4 Google Analytics-Filter, die jede Website haben sollte

Wenn Du so tickst wie die meisten Webmaster, dann verlässt auch Du Dich auf Google Analytics, um wertvolle Einblicke in die Besuche Deiner Website zu erhalten. Dort findet sich alles von Seitenaufrufen, Besucherquellen, Conversions bis hin zu einer detaillierten Analyse des Nutzerverhaltens – einfach alles, was Dir dabei hilft, smartere Geschäfts- und Marketingentscheidungen zu treffen. Google Analytics ist ein äußerst leistungsfähiges Werkzeug, und viele Geschäftsentscheidungen werden auf der Grundlage von Berichten getroffen, die durch dieses Tool bereitgestellt wurden.

Aber wie genau sind Deine Google Analytics-Daten eigentlich? Und was kannst Du tun, um Fehler zu korrigieren und die Genauigkeit dieser Daten zu steigern?

Warum ist es wichtig, Google Analytics-Daten zu filtern?

Spammer, Website-Einstellungen und andere Faktoren verursachen in Google Analytics häufig Datenfehler oder fehlerhafte Berichte und wir alle wissen, dass ungenaue Berichte dazu führen können, falsche Entscheidungen zu treffen.

Wenn Google Analytics zum Beispiel die Conversions einer Kampagne um 30% unterbewertet, würdest Du diese wahrscheinlich offline stellen. Unnötigerweise, denn eigentlich ist diese Kampagne profitabel.

In diesem Artikel gehe ich auf die vier Arten von Filtern ein, die ich praktisch bei jedem Projekt, an dem ich arbeite, hinzufüge. Gemeinsam entfernen diese Filter die häufigsten Datenfehler, wodurch Deine Berichte viel genauer und zuverlässiger werden.

Interner Traffic

Kennst Du Fälle von Influencern oder Bloggern, die einen Blog mit zwei äußerst treuen Lesern betreiben − und zwar sie selbst und ihre Mutter? Witz hin oder her – darin steckt auch ein Funken Wahrheit. Oft sind der Website-Manager und die Mitarbeiter des Unternehmens tatsächlich die eifrigsten Nutzer einer Website. Es gibt viele gute Gründe, warum Mitarbeiter die Website ihres eigenen Unternehmens besuchen, doch diese Besuche können sich zu einer beachtlichen Menge anhäufen und Traffic-Berichte stark verfälschen.

Noch schlimmer ist es, wenn Dein Entwicklerteam beim Implementieren neuer Features Testaufträge auf der Website platziert. Mir kamen schon sechsstellige Umsatzzahlen unter, die durch Testaufträge zustande kamen, die das Entwicklerteam für jedes einzelne Produkt auf der Website anlegte, um neue Funktionen des Warenkorbs zu testen.

Selbst ohne Testbestellungen können sich wiederholte Besuche von Dir und den Mitarbeitern des Unternehmens anhäufen und die Daten in Google Analytics-Berichten ernsthaft verzerren. Hier ist zum Beispiel ein Screenshot von Google Analytics (ohne Filter) für eine unserer Websites, der viele Besucher aus St. Petersburg in Florida, unserem Firmenstandort, zeigt:

So kann man das Ganze beheben:

Dieses Problem ist sehr einfach zu beheben, denn Google Analytics hat dafür einen vorgefertigten Filter. Gehe einfach auf Verwaltung und öffne die Filter für Deine Datenansicht:

Füge einen neuen Filter hinzu und wähle Folgendes aus:

• Vordefiniert

• Ausschließen

• Zugriffe über IP-Adressen

• Sind gleich

• Und gib Deine IP-Adresse ein

Weitere Optionen über diesen vordefinierten Filter findest Du im Google-Hilfsartikel Interne Zugriffe ausschließen.

Wir haben unserer Google Analytics-Ansicht mehrere Filter hinzugefügt (einen für jede unserer Büro-IP-Adressen). Wie Du im Ergebnis sehen kannst, ist der Bericht jetzt wesentlich genauer, da unsere eigenen Website-Besuche nicht mitgezählt werden. Die größte Besucherquelle in Florida ist nun Miami (was zu erwarten war, da dort nun mal sehr viele Menschen leben).

Spam-Traffic

Vor einigen Jahren fand ein äußerst brillanter (Achtung, Sarkasmus!) „Marketingfachmann" einen neuen Weg, um seine Website-URL potenziellen Kunden zu präsentieren. Er leitete von seiner URL aus eine Menge Fake-Traffic auf bestimmte Websites weiter, damit seine URL als Verweis in den Google Analytics-Berichten dieser Websites auftauchte und deren Webmaster daraufhin seine eigene Seite besuchten.
Es gestaltet sich schwierig, genaue Entscheidungen auf der Grundlage von Google Analytics-Daten zu treffen, in denen sich Fake-/Robot-Websitebesuche tummeln, welche von Websites wie diesen weitergeleitet wurden:

So kann man das Ganze beheben:

Die Lösung? Sperre diese Art von Traffic, damit Google Analytics ihn gar nicht erst berücksichtigt. Dazu musst Du nur einen benutzerdefinierten Filter auf Basis der Kampagnenquelle erstellen, und zwar wie folgt:

Du kannst auch mehrere Domains mit derselben Regel blockieren, indem Du einen regulären Ausdruck in folgendem Format verwendest: example\.com|example2\.com

Wirf einen Blick auf den Google-Artikel Von Domains stammende Verweiszugriffe filtern, um mehr zu erfahren.

Was man nicht tun sollte:

Es gibt ein paar wirklich häufige Fehler, die Du im Kampf gegen Spam-Traffic unbedingt vermeiden solltest:
Füge die Domains nicht der Verweis-Ausschlussliste hinzu. Wenn Du das tust, ignoriert Google die Verweisquelle, zählt aber trotzdem den Besuch. Das ist nicht wünschenswert, denn diese Besuche stammen von Bots und sind also Fake-Besuche.

• Verwende keinen der vordefinierten Filter (siehe Screenshot unten), wie z.B. „Zugriffe über die ISP-Domain" (der den Traffic auf Grundlage der Internetprovider blockiert) oder „Zugriffe auf den Hostnamen" (der den Traffic AUF einen Hostnamen blockiert, nicht Traffic VON dem Hostnamen).

• Stelle das Filterfeld nicht auf Verweis, sondern auf Kampagnenquelle.

Testseite für Entwickler

Die meisten Websites haben separate URLs für die Implementierung und das Testen neuer Funktionen, bevor diese auf der Hauptseite gelauncht werden. Beispielsweise eine URL (Subdomain) wie dev.ryte.com oder staging.ryte.com. Der Traffic dieser URL kommt in der Regel von Mitarbeitern, automatisierten Testwerkzeugen und Lieferanten, aber nicht von den Interessenten und Kunden, die Du eigentlich tracken möchtest.

So kann man das Ganze beheben:

Auch dieses Problem ist einfach zu lösen, da Du auch hierfür einen vordefinierten Filter einsetzen kannst. Erstelle einfach einen Filter mit den folgenden Parametern:

• Vordefiniert

• Ausschließen

• Hostname-Traffic

• Enthält

• Deine Domain (ohne https://)

Falsch zugeordnete Verweise

Ein weiteres häufiges Problem mit Google Analytics-Daten ist, dass für manche Besucher falsche Verweisquellen angezeigt werden. Wenn Du beispielsweise ein Zahlungsportal eines Drittanbieters wie PayPal nutzt, greifen Deine Besucher kurz vor einem Kaufabschluss auf Deiner Website möglicherweise auf eine URL von paypal.com zu. Das kann dazu führen, dass im Bericht viele Umsätze auftauchen, die anscheinend von Paypal.com verwiesen wurden, so wie hier:

Das ist problematisch, denn schließlich willst Du sehen, wie diese Kunden eigentlich auf Deine Website gekommen sind (z.B. über eine Google-Anzeige) und willst nicht paypal.com als Quelle sehen.

So kann man das Ganze beheben:

Auch dieses Problem ist einfach zu beheben – füge einfach paypal.com zu Deiner Verweis-Ausschlussliste in der Google Analytics-Verwaltung hinzu (beachte dabei, dass sich diese in den Property Einstellungen befindet, nicht unter Datenansicht / Filter).

Gib die Domain einfach folgendermaßen ein:

Sobald Du den Verweisausschluss hinzugefügt hast, zählt Google diese Besuche weiterhin, ordnet sie aber der letzten bekannten Quelle zu. Zum Beispiel:

Wenn also Mäxchen nun auf eine Google-Anzeige klickt, landet er auf Deiner Website und bezahlt im Anschluss mit PayPal. Vorher wäre seine Bestellung als von paypal.com verwiesen in Analytics aufgetaucht. Jetzt, wo Du den Verweisausschluss festgelegt hast, wird dieser Verweis jedoch als von Google / CPC kommend erkannt.

Was man nicht tun sollte:

Lege keinen Filter an, um diesen Traffic auszuschließen. Das ist nicht ratsam, denn es handelt sich hier um echte Bestellungen von echten Kunden. Du solltest nur verhindern, dass Google den Traffic als von paypal.com stammend erkennt.

Fazit

Jede Website ist einzigartig und benötigt einen einzigartigen Filtersatz, damit die Daten von Google Analytics sauber bleiben. Dennoch habe ich festgestellt, dass die meisten Websites diese grundsätzlichen vier Filtertypen in der Regel alle benötigen. Es ist also ein guter erster Schritt, diese Filter anzuwenden, wenn Du saubere und genaue Analysedaten für Deinen Web-Traffic bekommen willst. Was sind Deine Lieblingsfilter?