Free cookie consent management tool by TermsFeedAktualizacja preferencji plików cookie

Was in Ihrem Magento 2-Shop wirklich verkauft

3 Min. Lesezeit 1 Aufruf
Die meisten Shops wissen, wie viel Traffic sie haben. Deutlich weniger Shops wissen, welche Sektionen, Empfehlungen, Listings und Inhalte tatsächlich zu Bestellungen führen. Kowal Analytics wurde entwickelt, um genau diese Lücke zu schließen und den vertriebsrelevanten Einfluss einzelner Elemente im Magento 2-Shop sichtbar zu machen.

Typische Analysen zeigen sehr gut den Traffic, die Zugriffsquellen und das allgemeine Nutzerverhalten. Das Problem beginnt dann, wenn das E-Commerce-Team eine konkrete Entscheidung über das Shop-Layout treffen möchte. Lohnt es sich, verwandte Produkte hervorzuheben? Erhöht upsell den Warenkorbwert wirklich? Verkauft der Blog oder zieht er nur Besuche an? Unterstützt das Banner auf der Startseite die Conversion oder nimmt es einfach nur Platz ein?

Kowal Analytics beantwortet genau diese Fragen. Es ist ein Modul für Magento 2, das den Einfluss von Storefront-Elementen auf Warenkorb, Bestellung und Umsatz analysiert. Statt den Bericht beim Klick enden zu lassen, verknüpft das Modul Nutzerinteraktionen mit der nächsten Phase der Customer Journey. So sehen Sie, welche Bereiche Ihres Shops tatsächlich zum Ergebnis beitragen.

Der Informationsumfang ist deutlich größer als bei einfachem Klick-Tracking. Das Modul zeigt unter anderem:

  • welche area Umsatz und Bestellungen generieren,
  • welche konkreten Objekte in diesen Bereichen am besten verkaufen,
  • auf welchen Quellseiten erfolgreiche Pfade beginnen,
  • welche SKU nach dem Klick auf ein bestimmtes Element letztendlich gekauft werden,
  • welchen Einfluss related-, upsell-, cross-sell-Sektionen, Kategorielistings und Suchergebnisse haben,
  • welchen realen Beitrag Blogbeiträge, Content-Widgets und Promotionsbereiche zum Verkauf leisten,
  • wie die Ergebnisse in Modellen wie first click, last click, assisted und view through aussehen.

Das bedeutet, dass das Modul nicht nur dem Shop-Inhaber einen Mehrwert bietet, sondern auch dem gesamten operativen Team. Das Merchandising sieht, welche Empfehlungen tatsächlich verkaufen. Das Marketing kann bewerten, ob Content Commerce Bestellungen bringt und nicht nur Seitenaufrufe. UX und E-Commerce-Manager erhalten fundierte Argumente für Änderungen im Layout, in der Reihenfolge der Sektionen und in der Produktpräsentation.

Ein großer Vorteil ist auch die Flexibilität. Kowal Analytics unterstützt native Magento-Bereiche, ermöglicht aber auch die Messung eigener Shop-Sektionen. Analysiert werden können nicht nur standardmäßige Produktblöcke, sondern auch Banner, Widgets, Blog-Listings, CMS-Sektionen und benutzerdefinierte Promotionsboxen. Das ist wichtig, denn in einem modernen Shop findet Verkauf nicht ausschließlich auf der PDP und im Warenkorb statt.

Kurz gesagt: Kowal Analytics verwandelt Shop-Elemente in messbare Umsatzquellen. So lässt sich leichter entfernen, was nicht funktioniert, stärken, was verkauft, und aufhören, Entscheidungen ausschließlich auf Basis von Intuition zu treffen. Für Shops, die Merchandising und Content bewusst weiterentwickeln möchten, ist das der Unterschied zwischen etwas wird geklickt und das bringt wirklich Umsatz.

Fragen und Antworten

Frage
Misst dieses Modul mehr als nur Klicks?
Antwort
Ja. Das ist einer seiner wichtigsten Vorteile. Das Modul verknüpft Frontend-Interaktionen mit dem weiteren Kaufpfad: dem Hinzufügen zum Warenkorb, der Bestellung und dem Umsatz. Aus UX-Sicht ist das wichtig, weil der reine Klick oft ein schwaches oder sogar irreführendes Signal ist. Ein Element kann eine hohe CTR haben und gleichzeitig den Kauf nicht unterstützen. Hier lässt sich beurteilen, ob eine bestimmte Komponente dem Nutzer tatsächlich hilft, zu einem wertvollen Ergebnis zu gelangen.
Frage
Lässt sich damit die Wirksamkeit einer bestimmten Komponente der Benutzeroberfläche bewerten?
Antwort
Ja. Das Modul arbeitet mit den Begriffen `area` und `object`. `Area` ist ein Bereich der Benutzeroberfläche, zum Beispiel `related_products`, ein Kategorielisting oder ein CMS-Bereich. `Object` ist ein konkretes Element innerhalb dieses Bereichs, zum Beispiel ein einzelnes Produkt, ein Blogbeitrag oder ein Banner. Dadurch lässt sich nicht nur analysieren, „ob der Block funktioniert“, sondern auch, „welches konkrete Element in diesem Block funktioniert“.
Frage
Ist das ein Tool zur UX-Optimierung oder eher zur Vertriebsanalyse?
Antwort
Beides, aber mit einem anderen Schwerpunkt als klassische UX-Tools. Das Modul ersetzt weder qualitative Forschung, Usability-Tests noch Tools zur Analyse von Nutzerfrustration. Es bietet jedoch eine sehr starke quantitative Ebene für UX-Commerce: Es zeigt, welche Elemente der Benutzeroberfläche die Kaufentscheidung unterstützen und welche nur Aufmerksamkeit erzeugen oder ablenken
Frage
Wie unterscheidet man eine „attraktive“ Komponente von einer „verkaufsfördernden, nützlichen“ Komponente?
Antwort
Genau daran, ob ihr Einfluss bei der Impression und dem Klick endet oder ob er weiter bis zum Warenkorb und zur Bestellung reicht. Für einen UX-Experten ist das wichtig, denn viele Elemente sehen im Interface-Review gut aus, helfen dem Nutzer aber nicht dabei, eine Entscheidung zu treffen. Dieses Modul hilft dabei, effektvolle Komponenten von Komponenten zu unterscheiden, die die Kaufaufgabe tatsächlich unterstützen.
Frage
Hilft das Modul bei der Bewertung der Informationsarchitektur und des Navigationskontexts?
Antwort
Indirekt ja. Wenn der Bericht die Beziehung `source page -> clicked object -> purchased SKU` zeigt, lässt sich erkennen, welche Quellseiten den Nutzer tatsächlich zu passenden Entscheidungen führen. Das gibt Hinweise auf die Qualität des Kontexts: ob eine bestimmte PDP die Exploration gut unterstützt, ob ein Listing zu den richtigen Produkten führt und ob Content dabei hilft, das Angebot zu verstehen.
Frage
Kann man auf dieser Grundlage Entscheidungen über das Entfernen oder Verschieben von Komponenten treffen?
Antwort
Ja, aber mit Augenmaß. Das Modul unterstützt Entscheidungen gut, zum Beispiel:- was oben auf der Seite bleiben sollte,- was man einschränken sollte,- welche Bereiche nur visuell funktional sind,- welche Komponenten Cross-Selling und die Produktentdeckung unterstützen,- welche Elemente Platz einnehmen, ohne echten Mehrwert zu bieten.Solche Entscheidungen sollten jedoch nicht ausschließlich auf Grundlage eines einzigen Kennwerts getroffen werden. Am besten vergleicht man die Ergebnisse des Moduls mit Daten zu Geräten, Seitentypen, Saisonalität und Änderungen im Layout.
Frage
Sind die Daten aus dem Modul granular genug, um ein Redesign zu unterstützen?
Antwort
In vielen Fällen ja, insbesondere beim Redesign von Empfehlungsbereichen, Listings, Content Commerce und Promotionsflächen. Die Granularität auf Ebene von `area`, `object`, der Quellseite und der gekauften SKU liefert deutlich besseres Material für Entscheidungen als allgemeine Seitenmetriken. Das ist zwar weiterhin kein vollständiges Bild der Nutzermotivation, aber eine sehr gute Evidenzebene zur Priorisierung von Änderungen.
Frage
Kann das Modul die Nutzererfahrung durch zusätzliches JavaScript beeinträchtigen?
Antwort
Bei korrekter Implementierung sollte es keinen wesentlichen Schaden verursachen, aber das muss überprüft und nicht einfach angenommen werden. Der Tracker arbeitet ressourcenschonend: Er nutzt Batch-Verarbeitung, `IntersectionObserver` und `sendBeacon` statt aggressivem Polling. Trotzdem sollte ein UX-Experte nach der Implementierung die Auswirkungen auf Folgendes prüfen:- Core Web Vitals,- Reaktionsfähigkeit bei Interaktionen,- Renderzeit von Bereichen mit vielen Elementen,- Verhalten auf Mobilgeräten,- Kompatibilität mit dem bestehenden Theme und einem benutzerdefinierten Frontend.
Frage
Ändert dieses Modul das DOM auf eine Weise, die die Semantik oder Barrierefreiheit beeinträchtigen kann?
Antwort
Bei typischer Verwendung fügt es hauptsächlich `data-kowal-track-*`-Attribute zu bestehenden Elementen hinzu oder wendet Tracking-Definitionen auf bereits gerenderte Bereiche an. Das ändert in der Regel weder die HTML-Semantik noch die Struktur der Inhalte. Bei benutzerdefinierten Komponenten sollte dennoch geprüft werden, ob die Implementierung nicht den Fokusfluss, klickbare Bereiche, die Link-Semantik und die Übereinstimmung mit den eigenen Accessibility-Mustern beeinträchtigt.
Frage
Kann man damit benutzerdefinierte Komponenten messen, die vom UX/UI-Team entworfen wurden?
Antwort
Ja. Das ist ein wichtiger Vorteil des Moduls. Neben den nativen Integrationen kann man eigene `area` definieren, auch für auf Selektoren basierende Bereiche. Das bedeutet, dass man benutzerdefinierte Promo-Boxen, Bildungssektionen, Content-Widgets, experimentelle Merchandising-Module oder eigene Komponenten auf der Startseite und PDP messen kann.
Frage
Eignet sich das Modul zur Validierung von UX-Hypothesen?
Antwort
Ja, insbesondere für Hypothesen wie:- „dieser Abschnitt hilft dem Nutzer, relevantere Produkte zu entdecken“, - „dieser Block erhöht die Wahrscheinlichkeit, zu einem komplementären Produkt weiterzugehen“, - „dieser Content informiert nicht nur, sondern unterstützt auch den Kauf“, - „diese Änderung in der Seitenhierarchie verbessert die Qualität des Kaufpfads“.Am wirkungsvollsten ist es, wenn die Hypothese konkret ist und den Einfluss der Komponente auf das Kaufverhalten betrifft und nicht nur auf die allgemeine Aufmerksamkeit.
Produkte