Google Analytics, Webtrekk & Co.: Beeinflussen Onsite-Technologien die Leistung von Onlineshops?

Onsite-Technologien wie Google Analytics, Omniture, Facebook Connect oder Zendesk erfreuen sich längst großer Beliebtheit unter den Betreibern von Onlineshops – so ist schätzungsweise auf beinahe acht von zehn Internetseiten mindestens eine dieser „Onsite-Technologien“ installiert. Auch die umsatzstärksten deutschen Onlineshops sind sehr „installationsfreudig“. Vom Einsatz der Technologien wird sich vor allem eine Verbesserung der Onsite-Optimierung einer Seite erhofft. Zudem sollen die Technologien dabei helfen, das Nutzungsverhalten der Besucher zu analysieren und entsprechende Daten zu sammeln. Doch den Technologien wird mitunter auch eine negative Wirkung auf die Leistungsmaße von Webseiten nachgesagt.  

Haben Onsite-Technologien einen Einfluss auf die Leistungsmaße von Onlineshops?
Ziel dieser Untersuchung war es, herauszufinden, ob die Anzahl der installierten Onsite-Technologien einen Einfluss auf ausgewählte Leistungsmaße von Onlineshops hat. Als Stichprobe dienten hierzu die fünfzig umsatzstärksten Webshops in Deutschland, die im Rahmen der Studie „E-Commerce-Markt Deutschland 2017“ vom EHI Retail Institute in Zusammenarbeit mit Statista hinsichtlich ihres Netto-Jahresumsatzes im Jahr 2016 untersucht worden sind [1]. In Anlehnung an die Ranking-Kriterien der bedeutendsten Suchmaschine in Deutschland, Google [2], wurden für die Untersuchung folgende Leistungsmaße ausgewählt:

 

Seitenladezeit in Sekunden [3]:domContentLoadedEventStartrequestStart, d.h. Zeitraum zwischen dem Augenblick, in dem der Benutzeragent das „Lade-Ereignis“ im Dokument auslöst und dem Moment, in dem der Browser das aktuelle Dokument vom Server, von relevanten Anwender-Caches oder lokalen Ressourcen anfordert [4].

 

Optimierungsgrad einer Seite (Mobile & Desktop) [5]: Maßzahl zwischen 0 und 100, die angibt, inwieweit eine Seite den Kriterien der Common Performance Best Practices von Google entspricht und wieviel Optimierungspotenzial vorhanden ist.

 

Um Rückschlüsse zu den o.g. Leistungsmaßen der Onlineshops ziehen zu können, wurden die Webseiten zum einen mithilfe des PageSpeed Insights-Tools von Google getestet und der ausgegebene Mobile- bzw. Desktop-Optimierungsgrad übernommen. Zum anderen wurde die Seitenladezeit sowie die Anzahl und Kategorie der installierten Technologien mit der Browser-Erweiterung Ghostery ermittelt und dokumentiert.

 

Welche Kategorien von Onsite-Technologien gibt es? 
Folgt man dem Ansatz der Anti-Tracking-Software Ghostery, lassen sich Onsite-Technologien in insgesamt acht Kategorien einteilen [6], von denen die ersten sechs auch in dieser Erhebung beobachtet werden konnten: 
Onsite-Technologien_Kategorien
Abb. 1: Kategorisierung der Onsite-Technologien (nach Ghostery)

 

Vorgehensweise: Wie wurde der Einfluss von Onsite-Technologien auf die Leistungsmaße untersucht?
Zur Untersuchung eines möglichen statistischen Zusammenhangs zwischen den installierten Technologien und den Leistungsmaßen wurde die Analysemethode der multiplen linearen Regression gewählt. Hierdurch ließ sich ebenfalls der Effekt (e) berechnen, den eine Technologieart auf das jeweilige Leistungsmaß zu haben scheint. In drei Regressionsanalysen wurde getestet, ob ein potenzieller Wirkungszusammenhang zwischen den sechs unabhängigen Variablen (jeweilige Anzahl installierter Technologien einer Kategorie im Webshop) und der abhängigen Variable (Leistungsmaß) besteht.

 

Ergebnisse der Regressionsanalysen
Die Ergebnisse der drei Regressionen zeigen, dass die installierten Technologien durchaus einen Einfluss auf die Seitenladezeit und den Optimierungsgrad von Onlineshops zu haben scheinen. Die Effektgröße der unabhängigen Variablen sowie die Irrtumswahrscheinlichkeiten variieren jedoch von Kategorie zu Kategorie.

Während die Technologien der Kategorien „Werbung“ und „Website-Analytik“ (jeweils Effekt e = 0,04) die Ladezeit eines Webshops nur geringfügig erhöhen, treiben Installationen von Social Media- , vor allem aber Kundeninteraktions-Technologien die Ladezeiten in die Höhe. Positiv wirken sich hingegen essenzielle sowie Kommentar-Technologien aus und senken die Seitenladezeit.

Abb. 2: Ergebnisse der Regressionsanalysen: Einfluss von Onsite-Technologien auf die ausgewählten Leistungsmaße

Dass die Effekte auf die einzelnen Leistungsmaße durchaus eine gegenteilige Richtung annehmen können, zeigt die Abbildung 2 deutlich. Während die Technologien der Kategorie „Social Media“ sich wie erwähnt negativ auf das Leistungsmaß Seitenladezeit auswirken, bringen sie eine starke Erhöhung des Mobile-Optimierungsgrades mit sich (e = 10,77). Zudem scheinen Installationen von „Werbe“-Technologien diesem Leistungsmaß ebenfalls zuträglich zu sein, während sie einen negativen Effekt auf die Seitenladezeit, aber auch den Desktop-Optimierungsgrad haben. Der Einsatz von sog. „essenziellen“ Technologien, wie bspw. Tag Managern, wirkt sich wiederum schlecht auf den Optimierungsgrad einer Seite aus – die Seitenladezeit kann jedoch durch Installationen dieser Technologien minimal gesenkt werden.

Einzig die Kategorie der „Kommentar“-Technologien ist sowohl der Seitenladezeit als auch dem Mobile-Optimierungsgrad zuträglich. Der Desktop-Optimierungsgrad nimmt mit zunehmender Anzahl an Installationen jedoch stark ab (e = -7,81). Einen negativen Einfluss auf alle drei Leistungsmaße haben dem Anschein nach ausgerechnet „Kundeninteraktions“-Technologien – also jene Programme, die den Kunden-Support eines Webshops verbessern könnten und somit vorteilhaft für das Einkaufserlebnis der Nutzer sind. Mit ihrer Implementierung erhöht sich jedoch die Seitenladezeit, während der Optimierungsgrad beider Devices sinkt.

 

Technologietrends
Die gesammelten Daten der Untersuchung lassen einige Technologie-Trends in den umsatzstärksten deutschen Webshops erkennen. Zunächst fällt auf, dass eine Parallelnutzung verschiedener Technologien sehr verbreitet zu sein scheint: Im Durchschnitt gibt es pro Webshop 25 Programme, die im Hintergrund installiert sind. Den Löwenanteil hieran halten Technologien der Kategorie „Werbung“. Rund 19 von 25 Programmen sind dieser Kategorie zuzuordnen. Am zweithäufigsten waren „Website Analytik“-Tools auszumachen. Von ihnen gibt es durchschnittlich drei Programme pro Webshop. Weniger populär scheinen essenzielle und Social Media-Technologien zu sein (jeweils ein Programm pro Shop). Kaum verbreitet hingegen sind Kundeninteraktions- und Kommentar-Technologien. Letztere waren nur in fünf der fünfzig untersuchten Shops vorzufinden. Die eigene Kundeninteraktion möchte anscheinend immerhin jeder zweite Betreiber eines Webshops verbessern.

 

Fazit

Die Ergebnisse der Untersuchung zeigen zunächst, dass installierte Onsite-Technologien durchaus einen Einfluss auf die ausgewählten Leistungsmaße von Onlineshops haben. Gleichzeitig deuten die zum Teil gegenteiligen Effektrichtungen darauf hin, dass eine pauschale Bewertung des Einsatzes von Onsite-Technologien nicht möglich ist. So wirken sich beispielsweise zwei der untersuchten Technologie-Kategorien positiv auf den Mobile-Optimierungsgrad einer Seite aus, schaden aber gleichzeitig der Seitenladezeit oder aber dem Desktop-Optimierungsgrad.

Auffällig ist darüberhinaus, dass eine gute Ladezeit offensichtlich nicht mit einem hohen Optimierungsgrad nach Google zusammenhängt. So verlaufen die Effekte auf die Leistungsmaße trotz gleicher Anzahl an installierten Technologien in unterschiedliche Richtungen. Durch die offensichtlich sehr verbreitete Parallelnutzung von Onsite-Technologien besteht hierbei die Gefahr, zumindest die Verschlechterung eines Leistungsmaßes zu riskieren. In Anbetracht der jeweiligen Branche und Art des Geschäftsmodells gilt also zu entscheiden, was für die eigene Leistung eher ins Gewicht fällt: Eine gute Onsite-Optimierung oder aber beispielsweise die umfassende Sammlung von Kundendaten und Analyse des Nutzungsverhaltens, die durch die parallele Nutzung verschiedener Programme besser verglichen werden können.

 

 

Quellen:

[1] Vgl. EHI Retail Institute / Statista (2017)

[2] Vgl. Statista (2018)

[3] Vgl. Keßler/Rabsch/Mandic (2017, S. 166)

[4] Vgl. Ghostery (2018a)

[5] Vgl. Kreutzer (2014, S. 278f.)

[6] Vgl. Ghostery (2018b)

 

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert