Du schaust in Google Analytics. Es meldet 5.000 Besucher. Du schaust in deine Server-Logs. Dort stehen 7.000 Anfragen. Du schaust in deine Produktanalyse-Plattform. Sie meldet 4.500 Besucher. Drei Datenquellen, drei verschiedene Zahlen. Welche stimmt?
Alle. Und keine. Verschiedene Tools zählen Verschiedenes und nutzen unterschiedliche Definitionen. Die Abweichungen sind normal. Wenn du verstehst, warum es sie gibt, kannst du deine Daten besser deuten.
Warum verschiedene Tools unterschiedliche Zahlen zeigen
Unterschiedliche Definitionen einer "Sitzung"
Ein Tool definiert eine Sitzung als 30 Minuten Inaktivität. Ein anderes nutzt 45 Minuten. Ein weiteres 24 Stunden. Ein Nutzer, der deine Website für 40 Minuten verlässt und zurückkommt, zählt in einem Tool als eine Sitzung und in einem anderen als zwei. Die Zahl der Sitzungen weicht immer ab.
Unterschiedliche Regeln für das Zählen von Seitenaufrufen
Manche Tools zählen nur klassische Seitenaufrufe. Andere zählen virtuelle Seitenaufrufe aus Single-Page-Anwendungen. Manche zählen pushState-Ereignisse als Seitenaufrufe. Andere nicht. Die Zahl der Seitenaufrufe schwankt wegen dieser Unterschiede.
Unterschiedliche Bot-Filterung
Tool A filtert Suchmaschinen-Bots heraus. Tool B nicht. Tool C nutzt eine andere Bot-Liste. Unterschiede bei der Bot-Filterung verändern die Traffic-Summen. Du siehst immer unterschiedliche Zahlen, wenn Tools unterschiedlich filtern.
Unterschiedlicher Zeitpunkt der Datenerfassung
Server-Logs zeichnen auf Serverebene auf, in der Millisekunde, in der die Anfrage eintrifft. Analysebibliotheken erfassen clientseitig und bündeln Anfragen. Wenn ein Nutzer seinen Browser schliesst, bevor die Analyse-Anfrage gesendet wird, geht sie verloren. Server-Logs erfassen sie. Clientseitige Tools nicht.
Unterschiedlicher Umgang mit Zeitzonen
Google Analytics steht auf Eastern Time, die Server-Logs laufen in UTC. Tageswerte ordnen sich unterschiedlich zu. Die Daten von gestern enthalten vielleicht Server-Traffic von heute, wenn die Zeitzonen nicht übereinstimmen. Es entstehen kleine Abweichungen.
Unterschiedliche Zuordnungsmodelle
Tools nutzen unterschiedliche Zuordnungsregeln. Manche nutzen Last Click. Manche First Click. Manche Time Decay. Wenn es vor der Conversion mehrere Kontaktpunkte gibt, schreiben verschiedene Tools verschiedenen Quellen den Erfolg zu. Eine Zuordnung über mehrere Kontaktpunkte stimmt nie mit der Last-Click-Zuordnung überein.
Unterschiedliche Einstufung des Traffics
Tool A stuft Traffic aus einer bestimmten Quelle als organisch ein. Tool B als direkt. Tool C als Referral. Jedes Tool nutzt andere Regeln. Die Verteilung der Quellen weicht deshalb ab.
Häufige Muster bei Abweichungen
Google Analytics zeigt niedrigere Zahlen als Server-Logs
Das ist typisch. Server-Logs zeigen alle Anfragen. Google Analytics verpasst Traffic, der durch Werbeblocker oder Tracking-Schutz blockiert wird oder bei dem der Tracking-Code nicht auslöst. Die Zahlen von Google Analytics liegen meist 20-40% unter denen der Server-Logs.
Conversions weichen vom Zahlungsanbieter ab
Die Analyse erfasst vielleicht mehr Conversions als dein Zahlungsanbieter, weil sie abgebrochene Checkouts oder andere Ereignisse als Conversions zählt. Oder sie erfasst weniger, wenn manche Conversions offline oder auf Plattformen von Drittanbietern abgeschlossen werden.
Abweichungen beim organischen Traffic zwischen Tools
Verschiedene Tools stufen organischen Traffic unterschiedlich ein. Die Google Search Console zeigt organische Suchbegriffe. Google Analytics zeigt organischen Traffic. Beide stimmen selten exakt überein, weil sie Unterschiedliches in verschiedenen Phasen des Besucherwegs messen.
Unterschiede bei den Traffic-Quellen
Ein Klick von Facebook wird in einem Tool vielleicht als "direkt" eingestuft und in einem anderen als "Social", je nachdem, wie die URL markiert ist und wie Tools nicht markierten Traffic einordnen.
So gehst du mit Abweichungen um
Verstehe, was jedes Tool misst
Der erste Schritt: Wisse, was jedes Tool zählt. Google Analytics zählt Seitenaufrufe und Ereignisse. Server-Logs zählen HTTP-Anfragen. Dein Zahlungsanbieter zählt Transaktionen. Sie messen Verschiedenes, also sind Unterschiede zu erwarten.
Lege für jede Kennzahl eine verlässliche Quelle fest
Entscheide, welches Tool für welche Kennzahl zuständig ist. "Google Analytics ist zuständig für Traffic-Kennzahlen." "Die Shop-Plattform ist zuständig für Conversion-Kennzahlen." "Server-Logs sind zuständig für technische Diagnosen." Wenn du Traffic brauchst, schaust du immer in Google Analytics. So vermeidest du Verwirrung.
Dokumentiere die Abweichungen und erkläre sie
Dokumentiere grössere Abweichungen. "Google Analytics zeigt 5.000 Besucher. Die Server-Logs zeigen 7.000. Der Unterschied erklärt sich durch Werbeblocker, die den Tracking-Code blockieren (ca. 40% des Traffics)." Halte die Erklärung fest, damit dein Team sie versteht.
Richte einen Abgleichprozess ein
Vergleiche deine wichtigsten Tools monatlich miteinander. Google Analytics gegen Produktanalyse-Plattform. Google Analytics gegen Zahlungsanbieter. Prüfe, ob die Lücke gleich bleibt. Wenn sie sich plötzlich ändert, geh dem Grund nach.
Nutze für die Analyse die vollständigste Datenquelle
Wenn du echte Transaktionsdaten brauchst, nutze deinen Zahlungsanbieter. Wenn du Traffic-Muster brauchst, nutze Server-Logs. Wenn du Nutzerverhalten und Segmente brauchst, nutze Analysetools. Jede Quelle ist für bestimmte Fragen am besten.
Tools sollten sich ergänzen
Setze aus mehreren Quellen ein vollständiges Bild zusammen
Kämpfe nicht gegen Abweichungen, sondern nutze sie wie vorgesehen: Jedes Tool liefert eine andere Sicht. Die Analyse zeigt Nutzerverhalten. Server-Logs zeigen Traffic-Muster. Das CRM zeigt Kundendaten. Der Zahlungsanbieter zeigt den Umsatz. Zusammen sind sie vollständiger als jedes einzelne Tool.
Nutze Abweichungen, um Probleme zu finden
Wenn sich Abweichungen plötzlich ändern, ist vielleicht etwas kaputt. Das Tracking ist eventuell ausgefallen. Es wurden womöglich Filter angewendet. Der Unterschied zeigt das Problem.
Häufig gestellte Fragen
Wie viel Abweichung zwischen Analysetools ist normal?
Ein Unterschied von 10-30% ist typisch. Eine Abweichung von 5% oder weniger bedeutet, dass du gut aufgestellt bist. Bei 50% oder mehr stimmt wahrscheinlich etwas nicht. Vergleiche deine konkreten Tools, um deine normale Abweichung zu kennen. Mit dem Website-Builder von WEMASY kannst du das direkt auf deiner Website einrichten.
Soll ich dem Tool vertrauen, das höhere Zahlen meldet?
Nicht unbedingt. Höhere Zahlen bedeuten nicht mehr Genauigkeit. Verstehe, warum die Zahlen abweichen. Die höhere Zahl kann aufgebläht sein. Die niedrigere kann zu wenig ausweisen. Keine ist automatisch richtig.
Warum zeigt Google Analytics weniger Conversions als mein Zahlungsanbieter?
Häufige Gründe: Der Tracking-Code löst bei manchen Conversions nicht aus, Werbeblocker verhindern das Conversion-Tracking, Offline-Conversions erfasst nur dein Zahlungsanbieter, oder die Zeitzonen passen nicht zusammen.
Welches Tool soll meine verlässliche Quelle sein?
Das hängt von der Kennzahl ab. Für Nutzerverhalten nutzt du dein Analysetool. Für Umsatz deinen Zahlungsanbieter. Für technische Diagnosen die Server-Logs. Verlass dich nicht bei allem auf ein einziges Tool.
Bedeuten Abweichungen, dass eines meiner Tools defekt ist?
Meistens nicht. Unterschiede sind normal. Aber plötzliche Änderungen im Muster können auf ein Problem hindeuten. Wenn das Analysetool im Vergleich zu deinem Zahlungsanbieter plötzlich 50% verliert, ist etwas kaputtgegangen. Stabile Unterschiede sind zu erwarten.
Kann ich Daten aus verschiedenen Tools abgleichen?
Nicht vollständig, weil sie Unterschiedliches messen. Aber du kannst die wahrscheinlichen Ursachen der Abweichungen finden und die Lücke verstehen. Dokumentiere die Unterschiede, damit dein Team weiss, was es erwarten kann.