Datenqualität in der Web Analyse
Glaubwürdigkeit ist die Währung des Web Analysten. Er muss die Zahlen und die Erkenntnisse aus den Web Analyse Tools im Unternehmen an die Entscheidungsträger kommunizieren und diese müssen ihm und seiner Arbeit vertrauen, sonst werden Entscheidungen nicht auf Basis von Daten getroffen, sondern aus dem Gefühl und der Erfahrung der Entscheidungsträger heraus und die Investitionen in Tools und Personal rechnen sich nicht.
Datenqualität von Web Analyse Daten ist in solchen Gesprächen oft ein Thema. Wer sich mit Web Analyse beschäftigt weiß, dass die Daten nicht 100% akurat sind und es auch nie sein werden. Die Gründe hierfür sind vielfältig:
- JavaScript aktiviert oder deaktiviert
- Cookies aktiviert oder deaktiviert
- Messtechnik (JavaScript-Tags, Serverlogs, Packet-Sniffer)
- Implementierung des Messcodes im Quellcode der Seite
- Ladezeiten des Servers
- Userklickgeschwindigkeit
- Fehlende oder nicht funktionierende JavaScript-Tags
Diese Liste ließe sich sicher noch um einige Punkte erweitern (was in den Kommentaren gerne getan werden kann). Allerdings interessiert es Führungskräfte oft nicht, welche Gründe existieren. Für sie zählt alleine: “Kann ich diesen Daten vertrauen oder verlasse ich mich am besten doch auf mein Gefühl?”
Für den Web Analysten heißt das: Mit technischen Kenntnissen über die Fallstricke in der Web Analyse kann er nicht punkten und seine Glaubwürdigkeit erhöhen. Er muss andere Wege suchen.
Deswegen hier aus meiner Sicht folgende Vorschläge:
- Implementierungen von Messsystemen immer selbst prüfen und freigeben. Es nicht den Web-Entwicklern überlassen, sondern selbst wissen, was wie zu funktionieren hat.
- Zwei Tools parallel implementieren, die auf der gleichen Messtechnik basieren und diese aneinander ausrichten. Hier bieten sich neben einem kostenpflichtigen eines der kostenlosen Tools an. Diese muss nicht so leistungsfähig sein, wie das Primärsystem, dient aber zur Absicherung der Zahlen. Hier ist eine Liste kostenloser und freier Web Analyse Tools.
Korrekte Implementierung prüfen
Zur Überprüfung der Implementierung gibt es diverse Tools und Plugins. Die von mir verwendeten sind:
Mit diesen beiden Plugins für Firefox hat man zwei hilfreiche Werkzeuge, um Fehler in der Implementierung von Web Analyse Tools zu entdecken, die auf JavaScript Tags basieren.
Wer von seiner Firma aus kein Firefox nutzen kann/darf, dem sei ein Blick auf Wireshark empfohlen.
Zwei Web Analyse Tools parallel auswerten
Zwei Web Analyse Tools werden niemals absolut gleich messen. Zunächst sollte man auf jeden Fall Tools verwenden, die die gleiche Messtechnik verwenden, denn sonst sind die Ergebnisse mehr verwirrend als hilfreich.
Dann sollte man darauf achten, den Messcode immer an der gleichen Stelle im Quellcode platzieren. Steht der Code eines Messsystems am Anfang des Seitenquellcodes und der andere am Ende ergeben sich durch die Ladezeiten und das Klickverhalten der User mehr oder minder große Unterschiede.
Wird eine Lösung mit JavaScript-Tags verwendet, kann der Standort der Zählserver ein Einflussfaktor sein. Einige Anbieter in Deutschland haben ihre technische Infrastruktur in den USA. Die Messung funktioniert mittels Image-Requests, es wird also ein Bild geladen. Server in Europa antworten wesentlich schneller als solche, die auf der anderen Seite des Atlantiks sind.
Mit Tamper Data läßt sich die Schnelligkeit der Messung testen. Alles unter 100 Millisekunden ist sehr gut, 101-300 ms ist ok, ab 300 ms ist es langsam. Hierbei handelt es sich um eine persönliche Einschätzung.
Die Daten aus den 2 Web Analyse Systeme vergleicht man dann im besten mit Excel oder lädt sie in ein eigenes System runter. Wem Excel alleine zu mühselig ist und wenn noch kein BI-System im Einsatz ist, dem kann ich die Open Source BI-Software Palo empfehlen. Damit lassen sich große Datenmengen organisieren und strukturiert über Excel darstellen.
Wie ist es bei Ihnen / euch? Ist Datenqualität ein großes Thema und wie geht ihr in der Diskussion damit um?
Guter / nützlicher Beitrag? Voten Sie bitte bei SEOigg: SEOigg it! Vielen Dank.
Danke für die ausführliche Beschreibung, so etwas habe ich schon die ganze Zeit gesucht
Mein Kompliment zu der ausführlichen, interessanten und allumfassenden Ausführung. Dem Thema ist wenig hinzuzufügen.
Ein Punkt den ich noch aus der Praxis anmerken möchte betrifft die Kommunikation zu Webanalytics zahlen.
Trotz der Probleme mit Datenqualität und Messfehlern und insbesondere hinsichtlich der Verwendung von zwei Analysetools, sollte vermieden werden, die Zahlen als Fragwürdig zu präsentieren. Das eigentliche Problem tritt erst dann auf, wenn wir bei der Darstellung des Web-Erfolgs (oder Misserfolgs) mit Messfehlern argumentieren müssen.
Dass jedes Analysesystem falsch misst kann ich bestätigen.
Wir dürfen aber auch davon ausgehen, dass ein Analytics Tool immer “gleich falsch” mißt. Damit weiß jeder der sich mit Statistik auskennt, dass der Meßfehler konstant bleibt und damit, bei geeignet großen Zahlen und genügend geringen Meßfehlern, vernachlässigt werden kann.
Schwierig wird es nur dann, wenn ich eine Metrik wie Conversions/Tag messe, ich aber bei 10 Conversionen mit einem Messfehler von 5% agiere. Die Messung liefert dann 9, 10 oder 11. Die korrekte Messung, der Bestelleingang im Shop ist aber verfügbar und liegt u.U. auch dem Empfänger der Webanalytics Daten vor.
Lange Rede kurzer Sinn:
Es ist immer sinnvoll nach fehlerfreien Systemen zu schauen.
Wenn ich keine fehlerfreie Messung bekommen kann, dann sollte ich dafür sorgen, dass der Fehler identisch bleibt.
Zu guter letzt sollte ich Zahlen nur dann kommunizieren, wenn sie statistisch relevant sind.
p.s.
Bei einer Umfrage stimmten diesen Aussagen 100% der Befragten zu, ich war der einzige Teilnehmer der Befragung