Die 5 wichtigsten Webanalyse-Fehler

Auch wenn Webanalyse-Systeme wie Google Analytics & Co heute weit verbreitet sind: Die Interpretation der damit erzeugten Daten sowie die sich daraus ergebenen Handlungen geschehen nicht automatisch und bergen Fallstricke. Denn auf den ersten Blick strahlen die Tools eine Einfachheit aus, die darüber hinwegtäuscht, dass etwas mehr notwendig ist als nur ein Stück Code einzubauen. Die folgenden 5 Punkte räumen mit häufigen Missverständnissen auf.

1. Seitenaufrufe sind unwichtig

Einer der am häufigsten verwendeten KPIs ist die Anzahl der Seitenaufrufe. Ein Seitenaufruf sagt aber nichts darüber aus, ob sich ein Benutzer mit den Inhalten beschäftigt hat. Häufig werden vor allem bei Seiten, die keinen E-Commerce-Hintergrund haben, Seitenaufrufe als Indikator dafür verwendet, wie populär eine Seite ist. Viel spannender ist jedoch, ob ein Inhalt tatsächlich gelesen oder gesehen wurde. So ist es möglich zu messen, ob Videos angesehen wurden oder ob bis zum Ende eines Textes gescrollt wurde. So können Inhalte optimiert werden, wenn sie nicht vom Nutzer beachtet oder auch Kampagnen und Zielgruppen besser auf die Inhalte angepasst werden. Seitenaufrufe hingegen sind anfällig für Verschiebungen in der Traffic-Akquise. Kommen 5 Prozent weniger Nutzer auf die Seite, so dass analog die Anzahl der Seitenaufrufe sinkt, dann bedeutet das nicht unbedingt, dass mit den Inhalten weniger interagiert wird. So könnten einfach auch Nutzer wegfallen, für die die Seite gar nicht relevant war. Das Ziel sollte also nicht sein, Seitenaufrufe zu generieren, sondern Interaktionen mit Inhalten - und genau das sollte auch gemessen werden.

2. Die durchschnittliche Verweildauer ist falsch

Diese Information führt in Workshops häufig zu Überraschungen: Die durchschnittliche Verweildauer kann nämlich nicht ohne eine Anpassung der Installation eines Webanalyse-Systems auch nur annähernd richtig gemessen werden. Und selbst wenn die Installation angepasst wurde, so ist die Messung immer noch nicht genau. Schaut sich ein Nutzer nur eine einzige Seite an, so wird die von ihm darauf verbrachte Zeit nicht gemessen. Dasselbe gilt für die letzte Seite, die ein Nutzer während einer Session besucht. Denn Zeit wird in einer Standard-Installation immer als zeitliche Distanz zwischen dem Aufruf von zwei Seiten gemessen. Findet kein weiterer Seitenaufruf statt, so gibt es auch keine Messung. Wird also eine durchschnittliche Verweildauer angegeben, so kann man davon ausgehen, dass diese weit entfernt ist von der tatsächlichen Verweildauer; die Zahlen sind nicht mal als Anhaltspunkt verwertbar.

3. Die Absprungrate wird missverstanden

Die Absprungrate sagt nichts darüber aus, wie hoch der Anteil der Nutzer ist, die auf eine Webseite kommen und dann „sofort“ wieder gehen. In einer Standardinstallation von Google Analytics & Co repräsentiert die Absprungrate lediglich den Anteil der Nutzer, die auf eine Seite kommen und sich keine weitere Seite ansehen. Wir wissen also nicht, ob der Nutzer „sofort“ wieder gegangen ist oder ob er 10 Minuten darauf verbracht hat, um die Inhalte genau zu lesen. Und da wir beim vorherigen Punkt schon gelernt haben, dass die Verweildauer hier gar nicht gemessen wird, können wir auch nichts mit diesem Wert anfangen. Es sei denn, wir merken uns, dass es sich hier um Einzelseitenaufrufe handelt (ohne Kenntnis darüber, wie lange die Seite angesehen wurde). Nur hatten wir schon beim ersten Punkt festgestellt, dass ein Seitenaufruf als KPI wenig sinnvoll ist.

4. Wieso reden wir hier eigentlich über Nutzer?

Sofern kein Cross Device Tracking vorhanden ist, können Benutzer nicht über mehrere Geräte hinweg identifiziert werden. Schlimmer noch: Verwendet ein Nutzer mehrere Browser auf demselben Gerät, so ist auch hier jeder Browser ein Nutzer. Wir messen in allen Webanalyse-Systemen lediglich Browser, keine Nutzer. Ein Webanalyse-System kann also lediglich Annäherungswerte geben, es ist niemals genau. Cookie-Löscher werden ebensowenig berücksichtigt wie auch Multi-Browser- und Multi-Geräte-Nutzer. Von Tracking-Verweigerern mal ganz abgesehen. Gerade bei den kostenpflichtigen Tools mag man sich die Frage stellen, wie man mit so viel Ungenauigkeit für so viel Geld umgehen soll. Nichts zu messen ist allerdings keine Alternative; man muss sich nur bewusst sein, was genau gemessen wird, wenn man die Daten interpretiert, und das Ausmaß der Ungenauigkeit in der Entscheidungsfindung einbeziehen..

5. Der Durchschnitt ist dein Feind

Dieser Punkt gilt nicht nur für Webanalyse-Systeme, sondern für alle Statistiken, in denen nur der Durchschnitt angegeben ist. Dies sei an einem Beispiel aus einem anderen Kontext verdeutlicht. Das Durchschnittseinkommen eines Vollzeitbeschäftigten in Deutschland betrug im Jahr 2017 genau 3.770 Euro. Das bedeutet aber nicht, dass die meisten Vollzeitarbeitnehmer diese Summe verdienen. Tatsächlich verdienen die meisten Vollzeitarbeitnehmer weniger! Das liegt daran, dass wenige Vollzeitarbeitnehmer sehr viel mehr verdienen und diese den Durchschnitt nach oben ziehen. Die Verteilung des Einkommens ist also nicht symmetrisch beziehungsweise normalverteilt, sondern „schief“. Deutlich wird das in der folgenden Abbildung, die eine sogenannte rechtsschiefe Verteilung zeigt. Der Durchschnitt liegt hier bei 3, der Median, also der Wert, der die Daten in genau zwei Hälften teilt, liegt bei 2,5. Was bedeutet das für die Webanalyse? Wenn Google Analytics & Co eine durchschnittliche Anzahl von Seiten oder Sitzungen für Nutzer anzeigt, dann wird nichts über die Verteilung ausgesagt. Schauen sich die Nutzer im Durchschnitt zwei Seiten pro Sitzung an, so kann das bedeuten, dass sich die große Mehrheit der Nutzer nur eine einzige Seite ansieht, aber durch wenige Nutzer mit vielen Seitenaufrufen der Durchschnitt nach oben gezogen wurde. Leider ist die Verteilung dieser Statistiken in fast jedem System relativ versteckt; sie ist aber nützlich, um das tatsächliche Nutzerverhalten zu verstehen. Weitere wertvolle Tipps und wissenswerte Informationen rund um das Thema Webanalyse finden Sie im neuen Buch von Tom Alby: „Einführung in die Webanalyse“ 236 Seiten, gebunden 24,90 Euro (inkl. Mwst.) ISBN 978-3-8362-7236-0 erschienen Juli 2019 im Rheinwerk Verlag