datendifferenz guide auf der afbmc

Der ultimative Google Analytics und Facebook Insights Datendifferenz-Guide28 min Lesezeit

Michaela Linhart 16 Comments

Wie du es drehst und wendest, dein bezahlter Facebook Traffic in Facebook Insights wird NIEMALS mit deinen Google Analytics Daten übereinstimmen. Dafür gibt es mindestens 19+ Gründe – die du alle hier im Detail erfährst. Die gute Nachricht: Mit den richtigen Maßnahmen kannst du deine Datendivergenzen deutlich reduzieren und jene, die übrig bleiben, ausgezeichnet deinem Chef / deinen Kunden argumentieren. ✅🙌

Unterschiedliche Tools, unterschiedliches Tracking

Wenn du dich dafür entschieden hast Traffic über bezahlte Facebook Anzeigen einzukaufen und viiiel Geld in diesen Kanal investierst, wirst du spätestens bei der ersten Analyse stutzig: Facebook zeigt ganz andere Daten und Erfolge als Google Analytics – mit Abweichungen mehr als 50%, 70%,  90%… WTF!

Wie kann das sein?

Was sollst du nun reporten?

Und vor allem: Welchem Tool vertrauen?

Eines vorweg: Egal ob Google Analytics, Google Ads, Facebook, Webtrekk, Adobe Analytics, etc. – unterschiedliche Tools erfassen Daten IMMER auf unterschiedlicher Weise.

Jedes Tool nutzt seine eigenen Mess- und Verarbeitungsmethoden.

Hinweis: Auch wenn du zwei Webanalyse-Tools einsetzt, beide Tools ihre Daten über den Google Tag Manager beziehen und daher das Gleiche reporten sollten: Die Daten stimmen NIE zu 100% überein!

So ist es auch zwischen Facebook Insights und Google Analytics: Es sind zwei völlig unterschiedliche Tools, von zwei völlig unterschiedlichen Anbietern, die zwei völlig unterschiedliche Ziele verfolgen.

Deswegen wird es IMMER, IMMER, IMMER Datendifferenzen geben.

Die Kunst ist, diese Datendifferenzen so gering wie möglich zu halten. Wie du das schaffst, erfährst du in aller Länge diesem Beitrag.

Du möchtest eine Kurzfassung? Dann lade dir gerne die ultimative Google Analytics und Facebook Insights Datendifferenz Checkliste herunter:

Los geht’s mit dem ersten großen Unterschied:

Facebook hat den großen Vorteil, dass sich User IMMER einloggen müssen um die Applikation zu nutzen. Facebook erkennt seine User daher Browser- und Geräteübergreifend – also sehr, sehr genau.

Google Analytics hingegen erkennt User nur auf Cookie Basis: Wechseln User das Gerät (Desktop vs. Mobile) oder nutzen einen anderen Browser (Chrome vs. Firefox), kann Analytics den User NICHT automatisch wiedererkennen.

Beispiel Facebook User vs Analytics User

Screenshot: Beispiel Facebook User vs Analytics User

ACHTUNG: Die Tracking Prevention Methoden gängiger Browser wie ITP (Internet Tracking Prevention) von Safari, ETP (Enhanced Tracking Prevention) von Firefox oder TP (Tracking Prevention) von Edge schränken das Tracking in Google Analytics zusätzlich massiv ein. So werden Drittanbieter (3rd Party) Cookies gänzlich von Browsern geblockt. Die Laufzeit von 1st Party Cookies wurde massiv begrenzt und sind nur noch 7 Tage gültig.

Noch problematischer ist, wenn Website Besucher über Quellen mit sogenannten “Tracking Capabilities” (gclid von Google Ads, fbclid von Facebook, etc.) kommen, denn dann beträgt die Cookie Laufzeit sogar nur noch 24 Stunden.

Es kann also passieren, das Google Analytics den User während seiner Customer Journey verliert und die Transaktion einem anderen Kanal zuweist, weil der User das Gerät oder den Browser gewechselt hat.

Lösung: GA bietet mit dem UserID Feature ebenfalls die Möglichkeit User Browser- und Geräte-übergreifend wiederzuerkennen. Für sehr genaue Analysen und einem äquivalentem Tracking wie in FB, müssen sich User allerdings auch IMMER auf deiner Website oder im Shop einloggen – und das ist leider nicht immer machbar.

Das schöne ist: Es gibt eine Möglichkeit zu analysieren wieviele “Geräte Wechsler” es auf deiner Website gibt – und zwar im FB Werbeanzeigen Manager. Hier gibt es einen Geräteübergreifenden Report wo angezeigt wird auf welchen Gerät die Journey begonnen und auf welchen beendet wurde.

Zählt du hier alle Käufe zusammen, die über das gleiche Gerät konvertiert sind und alle Käufe, die Gerät gewechselt haben, kommst du auf eine ungefähre Differenz – in meinem Fall von ca. 4%.

Diesen Wert jetzt kannst du jetzt in deiner Datendifferenzanalyse berücksichtigen. 

Und es geht noch weiter:

Facebook Klicks != Analytics Sessions

Link Klicks in Facebook sind keine Sessions in Google Analytics!

Aber sollte nicht ein Klick auf die FB Anzeige zu einer Session in GA führen? Und diese beiden Metriken daher gleich sein?

Ja, das wäre der Idealfall und Wunsch von uns allen.

Technisch gesehen sind es aber zwei völlig unterschiedliche Dinge.

Ein FB Link Klick entspricht einem Event, einem User-Verhalten und wird getrackt sobald der User auf die Kampagne klickt.

Hinweis: Outgoing Klicks in FB sind nicht zu verwechseln mit „Klicks (Alle)“. Outgoing Klicks misst die Anzahl an Klicks, die auf Zielseiten auf oder außerhalb von FB führen. Klicks (Alle) hingegen misst sowohl Link-Links als auch Likes, Shares, Kommentare, etc.

Google Analytics misst hingegen den Aufruf einer Website: Dabei wird eine Session von einem Pageview initiiert, der erst gefeuert wird, sobald die ganze Website geladen ist.

Und hier ist auch schon das erste Problem: Wenn zwischen dem Klick auf eine FB Ad und dem Laden der Website eine zu lange Zeit vergeht, brechen User den Aufruf in der Regel ab. Das hat zur Folge, dass FB einen Link-Klick misst, in GA aber kein Besuch erfasst wurde.

Die Ladezeit spielt also eine große Rolle – insbesondere in der mobilen Welt.  

Aber nicht nur die Ladezeit ist ein Problem: Es kann auch passieren, dass ein User unabsichtlich auf eine FB-Anzeige klickt und während er auf deine Website weiter geleitet wird, hektisch den Zurück-Button betätigt. In Facebook wird der Klick erfasst, in Google Analytics aber nicht, da die Seite noch nicht fertig geladen und der Tracking Code nicht gefeuert werden konnte.

Ein FB Klick, keine GA Session:

Beispiel Facebook Klick vs Analytics Session

Screenshot: Beispiel Facebook Klick vs Analytics Session

Außerdem beträgt die Standard-Sitzungsdauer in GA 30 Minuten (und wird jedes mal erhöht, wenn der User mit der Website interagiert): Ein weiteres Problem, denn wenn User innerhalb einer GA Sitzungsdauer mehrmals auf die gleiche Facebook Anzeige klicken, wird zwar in Facebook jeder Klick erfasst – in GA jedoch nur eine einzige Session aufgezeichnet.

Drei Facebook Klicks aber nur eine GA Session: 

Beispiel Facebook Klick vs Analytics Session

Screenshot: Beispiel Facebook Klick vs Analytics Session

Andersrum kann es auch sein, dass Google Analytics zwei Sessions aufzeichnet obwohl Facebook nur einen einzigen Klick registriert hat: Das passiert dann, wenn der User nach dem Klick auf die Anzeige auf deine Website kommt und 30 Minuten inaktiv ist z.B. weil er einen Kaffee trinken geht. Nach 31 Minuten kommt er zurück auf seinen Platz, erinnert sich, dass er gerade bei dir einkaufen wollte und schließt die Transaktion ab. In GA werden zwei Sessions erfasst, in FB allerdings nur ein klick.

Ein Facebook Klick, aber zwei GA Sessions:

Beispiel Facebook Klick vs Analytics Session

Screenshot: Beispiel Facebook Klick vs Analytics Session

Klicks in Facebook können daher NIEMALS mit Sessions in Google Analytics verglichen werden: Es sind einfach zwei unterschiedliche Paar Schuhe.

Wir tun es natürlich trotzdem, weil wir keine andere Möglichkeit haben. Umso wichtiger ist es, zu verstehen, dass es IMMER Datendifferenzen geben wird.

Datendifferenz Komplett Paket Werbung

Facebook Attribution != Analytics Attribution

Aber zumindest die Conversions sollten in beiden Tools gleich sein, oder? Leider gibt es auch hier unterschiedliche Zählweisen: Denn die Attribution von Facebook unterscheidet sich grundlegend von der Attribution in Google Analytics. Sogar in mehreren Hinsichten…

Facebook nutzt in seinen Conversion Reports standardmäßig sowohl eine View-Through als auch eine Click-Through Conversion-Zuordnung.

Update 2021: Seit dem Facebook Update vom 26. April können View- und Klick-Views nicht mehr getrennt analysiert werden. Außerdem werden fast keine View-Through Conversions mehr erfasst, da die Standard Attribution nur noch 7 Tage Klick-basiert ist.

Dieser Punkt ist somit obsolet!

Für die paar View-Through Conversions heißt es dennoch: Sieht der User eine Anzeige auf Facebook und führt innerhalb von 24h eine Conversion durch, wird die Conversion der Kampagne zugeordnet. Ganz ohne Klick auf die Kampagne!

Facebook View Through Conversion

Screenshot: Facebook View-Through Conversion

Klickt der User auf eine FB-Kampagne und konvertiert innerhalb der nächsten 7 Tage, wird diese Conversion ebenfalls der Kampagne zugeschrieben.

Bei der Attribution von Facebook Ads gilt: Ein View wird immer durch einen Klick überschrieben. Der Klick ist das stärkere Signal.

In Google Analytics wird natürlich nur eine Klick-Through Conversion gemessen: Google kann nicht wissen, dass sich ein User eine Kampagne NUR angesehen hat und NUR aufgrunddessen deine Website geöffnet hat und konvertiert ist.

Erst ein Anzeigen Klick führt zu einer Session in Google Analytics und kann erst dann Facebook zugeordnet werden.

Unterschied Attributionsmodell

Desweiteren unterscheidet sich auch das Attributionsmodell zwischen Facebook und Google Analytics gänzlich. 

Facebook sagt: Wenn Facebook EINMAL Teil der Customer Journey ist, dann erhält FB IMMER die Conversion – egal ob FB der vorbereitende oder abschließende Kanal war und egal ob es dazwischen andere Kanäle gab. Ist die bezahlte Anzeige Teil der Journey, erhält Facebook ALLE Lorbeeren.

Google Analytics hingegen nutzt in seinen Standardreports die Last Non-Direct Click Attribution: Sieht dein User also die FB Anzeige, sucht deine Website anschließend über die Suchmaschine und konvertiert, wird die Conversion der Suchmaschine zugesprochen – dem letzten Kanal (außer „direct“ war der letzte Kanal, dann dem vorletzten Kanal). 

>> Details zum Last Non-Direct Click Attribution von Google erfährst du hier. 

Analytics kann in diesem Fall nicht wissen, dass Facebook an dieser Customer Journey teilgenommen hat.

Analytics erfasst keine FB Ad Views.

Last Non Direct Click Attribution Beispiel in Google Analytics

Screenshot: Last Non Direct Click Attribution Beispiel in Google Analytics

Das selbe passiert auch, wenn der User auf die Facebook Anzeig klickt, danach die Website in Google sucht und schließlich organisch auf die Website kommt: Die Conversion wird Google zugesprochen – dem letzten Kanal (außer „direct“ war der letzte Kanal, dann dem vorletzten Kanal).

GA Attribution

Screenshot: Last Non Direct Click Attribution Beispiel in Google Analytics

Facebook und Google Analytics sind an an allen Ecken und Enden zwei komplett unterschiedliche Tools, ein Datenabgleich wird maximal zu ähnlichen Ergebnissen führen. Und das ist auch okay so, weil beide Tools ganz unterschiedliche Ziele verfolgen.

Facebook Insights ist für die Kampagnen Optimierung gemacht.

Google Analytics ist ein Tool zur Customer-Journey Analyse – das ist die große Stärke. Im besten Fall fließen ALLE Daten ALLER Marketing Maßnahmen in GA ein. Facebook ist dabei nur ein Teil dieser Daten und wird deswegen nie so gut dastehen, wie in Facebook selbst. Das ist klar, denn auch alle anderen Kanäle wollen ein Stück vom Kuchen.

Lösung: Multi-Channel-Funnel Analysen statt Standard Report Analysen in Google Analytics!

In den MCF Analysen siehst du ALLE Pfade die ein User bis zur Conversion hatte – nicht nur den letzten Kanal: Hier sieht du z.B. sehr schön, dass FB viel öfter an Conversions beteiligt war. Meist aber als assistierender Kanal. Selten als abschließender Kanal.

Screenshot: Multi Channel Trichter - Top Conversion Pfade

Screenshot: Multi Channel Trichter – Top Conversion Pfade

Wenn du hier alle Conversions zusammen rechnest, kommst du viel näher an den Click-Through Wert von FB heran als über die GA Standard Reports, weil du auch die assistierenden Conversions dazu zählst.

Außerdem bekommt du hier ein VIEL besseres Gefühl für deine Kanäle, weil du analysieren kann ob ein Kanal eher ein assistierender oder abschließender Kanal ist. Facebook ist häufig ein assistierender Kanal, der zwar nicht zur Conversion führt aber User auf die Website bringt.

Auf Basis dieser Erkenntnisse kannst du deine Marketing-Kanäle ganz anders einschätzen, die Anzeigen ganz anders aufgesetzt und dein Budget ganz anders verteilen.

–> In Zukunft: MCF Analysen statt Standard Report Analysen in GA!

Beachte allerdings das Multi-Channel-Trichter nur Daten für Conversions erfasst, also Transaktion und Ziele – nicht aber für alle anderen Besucher. 

In meinem Fall ist der Paid Social Kanal nur relativ selten Teil der Customer Journey gewesen. Dementsprechend taucht der Kanal auch sehr selten in meinem Report auf.

Top Tipp: Um zu überprüfen ob dein Paid Channel tatsächlich öfters Teil der Customer Journeys war, kannst du ein zusätzliches Ziel in GA anlegen, dass ALLE deine Sessions erfasst.

GA Ziel für Alle Sessions anlegen

Screenshot: GA Ziel für „Alle Sessions“ anlegen

Dadurch lassen sich nicht nur die Customer Journeys ALLER deiner User nachvollziehen – auch von jenen die noch nicht konvertiert sind – sondern du siehst auch wie oft Paid Social tatsächlich Teil der User Journeys war.

Paid Social als Teil der User Journey

Screenshot: Paid Social als Teil der User Journey

In meinem Fall ist der Paid Kanal 125x in 55 verschieden Customer Journeys vorgekommen: D.h. User haben auf die Anzeige geklickt, sogar öfters, und sind dann auf meine Website gekommen. Zur Zielerreichung konnten sie jedoch nur ganz selten animiert werden…

Das ist ein ausgezeichneter Anhaltspunkt für die Kampagnen-Optimierung und zusätzlich schafft es Vertrauen in die Facebook Daten, da der Paid Kanal doch noch in GA sichtbar ist. Vielleicht (noch) nicht bei den Transaktionen, aber immerhin in vielen anderen User Journeys.

Unterschied: Conversion-Attributionsfenster

Auch das Conversion-Attributionsfenster beider Tools ist komplett unterschiedlich – zumindest in der Standard-Einstellung.

Standardmäßig ist das Attributionsfenster in Google Analytics auf 6 Monate eingestellt:

Google Analytics Zeitlimit der Kampagne

Screenshot: Google Analytics Standard Zeitlimit der Kampagne

In Facebook sind es allerdings seit 26. April 2021 nur 7 Tage:

Facebook Attribution Einstellungen

Screenshot: Facebook Attribution Einstellungen

Hat der User also vor 6 Monaten auf deine Facebook Anzeige geklickt und kommt heute direct auf deine Website, wird die Session in Google Analytics der FB Kampagne zugeordnet. In Facebook selbst wird die Conversion aber nicht mehr der Kampagne zugeordnet, da das Attributionsfenster ja nur knapp ein Monat beträgt.

Lösung: Deswegen ist es super, super wichtig eine einheitliches, Branchen- und Produkt-bezogenes Conversion-Attributionsfenster festzulegen.

Dabei konnte entweder das Attributionsfenster in Facebook hochgesetzt werden. Das ist aber seit 26.4.2021 und mit dem Facebook Tracking Update nicht mehr möglich, da das Attributionsfenster nur noch 7 Tage und Klick-basiert ist. 

Alternativ kann un soll das Attributionsfenster in GA herabgesetzt werden. Je kürzer die typische Customer Journey des Kunden, desto kürzer sollte das Attributionsfenster gewählt werden. 

Wichtig ist, dass es in beiden Tools gleich ist.

Unterschied: Conversion-Zeiterfassung

Auch die Conversion Zeiterfassung ist in beiden Tools komplett unterschiedlich (aber sowas von!).

Wenn ein User auf eine FB Kampagne klickt und am nächsten Tag konvertiert, ordnet Google Analytics die Conversion dem Zeitpunkt der Transaktion zu – also dem heutigen Tag. Für Webanalysten ganz normal: Heute gekauft, heute zugeordnet. 

Facebook ordnet die Conversion hingegen dem Zeitpunkt des Kampagnens-Klick zu. (WTF?)

Für mich als Google Analyst bedeutet das: Facebook weist die Conversion rückwirkend dem gestrigen Tag zu, weil gestern ja der Kampagnen Klick passiert ist.

Update 2021: Conversions werden in den Reports zukünftig mit dem tatsächlichen Conversion-Zeitpunkt und nicht mit dem Klick-Zeitpunkt angezeigt. Das ist ein Vorteil, denn auch Google Analytics ordnet die Conversions dem Conversion-Zeitpunkt zu. Hier erfolgt eine automatische Annäherung an Google Analytics. Top! 

Dieser Punkt ist somit obsolet!

AdBlocker / iOS14

Weiter geht es mit den technischen Gründen für Datendifferenzen zwischen FB und GA, beispielsweise wenn User das Tracking unterbinden.

Ad Blocker verhindern das Ausspielen des Facebook Pixels und blockieren häufig auch Google Analytics Cookies:

Facebook Pixel Helper mit AdBlocker

Screenshot: Facebook Pixel Helper mit AdBlocker

Wenn Website User also einen Ad Blocker im Browser installiert haben, werden KEINE Conversions in Facebook erfasst. User werden in der Regel auch nicht in Google Analytics erfasst. 

Außerdem führt Apple ab iOS 14 ein Tracking Opt-In ein, welches das Tracking stark einschränkt. 

Lösung: Gibt es keine, dass kannst du leider nicht verhindern!

Allerdings kannst du sehr leicht überprüfen, wieviele deiner User AdBlocker installiert haben. 

Hol dir dazu die Anzahl der gefeuerten Pageview Pixel aus Facebook und trage sie in eine Tabelle ein:

Facebook Pixel

Screenshot: Anzahl der Facebook Pixel

Hinweis: Das Facebook Pixel ist die Basis für ein erfolgreiches Kampagnen-Setup. Nur mit ihm kannst du die Ergebnisse deiner Kampagnen korrekt analysieren und deine Kennzahlen optimieren. Hier erfährst du, wie du den Pixel und das Conversion-Tracking auf deiner Seite korrekt implementiert.

Hol dir dann die Anzahl der Pageviews aus Google Analytics und trage sie ebenfalls in eine Tabelle ein:

Google Analytics Pixel

Screenshot: Anzahl der Google Analytics Pixel

Berechne jetzt die Differenz.

Du solltest bemerken, dass die Anzahl der gefeuerten Facebook Pageview-Pixel mit der Anzahl der GA Pageviews annähernd übereinstimmt.

In meinem Fall beträgt die Differenz knapp 3%.

Das ist ein sehr gutes Zeichen. Das bedeutet nämlich einerseits, dass es keine groben Tracking Issues gibt und andererseits das nur wenige meiner User Ad Blocker nutzen. 

Hinweis: Die Differenz sollte je nach Branche nicht mehr als 10-20% betragen, andernfalls kannst du davon ausgehen, dass du von einem gröberen Tracking Issue ausgehen.

Diesen Wert jetzt kannst du jetzt in deiner Datendifferenzanalyse berücksichtigen. 

Cookie Consent

Andersrum kann Google Analytics auch nur dann korrekt messen, wenn User die Google Analytics Cookies akzeptieren, d.h. im Cookie-Banner auf “Zustimmen” klicken. 

Ist das nicht der Fall, darf Google Analytics den User nicht tracken.

Außerdem haben User die Möglichkeit das Google Analytics Tracking zu unterbinden, wenn sie nicht in den Statistiken erfasst werden möchten.

In beiden Fällen werden User zwar in Facebook erfasst, nicht aber in Google Analytics.

Lösung: Auch hier gibt es leider keine Lösung. 

Jedoch reporten die meisten Consent Management Tools die Anzahl der User, die im Cookie-Banner auf ablehnen geklickt haben. Diese Zahl kannst du in deine Datendifferenz-Analyse einbeziehen. 

Datendifferenz Komplett Paket Werbung

Keine Besucherquelle bei mobilen Apps

Eine weitere Fehlerquelle ist vor allem bei Branchen mit hohem mobilen Traffic Anteil der Fall: Hier sind Abweichungen um bis zu 80% und höher üblich.

Grund dafür ist die Besucherquelle.

Die Besucherquelle wird in Google Analytics über Referrer-Angaben im Header des Webseitenaufrufs angegeben.

Wird eine Website in einem Browser aufgerufen, übergibt der Browser in der Regel dem Webserver die Information, auf welcher Seite der Besucher zuvor war.

Das entscheidende Wort ist hier „Browser“: Nur wenn ein Zugriff über einen Browser geschieht, kann Google Analytics die Zuordnung sauber vornehmen.

Soziale Netzwerke (und gerade Facebook) stellen allerdings ein Problem dar: Denn der meiste Traffic wird inzwischen über mobile Apps generiert. Das gilt ähnlich auch für Instagram, Twitter, Pinterest usw.

Mobile Apps übermitteln jedoch keine Referrer-Informationen und das ist furchtbar blöd, weil hat ein User keinen Referrer ordnet Google Analytics diesen Aufruf automatisch dem direkten Kanal zu.

 Die Aufrufe werden also in Google Analytics erfasst, landen aber im falschen Kanal und können deshalb nicht als Facebook-Traffic erkannt werden.

Die Lösung: Kampagnen-URLs!

Für eine korrekte Messung ist es möglich Google Analytics Kampagnen Parameter (UTM-Parameter) an die URL der FB Anzeige anzuhängen.

Nutze dafür das “Tool zur URL-Erstellung” von Google Analytics.

Hinweis: Nutze bei der FB Ad Erstellung niemals die Boost-Post Funktion. Abgesehen davon, dass sie nur eingeschränkte Möglichkeiten liefert, kann es passieren das Kampagnen Parameter verloren gehen.

Überprüfe an dieser Stelle ob sich das Problem mittels Kampagnen Parameter von alleine löst: Lege dafür in GA eine Testview an und schließe nur deinen Traffic ein (bzw. die IP deiner Firma). Über eine Browser-Simulation kannst du nun Facebook öffnen, auf die Kampagne klicken und dich auf deine Website weiterleiten lassen: Wird der Zugriff korrekt erfasst?

In den meisten Fällen leider nicht und der Grund dafür sind:

URL Redirects

Auch wenn du alle deine FB Ads brav mit Kampagnen UTM-Parameter vertrackst, es kann passieren, dass sie bei einem URL-Redirect verloren gehen und das ist häufig durch den FB Server der Fall.

Wenn ein User auf eine FB Anzeige klickt wird er zuerst auf den FB Server weitergeleitet.

Niemand weiß was der FB Server macht, aber manchmal schneidet er alle URL-Parameter einfach ab.

Vom FB Server wird dann OHNE Kampagnenparameter auf die Website weitergeleitet und GA weiß wieder nicht woher der User kommt. Und wenn GA nicht weiß woher der User kommt, wird er automatisch dem direkten Kanal zugeordnet. 

Was also tun?

Lösung: Short URLs! Also Services wie bitly oder TinyURL nutzen. 

Der Vorteil von Short URLs ist, dass der FB Server diesmal keine Kampagnen Parameter abschneiden braucht, weil gar keine Parameter an der URL hängen. Die Short URL wird erst NACH dem FB Server aufgelöst. Die URL ist jetzt wieder die ursprüngliche lange URL – INKLUSIVE allen vorhanden Kampagnenparametern.

Deswegen empfehle ich IMMER Short URLs zu verwenden, für alles was in sozialen Netzwerken gemacht wird: Einkaufs-Button, Bio-Link, Links in Posts, Kampagnen Links usw. … einfach weil dann die Parameter auf jeden Fall richtig an GA übermittelt werden.

HTTPS → HTTP?

Zum Glück gibt es nur mehr sehr wenige Websites die unter HTTP laufen. Alle anderen sind bereits auf den neuen, sicheren HTTPS Standard umgestiegen. Der vollständigkeit halber möchte ich jedoch auch dieses Problem hier erwähnen.

Falls du noch nicht auf HTTPs umgestiegen bist, ist das vermutlich der Grund für deine Datendifferenzen.

Facebook läuft nämlich in der sicheren HTTPS Umgebung. Klickt ein User auf eine FB Anzeige und wird auf eine unsichere HTTP Website weitergeleitet, verlässt er die sichere Umgebung und verliert beim Eintreten in die unsichere Umgebung den Referrer.

Lösung: Wenn du also noch nicht auf HTTPS umgestiegen bist, wird es aller höchste Zeit. 

Alternativ helfen dir auch hier wieder Kampagnenparameter und Short URLs um das Problem zu beseitigen.

Tracking Codes korrekt eingebaut?

Und zu guter Letzt solltest du bei einem technischen Check unbedingt auch überprüfen, ob die Tracking Codes beider Tools korrekt implementiert sind.

Am schnellsten und einfachsten ist die Überprüfung der Tracking Codes auf der Landingpage / Website: Es muss sowohl der Basis Google Analytics Tracking Code als auch der Facebook Pageview und das Facebook Conversion Pixel richtig implementiert sein.

Facebook überprüfst du am einfachsten über den FB Pixel Helper (>> zur Anleitung hier lang).

Hinweis: Überprüfe an dieser Stelle auch, dass Pixel nicht doppelt ausgelöst werden. Das kann z.B. aufgrund von Weiterleitungen passieren.

Wichtig ist, dass der Facebook Pageview VOR dem Conversion Pixel gefeuert wird, da andernfalls der Facebook Pixel ÜBERHAUPT NICHT gefeuert wird. Diese Einstellung ist am einfachsten im Google Tag Manager über Tag Sequencing gelöst:

GTM Tag Sequencing für Facebook Pixel

Screenshot: GTM Tag Sequencing für Facebook Pixel

Google Analytics überprüfst du am besten über den Google Tag Assistant, eine kostenlose Google Chrome Browser Extension, oder die Browser-Developerconsole: Diese kannst du in Google Chrome mit F12 öffnen.

Navigiere auf den Tab “Netzwerk” und tippe im Suchfeld “collect?” für das Universal Analytics Tracking ein. Reloade deine Website mit F5 und überprüfe ob der Pageview gefeuert wird und welche Daten übergeben werden.

Google Analytics Tracking Überprüfung

Screenshot: Google Analytics Tracking Überprüfung

Tipp: Wenn du deine GA Implementierung bisher noch nicht vollständig getestet hast, solltest du Stichprobenartig auf allen Seiten überprüfen ob GA korrekt gefeuert wird.

GA Datenansichtsfilter überprüfen

Technische Probleme hin oder her, manchmal liegt es an etwas ganz anderem: Nämlich einer Einstellung in Google Analytics.

Überprüfe daher sicherheitshalber auch in GA ob keine View Filter aktiviert sind:

  • die einerseits deinen Paid Traffic aus der Analyse ausschließen.
  • die andererseits deine Kampagnenparameter aus der Analyse ausschließen.

Gehe dazu in Google Analytics in die Administration –> Datenansicht –> Filter und überprüfe ob keine Filter aktiv sind, die z.B. URLs überschreiben und dabei Kampagnen-Parameter entfernen oder einen ganzen Kanal aus der Analyse ausschließen.

Google Analytics Datenansichtsfilter

Screenshot: Google Analytics Datenansichtsfilter

GA Datenansicht überprüfen

Auch ein Blick in die GA Datenansicht und den ausgeschlossenen URL-Suchparametern ist oft hilfreich.

Gehe dazu in Google Analytics in die Administration –> Datenansicht –> Einstellung der Datenansicht und überprüfe unter „URL-Suchparameter ausschließen“, dass keine Kampagnen Parameter ausgeschlossen werden.

Google Analytics Datenansichtseinstellungen

Screenshot: Google Analytics Datenansichtseinstellungen

Datensampling in Google Analytics

Eine weitere Besonderheit von Google Analytics, die zu Unterschieden zwischen FB & Analytics führen kann ist: Datensampling.

GA führt automatisch eine Stichproben-Erhebung durch, wenn sehr große Datenmengen über einen sehr langen Zeitraum analysiert werden sollen. In diesem Fall basieren deine Reports nicht mehr auf 100% der Daten, sondern eine Stichprobenerheben: Das kann alles zwischen 1% und 99% sein.

Google Analytics Datensampling

Screenshot: Google Analytics Datensampling

In diesem Fall solltest du deinen Daten in GA nicht mehr vertrauen, da sie nicht 100% korrekt sind.

Lösung: Das kannst du allerdings sehr einfach umgehen, indem du einen geringeren Zeitraum für deine Analyse auswählst (größere Zeiträume könnten dann z.B. über Spreadsheet gemerged werden), keine Segmente und Filter anwendest und für GA360 Kunden Custom Tables anwendest.

GTM überprüfen

Das selbe sollte auch im Google Tag Manager überprüft werden, sofern der GTM im Einsatz ist – weil auch hier Traffic Quellen und Kampagnenparameter aus der Analyse ausgeschlossen werden können.

Und im Zuge dessen könntest du auch gleich überprüfen ob alle Tags richtig gefeuert werden, ob der GTM korrekt aufgesetzt ist usw.

Lösung: Am allerwichtigsten, dass ebenfalls keine Filter aktiv sind.

Gleiche Währung in beiden Tools?

Und dann gibt es auch noch den einen oder anderen Fehler, der beim Setup passieren kann – und ja, die folgenden drei Setup Missgeschicke sind mir alle passiert und ja, dass ist mir auch peinlich…

Analysierst du den Umsatz, solltest du überprüfen, dass in beiden Tools die gleiche Währung eingestellt ist.

Sowohl in FB als auch in GA ist standardmäßig Dollar als Währung eingestellt.

Wenn du die Währung in GA auf Euro umgestellt hast, in Facebook aber nicht, vergleichst du Euro mit Dollar – je nach Kursschwankung kann das zu einer gröberen Differenz führen. 

Gleiche Zeitzone in beiden Tools?

Klingt ebenfalls banal aber auch darauf muss du beim Setup achten: Ist die Zeitzone in beiden Tools dieselbe? Insbesondere wenn du in mehreren Ländern oder weltweit tätig bist.

So war das z.B. bei mir der Fall: Ein weltweit tätiges Unternehmen und ich hatte in GA “Österreich” als Zeitzone eingestellt, damit die Zahlen immer in unserer Zeitzone reported werden konnten.

Facebook Werbung machten wir aber hauptsächlich in den USA und deswegen war in FB als Zeitzone “USA” eingetragen. 

Habe ich die Daten beider Tools jetzt abgeglichen, hatte ich immer die Differenz der Zeitverschiebung mit drinnen und das hat meine Analysen natürlich zusätzlich verschlechtert.

Das Problem: Die Zeitzone kann in FB NICHT rückwirkend geändert werden.

Die einzige Möglichkeit ist ein neues Werbekonto anzulegen und das ist natürlich auch keine gute Lösung, vorallem wenn deine Kampagnen schon länger laufen.

Jetzt kannst du die Zeitzone natürlich in GA anpassen.

Das Problem: Zum Zeitpunkt der Umstellung von der einen auf die andere Zeitzone, kommt es zur Zeitverschiebung und dadurch können Daten verloren gehen. Auch das ist mir schon einmal passiert…

Mögliche aber unschöne Lösung: Du lässt die falsche Zeitzone und berücksichtigt die Zeitverschiebung in deiner Analyse. Aber das führt vermutlich zu gröberen Ungenauigkeiten… Hier musst du selbst abwiegen was dir wichtiger ist….

Umsatz überall gleich tracken

Auch das klingt wieder banal und trotzdem ist es mir passiert: In beiden Tools muss der Umsatz natürlich gleich gemessen werden.

D.h. Transportkosten, Gutscheine, Steuern müssen entweder DAZU oder WEGGELASSEN werden – auf jeden Fall aber in beiden Tools gleich.

Wir haben z.B. in GA den Umsatz ohne Steuern und Transportkosten getrackt und in Facebook mit Steuern und Transportkosten. Somit kann der Revenue natürlich nie übereinstimmen.

Deswegen auch hier wichtig: Gemeinsam definieren, am besten eine Doku schreiben, vorallem wenn verschiedene Developer an der Umsetzung beteiligt sind…

Puh geschafft… Du hast toll durchgehalten! 

Checkliste: Datendifferenzen verstehen, bereinigen und argumentieren

Es gibt also tatsächlich jede Menge Gründe und Ursachen für unterschiedliche Daten in Google Analytics und Facebook. 

Wenn du allerdings alles getestet, überprüft und verbessert hast, kannst du deine Datendifferenzen zumindest sehr, sehr stark reduzieren.

So habe ich die Abweichungen von 90% auf … trommelwirbel🥁… tatatataaaa🎵… 30% reduzieren konnten.

Das ist wirklich mega genial!

30% ist zwar immer noch viel, keine Frage… aber es ist eine Verbesserung um immerhin 70%.

Damit kann man zumindest einmal besser arbeiten, bessere Entscheidungen treffen, beiden Tools auf jeden Fall viel, viel mehr vertrauen.

Warum habe ich trotzdem diese 30% Abweichungen?

Das setzt sich wie folgt zusammen:

  • 10% Zeitzonen Zuordnungsproblem, weil ich in FB “USA” und in GA “Österreich” eingestellt habe
  • 3% Ad Blocker, wie du in der Analyse gesehen hast
  • 3% Cookie Blocker
  • 8% User Verhalten, d.h. Klicks vs Sessions
  • 4% Geräte Wechsler

Das fließt bei mir nun in JEDE Analyse und Erklärung mit ein und somit ist diese Datendifferenz argumentierbar.

Beiden Tools kann nun gleich stark vertraut werden.

Den ganzen Use Case kannst du hier in den Slides von meinem Vortrag auf der #AFBMC nachlesen:

Durchblick verloren?

Du möchtest deine Datendifferenzen auch verstehen, bereinigen und deinem Chef / deinen Kunden ausgezeichnet argumentieren, hast aber den Überblick bei all den Ursachen verloren?

Dann empfehle ich dir mein Datendifferez-Komplettpaket:

Datendifferenz Komplett Paket Werbung

In einem ca. 2-stündigen online Workshop überprüfen wir gemeinsam die Datendivergenzen für dein Unternehmen oder anhand eines von dir gewählten Beispielkunden.

In unserem Workshop füllen wir gemeinsam eine Datendifferenz-Checkliste aus. Diese Liste kannst du ganz einfach zum nächsten Termin mit deinem Chef / deinem Kunden mitnehmen und valide argumentieren warum es bei zu Datendifferenzen kommt.

Alles was ich dir im Workshop erzähle, erhältst du im Anschluss schriftlich zusammengefasst in einer Schritt-für-Schritt Anleitung zum nachlesen und nacharbeiten.

Lust auf einen Aha-Moment?🤩

>> Dann schick mir gleich eine unverbindliche Anfrage für das Datendifferenz Komplettpaket. 

Fragen?

Du hast Fragen zu Datendifferenzen zwischen Facebook und Google Analytics?

Immer her damit. Ich helfe wo ich kann.

💡 Happy Analyzing,

deine Michaela

Datendiff Werbung 2

  • Bettina sagt:

    Hallo,

    und vielen Dank für den tollen Artikel.
    Mir ist aufgefallen, dass bei der Nutzung der Facebook-App der Nutzer zunächst auf m.facebook.com weitergeleitet wird und erst dann auf meiner Seite landet. Bei dieser Umleitung gehen leider meine UTM-Parameter verloren. Du beschreibst dieses Problem auch hier im Artikel, aber wie kann ich dies umgehen? Nutzer die über Desktop kommen, die behalten wie gewünscht ihr Parameter, sodass ich die Interaktion mit den Facebookanzeigen optimal ausnutzen kann.
    Ich freue mich über eine Antwort, Bettina

    • Hallo Bettina,
      vielen Dank für deinen Kommentar! 🙂

      Genau, dass ist leider u.a. der Grund warum bei Branchen mit hohem mobilen Traffic Anteil die Abweichungen noch höher sind als bei Branchen mit hohem Desktop Anteil. Wenn Facebook alle Parameter über die Weiterleitung abschneidet, bringen UTM-Parameter leider nichts…

      Ich muss das zwar erst im Detail testen (und werde ich auch in den Beitrag noch aufnehmen) aber ein möglicher Workaround wäre, dass du eine Short URL inkl. UTM-Parameter anlegst z.B. von bitly (noch besser von deinem CMS/Shopsystem). Die Short-URL selbst enthält keine Parameter die Facebook abschneiden könnte. Die Weiterleitung wird serverseitig vorgenommen. Wird die URL aufgelöst, sind die UTM-Parameter wieder vorhanden.

      Liebe Grüße,
      Michaela

  • Artur sagt:

    Hallo, wirklich ein klasse Artikel mit vielen hilfreichen Infos.

    Leider konnte ich die Info, die ich gesucht habe nicht finden – vielleicht auch an der falschen Stelle gesucht? 🙂 Vielleicht ist meine Frage ja trotzdem relevant.

    Folgendes Szenario:
    Ich schalte für den Kunden Google Ads, nutze Analytics zur Messung der Webseite.
    Der Kunde schaltet zusätzlich Facebook Ads. Facebook Pixel war nicht in Verwendung, soll jetzt aber integriert werden.

    Es gibt somit:
    FB Paid Traffic & Conversions
    G-Ads Paid Traffic & Conversions
    Organischen oder zumindest nicht direkt-paid-Traffic & Conversions

    Was mir Kopfzerbrechen bereitet:
    Messe ich bspw. allgemeine Kontaktpunkte (Telefon, Email, Formulare) parallel mit FB & GA?
    Wenn ja, vermische ich alle Conversions. Der GTM feuert FB / GA Events parallel.
    > Wie messe ich differenziert? Rein über existierende und fehlende utm Parameter?

    Ziel wäre, klar sagen zu können:
    1. FB User > FB Ad > Webseite > Conversion (via FB)
    2. Google User > GA Ad > Website > Conversion (via Google)
    3. User > Website > Conversion (keine Zurechnung FB / Google)

    Ich hoffe es wird klar, was ich meine. Im Artikel liest es sich fast so, als ob alles parallel getrackt wird.

    Falls der Kommentar gar nicht passt, gerne löschen 🙂
    LG, Artur

    • Hallo Artur,

      klasse Frage zu einem doch recht komplexen Thema. 🙂

      Zuerst mal: Ja, du kannst und sollst sogar alle Touchpoints wie Paid Social, Paid Search aber auch Email, Telefon, etc. via Google Analytics messen. Der Vorteil ist, dass du dadurch die gesamte Customer Journey in GA abbilden kannst.

      Natürlich wäre es nun ideal die von dir genannten Pfade genau so zu analysieren, allerdings gehen User meist viel komplexere Wege z.B. FB User > FB Ad > Website > GA Ad > Website > Conversion. Genau diese Pfade kannst du über die Multi-Channel-Trichter in GA sehr gut analysieren: Klicke dazu in GA unter Conversion > Multi-Channel-Funnels auf den „Top Conversion Pfade“ Report.

      Wähle hier ganz oben in Drop-Down dein Ziel aus: Ecommerce Transaktion.

      Jetzt siehst du alle Pfade die deine User gegangen sind bevor sie konvertiert sind. Im Blogartikel ist ein Screenshot davon: Der letzte vor dem Fazit.

      Wichtig ist, dass du z.B. für Paid Social einen eigenen Kanal anlegen musst. Dazu müssen alle Paid Social Kampagnen, so wie du geschrieben hast, mit UTM-Parameter vertaggt werden.

      Damit du nun analysieren kannst wie z.B. deine FB Ads zu den Conversions beigetragen haben, kannst du im Report nach „Paid Social“ (oder wie dein Kanal eben heißt) filtern und schon siehst du nur noch die Pfade, wo Paid Social ein Teil davon war. Damit solltest du deine Fragen sehr gut beantworten können. 🙂

      Ich hoffe, dass hilft dir weiter.

      Liebe Grüße,
      Michaela

  • […] In ihrem Talk wurden noch viele weitere Gründe genannt, die alle in ihrem ausführlichen Blogbeitrag nachgelesen werden können (nicht ganz kurz, aber definitiv lesenswert […]

  • starker Artikel, vielen Dank!

  • Walter sagt:

    Super hilfreicher Artikel, herzlichen Dank für die Zusammenstellung! Wir haben auf unserem Blog auch ein paar Punkte zusammengetragen. Ganz so umfangreich wie Du sind wir leider noch nicht 😉

    • Hallo Walter,

      das freut mich sehr!

      Und ich fühle mich auch geehrt, dass ihr meinen halben Blogartikel inkl. Screenshots einfach abgeschrieben habt. Aus SEO-Sicht ist das aber nicht so klug – wegen Duplicate-Content.

      Liebe Grüße,
      Michaela

  • Jana sagt:

    Danke für den tollen Artikel. Super hilfreich, dank der einfachen und verständlichen Beschreibung!

  • Daniel sagt:

    Toller Artikel, Super Arbeit! Danke für’s teilen!

  • Ricky sagt:

    Sehr guter Artikel! Bitte mehr davon!

  • Niklas sagt:

    Selten eine so präzise Auflistung gelesen, war eine perfekte Auffrischung meines Wissens. Vielen Dank dafür 🙂