Zurück zum Blog

Matomo (Piwik) Leistungsprobleme: Was sie verursacht und was man tun kann

Analytics Best Practices, How Tos & Use Cases

Geschrieben von ,

Veröffentlicht Januar 26, 2021 Aktualisiert Januar 29, 2021

Matomo (Piwik) Leistungsprobleme: Was sie verursacht und was man tun kann

Viele Unternehmen wählen Matomo (einst Piwik), weil es etwas höhere Datenschutzstandards als Google Analytics anbietet. Es teilt die Userdaten nicht mit Online-Werbesystemen. Es bietet On-Premises Hosting an und es erlaubt Ihnen einen Blick auf das User-Verhalten Ihrer Website zu erhaschen.

Aber bedeutet es, dass Matomo einen fortgeschrittenen Analytics Partner abgibt? Sollten Sie diesen Artikel lesen, haben Sie schon Ihre Zweifel darüber oder versuchen zumindest zu verstehen, wie Sie daraus eine schnellere und bessere Lösung machen können.

Matomo (Piwik) könnte ein guter Griff für kleine Analytics Projekte sein. Aber wenn Ihr Unternehmen wächst, dann wachsen auch Ihre Analytics Projekte. Genau dann begegnen Sie einem dieser Probleme oder vielleicht auch mehr:

  • Sie müssen mindestens zwei oder mehr Stunden warten, um Reports oder Segmente zu erstellen.
  • Das User-Interface verliert an Reaktionsschnelligkeit und zeigt keine Daten für gewisse Datenzyklen an.
  • Matomo stoppt die Real-Time-Data-Kalkulation.

Dies verhindert den reibungslosen Arbeitsverlauf mit Daten, vor allem wenn Sie verschiedene Segmente vergleichen oder mehrere, benutzerdefinierte Reports erstellen möchten.

Matomo’s Leistung hängt davon ab, wie Sie die Plattform und die analytische Reife Ihrer Organisation nutzen. Sollten Sie nur ein Reporting-Tool suchen, kann Matomo eine perfekte Lösung sein, sogar für Seiten mit relativ hohem Traffic. Wenn Sie aber eine Lösung zur Analyse der digitalen Performance suchen, dann verlangsamt die Segmentbildung den ganzen analytischen Prozess. Sie möchten doch die Daten zum neuen Segment jetzt lesen und nicht in sechs Stunden und auf jeden Fall nicht am nächsten Tag.

Mikko Piippo, Analytics Spezialist und Mitgebründer der Hopkins Oy

Weshalb schreiben wir über eine andere Lösung? Piwik PRO teilte das gleiche Backend und dieselben Probleme wie Matomo (Piwik). Dies änderte sich 2018 mit dem neuen Analytics Modul, dass eine ClickHouse Datenbank nutzt. Aber wir erinnern uns noch gut an die Herausforderungen, denen wir uns vor dem Wechsel stellen mussten.

Wenn Sie mehr erfahren möchten über unsere Reise zu einer effizienten Produktarchitektur, sollten Sie diesen Artikel nicht verpassen: Piwik PRO & ClickHouse – So erstellen wir schnelle und leistungsstarke Reports

Auf dieser Erfahrung basierend, zeigen wir Ihnen die Wurzeln der Leistungsprobleme bei Matomo, die Auswirkung die sie auf Ihre Reports haben und mögliche Verbesserungen.

Die zugrundeliegende Ursache für Leistungsprobleme bei Matomo (Piwik)

Zwei Schlüsselfaktoren beeinflussen die Leistung der Plattform: die Datenbank und das Backend von Matomo.

Die Datenbank bei Matomo (Piwik)

Matomo wurde auf einem MySQL Datenbank Management System (DBMS) aufgebaut. Diese Architektur arbeitet relativ schnell für High-Level Reports, vorher erstellte Segmente und kleine Datengruppen. Aber sie verlangsamt die Leistung erheblich, sobald Sie Reports und Segmente ad hoc bilden möchten, und das noch aus großen Datenmengen. 

Dies passiert, weil MySQL ein Reihen orientiertes Management System ist. Es scannt ganze Reihen von Daten, um die relevanten Informationen zu erhalten und daraus einen Report oder ein Segment zu erstellen. Je mehr Datenreihen durchzugehen sind, desto länger und Ressourcen raubend wird der Prozess:

Eine Visualisierung einer Reihen orientierten Datenbank. Quelle: ClickHouse

Matomo (Piwik) empfiehlt den Archivierungsprozess einzuschalten, um die Datenbank vorm Überladen zu schützen. Die Archivierung findet, vom Datenvolumen abhängend, mindestens jede Stunde und höchstens alle 24 Stunden statt. Während dieses Prozesses geht Matomo durch alle Logs und berechnet die Daten in Ihren Reports für jeden Tag, jede Woche, jeden Monat und jedes Jahr. 

So funktioniert die Vorkalkulation:

Die Vorkalkulation in Matomo (Piwik)

Als Resultat liest die Matomo Datenbank nicht jede Datenreihe, um Ihre Frage zu beantworten. Stattdessen stützt es sich auf die Vorkalkulation. Als Nebeneffekt muss aber jeder neue Report oder jedes neue Segment auf das Ende des Vorkalkulationszyklus warten. Für Medium- oder High-Traffic-Seiten dauert der Prozess aber länger als zwei Stunden.

Um Ihnen einen Vergleich bieten zu können: So, wie in der Grafik dargestellt, arbeitet eine Säulendatenbank, eine sehr gute Alternative zum Reihen orientierten DBMS. Indem Daten in Säulen anstatt in Reihen abgespeichert werden, erzielt die Datenbank präzisere und schnellere Antworten auf Ihre Anfrage:

Eine Visualisierung einer Säulen orientierten Datenbank. Quelle: ClickHouse

Hier können Sie mehr über die Unterschiede zwischen Säulen und Reihen orientierten Datenbank Management Systemen erfahren.

Das Backend von Matomo (Piwik)

Des Weiteren ist Matomo eine komplexe und monolithische PHP Applikation. Dies erschwert das Skalieren, die Instandhaltung und das Umschreiben der Plattform, als im Vergleich zu jenen Plattformen, die aus kleineren, vielfältigen Komponenten und einer neueren Programmiersprache besteht. 

Dadurch ist das Backend von Matomo (Piwik) anfälliger auf Fehlerregressionen, als moderne Backendarchitekturen, wie zum Beispiel bei Piwik PRO.

Können Sie selber etwas unternehmen?

Matomo (Piwik) empfiehlt Ihre Datenbank und Ihre Serverkonfiguration zu optimieren und einige Einstellungen im Produkt vorzunehmen, um hoffentlich die Leistung zu verbessern.

Jedoch bedeutet das, dass Sie über das Know-How der Instandhaltung von Servern und Datenbanken verfügen müssen. Deshalb suchen einige Klienten oft nach Cloud Servern, die Matomo (Piwik) eine gute Arbeitsbasis bieten, was manchmal bedeutet tief in die Geldtasche zu greifen. Der Archivierungszyklus könnte zwar kürzer werden, aber das heißt nicht, dass Sie sich von den Warteperioden für Reports freikaufen, die auf signifikanten Datenvolumina basieren.

Wie die Architektur von Matomo (Piwik) auf Ihre Reporting-Flexibilität einfließt

Die Architektur von Matomo (Piwik) beeinflusst die Geschwindigkeit, in der die Reports erstellt werden. Aber es beeinflusst auch den Funktionsumfang der Plattform, da einige Analysefunktionen stark von der Effizient der Datenverarbeitung abhängen. Als Beispiele wären Folgende aufzuführen:

Dashboards und benutzerdefinierte Reports

Matomo (Piwik) bietet eine Sammlung an archivierten, benutzerdefinierten Reports an, die Sie als Widgets auf Ihrem Dashboard nutzen können. Sobald Sie aber einen neuen Report erstellen, um ihn auf Ihrem Dashboard anzuzeigen, wird eine Vorkalkulation benötigt, die zwischen einer und 24 Stunden dauert. 

Des Weiteren ist es nicht möglich separate Filter und Segmente für jedes einzelne Widget auf Ihrem Dashboard zu nutzen. 

Die Vielfalt der benutzerdefinierten Reports ist ebenfalls limitiert. User können zwischen den folgenden Report-Typen wählen:

  • Tabelle – Zeigt die Reports als Standardtabelle an. Sie können diese in ein Balkendiagramm, Kreisdiagramm oder Wolkendiagramm umwandeln.
  • Evolution – Zeigt die Performance ausgewählter Metriken im Zeitverlauf an.
Ein simples Dashboard in Matomo (Piwik)

User Flow und Transition Reports

Der User Flow von Matomo (Piwik) fasst seine Nodes basierend auf Seiten-URLs und Seitentiteln zusammen. Diese Einstellung wird für alle Stufen gleichermaßen durchgeführt. Der Grund dafür ist, dass User Flow Reports nur auf Page Views basieren und nicht auf benutzerdefinierten Events, wie z. B.: einen speziellen Button betätigen, einen gewissen Inhalt ansehen oder eine Datei herunterladen. 

Dazu kommt, dass die User Flows von Matomo (Piwik) nur im strikten Modus arbeiten. Dies bedeutet, dass sie alle Events aufzeigen, die auf dem Besucherpfad getätigt wurden. Als Resultat müssen alle konfigurierten Events in der Sequenz aneinander folgen, ansonsten registrieren Sie einen Drop-Off und einige Interaktionen werden nicht angezeigt. Dies limitiert Ihre Flexibilität beim Erstellen von User Flow Reports.

User Flow Report in Matomo

Funnel Reports

Funnel Reports in Matomo (Piwik) bestehen hauptsächlich aus Page Views und benutzerdefinierten Events, müssen jedoch ein Ziel beinhalten. Sie sind nicht retroaktiv, das heißt sie enthalten keine Daten bevor der Report erstellt wurde. Sie müssen also warten bis sich der Datensatz mit der Zeit anreichert, bevor Sie wichtige Entscheidungen daraus ziehen können.

A sample funnel report in Matomo

Die Kalkulation von einzelnen Besuchern

Mit eingeschaltetem Archivierungsmodus berechnet die Plattform keine einzelnen Besucher in Echtzeit mehr. Diese Daten sind limitiert auf Tage, Wochen und Monate.

Fortgeschrittene Analytics Features

Letztendlich wirken sich die Einschränkungen des Backend von Matomo auf die Verfügbarkeit erweiterter Analysefunktionen aus, wie z. B.:

  • Dimensionswertgruppierung (dimension value grouping) – Dient zur Organisierung von Werten innerhalb von Dimensionen in benutzerdefinierten Gruppen. Es hilft Ihnen dabei, übersichtliche Reports zu erstellen und die für Ihre Website spezifischen Daten besser zu verstehen.
  • Berechnete Metriken (calculated metrics) – Dies sind Metriken, die Sie aus bereits vorhandenen Metriken erstellen können.
  • Benutzerdefinierte Kanalgruppierung (custom channel grouping) – Mit dieser Funktion verbinden Sie alle Traffic-Quellen Ihrer Website in einer von Ihnen definierten Kanalgruppierung.

Keine dieser Funktionen ist in Matomo verfügbar.

Um einen Bezugspunkt zu erstellen, vergleichen wir die Matomo (Piwik) Plattform mit der Piwik PRO Analytics Suite in folgenden Bereichen:

Piwik PRO Matomo
Auf hohem Traffic basierende Reports Live Vorarchiviert
Dashboards, die aus benutzerdefinierten Widgets mit separaten Filtern und Segmenten gebildet sind
Intuitiver Drag-and-Drop Report Editor
Kalkulation von einzelnen Besuchern Voll verfügbar Limitiert
(Perioden von Tagen, Monaten und Jahren)
User Flow Reports
Funnel reports
Dimensionswertgruppierung
Benutzerdefinierte Kanalgruppierung
Berechnete Metriken

Können BI Tools eine mögliche Lösung sein?

Sie könnten argumentieren, dass Sie Daten in externe Plattformen wie Business Intelligence(BI)-Tools integrieren, um von detaillierteren Geschäftserkenntnissen Vorteile zu ziehen.

In diesem Szenario verwenden Sie Matomo als Tracker und verarbeiten die Abfragen, ohne mit der Benutzeroberfläche des Produkts zu kommunizieren. Auf diese Weise umgehen Sie den Archivierungsprozess und nutzen die erweiterten Reportmethoden, die von Drittanbietern angeboten werden.

Sie können Matomo hauptsächlich als Datensammler verwenden. In diesem Fall werden die Daten normalerweise in ein Data Warehouse übertragen und mithilfe einer Abfragesprache und BI-Tools analysiert. Dabei wird die Matomo-Benutzeroberfläche hauptsächlich zum Debuggen und zum Bereitstellen von digitalen Self-Service-Analysen verwendet, z. B. für Marketing- und Kommunikationsteams.

Mikko Piippo, Analytics Spezialist und Mitgebründer der Hopkins Oy

Der Nachteil dieser Lösung besteht darin, dass BI-Abfragen die Leistung der MySQL-Datenbank und die Fähigkeit des Trackers, Daten zu erfassen, immer noch negativ beeinflussen können. Um die Last zu verringern, können Sie ein schreibgeschütztes Replikat einer Primärdatenbank erstellen. Dies würde jedoch einige ernsthafte technische Fähigkeiten erfordern und Ihre Infrastrukturkosten erhöhen.

Welche Alternativen gibt es?

Matomo ist eine gute Wahl für Unternehmen, die sich um die interne Wartung kümmern können, die Verzögerung beim Zugriff auf ihre Reports nicht scheuen, oder beschließen ihre Daten in BI-Tools zu exportieren, um einigen Probleme auszuweichen.

Was aber, wenn Sie möchten, dass Ihre Webanalyseplattform dem Wachstum Ihrer Projekte standhält, detailliertere Reports erstellt und standardmäßig mittleren oder hohen Datenverkehr aufnimmt? Oder vielleicht ist die Wartung von Matomo für Sie eine zu große Herausforderung und Sie möchten sich auf professionelle und engagierte Unterstützung verlassen? In einem solchen Fall möchten Sie möglicherweise andere Optionen in Betracht ziehen.

In diesem Vergleich stellen wir nebeneinander die vier größten Webanalyseplattformen vor, die für Websites mit mittlerem und hohem Datenaufkommen entwickelt wurden: Google Analytics 360, Adobe Analytics, Countly Enterprise und Piwik PRO.

Erfahren Sie, welches Produkt Ihren Anforderungen am besten entspricht und wie sich die Anbieter in Bezug auf Folgendes verhalten:

  • Funktionssätze
  • Datenaktualität
  • Hosting-Optionen
  • Kundenbetreuung und professioneller Service
  • Integrationen
  • Datenschutz und Sicherheit

Wenn Sie Matomo und Piwik PRO genauer vergleichen möchten, ist dieses Webinar eine perfekte Informationsquelle für Sie:

Webinar
Webinar

Vergleich von Piwik PRO und Matomo

Wie können Sie Leistungsprobleme und mangelnde Flexibilität bei Ihren Analysen überwinden?

Sollten Sie Fragen haben, zeigt Ihnen unser Team gerne, wie unsere Plattform Ihnen einen schnellen Zugriff auf Reports und fortgeschrittene Geschäftsanwendungsfälle ermöglicht.

Autor

Karolina Lubowicka

Content Marketer

Karolina ist Content Marketer und Social Media Managerin bei Piwik PRO. Sie bringt viel Erfahrung als Copywriter mit sich und versteht es dem Leser komplexe Themen des Datenschutzes & der DSGVO verständlich näherzubringen.

Mehr von diesem Autor lesen

Autor

Sebastian Synowiec

Content Marketing Specialist

Content Marketer Sebastian, verbindet bei Piwik PRO User Experience, Webanalyse und Datenschutz mit der Kunst der leichten Feder. Als erfahrener Texter bringt er jeder Zielgruppe auch komplexe Zusammenhänge und neue Entwicklungen näher. LinkedIn Profil

Mehr von diesem Autor lesen