Ein Besucher ruft einen Hilfeartikel auf, findet die Antwort und geht wieder. Ein anderer öffnet dieselbe Seite, versteht sie nicht und ist genauso schnell wieder weg. Ein Dashboard stuft beide Besuche vielleicht in dieselbe Kategorie ein – obwohl der eine erfolgreich war und der andere nicht. Web-Analytics erfasst Spuren eines Besuchs. Um diese Spuren richtig zu deuten, muss man wissen, was der Besucher eigentlich vorhatte.
Web-Analytics misst Aktivitäten auf einer Website anhand von Daten wie Seitenaufrufen, Events, Sessions, Traffic-Quellen und Conversions. So können Teams Muster über erfasste Besuche hinweg erkennen, Veränderungen aufspüren und untersuchen, an welchen Stellen User Journeys abbrechen.
Am Anfang steht die Frage hinter dem Report
Bei einer fiktiven Preisseite könnte die entscheidende Frage lauten: Finden Besucher das passende Paket und starten eine Testphase? Seitenaufrufe allein beantworten das nicht. Ein sinnvollerer Messplan würde die relevanten Aktionen definieren, den Zeitraum, in dem sie zählen, und die Grundgesamtheit für jede Rate festlegen.
Die Zähleinheit muss klar sein: Eine Person kann mehrere Sessions starten, verschiedene Geräte nutzen oder ein Konto mit Kollegen teilen. „User“, „Sessions“ und „Accounts“ sind keine austauschbaren Begriffe für dieselbe Zahl. Auch Tracking-Lücken, Consent-Entscheidungen, Adblocker und plattformseitige Modellierungen beeinflussen die Datenbasis – ein Report sollte daher nie als lückenloses Abbild jedes einzelnen Besuchers verstanden werden.
Vor dem Zahlenvergleich: Definitionen prüfen
Hinter vertrauten Kennzahlen können sich ganz unterschiedliche Berechnungen verbergen. Google Analytics 4 definiert die Bounce Rate beispielsweise über Sessions, die nicht als „mit Interaktion“ gewertet werden, statt einfach nur Einzelseitenaufrufe zu zählen. Die Google-Dokumentation zu Interaktionen und Bounce Rate erklärt diesen Zusammenhang. Prüfe die genaue Definition und Konfiguration im jeweiligen System, bevor du Zahlen mit einer anderen Plattform oder einem älteren Report vergleichst.
Dokumentiere Tracking-Änderungen direkt bei neuen Releases. Ein scheinbarer Anstieg der Conversion-Rate kann auch an einem doppelt gefeuerten Event oder einer angepassten Definition liegen – und nicht an einer besseren User Experience. Teste den Event-Pfad und prüfe, ob fehlende oder mehrfach erfasste Events das Ergebnis erklären, bevor du daraus weitreichende Produkthypothesen ableitest.
Muster als Ausgangspunkt für Nachforschungen nutzen
Schlüssle überraschende Ergebnisse nach sinnvollen Zielgruppen- oder Gerätesegmenten auf, aber Vorsicht bei zu kleinen Segmenten: Ein Problem, das nur auf dem Smartphone auftritt, geht im Gesamtdurchschnitt schnell unter, wenn Desktop-Traffic dominiert. Eine Clickstream-Analyse hilft anschließend dabei, die erfassten Wege vor und nach dem betroffenen Schritt genauer unter die Lupe zu nehmen.
Schließe offene Fragen mit der passenden Research-Methode: Usability-Tests zeigen, ob Nutzer eine Seite verstehen, während eine gezielte Umfrage klären kann, was sie eigentlich erledigen wollten. Beides liefert wertvolle Einblicke, belegt aber nicht automatisch, wie weit verbreitet eine Ursache im gesamten Traffic tatsächlich ist.
Wenn du eine Lösung evaluierst, unterscheide klar zwischen einer beobachteten Verbesserung und dem Beweis, dass deine Änderung die Ursache dafür war. Ein sauber aufgesetzter A/B-Test kann diesen Kausalzusammenhang belegen. Analytics liefert die Messwerte – wie verlässlich sich Veränderungen erklären lassen, hängt jedoch vom Versuchsaufbau ab.