Google Analytics 4: Anleitung zur Datenanalyse und Berichterstellung

Google Analytics 4 (GA4) ist die neueste Version des beliebten Webanalyse-Tools von Google. Mit einer verbesserten Benutzeroberfläche und neuen Funktionen bietet GA4 eine bessere Möglichkeit, Website- oder App-Daten zu analysieren und zu verstehen.

Dieser Artikel konzentriert sich auf das GA4-Interface und zeigt, wie eigene Berichte erstellt werden können, die sich auf spezifische Geschäftsanforderungen zuschneiden lassen.

Standardberichte

GA4 bietet eine Vielzahl von vordefinierten Berichten, die sofort einsatzbereit sind. Es gibt zwei Berichtssammlungen, die den ersten Standardsatz ausmachen. Die zwei Standardsammlungen heißen "Lebenszyklus" und "Nutzer". Die Berichtskategorie "Lebenszyklus" zeigt, wie Benutzer:innen mit einer Website oder App interagieren, angefangen vom ersten Besuch bis hin zur Konvertierung z.B. in Form eines Kaufs. Es können verschiedenen Phasen des Nutzer-Lebenszyklus wie Erstbesuche, Wiederholungsbesuche, Kaufabschlüsse betrachtet werden. Die Berichtskategorie "Nutzer" hingegen gibt, entsprechendes Tracking vorausgesetzt, einen Überblick über demographische Merkmale der Nutzer:innen wie Alter, Geschlecht oder Interessen. Auch geographische Merkmale wie Länder oder Regionen lassen sich hier auswerten. Zusätzlich bietet diese Berichtskategorie Einblicke in technische Details, wie verwendete Geräte, Browser oder Betriebssysteme.

Wichtig: Wenn eine Kollektion im Redakteur- oder Verwaltungsmodus nicht zu sehen ist, kann man die Sammlung aus der Berichtsbibliothek hinzufügen.

Im Weiteren lassen sich die Standardberichte in verschiedene Kategorien unterteilen. Die vordefinierten Standardberichte in GA4 sind:

1. Akquisition

2. Engagement

3. Monetarisierung

4. Bindung

Jeder Bericht ist weiter in Unterkategorien unterteilt und bietet eine Gesamtübersicht, in der alle wichtigen Informationen aus den jeweiligen Unterkategorien zusammengefasst sind. Die Gesamtübersicht ermöglicht auch einen schnellen Einstieg in die detaillierten Berichte.

Auf der Abbildung sieht man deutlich, wo sich die Navigation für Standardberichte befindet. Um zu den Standardberichten zu gelangen, sollte man in der Navigation auf "Reports" klicken (Nummer 1) und dann, um zu den einzelnen Unterkategorien zu gelangen (Nummer 3), kann man auf jede einzelne Oberkategorie klicken.

Akquisitionsberichte

Der Akquisitionsbericht in GA4 liefert Informationen darüber, wie Nutzer:innen auf die Website oder App gelangen und wie sie mit der digitalen Präsenz interagieren. Der Akquisitionsbericht unterteilt sich in zwei Berichtskategorien "Nutzergewinnung" und "Neu generierte Zugriffe".

User Acquisition bezieht sich auf die Anzahl der neuen Benutzer:innen, die auf eine Website oder App zugreifen. Traffic Acquisition hingegen bezieht sich auf die Anzahl der Besucher:innen, die auf eine Website oder App zugreifen, unabhängig davon, ob sie neu oder wiederkehrend sind.

Engagementberichte

Die Engagementberichte in GA4 bieten Einblicke in das Nutzerverhalten und die Interaktionen auf einer Website oder App. Sie ermöglichen es, das Engagement der Besucher:innen zu messen und zu verstehen, wie sie mit dem Inhalt interagieren. Diese Berichte liefern Informationen über Seitenaufrufe, Verweildauer, Interaktionsraten usw. Die Unterkategorien der Engagementberichte gehen explizit auf einzelne Kennzahlen wie Events, Conversions, Seiten und erste Einstiegsseiten bei Nutzer:innen ein. Dadurch ermöglichen sie eine detaillierte Analyse des Nutzerverhaltens und bieten zusätzliche Einblicke in die Interaktion der Besucher:innen auf der Website oder in der App.

Monetarisierungsberichte

Die Monetarisierungsberichte in GA4 sind speziell auf E-Commerce-Websites und Apps ausgerichtet. Sie liefern Informationen über Umsätze, Transaktionen, Produktleistung und andere monetäre Metriken. Mithilfe dieser Berichte kann man den Erfolg der E-Commerce-Aktivitäten messen, beliebte Produkte identifizieren, das Kaufverhalten der Nutzer:innen analysieren und Optimierungspotenziale für die Umsatzgenerierung erkennen.

Die Unterkategorien der Monetarisierungsberichte bieten spezifische Einblicke in verschiedene Aspekte der Umsatzgenerierung:

1. E-Commerce-Käufe: Informationen über Anzahl der Käufe, durchschnittlicher Bestellwert und beliebteste Produkte.

2. In-App-Käufe: Umsatz und Leistung von In-App-Transaktionen analysieren.

3. Publisher-Anzeigen: Daten zu Impressions, Klicks, Conversion-Raten und generiertem Umsatz durch Anzeigen.

4. Nutzer-Kaufreise: Verfolgung des gesamten Kaufprozesses, von erstem Kontakt bis zur Kaufentscheidung.

Bindungsberichte

Die Bindungsberichte in GA4 zeigen Informationen zur Nutzerbindung und -loyalität auf. Sie helfen dabei zu verstehen, wie gut Besucher:innen dazu gebracht werden können, die Website oder App erneut zu besuchen und sich mit dem Inhalt auseinanderzusetzen. Diese Berichte liefern Daten zu wiederkehrenden Nutzern, Churn-Raten, Nutzerbindung nach Kanälen und mehr.

Echtzeitberichte

Neben den oben genannten Berichten, mit denen sich größere Datenmengen und längere Zeiträume auswerten lassen, bietet GA4 auch noch Echtzeitreports an.

Der Echtzeitberichte in GA4 sind dabei nicht nur einfache Spielerei, sondern haben auch praktische Anwendungen. Damit ist es möglich nachzuvollziehen, wie viele Nutzer:innen sich gerade auf der Webseite befinden, welche Seiten sie aufrufen oder über welche Kampagnen sie eingesprungen sind. Das ist besonders dann hilfreich, wenn neue Marketingkampagnen gestartet wurden und geprüft werden soll, ob Nutzer:innen darüber in den Shop gelangen. Es lässt sich aber auch direkt herausfinden, ob das Kampagnen-Tracking korrekt aufgesetzt wurde. Darüber hinaus ist der Echtzeitbericht ein nützliches Werkzeug für die Überwachung von Live-Events, wie zum Beispiel Webinaren oder Live-Streams. Es kann so direkt beobachtet werden wie viele Personen teilnehmen, oder welche Seiten aufgerufen werden.

Ähnlich wie die oben erwähnten Standardberichte, steht der Echtzeitbericht in GA4 automatisch zur Verfügung und kann über den Navigationspunkt "Echtzeit" aufgerufen werden. Insgesamt kann der Echtzeitbericht nützliche Einblicke in das aktuelle Geschehen auf der Webseite liefern, Stabilität und Umfang der verfügbaren Daten sind aber nicht in demselben Maße gegeben wie bei den anderen Berichten in GA4, er sollte also vor allem als ergänzendes Werkzeug genutzt werden. Es ist wichtig zu beachten, dass die Echtzeitdaten in GA4 nicht zwangsläufig auch genau in Echtzeit angezeigt werden sondern es mitunter zu Verzögerungen kommen kann. Es ist also möglich, dass Events auf der Webseite nicht sofort in dem Bericht zu sehen sind, sondern verzögert. Trotzdem ist er immer noch deutlich schneller als die anderen Standardberichte.

Eigene Berichte aus der Bibliothek erstellen

Neben den Standard- und Echtzeitberichten bietet GA4 auch noch die Option selber Berichte zu erstellen. Dies ist immer dann eine gute Option, wenn sehr spezifische Fragestellungen beantwortet werden sollen, die von den Standardberichten nicht abgedeckt werden können. Bei den selbst erstellten Berichten kann aus einer Vielzahl von Dimensionen und Metriken gewählt werden, mit denen sich das jeweilige Informationsbedürfnis stillen lässt. Über Filter können die Daten weiter eingegrenzt werden und Segmente kommen zum Einsatz wenn bestimmte Zielgruppen analysiert werden sollen.

Bevor man mit dem Erstellen von Berichten beginnt, sollte man definieren, welche Geschäftsanforderungen erfüllt werden sollen. Man sollte sich die Frage stellen, welche Daten benötigt werden, um die Ziele zu erreichen. Möchte man zum Beispiel den Traffic auf der Website steigern oder die Konversionsrate einer E-Commerce-Website verbessern? Sobald man die Geschäftsanforderungen festgelegt hat, kann man mit der Erstellung von Berichten beginnen.

Die folgenden Schritte dienen als Leitfaden zur Erstellung von eigenen Berichten in GA4.

Schritt 1: Neuen Report erstellen

Nach dem Klick auf Reports in der linken Menüleiste findet man unten die "Bibliothek" aller erstellten Reports.

Um einen neuen Report zu erstellen, soll auf die blaue Schaltfläche "Neuen Report erstellen" geklickt werden. Hier hat man die Auswahl zwischen einem zusammengefassten und einem detaillierten Report.

GA4 bietet für die Erstellung eines eigenen Berichts zwei Möglichkeiten an: Man kann entweder mit einer leeren Vorlage beginnen oder vorgefertigte Berichte nutzen und sie anpassen.

Hier befinden sich die Metriken und Dimensionen, aus denen ein Report zusammengestellt werden könnte. Zudem gibt es einen Filter, der auf alle Reports angewandt werden kann. Zwei obere Charts stehen zur Verfügung, die auf den Metriken und Dimensionen basieren. Es liegt in der Entscheidung von Nutzer:innen, wie diese beiden Grafiken gestaltet werden sollen, ob als Liniengrafik, Balkendiagramm oder Scatter-Chart. Man hat auch die Möglichkeit, schnelle Überblicke über alle Reports einer Oberkategorie zu erstellen, um eine Gesamtübersicht zu erhalten.

Schritt 2: Richtige Metriken auswählen

GA4 bietet eine Vielzahl von Metriken, mit denen die Website- oder App-Leistung gemessen werden können. Man soll die Metriken auswählen, die den Geschäftsanforderungen am besten entsprechen. Beispiele für Metriken sind Seitenaufrufe, Absprungrate, Konversionsrate, durchschnittliche Sitzungsdauer und vieles mehr.

Schritt 3: Richtige Dimensionen auswählen

Dimensionen sind Attribute, die zu den Metriken hinzugefügt werden können, um zusätzliche Einblicke in die Daten zu gewinnen. Beispiele für Dimensionen sind geografische Region, Gerätetyp, Betriebssystem, Trafficquelle und vieles mehr. Die jenigen Dimensionen sollten ausgewählt werden, die für die Geschäftsanforderungen am besten geeignet sind.

Schritt 4: Filter anwenden

Um spezifische Daten für bestimmte Zeiträume, Länder oder Gerätetypen anzuzeigen, können Filter angewendet werden. Diejenigen Filter sollen ausgewählt werden, die am besten zu den Geschäftsanforderungen passen.

Schritt 5: Berichte speichern nicht vergessen

Sobald die Berichte erstellt sind, können sie gespeichert werden, um sie später wiederzuverwenden oder mit anderen Benutzer:innen zu teilen. Die erstellten Berichte können veröffentlicht werden und in den Standardberichten eingesehen werden. Um dies zu erreichen, besteht die Möglichkeit, den Bericht entweder einer bestehenden Sammlung in der Navigation hinzuzufügen oder eine neue Sammlung zu erstellen.

Im zweiten Schritt können die neu erstellten Berichte der Sammlung durch Ziehen und Ablegen hinzugefügt werden.

Nicht vergessen hier wieder die Änderungen in der Sammlung zu speichern. Sobald die Sammlung gespeichert ist, kann der neue Bericht in den Standardberichten betrachtet werden.

Explorative Datenanalysen

In Google Analytics 4 können Daten auf verschiedene Weisen analysiert werden, um wertvolle Erkenntnisse zu gewinnen. Neben den Berichten bietet sich hierfür auch die Möglichkeit der explorativen Datenanalyse an.

Explorative Datenanalysen in Google Analytics 4 können im Explorer-Bereich durchgeführt werden. Nachdem der Explorer-Bereich erreicht wurde, können explorative Datenanalysen gestartet werden. Es stehen verschiedene Optionen zur Verfügung, darunter die Kombination von Daten aus verschiedenen Quellen, um neue Erkenntnisse zu gewinnen.

Um eine explorative Datenanalyse durchzuführen, sollte man sich zuerst auf ein bestimmtes Ziel oder eine Frage konzentrieren, die man beantworten möchte. Anschließend können verschiedene Datenquellen und Filteroptionen verwendet werden, um die Daten genauer zu analysieren. Eine wichtige Sache, die beachtet werden sollte, ist, dass explorative Datenanalysen in der Regel nicht so strukturiert sind wie andere Analysemethoden. Dies bedeutet, dass möglicherweise mehr Zeit benötigt wird, um die Daten zu durchsuchen und Muster zu identifizieren. Es ist auch wichtig zu beachten, dass bei der Durchführung von explorativen Datenanalysen darauf geachtet werden sollte, keine voreiligen Schlüsse zu ziehen. Die Ergebnisse sollten immer gründlich geprüft werden und es sollte sichergestellt werden, dass die Schlussfolgerungen auf einer ausreichenden Menge an Daten basieren.

Freies Format im Explorer von GA4

Eine großartige Funktion hierfür ist das freie Format im Explorer von GA4. Es bietet sehr flexible Möglichkeit, um Daten zu analysieren. Mit dieser Funktion können Daten auf völlig benutzerdefinierte Weise dargestellt und bearbeitet werden. Dies kann besonders hilfreich sein, wenn bestimmte Daten im Berichts-Dashboard nicht gefunden werden oder wenn Daten auf eine spezifische Art und Weise visualisiert werden sollen, die von den Standardberichten oder -visualisierungen nicht abgedeckt wird.

Wie erstellt man eine Datenanalyse im freien Format?

Um Datenanalysen im Freien Format im Explorer von GA4 durchzuführen, kann man den Explorer öffnen und auf "Neuer Bericht" klicken. Man wählt dann die gewünschte Datenquelle aus und startet die Exploration. Man wird dann aufgefordert, eine Dimension auszuwählen, die man analysieren möchte.

Sobald man die Dimension ausgewählt hat, kann man weitere Dimensionen, Metriken und Filter hinzufügen, um die Daten zu verfeinern und detaillierte Analysen durchzuführen. Es besteht auch die Möglichkeit, Visualisierungen wie Tabellen, Diagramme und Heatmaps hinzuzufügen, um die Daten noch besser zu verstehen.

Es ist wichtig, dass man sich Zeit nimmt, um die Daten gründlich zu analysieren und sicherzustellen, dass man die richtigen Dimensionen, Metriken und Filter verwendet, um aussagekräftige Ergebnisse zu erhalten. Man kann mit verschiedenen Kombinationen experimentieren, um die besten Ergebnisse zu erzielen.

Trichter- und Pfadanalysen

Ein weiteres hilfreiches Tool sind die explorativen Trichter- und Pfadanalysen.

Wie erstellt man eine Trichteranalyse (Funnel)?

Bei der Erstellung eines Funnels in GA4 sollten die Schritte identifiziert werden, die ein Benutzer:innen durchlaufen muss, um eine bestimmte Aktion abzuschließen. Dazu gehören z.B. das Anzeigen einer Produktseite, das Hinzufügen eines Produkts zum Warenkorb, das Ausfüllen von Zahlungs- und Versandinformationen und das Abschließen des Kaufs. Nachdem der Funnel erstellt wurde, können Unternehmen in GA4 Berichte generieren, um das Nutzerverhalten zu verstehen und Optimierungsmöglichkeiten zu identifizieren.

• Gehen Sie auf “Explorative Datenanalyse” und klicken Sie auf “Trichteranalyse”, um eine neue Trichteranalyse zu erstellen. Geben Sie Ihrer Analyse einen Namen, z. B. "Kaufprozess-Trichter".
• Man kann weitere Stufen hinzufügen, indem man auf "Stufe hinzufügen" klickt und die entsprechenden URLs eingibt, zum Beispiel den Warenkorb, die Versandadresse und die Zahlungsseite. Man kann auch Aktionen als Stufen hinzufügen, zum Beispiel den Klick auf den "Jetzt kaufen"-Button. Zu jedem Schritt kann man eine oder mehrere Bedingungen hinzufügen. Hier kann man zum Beispiel festlegen, dass die Stufe nur dann als erfolgreich gezählt wird, wenn der Nutzer oder die Nutzerin einen Kauf tätigt oder eine bestimmte Seite innerhalb eines bestimmten Zeitraums besucht.

• Man kann den Fortschritt des Trichters verfolgen, nachdem man ihn konfiguriert hat. Dabei kann man sehen, wie viele Benutzer:innen jeden Schritt im Trichter erfolgreich abgeschlossen haben und an welchem Punkt die meisten Benutzer:innen abbrechen.

• Man kann benutzerdefinierte Segmente verwenden, um bestimmte Benutzergruppen zu analysieren. Dazu kann man Segmente erstellen, um beispielsweise Besucher:innen aus bestimmten Ländern oder Besucher:innen, die über eine bestimmte Quelle auf die Website gelangt sind, zu identifizieren. Dazu geht man zum Segment-Tab von Google Analytics 4, klickt auf "Erstellen" und wählt die entsprechenden Filter aus.

• Man kann die Ergebnisse der Trichteranalyse nutzen, um den Kaufprozess zu optimieren. Durch die Analyse kann man beispielsweise feststellen, an welcher Stelle die meisten Nutzer:innen die Website verlassen, und entsprechende Verbesserungen an dieser Stelle vornehmen. Dadurch kann man den Kaufprozess effektiver gestalten und die Konversionsrate erhöhen

Das war's! Mit diesen Schritten haben Sie erfolgreich eine Trichteranalyse erstellt.

Hinweis: Der Trichterbericht wird von Google Analytics in der Berichtsbibliothek gespeichert. Die Berichtsbibliothek enthält alle Berichte in Ihrem Property. Von dort aus kann man den Trichterbericht zur linken Navigation hinzufügen, um schneller daruaf zugreifen zu können.

Wie erstellt man eine Pfadanalyse (Ereignisstrom)?

• Um den Pfad zu analysieren, den man untersuchen möchte, legt man zunächst fest, welchen Weg die Nutzer:innen nehmen, um einen Kauf abzuschließen. Hierbei kann man beispielsweise die einzelnen Schritte im Kaufprozess identifizieren, wie das Hinzufügen von Produkten zum Warenkorb, die Auswahl der Versandadresse und die Zahlungsabwicklung.
• Um die Schritte im Pfad zu definieren, muss man angeben, welche Aktionen ein Benutzer oder eine Benutzerin ausführt, um das Ziel zu erreichen. Nehmen wir als Beispiel einen Pfad, bei dem der Benutzende ein kostenpflichtiges Abonnement abschließen soll. Der erste Schritt könnte darin bestehen, dass die nutzende Person eine E-Mail mit der Aufforderung zum Abschluss des Abonnements erhält. Der zweite Schritt könnte darin bestehen, dass die nutzende Person auf den Link in der E-Mail klickt und zur Website des Unternehmens gelangt. Für jeden dieser Schritte fügt man einen zusammenhängenden Knoten (Event) hinzu, um die Verbindung zwischen den Aktionen herzustellen und den Pfad zu definieren.

• Um die Pfaddaten zu analysieren, kann man nach der Konfiguration der Pfadanalyse einen Blick auf die Daten werfen. Man kann sehen, wie sich Benutzer:innen durch die Schritte des Pfads navigieren und dabei wichtige Erkenntnisse gewinnen. Beispielsweise kann man feststellen, wie viele Benutzer:innen den Pfad erfolgreich abgeschlossen haben und an welchem Punkt die meisten Benutzer:innen den Pfad verlassen haben. Diese Informationen können dabei helfen, Schwachstellen im Pfad zu identifizieren und Optimierungen vorzunehmen, um die Nutzererfahrung zu verbessern und die Konversionsrate zu erhöhen.

• Mit den Daten aus der Pfadanalyse kann man erkennen, an welchen Stellen im Pfad die meisten Benutzer:innen abbrechen. Das ermöglicht es, Optimierungsmöglichkeiten zu identifizieren und den Pfad entsprechend anzupassen, um die Conversion-Rate zu verbessern.
• Darüber hinaus kann man benutzerdefinierte Segmente nutzen, um spezifische Benutzergruppen genauer zu analysieren. Ein Beispiel dafür wäre ein Segment für Benutzer:innen, die den Pfad nicht erfolgreich abgeschlossen haben. Durch die Untersuchung dieses Segments kann man feststellen, ob es bestimmte Probleme gibt, die verhindern, dass Benutzer:innen das Ziel erreichen. Diese Erkenntnisse können genutzt werden, um gezielte Verbesserungen vorzunehmen und die Benutzererfahrung zu optimieren.

Unterschiede zwischen Pfad- und Trichteranalyse

Die Pfadanalyse und die Trichteranalyse sind zwei verschiedene Ansätze, um das Nutzerverhalten auf einer Website oder in einer App zu analysieren.

Bei der Pfadanalyse werden die Schritte untersucht, die Benutzer:innen auf der Website oder in der App unternehmen, um ein bestimmtes Ziel zu erreichen. Durch die Pfadanalyse wird sichtbar, welche Seiten oder Schritte auf dem Weg zum Ziel erfolgreich durchlaufen wurden und an welcher Stelle möglicherweise Benutzerinnen und Benutzer abgebrochen haben. Die Pfadanalyse ermöglicht es, den Nutzerfluss auf der Website oder in der App zu verstehen und potenzielle Probleme im Nutzerverhalten aufzudecken.

Im Gegensatz dazu betrachtet die Trichteranalyse die Conversion-Schritte auf einer Website oder in einer App als eine Reihe von Schritten, die Benutzer:innen durchlaufen müssen, um ein bestimmtes Ziel zu erreichen, zum Beispiel einen Kaufabschluss. Der Trichter zeigt den Prozentsatz der Benutzerinnen und Benutzer, die jeden Schritt des Trichters erfolgreich durchlaufen haben, und den Prozentsatz der Benutzer:Innen, die den Trichter an einem bestimmten Schritt verlassen haben. Die Trichteranalyse bietet Einblicke in die Effektivität der einzelnen Schritte des Conversion-Prozesses und zeigt auf, an welchen Stellen möglicherweise Optimierungen erforderlich sind.

Segmentüberschneidung

Mit der Segmentüberschneidung kann man verschiedene Nutzersegmente miteinander vergleichen und Gemeinsamkeiten oder Unterschiede entdecken. Dieser Ansatz ist besonders hilfreich, um zu verstehen, welche Segmente den größten Umsatz generieren oder welche Marketingstrategien für bestimmte Segmente am besten funktionieren. Durch die Segmentüberschneidung können wertvolle Erkenntnisse gewonnen werden, um gezieltere Marketingmaßnahmen zu entwickeln und die Effektivität der Geschäftsstrategie zu verbessern.

• Gehen Sie zu Ihrer GA4-Property und klicken Sie auf die Schaltfläche "Explorative Datenanalyse". Wählen Sie die  "Segmentüberschneidung".
• Wählen Sie die Kriterien für Ihr Segment aus, z. B. Standort, Alter oder Zugriffe über Mobilgeräte oder erstellen Sie einen neuen Segment.
• Die Ergebnisse der Segmentüberschneidung werden in einem Diagramm angezeigt, das die Überschneidungen zwischen den Segmenten zeigt.

Explorative Kohortenanalyse

Mit der explorativen Kohortenanalyse kann man Gruppen von Nutzer:innen analysieren, die sich zu einem bestimmten Zeitpunkt angemeldet haben, und ihre Aktionen im Laufe der Zeit verfolgen. Dadurch kann man beispielsweise die Entwicklung der Kundenbindung im Laufe der Zeit analysieren.

• Wählen Sie die "Kohortenanalyse" aus der Vorlagengalerie im Bereich der “Explorativen Datenanalyse”.
• Segmentierung: Um eine Kohortenanalyse in GA4 einzurichten, sollten zuerst die Segmentierungskriterien festgelegt werden, die die Gruppenbildung beeinflussen. Hier können beispielsweise demografische Merkmale oder Verhaltensweisen wie Käufe oder Seitenbesuche verwendet werden.
• Dimensionen: Als nächstes müssen die Dimensionen festgelegt werden, die in der Analyse verwendet werden sollen. Diese können beispielsweise das Datum des ersten Besuchs, das Datum des ersten Kaufs oder das Datum der Registrierung sein.
• Messwerte: Schließlich müssen die Messwerte definiert werden, die in der Kohortenanalyse verwendet werden sollen. Dies können beispielsweise die Anzahl der Besuche, die Anzahl der Transaktionen oder der durchschnittliche Warenkorbwert sein. Sie können in der Kohortenanalyse den Messwerttyp auswählen und entscheiden, ob die Werte summiert oder pro Nutzer:in in der Kohorte angezeigt werden sollen.
• Detaillierungsgrad: In der Kohortenanalyse sollten auch verschiedene Aspekte berücksichtigt werden, wie zum Beispiel der Detaillierungsgrad, auf dem die Daten betrachtet werden sollen. Hier kann zwischen täglichen, wöchentlichen oder monatlichen Kohorten unterschieden werden.
• Berechnung: Weiterhin haben Sie die Möglichkeit, in der Kohortenanalyse die Art der Berechnung auszuwählen, indem Sie zwischen rollierender, standardmäßiger und kumulativer Berechnung wählen können. Die verschiedenen Berechnungsarten in der Kohortenanalyse von GA4 haben unterschiedliche Auswirkungen auf die Art und Weise, wie die Daten betrachtet werden.

  • Die rollierende Berechnung betrachtet immer den gleichen Zeitraum in der Vergangenheit und aktualisiert diesen Zeitraum täglich, wodurch Änderungen in den Kohorten im Laufe der Zeit sichtbar gemacht werden.
  • Die standardmäßige Berechnung betrachtet die Kohorten nur innerhalb des ausgewählten Zeitraums und zeigt somit einen statischen Wert.
  • Die kumulative Berechnung addiert die Werte aller Kohorten auf und zeigt somit den Gesamtwert über den gesamten ausgewählten Zeitraum hinweg.

Durch die Wahl der passenden Berechnungsart können Nutzer:innen eine tiefere Analyse durchführen und aussagekräftige Erkenntnisse über das Nutzerverhalten gewinnen.

Nutzer-Lifetime-Analyse

Und schließlich gibt es die Nutzer-Lifetime-Analyse, die dabei hilft, das Verhalten der Nutzer:innen über einen bestimmten Zeitraum hinweg zu verfolgen und zu verstehen. Es lässt sich analysieren, wie oft Nutzer:innen die Website besuchen, wie lange sie auf der Website bleiben und wie viel Umsatz sie generieren.

• Dazu wählt man die "Nutzer-Lifetime-Analyse" aus der Vorlagengalerie im Bereich der “Explorativen Datenanalyse”.
• Definieren der Zeilen, Spalten und Werte der Nutzer-Lifetime-Analyse:

  • Zeilen: Die Zeilen repräsentieren die Kohorten von Nutzer:innen, die in einem bestimmten Zeitraum erstmals auf die Website oder App zugreifen. Diese Kohorten werden im Laufe der Zeit in der Analyse beobachtet und zeigen, wie sich das Verhalten der Nutzer:innen im Vergleich zur ersten Interaktion ändert.
  • Spalten: Die Spalten repräsentieren die Zeitintervalle, die seit der ersten Interaktion der Nutzer:innen vergangen sind. Diese Intervalle können in Wochen oder Monaten angegeben werden und zeigen, wie sich das Verhalten der Nutzer:Innen im Laufe der Zeit verändert.
  • Werte: Die Werte in der Nutzer-Lifetime-Analyse repräsentieren die Metriken oder Messwerte, die im Laufe der Zeit beobachtet werden. Diese können beispielsweise die Anzahl der Sitzungen, die Anzahl der Käufe oder der durchschnittliche Warenkorbwert sein. Die Werte werden in der Analyse dargestellt, um Trends im Verhalten der Nutzer:innen im Laufe der Zeit zu erkennen und gezielte Optimierungen vorzunehmen.
• Die Ergebnisse der Nutzer-Lifetime-Analyse werden in einer Tabelle und in einem Diagramm angezeigt, das die Entwicklung der ausgewählten Metrik im Laufe der Zeit für die ausgewählte Dimension zeigt.

Happy Data Mining!

Und damit sind wir auch schon am Ende unseres kleinen Ausflugs in die Welt von Google Analytics 4 angekommen. Zusammenfassend lässt sich sagen, dass das GA4 Interface ein leistungsstarkes Tool für Website- und App-Betreiber ist, um wichtige Geschäftsdaten zu analysieren und zu optimieren. Mit der Möglichkeit, eigene Reports zu erstellen und anzupassen, können Benutzer:innen die Daten, die ihnen am wichtigsten sind, auf einfache Weise anzeigen und verstehen.

Die Integration von BigQuery ermöglicht eine noch tiefere Analyse von Daten und bietet Benutzer:innen die Möglichkeit, benutzerdefinierte Abfragen und Berichte zu erstellen.