Fünf Google-Analytics-Kennzahlen, die oft missverstanden werden

Missverstandene GA-Kennzahlen

|

22. Mai 2017

 | 

Es gibt einige Google-Analytics-Kennzahlen, die in der Welt des Online-Marketings einige Verwirrung stiften und oft falsch interpretiert werden. In diesem Artikel erklären wir, welche Kennzahlen einer genaueren Kenntnis bedürfen und wie diese Messwerte am besten berechnet werden, um sie richtig zu interpretieren.

1. Durchschnittliche Besuchszeit einer Seite / Durchschnittliche Sitzungsdauer

Google Analytics kalkuliert die Besuchszeit auf einer Seite als Unterschied zwischen dem Page Load einer Seite und dem Page Load der nächsten Seite. Aus diesem Grund kann Google Analytics die Besuchszeit auf der letzten Seite eines Besuchs nicht kalkulieren. Um dies auszugleichen, werden bei der Berechnung der durchschnittlichen Besuchszeit einer Seite alle Seitenaufrufe ausgeschlossen, bei denen es sich um den Aufruf der letzten Seite eines Besuchs handelt. Das heisst auch, dass die Berechnung der durchschnittlichen Besuchszeit einer Seite mit einer hohen Ausstiegs-Rate auf relativ wenigen Seiten basiert.

Bei der Kennzahl "durchschnittliche Sitzungsdauer" hingegen fliesst der Seitenaufruf der letzten Seiten eines Besuches nicht mit ein. Hier wird einfach die Gesamtsumme der Zeit auf der Webseite genommen, bis zum Aufruf der letzten Seite und diese Gesamtzeit wird dann durch die Anzahl Besuche geteilt. Aus diesem Grund wird die gemessene durchschnittliche Sitzungsdauer tendenziell tiefer ausgewiesen als sie in Wahrheit ist.

Die folgenden beiden Beispiele zeigen die Berechnung der beiden Kennzahlen:

Besuch 1

Besuchszeit Besuch 1

Bei diesem Besuch sehen die beiden Kennzahlen "durchschnittliche Besuchszeit pro Seite" und "durchschnittliche Sitzungsdauer" folgendermassen aus:

  • Besuchszeit (Time on Page) Seite A = 5 Min.
  • Besuchszeit (Time on Page) Seite B = 5 Min.
  • Besuchszeit (Time on Page) Seite C = Die Besuchszeit der Seite C kann nicht ausgewiesen werden (Google Analytics gibt dafür den Wert 0 aus) und für die Berechnung der durchschnittlichen Besuchszeit der Seite C wird diese Seite nicht einbezogen.
  • Sitzungsdauer (Time on Site) = 10 Min.

Besuch 2

Besuchszeit Besuch 2

Bei diesem Besuch ergeben sich folgende Werte für die beiden Kennzahlen:

  • Besuchszeit  (Time on Page) Seite A = 2 Min.
  • Besuchszeit (Time on Page) Seite C = 2 Min.
  • Besuchszeit (Time on Page) Seite B = Die Besuchszeit der Seite B kann nicht ausgewiesen werden (Google Analytics gibt dafür den Wert 0 aus) und für die Berechnung der durchschnittlichen Besuchszeit der Seite C wird diese Seite nicht einbezogen.
  • Sitzungsdauer (Time on Site) = 4 Min.Visit 3

Besuch 3

Besuchszeit Besuch 3

In diesem Beispiel haben die Kennzahlen folgende Werte:

  • Besuchszeit (Time on Page) Seite A = Die Besuchszeit der Seite A kann nicht ausgewiesen werden (Google Analytics gibt dafür den Wert 0 aus) und für die Berechnung der durchschnittlichen Besuchszeit der Seite A wird diese Seite nicht einbezogen.
  • Sitzungsdauer (Time on Site) = 0 Min.

Die durchschnittliche Besuchszeit der Seiten und die durchschnittliche Sitzungsdauer über alle Besuche wären demnach:

  • Durchschnittliche Besuchszeit (Average Time on Page) Seite A = (5 Min. + 2 Min.)/2 = 3.5 Min.
  • Durchschnittliche Besuchszeit (Average Time on Page) Seite B = 5 Min.
  • Durchschnittliche Besuchszeit (Average Time on Page) Seite C = 2 Min.
  • Durchschnittliche Sitzungsdauer (Average Time on Site) = (10 Min. + 4 Min. + 0 Min.)/3 = 4.67 Min.

Es ist speziell wichtig, diese Berechnungen im Auge zu behalten, wenn es um Webseiten und Seiten geht, die eine hohe Absprung- und Ausstiegs-Rate haben. Dies führt dazu, dass Google Analytics den Durchschnitt aufgrund einer kleinen Anzahl von Seiten errechnen muss, was zu irreführenden oder sogar falschen Ergebnissen führt.

2. Besucher

Google Analytics benutzt Cookies, die im Browser gespeichert werden, um die Anzahl Besucher zu messen.  Aus diesem Grund sieht Google Analytics jeden Browser und jedes Gerät als einen neuen Besucher. Das bedeutet auch, dass wenn Cookies auf einem Browser gelöscht werden, Google Analytics diesen Browser als neuen Besucher zählt.

Das führt dazu, dass die Anzahl Besucher in Google Analytics fast immer höher ist als die effektive Anzahl Besucher Ihrer Webseite.

Die Grafik zeigt, wie einfach es ist, dass zwei verschiedene Personen in Google Analytics als fünf verschiedene Besucher aufgeführt werden.

Besucher vs Gerät

Dieses Problem könnten Sie umgehen, wenn Sie mit User-IDs arbeiten. In diesem Fall haben Sie genauere Angaben, wie viele verschiedene Personen Ihre Webseite besuchen. 

3. Direct Traffic

Wenn man sich zum ersten Mal mit Besucherquellen beschäftigt, merkt man sich meistens, dass direkte Zugriffe die Zugriffe sind, bei denen die URL direkt im Browser eingegeben wird oder bei denen auf einen Bookmark geklickt wird. Das ist auch korrekt so, nur ist es wichtig, zu wissen, dass die direkten Zugriffe auch das Sammelbecken sind für alle Zugriffe, bei denen Google Analytics keinen Verweis findet. Technisch sind die direkten Zugriffe so definiert, dass sie alle Zugriffe umfassen, die keinen Verweis im HTTP-Header enthalten.

Dies kann mehrere Gründe haben: Eine Weiterleitung von HTTPS zu HTTP beispielsweise enthält keine Verweis-Daten. Manche Apps schicken keine Verweis-Daten, wenn man von der App zur Webseite weitergeht. Viele Links von E-Mails oder von PDFs, Excel- oder Word- Dokumente ohne Kampagnen-Tracking werden als direkte Zugriffe gemessen. Es gibt auch Browser-Erweiterungen, die die Verweis-Daten verändern oder löschen. Zudem löschen manche Webseiten die Verweis-Daten manchmal aus Sicherheits-Gründen.

Es ist deswegen ratsam, im Hinterkopf zu behalten, dass zwar das Eintippen der URL im Browser und das Klicken auf ein Lesezeichen schon zu den direkten Zugriffen gehört, es gibt aber auch mehrere andere Nutzeraktionen, die dazu gezählt werden. Bei den meisten Zugriffen ist es so, dass Google Analytics einfach nicht weiss, woher die Zugriffe kommen.

4. Next Page Path and Previous Page Path

Die Dimensionen "Nächster Seitenpfad" (Next page path) und "Vorheriger Seitenpfad" (Previous page path) zeigen an, welche Seite entweder vor oder nach einer bestimmten Seite besucht wurde. Diese Dimensionen werden seltener benutzt, da sie nur als zusätzliche Dimension oder in einem benutzerdefinierten Bericht genutzt werden können. Leider werden sie jedoch oft fehlerhaft eingesetzt.

Das basiert meist aufgrund des Namens, da die Begriffe "Nächster" und "Vorheriger" irreführend sind. Aus diesem Grund könnte man denken, dass dies auf die Seiten vor oder nach der aktuellen Seite verweist, wie in der Grafik dargestellt.

Falsches Seitenpfad Aufbau

Leider entspricht dies jedoch nicht dem Aufbau dieser Dimensionen. "Nächster Seitenpfad" und "Vorheriger Seitenpfad" funktionieren nur direkt miteinander. Das bedeutet, dass die "Nächste" Seite direkt nach der "Vorherigen" Seite kommt, wie im Beispiel unten dargestellt.

Richtiges Seitenpfad Aufbau

Diese beiden Dimensionen werden am besten in einem benutzerdefinierten Report eingesetzt. Unten sehen Sie ein Beispiel eines solchen Reports, der anzeigt, welche Seiten nach der englischen Startseite unter amazeemetrics.com besucht wurden. 

Aufsetzen des benutzerdefinierten Reports:

Der benutzerdefinierte Report sollte die beiden Dimensionen "Nächster Seitenpfad" und "Vorhergehender Seitenpfad" enthalten, zusammen mit der Metrik "Seitenaufrufe".  Um den Report besser lesbar zu machen, sollte nach den "nächsten" oder "vorhergehenden" Seiten gefiltert werden, um nur auf eine Seite zu fokussieren. 

Seitenpfad benutzerdefinierte Report Aufbau

Der benutzerdefinierte Report zeigt die Seitenaufrufe vor oder nach einer bestimmten Seite. Im Beispiel unten sind die Seitenaufrufe der Seiten direkt nach der englischen Startseite unserer Webseite zu sehen.

Seitenpfad benutzerdefinierte Report

Wie Sie sehen, wird im benutzerdefinierten Report die Dimension "Seite" (page) nicht benutzt, nur die Dimensionen "Nächster Seitenpfad" und "Vorhergehender Seitenpfad" wie spezifiziert.

5. Bounce Rate

Google Analytics definiert einen Absprung als einen Besuch, bei dem während eines Besuchs der Webseite nur eine Seite aufgerufen wird. Die Absprungrate umfasst deswegen die Anzahl Absprünge geteilt durch die Anzahl Besuche. Das Problem liegt hier bei der Absprungrate für einzelne Seiten. Hier wird die Absprungrate berechnet als die Anzahl der Absprünge auf dieser Seite geteilt durch die gesamte Anzahl an Besuchen, bei denen diese Seite die Einstiegsseite ist.

Die Absprungrate auf Seiten-Ebene wird oft verwechselt mit der Exit-Rate. Die Exit-Rate zeigt ebenfalls an, wie viele Male  eine Seite verlassen wurde, ähnlich der Absprungrate. Die Exit-Rate wird folgendermassen berechnet: Wie oft ist die Seite die letzte Seite eines Besuchs geteilt durch die Anzahl der Aufrufe dieser Seite.

Es ist wichtig, den Unterschied zwischen diesen beiden Kennzahlen zu verstehen. Das folgende Beispiel illustriert den Unterschied etwas besser:

Stellen Sie sich vor, dass es nur diese vier Besuche auf einer Webseite gibt:

Besuch 1:

Absprungrate Besuch 1

Besuch 2:

Absprungrate Besuch 2

Besuch 3:

Absprungrate Besuch 3

Besuch 4:

Absprungrate Besuch 4

In diesem Beispiel gibt es nur zwei Besuche, die als Absprung gelten, Besuch 2 und Besuch 4. Die Absprungrate diese Webseite ist deshalb 2/4 = 50%.

  • Seite A hat drei Seitenaufrufe (Besuche 1, 2 und 3) und zwei Ausstiege (Besuche 2 und 3). Die Ausstiegsrate (Exit-Rate) ist deshalb 2/3 = 66.66%
  • Seite A ist auch die Einstiegsseite bei zwei Besuchen (Besuche 1 und 2) und hat einen Absprung (Besuch 2), das ergibt eine Absprungrate von 1/2 = 50%
  • Seite B hat insgesamt zwei Seitenaufrufe (Besuch 1 und 3) aber keine Ausstiege und deswegen eine Ausstiegrate von 0%. Diese Seite war auch einmal die Einstiegsseite im Besuch 3, aber das war kein Absprung (Bounce), deswegen hat Seite B auch eine Absprungrate von 0%.
  • Seite C hat drei Seitenaufrufe (Besuche 1, 3 und 4) und war einmal die Ausstiegseite. Das ergibt eine Ausstiegrate von 1/3 = 33.33%.
  • Seite C war auch einmal die Einstiegsseite (Besuch 4). Das war auch gleichzeitig ein Absprung, deshalb ist die Absprungrate für Seite C 100%.
  • Seite D schliesslich hat nur einen Seitenaufruf (Besuch 1) der auch gleichzeitig ein Ausstieg war. Das ergibt eine Ausstiegrate von 100%. Aber da Seite D nie die Einstiegsseite eines Besuches war, hat Seite D eine Absprungrate von 0%.

Wie dieses Beispiel zeigt, können die Absprungrate der Webseite, die Absprungrate der individuellen Seiten und die Ausstiegrate (Exit-Rate) der Seiten ganz unterschiedliche Resultate erzielen und damit auch unterschiedliche Erklärungen liefern. Wichtig ist, dass die drei Kennzahlen richtig interpretiert werden und die Ergebnisse entsprechend in die Beurteilung der Webseite einfliessen.

Falls Sie Fragen zu diesen Kennzahlen oder die Erklärungen haben, senden Sie mir gerne eine E-mail.

Kommentar hinzufügen