…dann möchtest du wahrscheinlich die Verbesserung der SEO für diese Seite priorisieren.
Was aber, wenn diese Daten fehlerhaft sind?
Es besteht ein hohes Risiko, schlechte Entscheidungen zu treffen, wenn du dich blind auf die Daten verlässt, die du in Google Analytics siehst. Du kennst das Sprichwort: Müll rein, Müll raus.
Dieser Leitfaden hilft dir, die Verzerrungsfaktoren der Daten zu minimieren, indem folgende Fehler behoben werden:
- Fehlender oder doppelter Google Analytics-Code
- Falsche Einrichtung von Interaktions-Ereignissen
- Tracking von Treffern von anderen Domains
- Verfolgen der eigenen Sitzungen
- Keine Bot-Filterung verwenden
- Tracking von Spam-Verweisen
- Schlampige Verwendung von UTM-Parametern
- Abfrageparameter nicht ausgeschlossen.
- Nicht die gleichen Quellen und Medien zusammenführen
- Keine Verweis-Ausschlussliste verwendet
- Tracking persönlich identifizierbarer Informationen (PII)
- Keine Seitenaufrufe für Einzelseiten-Anwendungen (SPAs)
- Keine Backup- und Testansichten
Das klingt trivial, ist aber ein weit verbreitetes Problem – vor allem bei Websites, die mehr als ein CMS verwenden.
Die gute Nachricht ist, dass Google Analytics Benachrichtigungen über fehlenden Code eingebaut hat. Die schlechte Nachricht ist, dass es langsam ist und Wochen dauern kann, bis du über Seiten mit fehlendem Code benachrichtigt wirst. Es informiert dich auch nicht über doppelten Code, was ein weiteres häufiges Problem ist.
Aus diesem Grund ist es am besten, sich nicht auf die Benachrichtigungen von Google zu verlassen und stattdessen deine Website mit einem Tool, das benutzerdefinierte Extraktion erlaubt, auf Fehler zu crawlen.
Im Folgenden erfährst du, wie du ein Crawling mit benutzerdefinierter Extraktion in Screaming Frog einrichtest, um sowohl Google Tag Manager- als auch Google Analytics-Codes zu scrapen:
Am besten exportierst du den Crawl, um die Daten zu inspizieren. Du kannst fehlende Codes einfach filtern oder Duplikate sehen, wenn es mehr Spalten im Bericht gibt, z.B. „Find GTM code 1“ und „Find GTM code 2.“
Screaming Frogs CSV-Crawl-Export in Google Sheets.
Es ist sinnvoll, Dinge wie Käufe, Formulareinreichungen oder Videospiele als Interaktions-Events einzurichten. Sie sind wichtig für dein Unternehmen, daher ist es in Ordnung, dass sie nicht als Bounces gezählt werden – auch wenn der Besucher nur eine Seite aufruft.
Wenn du jedoch Interaktions-Events für die Verfolgung von Ereignissen verwendest, die automatisch auf jeder Seite ausgelöst werden, wie z. B. das Tracking der Scroll-Tiefe, führt dies zu einer Bounce-Rate von nahezu null auf deiner gesamten Website – was nicht gut ist.
Du kannst diese Probleme leicht erkennen, indem du nach unrealistisch niedrigen Absprungraten in GA suchst.
Wenn du Interaktions-Events als Auslöser vermutest, ändere die Einstellung “Non-interaction hit” des Ereignisses im Google Tag Manager von “false” in “true”.
Wenn du den Google Tag Manager nicht verwendest, füge einfach eine weitere Codezeile zum GA-Ereignis-Snippet hinzu.
Es ist überraschend einfach für jemanden, deine Daten zu verfälschen, wenn du keine vorbeugenden Maßnahmen ergreifst. Und warum? Weil dein GA/GTM-Tracking-Code für jeden sichtbar ist, der deinen Quellcode öffnet, so dass jeder unter deinem Tracking-Code Treffer an den GA-Server senden kann.
Glücklicherweise ist es einfach, dies zu verhindern, indem man einen Ansichtsfilter einrichtet.
Dieser wird nur Treffer aus deiner eigenen (Sub-)Domain enthalten:
Hier ist das RegEx-Filter-Muster für den Hostnamen: (^|.)example.com
Es gibt viele unregelmäßige Aktivitäten, die wir auf unseren Websites durchführen, und wir wollen nicht, dass sich diese in unseren Daten widerspiegeln.
Während wir also Filter einrichten, sollten wir auch sicherstellen, dass wir Treffer von internen IP-Adressen ausschließen. Es ist einfach, dies für eine einzelne IP zu tun:
Wenn du weitere IPs ausschließen musst, lies diese Anleitung von Google.
Google kann einen beträchtlichen Teil des Spam-/Bot-Traffics erkennen, der auf deine Website gelangt. Alles, was du tun musst, ist ein Kästchen anzukreuzen.
Du findest es unter Admin > Ansichtseinstellungen:
Beachte, dass es ausreicht, dies nur für die Hauptansicht der Analyse zu aktivieren. Es besteht keine Notwendigkeit, dies auch für die Roh- oder Testansicht zu tun.
Beliebte Websites ziehen Spammy-Links an. Das ist einfach so.
Die meisten von ihnen sind vernachlässigbar und bringen null Empfehlungs-Traffic, aber einige können jeden Tag Tausende von Spammy-Referrals senden.
Um zu prüfen, ob das für dich ein Problem darstellt, stelle den Datumsbereich auf mindestens drei Monate und gehe dann zum Verweisungsbericht (Akquisition > Alle Zugriffe > Verweise).
Suche nach zwielichtigen Domains mit einer hohen Anzahl von Verweisen.
Verweisbericht mit Verweisen von einer zwielichtigen Website.
Klicke nicht auf verdächtige Domains, da diese Malware oder Spyware enthalten könnten. Erstelle stattdessen eine Liste und schließe sie mit einem Filter aus (Verwaltung > Filter). Lege das Filterfeld als „Kampagnenquelle“ fest und liste dann im Feld „Filtermuster“ Domains getrennt durch ein Pipe-Symbol (|) auf.
WICHTIG. Denke immer daran, deine Filter zu überprüfen, um zu sehen, wie sie deine Daten beeinflussen. Dafür gibt es eine Schaltfläche unter den Filtern.
UTM-Parameter sind Tags, die an URLs angehängt werden, um verschiedene Traffic-Quellen zu kennzeichnen. Sie werden meist bei bezahlten Anzeigen und Links verwendet, die sonst mit organischen Besuchen vermischt werden würden.
Nehmen wir an, dass wir Anzeigen auf Twitter schalten. Standardmäßig würde der Traffic unter “twitter.com / referral” fallen, was jede Performance-Analyse unmöglich macht. Wir fügen also UTM-Parameter an URLs an, die für Twitter-Anzeigen verwendet werden:
Screenshot aus dem Campaign URL Builder. Ich empfehle, dieses Tool zum Taggen deiner URLs zu verwenden, bis du dich routiniert genug fühlst, dies manuell zu tun.
Diese UTM-Parameter werden dann an den GA-Server gesendet und in ihren jeweiligen Dimensionen verwendet.
Wenn es mehrere Personen gibt, die sich um das Performance-Marketing kümmern, benötigst du Richtlinien für die Vereinheitlichung der UTM-Parameter. Glaube mir, die Analyse der Performance von Marketingkanälen bei nicht vereinheitlichtem Tagging ist eines der Dinge, die du in Google Analytics wirklich nicht machen willst.
Denke dabei daran, dass der Prozess des Hinzufügens von UTM-Parametern von der Werbeplattform abhängt. Beispielsweise erfordern Twitter-Anzeigen URLs, die die Parameter bereits enthalten, während Google-Anzeigen vollständig automatisiert werden können (und sollten).
Screenshot aus den Tagging-Einstellungen von Google Ads, erfahre hier mehr.
Die Überladung deiner (Landing) Page-Dimensionen mit parametrisierten URLs kann ein Albtraum für jede weitere Analyse sein. Es löst die gleiche URL in mehrere Zeilen auf, was zu zersplitterten Metriken führt.
Um dies zu lösen, verwende den Berichtsfilter, um alle parametrisierten URLs anzuzeigen, die in deiner GA-Ansicht aufgezeichnet wurden.
Schließe dann, um die Dimensionen der Seite einheitlich zu halten, Parameter aus, die du in deinen Berichten nicht sehen möchtest.
Du kannst dies in den View-Einstellungen tun:
Achte nur darauf, folgendes nicht auszuschließen:
- Suchanfrage-Parameter (andernfalls werden die internen Suchdaten deiner Website blockiert)
- UTM-Parameter (GA kann damit bereits richtig umgehen)
- Parameter, die du separat verfolgen möchtest (z.B. die für verschiedene Produkte auf E‑Commerce-Sites)
Wenn du es mit einer großen Anzahl verschiedener Parameter zu tun hast, die du ausschließen möchtest, ist es besser, stattdessen Ansichtsfilter zu verwenden. Ihre Flexibilität und die Möglichkeit, reguläre Ausdrücke zu verwenden, machen sie zu einer besseren Lösung. Folge dieser Anleitung, um sie einzurichten.
Du hast vielleicht bemerkt, dass einige deiner Traffic-Quellen und ‑Medien ein Durcheinander sind, weil sie im Grunde genommen dasselbe darstellen. Das häufigste Beispiel ist der Traffic von Facebook.
Diese seltsamen Subdomains werden Link-Shim-Referrals genannt. Facebook verwendet sie aus Sicherheits- und Datenschutzgründen, aber sie können die Analyse der Leistung einer bestimmten Quelle/Medium erschweren.
Um sie zu beheben, verwende Filter. Hier ist einer, der den Referral-Verkehr von Facebook zusammenführt:
Denke daran, den Filter zu überprüfen, um sicherzustellen, dass er das tut, was du glaubst, dass er tun wird.
Du solltest auch eine Notiz erstellen, dass du den Datenverkehr zusammengeführt hast, damit sich andere nicht fragen, was die Änderung verursacht hat. Google Analytics wendet die Filter nicht rückwirkend an, so dass du dich immer noch mit den alten Daten befassen musst.
Wenn du eine Domain zu einer Referral-Ausschlussliste hinzufügst, wird jeglicher Traffic von dieser Domain nicht mehr als Referral-Traffic gekennzeichnet und löst keine neue Sitzung aus.
Dies ist in drei Fällen besonders nützlich:
- Zahlungs-Gateways. Wenn du Zahlungsprozessoren von Drittanbietern verwendest, wirst du deine Kunden dorthin und nach Abschluss der Zahlung wahrscheinlich zurück leiten. Das sollte eine Sitzung unter einer Traffic-Quelle sein.
- Verfolgung von Subdomains. Subdomains sind separate Hostnamen, und der von ihnen ausgehende Traffic würde natürlich eine neue Referral-Sitzung auslösen. Glücklicherweise reicht GA deine eigene Domain bei der Erstellung der Property in die Liste ein. Lasse sie dort stehen. Und behalte die Standarddomain „Cookie-Domain: Auto“ bei, falls sie dir jemals im Tracking-Code oder GTM begegnet.
- Cross-Domain-Tracking. Möglicherweise hast du Microsites und andere separate Domains, für die du Daten zusammenführen möchtest, wenn es sich um dasselbe Unternehmen handelt..
Du findest diese Liste in Verwaltung > Spalte Property > Tracking-Informationen > Verweis-Ausschlussliste.
Gib die Domains im Format beispiel.de ein, um alle Subdomains abzudecken.
Obwohl dies deiner Datentransparenz nicht schadet, kann es deinem Unternehmen ernsthaften Schaden zufügen.
Du musst sicherstellen, dass du keine PII wie E‑Mails, Telefonnummern oder Namen verfolgst. Oder noch besser – halte dich an die für dein Unternehmen geltenden Vorschriften zum Datenschutz und zur Privatsphäre.
Leider kann es vorkommen, dass du PII verfolgst, ohne es zu wissen, indem du URL-Parameter mit persönlichen Informationen in Formularen oder anderswo generierst.
Beispiel für eine URL mit Parametern, die PII enthält.
Dies wird wahrscheinlich nicht der Fall sein, wenn du ein populäres CMS verwenden, aber du solltest dies auf jeden Fall überprüfen, wenn du eine vollständig individuelle Website hast.
Nur um das Offensichtliche hervorzuheben: Versuche nicht, PII über benutzerdefinierte Dimensionen zu sammeln. Und wenn du überprüfen möchtest, welche Daten Websites sammeln, benutze eine Browsererweiterung wie Dataslayer oder WASP.
Ist deine Website eine Einzelseiten-Anwendung? (Single Page Application = SPA)? Mit anderen Worten, verwendest du JavaScript, um Seiteninhalte dynamisch zu generieren?
Wenn die Antwort ja ist, dann wurde das Tracking für dich gerade etwas schwieriger.
SPAs laden alles, was benötigt wird, beim ersten Seitenaufruf und aktualisieren den Inhalt und die URLs dynamisch. Das bedeutet, dass GA keine weiteren Seitenaufrufe verfolgt, weil es natürlich keine weiteren Zugriffe auf ihren Server gibt.
(Ich bin schuldig, dies übersehen zu haben, als ich als Entwickler ein Projekt, an dem ich gearbeitet habe, schrittweise auf das React-Framework umgestellt habe).
Um dies zu beheben, musst du Workarounds verwenden, die höchstwahrscheinlich die Hilfe von Entwicklern oder GTM-Experten erfordern. Wenn du mehr darüber erfahren möchtest, sieh dir die offizielle Dokumentation von Google und diesen ausführlichen Leitfaden an.
Bei diesem letzten Punkt handelt es sich weniger um einen Tracking-Fehler als vielmehr um ein „Best Practice“ für den Umgang mit Daten in Google Analytics.
Selbst wenn du nur ein Konto und eine Eigenschaft hast, stelle immer sicher, dass du mindestens drei verschiedene Views hast:
- Master View. Du wirst diesen am häufigsten verwenden, mit allen gewünschten Einstellungen und Filtern aktiviert.
- Backup View. Ein View mit allen Einstellungen auf Standard. Wenn mit deinem Master-View etwas schief läuft, hast du hier immer alle Rohdaten.
- Testing View. Du kannst mit diesem hier herumspielen, um das Gewässer zunächst zu testen. Es ist nützlich, wenn du dir nicht sicher bist, was es bedeutet, komplexere Ansichtseinstellungen, wie z.B. verschiedene Filter, zu verändern.
Du kannst Ansichten in Verwaltung > Einstellungen der Datenansicht > Name der Datenansicht umbenennen.
Denke nur daran, die Namen der Views so selbsterklärend wie möglich zu gestalten, damit andere, die das Konto verwenden, sie verstehen.
Abschließende Gedanken
Testen, überprüfen, wiederholen.
Wann immer du Änderungen an deinen GA-Einstellungen, GTM- oder Tracking-Codes vornimmst, solltest du für eine Weile die Rolle eines Qualitätssicherungsingenieurs übernehmen.
Das bedeutet, dass du dich mit dem Quellcode, den Cookies und verschiedenen Debugging-Werkzeugen vertraut machen musst. Ich empfehle die Verwendung der folgenden:
- Google Tag Assistant
- Google Analytics Debugger
- dataslayer
- WASP
- Echtzeit-Berichte in GA, um die Auswirkungen der abgefeuerten Tags sofort zu sehen
- Debugging-Werkzeuge aller von dir verwendeten Werbeplattformen, z.B. Facebook Pixel Helper
Die Implementierung, Prüfung und Fehlerbehebung hängt von der Komplexität deiner Tracking-Anforderungen und der Code-Implementierung ab. Wenn du GTM noch nicht verwendest, würde ich dir dringend raten, die Änderung vorzunehmen, es sei denn, deine Tracking-Anforderungen sind sehr einfach.
Ja, wenn du Anfänger bist, wird es ziemlich lange dauern, bis du es lernst. Aber die Vorteile sind enorm. Du musst dich nicht mit Entwicklern in Verbindung setzen, um Code-Änderungen zu verfolgen, und es ist einfach großartig, über sauber organisierte Container, Tags, Trigger und Variablen zu verfügen.
Habe ich erwähnt, dass alles getestet und überprüft werden muss?
Pinge mich auf Twitter an, wenn du Fragen hast.
Übersetzt von sehrausch.de: Suchmaschinen– & Conversion-Optimierung, Online-Marketing & Paid-Advertising. Passgenau aus einer Hand.
