|
Immer wenn ich in meinen
Usability-Seminaren doppel-logarithmische Diagramme zeige,
sehe ich, wie die Augen des Publikums glasig werden. Die Leute
wollen nur einfachste Datenvisualisierungen sehen. Und doch,
an den komplexeren Visualisierungen führt kein Weg vorbei:
Denn es sind nun einmal die Daten, die den Usability-Richtlinien zugrunde liegen, und ich
muss ein paar davon zeigen.
Um zum Beispiel die Muster des
Website-Traffics zu verstehen, die man bei Web-Analysen findet, sind
ein paar dieser unbeliebten, komplexeren Visualisierungen
leider nicht zu vermeiden. Ohne sie kann man einfach nicht
erklären, was da passiert.
Betrachten Sie
beispielsweise den folgenden linearen Graph meiner
Logfile-Analyse zu der Frage, wie viele Besucher jede Seite
einer gegebenen Website hat:
Dieser lineare Graph
sieht aus wie eine klassische Verteilung mit einer flachen
Kurve (wie sie wirklich dem Zipfschen Gesetz entspricht). Und so ist
sie auch – beinahe. Der Unterschied zwischen Theorie und
Praxis wird aber deutlich, sobald man dieselben Daten auf
logarithmische Skalen überträgt:
Jetzt sieht man, dass die Kurve abfällt: Die Website hat einfach nicht genug
Inhalte, um die vorausgesagte Anforderung am unteren Ende erfüllen
zu können.
Ohne diesen
doppellogarithmischen Kunstgriff hätten wir nie das Potenzial
der Website gesehen, mehr Zugriffe zu erzielen, indem man
grosse Mengen weniger wichtiger Inhalte hinzufügt. Ich
staune, wie oft Artikel, die den Internetverkehr oder andere
Geschäfte mit dieser abfallenden Kurve analysieren, lineare
Diagramme verwenden und nicht zeigen, was wirklich passiert.
Um Ereignisse mit grossem
und Ereignisse mit geringem Volumen im gleichen Diagramm
miteinander zu vergleichen, sind logarithmische Skalen
normalerweise am besten. (Wenn Sie mit Excel arbeiten,
bekommen Sie logarithmische Skalen, wenn Sie einfach auf jede
Achse doppelklicken, im Dialog »Achsen formatieren« den
Reiter »Skalierung« anklicken und dort die Option »logarithmische
Skalierung« auswählen.)
Zusätzlich zur abfallenden Kurve habe ich in meiner ursprünglichen Analyse eine
Ausbuchtung in der
Kurve für Suchanfragen gefunden – ein weiteres Phänomen,
das nur in einem doppellogarithmischen Diagramm zum Vorschein
kommt.
Wie man mit der abfallenden Kurve wedelt
Nun, was würde
passieren, wenn die Website unseres Beispiels ihre abfallende
Kurve bis zur Geraden anheben könnte, die das
theoretisch vorhergesagte Traffic-Potenzial repräsentiert?
Bei meiner Analyse lag
der gegenwärtige Traffic auf 1000 Seiten bei 2,6 Mio.
Seitenabrufen im Laufe von 8 Wochen. Mit 260.000 Seiten könnte
die Website ihren Traffic im gleichen Zeitraum voraussichtlich
auf 4,8 Mio. Seitenabrufe steigern. Das heisst, die 259.000
neuen Seiten mit geringem Verkehr würden 2,2 Mio.
Seitenabrufe erzielen, bei einem Durchschnitt von 9 Abrufen
pro Seite.
Wenn wir nun aus den 8
Wochen ein ganzes Jahr machen, würde sich der gesamte Traffic
fast verdoppeln – von 16,9 Mio. auf 32,2 Mio. Seitenabrufe
–,wobei auf jede neue Seite im Schnitt 58 Abrufe entfielen.
Was sind 58 Seitenabrufe
wert?
Im Verlauf der letzten
Jahre hat Yahoo! mit jedem Seitenabruf ausserhalb der Suche
zwischen 0,2 und 0,4 Cent verdient [Angaben in $]. Allerdings
glaube ich, dass die Online-Werbung überbewertet ist und dass
sich die Werbetreibenden etwas vormachen und zu viel bezahlen.
Auf längere Sicht wird der Werbewert ausserhalb der Suche auf
0,1 Cent pro Seite oder weniger sinken.
Mithin haben 58
Seitenabrufe bei einem langfristig zu erwartenden Wert von 0,1
Cent pro Abruf einen Wert von 6 Cent. Wenn wir annehmen, dass
die neuen Seiten fünf Jahre lang Traffic anziehen und von den
zukünftigen Einnahmen 10% pro Jahr abziehen, liegt der gegenwärtige
Wert jeder neuen Seite bei 24 Cent.
Das ist nicht viel.
Allerdings sprechen wir von 259.000 Seiten, daraus ergibt sich
ein Gesamtwert von $ 62.000.
Das hört sich nach einer
hübschen Summe an – aber könnte die Website für $ 62.000
259.000 neue Seiten produzieren? Natürlich nicht, falls die Mitarbeiter, die die Seiten machen,
ein normal übliches Salär verdienen.
Der einzig machbare
Ansatz ist der, den heutzutage viele Websites wählen: Man
bringt die Benutzer dazu, Inhalte kostenlos beizutragen.
Allerdings ist auch dafür ein System für Benutzerbeiträge nötig,
das (wenn man es richtig machen will) wiederum Benutzertests
und andere Qualitätssicherungen erfordert, bevor man es
online stellen kann. Wenn die Funktionen des Systems nicht
besonders anspruchsvoll sind, könnte es unsere
Beispiel-Website wahrscheinlich für weniger als $ 62.000
entwickeln. Aber es wäre nicht kostenlos.
Ergebnis der Analyse?
Wahrscheinlich würde es
sich für unsere Beispiel-Website nicht auszahlen, aus der
Gelegenheit den Nutzen zu ziehen, welcher die Logfile-Analyse
aufgezeigt hat. Das Ende der abfallenden Kurve zahlt sich für
Sammler aus, die ihre Produkte von anderen bekommen, aber
Unternehmen, die alles selbst entwickeln müssen, lassen die
abfallende Kurve lieber abfallende Kurve sein.
Das heisst, ein Blick auf das Ende der abfallenden Kurve könnte von Nutzen sein, wenn eine Website
eine der beiden folgenden Bedingungen erfüllt: Sie kennt
einen besseren Weg, aus Traffic Geld zu machen, als schwach
frequentierte Anzeigen, oder sie hat so viele Benutzer, dass
das Gesamteinkommen substanziell höher wäre als die
Entwicklungskosten der neuen Funktionalität.
In jedem Fall sollten Sie
für Ihre eigene Website solche ROI-Szenarios erforschen. Dafür
brauchen Sie korrekte Datenanalysen, und dafür wiederum
bessere Visualisierungen als die, die man gewöhnlich
sieht. Wie Sie sehen, liegt eine Chance in logarithmischen
Kurven – ungeachtet ihrer abschreckenden Bezeichnung.
Um Missverständnisse zu vermeiden: Sie sollten natürlich keine Logfile-Diagramme in
Websites präsentieren, die auf ein breites
Verbraucherpublikum abzielen. Die sind nur für den internen
Gebrauch gedacht – oder für Websites wie meine, die auf ein
intellektuelles Publikum abzielt.
|
