Google Analytics mit einem CRM-System verbinden

Die zunehmende Verzahnung von Vertrieb und Marketing sowohl auf technischer als auch operativer Ebene bedingt die Integration von Datenströmen in parallele Systeme. Im B2B-Kontext bedeutet dies konkret, dass Verhaltensdaten aus der Webanalyse im optimalen Fall Datensätze aus dem Customer-Relationship-Management-System anreichern. Moderne CRMs wie Hubspot erfassen zwar die einzelnen Schritte des Sales Funnels, doch gerade spannend kann die kundenspezifische Zuordnung von Web Analytics Daten (Absprungrate, Seiten pro Besuch) sein.

Wo stehen wir?

Durch die vielfältigen Möglichkeiten des Online-Marketing hat sich das Volumen an möglichen Leads erheblich erhöht. Der wahre Wert wird jedoch erst durch die Anzahl der (Sales) Qualified Leads deutlich. Eine Erhöhung der Leads bedeutet nicht zwangsläufig, dass mehr Conversions erzielt werden können. Der Fokus sollte auf das Sales Qualified Lead Profiling gesetzt werden, d.h. es gilt zu untersuchen, ob Verhaltensmuster zu erkennen sind. Diese Fragen können beantworten werden:

  • Sind bestimmte Seiten besonders bedeutsam im Sales Funnel?
  • Wie hoch ist der Anteil der Käufer, die als neuer Nutzer identifiziert wurden?
  • Korreliert die Anzahl der besuchten Seiten pro Besuch mit einem möglichen Kauf?

Google Analytics kann den Lead-Prozess technisch erfassen. Ein Datenleck ist dann zu erkennen, sobald der Nutzer in ein Qualified Lead umgewandelt wurde. Die fehlende Feedback-Loop lässt sich technisch operationalisieren.

Mit Google Analytics B2B-Bestandskunden analysieren

Jeder Besucher erhält bei aktiven Cookies eine einzigartige Client-ID. Diese können im Nutzer-Explorer (Stand: Dezember 2020) betrachtet werden. Die Form der ID ist dabei stets: Zufällige, einzigartige ID (10 Ziffern). Client ID (10 Ziffern). Es gilt diese Client-ID zu sichern, sobald ein Lead zustande gekommen ist (z.B. Anfrage eines Whitepapers, Anmeldung zum Newsletter, Terminvereinbarung, …). Darüber hinaus muss für jede Phase des Lead-Nurturing relevante Touchpoint-Informationen gesammelt werden, die mit der Client-ID verknüpft werden können. Zuletzt gilt es, diese Daten zurück in Google Analytics zu transferieren.

Der abstrakte Prozess sieht wie folgt aus:

Google bietet dazu einen eigenen Guide.

Client-ID erheben

Die Client-ID kann über folgenden JavaScript-Code erhoben werden (Quelle: Google ClientId) :

ga(function(tracker) {

var clientId = tracker.get(‚clientId‘);

});

Der technische Einfallsreichtum wird nun abverlangt. Eine Möglichkeit, die Client-ID bei Leadgenerierung zu übertragen, ist die Einrichtung eines Triggers über den Google Tag Manager. Eine alternative Möglichkeit ist die Implementierung eines zusätzlichen Formularfelds in der Eingabemaske. Durch CSS-Maskierung (display:none) wird das Feld mitgeschickt, dem Nutzer aber nicht angezeigt. So gelangt die Client-ID direkt im CRM-System. Zum Beispiel bietet Hubspot die automatische Übertragung von Formulardaten in das System an. Die Client-ID wird dann im System gespeichert.

CRM-Daten verbinden und den Datenschutz respektieren

Nicht ohne Grund werden Verhaltensdaten anonymisiert. Es ist wichtig, dass der Name, die Adresse und E-Mail-Adresse, Telefonnummer sowie Zahlungsdaten nicht in das Google Analytics System exportiert werden. Die stellt eine Verletzung des Datenschutzes dar und sollte vermieden werden. Es geht hierbei um die Erhebung anonymer Tatsachen, wie die Umwandlung eines Leads in einen Qualified Lead ohne Personenbezug, genutzte Feedbackmechanismen und Empfehlungsraten. Wie können wir nun CRM-Daten in Google Analytics integrieren?

Dafür existieren mehrere Methoden. Zum einen kann über einen Bulk-Upload (siehe hier) gearbeitet werden. Dieser Prozess kann über das Google Measurement Protocol automatisiert werden. Größere CRMs wie SalesForce bieten eine Datapipeline zu Google BigQuery an. Auch Drittanbieter wie windsor.ai und OWOX bieten Datapipelines an, um CRM-Daten in Google Analytics zu integrieren. Die Integration von CRM-Daten ermöglicht nun die Segmentierung von angereicherten Datensätzen, um wertvolle Insights zu generieren.