morefire
MENÜ

Erzählt Dir Google Analytics die Wahrheit? 5 Metriken einfach erklärt

Mit Google Analytics lassen sich allerlei Daten rund um das Geschehen auf Deiner Website erfassen und auswerten. Über welche Marketing-Kanäle kommen die meisten Besucher:innen auf Deine Website? Welche Seiten scheinen von besonderer Bedeutung und werden daher häufig angesehen? Welche Produkte werden in welcher Anzahl gekauft?

Diese und viele weitere Fragen kannst Du mithilfe von Google Analytics beantworten.

Doch wie verlässlich sind Deine Google Analytics Daten eigentlich? Wir zeigen Dir anhand von fünf Beispielen, dass Deine Daten häufig nicht so exakt sind, wie sie den Anschein haben und warum das so ist.

1. Nutzerzahlen

Was genau ist eigentlich “ein Nutzer” in Google Analytics?

Theoretisch ist ein:e Nutzer:in eine reale Person, welche Deine Website mindestens einmal besucht hat.

Praktisch kann Google Analytics allerdings keine realen Personen identifizieren. Aktuell bleibt uns also nichts anderes übrig, als die Nutzenden mittels eines Cookies zu definieren. Dieser Cookie wird beim ersten Seiten-Besuch der Nutzenden in dessen Browser gesetzt und gespeichert. Bei jedem weiteren Besuch der Seite über dasselbe Gerät und denselben Browser kann Analytics die Nutzenden nun also als wiederkehrende Benutzer:innen identifizieren.

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

Icon Aufzählung um dasselbe Gerät handelt,
Icon Aufzählung um denselben Browser handelt, und
Icon Aufzählung die Cookies seit dem letzten Besuch nicht gelöscht wurden.

In der Realität allerdings besuchen wir eine Website häufig mit mehreren Geräten und mit mehreren Browsern.

Hier ein kleines Beispiel:

Beim Durchscrollen des Newsfeeds in der Facebook App in der Bahn entdeckst Du eine interessante Anzeige und klickst darauf. Die Seite, auf die die Anzeige leitet, wird im Facebook-In-App-Browser geladen.

Später bist Du Zuhause und öffnest die Seite mit dem Browser Deines Smartphones, um Dich weiter über das Produkt zu informieren. Du entscheidest Dich, das Produkt zu kaufen und greifst nun zu Deinem Laptop, da die Eingabe der Zahlungsdaten hier leichter fällt.

Hier wurden also zwei Geräte und drei verschiedene Browser verwendet. In der Realität handelt es sich um einen einzelne Person. In Google Analytics würden allerdings drei verschiedene Nutzer:innen gezählt.

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

Anders herum kann eine Website über dasselbe Gerät und denselben Browser auch von mehreren realen Personen aufgerufen werden, zum Beispiel wenn mehrere Familienmitglieder dasselbe Endgerät benutzen.

2. Durchschnittliche Sitzungsdauer

In Analytics selber wird die durchschnittliche Sitzungsdauer als “Die durchschnittliche Länge einer Sitzung” definiert, also wie lange Nutzende im Durchschnitt innerhalb eines Besuchs auf der Webseite verweilen. An und für sich ein interessanter Messwert um Rückschlüsse ziehen zu können, ob der Seiteninhalt den Besucher:innen einen Mehrwert bietet.

Wie wird nun die Sitzung gemessen?
Standardmäßig beendet Google Analytics eine Sitzung nach 30 Minuten Inaktivität, das heißt, nachdem der oder die Nutzende nicht mehr weiter mit der Seite interagiert hat. Im Anschluss berechnet Analytics die Zeit zwischen der ersten und letzten Interaktion mit der Seite.

Doch was macht diesen Messwert so ungenau?

Ein Beispiel:
Jemand besucht Deine Webseite über die Startseite, sieht sich diese 5 Minuten lang an und klickt auf einen Blogartikel. Er oder sie liest diesen und verlässt danach die Seite.

Mit dem Öffnen Deiner Startseite wird die Sitzung zum Zeitpunkt A begonnen. Das folgende Ansehen des Blogartikels 5 Minuten später wird als Zeitpunkt B gespeichert.

Nun folgt das Lesen des Blogartikels für weitere 10 Minuten, danach wird die Webseite verlassen. Während des Lesens des Blogartikels wird kein weiteres Element auf der Seite angeklickt und somit auch keine weitere Interaktion an Analytics gesendet. Die Sitzung wird 30 Minuten nach der letzten Interaktion mit der Seite (Zeitpunkt B) beendet.

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

Schlussendlich wird in diesem Fall also ein Großteil der auf der Seite verbrachten Zeit, nämlich die auf dem Blogartikel, nicht in Google Analytics abgebildet.

Was kannst Du nun dagegen unternehmen?

Eine beliebte Methode, um gegen die Ungenauigkeiten dieses Messwerts anzukämpfen, ist z.B. die Implementierung von Scroll Tracking. Hier wird mit der Scrolltiefe der Seite ein Interaktions-Event an Google Analytics gesendet, sodass die Interaktion des “inaktiven” Lesens nicht verloren geht

Unser Tipp: Versuche mögliche Interaktionen zu messen oder die Nutzenden zur Interaktion am Ende der Seite anzuregen. Interaktionen am Ende der Seite erhöhen die Genauigkeit der Sitzungsdauer.

Wie ein sogenanntes Content Engagement Tracking genau aussieht hat meine Kollege Julian in diesem Blogartikel beschrieben.

Kleiner Exkurs: Eine Session endet übrigens nicht nur nach 30 Minuten Inaktivität, sondern auch um Mitternacht oder wenn der Nutzer innerhalb des Besuches plötzlich über eine andere Kampagnenquelle wiederkommt.

3. Conversion Rate (nach Channel) & Attribution

Schauen wir uns in Google Analytics die Conversion Rate an, so betrachten wir den “Prozentualen Anteil der Besuche, die zu einer Conversion für das Ziel geführt haben”.

Dementsprechend müsste uns die Conversion Rate im „Channels“-Bericht verraten, über welchen Kanal die meisten Conversions generiert wurden.

Wirfst Du einen Blick in den Bericht „Top-Conversion-Pfade“, so wird deutlich, dass Besucher:innen vor Abschluss einer Conversion häufig mehrfach und über verschiedenste Kanäle in Kontakt mit der Website kommen.

Manchmal sieht der Pfad bis zur Conversion so aus:

Conversion-Pfad
Conversion-Pfad

 

Meistens dann aber doch eher wie einer dieser beiden:

Alternative Conversion-Pfade
Alternativer Conversion-Pfad

Bei der Betrachtung dieser beiden Conversion-Pfade stellt sich uns nun die Frage, welcher Quelle die Conversion schlussendlich zugeordnet wird. Laut Abbildung müsste die Zuordnung folgendermaßen aussehen:

Conversion 1: Organische Suche

Conversion 2: Direkt

Doch Google Analytics verwendet zur Zuweisung der Conversion an den jeweiligen Kanal das Modell “Letzter indirekter Klick”.

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

In der Google-Analytics-Realität erfolgt die Zuordnung also folgendermaßen:

Conversion 1: Organische Suche

Conversion 2: Bezahlte Suche

Übrigens: Hast Du Dich schon Mal gefragt, warum in Google Ads mehr Conversions angezeigt werden als in Google Analytics?

Google Ads schreibt sich selbst eine Conversion auch dann zu, wenn die Anzeige nur zu einer Conversion beigetragen hat. In Google Ads laufen also beide Fälle als Conversion auf.

Das von Google Analytics als Standard festgelegte Attributionsmodell ist in den meisten Fällen sinnvoll. Wer allerdings viel in soziale Medien, Display oder Offline-Werbung investiert, der sollte sich des Attributionsmodells bewusst sein und einen Blick in das Modellvergleichs-Tool werfen.

Hier kannst Du unterschiedliche Attributions-Modelle miteinander vergleichen und schauen, wie die Werteverteilung aussähe, wenn Conversions dem Kanal zugeordnet würden, welcher die Nutzer:in zum ersten Mal auf die Seite brachte, oder auch wenn jedem Kanal im Conversion-Pfad der gleiche Anteil zuteil wird.

Attributionsmodell
Attributionsmodell

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

4. Conversion Rate & Conversions

Um den Erfolg Deiner Website zu messen, solltest Du in Google Analytics unbedingt Conversions einrichten, die wertvolle Schlüsselaktionen auf Deiner Website widerspiegeln. Das kann das Absenden eines Formulars, ein PDF-Download oder vielleicht auch ein Seitenaufruf sein. Hast Du die Messung einmal eingerichtet, so kannst Du Dir alle getätigten Conversions in den Berichten ansehen, z.B. im Akquisitions-Bericht oder auch im eigenen Conversion-Bericht. 

Moment, alle Conversions?
Dass Google Analytics in den meisten Fällen nicht alle Conversions messen kann (z.B. durch Tracking Blocker, fehlenden Consent), ist bekannt.
Google Analytics bringt allerdings auch von Haus aus eine Messung mit, die eine einfache Zählung der Conversions pro Sitzung mit sich bringt, auch wenn die Aktion in der Sitzung mehrfach ausgeführt wurde. Ein Beispiel:

Es ist ein Ziel zur Messung aller PDF-Downloads Deiner Website eingerichtet. Ein Nutzer oder eine Nutzerin schaut sich auf Deiner Website um und vergleicht zwei Produkte.

Um sich weitergehend zu den Produkten zu informieren, lädt er oder sie sich das jeweils zur Verfügung gestellte technische Datenblatt beider Produkte runter. Es werden also zwei PDF-Downloads ausgeführt.
In Analytics würde hier nur ein PDF-Download als Conversion einlaufen, da der gleiche Zielabschluss nur einmal pro Sitzung gemessen wird.

Unser Tipp: Falls Dein Ziel auf einem Event basiert, kannst Du Dir die Anzahl der Events im Event-Bericht anschauen. Diese werden immer gezählt.

Goals & Conversion Rate
Goals & Conversion Rate

Die Conversion-Rate für eine Conversion gibt das Verhältnis von Zielabschlüssen zu Sitzungen an. Die Conversion-Rate für alle Conversions gibt das Verhältnis von allen Zielabschlüssen zu Sitzungen an. Betrachtest Du die Conversion-Rate aller Conversions, so entsteht schnell der Eindruck, das dies den Anteil an Sitzungen mit Zielabschluss widerspiegelt.

Da in einer Sitzung aber mehrere Ziele ausgeführt werden können, entspricht die Gesamt-Conversion-Rate nicht dem tatsächlichen Anteil erfolgreicher Sitzungen (=Sitzungen mit Zielabschluss).
Durch die Einbeziehung aller Conversions kann die Gesamt-Conversion-Rate etwas verzogen werden.

5. Direkter Traffic

Unter direktem Traffic versteht sich häufig, dass Besucher:innen die Website über eine direkte Adresseingabe im Browser öffnen, oder die Website über ein Browser-Lesezeichen besuchen. Je nach Höhe des Direct Traffics kann es den falschen Anschein erwecken, dass die Website bzw. die Marke in der Nutzerschaft bereits sehr bekannt ist.

Tatsächlich aber ordnet Google Analytics sämtlichen Traffic dem Kanal Direkt zu, wenn die Verweis-Information fehlt und Analytics demnach nicht genau feststellen kann, woher der Traffic kommt. Dieser “unbekannte” Traffic wird häufig auch als “Dark Traffic” bezeichnet. Ein häufig auftauchendes Beispiel ist Traffic, der über Links aus E-Mails generiert wird. Da kein Verweis mit übergeben wird, erkennt Analytics das E-Mail-Programm nicht als Quelle. Ähnlich verhält es sich mit Traffic über Apps oder Links in PDF-Dokumenten.

Unser Tipp: Nutze UTM-Parameter für jegliche Art von Traffic, die Du auf Deine Website schickst. Diese kannst Du an die Verlinkungen Deines Newsletters hängen oder Deine Social Media Postings damit ergänzen. Somit reduzierst Du den Anteil an Dark Traffic und verfeinerst den Traffic-Anteil Deiner übrigen Kanäle.


Webinar Online Marketing Dashboards

Willst Du noch mehr über dieses Thema wissen?
Dann hole Dir weitere nützliche Tipps in unserem kostenlosen Webinar – Dashboards im Online Marketing.


Fazit

Nicht alle Daten, die Du in Google Analytics auswerten kannst, sind auf den ersten Blick greifbar und verständlich. Ein Blick in die Support-Dokumente lohnt sich, um die Definitionen nachzulesen und die Zusammensetzung der Metriken zu verstehen. Das hilft Dir, Deine Auswertungen zu hinterfragen und passende Handlungsempfehlungen abzuleiten.
Solange Du Dir der Definition bewusst bist und weißt, wie diese Daten zu interpretieren sind, hast Du mit Google Analytics ein super Analyse-Tool zur Hand.

Veronique Hahn

Veronique ist Consultant Paid Media bei morefire. Am liebsten kuschelt sie aber mit Bürohund Manson. Für spontane Reisetrips, Kinobesuche und gutes Essen ist sie immer zu haben.

5 / 5 (6 votes)

Ein Kommentar

Sebastian schrieb am 14. September, 2020 @ 14:46

Vielen Dank für den Artikel! Das größte Problem allerdings sind doch die fehlenden Daten in Analytics, die aufgrund von Opt-out und Cookie-Blockern entstehen. Auf meinem Blog beträgt die Differenz zwischen Besuchszahlen gemessen über die Search Console und Analytics teils Abweichungen von 90%, weil je nach Einbindung des Opt-Ins die meisten UserInnen keine Cookies mehr akzeptieren. LG Sebastian.

Schreibe einen Kommentar

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