morefire
MENÜ

Google Analytics: Wie genau sind meine Messwerte eigentlich?

Google Analytics gibt uns einen klaren Einblick in alle Daten, die sich auf Websites sammeln lassen. Wir können auswerten, welche Marketing-Kanäle uns die meisten Besucher eingebracht haben, ob und was gekauft wurde und so vieles mehr. Doch wie genau sind meine Daten in Google Analytics eigentlich? Drei Beispiele, dass unsere Daten häufig nicht so exakt sind, wie sie den Anschein machen und warum das so ist.

1. Nutzerzahlen

Was genau ist eigentlich ein Nutzer in Google Analytics? Theoretisch ist ein Nutzer eine reale Person, welche die Website 1 bis X mal besucht hat.

Praktisch kann Analytics allerdings keine Personen identifizieren. Also bleibt uns nichts anderes übrig als Nutzer mittels eines Cookies zu definieren. Dieser Cookie wird beim ersten Seiten-Besuch des Nutzers in dessen Browser gespeichert. Bei jedem weiteren Besuch der Seite mit dem gleichen Gerät und Browser kann Analytics den Nutzer also als wiederkehrenden Benutzer identifizieren.

Dieses Prinzip der Nutzeridentifikation funktioniert allerdings nur unter den Voraussetzungen, dass es sich

  • um das gleiche Gerät handelt
  • um den gleichen Browser handelt
  • die Cookies seit dem letzten Besuch nicht gelöscht wurden

In der Realität allerdings besuchen wir eine Website häufig mit mehreren Geräten und mehreren Browsern. Hier ein kleines Beispiel:

Beim Facebook App Newsfeed Scrollen in der Bahn entdeckt man eine interessante Anzeige und klickt darauf. Die Seite wird im Facebook App Browser geladen. Später Zuhause öffnet man die Seite mit dem Browser des Smartphones und informiert sich weiter über das Produkt. Ist die Entscheidung zum Kauf gefallen greift man zum Tablet, um den Kauf abzuschließen, da die Eingabe der Zahlungsdaten hiermit leichter fällt.

Es wurden also zwei Geräte und drei verschiedene Browser verwendet. In der Realität handelt es sich um einen einzelnen Nutzer. In Google Analytics werden allerdings drei verschiedene Nutzer gezählt.

Dieses Problem lässt sich, auf Webseiten mit Log-In Funktion, mittels dem User-ID Feature umgehen. Hiermit lassen sich verschiedene Geräte eingeloggter Nutzer miteinander verknüpfen.

2. Durchschnittliche Sitzungsdauer

In Analytics wird dieser Wert definiert als “Die durchschnittliche Länge einer Sitzung”. Also wie lange Nutzer im Durchschnitt innerhalb eines Besuchs auf der Seite verweilen. An und für sich ein sehr interessanter Wert, um Rückschlüsse ziehen zu können ob der Content auf einer Seite den Nutzern gefällt.

Doch wenn man betrachtet, wie Google Analytics die Länge einer Sitzung berechnet, fällt auf, dass dieser Wert eine hohe Abweichung zur Realität haben kann.

Standardmäßig beendet Google Analytics eine Sitzung, nachdem ein Nutzer 30 Minuten lang keine Interaktion mit der Seite hatte. Im Anschluss berechnet Analytics die Zeit zwischen der ersten und letzten Interaktion mit der Seite.

Doch was macht diesen Messwert so ungenau? Ein Beispiel:

Ein Nutzer öffnet die Seite, sieht sich 5 Minuten lang die Startseite an und klickt auf einen Blogartikel. Er liest diesen und verlässt nachdem er den Artikel gelesen hat die Seite.

Beim Öffnen der Startseite wird die Sitzung zu Zeitpunkt A begonnen. Der Klick auf den Blogartikel (5 Minuten später) zu Zeitpunkt B wird als Interaktion gespeichert. Der User liest 10 Minuten den Artikel und verlässt die Seite. Während des Lesens des Blogartikels kam keine Interaktion zustande, da kein weiteres Element auf der Seite angeklickt wurde. Die Sitzung wird 30 Minuten nach der letzten Interaktion mit der Seite (Zeitpunkt B) beendet.

Die Sitzungsdauer wird wie folgt berechnet: Zeitpunkt B – Zeitpunkt A = 5 Minuten.

Schlussendlich wird in diesem Fall also ein Großteil der auf der Seite verbrachten Zeit nicht in Google Analytics abgebildet.

Doch was kann man dagegen unternehmen? Eine Methode, um gegen die Ungenauigkeiten dieses Messwerts anzukämpfen, wäre es Scroll Tracking auf der Seite einzubinden. Leider bringt Scroll Tracking jedoch häufig das Problem mit sich, dass das Hit Limit der gratis Version von Google Analytics bei größeren Webseiten relativ schnell überschritten wird.

Deshalb unser Tipp: Versuche die Nutzer zur Interaktion mit der Seite zu bringen. Ob es ein Klick auf den nächsten Artikel ist, ein Klick auf “weiterlesen” oder eine Aufforderung einen Kommentar zu verfassen. Interaktionen am Ende der Seite erhöhen die Genauigkeit der Sitzungsdauer.

PS: Über Feedback in den Kommentaren freuen wir uns immer! 😉

3. Conversion Rate (nach Channel)

Die Conversion Rate in dem Akquisitions-Bereich in Analytics zeigt uns den “Prozentualen Anteil der Besuche, die zu einer Conversion für das Ziel geführt haben”. Dementsprechend müsste uns die Conversionrate im „Channels“-Bericht verraten über welchen Kanal die meisten Conversions generiert wurden.

Bei einem kurzen Blick in den Bericht „Top-Conversion-Pfade“, wird deutlich, dass Nutzer vor Abschluss einer Conversion häufig mehrfach und über verschiedenste Kanäle in Kontakt mit der Website kommen.

Manchmal sieht der Pfad eines Nutzers bis zur Conversion so aus:

Top Conversion Pfade

Meistens dann aber doch eher wie einer dieser beiden:

Top Conversion Pfade

Wenn wir nun diese beiden Conversion-Pfade betrachten, stellt sich die Frage – welcher Quelle wird nun die Conversion zugeordnet? Laut der gegebenen Definition müsste die Zuordnung folgendermaßen aussehen:

Conversion 1: Organische Suche

Conversion 2: Direkt

Doch Google verwendet zur Zuweisung der Conversion an die Kanäle das “Letzter indirekter Klick”-Modell.

Das bedeutet, dass die Zuordnung von Conversions zum Kanal “Direkt” nur erfolgt, wenn kein anderer Kanal zuvor im Besuchspfad steht.

In der Realität erfolgt die Zuordnung also folgendermaßen:

Conversion 1: Organische Suche

Conversion 2: Bezahlte Suche

Übrigens: Hast Du dich schon Mal gefragt, warum in AdWords mehr Conversions angezeigt werden als in Google Analytics? AdWords selbst schreibt sich eine Conversion auch zu, wenn es nur zu einer Conversion beigetragen hat. In AdWords laufen also beide Fälle als Conversion auf.

Das von Google als Standard festgelegte Attributionsmodell ist in den meisten Fällen sinnvoll. Wer allerdings viel in Sozialen Medien, Display oder Offline-Werbung investiert, der sollte sich des Attributionsmodells bewusst sein und einen Blick in das Modellvergleichs-Tool werfen. Hier kann man mit unterschiedlichsten Modellen vergleichen, wie die Werteverteilung aussähe, wenn Conversions dem Kanal zugeordnet werden. welcher den Nutzer zum ersten Mal auf die Seite brachte, oder auch wenn jedem Kanal im Pfad ein prozentualer Anteil am Wert der Conversion zugeordnet wird.

Attributionsmodell

Häufig lassen sich mithilfe eines Vergleichs Potentiale in unterbewerteten Kanälen entdecken oder auch überbewertete Kanäle aufdecken.

Fazit

Nicht alle Daten, die in Google Analytics einlaufen sind perfekt, aber solange man sich dessen bewusst ist und weiß, wie die Daten richtig zu interpretieren sind, ist das auch kein Problem. Wenn man die Gründe für die Abweichungen kennt und deren Ausmaß einschätzen kann, lassen sich mit den durch Analytics gewonnen Daten richtungsweisende Analysen erstellen, mit denen exzellentes Data-Driven-Marketing betrieben werden kann!

Geschrieben von

Marc Hedrich ist Webanalyse Consultant bei morefire.

5 / 5 (5 votes)

Schreibe einen Kommentar

Loading Facebook Comments ...

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind markiert *

Loading Disqus Comments ...