Traffic-Diebstahl aufdecken mit Search Console und Google Analytics | Analytics-Blog von Michael Janssen

Wenn Search Console und Google Analytics sehr unterschiedliche Traffic-Daten auswerfen, kann das auf ein übles Problem hinweisen. Wie ich in Detektivarbeit das Rätsel löste und was du daraus lernen kannst.

Es fing alles damit an, dass ich in einer Facebook-Gruppe rund um Themen der Web-Analyse über einen Post gestolpert bin. In diesem Post ging es um die Daten der Search Console in Google Analytics. Wer mich kennt oder auch den Podcast Beyond Pageviews hört, weiß, dass ich kein Freund vom Import der Daten aus der Seach Console in Google Analytics bin. Die Daten beziehungsweise die Datenerfassung ist zu unterschiedlich, als dass man diese beiden Systeme mixen könnte.

Wann der Vergleich zwischen Search Console und Analytics doch sinnvoll ist

Aber in diesem Fall war der Vergleich der Daten von Search Console und Analytics wirklich sinnvoll! Dem Fragesteller war im Bericht auf URL-Ebene aufgefallen, dass die Anzahl der Sitzungen viel niedriger war als die Anzahl der Klicks. Sofern du die Search Console und Google Analytics verknüpft hast, findest du diesen Bericht in Google Analytics unter Akquisition => Search Console => Landingpages. Prinzipiell ist es nichts besonderes, dass die Werte unterschiedlich sind. Denn diese Werte müssen durch die unterschiedlichen Messverfahren verschieden sein! Aber normalerweise liegt die Differenz zwischen diesen beiden Messwerten bei 10 bis 40%, in speziellen Fällen auch höher. Aber dann kann es sich schon lohnen genauer hinzuschauen.

Hinweis: Wichtig zu wissen ist für dich, dass der Bericht in Google Analytics die Daten aus der Search Console mit denen von Google Analytics erhobenen Daten mischt. Impressionen, Klicks, CTR und durchschnittliche Position stammt aus der Search Console. Sitzungen und alle anderen Werte aus Google Analytics.

Das Rätsel der verschwundenen Klicks …

In diesem Fall ging es aber darum, dass die Zugriffe, die die Search Console verzeichnete, teilweise das dreifache von den in Google Analytics erfassten Zugriffe gemessen hatte! Konkret zählte die am stärksten besuchte URL im Beobachtungszeitraum 1.749 Klicks in der Search Console, aber bei den von Google Analytics erfassten Zahlen kamen nur 743 Sitzungen an. Das bedeutet in diesem Fall eine Differenz von über 1.000 Klicks – oder anders ausgedrückt: fast 60% (!) der Klicks wurden in Google Analytics nicht erfasst!

Der Landingpagesbericht in Google Analytics im Bereich Search Console

Die Detektivarbeit beginnt!

Diese Diskrepanz hatte meinen Forschergeist geweckt und nach kurzer Kommunikation mit dem Fragesteller erhielt ich Zugriff auf die Website und Google Analytics. Nun konnte ich direkt in die Zahlen schauen: Der erste Verdacht, dass eventuell der Google-Analytics-Code auf den Landingpages falsch eingebunden war, erhärtete sich nicht. Der Code war augenscheinlich korrekt eingebunden.

Analytics Code falsch eingebunden? Bots?

Ich testete weiter und überprüfte auch, ob es sich bei den Klicks gegebenenfalls um Bots handeln konnte. Auch hier konnte ich keine Auffälligkeiten entdecken. Ich war mir meinem Latein erstmal am Ende. Ich konnte mir keinen Reim auf diese Zahlen machen.

Mein nächster Verdacht war, dass es eventuell an einem blockierenden JavaScript lag, dass unter bestimmten Umständen das Google-Analytics-Skript an der Ausführung hinderte. Wir deaktivierten das betroffene Skript, ich prüfte – aber es gab keine Änderungen.

Schwerer als gedacht …

Aber ich hatte mich festgebissen. Unter anderem liebe ich meinen Job als Digital-Analyst so sehr, weil es immer wieder Rätsel gibt, die mich herausfordern. So wie dieses. Es musste eine Lösung für dieses Phänomen geben.

Ganz von vorne beginnen – am Anfang der Customer Journey

Um mit den Recherchen weiterzumachen, testete ich die Customer Journey und fing weiter vorne an und zwar bei der Suche in Google. Ich gab einen entsprechenden Suchbegriff bei Google ein, für den die Website rankte, rief dann die Seite auf und überprüfte die Google Analytics-Einbindung und Übertragung an den Google-Server. Doch auch hier: keine Auffälligkeiten.

Der Zufall führte mich auf die Spur

Ich startete ganz normal eine weitere Sitzung in Chrome, nur diesmal im Inkognito-Modus. Ich gab das Suchwort in die Google-Suchmaske ein, drückte auf Suchen, klickte den Link des Kunden in den SERPs und – landete plötzlich auf einer völlig anderen Domain! WTF!
Ich hatte tatsächlich auf den Link des Kunden geklickt und wo landete ich? Auf einer Domain mit einem Gewinnspiel! Die Seite sah ungefähr so aus:

Die Website auf der anderen Domain

Ein falscher Link in den SERPs?!

Also nochmal langsam: Ich klicke auf der Google-Suchergebnisseite einen Link einer bestimmten Website und werde direkt auf eine Gewinnspielseite weitergeleitet. Das musste die Ursache für die Diskrepanz sein! Sofort testete ich den Weg ein weiteres Mal. Aber dieses Mal wurde ich enttäuscht: Es gab keine Umleitung, sondern ich landete wieder auf der normalen Landingpage.

Die Jagd beginnt – doch die Schurken sind nicht zu fassen

Als nächstes löschte ich meine Cookies, doch: keine Änderung. Es war wieder alles normal. Ich öffnete eine neue Browsersitzung und testete wieder: auch keine Auffälligkeit und keine Umleitung. Ich konnte es also nicht nachstellen.
Ich informierte den Besitzer der Website, aber er glaubte mir nicht richtig, da er es auch nicht nachstellen konnte. Scheinbar wurde eine Logik in der Ausspielung genutzt, die es schwieriger aufzudecken macht. Auch ein Wechsel der IP-Adresse half nicht. Es blieb dabei: Ich konnte das Phänomen nicht nachstellen, geschweige denn erklären.

Die Spur der Traffic-Diebe

Am nächsten Tag probierte ich es wieder und zack: Da war es wieder. Leider hatte ich das nicht erwartet und hatte den Bildschirm nicht aufgezeichnet. Nun versuchte ich mit unterschiedlichen Rechnern, Internetprovidern, IP-Adressen und Ländern das Phänomen nachzustellen. Schlussendlich gelang es mir und ich konnte es für Analysezwecke reproduzieren.

Die Lösung des Geheimnisses der Traffic-Diebe

Und nun lag das Rätsel offen wie ein Buch vor mir: Auf dem Webserver der betroffenen Website hatte sich eine Malware, ein boshaftes Skript, eingeschlichen. Dieses Skript leitete einen Teil der Besucher auf die merkwürdigen Domains mit den Gewinnspielen um.
Aber das Skript arbeitete so unauffällig, dass es nur schwer aufzudecken war und selbst der Google-Safer-Browsing über einen Zeitraum von mehreren Monaten nicht angeschlagen hatte. Inzwischen hat der Websitebesitzer die Malware im Programmcode identifiziert und durch eine Neu-Installation des CMS entfernt.

Kostspielige Folgen

So eine Malware kann durchaus sehr viel Gewinn kosten. Bei einer Website, die rund 100.000 Besuche über die Google-Suche im Monat macht, können das schnell 40-60.000 Besucher sein, die fehlen! Je größer die Website ist, desto größer ist natürlich auch der entgangene Umsatz. Und das Perfide: Die Malware startet ganz langsam und unauffällig.

Zusammenfassung & Lösung

Es kann passieren, dass sich in von dir betreuten Web-Projekten Malware einschleicht. Der einfachste Weg, eine Infizierung zu erkenne, ist aktuell die Daten der Google Search Console mit den Daten in Google Analytics zu vergleichen. Dafür gehst du in den Bereich Akquisition => Search Console => Landingpages und vergleichst die Klicks mit den Sitzungen.

Wenn die Klicks und Sitzungen eine Differenz von max. 40% (in beide Richtungen) aufweisen, liegt wahrscheinlich keine Infizierung mit Malware vor. Ein Wert über 40% ist auch erstmal nur ein Anhaltspunkt und muss noch nichts heißen. Dann liegt es an dir zu überprüfen, warum der Unterschied so groß ist. Und ein Ansatz, den du unbedingt überprüfen musst, ist der Verdacht auf eine Infizierung.

Facebook und die Klick-Id | Analytics-Blog von Michael Janssen

Eine der Hauptaufgaben bei der Web-Analyse ist es eine hohen Datenqualität sicherzustellen. Facebook hat eine neue Funktion eingeführt, die die Facebook-Daten besser macht – aber die Google Analytics-Daten schlechter! Dagegen solltest du was unternehmen. Was verrate ich dir hier.  

Wieso Parameter beim Segmentieren stören

In der Web-Analyse versuche ich immer einen Überblick über das Verhalten auf der Website zu bekommen. Dabei geht es in der Regel nicht um das Verhalten eines einzelnen Nutzers, sondern um das einer ganzen Gruppe oder, wie wir in der Web-Analyse sagen, eines Segments. Manchmal gibt es aber URLs, die durch einen Parameter, der von einem fremden System angehängt wird, “einmalig” gemacht wird. So wie in diesem Fall auf dem Screenshot: 

 die Facebook-Klick-ID entfernen | Analytics-Blog von Michael Janssen

Auf dem Screenshot hängt an jeder URL ein Parameter mit dem Schlüssel „token“. Dieser Parameter wird vom Buchungssystem der Website benötigt, um bestimmte Aktionen für genau diesen Nutzer auszuführen. In Google Analytics oder anderen Systemen ist dieser Parameter nicht nur überflüssig, nein, er stört sogar! Denn jede dieser “neuen” URLs wird ja nur einmal aufgerufen. Uns geht es aber darum zu segmentieren, also Werte (beispielsweise Nutzer) zusammenzufassen, und dafür ist es sinnvoller, die gleichen URLs auch zusammenzufassen. 

Auch Google Ads hat einen Parameter 

Wenn du Google Ads schaltest und das Auto-Tagging aktiviert hast, wird automatisch an jede URL der Google-Ads-Klickparameter angehangen. Der lautet „gclid“. Diesen Parameter findest du aber nicht in Google Analytics, denn den filtert Google automatisch heraus. Und das ist auch gut so. 

Zurück zu Facebook und seinem Klick-Parameter 

Seit kurzer Zeit hat auch Facebook einen Klick-Parameter. Und dieser Parameter wird nicht nur angehängt, wenn Links bei einem Facebook-Ad geklickt werden, sondern unter Umständen auch bei einem ganz normalen Facebook-Post. Dieser Parameter hat den Schlüssel „fbclid“. Der Parameter ist also dem Google Ads-Parameter sehr ähnlich. 

Durch diesen Parameter kannst du nicht mehr direkt sehen, wie oft eine Seite/URL aufgerufen wurde. Sondern jeder Aufruf der selben Seite wird nun von Analytics als eigene URL wahrgenommen. Das sieht dann so aus: 

die Facebook-Klick-ID entfernen | Analytics-Blog von Michael Janssen 

Auf dem Screenshot wurde jedes Mal die Startseite aufgerufen. Und von diesen URLs mit diesem Parameter gibt es hunderte. Bei jedem Klick in Facebook wurde ein neuer Parameter angehängt. Dadurch ist eine saubere Auswertung der Startseite in Analytics  so nicht mehr möglich – zumindest ohne weiteres Zutun deinerseits. 

Zum Hintergrund: Warum macht Facebook das? 

Facebook hängt diese Parameter nicht aus Jux und Dollerei an. Vielmehr kann das Facebook-Pixel diese Parameter nutzen und mit dem jeweiligen Klick bzw. Nutzer zu verknüpfen. Dadurch ist eine bessere Auswertung in Facebook möglich. Und vielleicht hast du ja schonmal in Facebook-Analytics reingeschaut. Genau dort findest du dann entsprechende Werte und Auswertungen. 

Einfache Abhilfe bei der fbclid

Das Problems des Anhängens von Parametern an aufgerufene URLs tritt in Google Analytics immer wieder auf. Deshalb gibt es auch einen ganz einfachen Weg, wie du diese Parameter aus dem Tracking entfernst. Dafür musst du weder mit dem Google Tag Manager noch mit anderem Code hantieren. Nein, du kannst das einfach in deiner Google-Analytics-Oberfläche beheben. 

Facebook-Klick-ID entfernen: So geht’s 

Du loggst dich unter analytics.google.com in dein Google-Analytics-Konto ein und prüfst, ob das Problem bei dir überhaupt besteht. Dafür gehst du in den Bericht  „Verhalten“ => „Websitecontent“ =>  „Alle Seiten“ und gibst dort in das kleine Suchen-Fenster „fbclid“ ein (s. Screenshot). 

 die Facebook-Klick-ID entfernen | Analytics-Blog von Michael Janssen

Wenn du dann bei „Seitenaufrufe“ nicht eine 0, sondern einen höheren Wert stehen hast, gibt es schon entsprechende Parameter in deinen Auswertungen. Um die automatisch aus den URLs zu entfernen, klickst ganz links unten in der Ecke auf Verwaltung. In der Verwaltungsübersicht klickst du ganz rechts in der Spalte mit der Datenansicht auf „Einstellungen der Datenansicht“. 

Ungefähr in der Mitte der Einstellungsseite findest du dann ein Formularfeld für „URL-Suchparameter ausschließen“. Dort trägst du dann den Schlüssel des Parameters ein. Im Fall von Facebook ist das „fbclid“. 

 die Facebook-Klick-ID entfernen | Analytics-Blog von Michael Janssen

Sobald du diese Einstellungen gespeichert hast, wird aus den URLs in Zukunft dieser Parameter ersatzlos entfernt. Aber Achtung: Diese Einstellung gilt nur für alle ab jetzt getrackten URLs. Rückwirkend kannst du den Parameter nicht entfernen! 

Weitere Klick-IDS 

Übrigens, neben Facebook und Google Ads gibt es noch viele weitere Anbieter, die entsprechende Klick-IDs benutzen – zum Beispiel Zanox („zanpid) und Microsoft Bing Ads („mscklid“). Um herauszufinden, welche Parameter in deinen Berichten stören, musst du den Bericht „Alle Seiten“ (siehe oben) auswerten und dann entsprechend handeln. 

Fazit 

Mit dieser kleinen Änderung erfasst Analytics ab sofort die Besucher von Facebook wieder ohne Klick-ID. Das bedeutet, es gibt nicht mehr für jeden neuen Besucher eine eigene URL. Stattdessen zählt jetzt jeder Besuch der Startseite auch genau wieder als das: Als ein – von hoffentlich vielen – Besuch deiner Startseite.  

Einführung in die Arbeit mit dem Tag Manager

Der Google Tag Manager ermöglicht es uns neuen Code direkt auf der Webseite einzubinden, ohne dass die IT tätig werden muss. Wenn du mehr wissen willst, lies meinen Blogpost über die Vor- und Nachteile des Google Tag Managers. Im Folgenden erkläre ich die grundsätzliche Funktionsweise des Tag Managers.

Weiterlesen

Der Conversiondieb und die Online-ZahlungsanbieterWenn du Zahlungsanbieter in deinem Shop verwendest, kann dir Google Analytics diese Conversion falsch den Quellen zuordnen. Was du dagegen tun kannst, erklär ich dir in diesem Artikel. Unter dem Titel „Den Conversiondieben auf der Spur“ habe ich dazu einen Vortrag bei der Analytics Challenge auf dem Google Analytics Summits von trakken gehalten.

Hinweis: Diese Anleitung richtet sich an fortgeschrittenen Google-Analytics-Nutzer… wenn du nicht weißt, was du tust, solltest du entweder jemanden beauftragen, der das kann, oder noch ein wenig lernen 😉 Alles auf eigene Gefahr! Fragen in die Kommentare.

Paypal, sofort.com und andere „normale“ Zahlungsanbieter

Eigentlich ist es Standard, aber da diese Fehlerquelle bei meinen Audits immer wieder auftaucht, erwähne ich sie hier nochmal: Damit Paypal.com, sofort.com oder ähnliche nicht als Quelle auftauchen, müssen die entsprechenden Domains in die Verweis-Ausschlussliste von Google Analytics eingetragen werden.

Verweis-Ausschlussliste.png

ACHTUNG: Die Verweisausschlussliste nicht für Spam-Traffic nutzen! Denn so entfernst du nur die Quelle, nicht die Seitenaufrufe an sich.

Mehr Sicherheit durch neue Authentifizierungsverfahren

Damit Kreditkartenzahlungen sicherer werden, haben sich die Kreditkartenfirmen neue Verfahren ausgedacht: 3d secure (Visa) und secure code (Mastercard).

(Zum Thema, ob diese Verfahren Conversion-Killer sind, werde ich mich hier nicht äußern. Aber ein Tipp: Prüf mal dein Daten… 😉 )

Hundert, ach was: Tausende Domains!

Das Problem bei diesen neuen Verfahren – aus der Sicht des Web-Analysten: Jede Bank nutzt eine eigene Sub-Domain für die Authentifizierungsseite:

 

3d-secure.png

Ich kenne Kollegen, die haben bisher einige hundert, wenn nicht sogar über tausend Domains in die Verweisausschlussliste eingetragen. Damit du schnell herausfinden kannst, ob dein Google Analytics-Konto betroffen ist, habe ich hier ein Tool für die Schnellanalyse bereitgestellt: https://toolbox.zedwoo.de/conv-diebe/

 

Und? Wie sieht es bei dir aus? Hast du viele Domains der Zahlungsanbieter in deinen Daten? Das kann nicht im Sinne des Erfinders sein! Deshalb habe ich beim Analytics Summit meinen automatisierten Weg des Ausfilterns gezeigt. Und den verrate ich jetzt auch dir!

Erkennen der Domains

Die Domains lassen sich recht leicht erkennen. Denn in der Regel haben sie einen von drei Bestandteilen im Domain-Namen:

–          3d-secure

–          3dsecure

–          Securecode

Aus diesen dreien machen wir ein Suchmuster, das so aussieht: (3d-?secure|securecode).

Da in der Verweis-Ausschlussliste keine Regex benutzt werden kann, zeige ich hier einen Weg mit dem Google Tag Manager auf. Die Lösung läßt sich aber mit ein wenig Aufwand auf alle anderen Tracking-Techniken übertragen.

Javascript für das Leeren des Verweises

Inspiriert wurde ich von Simo Ahavas Skript, sein Skript hat aber nur das Verhalten der Verweis-Ausschlussliste als Funktion. Wir brauchen ein wenig mehr. Deshalb: Beim Aufruf der Website wird geprüft, ob der Verweis auf das Suchmuster passt. Wenn das Muster passt, gibt die Javascript-Funktion als Wert „null“ (also nichts) zurück. Ansonsten wird der Original-Verweis zurückgeschrieben.

https://gist.github.com/Michaelcgn/83803c6391c02a3c79d2e921afb44ce6

Setzen des Referers in Google Analytics

In Google Analytics setzen wir einfach den Verweis mit Hilfe der Variablen. [###Screenshot]

ga_pageview.png

Und schon sind wir fertig. Ab sofort werden alle Conversiondiebe unschädlich gemacht. ACHTUNG: Bitte nicht live stellen, ohne es vorher zu testen.

Das Soziale Netz wächst und verändert sich – kommst du mit deinen Daten hinterher? Bild: Icons vieler Sozialer Netze

Google Analytics kann immer weniger Traffic aus den Sozialen Netzwerken messen – und da ist übel! Dabei hat Google Analytics einen gut aufbereiteten Social-Media-Bericht. Aber viele Neuerungen wie SSL, Apps und Co. machen dem Datensammler das Leben schwer. Dieser Post zeigt dir, wie wieder mehr Daten in Google Analytics ankommen.

Das Problem

Früher war alles besser: Immer wenn jemand bei Facebook oder Twitter einen Link klickte, wurde vom Browser die verweisende Seite (Stichwort „Referrer“) übergeben. Das geschah unsichtbar im Browser. Diese verweisende Seite konnte in Web-Analyse-Programmen wie Google Analytics genutzt werden, um einen Besucher einer Quelle zuzuweisen. So wusste Analytics zum Beispiel, wenn ein Besucher von facebook.com kam.

Aber immer öfter kommt Traffic auf deiner Website an, der keine verweisende Website überträgt. Das kann an mehreren Ursachen liegen: SSL-Verschlüsselung kann die Übertragung verhindern, aber auch wenn die Facebook- oder Twitter-App genutzt wird, wird keine verweisende Seite übertragen. Auch manche URL-Shortener verschleiern die echte Herkunft. Dabei benötigen wir die verweisende Seite, um zu wissen, wie gut unser Facebook-Post performt.

Die Lösung

Zum Glück gibt es eine Möglichkeit, wie du messen kannst, wie viele Besucher dein Facebook-Post bringt. Es geht um normale Posts wie diesen:

fb-post-example

Facebook zeigt dir an, wie viele Likes du bekommen hast und auch wie viele deinen Post gesehen haben. Aber Facebook verrät dir nicht, was die Besucher auf deiner Web-Seite gemacht haben. Dafür musst du die zu teilenden Links mit den UTM-Parametern taggen. So werden die Daten auch dann übertragen, wenn jemand den Post in einer App sieht und dort auf den Link klickt. Eine genaue Erklärung findest du in meinem Blogpost über die UTM-Parameter.

Der Link zum obigen Facebook-Post sieht mit UTM-Parametern folgendermaßen aus:

http://toolbox.zedwoo.de/url-builder/?utm_source=facebook.com&utm_medium=social&utm_campaign=beta

Sieht kompliziert aus? Keine Sorge, ist alles kein Hexenwerk. Ich zeige dir im Folgenden Schritt für Schritt, wie es geht.

Quelle (utm_source)

Wenn der Post auf Facebook erscheint, gibst du als Quelle „facebook.com“ an, wenn er auf Twitter erscheint, entsprechend „twitter.com“. So einfach ist das:

utm_source=facebook.com

Medium (utm_medium)

Wenn du einen Link taggest, der in einem normalen Social-Media-Kontext erscheint, gibst du immer als „utm_medium“ „social“ an. Also so: „utm_medium=social“. Es gibt viele, die sagen, dass du da auch etwas anderes einsetzen kannst (u.a. der von mir sehr geschätzte Neil Patel), aber wenn da nicht „social“ als Parameter steht, kann Analytics es nicht den sozialen Netzwerken zuordnen. Deswegen tragge bitte ein:

utm_medium=social

Kampagnenname (utm_campaign)

Als Kampagnenname bietet sich bei Blogposts der Titel des Blogposts an. Als Leerzeichen nimmst du entweder „+“ oder die entsprechende Codierung „%20“. Das sieht dann so aus:

utm_campaign=social+traffic+messen

Kampagnencontent (utm_content)

Besonders wenn du mehrere Twitter- oder Facebook-Posts zu einem Blogpost planst, ist es sinnvoll, den Parameter für den Kampagnen-Content zu füllen. Entweder kannst du dort durchnummerieren oder sprechende Bezeichnungen einsetzen.

utm_content=erstes+post

URL-Shortener

Da die URL sehr lang werden kann, bietet sich ein URL-Shortener wie Bit.ly oder Google an.

Fazit

Wenn alle Parameter sauber gesetzt sind, wirst du schon bald deine Facebook-Besucher in Google Analytics besser auswerten können.

Bonus: Tooltip

Um dir die Arbeit zu vereinfachen, habe ich ein kleines Tool online gestellt. Es generiert für dich die passende URL und schickt diese auch gleich durch den URL-Verkürzer von Google. Du findest das Tool hier: Google Analytics UTM Url-Builder 

Viel Spaß beim Taggen!

Sie haben Post! Bild: Viele Brief-Icons im Hintergrund.

Vielen ist nicht bewusst, wie wichtig es ist, auch Klicks aus E-Mails als eigenen Kanal zu betrachten. Dabei ist zu beachten, dass neben dem Newsletter auch Bestellbestätigungs- oder Support-E-Mails interessant sind. Wer nicht die Klicks aus seinen E-Mails trackt, der verpasst viel: Nämlich die korrekte Zuordnung des Besuchers zum richtigen Kanal. Aber es ist gar nicht so einfach, diese E-Mails zu tracken.

E-Mails sind aus dem Online-Marketing nicht mehr wegzudenken: Seien es Bestellbetätigungen, Auftragsbestätigungen oder einfache Support-E-Mails. Außerdem enthalten viele E-Mails Links zur eigenen Website – und von denen willst du wissen, ob sie jemand klickt! Es gibt zwei Möglichkeiten herauszufinden, welchem Kanal Google Analytics diese Zugriffe standardmäßig zuordnet.

Klicks im E-Mail-Programm

Wenn ein Nutzer in Outlook oder Apple-Mail auf einen Link klickt, weiß Google Analytics nicht, dass der Besuch über einen E-Mail-Link kam. Google sortiert den Besucher in die Quelle „Direkt“ ein. Also die Quelle, die besagt, dass der Benutzer entweder die URL direkt eingegeben hat oder ein Lesezeichen genutzt hat. Das entspricht aber nicht der Wahrheit.

Klicks im Webmailer

Wird in Webmailern wie GMX, Web.de, t-online oder ähnlichen auf einen Link geklickt, erscheint die jeweilige Web-Domain entweder als „Verweiszugriff“ oder gar nicht.

Screenshot aus Google Analytics mit Webmailern

Das hängt von der Weiterleitungsmethode des Webmail-Anbieters ab. Auch bei diesen E-Mails wissen wir nicht, dass es eine Reaktion auf eine von uns geschickte E-Mail ist und das ist ärgerlich, sehr ärgerlich. Aber zum Glück gibt es eine Lösung. Sie heißt: UTM!

UTM-Parameter nutzen

Damit die E-Mail-Links trackbar werden, nutzen wir die UTM-Parameter. Wie diese funktionieren und genutzt werden habe ich ausführlich in einem UTM-Blogpost beschrieben.

Tracking von Newsletterlinks

Die meisten tracken ihre Links in Newslettern standardmäßig, denn Anbieter wie Mailchimp oder Cleverreach ermöglichen die Nutzung der UTM-Parameter mit einem Klick. Bei Mailchimp findest du die Funktion im Setup einer Kampagne unter Tracking:

Screenshot aus Mailchimp zur Kampagneneinstellung

Screenshot aus den Kampagneneinstellungen bei Mailchimp. Auch der Kampagnenname wird direkt mit eingetragen.

Tracking von E-Mails aus Shopsystemen, WordPress u.a.

Für verschiedene Systeme gibt es Plug-ins oder Add-ons, die dir das Tagging abnehmen. Zum Beispiel für Magento das hier: https://github.com/waxim/magento-utm

Hinweis: Wer weitere Lösungen weiß, bitte ab damit in die Kommentare, ich ergänze den Blogpost gerne.

Tracking von E-Mails aus anderen Systemen

Für alle Systeme, für die es keine Plug-ins gibt, sowie für E-Mails aus Outlook, dem CRM oder anderen Lösungen gibt es eine Alternative: Du nutzt einfach einen anderen E-Mail-Ausgangsserver! Zum Beispiel Mandril von Mailchimp.

Mandrill für UTM-Tagging nutzen

Mandrill ist die Lösung für den Versand von Transaktions-E-Mails von Mailchimp. Du kannst Mandrill auch einfach dazu nutzen, alle Links zur eigenen Domain mit UTM-Parametern anzureichern.

Hinweis: Neben Mandrill gibt es bestimmt noch andere Anbieter. Wenn du weitere Anbieter kennst, schreib sie doch bitte in die Kommentare.

Du aktivierst Mandrill im Mailchimp-Account unter dem Reiter „Transactionals“. Nachdem du deine Absender-Domain verifiziert hast, machst du dich an die Verarbeitungsregeln. Ziel ist es, in diesem Beispiel, alle Links einer Bestellbestätigungs-E-Mail vom Shopsystem mit dem Kampagnennamen „bestellbestaetigung“ zu taggen.

Das bedeutet, wenn die E-Mail von der Absenderadresse shop@zedwoo.de kommt und die Betreffzeile exakt mit „Zedwoo.de: Neue Bestellung“ beginnt, dann wird die Ersetzung vorgenommen. Und zwar werden bei allen Links, die auf www.zedwoo.de verweisen, die UTM-Parameter wie folgt gesetzt:

utm_source=transactional

utm_medium=email

utm_campaign=bestellbestaetigung

Screenshot: Rule-Mandril-Analytics-Bestätigung

Sobald im Shopsystem als E-Mail-Server der SMTP-Server von Mandrill angegeben wird, werden alle E-Mails mit diesen Tags versehen.

Genauso kannst du mit allen ausgehenden E-Mails vorgehen. Je nach E-Mail-Adresse und Betreff vergibst du unterschiedliche Kampagnennamen und kannst so in Google Analytics direkt zurückverfolgen, welche Kampagne welche Interaktion auf der Website nach sich gezogen hat.

Bist du dir sicher, woher deine Besucher kommen?Jeder Seitenbetreiber möchte gerne wissen, welche Maßnahmen am meisten gebracht haben. Ob die Banner-Kampagne wirklich für neue Kunden oder die Facebook-Kampagne für neue Newsletter-Abonnenten gesorgt hat. Mit ein bisschen Hilfe kannst du in Google Analytics jede einzelne Kampagne zurückverfolgen. Die Lösung heißt Tags und UTM!

Lösung: UTM-Parameter

Genau für diesen Zweck gibt es bei Google Analytics die UTM-Parameter. UTM steht dabei für Urchin Tracking Monitor. Urchin Tracking Monitor war der Name von Google Analytics, bevor Google es gekauft hat. Die meisten setzen UTM-Parameter  nur für Adwords ein, aber es lohnt sich auch für alle anderen Kanäle. Egal, ob du deinen Inhalt per FB-Ad, Banner oder über deine Social-Media-Kanäle bewirbst – immer setzt du die UTM-Parameter ein! Nur so weißt du am Ende, welcher Kanal wie gut funktioniert!

Die Parameter sind dir bestimmt schon mal über den Weg gelaufen. Die URLs sehen dann so aus:

Die Werte der Parameter findest du in Google Analytics unter anderem im Bereich Akquisition.

Anhand der Parameter werden die Besucher in die unterschiedlichen Kanäle einsortiert. Solange du keine Veränderungen vornimmst, nutzt Google Analytics das Default Channel Grouping.

Folgende Parameter gibt es

Damit du jede Kampagne möglichst genau auswerten kannst, gibt es insgesamt vier Parameter. Eigentlich gibt es auch noch einen fünften für Suchbegriffe (“utm_keyword”), den lasse ich aber hier außen vor, weil der bei selbst zu taggenden Kampagnen eigentlich nie vorkommt. Damit keine Fehler passieren, solltest du alle Parameter immer in Kleinbuchstaben schreiben!

Die Quelle der Kampagne

„utm_source“ gibt die Quelle der Kampagne an. In der Regel nimmst du die Domain, auf der der Link erscheint. Beispiel: Ein Banner auf spiegel.de bekommt als Parameter dann „spiegel.de“. Wenn ich aber Links eines Werbenetzwerkes tagge, nehme ich die Domain des Netzwerkes. Beispiel: Ich habe eine Kampagne bei affili.net laufen, dann trage ich an der Stelle affili.net ein. Eine große Ausnahme dabei sind Links in E-Mails. Die werden mit der Art der E-Mail bezeichnet. Beispiel: Tagge ich meine Links im Newsletter, dann lautet der Parameter „newsletter“, bei transaktionalen E-Mails wie aus dem Shopsystem lautet der Tag “transactional”.

Die Art der Quelle

Mit „utm_medium“ gibst du die Art der Quelle an. Trage die Quelle immer sorgfältig ein, denn Google ordnet so die Kanäle zu:

Alles, was nicht zugeordnet werden kann, landet unter „other“.

Tabelle Medium => Kanal

Der Kanal kann übrigens wechseln: Ein Link auf Facebook kann in einem Post „social“ sein. Wenn es aber eine Anzeige ist, gehört er zu „banner“ oder „cpc“. Je nachdem, was du zählst.

Der Name der Kampagne

Um die einzelnen Kampagnen zu unterscheiden, kannst du einen Kampagnennamen vergeben. Wenn ich auf Blogposts verlinke, nehme ich in der Regel den ersten Teil des Titels. Die Namenswahl sollte eindeutig sein, so dass du ohne großes Nachdenken weißt, welche Kampagne gemeint ist. Für dieses Blogpost würde ich den Parameter auf „utm#tutorial“ setzen. Dabei solltest du das Leerzeichen durch „+“ ersetzen. Das wird dann in Google Analytics wieder zu einem Leerzeichen.

Feine Differenzierung: Content

Zur noch feineren Differenzierung kannst du den Parameter „utm_content“ einsetzen. Das macht dann Sinn, wenn es unterschiedliche Links gibt, in denen sich die ersten drei Parameter gleichen, aber trotzdem noch unterschieden werden sollen. Beispiel: In einem Newsletter kann es durchaus mehrere Links zur Startseite geben: Im Logo, im Text und am Ende der E-Mail. Und um genau zu analysieren, welcher Link nun geklickt wurde, kannst du dann den Parameter auf „logo“, „text“ oder „footer“ setzen. Alternativ kannst du auch die Links durchnummerieren. Ich nehme den Parameter, um bei Social-Media-Posts die Tage seit Veröffentlichung des Blogposts zu übergeben.

Hübscher machen: URL-Shortener

Wenn alle Parameter gesetzt sind, ist die URL sehr lang und, wie ich finde, nicht besonders schön.

Ich empfehle dir daher, einen URL-Shortener zu verwenden. Bit.ly oder auch der Google-URL-Shortener leisten dabei gute Dienste.

Tooltip: URL-Builder

Da dem Anwender bei der händischen Generierung der URL viele Fehler unterlaufen können, hat Google ein Formular zur Verfügung gestellt:

https://support.google.com/analytics/answer/1033867?hl=de

Sicherer & hübscher: Mein URL-Builder – für dich!

Allerdings: der Google URL-Builder hat für meinen Geschmack noch zu viele Fehlerquellen. Deswegen habe ich selber einen entwickelt – und der spart auch noch Zeit! Bei meinem URL-Builder können nur die utm_medium’s ausgewählt werden, die Google Analytics auch einem Kanal zuordnen kann. Zusätzlich erhältst du am Ende auch direkt die Short-URL. Probiere es einfach mal aus:
http://toolbox.zedwoo.de/url-builder/

Du hast Hinweise, Tipps oder auch Fragen? Dann ab damit in die Kommentare!

Jeder, der hierzulande Google Analytics datenschutzkonform einsetzen möchte, nutzt den Parameter „anonymizeIP“: Damit werden die IP-Adressen anonymisiert an die Google-Server übertragen. Soweit so gut. Blöd nur, wenn man seine eigenen Besuche über die IP-Filter versucht auszuschließen. Ich zeige dir, warum das nicht mehr so einfach geht und welche Folgen das hat.

  • Update 26.01.2017 – Möglichkeit des Ausschließens hinzugefügt

In meinen Analytics-Audits sehe ich recht oft die Nebenwirkung anonymisierter IP-Adressen: Die Daten stimmen hinten und vorne nicht! Okay, dann schließe ich halt meine eigenen Besuche nicht aus, mag der ein oder andere denken. Ganz schlechte Idee. Warum? Als Antwort zwei Beispiele:

Szenario 1: Großartige Verweildauer – nur für welche IP-Adressen?

Stell dir vor, du arbeitest für ein mittelständisches Unternehmen mit 120 Mitarbeitenden, von denen 20 im Support arbeiten und sich den lieben langen Tag ausführlich auf den eigenen Seiten tummeln. Glaub mir: Die Verweildauer, die dir dein Google Analytics zeigt, wird viel zu groß sein.

Szenario 2: Fantastische Zugriffszahlen? Ganz sicher?

Oder du betreust die Seiten für einen Konzern, bei dem jeden Morgen im Browser von 100.000 Mitarbeitenden die Firmen-Webseite automatisch aufgerufen wird. Du hast fantastische Zugriffszahlen? Lass mich raten: Alle so gegen 9 Uhr morgens? Du siehst, die eigenen Besuche müssen raus. Unbedingt! Aber wie funktioniert das überhaupt mit dem Filtern der IP-Adresse?

 

E-Book 7 Tipps für bessere Daten

Noch mehr Tipps, deine Datenqualität zu verbessern, erfährst du in meinem E-Book „7 Tipps für bessere Daten“. Voraussetzung ist allerdings, dass du dich für meinen Newsletter anmeldest.

 

 

 

Eigene Besuche anhand der IP-Adresse identifizieren

Jede IP-Adresse gibt es nur einmal. Anhand dieser IP-Adresse ist jeder Rechner und Internetanschluss im Internet identifizierbar. Die IP-Adresse des Anschlusses, den ich gerade nutze, lautet:

Ihre IP-Adresse lautet: 87.135.76.29

Diese IP-Adresse wird standardmäßig an Google Analytics übertragen. Und damit kannst du sehr gut die eigenen Besuche ausschließen. Schließlich möchte ich meine Besucher messen und nicht, wie oft ich oder Kollegen die Seite besuchen, um zum Beispiel einen neuen Blogbeitrag hochzuladen oder im Shop etwas neu einzustellen.

Google Analytics Filter mit IP

In Google Analytics kann ich meine eigenen Besuche komfortabel ausschließen, in dem ich meine IP aus den Datenansichten herausfiltere.

Das Filtern auf IP-Ebene funktioniert nur, wenn mir eine feste IP zugewiesen wird.

Die Eingabemaske sieht folgendermaßen aus:

Google-Analytics-Filter-auf-volle-IP

Zumindest hat es so funktioniert, bis die Datenschützer neue Forderungen gestellt haben …

Gut für den Datenschutz, schlecht für die Analyse

Die deutschen Datenschützer sagen klar , dass die IP-Adresse geschützt werden muss. Deshalb haben die Googler nachgedacht und eine datenschutzkonforme Möglichkeit geschaffen. Es gibt jetzt einen Parameter in der Google-Analytics-Konfiguration, der das datenschutzkonforme Verhalten einschaltet. Sobald du „anonymizeIP“ auf „true“ setzt, wird der Teil nach dem letzten Punkt der IP-Adresse nicht mehr übertragen. Dann kommt die IP-Adresse nur noch so an:

Ihre IP-Adresse lautet: 87.135.76.29

Gestutzte IP-Adressen – ein echtes Analytics-Problem

Leider fangen damit für uns in der Datenanalyse die Probleme erst richtig an: Mit dieser gestutzten IP-Adresse ist der oben gezeigte Filter komplett wirkungslos! Denn deine IP-Adresse wird nicht mehr erkannt.

Schau gleich nach, ob dein Google Analytics auch betroffen ist.

Glück gehabt: Einfache Lösung für Firmen mit C-Netzen

Es gibt Firmen, denen gehört das gesamte sogenannte C-Netz einer IP-Adresse. Das sind alle Adressen, bei denen die ersten drei Ziffernblöcke gleich sind. Die können den Filter dann so weiter benutzen:

Google Analytics: Gekürzte IP-Adresse

Lösung für alle anderen: ja – aber …

Leider gibt es für alle anderen keine einfache Lösung von der Stange. Die Lösungen sind in der Regel individuell jeweils nach der eingesetzten Technologie zu entwickeln. Das erfordert meist genaues Hinschauen, viel Überlegen und ordentlichen Basteleinsatz. Das Gute: Es ist machbar.

[Update 26.01.2017: Ergänzung „Einfache Lösung für alle“ ]

Einfache Lösung für alle

Die einfachste Lösung ist, wenn jeder Mitarbeiter eine bestimmte Seite aufruft und dadurch automatisch als interner Besucher markiert wird. Und so geht es:

Dimension für die Differenzierung der Besucher

Zum Markieren der Mitarbeiter nutzen wir die Dimensionen von Google Analytics. Dazu gehst du auf Verwaltung ⇒ Property ⇒ benutzerdefinierte Definition ⇒ benutzerdefinierte Dimension.

Benutzerdefinierte Definition in Google Analytics anlegen, um eigene Besuch auszuschließen

 

Du klickst auf “Neue benutzerdefinierte Dimension anlegen” und tust genau das. Dann vergibst du einen Namen für die neue Dimension. Dieser erscheint nur innerhalb von Google Analytics, es ist dafür da, dass du die Dimension besser erkennst. Ich nutze als Namen “Besuchertyp”. Den Umfang stellst du auf “Nutzer”, so überlebt die Einstellung auch das Schließen des Browsers. Damit die Dimension greift, setzt du noch das Häckchen bei “aktiv”:

Benutzerdefinierte Dimension bearbeiten in Google Analytics, um eigene Besuche auszuschließen

Nachdem du die Dimension erstellt hast, rufst du den Eintrag nochmal auf und erhälst die Infos, welche Dimension es ist:

Screenshot: Benutzerdefinierte Dimension bearbeiten in Google Analytics, um eigene Besuche auszuschließen

In diesem Fall ist es “dimension1”. Diesen Wert benötigst du gleich noch.

HTML-Datei erstellen

Jetzt erstellst du eine HTML-Datei, die den Analytics-Code aufruft und die Dimension auf “internal” setzt. Die sieht dann so aus:


In der Datei trägst du deine Analytics-ID ein und änderst gegebenenfalls noch die Dimension. Anschließend lädst du die Datei per FTP/SFTP auf den Server hoch. Wenn du nicht weißt, wie das geht, frag die IT. Es ist wichtig, dass diese Datei auf der gleichen Domain läuft.
Als nächstes rufst du die Seite auf. Das ist wichtig, damit du später einen Filter erstellen kannst.

Filter erstellen

Damit du einen passenden Filter erstellen kannst, musst du einige Zeit warten. Denn erst wenn Analytics aktive Daten in deiner Dimension erkennt, wird sie bei den Filtern angezeigt.
Dann gehst du zu den Filtern und legst einen neuen Filter an:

Screenshot: Filter bearbeiten in Google Analytics, um mittels Dimensionen eigene Besuche auszuschließen

Sobald du den Filter gespeichert hast, werden alle Mitarbeiter, die die HTML-Seite aufrufen, von Google Analytics ausgeschlossen. Der Cookie, der dieses Verhalten möglich macht, bleibt im Browser bestehen, bis du alle Cookies löscht. Du musst die Seite also nicht vor jedem Besuch aufrufen. Achtung: Filter wirken nicht rückwirkend.

 

E-Book 7 Tipps für bessere Daten

Noch mehr Tipps, deine Datenqualität zu verbessern, erfährst du in meinem E-Book „7 Tipps für bessere Daten“. Voraussetzung ist allerdings, dass du dich für meinen Newsletter anmeldest.

Referral- oder Verweisspam ist total doof! Es gibt mehrere Mittel und Wege, um diese Störenfriede aus Google Analytics zu entfernen. In einigen Blogs wird die Verweis-Ausschlussliste empfohlen. Wenn ich solche Tipps auf Blogs lese, möchte ich mich am Liebsten unter meinen Schreibtisch verkriechen und bitterlich weinen. Ich habe mich aber entschieden, meine Tränen zu unterdrücken und in diesem Post zu erklären, warum diese Methode nicht hilft.

Weiterlesen

Im Web-Controlling ist es nicht nur spannend, welche eigenen Seiten besucht werden, sondern auch, wo es anschliessend hin geht. Deshalb sollte jeder auch die ausgehenden Linkklicks tracken. Und genau das zeige ich in diesem kleinen Tutorial: Wie tracked man die ausgehenden Links mit dem Tagmanager ohne Änderungen am Quelltext oder der Programmierung der Seite vorzunehmen. Weiterlesen