor sich geht, aber es gibt nicht viele anpassbare Informationen, die über die Erfassung von Zugriffen hinausgehen.

Um komplexere Geschäftsfragen zu analysieren oder sogar Dashboarding zu ermöglichen, kombinieren viele Unternehmen Google Analytics mit Big Query und Data Studio. Dies ermöglicht es, mehr Anwendungsfälle abzudecken, führt jedoch eine hohe Eintrittsschwelle für alle nicht analytischen Benutzer ein und kann die Agilität bei der Datendemokratisierung behindern.

Obwohl es einige potenzielle Hindernisse für komplexere Anwendungsfälle gibt, sollte jeder Vergleich die beeindruckend große und lebendige Community rund um Google Analytics, Big Query, Data Studio und auch Google Tag Manager erwähnen. Branchenführer wie Simo Ahava tragen regelmäßig herausragende Inhalte bei, um den Wert für Kunden zu steigern. Dank des Template-Systems des Google Tag Managers ist es einfach, von dem Aufwand zu profitieren, den die Community-Mitglieder in das Produkt gesteckt haben.

Adobe Analytics

Adobe Analytics ist die andere Lösung in der Kategorie der marktführenden digitalen Analysetools. Obwohl es im Bereich der Unternehmensanwendungen bekannt ist, hat nicht jeder außerhalb der Digital Analytics-Community davon gehört. Es ist zwar keine kostenlose Stufe verfügbar, aber die Kosten für das Tool können sogar niedriger sein als für die kostenpflichtige Version von Google Analytics.

Für Anwendungsfälle der Marketinganalyse kann Adobe Analytics alle Funktionen von Google Analytics und noch mehr bieten. Sogar Nicht-Adobe-Daten wie Google Search Keywords oder Google Ads-Daten können aufgrund einer Vielzahl verfügbarer Konnektoren und Integrationen zum Erstellen von Berichten und Dashboards verwendet werden. Dank der umfassenden Anpassbarkeit hören die Funktionen nicht bei Marketinganalysen auf, sondern decken auch Anwendungsfälle für Produktanalysen ab.

Erfahren Sie, wie Sie detaillierte Marketingberichte mit Adobe Analytics Data Feed erstellen

Neben den allgemeinen Funktionen hebt sich Adobe Analytics durch eine Neuerung von anderen Wettbewerbern auf dem Markt ab: die Hauptbenutzeroberfläche namens Analysis Workspace . Analysis Workspace ermöglicht es dem gesamten Unternehmen, in einer gemeinsam genutzten Umgebung zu arbeiten, die das tägliche Reporting , Dashboarding sowie Deep-Dives- und Data-Science- Anwendungsfälle abdeckt. Es bietet branchenweit beste Kollaborationsfunktionen, die sich auf das gesamte Unternehmen erstrecken und Marketing, Produkt und Analytik auf wirklich einzigartige Weise zusammenbringen.

Auf der anderen Seite führen die Flexibilität und Anpassbarkeit von Adobe Analytics oft zu dem Eindruck, dass es sich um ein unhandliches und kompliziertes Tool handelt. Besonders im Vergleich zu Google Analytics kann sich Adobe Analytics bei der ersten Implementierung etwas „leer“ anfühlen.

In ähnlicher Weise bietet Google einige weitere Leitplanken durch die berichtsähnliche Oberfläche, in der Adobe es Ihnen ermöglicht, alles mit allem zu kombinieren, was möglicherweise zu irreführenden oder verwirrenden Ergebnissen führt.

Abgesehen von den beiden Marktführern gibt es noch viele weitere Analysetools auf dem Markt, was uns zur nächsten Kategorie führt.

Kategorie Nr. 2: schnelllebige kostenpflichtige Lösungen

Nicht jedes Tool kann Marktführer sein. Diese Kategorie enthält alle Tools, die professionell entwickelt und an Unternehmen verkauft werden, aber nicht die Reife oder Installationsbasis der Marktführer haben.

Diese Kategorie umfasst viele verschiedene Tools, wie z. B. Amplitude , Mixpanel , Heap und viele andere. Es gibt einige bemerkenswerte Ähnlichkeiten zwischen Werkzeugen dieser Kategorie. Viele von ihnen grenzen sich beispielsweise von Google Analytics ab, indem sie einen Fokus auf Produktanalysen betonen, die über die reine Marketinganalyse hinausgehen. Andere bieten spezielle Funktionen , die für ein bestimmtes Publikum von hoher Relevanz sein können, z. B. Kohortenanalysen oder die Messung der Auswirkungen neuer Funktionen.

Tools wie Amplitude haben sich den Ruf erworben, explizit für Startups, produktorientierte Teams und entwicklerlastige Umgebungen entwickelt zu werden.

So wie viele Vermarkter Google Analytics als das einzige Tool ansehen, das sie jemals brauchen werden, werden Tools aus dieser zweiten Kategorie von Produktteams genauso gesehen. Viele der Tools in dieser Kategorie gehen sogar über High-Level-Analysefunktionen hinaus, indem sie Sitzungsaufzeichnungen, A/B-Tests oder sogar CRM-ähnliche Daten auf Benutzerebene anbieten. Während sich Google Analytics auf Websites konzentriert, priorisieren viele dieser Tools Apps oder sogar geräteübergreifende Anwendungsfälle.

Andererseits fehlen vielen von ihnen grundlegende Funktionalitäten , die von einem Marketinganalyseprodukt erwartet werden. Benutzer, die von Google Analytics migrieren, werden sofort die Integrationen mit Google Ads oder der Google Search Console vermissen, zusammen mit einer benutzerfreundlichen Möglichkeit, Schwankungen im Traffic mit Marketingaktivitäten zu korrelieren.

Die häufigste Form des Kundenwachstums für Tools aus dieser Kategorie besteht darin, ein kostenloses Kontingent anzubieten, das durch die Anzahl der Benutzer, Sitzungen oder Ereignisse, die nachverfolgt werden können, und die verfügbaren Funktionen begrenzt ist. Dies vereinfacht das Ausprobieren eines Produkts, kann aber zu verwirrenden Szenarien führen. Beispielsweise kann eine Diskussion über die Tools nur unter Berücksichtigung der Produktstufe geführt werden, für die der Kunde bezahlt, und potenziell kritische Funktionen für höhere Produktstufen auslassen.

Im Gegensatz zu Google Analytics und Adobe Analytics verfügen Tools dieser Kategorie in der Regel nicht über ein dediziertes Tag-Management-System wie Google Tag Manager oder Adobe Launch. Dies erschwert die Bereitstellung von Tools auf einer Seite oder App, ohne dass die Benutzererfahrung eng in das Analysetool integriert wird, wodurch möglicherweise technische Schulden entstehen, die die Produktentwicklungszyklen verlangsamen können.

Ein weiterer Vorbehalt bei der Entscheidung für ein Tool dieser Kategorie ist die begrenzte Skalierbarkeit . Analysten großer Unternehmen beschreiben Tools dieser Kategorie als wenig reaktionsschnell bei der Arbeit mit großen Datenmengen, insbesondere bei plötzlich ansteigendem Datenvolumen.

Darüber hinaus können die begrenzten Anwendungsfälle und spezialisierten Schnittstellen die Zusammenarbeit an den Daten für das gesamte Unternehmen erschweren, wodurch die Produkt- oder Analyseteams zu isolierten Eigentümern der Daten werden. Unternehmen könnten am Ende Google Analytics für die Traffic-Erfassung und ein separates, dediziertes Tool für die Produktanalyse verwenden.

Auf der positiven Seite macht die kleinere Unternehmensgröße und Installationsbasis diese Tools potenziell innovativer und agiler beim Ausprobieren neuer Produktfunktionen. Ihre starke Fokussierung auf ein Kernpublikum und wenige Anwendungsfälle ermöglichen es ihnen, schnell auf Kundenbedürfnisse und neue Innovationen in der Branche zu reagieren .

Besonders größere Kunden dieser Tools haben in der Regel direkten Zugang zu den Produktteams , die die Tools entwickeln. Dies erleichtert es den Kunden, ihre Wünsche nach neuen Produkteigenschaften zu betonen, die möglicherweise früher Realität werden. Es ist nicht ungewöhnlich, dass Anbieter und Kunden direkt in offenen Slack-Kanälen kommunizieren, um Anleitungen zu geben oder Fehler zu erkennen.

Kategorie Nr. 3: Open-Source-DIY-Lösungen

In unserer dritten Kategorie der Digital-Analytics-Tools finden wir alle Tools, die Ihre IT-Abteilung bei Google findet, wenn sie nach alternativen Lösungen zu den oben genannten sucht.

Einige beliebte Tools aus dieser Kategorie sind Matomo, Open Web Analytics und Post Hog. Genauso wie die vorherige Kategorie sind diese Tools nicht die Marktführer nach Reife oder Installationsbasis. Der offen verfügbare Quellcode hebt sie von der vorherigen Kategorie ab und bietet normalerweise eine Option zum Selbsthosten des Tools als Alternative zu den vorherigen SAAS-Angeboten.

Self-Hosting bedeutet, dass Ihr Unternehmen der einzige Eigentümer und Verarbeiter Ihrer Daten ist. Sie müssen die Daten nicht mit Drittanbietern oder anderen externen Quellen teilen.

Bei der Bereitstellung vor Ort hängt der Datenschutz ausschließlich davon ab, was Sie mit den Daten tun. Sie müssen sich nicht auf die DSGVO-Konformität von Drittanbietern verlassen, wenn Sie alle Vorsichtsmaßnahmen selbst treffen können.

Zusätzlich zur selbst gehosteten Version haben einige Anbieter und Communities gehostete Optionen erstellt die eine verwaltete Instanz des Tools ermöglichen. Diese Option kann für Unternehmen attraktiv sein, die sich der großen Verfügbarkeitsverantwortung bewusst sind, die mit dem Hosten ihres eigenen Analysetools einhergeht.

Viele dieser Unternehmen sind dann jedoch von den schnell steigenden Kosten für das Hosting einer ausreichend reaktionsschnellen Anwendung überrascht. Während die kostenpflichtige Version von Google Analytics rund eine Milliarde Zugriffe pro Monat bei 150.000 US-Dollar pro Jahr ermöglicht, würde das Hosting von Matomo bei nur 100 Millionen monatlichen Zugriffen 175.000 US-Dollar pro Jahr kosten.

Viele der Tools sind stark von Google Analytics inspiriert, sowohl in Bezug auf die Benutzeroberfläche als auch auf die verfügbaren Berichte. Genau wie Google Analytics konzentrieren sie sich stark auf die Analyse von Websites aber es fehlen die Funktionen, um mobile Apps oder verbundene Geräte zu analysieren. Durch ihren Fokus auf First-Party-Daten fehlen ihnen oft einige sehr grundlegende Funktionen , die wir von Google Analytics gewohnt sind.

Unternehmen, die heute aus Datenschutzgründen von Google Analytics migrieren, werden enttäuscht sein, nur sehr wenige Integrationen mit Marketing-Tools wie Google Ads und oft sehr rudimentäre Kampagnen-Tracking-Funktionen zu finden.

Open Web Analytics ist ein gutes Beispiel für eine weitere wichtige Einschränkung dieser Kategorie: ungewisser langfristiger Support. Da diese Tools in der Regel unverbindlich von einer Community von Enthusiasten entwickelt werden, gibt es keine Garantie, dass sie in einem Jahr noch unterstützt werden. Vor allem kleinere Projekte können schon kurz nach ihrer Ankündigung aufgrund mangelnden Engagements der Community sterben. Genau wie die vorherige Kategorie von Tools bieten die Tools, die in diese Kategorie fallen, normalerweise keine Möglichkeit, die Implementierung zu verwalten, wie z. B. ein Tag-Management-System.

Eine positive Seite dieser Gruppe ist der definitive Vorteil, den kompletten Analytics-Stack auf First-Party-Servern zu hosten. Es sind sogar einige cookielose Lösungen verfügbar, die sich als extra-DSGVO-konform positionieren.

Die sich ständig ändernde Rechtslandschaft macht die Einhaltung gesetzlicher Vorschriften jedoch zu einem sich schnell bewegenden Ziel. Daher sollten Unternehmen ihre Optionen sorgfältig prüfen, um nicht auf eine scheinbar konforme Lösung zu springen, die nur auf der Einhaltung der DSGVO beruht.

Ein letztes Wort der Warnung: Auch wenn es für Ihre IT-Abteilung eine interessante Herausforderung sein könnte, ein Analysetool auf Unternehmensservern zu hosten, sollte sie sich der großen Verantwortung bewusst sein, die damit einhergeht. Das Hosten eines solchen Tools bedeutet sicherzustellen, dass die Datenerfassung immer weltweit verfügbar ist. Sobald das Datenverkehrsaufkommen bestimmte Schwellenwerte überschreitet, wird die Bereitstellung einer reaktionsschnellen Datenbank und damit einer nutzbaren Frontend-Erfahrung für Analysten und Geschäftsanwender zu einer schwierigen und kostspieligen Aufgabe.

Bonuskategorie: der Netflix-ähnliche DIY-Stack

In den letzten Jahren hat sich der Trend entwickelt, das zu replizieren, was digital-native Unternehmen wie Netflix aufgebaut haben. Mit einem klaren Fokus auf hervorragende Benutzererfahrungen durch Personalisierung und iterative Tests werden Produkte oft mit einem globalen Ereignis-Feed entwickelt, der jede Benutzerinteraktion enthält und in verschiedene Aktivierungskanäle geleitet wird.

Unternehmen, die ein solches Setup verwenden, würden üblicherweise Open-Source-Komponenten (im Gegensatz zu vollständigen Open-Source-Analytics-Systemen) in einer stark angepassten Weise verwenden. Sie können Daten mit Snowplow sammeln in den Clients des Benutzers meldet sich der Feed-Server bei Kafka an, speichert die Daten in S3 von AWS und analysiert sie mit AWS Redshift oder vollständig angepasste Visualisierungstools.

Aufgrund dieser sehr technischen und anspruchsvollen Einrichtung bestehen Analyseteams normalerweise aus erfahrenen Datenwissenschaftlern oder Dateningenieuren , die für den Betrieb und die Entwicklung des gesamten Tool-Stacks benötigt werden. Diese Teams sind auch dafür verantwortlich, den Tools neue Analysefunktionen hinzuzufügen, einschließlich Abfragen und Visualisierungen.

Fortgeschrittene Unternehmen wie Netflix pflegen oft eine sehr offene Kultur in Bezug auf das, was sie aufbauen. Diese Offenheit inspiriert dann viele weniger fortgeschrittene Unternehmen, es zu versuchen und zu replizieren was sie tun, ohne das notwendige Engagement in Bezug auf Investitionen, Teamgröße oder Qualifikationsniveau. Konfrontiert mit gescheiterten Projekten und enttäuschten Stakeholdern greifen solche Unternehmen dann verärgert auf vorgefertigte Lösungen zurück, die viel besser zu ihren Anwendungsfällen passen.

Es ist wichtig zu beachten, dass jede benutzerdefinierte Lösung das Potenzial hat, wichtige datengesteuerte Initiativen drastisch zu verlangsamen . Bei einem zu komplexen System kann selbst die banalste Analyse die Beteiligung von Experten und wochenlange Vorlaufzeit erfordern, neben dem Kampf mit anderen Teams um die Priorisierung.

Obwohl solche fortschrittlichen Datenunternehmen heute einige der ausgeklügeltsten Datenverarbeitungspipelines in der Produktion haben, wäre es weit von der Wahrheit entfernt zu behaupten, dass diese Unternehmen nur ihre intern entwickelten Lösungen verwenden. Nehmen Sie Netflix als Beispiel: Ihre Hauptwebsite verwendet eine benutzerdefinierte Analyselösung, während die Markenseite Google Analytics verwendet .

Während die interne Lösung also perfekt für anspruchsvolle Produktanalysen ausgestattet sein kann, fehlen ihr möglicherweise die Marketinganalysen oder täglichen Berichts- und Analysefunktionen, die für andere Teile der Website oder des Produkts erforderlich sind.

Wie wählt man das richtige Digital-Analytics-Tool aus?

Nachdem wir nun die 3+1-Kategorien von Analysetools durchgegangen sind, bleibt uns die wichtigste Frage: Was ist das richtige Tool für Ihr Unternehmen? Um dies herauszufinden, sollten Sie sich einige Fragen stellen:

• Wer wird in den nächsten Jahren in meinem Unternehmen täglich mit Daten arbeiten?

Ihr dediziertes Analyseteam kann heute die meisten Daten verarbeiten. Datengetriebene Unternehmen haben es den Entscheidungsträgern jedoch zur Pflicht gemacht, selbst mit Daten in den Analytics-Tools zu arbeiten. Dies erfordert eine Self-Service-First-Umgebung, in der echte Zusammenarbeit im Tool stattfinden kann.

• Welche Nicht-Marketing-Anwendungsfälle sind für Ihr Unternehmen wichtig?

Während Google Analytics für Ihre Marketingfragen gut genug funktionieren mag, reicht es für anspruchsvollere oder produktzentrierte Analysen nicht aus. Die Verwendung eines Tools wie Adobe Analytics, das für Marketing und Produkt funktioniert, ist jedoch entscheidend, um eine gemeinsame Verantwortung für Marketing und Produktleistung zu ermöglichen.

• Wie schnell müssen Sie Ihre Marketing- oder Produktausführung wiederholen?

Sich auf ein Tool zu verlassen, bei dem Ihre Data Scientists eine Datenpipeline anpassen, neue Abfragen erstellen und sie in ein Dashboard integrieren müssen, dauert Tage oder Wochen und kann Ihre Fähigkeit beeinträchtigen, schnell zu iterieren und rechtzeitig Anpassungen vorzunehmen. In Wirklichkeit sollten die meisten Änderungen dank Tools, die die Datendemokratisierung unterstützen, für jeden schnell und einfach zu implementieren sein.

• Wie hoch ist Ihr Selbstvertrauen bei der Beurteilung und Wartung des erforderlichen Analysetools für diese Anwendungsfälle?

Es kann sehr schwierig sein, heute über den Horizont Ihres Unternehmens hinauszublicken und sich für das Tool zu entscheiden, das Ihr Unternehmen viele Jahre lang unterstützen wird. Möglicherweise müssen Sie auch in das richtige Team investieren, um die zu erstellen und auszuführen Datenstrategie, die Ihr Tagesgeschäft wirklich beschleunigt.

• Wer beeinflusst die Wahl des Tools in Ihrem Unternehmen?

Eine beträchtliche Anzahl von Unternehmen nimmt die Verantwortung nicht ernst und verlässt sich nur darauf, was das Team vielleicht gewohnt ist oder was Marketingagenturen aus Bequemlichkeit vorschlagen. Sie müssen auf einer kohärenten langfristigen Strategie bestehen, oder Sie wechseln möglicherweise jedes Jahr die Tools.

• Haben Sie die Gesamtkosten für Besitz und Betrieb berücksichtigt?

Ein paar eingesparte Dollar an Lizenzkosten können mit einer hohen Investition in zusätzliche Tools, größeren Teams für den Betrieb und die Wartung der Tools und einem viel langsameren Innovations- und Feinabstimmungstempo einhergehen. All dies hat direkte oder indirekte finanzielle Folgen, die eine ausgereiftere Lösung möglicherweise nicht erfordert.

Wer sollte sich also für welches Tool entscheiden? Werfen wir einen Blick auf einige prototypische Unternehmen und die Tools, die sie wählen sollten:

Am Ende kann die Auswahl des richtigen Tools eine schwierige und komplexe Herausforderung sein. Der Wechsel bestehender Tools ist ein langwieriger und schmerzhafter Prozess, kann aber unter Berücksichtigung der oben genannten Fragen vermieden werden. Hoffentlich gab Ihnen dieser Artikel eine Orientierung und einige wichtige Fragen, die Sie Ihrem eigenen Team und Ihren Tool-Anbietern stellen sollten.