Entfessle die Macht der Google Analytics Datentabelle

***Bevor du fortfährst***

Wenn du die Funktionen von Google Analytics zu 100 % beherrschst, ist dieser Artikel vielleicht nicht für dich geschrieben. Wenn du aber zu den 98 % der Google Analytics-Nutzer/innen gehörst, nutzt du wahrscheinlich nicht das volle Potenzial von Google Analytics. Wenn du dich zur zweiten Gruppe zählst - keine Scheu. Vielleicht willst du das hier lesen. Während die ganze Welt auf Big Data abfährt, kommen immer mehr ausgefallene Datenanalyse-Tools auf den Markt. Such einfach nach "Big-Data-Analyse-Tool" und du wirst mit Bewertungen überflutet, in denen eine Million der besten Tools vorgestellt werden, die es im gesamten Universum gibt.

Big Data"-Abfragen bei Google seit 2004. Quelle: Google Trends.

  Übersehe ich hier etwas? Geht es nur mir so oder vergessen wir das große Ganze, während sich alle auf Big Data Tools stürzen? Diese Tools sind noch nicht der Heilige Gral. Seien wir realistisch: Egal, welches Tool du verwendest und welche Funktionen es hat, ich bin mir ziemlich sicher, dass es dir nicht genau sagen wird, was du auf deiner Website optimieren sollst und schon gar nicht, wie du es optimieren sollst. Hier ist der Grund dafür.

Tools machen noch keinen Web-Analysten

Unabhängig davon, welches Datenanalyse-Tool oder welche Software du verwendest, musst du eine erstklassige Website-Analyse durchführen, um : 

Kenne deine digitalen Ziele in- und auswendig 

Wenn du deine digitalen Ziele beherrschst, kannst du sie in Key Performance Indicators (KPIs) übersetzen und dich auf Statistiken konzentrieren, die für dein Unternehmen von Bedeutung sind. Ich las einmal in Avinash Kaushiks Blog: "Gute Analysten sind großartige Attentäter. Sie sind großartig darin, lahme Metriken und Dimensionen zu finden und sie zu töten." Dieses Zitat steht für mich für eine der wichtigsten Ideen zur Webanalyse. Letztendlich geht es bei der Webanalyse darum, die richtigen Kennzahlen zu finden und sie für dein Unternehmen aussagekräftig zu machen.

Du kannst die Daten, die du auswertest, in einen Kontext setzen

Statistiken können auf unterschiedliche Weise interpretiert werden, wenn sie in verschiedenen Kontexten betrachtet werden. Das wissen wir alle, aber wir neigen dazu, diese Tatsache zu vergessen, wenn es darum geht, Daten mit anderen zu teilen. Eine allgemeine Absprungrate oder die Verweildauer auf einer Website allein bedeutet noch gar nichts. Mit anderen Worten: Um eine statistische Analyse zu präsentieren, reicht es nicht, Zahlen in einen schönen Bericht zu kopieren. Wir müssen Zeit investieren, um die Zahlen, die wir hervorheben, zu analysieren, damit sie eine sinnvolle Interpretation erfahren. 

Nutze deine Website-Statistiksoftware wie ein Chef 

Es wäre ein Fehler, die Bedeutung der Leistung der von dir verwendeten Website-Überwachungssoftware zu vernachlässigen. In der Tat darfst du dich nicht von einer Software einschränken lassen. Aber ehrlich gesagt, habe ich eine solche Situation noch nie erlebt. Die Leute gehen selten bis an die Grenzen ihrer statistischen Werkzeuge. Lass uns noch ehrlicher sein. Die meisten Leute benutzen Google Analytics, weil es kostenlos ist, und nutzen oft nicht einmal die grundlegendsten Funktionen. Und genau das werden wir versuchen, zu ändern.

Die Datentabelle von Google Analytics: Vollgaspotenzial

Die "Datentabelle", wie Google sie nennt, ist wahrscheinlich das, was du am häufigsten benutzt, ohne ihren Namen zu kennen. Und das ist auch gut so, denn uns ist es völlig egal, wie sie heißt. Aber wenn das nicht der Fall ist, solltest du in der Lage sein, sie wie ein Chef zu benutzen. Wenn es etwas gibt, das du in Google Analytics mühelos manipulieren können solltest, dann ist es die "Datentabelle". "Gehen wir also kurz zum Echtzeitbericht, zur Data Hub Activity und zu anderen ausgefallenen Berichten. Ok, ok. WTF? Das ist das Kernstück von Google Analytics: die große Tabelle unter dem Diagramm, der Bericht, den Google Analytics jedes Mal erstellt, wenn du ihn ausführst. Er sieht so aus:Ich höre dich denken: "Duh! Ich weiß schon, wie man das Ding benutzt." Aber warte bis zum Ende des Artikels, bevor du urteilst. Ohne noch länger zu warten, hier sind ein paar coole (und unterlegene) Funktionen, die in der wunderbaren Datentabelle von Google Analytics zu finden sind! Mach dir ein kaltes Bier auf und sieh dir die Magie an.

Abmessungen 

Die primäre Dimension ist der Hauptfokus des Berichts und wird bei der Auswahl eines Berichts standardmäßig festgelegt. Die Metriken (Zahlen) werden an ihr ausgerichtet. In diesem Beispiel im Bericht Quelle/Medium ist die primäre Dimension, ohne Überraschung, Quelle/Medium. Aber nur wenige wissen, dass sie sie ändern können. Das kann eine schnelle und einfache Alternative zum Wechseln der Berichte sein.

Aber ehrlich gesagt ist das Hinzufügen einer sekundären Dimension genau der Sinn der Dimensionseinstellungen in der Datentabelle. Es ist wahrscheinlich der einfachste Weg, zwei Metrik-Typen zu kreuzen. Wenn du zum Beispiel die Seiten ermitteln willst, die am häufigsten von anderen Suchmaschinen besucht werden, musst du eine sekundäre Dimension verwenden. In diesem Fall verwendest du " Medium " als " Primäre Dimension ", klickst auf " Organisch " und fügst " Landing Page " als " Sekundäre Dimension " hinzu. "

Denke einfach daran, dass du die Dimensionen nutzen kannst, um eine Zahl aus verschiedenen Perspektiven zu betrachten, dann habe ich mein Ziel erreicht. 

Plot-Zeilen 

Angenommen, du schaust dir die Seiten an, die den meisten Traffic von den Suchmaschinen bekommen, und du möchtest die Entwicklung einer bestimmten Seite sehen. Das ist ganz einfach!

1. Klicke auf das Kontrollkästchen am linken Ende einer beliebigen Zeile im Bericht.
2. Klicke auf " Zeilen plotten. "

Das war's! Du kannst jetzt den organischen Traffic auf einer bestimmten Landing Page (in orange) mit dem gesamten organischen Traffic (in blau) vergleichen. Huhu.

Diese Funktion ist äußerst hilfreich, wenn du schnell herausfinden willst, was die Ursache für wichtige Veränderungen in einer Grafik zu einem bestimmten Datum war. Von nun an musst du nicht mehr mehrmals das Datum ändern, bis du herausgefunden hast, welches Element die Veränderung verursacht hat (ja, das machen wir alle). 

Sortierfunktionen 

Es gibt verschiedene Möglichkeiten, die in der Datentabellenansicht angezeigten Daten zu sortieren. Standardmäßig sortiert ein Bericht in Google Analytics die Daten alphanumerisch (von oben nach unten). Du kannst dies ändern, indem du auf die Spaltenüberschrift klickst. Du kannst auch die Metrik ändern, nach der der Bericht sortiert ist, indem du auf die Spaltenüberschrift klickst. Angenommen, du möchtest dir die Quellen ansehen, die die meisten Conversions generieren, dann klicke auf die Spaltenüberschrift der jeweiligen Conversion. Die Quellen, die Conversions generiert haben, werden oben im Bericht angezeigt. Wenn du zwei Datumsbereiche vergleichst, möchtest du dir vielleicht die Elemente ansehen, die die größten absoluten Abweichungen aufweisen. Dazu klickst du auf das Dropdown-Menü Sortierart und wählst " Absolute Veränderung. "

Sonst müsstest du in der Tabelle suchen, welche Elemente die größte Abweichung haben. 

Tischanzeige 

In der oberen rechten Ecke der Datentabelle gibt es einige sehr hilfreiche Anzeigeoptionen. Hier ist eine kurze Präsentation jeder einzelnen von ihnen. Es ist sehr empfehlenswert, sie auszuprobieren, um ihr Potenzial zu verstehen.

Die erste ist die Standardansicht, die Datentabelle, wie du sie immer gesehen hast. Die gute alte Ansicht! Die zweite (Tortendiagramm) ist die prozentuale Ansicht. Sie zeigt den Beitrag jeder ausgewählten Kennzahl in Prozent an. Sie hilft dir, die Bedeutung jedes Elements im aktiven Bericht zu erkennen. Die dritte Ansicht ist die Leistungsansicht. Wie die prozentuale Ansicht zeigt sie die wichtigsten Kennzahlen im Bericht an. Sie ist auch sehr nützlich, wenn es darum geht, die Leistung zu vergleichen (Conversions, Ereignisse usw.). Als Nächstes folgt die Vergleichsansicht. Sie zeigt, wie die einzelnen Kennzahlen im Vergleich zum Durchschnitt der Website abschneiden. Der vorletzte Punkt ist die Begriffswolke. Der Name sagt schon so ziemlich alles. Meiner Meinung nach hat Google Analytics diesen Begriff hinzugefügt, um seine Nutzer zu erfreuen. Leider kann ich darin keinen wirklichen Nutzen erkennen. Vielleicht magst du sie bei der Analyse von Schlüsselwortberichten verwenden. Aber das war's auch schon. Die letzte (aber nicht die letzte) Funktion scheint auf den ersten Blick ein seltsames Biest zu sein. Mit ihr kannst du die Beziehung zwischen zwei Dimensionen visualisieren. Es stellt die Zahlen dar, indem es die zweite Dimension, die du ausgewählt hast, dreht. Das muss man wirklich testen, um es zu verstehen!

Fazit

Wenn du es bis hierher geschafft hast, willst du wirklich das volle Potenzial von Google Analytics nutzen. Das ist auch gut so, denn zu diesem Preis wirst du wahrscheinlich kein nützlicheres Webanalysetool finden (ich hätte fast nicht "zu diesem Preis" geschrieben, denn ich bevorzuge dieses Tool). Die in diesem Artikel vorgestellten Funktionen sind wirklich hilfreich und einfach zu nutzen. Da du nun weißt, dass es sie gibt, solltest du nicht zögern, sie so oft wie möglich zu nutzen. Noch einmal: Es geht darum, dieselben Daten aus verschiedenen Perspektiven zu betrachten. Aber vergiss nicht: Du musst nach etwas Bestimmtem suchen, um besonders aussagekräftige Statistiken zu finden. Die goldenen Nuggets werden dir nicht ins Gesicht springen, nur weil du einen Klickmarathon absolvierst. Wie wir schon sagten: Tools machen noch keinen Webanalysten. Dein Webanalyse-Tool wie ein Chef zu benutzen, ist notwendig, aber nicht genug. Stelle Hypothesen auf und versuche, sie zu validieren - und bleibe dabei 100% neutral. Sei neugierig und widerstandsfähig. Die Goldnuggets werden kommen!