Die 5 besten Features im neuen Google Analytics 4, die dich zum Umstieg überzeugen13 min Lesezeit

Michaela Linhart Leave a Comment

Wir können es nicht ändern: Universal Analytics hat sein Verfallsdatum bekanntgegeben! Lass uns den Kopf jedoch nicht in den Sand stecken, sondern auf das neue Google Analytics 4 einstellen. In diesem Blogartikel zeige ich dir die besten 5 Features von GA4 und du warum du mit voller Vorfreude auf die Möglichkeiten mit GA4 starten solltest.

Shutdown UA im Juli 2023

Du hast bestimmt schon gelesen, gesehen, gehört, dass Universal Analytics mit 1. Juli 2023 abgeschaltet wird:

Info zum Shutdown in Universal Analytics

Screenshot: Info zum Shutdown in Universal Analytics

Ab dann können KEINE neuen Daten mehr mit Universal Free erhoben werden.

GA360 Properties sind etwas später dran.

Es geht sogar noch schlimmer: Ab voraussichtlich 2024 (das genaue Datum wird von Google noch bekannt gegeben) verlieren wir auch den Zugriff auf Universal Properties – und damit den Zugriff auf ALLE unsere historischen Daten aus Universal Analytics.

Die Universal Daten werden nämlich NICHT nach GA4 übernommen.

GA4 ist eine komplett neue, ganz eigenständige Property und startet mit der Datensammlung von Null.

Erfahre hier alle Vorteile von GA4 und warum du schon jetzt upgraden sollst: >> Hurra, hurra Google Analytics 4 ist da!

Deswegen komme ich schon zu meinem ersten Top GA4 Feature:

Feature #1: Kostenloser BigQuery Export mit GA4

BigQuery ist Googles Cloud Data Warehouse – eine zentrale Datenbank, die speziell für Analysezwecke optimiert ist.

Eine Datenbank enthält Daten, die in der Regel als Rohdaten vorliegen und noch nicht verarbeitet wurden.

Es sind die Primär- oder Urdaten.

(Also der geile Sch*** in der Datenanalyse!)

Der große Vorteil von Google Analytics 4 ist, dass die Rohdaten KOSTENLOS nach BigQuery exportiert werden können.

Zum Vergleich: In Universal Analytics konnte man auch bereits Zugriff auf die Rohdaten bekommen – allerdings nur mit der (super teuren) bezahlten 360 Version. So wertvoll ist das Feature!

Aber warum braucht man überhaupt Zugriff auf die Rohdaten? 🤔

Weil man damit die Google Analytics Daten mit eigenen Daten anreichern, verknüpfen, aggregieren kann.

Das geht in die Richtung: Custom Data Plattform. Business Intelligence.

Das ist das eine.

Das andere ist: Wenn in 5 -10 Jahren Google wieder mit einer neuen Version von Google Analytics daher kommt (z.B. GA5), kannst du mit BigQuery verhindern, dass Google deine Daten wieder löscht.

BigQuery schützt dich vor Datenverlust! 

Deswegen empfehle ich JEDEM diesen kostenlosen BiqQuery Export einzurichten – und zwar ab Tag 1, weil dieser gilt für GA4 leider nicht rückwirkend.

Wenn du dich also erst in einem Jahr entscheidest, den BQ-Export einzurichten, sind deine Daten erst ab diesem Zeitpunkt in BigQuery verfügbar – im Umkehrschluss: 1 Jahr Datenbasis verloren.

Außerdem beträgt die Datenverfügbarkeit in den Custom Reports von GA4 nur max. 14 Monate (Datenaufbewahrungsdauer):

Datenverfügbarkeit in GA4

Screenshot: Datenverfügbarkeit in GA4

Möchtest du individuelle Datenanalysen über diesen Zeitraum hinaus erstellen, benötigst du: BigQuery – deine Rohdaten.

So kannst du bspw. BigQuery als Datenquelle in deinen Google Data Studio Reports hinzufügen und erhältst somit

  1. Zeiträume über 14 Monate hinaus und
  2. Daten ohne Datensampling.

Achtung: Der Export der Google Analytics 4 Daten nach BigQuery ist zwar kostenlos. Die Datenspeicherung und die Datenabfrage in BigQuery sind allerdings kostenpflichtig.

BigQuery Pricing im Überflug:

Speicherpreise:

  • 10 GB / Monat kostenlos
  • $0,02 pro GB / Monat, kumuliert
  • $0,01 pro GB / Monat langfristige Speicherung (<90 Tage), kumuliert
  • Daten laden, kopieren, exportieren: kostenlos

Analysepreise:

  • 1 TB / Monat kostenlos
  • danach $5 pro TB

>> Details findest du hier auf der BQ-Pricing-Website.

Ich hab mir die Kosten über den Google Cloud Pricing Calculator für eine Website mit ca. 400.000 Hits pro Monat ausgerechnet: 400.000 Hits pro Monat sind ca. 2GB Traffic pro Monat, d.h. ca. $0,04 / Monat kumuliert.

Hochgerechnet auf ein Jahr sind das ca. $185, wobei die Google Cloud Plattform einen 300$ Gutschein für die ersten 3 Monate zur Verfügung stellt.

Es fallen also keine Unsummen an, daher meine Empfehlung: BigQuery Export SOFORT einrichten und von deinen Daten profitieren!

Tipp: Dein Treffervolumen kannst du in Universal Analytics in den Property-Einstellungen einsehen:

Treffervolumen in Universal Analytics

Screenshot: Treffervolumen in Universal Analytics

Wie du den BiqQuery Export einrichtest, erfährst du hier in diesem Video:

BigQuery ist eines der genialsten Features in GA4, dass sagen auch die Top Experten in ihrer Einschätzung nach 500 Tagen GA4.

Das zweite geniale Feature betreffen die neuen Visualisierungsmöglichkeiten:

Feature #2: Funnel Analysen

In Google Analytics 4 gibt es super geniale Trichter-Analysen zur noch besseren Datenvisualisierung.

Mit diesen Trichtern (Engl. Funnel) ist es möglich Prozesse auf der Website grafisch darzustellen, die wie ein typischer Trichter aufgebaut sind.

Beispiel: Scroll Trichter

Scrolltrichter in GA4

Screenshot: Scrolltrichter in GA4

Scroll Trichter sind für Content- und Informations-Websites wie Blogs und Publisher, super spannend, da dadurch das Engagement mit dem Blogartikel sichtbar wird und noch besser analysiert werden kann:

  • Wie weit werden Content-Seiten tatsächlich gelesen?
  • An welcher Stelle springen die meisten User ab? Warum?
  • Wie viele User lesen tatsächlich bis zum Ende?

In meinem Beispiel: Die User kommen auf einen bestimmten Blogartikel, scrollen 25%, scrollen 50%, scrollen 75% – und brechen den Funnel hier ab.

In der Tabelle unter der grafischen Darstellung erhältst du die Information über die Ausstiegsrate in %: ~68% im 4. Funnel-Step. Das sind 655 User und somit die meisten Ausstiege hier. In den Steps davor lag die Ausstiegsrate zwischen 25% und 35%.

User lesen diesen Beitrag also selten bis zu Ende, sondern Verlassen den Artikel bei 75% Scrollrate- möglicherweise, weil sie die gesuchte Information gefunden haben.

Spannend dabei ist aber nicht nur das Scrollverhalten, weil über Blogartikel wird häufig auch einfach drüber gescrollt – 75% aber nie gelesen.

Spannend ist, wie LANGE User von Schritt 1 zu Schritt 2 und folgend brauchen – also die verstrichene Zeit zwischen den Funnel-Steps.

Dazu gibt es eine Einstellung in GA4 um sich die verstrichene Zeit anzeigen zu lassen:

Verstrichtene Zeit im Funnel anzeigen lassen

Screenshot: Verstrichtene Zeit im Funnel anzeigen lassen

Hier siehst du ganz genau wie lange User im Durchschnitt von Schritt 1 zu Schritt 2 brauchen: 1 Minute 23 Sekunden.

Von 25% auf 50% sind es immerhin über 2 Minuten.

Ob das gut oder schlecht, realistisch oder unrealistisch ist, kommt natürlich sehr stark auf die Länge und Inhalte des Blogartikels oder der Content Seite ab.

Weiters kann in GA4 statt dem Standardtrichter auch der Trichter im Zeitverlauf analysiert werden – für alle Schritte im Vergleich und jeweils einzeln pro Trichter Schritt:

GA4 Trichter im Zeitverlauf

Screenshot: GA4 Trichter im Zeitverlauf

Wie das alles im Detail funktioniert habe ich leider noch nicht in einem Blogartikel niedergeschrieben (#shameonme🙄).

Du kannst jedoch bspw. auf das GA4 Seminar von 121WATT kommen. Da schauen wir uns die Trichteranalysen (und ganz GA4) ganz im Detail an:

Tipp: Weitere Funnel Ideen findest du im ultimativen Einsteiger- und Durchstarter Guide: Trichteranalysen.

Feature #3: Pfadanalysen

Die Trichteranalysen sind großartig um Prozesse und typische Pfade auf der Website darzustellen.

ABER: Um das Verhalten deiner User auf deiner Website zu verstehen, ist es extrem wichtig zu verstehen, welche Wege sie gegangen sind.

Also nicht vordefinierte Prozesse sondern Verhaltensprofile.

  • Wohin gehen User von der Startseite?
  • Wohin gehen User die auf einer bestimmten Landingpage eingestiegen sind?
  • Von welchen Seiten ist man eigentlich in den Warenkorb gekommen?
  • Wo waren die User bevor sie die Produktkategorie X aufgerufen haben?

Diese Wege sind SEHR komplex und SEHR individuell und gerade deswegen extrem spannend.

Das tolle ist: Mit GA4 sind Verhaltensanalysen sehr einfach möglich – mit Pfadanalysen in Form eines Baumdiagramms.

GA4 unterscheidet sogar zwischen Vorwärts- und Rückwärtspfaden.

Vorwärtspfad: 

Vorwärts Pfade in GA4

Screenshot: Vorwärts Pfade in GA4

Rückwärtspfade: 

Rückwärtspfade in GA4

Screenshot: Rückwärtspfade in GA4

Die Pfadanalyse findest du in GA4 unter Erkunden –> Explorative Pfadanalyse.

Rechts oben kannst du auf „Neu starten“ und dann deinen Startpunkt oder Endpunkt wählen:

Google Analytics 4 Konfiguration Pfadanalyse

Screenshot: Google Analytics 4 Konfiguration Pfadanalyse

Mit dem Klick auf die blauen Balken (Knoten) kannst du bis zu 20 Schritte pro Pfad hinzufügen.

Als Schritt kannst du entweder Event-Namen oder den Seitentitel auswählen.

Kommen wir damit zum 4. Feature:

Feature #4: Das Analytics Radar

Ein ganz, ganz (ganz) wichtiger Teil von Google Analytics4 ist: Machine Learning.

Sprich: Automatisierte Analysen. Automatisierte Insights.

Stichwort: Smarter Analytics.

Eines dieser Machine Learing Features ist das Analytics Radar oder auch Insights genannt.

Dieses versteckt sich im dritten Widget des Bericht Snapshots unter Berichte –> Bericht Snapshot:

Statistiken im Bericht Snapshot in GA4

Screenshot: Statistiken im Bericht Snapshot in GA4

Der Klick auf den Link zum Detailbericht führt zu den Insights:

Insights in Google Analytics 4

Screenshot: Insights in Google Analytics 4

Was du hier erhältst ist wirklich mega, denn GA4 erkennt automatisch Anomalien in deinen Daten und informiert dich über diese Anomalien.

Bspw.: 40% der Conversions konvertieren über „Email“ als letzter Touchpoint in ihrer Customer Journey (Widget #1). Das dürfte ein Newsletter gewesen sein (Widget #2). Die Zugriffe auf die Termine-Seite sind gleichermaßen gestiegen (Widget #3). Grund dafür war eine Messeeinladung (Widget #4).

Spannend – und mega gut hergeleitet. 🤓

Natürlich komme ich da auch selber drauf, wenn ich eine Stunden alle Daten und Standardberichte in GA4 durchforste.

Mit dem Analytics Radar geht es jedoch deutlich schneller.

UND einfacher.

UND zeitsparender.

Das ist Smarter Analytics. 🧡

Wenn du auf eine Anomalie klickst, bekommt du zusätzlich weitere Details inkl. grafischer Darstellung:

Details zu Anomalien in GA4

Screenshot: Details zu Anomalien in GA4

Hinweis: Die „Statistiken“ folgen einem ML-Algorithmus. D.h. je häufiger du mit diesem interagierst, desto besser lernt der Algorithmus und desto bessere und relevantere Informationen erhältst du.

Mega Feature – unbedingt nutzen.

Kommen wir damit zum fünften und letzten Feature und ich bleibe bei Machine Learning, weil eben ein ganz wichtiger Aspekt von GA4:

Feature #5: Modellings

Möglicherweise hast du bereits von der aktuellen und ganz dramatischen Cookie-Problematik, der Internet Tracking Prevention (ITP) gehört.

Falls nicht, schaut lies dir den folgenden Blogartikel unbedingt an. Das ist super, mega wichtig!

Blogartikelempfehlung: Paradigmenwechsel im Webtracking (JENTIS).

Schon immer haben wir in Google Analytics aufgrund von Ad Blockern und Cookie Blockern rund -15% des Traffics (und der Conversions) verloren.

Seit der Einführung der DSGVO und den nervigen Cookie Bannern 2018 gehen weitere -20-30% der Daten verloren, weil User keinen Consent geben.

Seit der strengen Datenschutz-Maßnahmen von Safari, Firefox und Edge 2019 sind weitere rund 30% der Daten durch Tracking Preventions (ITP & Co) betroffen.

Und 2023 zieht nun auch Google Chrome mit Tracking Preventions nach.

Für unsere Webanalyse Daten keine rosige🥀 Zukunft…

Aber Google wäre nicht Google, wenn es dafür keine Lösung gibt. 

Lösung #1: Umstieg auf Serverside Tracking (Blogartikel folgt asap).

Lösung #2: Modellings

Google versucht die Datenlücken AUTOMATISCH zu identifizieren und zu schließen – ohne das dafür Cookies oder andere Identifier benötigt werden.

Also rein mithilfe von Machine Learning.

Dazu gibt es bereits die Modelled Conversions in Google Analytics 4 (und Google Ads).

Wie funktionierts?

Google schaut ob es bestimmte Trends in deinen Daten gibt.

Wenn bspw. in einem Browser (Google Chrome) attribuierte Conversions ähnlich zu nicht-attribuierten Conversions in einem anderen Browser (Safari) sind, dann wird daraus die allgemeine Attribution vorausgesagt (predicted).

Mit dieser Prediction werden ALLE Conversions aggregiert (echte und gemodelete).

Wichtig: Modeled Conversions sind NUR bei genügend Daten verfügbar (siehe Google Support Center)!

Bei zu wenig Traffic und/oder Conversions scheinen die Modeled Conversions NICHT in GA4 auf (bzw. werden dem Kanal direct zugeordnet).

Diese Modeled Conversions sind in GA4 völlig AUTOMATISCH für folgende Berichte verfügbar:

  • Attribution Reports
  • Conversion Reports
  • Explorations (Custom Reporting)

Es gibt KEINEN An- oder Ausschalter.

Es gibt KEINE zusätzliche Benachrichtigung.

Berichte, die modellierte Daten enthalten, sind von anderen Berichten auch NICHT unterscheidbar.

Stattdessen müssen wir uns auf den ML-Algorithmus von Google verlassen.

Schluck. 😟

Dazu kommt: Google baut seine ML-Power in GA4 noch weiter aus.

Zusätzlich zum Conversion Modeling kommt in naher Zukunft:

  • Behavioral Modeling
  • Online-to-Offline Modeling und
  • Unique Reach Modeling

Das hat Google in diesem Blogbeitrag angekündigt.

Mein Tipp: Sehen wir der Zukunft gelassen entgegen und probieren die neuen Möglichkeiten in GA4 einfach mal aus.

Ob alles so bleibt wie es jetzt ist, steht sowieso in den Sternen⭐.

Wie Conversion Modelling in GA4 im Detail funktioniert erklärt Ken Williams in diesem Blogbeitrag ausgezeichnet.

Fazit: Jetzt auf GA4 umsteigen!

Das waren nur 5 von den vielen genialen Features, die in GA4 verfügbar sind – und es kommen laufende neue Features hinzu.

Immer am Ball⚽ bleiben geht nicht? Geht wohl!

Mit meinem Google Analytics 4 Live-Ticker – monatlich ALLE News direkt und bequem in deinen Posteingang (kostenlos versteht sich):

Meine Empfehlung: Probiere sie alle aus – es sind NEUE Möglichkeiten die es in Universal so noch nicht gab.

Und ja, viele dieser Features – gerade wenn es um Machine Learning geht – sind eine Blackbox, der wir grundsätzlich misstrauen.

Deswegen bietet es sich an, bis zum Shutdown von Universal am 1. Juni 2023, Google Analytics 4 als “Explorer Bereich” zu nutzen – zum ausprobieren, zum erforschen.

Best Practice und als Backup hast du weiterhin Universal Analytics im Parallelbetrieb für die „normale, klassische“ Datenanalyse.

Der Parallelbetrieb funktioniert über den Google Tag Manager relativ einfach.

Der Mehrwert der sich dadurch ergibt ist, meiner Meinung nach, gigantisch. 🙃

OM-Treff Präsentation

Dieser Blogartikel stammt aus dem Vortrag „Die 5 besten Features im neuen GA4“ beim OM-Treff in Dresden / DE.

Der OM Treff ist eine regionale Online Marketing Veranstaltung in Dresden. Die Veranstalter – clicks digital (Performance Marketing Agentur) – haben mich eingeladen beim Stammtisch am 5. Mai dabei zu sein. Über die Einladung habe ich mich sehr gefreut und gleich 3 Tage Städte-Urlaub dran gehängt. Dresden ist eine wunderschöne Stadt und ein Besuch absolut empfehlenswert. Als Reiseführer empfehle ich das Dresden-Wimmelbuch. 😅

Die Präsentation des Vortrags findest du hier:

Fragen?

Du hast eine Frage zu Google Analytics 4 die dich bereits Nächte lang nicht schlafen lässt?

👉 Schreibe sie einfach in die Kommentare. Ich helfe, wo ich kann.

Happy Analyzing,

Deine Michaela

Mehr über Google Analytics 4 erfahren?

Komm in meine exklusive Analytics Community: