Google Analytics 4 (GA4) Probleme: Zustand von GA4 fünf Monate nach dem UA-Untergang

Nach zahlreichen Vorzügen hat Google Universal Analytics (UA) am 1. Juli 2024 vollständig abgeschaltet. Dies zwang Nutzer dazu, schnell auf Google Analytics 4 (GA4) umzusteigen, um weiterhin Zugriff auf ihre Daten und Messfunktionen zu behalten.

GA4 nutzt jedoch ein vollkommen anderes Messmodell als Universal Analytics. Zwar bringt GA4 neue Funktionen und Ansätze mit sich, doch zahlreiche Diskrepanzen sorgen bei Marketern für Gewirr.

Der Einsatz von GA4 stellt eine Vielzahl von Problemen dar, die eine präzise Datenerfassung und -analyse erschweren. In diesem Artikel werfen wir einen Blick auf den Zustand von GA4 fünf Monate nach dem Untergang seines Vorgängers und beleuchten die anhaltenden, erheblichen Probleme, die erst nach der Migration aufgetreten sind. 

Zudem stellen wir Ihnen eine Alternative vor, die Ihnen nicht nur vertraute Berichte und starke Analytics-Funktionen bietet, sondern auch sicherstellt, dass Sie die Privatsphäre Ihrer Nutzer jederzeit respektieren.

Wesentliche aktuelle Probleme mit Google Analytics 4

Google Analytics 4 (GA4) kämpft weiterhin mit erheblichen Problemen, die sowohl den Bedienkomfort als auch die Zuverlässigkeit der Daten beeinträchtigen. Hier sind die wichtigsten Probleme, mit denen sich GA4 derzeit konfrontiert sieht:

1. Probleme beim Conversion-Tracking

Die Datenmodelle von Universal Analytics (UA) und GA4 unterscheiden sich grundlegend. Das UA-Modell basierte auf Sitzungen, während GA4 auf Ereignissen. 

Zwar erfassen beide Plattformen ähnliche Details, doch die Art und Weise, wie sie diese messen, unterscheiden sich.

In UA zählte man Ziele pro Sitzung, während GA4 es ermöglicht, sie entweder pro Ereignis oder pro Sitzung zu erfassen. Wenn ein Nutzer etwa dasselbe Ziel fünfmal in einer Sitzung erreicht, würde UA dies als eine Conversion zählen. In GA4 hingegen kann dies entweder ein oder fünf Schlüsselereignisse generieren.

Diese Wende im Datenmodell hat einen erheblichen Einfluss auf die Datenerfassung und -analyse in GA4. Ein klares Verständnis dieser Unterschiede ist entscheidend, damit Sie Ihre Berichte präzise gestalten.

Laut Google gibt es drei Hauptgründe für die Unterschiede bei Conversions zwischen GA4 und UA:

Das Einrichten des Conversion-Trackings in GA4 über den Admin-Bereich innerhalb der Kategorien Ereignisse oder Conversions unterscheidet sich erheblich von Universal Analytics (UA). 

Während UA eine strikte Methode zur Definition von Ereignissen bot – einschließlich vier spezifischer Dimensionen, um Nutzeraktionen zu organisieren – erfordert GA4 die Erstellung eines separaten Ereignisses für jede Conversion, die man überwachen soll.

Was bedeuten die Probleme beim Conversion-Tracking für Sie?

Der Wechsel von UA zu GA4 brachte und bringt in vielen Fällen noch immer die Notwendigkeit mit sich, das Tracking-Code-Setup und die Ereignis-Tags aktiv zu aktualisieren. Häufig ist es erforderlich, den gesamten Messrahmen auf der Website zu überprüfen und anzupassen, da Fehlkonfigurationen zu einer ungenauen Berichterstattung der wichtigsten Leistungskennzahlen (KPIs) führen.

Um fehlerhafte KPI-Berichte zu vermeiden, sollten Sie folgende Fragen beantworten, bevor Sie Ihre Berichte erstellen:

• Haben Sie den richtigen Ereignistyp ausgewählt?
• Ist das Ereignis mit der passenden Seite, etwa der „Danke“-Seite, verknüpft?

2. Ungenaue Traffic-Berichte

In GA4 stellen die Traffic-Acquisition-Berichte – die oft der erste Schritt zur Identifizierung von Traffic-Quellen sind – nur die erste Traffic-Quelle dar. Besucht ein Nutzer Ihre Website zuerst über die Suche und danach über Social Media, zählt Google ausschließlich die Suche als Quelle der Sitzung.

Überdies neigt GA4 dazu, bezahlten Traffic von Google zu überbewerten. Im neuen Bericht zur Nutzerakquise wird etwa die gesamte Sitzung Google Paid Search zugeschrieben, auch wenn ein Nutzer zunächst auf eine bezahlte Anzeige klickt und anschließend ein organisches Suchergebnis auswählt.

Ein weiteres Problem ist die variable Kategorisierung der Traffic-Quellen in GA4. Dies kann bis zu 12 Tage nach der Datenerfassung rückwirkend auftreten. Solche Schwankungen erschweren die Echtzeitanalyse und machen es unmöglich, schnell auf Marketingmaßnahmen zu reagieren.

Die Ursache für diese Ungenauigkeiten und das Überbewerten von bezahltem Traffic liegt in den unterschiedlichen Attributionsmodellen. Zudem führt die Sitzungsfragmentierung zu vielen Attributionsproblemen in GA4.

Beispiel: Wenn ein Nutzer heute über einen Social-Media-Link auf Ihre Website gelangt, die Seite in vier Monaten erneut besucht und dann konvertiert, würde Universal Analytics den Conversion-Wert dem Social-Media-Klick zuweisen. GA4 hingegen schreibt die Conversion dem direkten Traffic zu.

Diese Unterschiede führen zu inkostintenten Daten und erheblichen Problemen nach der Migration.

Google versichert, dass es die Genauigkeit des Attributionsmodells verbesserte. Dennoch treten weiterhin Diskrepanzen bei der Zählung von Sitzungen auf:

Was bedeuten ungenaue Traffic-Berichte für Sie?

Die standardmäßigen GA4-Berichte enthalten stets unvollständige Informationen zu den Traffic-Quellen. Sie können benutzerdefinierte Berichte erstellen, um dieses Problem zu umgehen. Allerdings erfordern Testen und Fehlersuche viel Zeit und Aufwand, um die Genauigkeit sicherzustellen.

3. GA4- und Google-Ads-Probleme

Die Integration von Google Ads und Google Analytics 4 (GA4) bringt weitere Probleme mit sich, insbesondere aufgrund von Datenabweichungen und Unterschieden in der Datenmessung. Falls Sie GA4 nach der Migration nicht korrekt mit Google Ads verknüpft haben, treten möglicherweise folgende Probleme auf:

• Das Conversion-Tracking in Google Ads funktioniert nicht.
• Engagement-Metriken der Website werden in Google Ads nicht angezeigt.
• Es sind keine Zielgruppen in Google Ads vorhanden.

Conversions werden etwa aus Google-Ads-Kampagnen in GA4-Berichten einer direkten Quelle zugeschrieben. Im Google-Ads-Dashboard hingegen werden diese Conversions einer spezifischen Kampagne zugeordnet, die den URL-Tracking-Daten entspricht. Dies deutet darauf hin, dass GA4 nicht ordnungsgemäß konfiguriert ist, weshalb es Conversions der direkten Quelle zuschreibt.

Was bedeuten GA4- und Google-Ads-Probleme für Sie?

Marketer und Analysten kämpfen weiterhin mit Hürden bei der Integration von Google Ads und GA4. Diese beinhalten abweichende Conversion-Daten, unterschiedliche Attributionsmethoden und technische Herausforderungen bei der Einrichtung. Probleme bei der Verknüpfung von Google Ads- und Analytics-Konten können dazu führen, dass keine Cost-per-Click (CPC)-Metriken erfasst werden. Hierbei ist es oft erforderlich, die Einstellungen für Auto-Tagging in Google Ads zu überprüfen.

4. Diskrepanzen zwischen BigQuery-Ergebnissen und Google-Analytics-Berichten

Haben Sie festgestellt, dass die Zahlen nicht übereinstimmen, wenn Sie die GA-Exportdaten in BigQuery abfragen? Google Analytics 4 (GA4) verarbeitet Daten anders als BigQuery. Selbst nach den jüngsten Updates, die zusätzliche Felder für Traffic-Quellen unterstützen, bestehen weiterhin Diskrepanzen zwischen GA4 und BigQuery. Dies kann aus verschiedenen Gründen auftreten:

• Definitionen: Die Rohdaten im Export-Schema von BigQuery basieren auf der Datenerfassung und Verarbeitung durch Google Analytics. Nutzer, die an GA-Berichte gewöhnt sind, werden schnell feststellen, dass einige Metriken fehlen. Um dieses Problem zu lösen, müssen Sie die Metriken gemäß den von Google bereitgestellten Definitionen berechnen. Leider ist die Dokumentation oft unvollständig oder widersprüchlich. Die Alternative: Erstellen Sie Ihre eigenen Definitionen.
• Sampling: Für einen genauen Vergleich zwischen Ihren BigQuery-Exportdaten und Standardberichten, Data-API-Berichten oder Explorationsberichten sollten Sie sicherstellen, dass diese keine Stichprobendaten verwenden.
• Scopes: Die Arbeit mit Daten auf unterschiedlichen Ebenen kann herausfordernd sein. In GA4 sind Daten auf Nutzer-, Sitzungs-, Ereignis- und Item-Ebene verfügbar. Es ist daher entscheidend, zu verstehen, wie diese Scopes zusammenhängen. Nur dann sind Sie in der Lage, aussagekräftige Ergebnisse zu erzielen. Denken Sie daran: BigQuery kann Ihnen nur korrekte Ergebnisse liefern, wenn Ihre Abfrage gültig ist.

Was bedeuten Diskrepanzen zwischen BigQuery und GA4 für Sie?

Um die Google-Analytics-4-Daten in BigQuery effektiv zu nutzen, müssen Sie ein sehr fortgeschrittener Analytics-Nutzer sein. BigQuery ermöglicht es, digitale Metriken auf neue Weise zu kombinieren, zu berechnen und zu analysieren. 

Dabei gilt: Google Analytics-Berichte sind nicht zwangsläufig eine exakte Abbildung der Realität. Selbst bei perfekter Implementierung und detaillierter Messung aller Nutzerinteraktionen auf Ihrer Website bleiben GA4-Berichte unvollständig. Google Analytics ist in erster Linie ein Werkzeug, um Trends zu erkennen. Erst wenn Sie die Daten korrekt interpretieren, können Sie wichtige Signale inmitten der Datenflut entdecken.

BigQuery hingegen ist für fortgeschrittene Nutzer konzipiert, die über Standardberichte, Explorations und die Data API hinausgehen oder komplett maßgeschneiderte Analysen durchführen möchten.

Um den Einklang zwischen GA4-Daten und den BigQuery-Ergebnissen zu verbessern, ist erheblicher Aufwand erforderlich. Viele Anpassungen sind nötig, damit BigQuery-Daten mit den Berichten in der GA4-Oberfläche übereinstimmen. Ein zentraler Aspekt ist, die Abfragelogik zu harmonisieren, indem Sie sicherstellen, dass die SQL-Abfragen in BigQuery die gleiche Berechnungsmethodik verwenden wie GA4.

5. Verzerrung durch Bot-Traffic

In GA4 wirkt sich Bot-Traffic stark auf Website-Traffic, Sitzungsdauer, Absprungraten und Conversion-Raten aus. Künstlich generierter Traffic durch Bots verfälscht oft Engagement-Metriken und die Conversion-Leistung. Trotz der integrierten Bot-Filterfunktionen von GA4 bleiben Probleme bestehen.

Ebenso kann Bot-Traffic die Zielgruppensegmentierung und demografische Einblicke verzerren. Dies führt zu ineffektiven Marketingstrategien und einer Fehlinterpretation der Zielgruppen. Da Google sich primär auf Google Ads konzentriert, räumt es der Implementierung starker Bot-Ausschlüsse oder der Vermeidung von Anzeigenbetrug keine hohe Priorität ein.

Was bedeutet Verzerrung durch Bot-Traffic für Sie?

Der Einfluss von Bot-Traffic auf GA4-Analysen kann zentrale Metriken verfälschen, Entscheidungen erschweren und die Integrität datengetriebener Strategien untergraben. Ungenaue Daten aus den Bot-Aktivitäten können zudem Ihren Versuch beeinträchtigen, die User-Experience zu optimieren, indem Sie Annahmen über Nutzerpräferenzen und -verhalten auf der Basis fehlerhafter Daten treffen. Es ist daher entscheidend, unerwartete Traffic-Spitzen zu überwachen, um mögliche Bot-Aktivitäten frühzeitig zu erkennen.

6. Eingeschränkte Flexibilität von Echtzeitberichten in GA4

Die Echtzeitberichte in GA4 weisen im Vergleich zu Universal Analytics (UA) mehrere Limits auf. Dies verursacht, dass Nutzer sie weniger flexibel und effektiv nutzen können. 

Beispielsweise erfassen die Echtzeitberichte in GA4 nicht alle Besucher. Durch das Herausfiltern von Spam- und Bot-Traffic spiegelt die Datenbasis möglicherweise nicht die gesamte Zielgruppe wider, sodass die angegebenen Zahlen das gesamte Engagement nur unvollständig darstellen. Zudem zeigen die Berichte nur Daten der letzten 30 Minuten an, was eine Analyse über einen längeren Zeitraum hinweg einschränkt.

Weiterhin fehlen detaillierte Metriken. GA4 liefert grundlegende Kennzahlen wie aktive Nutzer und Seitenaufrufe, bietet jedoch keine tiefergehenden Einblicke in das Nutzerverhalten, wie Sitzungsdauer oder Navigationspfade. 

Diese Lücken erschweren eine effektive Analyse der User-Journey. Der Mangel an detaillierten Metriken kann dazu führen, dass wichtige Erkenntnisse über Ihre Kunden unentdeckt bleiben. 

Außerdem sind die Anpassungsoptionen der Echtzeitberichte in GA4 begrenzt: Sie können einfache Vergleiche hinzufügen, jedoch lassen sich die Berichte nicht umfangreich an spezifische Analysebedürfnisse anpassen.

Was bedeuten eingeschränkte Echtzeitberichte in GA4 für Sie?

GA4 bietet einen grundlegenden Rahmen für Echtzeitberichte, doch die Limits in Bezug auf Datenumfang, Anpassungsoptionen und detaillierte Metriken machen es weniger flexibel als Alternativen. Um diese Hürde zu überwinden, könnten Sie Echtzeitdaten mit historischen Analysen kombinieren oder zusätzliche Tools einsetzen, die umfangreichere Berichtsfunktionen bieten.

7. Datenaktualität und Verarbeitungszeit

Die Verarbeitungszeit für neue Daten in GA4 ist deutlich länger als in Universal Analytics (UA). Das neue Datenerfassungsmodell von GA4 führt zu erheblichen Verzügen.

Für Standard- und 360-Properties beträgt die typische Verarbeitungszeit 12 Stunden. Allerdings können sich diese Verzüge auf 24 bis 48 Stunden ausdehnen. Dies stellt einen deutlichen Anstieg im Vergleich zu UA. Dort betrug der maximale Verzug für Standardberichte in der Regel etwa vier Stunden. Während Spitzenzeiten kann die Verarbeitung noch länger dauern, was zeitkritische Beschlüsse auf Basis aktueller Daten erschwert.

Was bedeuten Verzüge in der Datenverarbeitung für Sie?

Solche Verzüge können Ihre Ergebnisse verwirren, zu Fehlinvestitionen führen und unzuverlässige Geschäftseinblicke liefern. Es kann sein, dass Sie bis zu 48 Stunden auf präzise Daten warten müssen, was schnelle und datengetriebene Beschlüsse erheblich behindert.

Was ist die Alternative zu GA4 bei Problemen nach der Migration?

Der Wechsel zu einer neuen Analytics-Plattform bringt viele Hürden mit sich. Obwohl GA4 einige seiner Funktionen optimiert hat, bestehen auch fünf Monate nach der vollständigen Abschaltung von Universal Analytics (UA) zahlreiche Probleme. Dazu gehören Datendiskrepanzen, eine steile Lernkurve und eine lange Anpassungsphase für Nutzer, die an UA gewöhnt sind. Für Unternehmen mit großen Datenmengen oder vielen benutzerdefinierten Konfigurationen wird der Prozess noch komplexer.

Da Ihre Daten essenziell sind und deren Genauigkeit, Kontrolle und Integrität entscheidend bleiben, lohnt es sich, alle Optionen zu prüfen. Eine mögliche Alternative ist eine Plattform, die robuste Analysefunktionen bietet und mit einem kombinierten Sitzungs- und Ereignismodell arbeitet, um standardmäßig mehr Daten zu erfassen – ohne zusätzlichen Implementierungsaufwand.

Ein Beispiel hierfür ist die Piwik PRO Analytics Suite. Sie wurde mit Fokus auf Datenschutz entwickelt und unterstützt die Compliance mit Vorschriften wie der DSGVO oder dem TDDDG. Piwik PRO bietet:

• Komplette Kontrolle über die erfassten Daten.
• Flexibles Hosting, das Analysen in verschiedenen Kontexten ermöglicht, ohne die Privatsphäre der Nutzer zu verletzen.
• Native Integrationen mit Tools wie Customer Data Platform, Tag Manager und Consent Manager.

Mit Piwik PRO setzen Sie auf eine vertraute und datenschutzorientierte Analytics-Plattform, die Ihre Analysebedürfnisse effektiv erfüllt.