Web Analytics

Web Analytics bezeichnet die Messung, Sammlung, Analyse und Interpretation von Website-Daten, um das Nutzerverhalten zu verstehen und datenbasierte Entscheidungen zu treffen. Es ist die Grundlage jedes datengetriebenen Digital Marketings.

Ohne Web Analytics ist Marketing Intuition. Mit Web Analytics wird Marketing zur Wissenschaft. Der fundamentale Prozess: Messen → Analysieren → Verstehen → Optimieren → Messen. Dieser Kreislauf, konsequent angewendet, ist der Motor für kontinuierliches Wachstum im digitalen Bereich.

Web Analytics vs. Business Intelligence vs. Digital Analytics

Diese Begriffe werden oft austauschbar verwendet – mit feinen, aber bedeutsamen Unterschieden:

Web Analytics ist die engste Definition – sie bezieht sich primär auf Website-Daten. Digital Analytics erweitert den Blick auf App-Nutzung, E-Mail-Interaktionen, CRM-Daten. Business Intelligence integriert alle Unternehmensdaten, einschließlich Web Analytics, für übergreifende Geschäftsanalysen.

Web Analytics Tools: Der Marktvergleich

Der Markt für Web Analytics ist seit der Einstellung von Universal Analytics (GA3) im Jahr 2024 neu in Bewegung. GA4 ist der unangefochtene Marktführer, aber Alternativen gewinnen an Bedeutung – besonders aufgrund von Datenschutzbedenken.

Für die meisten kleinen bis mittleren Unternehmen ist Google Analytics 4 die pragmatische Wahl – kostenlos, leistungsfähig und mit Google Ads nahtlos verbunden. Wer DSGVO-Konformität ohne aufwendige Cookie-Consent-Banner priorisiert, findet in Plausible oder Matomo (selbst gehostet) starke Alternativen.

Die zentralen Web Analytics Metriken

Akquisitions-Metriken (Woher kommen Besucher?)

Sessions (Sitzungen): Ein zusammenhängender Besuch auf der Website. Endet nach 30 Minuten Inaktivität.

Users (Benutzer): Einzigartige Personen, die die Website besuchen. In GA4 durch Cookie-ID, Google-Account-Abgleich oder modellierte Daten ermittelt.

New vs. Returning Users: Verhältnis neuer zu wiederkehrenden Nutzern. Hoher Anteil neuer Nutzer → Reichweitenwachstum. Hoher Anteil Returning → starke Loyalität.

Traffic Channels: Woher kommen Besucher? Organic Search, Direct, Referral, Social, Email, Paid Search.

Engagement-Metriken (Was tun Besucher?)

Pageviews: Gesamtzahl aller aufgerufenen Seiten.

Average Engagement Time (GA4): Zeit, in der das Browser-Fenster aktiv im Vordergrund war. Aussagekräftiger als die frühere "Average Session Duration".

Engagement Rate (GA4): Anteil der Sessions, die länger als 10 Sekunden dauern, mindestens eine Conversion enthalten oder mehr als zwei Pageviews umfassen. Ersetzt die alte Bounce Rate.

Bounce Rate (Absprungrate): In GA4 der Anteil nicht-engagierter Sessions. Hohe Absprungrate kann ein Problem oder normal sein – abhängig vom Content-Typ.

Pages per Session: Durchschnittliche Anzahl besuchter Seiten pro Session. Niedriger Wert kann ein Navigationsproblem anzeigen – oder auf effiziente Single-Page-Nutzung hinweisen.

Conversion-Metriken (Was erreichen Besucher?)

Conversions: In GA4 definierte Ziel-Ereignisse (Events). Beispiele: Kontaktformular abgeschickt, Produkt gekauft, Newsletter angemeldet, Datei heruntergeladen.

Conversion Rate: Anteil der Sessions oder Nutzer, die eine gewünschte Aktion ausführen. Die wichtigste einzelne Kennzahl für die Website-Effektivität.

Revenue (für E-Commerce): Gesamtumsatz über die Website – mit GA4-E-Commerce-Tracking.

Zusammenfassende Metriken-Übersicht:

Tracking-Implementierung: Tags, Tag Manager, Server-Side

Client-Side-Tracking (Standard)

Die traditionelle Methode: Ein JavaScript-Snippet wird auf der Website eingebunden. Der Browser des Nutzers sendet Daten direkt an den Analytics-Dienst (Google). Nachteile: Ad-Blocker blockieren es, Browser-Privacy-Einstellungen reduzieren Datenqualität, Cookie-Consent kann Datenerfassung einschränken.

Google Tag Manager (GTM)

Der Google Tag Manager ist ein Container für alle Tracking-Codes. Statt jeden Tracking-Code direkt in den Website-Code einzubauen, wird nur der GTM-Container-Code eingebaut. Alle weiteren Tags (GA4, Google Ads, Meta Pixel, etc.) werden über die GTM-Oberfläche verwaltet – ohne Entwickler.

Vorteile des GTM:

• Zentrale Verwaltung aller Tags ohne Code-Änderungen
• Trigger-Logik: Events nur feuern, wenn Bedingungen erfüllt sind
• Debug-Modus für einfaches Testing
• Consent-Mode-Integration für DSGVO-konformes Tracking

Server-Side-Tracking (Zukunftsstandard)

Beim serverseitigen Tracking werden Daten nicht vom Browser direkt zu Google gesendet, sondern erst an Ihren eigenen Server – der dann, mit Kontrolle über welche Daten, an Google weiterleitet.

Vorteile:

• Ad-Blocker umgehen (da keine direkte Browser-Google-Verbindung)
• Bessere Datenqualität (vollständigere Daten)
• Mehr Kontrolle über Datenweitergabe (DSGVO)
• Längere Cookie-Laufzeiten möglich

Nachteile: Höherer Implementierungsaufwand, Serverkosten.

Datenschutz und DSGVO in der Web Analytics

Die DSGVO hat Web Analytics fundamental verändert. Cookie-Consent-Banner sind heute Standard – mit erheblichen Auswirkungen auf die Datenqualität: Typischerweise lehnen 30–50 % der europäischen Website-Besucher Analytics-Cookies ab.

Cookie-Consent-Management

Vor dem Tracking personenbezogener Daten muss eine informierte Einwilligung (Opt-in) eingeholt werden. Plattformen wie Cookiebot, OneTrust, Complianz oder Borlabs Cookie automatisieren diesen Prozess.

GA4 Consent Mode: Google hat einen Consent Mode entwickelt, der bei fehlender Einwilligung verhaltensbasierte Modellierungsdaten verwendet – um die Datenlücke durch verweigerte Consents statistisch zu füllen.

Privacy-First-Alternativen

Plausible Analytics erhebt keine personenbezogenen Daten, setzt keine Cookies und benötigt damit keinen Cookie-Consent-Banner. Es ist DSGVO-konform ohne Konfigurationsaufwand. Der Kompromiss: weniger Funktionen als GA4, aber für viele Unternehmen ausreichend.

Matomo mit Cookie-freiem Tracking: Matomo kann in einem vollständig cookie-freien Modus betrieben werden – mit entsprechend reduzierter Messgenauigkeit, aber ohne Cookie-Consent-Anforderung.

Web Analytics für E-Commerce

E-Commerce Analytics geht über Standard-Web-Analytics hinaus. Produktaufrufe, Warenkorb-Hinzufügungen, Checkout-Abbrüche, Zahlungsabschlüsse – der gesamte Kauftrichter muss gemessen werden.

GA4 E-Commerce-Events (Enhanced E-Commerce):

• view_item – Produktseite aufgerufen
• add_to_cart – Produkt in Warenkorb
• begin_checkout – Checkout begonnen
• purchase – Kauf abgeschlossen
• remove_from_cart – Produkt entfernt
• view_cart – Warenkorb angesehen

Mit diesen Daten lassen sich Conversion Funnels analysieren: An welcher Stelle brechen Nutzer den Kaufprozess ab? Ein Checkout-Abbruch von 80 % bei Schritt "Versandadresse eingeben" deutet auf ein UX-Problem hin.

Conversion Tracking und Attribution

Conversion Tracking einrichten (GA4)

In GA4 werden Conversions als "Key Events" markiert. Jede Nutzeraktion, die als Conversion-Event konfiguriert ist, wird in den Berichten als Conversion gezählt.

Typische Conversion-Events:

• Kontaktformular gesendet (form_submit)
• Telefonnummer geklickt (click)
• Datei heruntergeladen (file_download)
• Produkt gekauft (purchase)
• Newsletter angemeldet (sign_up)

Attribution: Welcher Kanal hat die Conversion verdient?

Attribution beantwortet die Frage: Wenn ein Nutzer über Google-Suche kommt, eine Woche später über Instagram zurückkommt und dann kauft – wem wird die Conversion zugeschrieben?

Attribution-Modelle:

• Last Click: Letzter Klick vor Conversion bekommt 100 % der Gutschrift
• First Click: Erster Touchpoint bekommt 100 % der Gutschrift
• Linear: Alle Touchpoints erhalten gleichen Anteil
• Data-Driven (GA4-Standard): Algorithmusbasierte Verteilung basierend auf echtem Verhalten

Dashboards und Reporting mit Looker Studio

Looker Studio (ehemals Google Data Studio) ist ein kostenloses Tool für die Visualisierung von Analytics-Daten. Es verbindet sich direkt mit GA4, Google Ads, Google Search Console und Hunderten weiterer Datenquellen.

Vorteile:

• Kostenlos
• Echtzeit-Daten
• Shareable Dashboards (kein Login erforderlich für Empfänger)
• Anpassbare KPI-Ansichten für verschiedene Stakeholder

Ein professionelles Web-Analytics-Dashboard zeigt auf einer Seite: Traffic-Entwicklung, Top-Kanäle, Conversion Rates, Top-Seiten und Ziel-KPIs – mit automatischer Datenaktualisierung.

Der Web Analytics Prozess: Von Daten zu Entscheidungen

Der Wert von Web Analytics liegt nicht in den Daten selbst – sondern im Handeln auf Basis dieser Daten.

Der ideale Analytics-Zyklus:

1. Messen: Tracking korrekt implementieren, Conversions definieren
2. Berichten: Regelmäßige Dashboards, Anomalie-Alerts einrichten
3. Analysieren: Muster, Ausreißer und Chancen identifizieren
4. Hypothesen bilden: "Wenn wir X ändern, erwarten wir Y"
5. Testen: A/B-Tests für Hypothesen durchführen
6. Optimieren: Gewinnende Variante implementieren
7. Zurück zu 1: Auswirkung messen

Analytics ohne Action ist Datenhoardung. Der Mehrwert entsteht durch den Mut, auf Basis von Daten Entscheidungen zu treffen – und diese Entscheidungen konsequent zu messen.