Google Universal Analytics findet zwar am 01. Juli 2023 (am 01. Juli 2024 für 360 Properties) sein Ende, dennoch sollten die gesammelten Daten verstanden werden, wenn das Webanalyse Tool zu Google Analytics 4 oder einer Alternative wie PIWIK PRO oder Matomo gewechselt wird. Die Auswertungen, die Google Universal Analytics uns ermöglicht, sind die Grundlage für weitere Strategien zur Optimierung unserer Websites und unserer Marketingkanäle. Allerdings ist eine Strategie immer nur so gut wie die Daten, auf denen sie basiert. Die folgenden fünf Punkte geben Hinweise darauf, dass die Daten in Google Universal Analytics falsch sein könnten – und was man dagegen tun kann.
Warum ist das wichtig? Falsche Daten verzerren das entstehende Bild erheblich: So ist beispielsweise ein hoher Prozentsatz an Direct Traffic nicht mit der Bekanntheit einer Marke gleichzusetzen. In Wirklichkeit ist der hohe Anteil an Direct Traffic in Universal Analytics vielmehr ein Zeichen dafür, dass der Traffic keiner Quelle und keinem Medium zugeordnet werden kann.
Die nachfolgenden fünf Hinweise helfen dabei, die Daten in Google Analytics richtig zu deuten und mögliche Datenfehler aufzudecken.
Hinweis Nummer 1: Die durchschnittliche Sitzungsdauer ist deutlich höher als 2–5 Minuten
Klingt nett, ist aber unrealistisch. Wahrscheinlich sind es die eigenen Mitarbeiter oder andere interne Zugriffe, die die Sitzungsdauer so in die Höhe treiben. Vielleicht hat der Webentwickler oder die Webentwicklerin gerade wieder eine Nachtschicht gemacht?
Das Problem lässt sich lösen, indem wir den internen Traffic ausschließen. Da die IP-Adresse anonymisiert an Google übergeben werden muss, greift der Standard IP-Filter in Google Analytics nicht. Eine Alternative, um den internen Traffic auszuschließen, ist es, dem Nutzer einen Cookie beim Aufrufen einer bestimmten Unterseite der eigenen Webseite zu übergeben. Der Cookie wird über den Google Tag Manager eingebunden, nur auf einer extra angelegten Seite übergeben und hat dabei einen bestimmten Namen und Wert, wie bspw. „internal“ mit dem Wert „true“:
Abbildung 1: Cookie für den internen Traffic
Um diese Methode zu nutzen, muss im CMS eine extra Seite angelegt werden, die für das Setzen des Cookies genutzt werden kann. Des Weiteren muss im Google Tag Manager eine neue Variable, ein neuer Trigger und ein neuer Tag erstellt werden. Zusätzlich wird in Google Universal Analytics eine benutzerdefinierte Dimension angelegt, die später zum Herausfiltern der internen Nutzer dient.
Hinweis Nummer 2: Die Absprungrate liegt im einstelligen Bereich
Auch das könnte im ersten Moment ein sehr zufriedenstellender Wert sein, lässt sich aber mit realistischen Durchschnittswerten nicht vereinen.
Häufig ist der Grund für die geringe gemessene Absprungrate, dass Google Analytics auf der entsprechenden Seite gleich doppelt eingebunden wurde: Ein neues Tag wurde hinzugefügt, das alte Tag aber versehentlich nicht entfernt. Somit trackt Analytics nun den Seitenaufruf gleich zweimal – und der Nutzer kann praktisch nicht mehr „abspringen“. Lösung: Den doppelten Tag finden und den älteren entfernen. Dazu kann die Chrome-Erweiterung Tag Assistant (by Google) genutzt werden.
Eine andere Ursache kann sein, dass Events gemessen werden, die sofort „gefeuert“ (also ausgelöst) werden – zum Beispiel ein Scrolltracking, das bereits bei nur 25 % oder schon Above-the-Fold (Bereich der Webseite, der ohne nach unten zu scrollen sichtbar ist) gefeuert wird. Sobald ein Nutzer also nur minimal auf der Seite scrollt und anschließend die Seite verlässt, zählt das schon nicht mehr als Absprung – und die Absprungrate fällt dementsprechend niedrig aus.
Abbildung 2: Absprung vs. kein Absprung durch gefeuertes Event
Hier besteht die Lösung darin, das Event als „non-interactive“ zu definieren – somit wird es zur Auswertung der Absprungrate nicht mehr herangezogen. Analog kann ein Event aber auch dafür genutzt werden, die Absprungrate zu senken, indem ein Event nach einer gewissen Zeit getriggert wird. Dadurch kann auch bei nur einem Seitenaufruf die Absprungrate „normalisiert“ werden.
Nichtsdestotrotz sollte die Absprungrate mit Vorsicht und nicht als globale Metrik für die komplette Webseite genutzt werden. Ist sichergestellt, dass die Absprungrate nicht durch die genannten Faktoren beeinflusst wird, kann diese Metrik bspw. für Kategorien oder bestimmten Seiten der Webseite genutzt werden.
Hinweis Nummer 3: Der Anteil an Direct Traffic liegt bei über 10–30 %
Wie bereits eingangs erwähnt: Es ist äußerst unwahrscheinlich, dass die Marke so bekannt ist, dass ein so großer Anteil der Besucher die Web-Adresse direkt in ihren Browser eingibt. Viel wahrscheinlicher ist es, dass Google Universal Analytics die Traffic-Quellen nicht richtig zuordnen kann und sie aus diesem Grund als Direct Traffic wertet. Daher wird der Direct Traffic auch oft Dark Traffic genannt.
Hier helfen UTM-Parameter weiter. Diese kleinen Codes werden an URLs angehängt – beispielsweise Links in Newslettern, der E-Mail-Signatur oder im „Google My Business“-Profil. Die Parameter helfen Universal Analytics und auch vielen anderen Werkanalyse-Tools dabei, den Traffic einer Quelle, einem Medium und einer Kampagne zuzuordnen und immer mehr Ströme richtig zu identifizieren.
Das gilt übrigens insbesondere für Social Media: Wer einen Link aus der Facebook-App auf dem Handy heraus öffnet, hat erst in dem Moment Kontakt zum Browser, wenn die Website geöffnet wird – das sieht für Google nach Direct Traffic aus. Die Facebook-App kann Analytics als Quelle nur verstehen, wenn hier ein spezieller Link mit UTM-Parameter geklickt wird. Um UTM-Parameter zu erstellen gibt es zahlreiche kostenlose Tools im Internet.
Hinweis Nummer 4: Der Anteil an Direct Traffic übersteigt sogar 50–60 %
Nein, noch immer ist es leider nicht die Markenbekanntheit – möglicherweise ist das Consent-Management-Tool schuld daran. Das funktioniert normalerweise so:
Ein Nutzer besucht die Website, und die Information, woher er gekommen ist, wird aufbewahrt. Ohne die Zustimmung des Nutzers darf diese Information jedoch nicht an Google Universal Analytics gesendet werden. Deswegen muss der Nutzer zunächst auf den Button klicken und seine Zustimmung erteilen.
Nun gibt es leider einige Szenarien, die dazu führen können, dass die Information trotzdem verloren geht – zum Beispiel, wenn der Nutzer automatisch weitergeleitet wird, nachdem er zugestimmt hat. Er scheint dann „direkt“ auf der Website gelandet zu sein – und wird damit wieder dem Direct Traffic zugeordnet.
Wenn die Direct-Traffic-Zahlen also ins Unwahrscheinliche steigen, sollte das Consent-Management-Tool dringend überprüft werden.
Hinweis Nummer 5: PayPal oder andere Zahlungsanbieter erscheinen als Quelle
Das ist zunächst einmal richtig – denn nach der Bezahlung bei PayPal wird der Nutzer meist zur „Danke!“-Seite auf der entsprechenden Website zurückgeleitet, kam also direkt von PayPal auf die Website. Für uns ist aber nicht interessant, dass der Nutzer zuvor via PayPal bezahlt hat, sondern wie er überhaupt zum Kauf verleitet wurde.
Abbildung 3: Transaktion und PayPal als Referrer
Um das zu erfahren, müssen wir PayPal auf die Verweis-Ausschlussliste setzen. Das gelingt in Google Analytics über die Tracking-Information unter „Verwaltung“. Google Universal Analytics hat nun keine Möglichkeit mehr, PayPal als letzte Quelle anzugeben, und macht sich auf die Suche nach der echten, für uns interessanten Quelle.
Fazit: Analytics-Werte immer hinterfragen
Wenn etwas zu schön aussieht, um wahr zu sein, dann ist es das in der Regel auch. Der Erfolg jeder Optimierungsstrategie ist abhängig von den Werten, auf denen sie basiert. Es lohnt sich also, die Daten in jeglichen Analytics-Tools immer wieder kritisch zu hinterfragen: Können diese Werte wirklich stimmen? Manchmal zeigt sich dabei, dass eine Optimierung an ganz anderer Stelle eine viel größere und schnellere Wirkung nach sich zieht.
Infografik: Die 5 Hinweise auf einen Blick
Jannis Uch
