Vorbereitete Conversions im langen Entscheidungsprozess der Patienten

Wie viele Besucher einer Arzt-Webseite melden sich direkt zu einem Beratungsgespräch an? 1-2 %? Vielleicht 5 %, wenn man den Conversion-Prozess optimiert hat. Die restlichen 95 % sind trotzdem kein Abfallprodukt, denn oft sind es weiterhin potenzielle Patienten, nur in einer anderen Phase des Entscheidungsprozesses. Die meisten Webseiten von Ärzten und Kliniken richten sich ausschließlich nur auf den sehr kleinen Teil ihrer Besuche – u. z. entschiedene Patienten, die sich einer konkreten Behandlung unterziehen wollen und letztendlich nur einen Arzt suchen, der den Eingriff durchführt. Dabei messen sie dann häufig aufgrund der Optik dieser kleinen Gruppe nicht nur die Leistung der eigenen Webseite, sondern auch die Leistung der Online-Quellen, mit denen die Ärzte auf irgendeine Weise arbeiten. Das ist jedoch, als wenn wir die Leistung der Spieler im Eishockeyteam nur nach den geschossenen Toren messen würden.

Der Entscheidungsprozess des Patienten über eine OP-Durchführung dauert vor allem bei den großen, invasiven Eingriffen (wie z. B. bei einer Brustvergrößerung) mehrere Jahre. Sogar bei den kleineren Eingriffen handelt es sich in der Regel nicht um eine impulsive Entscheidung, sondern um eine gründlich überlegte Handlung des Patienten. Bevor der Patient ein Beratungsgespräch bei dem bestimmten Arzt vereinbart, wird er mehrere Arzt-Webseiten besuchen, um Informationen zu dem Eingriff und über den Arzt zu finden. Vor dem Erreichen der Conversion-Phase (d.h. Kontaktaufnahme mit dem Arzt) wird der Patient sicherlich die Homepage des Arztes über verschiedene Internet-Quellen aufrufen.

asisstovane_konverze_de

Auf diesem Diagramm ist der Pfad des Patienten bis zur Kontaktaufnahme mit dem Arzt dargestellt. Der Patient besuchte das erste Mal die Webseite des Arztes über Google (SEO), sein zweiter Besuch erfolgte durch das Anklicken des Banners einer Remarketing-Kampagne, dann hat er den Ruf des Arztes auf Online-Reputation-Websites recherchiert – er besuchte RealSelf, Estheticon und von Jameda kam er dann zurück auf die Arzt-Webseite. Dennoch hat er den Arzt erst bei seinem letzten Onlinezugriff über die PPC Kampagne kontaktiert (d. h. er führte die Conversion durch).

Das vorstehende Beispiel eines Conversion-Pfades des Patienten ist natürlich fiktiv, dennoch ziemlich realistisch – sehen Sie sich interessehalber auf Google Analytics den Bericht zu Top-Conversion-Pfaden an, wo die häufigsten Besucherpfade zur Conversion dargestellt werden. Durch die Kombination verschiedener Besucherquellen können Tausende entstehen und sie sind oft ziemlich lang.

Jede Quelle zählt, die den Patienten in seiner Entscheidung positiv beeinflusst, den Eingriff bei einem bestimmten Arzt vornehmen zu lassen, da sie die letzte Conversion vorbereitet. Allerdings gilt es zu bestimmen, welche Quellen diese Vorbereitungen geleistet haben und welchen Wert diese vorbereiteten Conversions haben.

Den Scorepunkt bekommt…

Im Eishockey wird ein Assist als Torvorlage definiert, durch die der Empfänger ein Tor schießt. In den Statistiken werden auch sogenannte zweite Assists geführt. Das sind Torvorlagen, die die Spieler empfangen und dann weiter dem Torschützen zuspielen. Für den ersten und zweiten Assist wird dem Spieler ein Scorepunkt gutgeschrieben (übrigens werden Tore und Assists gleichwertig behandelt). Genauso im Online-Marketing sollten die Online-Quellen, die die letzte Conversion vorbereitet hatten, belohnt werden. Lassen Sie uns zeigen, wie Google Analytics mit den vorbereiteten Conversions arbeiten kann und was sind seine Grenzen.

assisted-conversions

In diesem Bericht ist es egal, den wievielten Besuch die Quelle brachte – einfach ausgedrückt, wenn die Quelle einen Besucher lieferte, der später eine Conversion durchführte, wird ihr eine vorbereitete Conversion gutgeschrieben.

TIPP: Google Analytics ermöglicht die verfolgten Kanäle (Besucherquellen) über den Rahmen seines einfachen Einteilens in „organic search“, „paid search“ u. Ä. hinaus zu definieren. Damit bekommt man einen detaillierten Überblick über die Leistung der einzelnen Quellen der Patienten. Von diesem Link kann man die Channel-Definition, die wir verwenden und die die meisten der wichtigsten Online-Quellen beinhaltet, downloaden.

Der Bericht Vorbereitete Conversions gibt also ziemlich genau an (bis auf die Einschränkungen, die wir unten anführen), wie oft eine Quelle eine Conversion vorbereitet und selbst zu einer Conversion geführt hat. Wenn wir die Quellen für ihre Vorbereitung irgendwie belohnen wollen, müssen wir in Google Analytics das Bewertungssystem der Quellen für Conversions ändern, und dazu dient das Tool zum Modellvergleich. Bei den meisten mit den Conversions verbundenen Berichten denkt Google Analytics genauso wie die meisten anderen Analysetools (außer dem menschlichen Gehirn) einfach – 100 % des Conversion-Wertes schreibt es der Quelle zu, die den Besucher zu einer Conversion veranlasste – (in unserem Beispiel die PPC Kampagne). Was offensichtlich falsch ist, da die Conversion auch andere Quellen vorbereitet haben. Im Reporting Vorbereitete Conversions kann Google jedoch auch mit anderen Besucherquellen des Patienten arbeiten, der letztendlich eine Conversion durchführte. Dem Bericht kann man einfach entnehmen, wie oft eine Quelle die letzte Conversion vorbereitete (assisted conversions) im Verhältnis zur Anzahl der generierten letzten Conversions (last click conversions) dieser Quelle.

Attributionsmodelle

atribucni-modely-ga

Attributionsmodelle – Google Analytics

Das Attributionsmodell verteilt den Conversion-Wert auf verschiedene Quellen, die den Besucher auf die Webseite brachten und der schließlich eine Conversion durchführte. Wir haben bereits erwähnt, dass Google Analytics in den Standardberichten 100 % des Conversion-Wertes den letzten Quellen zuordnet, dennoch ist es ein bisschen komplizierter. Google Analytics ordnet 100 % des Conversion-Wertes dem letzten Channel zu, wenn dieser kein direkter Link war (sog. Last Non-Direct Click-Modell). Basierend auf der Annahme, dass, wenn die Conversion über einen direkten Zugriff erfolgte (d. h. Eingabe der URL der Website in den Browser, Anklicken eines Lesezeichens etc.), dann war für die Conversion die Quelle des vorigen Besuches wichtiger (falls es einen gab – andernfalls wird eine 100% Conversion dem direkten Zugriff zugeordnet). Der Bericht zum Vergleich der Attributionsmodelle ermöglicht die Wahl, den Conversion-Wert den verschiedenen Quellen zuzuordnen, anders als es Google Analytics standardmäßig tut.

Es bieten sich einige vorgefertigte Modelle an, wie First Interaction Model (ordnet den Conversion-Wert zu 100 % dem Channel zu, der den Kunden das erste Mal auf die Website gebracht hat), Linear Model (verteilt zu gleichen Teilen jede Channelinteraktion – ähnlich wie bei den Scorepunkten, wo die ersten und zweiten Torvorlagen wie Tore gleichwertig bewertet werden) oder Time Decay Model (exponentielle Abnahme der Quellenbedeutung im Zeitverlauf – je zeitnaher, desto höhere Wertigkeit). Das Interessanteste ist jedoch das Position Based Model, das eine spezifische prozentuale Einteilung der ersten und der letzten sowie den dazwischenliegenden Interaktionen zuordnet.

jagr-1

Linear Attributionmodell im Eishockey

Leider gibt es keinen eindeutig „richtigen“ Attributionsmodell, allgemein gilt jedoch, je länger der Weg zur Conversion (und im Bereich der Plastischen Chirurgie ist dieser Weg sehr lang), desto größere Bedeutung wird den vorbereiteten Conversions beigemessen. Deshalb ist das standardmäßige Attributionsmodell von Google Analytics (letzte indirekte Interaktion) sicher nicht geeignet. Wir empfehlen, die positionsbasierten oder die Zeitverlauf-Modelle auszuprobieren. Das Ziel ist jedoch nicht, das Model mit den „schönsten Ergebnissen“, sondern das mit der gerechtesten Quellenzuordnung zu erreichen. Übrigens – wenn das Standardmodell von Google Analytics das Scorepunkt-System benutzen würde, glauben Sie, dass Jaromír Jágr besser abschneiden würde? Gemäß der Tabelle nebenan sieht es so aus, weil er mehr Tore schoss als der Zweite Mark Messier. In der Tat würde er jedoch auf Platz drei bleiben, denn in der Ewigen Tabelle der erzielten Tore liegt Gordie Howe, genannt Mr. Hockey, auf Platz zwei mit 801 Toren. Zum Zeitpunkt der Veröffentlichung dieses Artikels würde Jaromír nur dann auf Platz zwei klettern, wenn sich das Scorepunkt-System an das Attributionsmodell 57,5 % für ein Tor und 42,5 % für ein Assist anlehnen würde (bis zum Verhältnis 57/43 bleibt Messier Zweiter und ab 58/42 wird Howe Zweiter).

TIPP: Wenn Sie noch tiefer einsteigen wollen, ermöglicht Google Analytics einen Import durch User definierte Attributionsmodelle. Einen davon, den wir manchmal testen, schuf der Webmarketing-Guru Avinash Kaushik und Sie können ihn direkt vom Bericht zum Vergleich der Attributionsmodelle importieren. Mehr über ihn lesen Sie hier.

Und nun zu den Einschränkungen

Mithilfe des Berichts Vorbereitete Conversions und des Vergleichs der verschiedenen Attributionsmodelle gelangen wir zwar zu einem ein wenig gerechteren Einblick in die Effizienz der einzelnen Patientenquellen, jedoch mit zwei grundlegenden Einschränkungen:

  1. Google Analytics arbeitet nur mit einem zeitlich begrenzten Rahmen, innerhalb dessen die vorbereiteten Conversions gezählt werden. Konkret handelt es sich um max. 3 Monate – sollten also einige Zugriffe mehr als 3 Monate vor der Conversion erfolgt sein, werden sie nicht in die vorbereitete Conversion miteinberechnet. Und drei Monate sind im Kontext eines Entscheidungsprozesses über einen Eingriff eine enorm kurze Zeit.
  2. (eine noch wichtigere Einschränkung) Google Analytics kann natürlich nur mit den Quellen arbeiten, die den Patienten auf die Webseite des Arztes brachten. Also in ein bestens konzipiertes Attributionsmodell zählt es keine anderen Quellen, die der Patient besuchte (und die ihn auch in seiner Entscheidung weiterbrachten), dennoch kam er nicht durch das Klicken auf die Webseite des Arztes. Das mindert nicht ihre Bedeutung, nur erschwert (bzw. schließt in Bezug auf die Analyse in Google Analytics aus) die Beweiskraft der vorbereiteten Conversion.

Estheticon punktet und assistiert

Estheticon ist ein Portal, das sich allen Phasen des Entscheidungsprozesses des Patienten widmet. Weder auf den Webseiten der Ärzte noch auf Estheticon sind nicht mehr als 5 % der Besucher in einer Phase, wo sie ein Beratungsgespräch vereinbaren möchten. Und genauso wie auf den Webseiten der Ärzte sind die restlichen 95 % kein Abfallprodukt, sondern potenzielle Patienten, die sich erst in einer frühen Phase des Entscheidungsprozesses befinden, wo sie Eingriffsinformationen sammeln und lesen, Antworten der Ärzte in Diskussionen verschlingen, Erfahrungen der anderen Patienten durchgehen, sich gegenseitig unterstützen, Bilder betrachten, sich Informationsvideos anschauen, …

Estheticon schießt durch Anfragen und Bestellungen nicht nur Tore, sondern leistet auch vor einem Tor seinen Beitrag. Estheticon spricht Patienten an und hilft ihnen in allen Phasen ihrer Entscheidung, es hilft ihnen den richtigen Weg zu finden und den letzten Schritt zu machen.

Wir sind überzeugt, dass auch diejenigen, die gewohnt sind, nur Punkte für Tore zu vergeben, auch einen Scorepunkt anerkennen.

 

CTO

Leave a Reply

Your email address will not be published. Required fields are marked *

*