Vier häufige Fehlinterpretationen in Google Analytics, die Sie viel Geld kosten können!

Big Data ist im Online-Bereich so wichtig wie nie zuvor. À la NSA wird alles aufgezeichnet, gespeichert und analysiert. Dabei wird oft die Frage gestellt „Wie sicher sind meine Daten?“ Ich möchte nun eine andere Frage stellen: „Wie sicher sind Sie im Umgang mit Daten?“

Meine Behauptung

Ein großer Teil der Verantwortlichen die Tests auf Webseiten durchführen, haben keine echte statistische Grundlage für ihr Vorgehen. Sie handeln auf Basis von Halbwissen, falschen Ableitungen und Vermutungen.

Folgende Situation

Man schaut mal wieder in Google Analytics, klickt ein wenig durch die Menüpunkte und landet im Content-Bereich. Ein sehr beliebter Wert, an dem potentielle Schwachstellen abgeleitet werden, ist die Absprungrate (engl. Bouncerate). Ist diese zu hoch, kann man meist recht zuverlässig sagen, dass es auf der Seite irgendein Problem gibt. Also sucht man nach einer URL, die ...

a) viele Besucher hat,
b) wirtschaftlich relevanten Content enthält und
c) eine überdurchschnittlich hohe Absprungrate besitzt (Pi mal Daumen > 25 %)

Eine Tabelle, die sich dann zeigt, könnte in etwa so aussehen:

Analytics Screenshot OHNE QUELLE

Perfekt, oder? Also aus meiner, der Optimierer-Sicht natürlich. Wirtschaftlich gesehen ein Grauen, eine schlechte Absprungrate und viele Ausstiege deuten darauf hin, dass die Besucher nicht das finden was sie erwarten. Hier gibt es definitiv einiges zu tun und viel Potential zur Verbesserung.

Wenn es sich dabei dann noch um eine Produktseite mit einem hohen Seitenwert handelt, sollte es doch sehr rentabel sein, die Schwachstellen mit einem guten Testkonzept auszumerzen, oder?

Da kann doch eigentlich nur die Frage lauten: „Wann geht‘s los ...?“

Was passiert dann?

Hypothesen werden ausgearbeitet, Projektpläne geplant, Konzepte konzipiert, Designs designed, Tests gestartet und nach drei Wochen Planung, vier Wochen Testlaufzeit und über 1500 Conversions kommt am Ende ein nicht signifikanter Uplift heraus von 0,02 Prozent. Mist!

Und wo war nun der Fehler?

Der liegt, wie so oft, in der qualitativen Datenanalyse im Vorfeld. Der Test kann noch so gut sein, die Hypothese noch so stark, aber wenn das Kernproblem vorher passiert, bringt das alles nichts. Oder zumindest nicht so viel wie erwartet. In diesem speziellen Fall lag es an der Traffic-Quelle.

Wenn man die Daten genauer analysiert, stößt man irgendwann auf diese Tabelle:

Analytics Screenshot MIT QUELLE

Drei der vier Haupt-Traffic Quellen sind Affiliate-Netzwerke. Immer mit Absprungraten von über 99 Prozent. Wer nun noch weiß, dass Affiliate-Netzwerke teilweise mit Paidmail oder Forced-Klick-Modellen arbeiten, sollte über den erzielten Uplift nicht mehr verwundert sein. Personen die bezahlt oder gezwungen werden, auf eine Anzeige zu klicken, wird man auch nicht mit der stärksten Hypothese zum Kauf bewegen.

Meine Intention ist aber nicht, bestimmte Traffic-Quellen zu bewerten, sondern zu verdeutlichen, wie wichtig es ist, sich mit seinen Analysezahlen (oder mit denen des Kunden) genau auseinanderzusetzen. Natürlich ist die Menge der Daten inzwischen unglaublich riesig und nur noch schwer zu überschauen. Aber genau aus diesem Grund ist es so relevant die Zahlen auf deren Basis das Testbudget vergeben wird, genau zu analysieren.

Hierbei gilt es, vor allem einen einheitlichen Strang zu verfolgen, der sich durch die gesamte Analyse zieht um zu vermeiden, dass Daten mit unterschiedlichen Ursprüngen vermischt werden.

Das Vergessen der Traffic-Quelle ist nur ein Punkt von vielen. Als kleinen Überblick finden Sie nachfolgend vier häufige Fehlinterpretationen in Google Analytics, die Sie viel Geld kosten könnten:

#1 Zahlen unter verschiedenen URLs zusammenfassen

Intention: Herausfinden, welche Kategorieseiten/Produktseiten am besten funktionieren.

Vorgehen: Per Reg-Ex alle Seiten-URLs heraussuchen, die das Wort der entsprechenden Kategorie enthalten. Aus den Zahlen im Tabellenkopf werden dann Schlüsse gezogen.

Reg-Ex

Der Fehler: Statistisch gesehen sind die Zahlen im Tabellenkopf absolut irrelevant. Keiner der angezeigten Werte hat irgendeine Aussagekraft, da sie auf einer völlig unterschiedlichen Datenbasis beruhen. Es können keine Besucher einer Quelle zugeordnet, keine Einstiege korrekt differenziert und keine Absprungraten in ein Verhältnis gesetzt werden.

#2 Seitenaufrufe als relevant erachten

Intention: Welche meiner Seiten ist die wichtigste? Wo habe ich die meisten Besucher?

Vorgehen: Bei der Datenanalyse wird die Metrik Seitenaufruf (engl. Pageview) für die Berechnung relevanter KPIs verwendet.

Visits

Der Fehler: Eine weit verbreitete Annahme ist es, dass ein Seitenaufruf ein relevanter KPI ist. Das ist er aber nicht, zumindest in 95 Prozent der Fälle. Ein Seitenaufruf beschreibt eben nur den reinen Aufruf, und kann von einem Besucher während einer Session auch mehrmals ausgelöst werden. Das macht ihn für Datenberechnungen irrelevant, da man rein aus dem harten Wert nicht herauslesen kann, ob nun 100 Besucher auf der Seite waren oder aber 50 Besucher die Seite jeweils zweimal aufgerufen haben. Werden auf diesem Wert wichtige Zahlen wie etwa Absprungrate, Konversionsrate oder gar Umsatz ermittelt, kann das ziemlich nach hinten losgehen.

#3 Zeitraum nicht beachten

Intention: Klassische Datenanalyse

Vorgehen: Analysieren, Schwachstellen finden, Potentiale fett markieren und beim Chef das Lob abholen für die tolle Analyse.

Zeitraum

Der Fehler: Der Zeitraum der Datenerhebung wird falsch gewählt oder auch gar nicht beachtet. Mir ist es selbst schon oft passiert, dass ich anfing eine Datenanalyse zu starten und 30 Minuten und diverse Screenshots später fiel mir auf, dass ein völlig falscher Zeitraum eingestellt ist.

Wichtig ist immer vollständige Zyklen zu analysieren. Also von Montag bis Sonntag, einen Monat, ein Quartal, ein Jahr, etc. Außerdem sollten saisonale Veränderungen besonders beachtet werden.

#4 Ausstiege mit Einstiegen in Verbindung bringen

Intention: Schwachstellen finden

Vorgehen: Um sich einen besseren Überblick zu verschaffen, werden wichtige Einstiegsseiten auf Ausstiege untersucht. Dadurch soll bestimmt werden, wie viele Besucher die Seite nach dem Einstieg wieder verlassen.

Einstiege_Ausstiege

Der Fehler: Einstiege stehen in überhaupt keinem Zusammenhang zu Ausstiegen. Das Pendant zu Einstiegen sind Absprünge, da diese sich direkt auf neue Besucher beziehen. Unter Ausstiege fallen auch die Besucher, die sich schon lange auf der Seite bewegen. Daher ist eine Seite mit vielen Ausstiegen, nicht zwangsweise auch eine Seite mit einem Problem.

Ein Beispiel:
Sie sind über eine Landingpage in einen Online-Shop gelangt, finden leider nicht das Passende, noch ein kurzer Blick auf die Startseite und wieder zurück zu Google.

Das System misst:
Landingpage: 1 Einstieg, 0 Ausstiege
Startseite: 0 Einstiege, 1 Ausstieg

Außerdem sollten Sie für die Definition ob es nun „viele“ oder „wenige“ Ausstiege sind, immer die Metrik Eindeutige Seitenaufrufe (engl. Unique Pageviews) als Verhältnis wählen.

Fazit:

Dass Seiten mit hohen Absprungraten, Ausstiegsraten oder schlechten Konversionsraten in den meisten Fällen Potential bieten, um mit einem Test einen wirklichen Uplift zu erzeugen, will ich gar nicht bezweifeln. Dennoch werden gerade in der qualitativen Analyse oftmals Besucherflüsse vermischt und Kennzahlen vertauscht, so dass die statistische Genauigkeit erheblich darunter leidet. Dies kann sich mal mehr und mal weniger stark auf Testergebnisse auswirken. Ein guter Test wird auch auf einer guten Seite oft noch einen Uplift erzielen. Aber durch eine sorgfältige Analyse der Zahlen lässt sich die Wahrscheinlichkeit deutlich erhöhen, einen wirklichen wirtschaftlichen Mehrwert zu erzielen.

Haben Sie auch schon den einen oder anderen Analysebock geschossen? Ich freue mich auf Ihre Kommentare!

  • Teilen
  • Send to Kindle
  • http://www.konversionskraft.de/?p=19043
Max Freund Max Freund ist als Senior Conversion Architect bei der Web Arts AG tätig. Er beschäftigt sich mit der Konzeption, Analyse und Interpretation von Tests zur Optimierung von Online-Portalen.

Frage zum Artikel? Fragen Sie den Autor!


Please leave this field empty.

21 Reaktionen auf  “Vier häufige Fehlinterpretationen in Google Analytics, die Sie viel Geld kosten können!”

Kommentare

  1. Mario Burgard Mario Burgard

    Tja, wer kann sich hier schon frei machen von einem Fehler in der Analyse?
    Ein guter Beitrag. Da ich natürlich jetzt selbst schon zwei maßgebliche Fehler gefunden habe, dich ich in meiner Analyse mache, hätte ich mich allerdings über einen Hinweis gefreut, darin besser zu werden.
    Bspw. mit einer Buchempfehlung o.ä.
    Würde mich über eine freuen;)

  2. Manni Fokus Manni Fokus

    Vorsicht auch vor „natürlichen“ Ausstiegen. Auf einer Onlineshop-Seite eines Multi-Channel-Anbieters ist eine hohe Ausstiegsquote an manchen Stellen ok. „Kunde sucht Kontaktdaten, findet sie, verlässt den Shop und bringt sein gesamtes Geld geradewegs in die Filiale“. Also besser prüfen, ob die Ausstiege vielleicht erwünscht sind, als sich lustige Hypothesen zu überlegen, um die Ausstiegsquote zu senken (weil die ja im Verhältnis zum Website-Durchschnitt laut Webanalyse auffällig schlecht ist)

  3. JK JK

    Hallo Leute,

    ich habe heute einen Artikel gefunden, der diesem doch ziemlich ähnelt:

    http://onlinemarketing.de/news/5-weit-verbreitete-und-kostenspielige-google-analytics-fehlinterpretationen

    Der Autor ist aber nicht der selbe. Was ist da los?!;-)

    Viele Grüße

  4. André Morys André Morys

    Ich würde sagen: ein dreister Fall von Content-Klau. Danke für den Hinweis!

  5. Torsten Hubert Torsten Hubert

    Der oben erwähnte Artikel wurde seitens des Anbieters entfernt. Danke nochmal für den Hinweis.

  6. Max Freund Max Freund

    Hallo Herr Burgard,

    das stimmt! Frei von Fehlern in der Analyse ist wahrscheinlich niemand. So ist auch dieser kleine Überblick entstanden;)

    Es gibt einige gute Bücher zum Thema Google Analytics. Immer gut ist natürlich Avinash Kaushik. Die Beste Empfehlung die ich Ihnen aber geben kann, ist sich täglich mit Analytics auseinanderzusetzen. Da lernt man immer noch das meiste.

    @ Manni Fokus: Richtig, solche Sonderfälle muss man immer im Auge behalten.

    @ JK: Vielen Dank auch noch mal von meiner Seite für den Hinweis.

  7. Lukas O. Lukas O.

    Interessanter Überblick über Basics, die jeder GA-Nutzer eigentlich wissen sollte, bevor er daraus Schlüsse zieht.

    Zwei Sachen sollten allerdings korrigiert werden:

    1. „Seitenaufruf (engl. Visit)“ => nein, Visit ist selbstverständlich „Besuch“, „Seitenaufruf“ wäre „Pageview“.

    2. „Eindeutige Seitenaufrufe (engl. Unique Visits)“ => nein, „Unique Visits“ gibt es gar nicht, „Unique Pageviews“ wäre korrekt.

    Ausserdem:
    Ein Seitenaufruf kann sehr wohl sehr häufig eine relevante KPI sein. Für alle Websites, bei denen pro Seitenaufruf neue Display Impressions ausgelöst werden, sind Seitenaufrufe bares Geld. Auch für Redaktionen, die zum Beispiel wissen wollen, welche ihrer neuen Artikel letzte Woche das meiste Interesse auf sich gezogen haben, sind Seitenaufrufe noch immer die Währung.

    Meines Erachtens ist aber der häufigste Fehler bei der Interpretation von GA-Berichten, dass man sessionbasierte Metriken für hitbasierte Dimensionen verwendet. Der häufigste Fall: „Visits“/“Besuche“ für Seiten. Da spuckt GA nicht das aus, was man erwarten würde, daher stattdessen immer mit Unique Pageviews (eindeutige Seitenaufrufe) arbeiten.

  8. Lukas O. Lukas O.

    Nachtrag: „Außerdem sollten Sie für die Definition ob es nun „viele“ oder „wenige“ Ausstiege sind, immer die Metrik Eindeutige Seitenaufrufe (engl. Unique Visits) als Verhältnis wählen.“

    Das ist m.E. falsch, hier sollte man statt mit „Ausstiegen“ einfach mit der Bounce Rate („Absprungrate“) arbeiten. Die eindeutigen Seitenaufrufe machen den Bericht nicht aussagekräftiger.

  9. Max Freund Max Freund

    Hallo Lukas,

    danke für Deinen Hinweis und das super Feedback. Der peinliche Übersetzungsfehler wurde inzwischen korrigiert.☺

    Dass ein Seitenaufruf zur Berechnung des Werbeertrags relevant ist, bezweifle ich auch nicht. Aber wenn mit einem Seitenaufruf wichtige KPIs wie etwa die Conversionrate oder Absprungrate berechnet werden, ist das ein Problem. Und zwar eine ähnliche Problematik wie mit sessionbasierten Metriken, die Du ja auch beschreibst.

    Beim zweiten Punkt kommt es darauf an welcher Schritt im Prozess untersucht wird. Eine Absprungrate im Checkout ist zum Beispiel meist nicht relevant, da an dieser Stelle nur selten Einstiege stattfinden. Also verwendet man Ausstiege um Schwachstellen zu identifizieren, aber eben bitte mit „eindeutige Seitenaufrufe“ als Richtwert und nicht mit „Einstiegen“ ☺

  10. Kim Weinand Kim Weinand

    Guter Artikel mit echtem Nutzwert für Analytics-Halbwissende.
    Ich hatte vor einigen Monaten den Fall, dass ein Kunde aufgrund seiner Absprungrate eine Zielseite komplett umstrukturieren wollte.
    Er hatte Display-Werbug auf regionalen Portalen geschaltet. Die Werbung wurde sogar mit einen korrekten Kampagnenlink erstellt (…das vergessen auch viele!) Die Auswertung konnte er sich somit unter Besucherquellen / Kampagnen anschauen, aber er hat nie darauf geachtet, auf welcher Zielseite die Besucher eigentlich ankommen!

    ….Er hatte in seiner Display-Werbung den falschen Link hinterlegt und hätte beinahe aufgrund der Absprungrate die falsche Entscheidung getroffen! Die Analyse ist wirklich die wichtigste Maßnahme und dafür sollte man sich unbedingt Zeit nehmen.

  11. Sven Möller Sven Möller

    Hallo,

    sehr guter Artikel!
    Eine Frage/Anmerkung. Sollte man bei den Ausstiegsraten nicht nur zwischen Traffic-Art sondern auch „Content-Art“ unterscheiden.

    Auf meiner Seite landet beispielsweise sehr viel SEO-Traffic auf einem Artikel über Schwarzer Tee und Gesundheit“ und hier ist die Ausstiegsrate sehr hoch (ca. 80% gemessen bei mehreren tausend Besuchern),
    dies hängt meiner Meinung nach aber mit der Content-Art zusammen. Der Nutzer will sich nur zu diesem Thema informieren und verlässt anschließend wieder die Seite.

    Viele Grüße

    Sven Möller

  12. Dirk Schiff Dirk Schiff

    Starker Artikel mit plausiblen Argumenten. Die Absprungsrate wird in Zeiten von Penguin und Panda einer der wichtigsten Parameter. Es stimmt absolut, dass man die Quellen kennen muss, ansonsten bringen gute Werte in puncto Besucherzahlen auch keine relevante Aussagekraft.

  13. Jürgen Müller Jürgen Müller

    Sehr aufschlussreicher Artikel!

    Ich habe mich bei einigen Fehleinschätzungen ertappt.
    In GA finde ich in letzter Zeit häufig im Content Seiten, die gar nicht zu meiner Website gehören und auffällig viele Besucher aus Russland.

    Ist das ein Problem?
    Wie kann ich das herausfiltern?

    Im Voraus vielen Dank für eine Antwort

  14. marlonb marlonb

    Sehr schön geschrieben.
    Auch wenn es schon eine Weile her ist, als Ihr Beitrag online ging: alternativ (sofern nicht auf mobile Geräte bereits angepasst) kann es auch helfen, die Besucher in Gerätekategorien aufzuteilen, um zu sehen, ob der Umstieg auf hybride Webseiten Sinn ergibt. Es wird ja doch nun mehr auf mobilen Geräten als auf dem Desktop gesurft (je nach Themengebiet).

    Hier ist ein Blog Beitrag, wie man seine Besucher in Gerätekategorien (desktop, mobile, tablet) unterteilen kann und wie einem das hilft: http://www.flyacts.com/blog/4-wichtige-informationen-ueber-ihre-zielgruppe-die-euch-die-planung-einer-mobilen-shop-app-erleichtern/

  15. Konstantin Wall Konstantin Wall

    Die Absprungrate ist klar. Diese bezieht sich auf die Einstiege. Aber die Ausstiege: Wenn ich das richtig sehe, beziehen diese sich auf „einzelne Seitenaufrufe“ (in Google Analytics). Google selbst spricht hier von Sitzungen („3 von 5 Sitzungen enthielten Seite A“). Da in einer Sitzung die Seite A aber auch 3x vorkommen kann, wird hier nur von „..enthielten Seite A“ gesprochen. Dürfte man also festmachen, dass die Ausstiege sich auf „einzelne Seitenaufrufe“ und nicht auf „Seitenaufrufe“ bezieht?

  16. Jasmin Jasmin

    #2 Seitenaufrufe als relevant erachten.

    Vielleicht weiß hier jemand besser Bescheid. Handelt es sich bei den Daten zu den Seitenaufrufen/ Sitzungen um monatliche Berechnungen?

  17. Max Freund Max Freund

    Hallo Konstantin,

    Ausstiege beziehen sich immer auf reine „Seitenaufrufe“. Nicht auf „einzelne Seitenaufrufe“

    Einzelne Seitenaufrufe ist noch mal ein Sonderfall. Hier wird pro Sitzung eine Seite nur einmal gezählt, was aber nichts mit den Ausstiegen zu tun hat und in meinen Augen nur noch mal mehr Verwirrung stiftet 😉

    @Jasmin: Was genau meinst du für Daten?

    Beste Grüße
    Max

Trackbacks/Pingbacks

  1. […] Wer sich mit Conversion-Optimierung beschäftigt, wird regelmäßig auf die Daten von Google Analytics zurückgreifen. Doch nur die richtige Interpretation der Daten kann auch eine verbesserte Conversion bewirken. Auf konversionskraft.de werden ein paar häufige Fehler bei der Google-Analytics-Dateninterpretation aufgedeckt. Beispiel: Eine Seite ist auffällig, weil sie zwar viele Besucher und relevanten Content enthält, aber auch eine überdurchschnittlich hohe Absprungrate besitzt. Fehlinterpretation: “Hier lohnt es sich, Zeit in ein umfangreiches Optimierungskonzept zu investieren”. In diesem Fall wäre aber ein Blick auf die Traffic-Quellen sinnvoll gewesen. Tatsächliche Ursache für die hohe Absprungrate kann beispielsweise ein hoher Anteil an Affiliate-Netzwerken als Traffic-Quelle sein. Wenn Affiliates mit Forced-Klick-Modellen arbeiten, bei denen der User auf die Anzeige klicken muss, ist die hohe Absprungrate nicht mehr überraschend. Weitere Tipps erhaltet ihr in dem lesenswerten Artikel auf konversionskraft.de. […]

  2. […] Vier häufige Fehlinterpretationen in Google Analytics […]

  3. […] Vier häufige Fehlinterpretationen in Google Analytics, die Sie viel Geld kosten können! […]

  4. […] zu verstehen. Trotzdem kann es bei der Auswertung von Google Analytics Daten auch sehr schnell zu Fehlinterpretationen kommen, daher sollten Daten immer entsprechend hinterfragt […]

Hinterlassen Sie einen Kommentar

Du hast Fragen?

Gerne stehen wir Dir jederzeit für Fragen zur Verfügung. Du erreichest uns unter 06172-68097-0 oder per E-Mail unter training@konversionskraft.de.

Deine Referenten