In der Lehrveranstaltung "Empirische Sozialforschung" von Uwe Kowatz haben wir uns mit der Hypothese "Je schneller Kunden ihre gewünschten Inhalte finden, desto höher ist die Zufriedenheit mit der Webseite" beschäftigt. Und anhand von vier Meilensteinen ein überraschendes Ergebnis erhalten.

1. Fragestellung

Wir haben uns überlegt, was uns persönlich in der täglichen Internetnutzung nervt. Wir haben zuerst unsere persönlichen Pain Points gesammelt. Die Entscheidung war schnell getroffen: Die oftmals nerven- und zeitaufreibende Suche auf Webseiten galt es, die User-Zufriedenheit, in den Fokus zu rücken. Die folgende These ließ sich rasch ableiten:

Je schneller Kunden ihre gewünschten Inhalte finden, desto höher ist die Zufriedenheit mit der Webseite.

Um zum gewünschten Ergebnis zu kommen, haben wir uns auch spezifische Fragen zur Demographie überlegt, um danach zu evaluieren, welche demographischen Daten wir abfragen müssen.

  • Gibt es einen Unterschied zwischen Stadt/Land-Bewohnern und deren Internetnutzung?
  • Welches Alter konzentriert sich auf welche Art der Internetnutzung (z.B. ältere Menschen nutzen eher Mails, jüngere konzentrieren sich auf Social Media und Onlineshopping etc.)
  • Welchen Browser verwenden unsere Probanden am häufigsten?
  • Welches Alter verwendet das Medium Internet am häufigsten?

Doch natürlich lassen sich allein anhand von Text Änderungsvorschläge nur schwer bewerten. So haben wir Beispielbilder getroffen, in denen wir den derzeitigen “Ist-Zustand” angegeben haben und danach auch Änderungsvorschläge (zum Beispiel größere Schrift oder Drop-Down-Menü). Hier konnten die Probanden abstimmen, was ihnen besser gefällt.

Interessant war für uns vor allem der Vergleich zwischen den Vorlieben der Probanden und den demographischen Daten. Beispiele: Neigen bei Bild 1 Männer eher dazu, Vorschlag A gut zu finden – oder ist dies ausgeglichen? Mögen Viel-Internet-Nutzer bei Bild 2 eher Vorschlag B? Weiters mussten wir auch überlegen, was es für die entsprechenden Zielgruppen bedeuten könnte? Sprich: Wenn jüngere Benutzer mehrheitlich Online-Shopping bevorzugen (im vgl. zu den älteren), diese aber Bild B bevorzugen, obwohl Bild A Status quo ist, ob man nicht überlegt zu wechseln.

Wir wollten rund 100 Probanden, gleichmäßig Männer wie Frauen. Zudem haben wir das Alter auf eine Spanne zwischen 20 und 45 Jahren eingeschränkt.

2. Typeform: Warum haben wir uns für dieses Online-Tool entschieden haben

Es existieren viele Online-Umfragetools, die sich in den Bereichen Komplexität, Preis oder Übersichtlichkeit unterscheiden. Wir haben uns aus folgenden Gründen für das Tool Typeform entschieden:

  • Typeform ist ein Tool, mit welchem Online-Umfragen, Online-Quizze oder auch Landingpages umgesetzt werden können. Es zeichnet sich durch seine Übersichtlichkeit und einfache Handhabung für die Probanden aus.
  • Außerdem können die Datensätze leicht in unterschiedliche Formate exportiert und so für die Analyse weiterverwendet werden.
  • Für unsere Umfrage war es außerdem wichtig, Bilder einzubinden. Für Typeform war auch das kein Problem.
  • Darüber hinaus wollten wir ein neues Tool austesten, da wir bisherige Umfragen mit Google Forms oder Surveymonkey realisiert hatten. Die Neugierde war groß (kostenlos, unlimitiert, Formulare auf Deutsch möglich).
  • Formulare lassen sich zudem per Tastatur bedienen und sind daher schnell ausfüllbar. Zu guter letzt hat Typeform den Fokus stark auf Design und die Nutzung mit mobilen Devices gelegt, so dass wir von einer User-freundlichen Bedienung ausgehen konnten.

3. Umfrage: Wie lief die Umfrage?  Was war problematisch/einfach?

Über unterschiedliche Kanäle (E-Mail, Social Media und persönliche Ansprache) konnten wir in recht kurzer Zeit unsere Probanden-Zahl erreichen (insgesamt 119 nahmen Teil). Gerade das Social Media Netzwerk Facebook macht es mit seinen verschiedenen Gruppen einfach, an Umfrage-Probanden zu gelangen.

Die ersten 70 Teilnehmer waren schnell gefunden. Das letzte Drittel an der von uns selbst festgelegten Teilnehmerzahl von mindestens 100 erreichten wir durch erneute Aufrufe der bereits genannten Kanäle und durch eine Erweiterung unseres Netzwerkes. Auch Kontakte dritten Grades und mehr wurden angesprochen und um Unterstützung gebeten.

Wir hatten allerdings keinen Einfluss darauf, wer an der Umfrage letztendlich teilnahm. So waren deutlich mehr Frauen als Männer bereit, Teil unseres Experiments zu werden (knapp 70% der Probanden waren Frauen). Auch die gleichmäßige Verteilung auf alle Altersgruppen konnte nicht garantiert werden. 45% der Teilnehmer/innen waren zwischen 29-37 Jahren alt. 20 bis 28 Jahre alt waren 34% aller Probanden. Schlusslicht bildetet die Gruppe der 38 bis 45-Jährigen mit einem Anteil von 21%.

Angelegt war die Umfrage auf die deutschsprachige D-A-CH Region. Auch hier konnte nicht sichergestellt werden, dass die Teilnehmer gleichmäßig auf Deutschland, Österreich und die Schweiz verteilt waren.

4. Ergebnisse: Auswertung und Interpretation der Ergebnisse

Auswertungsvorgang mittels R

Damit die Auswertung mittels R-Studio möglich war, mussten wir die von Typeform exportierten Ergebnisse kodieren. Dazu haben wir jede Frage mit einer eindeutigen ID versehen und die Antwortmöglichkeiten kodiert.

Abbildung 1: Exportierte Daten aus Typeform

Anschließend haben wir die Datei in CSV konvertiert und in R-Studio eingelesen.  Dort kodierten wir die Antwortmöglich als Zahlen, damit eine Auswertung möglich war.

Dazu ein Beispielcode:

daten = read.csv2(file=”daten-20160529-bereinigt.csv”, stringsAsFactors=FALSE)

library(car)

daten[daten==”männlich”] = 1

daten[daten==”weiblich”] = 2

daten[daten==”20-28 Jahre”] = 1

daten[daten==”29-37 Jahre”] = 2

daten[daten==”38-45 Jahre”] = 3

Abbildung 2: Daten nach dem Kodieren

Für die Interpretation und die Auswertung der Fragestellung beschäftigten wir uns intensiv mit der Visualisierungsmöglichkeit in R-Studio. Um Fragestellungen wie “Gibt es einen Unterschied Stadt/Land-Bewohner und deren Internetnutzung?” zu beantworten war es notwendig, die Antworten von zwei Fragen aufeinander zu beziehen. Dies geschah mit Hilfe von Kontingenztabellen  (R-Befehl table bzw. prop.table). Diese Tabellen wurden mit Hilfe von Bubble-Charts visualisiert.

Abbildung 3: Absolute und Relative Häufigkeit der Internetnutzungsdauer bezogen auf die jeweilige Einwohneranzahl der Hauptwohnsitzgemeinde.

Abbildung 3 zeigt ein Beispiel eines Bubble-Charts, in dem die Flächen der Kreise jenen Prozentsatz der Personen darstellen, die diese Antworten gegeben hatten. Die Prozentsätze sind auf die verschiedenen Antworten der Frage “Einwohneranzahl” bezogen. Die Zahlen in Klammern geben zusätzlich an, wieviele Personen diese Antwort-Kombination gegeben hatten, um einen Eindruck von der Signifikanz der Prozentsätze zu erhalten.

Die Erstellung dieser Grafiken in R nahm sehr viel Zeit in Anspruch, da wir erst die verschiedenen R-Befehle zum Plotten und Beschriften der Grafiken herausfinden mussten.

Interpretation der Ergebnisse

Erst beim Interpretieren der Grafiken bzw. bei der Auswahl der Fragen zur Erstellung dieser Grafiken wurde uns bewusst, welche Fragen eigentlich zentral für die Beantwortung der These, die wir uns gestellt hatten, waren, und welche nicht. So ließen wir beispielsweise die Frage nach dem Browser bei der Auswertung nicht miteinfließen, da er keinen Einfluss auf das Verhalten der Webseite oder der Besucherin hat. Man sollte deshalb bei der Konzeption der Items bereits besser darauf achten, welche Erkenntnisse man aus ihren Antworten ziehen kann, bzw. welche Fragen sich kombinieren lassen um weiter Schlüsse ziehen zu können.

Zusammenfassung der Erkenntnisse:

Unsere Ausgangsthese (“Je schneller Kunden ihre gewünschten Inhalte findet, desto höher ist die Zufriedenheit mit der Webseite”) kann nach der Studie als bestätigt angesehen werden.Was bedeutet dies für Betreiber von Webseiten und wie lässt sich diesem Wunsch nachkommen?

  • Das Internetangebot muss vor allem für mobile Devices optimiert sein. Inhalte, die nicht schnell gefunden und abgerufen werden können, verfehlen das Ziel.
  • Zudem gibt es keine klare Trennlinie mehr zwischen privater und beruflicher Internetnutzung. Das Online-Gehen ist ein Schritt geworden, die Dauer, die hierauf verwendet wird, beträgt mittlerweile mehrere Stunden am Tag. Je schneller ich Informationen abrufen kann – ob privat oder beruflich – desto zufriedener sind Internetnutzer.
  • Bei der Umsetzung helfen eine flache Struktur und geringere Tiefe von Webseiten, in der sich User oft sehr schnell verloren fühlen.
  • Weniger Menüpunkte werden als leichter zu navigieren empfunden – genauso wie größere Schriften.  

Abschließend lässt sich sagen, dass die klassische Internetwerbung, die oft beim Suchen und Finden von Informationen abgelenkt hat, ausgedient hat. User wollen nicht mehr mit Botschaften im Push-Modus behelligt werden. Sie sind selbstbestimmt und aktive User.