Marketing Glossar

2.413 Fachbegriffe aus 22 Bereichen des Online Marketings

Informationsarchitektur (IA)

Definition: Informationsarchitektur (IA; engl. Information Architecture) bezeichnet die strukturierte Organisation, Kategorisierung, Kennzeichnung und Navigation von Informationen in digitalen Produkten und Websites mit dem Ziel dass Nutzer gesuchte Inhalte schnell, intuitiv und zuverlässig finden können. Peter Morville und Louis Rosenfeld definierten in «Information Architecture for the World Wide Web» (O'Reilly, 1. Auflage 1998; bekannt als «Polar Bear Book») drei Kernsysteme: Organisationssystem (wie Inhalte strukturiert und gruppiert werden: hierarchisch, sequenziell, Matrix, Datenbank); Labeling-System (wie Kategorien, Links und Navigationselemente benannt werden: konsistente, nutzerverständliche Terminologie); Navigationssystem (wie Nutzer durch die Inhaltsstruktur navigieren: globale Navigation, lokale Navigation, kontextuelle Links, Breadcrumbs, Sitemap). Morville fügte später als viertes System das Suchsystem hinzu. IA-Methoden zur Nutzerforschung: Card Sorting (Nutzer ordnen Inhalts-Karten in Kategorien; offenes Card Sorting für Struktur-Exploration; geschlossenes Card Sorting für Struktur-Validierung); Tree Testing / Treejack (Nutzer finden Inhalte in einer Textbaum-Navigation ohne visuelles Design; validiert ob IA-Hierarchie findbar ist); First-Click-Testing (erste Klick-Entscheidung auf Navigation; starke Korrelation mit Task-Completion-Erfolg). IA-Qualität hat direkte SEO-Auswirkungen: Crawling-Effizienz, interne Verlinkungsstruktur, URL-Hierarchie und Canonical-URL-Strategie basieren auf der IA.

Erläuterung

Die Informationsarchitektur als eigenständige Disziplin wurde von Richard Saul Wurman (Architekt und Grafiker; Philadelphia; PA; geboren 1935) geprägt der 1976 auf der AIA-Konferenz den Begriff «Information Architect» verwendete und damit beschrieb wer Datenmuster sichtbar macht und Komplexität in Klarheit transformiert. Wurmans Buch «Information Anxiety» (Doubleday, 1989) legte das konzeptionelle Fundament. Die anwendungsbezogene IA für digitale Produkte wurde durch Peter Morville (Librarian; University of Michigan; Ann Arbor; MI) und Louis Rosenfeld (Gründer Rosenfeld Media; Brooklyn; NY) systematisiert: ihr «Polar Bear Book» (O'Reilly, 1998; 2. Auflage 2002; 3. Auflage 2006; 4. Auflage 2015 mit Jorge Arango) wurde zum meistzitierten IA-Standardwerk der Industrie mit über 100.000 verkauften Exemplaren in der 3. Auflage. Morville entwickelte 2004 das «User Experience Honeycomb» Modell (sieben UX-Qualitätskriterien: Useful, Usable, Desirable, Findable, Accessible, Credible, Valuable) das Findability als eigenständige Dimension neben Usability positionierte; sein Buch «Ambient Findability» (O'Reilly, 2005) analysierte wie das Web als Informationsraum Findability neu definiert. Jakob Nielsen (Nielsen Norman Group; Fremont/CA) quantifizierte den Business-Impact schlechter IA: in einer umfangreichen Studie über Fortune-500-Websites (NNGroup-Bericht 2000) scheiterten 55% der Nutzer beim Finden von Informationen auf Unternehmenswebsites; jeder misslungene Suchprozess kostet laut Nielsen durchschnittlich 50–100 USD in entgangenen Transaktionen oder Supportkosten. Donna Spencer (Australische IA-Forscherin; Growl; Sydney; Autorin von «Card Sorting: Designing Usable Categories», Rosenfeld Media, 2009) systematisierte Card Sorting als quantitative Methode: offenes Card Sorting (15–20 Teilnehmer; 40–80 Karten; Cluster-Analyse via Dendrogramm) generiert Hypothesen über mentale Modelle der Nutzer; geschlossenes Card Sorting validiert vorgeschlagene Kategorien gegen Nutzererwartungen. Sam Ng und sein Team entwickelten Optimal Workshop (Wellington; Neuseeland; gegründet 2007) als spezialisiertes IA-Research-Tool: Treejack (Tree Testing), OptimalSort (Card Sorting), Chalkmark (First-Click-Testing) – heute über 2 Millionen durchgeführte Studien auf der Plattform. Gerry McGovern (irischer Web-Content-Stratege; Dublin; Irland; seit 1994; «Top Tasks Management»-Methodik) entwickelte die «Top Tasks»-IA-Methode: Nutzer priorisieren aus einer langen Liste von Website-Aufgaben (typisch 50–100) ihre wichtigsten; die Top-5 Tasks erhalten in der Regel 25–30% aller Stimmen obwohl sie aus 50+ Optionen stammen; diese Tasks priorisieren die IA-Struktur; McGovern's Forschung zeigt dass 80% des Content-Traffics auf 20% der Seiten entfällt.

Card Sorting, Tree Testing und IA-Forschungsmethoden

Navigationssysteme, E-Commerce-IA und SEO-Auswirkungen

Praxistipp: Führen Sie ein offenes Card Sorting mit 20 repräsentativen Nutzern durch bevor Sie die Navigationsstruktur festlegen – die Ergebnisse werden Ihre internen Kategorisierungsannahmen fast immer korrigieren. Validieren Sie die resultierende Struktur anschließend mit einem Tree Test (Treejack) mit 50+ Teilnehmern: eine Direktheitsrate unter 60% bei einem Task ist ein klares Signal dass die Kategorie umbenannt oder umstrukturiert werden muss. Beide Tests zusammen kosten typisch weniger als ein halber Tag Entwicklungszeit und verhindern IA-Fehler die sonst nach Launch teuer korrigiert werden müssen.