Sitzungsaufzeichnungen funktionieren. Aber wie? Wie sieht echte Einführung aus? Welche Ergebnisse erzielen echte Teams? Fallstudien zeigen den Weg von der Einführung bis zum Ergebnis. Ein Onlineshop entdeckt über Aufzeichnungen Abbrüche im mobilen Checkout. Er sieht sich siebzig mobile Sitzungen an. Er erkennt, dass Besucher gerade dann zögern, wenn sie zwischen Kreditkarte und einem Online-Bezahldienst wählen sollen. Er ergänzt mobiles Bezahlen per Smartphone. Die Conversion steigt mobil von 1,2 Prozent auf 1,8 Prozent. Die jährliche Umsatzwirkung beträgt vierhundertzwanzigtausend Dollar. Ein SaaS-Produkt sieht sich Aufzeichnungen vom Onboarding an. Es entdeckt, dass neue Nutzer zwölf Minuten lang im Dashboard klicken und den Export-Button suchen. Es verschiebt den Button aus einem verschachtelten Menü in die Hauptleiste. Die Nutzung der Funktion steigt von acht Prozent auf dreiundzwanzig Prozent der neuen Nutzer. Das sind keine theoretischen Beispiele. Es sind echte Ergebnisse von Teams, die richtig vorgegangen sind. Sitzungsaufzeichnungen bringen Ergebnisse, wenn der Prozess diszipliniert ist. Fallstudien belegen das. Teams, die mit Aufzeichnungen Erfolg haben, und Teams, die keinen haben, unterscheiden sich in der Konsequenz der Umsetzung. Das richtige Tool zählt. Die richtige Teamstruktur zählt. Der richtige Messprozess zählt. Am meisten zählt aber die richtige Disziplin. Teams, die Aufzeichnungen gezielt ansehen, Erkenntnisse dokumentieren, Änderungen testen und Ergebnisse messen, haben beständig Erfolg.
In diesem Artikel findest du Fallstudien zu Sitzungsaufzeichnungen und echte Ergebnisse aus der Praxis.
Fallstudie Onlineshop: Reibung bei mobilen Zahlungsarten
Ein Onlineshop für Outdoor-Ausrüstung hatte am Desktop gute Zahlen, aber schwache mobile Verkäufe. Die Conversion lag am Desktop bei 2,8 Prozent, mobil bei 1,1 Prozent. Das Verhältnis von mobil zu Desktop lag bei 39 Prozent. Das Team nahm an, dass der mobile Traffic von geringerer Qualität sei. Das war falsch.
Das Team führte Ende August Sitzungsaufzeichnungen ein. Das Ziel war, mobile Reibung zu verstehen. Es sah sich zwanzig abgebrochene Checkout-Sitzungen auf Mobilgeräten an. Ein Muster zeigte sich sofort. Vierzehn von zwanzig Abbrechenden erreichten die Auswahl der Zahlungsart. Dann hörten sie auf. Sie schlossen den Checkout nicht ab.
Das Team sah genauer hin. Besucher kamen zu den Zahlungsoptionen, sahen nur zwei Optionen (Kreditkarte und ein Online-Bezahldienst) und scrollten nach unten, um nach weiteren zu suchen. Sie scrollten wieder nach oben. Sie verweilten über dem Zahlungsbereich. Dann schlossen sie den Browser. Die Sitzung endete.
Das Team befragte einige Kunden. Erkenntnis: Dreiundsechzig Prozent der mobilen Käufer bevorzugten mobiles Bezahlen per Smartphone. Der Shop bot das nicht an. Besucher suchten diese Optionen, fanden sie nicht und gingen.
Die Umsetzung dauerte zwei Wochen. Das Team band mobile Bezahlfunktionen von Smartphones ein. Es ordnete die Zahlungsseite neu. Es machte die Zahlungsoptionen grösser und klarer. Es ergänzte einen Hilfetext, der erklärt, welche Zahlungsarten es gibt.
Ergebnisse nach zwei Wochen: Die mobile Conversion stieg von 1,1 Prozent auf 1,6 Prozent. Das ist ein Plus von fünfundvierzig Prozent. Der durchschnittliche Bestellwert lag bei einhundertneunzig Dollar. Der Anstieg brachte rund dreihundertsiebzigtausend Dollar zusätzlichen Jahresumsatz. Die Kosten für das Tool betrugen sechstausend Dollar. Der Aufwand für die Umsetzung lag bei vierzig Stunden. Die gesamte Investition betrug achttausend Dollar. Der ROI lag bei viertausendsechshundert Prozent.
Fallstudie SaaS: Schlechte Auffindbarkeit einer Funktion bremst die Nutzung
Ein SaaS-Unternehmen für Projektmanagement brachte eine Funktion zur Zeiterfassung heraus. Es kündigte sie den Kunden an. Es erwartete ein stetiges Wachstum der Nutzung. Nach einem Monat hatten nur sechs Prozent der Nutzer die Zeiterfassung aktiviert. Nach drei Monaten erreichte die Nutzung neun Prozent und stagnierte. Das Team verstand nicht, warum sie so niedrig war.
Es führte Sitzungsaufzeichnungen ein, um die Reibung bei der Nutzung der Funktion zu verstehen. Es sah sich dreissig Aufzeichnungen von neuen Nutzern in ihrer ersten Woche an. Dazu sah es sich weitere dreissig Aufzeichnungen von bestehenden Nutzern im ersten Monat nach der Veröffentlichung der Zeiterfassung an.
Erkenntnis: Neue Nutzer sahen die Zeiterfassung nie. Sie lag in einem Untermenü unter dem Reiter Einstellungen. Neue Nutzer schauten erst nach Wochen in die Einstellungen. Bestehende Nutzer wussten nicht, dass es die Funktion gab, weil die Ankündigungs-E-Mail kaum geöffnet wurde.
Das Team sah sich eine besonders aufschlussreiche Aufzeichnung an. Ein erfahrener Nutzer arbeitete dreiundvierzig Minuten lang mit dem Produkt, ging durch mehrere Bereiche und entdeckte die Zeiterfassung nie. Das eigentliche Problem: Die Zeiterfassung war im Hauptablauf nicht sichtbar. Nutzer konnten sie bei ihrer eigentlichen Arbeit nicht erreichen.
Die Umsetzung dauerte sechs Wochen. Das Team baute die Zeiterfassung direkt in die Aufgabenansicht ein. Wer Aufgaben anlegte oder bearbeitete, sah einen Button zur Zeiterfassung. Der Button war dezent, aber präsent. Ein Tooltip erklärte, wozu er dient.
Ergebnisse nach zwei Wochen im Einsatz: Die Nutzung der Zeiterfassung sprang von neun Prozent auf zweiunddreissig Prozent. Nach sechs Wochen erreichte sie einundvierzig Prozent. Der monatlich wiederkehrende Umsatz von Kunden, die die Zeiterfassung nutzen, stieg um einhundertfünfzigtausend Dollar pro Jahr. Die Kosten für das Tool betrugen zehntausend Dollar. Die Umsetzung kostete fünftausend Dollar. Der ROI lag bei sechshundertsiebenundsechzig Prozent.
Fallstudie B2B: Versteckte Reibung im Formular zur Lead-Gewinnung
Ein B2B-Softwareunternehmen veranstaltete vierteljährlich Webinare. Leads erfasste es über ein Formular. Die Abschlussrate des Formulars lag bei zweiunddreissig Prozent. Das hiess: Achtundsechzig Prozent der Besucher, die das Formular erreichten, füllten es nicht aus. Das Unternehmen brauchte mehr Leads, konnte aber höhere Kosten für den Traffic nicht tragen.
Es führte Sitzungsaufzeichnungen ein, um die Formularabbrüche zu verstehen. Es sah sich fünfzig Aufzeichnungen von Besuchern an, die das Formular abgebrochen hatten. Jede Aufzeichnung markierte es mit dem Feld, bei dem der Abbruch erfolgte.
Überraschende Erkenntnis: Die Abbrüche waren nicht gleichmässig verteilt. Neunzehn Besucher brachen beim Feld Firmenname ab. Zweiundzwanzig brachen beim Feld Telefon ab. Nur zwei brachen beim Feld E-Mail ab. Beim Feld Firmenname zögerten die Besucher. Beim Feld Telefon lehnte das Formular falsch formatierte Nummern ab. Besucher probierten verschiedene Formate und gaben schliesslich auf.
Das Team prüfte die Anforderungen des Formulars. Firmenname war optional. Telefon wurde erfasst, war aber nicht entscheidend. Beide Felder erzeugten Reibung, ohne Nutzen zu bringen.
Die Umsetzung dauerte eine Woche. Das Team machte Firmenname optional und setzte das Feld weiter nach unten. Es entfernte das Feld Telefon ganz. Es vereinfachte das Formular von acht Pflichtfeldern auf vier Pflichtfelder.
Ergebnisse nach drei Wochen: Die Abschlussrate des Formulars stieg von zweiunddreissig Prozent auf einundfünfzig Prozent. Das ist ein Plus von neunundfünfzig Prozent. Zuvor erfasste das Team rund achtzig Leads pro Webinar. Jetzt waren es einhundertdreissig Leads pro Webinar. Die Kosten pro Lead sanken um zweiundvierzig Prozent. Die jährliche Wirkung lag bei rund sechshunderttausend Dollar zusätzlicher Pipeline. Die Kosten für das Tool betrugen fünftausend Dollar. Die gesamte Investition betrug fünftausend Dollar. Der ROI lag bei eintausendzweihundert Prozent.
Fallstudie SaaS: Komplexes Onboarding führt zu frühem Abwandern
Ein SaaS-Produkt für Datenanalyse hatte eine starke Gewinnung über ein Freemium-Modell, aber eine schwache Umwandlung in zahlende Kunden. Die Abwanderungsquote im ersten Monat lag bei achtunddreissig Prozent. Die Geschäftsführung dachte, Nutzer verstünden den Wert nicht. Beide Annahmen waren falsch.
Das Team führte Sitzungsaufzeichnungen ein, um das frühe Verhalten der Nutzer zu verstehen. Es sah sich fünfzig Aufzeichnungen von Nutzern in ihrer ersten Stunde an. Dann verglich es zahlende mit abwandernden Nutzern.
Erkenntnis: Nutzer, die zahlend wurden, schlossen ihre erste Analyse in fünfzehn Minuten ab und erkundeten dann weitere Funktionen. Sie versuchten, eine zweite Analyse anzulegen. Abwandernde Nutzer schlossen ihre erste Analyse ab und verliessen dann das Produkt. Sie kamen nicht zurück.
Der Unterschied lag nicht in den Fähigkeiten, sondern im Selbstvertrauen. Nutzer, die zahlend wurden, fühlten sich kompetent. Abwandernde Nutzer hatten das Gefühl, die Aufgabe erledigt zu haben, für die sie gekommen waren. Sie verstanden nicht, wozu sie das Produkt über diesen ersten Anwendungsfall hinaus brauchen sollten.
Die Umsetzung dauerte acht Wochen. Das Team gestaltete das Onboarding neu. Nach der ersten Analyse zeigte es eine Seite Wie geht es weiter. Sie schlug drei Analysen vor, die Nutzer anhand ihrer Daten durchführen konnten. Das Team ergänzte kontextbezogene Hilfe. Es ergänzte einen Fortschrittsbalken, der zeigte, wie viel vom Produkt sie schon erkundet hatten.
Ergebnisse nach einem Monat mit dem neuen Onboarding: Die Abwanderung im ersten Monat sank von achtunddreissig Prozent auf vierundzwanzig Prozent. Die Umwandlung in zahlende Kunden im dritten Monat stieg von achtzehn Prozent auf zweiunddreissig Prozent. Der Kundenwert über die gesamte Laufzeit stieg um vierzig Prozent. Die jährliche Umsatzwirkung lag bei rund 1,2 Millionen Dollar. Die Kosten für das Tool betrugen achttausend Dollar. Die Umsetzung kostete zwölftausend Dollar. Die gesamte Investition betrug zwanzigtausend Dollar. Der ROI lag bei fünftausendneunhundert Prozent.
Häufig gestellte Fragen
Wie haben diese Teams entschieden, sich auf genau diese Probleme zu konzentrieren?
Sie begannen mit Kennzahlen. Die mobile Conversion lag unter der am Desktop. Die Nutzung der Funktion blieb hinter den Erwartungen zurück. Die Abschlussrate des Formulars lag unter dem Branchendurchschnitt. Kennzahlen zeigten, wo Probleme lagen. Dann nutzten die Teams Sitzungsaufzeichnungen, um das Warum zu verstehen. Kennzahlen zeigen, dass es ein Problem gibt. Aufzeichnungen zeigen, warum es besteht. Mit dem Website-Builder von WEMASY kannst du das direkt auf deiner Website einrichten.
Haben diese Teams ihre Änderungen mit A/B-Tests abgesichert?
Die meisten. Das Team mit den Zahlungsoptionen rollte die Änderungen für alle Nutzer aus, weil das Problem klar war. Das Team zur Auffindbarkeit der Funktion testete die neue Platzierung mit fünfzig Prozent der Nutzer, bevor es sie für alle ausrollte. Das Formular-Team testete die vereinfachte Version mit fünfzig Prozent der Nutzer. Das Onboarding-Team testete das neu gestaltete Erlebnis zuerst mit neuen Nutzern in einer bestimmten Region. Tests senkten das Risiko.
Wie lange dauerte die Umsetzung dieser Änderungen?
Die Zeiträume waren unterschiedlich. Die Änderungen bei den Zahlungsoptionen dauerten zwei Wochen. Die Verbesserung der Auffindbarkeit der Funktion dauerte sechs Wochen, weil Design und Entwicklung sich abstimmen mussten. Die Vereinfachung des Formulars dauerte eine Woche. Die Neugestaltung des Onboardings dauerte acht Wochen, weil sie umfassend war. Die Komplexität bestimmte den Zeitplan.
Sind einzelne dieser Änderungen fehlgeschlagen oder haben unerwartete Ergebnisse gebracht?
Das Team mit den Zahlungsoptionen behielt mögliche Probleme im Blick. Es befürchtete, dass geänderte Zahlungsoptionen den Betrug erhöhen könnten. Das geschah nicht. Die mobile Conversion stieg, ohne dass der Betrug zunahm. Das Team zur Auffindbarkeit der Funktion beobachtete die Nutzung genau. Versehentliche Aktivierungen gab es kaum. Erfolgreiche Umsetzungen behalten Nebenwirkungen trotzdem im Blick.
Wie haben diese Teams den ROI genau gemessen, obwohl andere Faktoren die Ergebnisse beeinflusst haben könnten?
Sie haben äussere Variablen kontrolliert. Das E-Commerce-Team bestätigte, dass sich die Qualität des Traffics nicht verändert hatte. Die SaaS-Unternehmen verglichen zahlende mit abgewanderten Nutzern und sahen, dass die Variable das Onboarding war, nicht die Traffic-Qualität. Kontrollierte Variablen erhöhen das Vertrauen in die Ergebnisse.
Können auch kleinere Unternehmen einen ähnlichen ROI erzielen, oder gilt das nur für grössere Organisationen?
Die Unternehmensgrösse bestimmt den ROI nicht. Ein kleiner Onlineshop mit weniger Transaktionen sieht vielleicht eine ähnliche prozentuale Verbesserung, aber eine geringere absolute Umsatzwirkung. Ein kleines SaaS-Unternehmen mit weniger Kunden sieht vielleicht eine kleinere jährliche Umsatzwirkung. Die prozentuale Verbesserung wäre aber ähnlich. Eine Steigerung der Conversion um fünfundvierzig Prozent nützt Unternehmen jeder Grösse.