Webanalyst:in – früher vs. heute

Von Universal Analytics zu Google Analytics 4: Diese Umstellung markiert den sichtbarsten, aber längst nicht den einzigen Wandel in der Webanalyse. In den letzten zehn Jahren hat sich die Rolle von Webanalyst:innen grundlegend verändert. Statt vollständiger Datensätze stehen heute Modellierung, Datenschutz, First-Party-Daten und strategische Interpretation im Mittelpunkt. KI unterstützt dabei nicht nur bei Auswertungen, sondern gleicht zunehmend Datenlücken aus.

Im Folgenden lernst du vergangene und aktuelle Aufgaben von Webanalystinnen und -analysten kennen.

Aufgaben von Webanalystinnen und Webanalysten: Vor 10 Jahren vs. heute

1. Tool

• Vor 10 Jahren: Im Jahr 2014 wurde Universal Analytics (oder auch GA3) eingeführt. Das Datenmodell basierte auf Sitzungen, Seitenaufrufen und klaren Funnel-Logiken. Webanalyse fand größtenteils innerhalb eines einzelnen Tools statt, häufig ohne Anbindung an externe Datenquellen.
• Heute: Google Analytics 4 ist der Standard in vielen Unternehmen. Das Datenmodell ist eventbasiert, nutzerzentriert und stärker auf Datenschutz ausgelegt. Ergänzend arbeitest du häufig mit BigQuery, Data Warehouses oder alternativen Tools wie Matomo, insbesondere bei hohen Datenschutzanforderungen. Webanalyse ist heute kein Einzeltool mehr, sondern ein Ökosystem aus Tracking, Datenhaltung und Analyse.

2. Tracking

• Vor 10 Jahren: Das Tracking lief früher ausschließlich über Cookies, vor allem Third-Party-Cookies. Als Webanalyst:in musstest du wissen, wie diese funktionieren und dazu in der Lage sein, das Setzen von Cookies auf deiner Website ordentlich einzubinden.
• Heute: Third-Party-Cookies werden zunehmend blockiert oder eingeschränkt. Stattdessen arbeitest du mit First-Party-Daten, serverseitigem Tracking, Consent Mode und modellierten Daten. „Cookieless Tracking“ bedeutet heute nicht Tracking ohne Daten, sondern Tracking mit Einwilligung, Reduktion und statistischer Modellierung. Du verstehst, welche Daten real gemessen und welche geschätzt werden.

3. Consent Management & Datenschutz

• Vor 10 Jahren: 2014 gab es noch keine wirklich einheitlichen Regelungen zum Datenschutz und wenn doch, wurden diese nur spärlich eingehalten. Du konntest mehr oder weniger tun und lassen, was du wolltest. Begriffe wie Opt-out-Verfahren, IP-Anonymisierung und die Datenschutzerklärung waren zwar bereits bekannt, allerdings noch nicht in der breiten Bevölkerung, weswegen sich auch niemand darüber beschwert hat, dass seine Daten fälschlicherweise genutzt werden.
• Heute: Heute gibt es eine ganze Reihe an Verordnungen und Gesetzen, welche die Privatsphäre und die Daten der Nutzenden schützen, allen voran die DSGVO. Als Webanalyst:in ist dir diese im Detail bekannt. Du weißt, welche Daten du erheben darfst und welche Einstellung du in deinem Tracking-Tool vornehmen musst, um dieses DSGVO-konform zu nutzen. Deinen Consent-Banner gestaltest du rechtskonform und bindest ihn ordentlich in deine Website ein.

Du willst Expertin oder Experte für Webanalyse werden? Folgende Seminare helfen dir dabei:
Google-Analytics-4-Seminar | Google-Analytics-4-Seminar für Fortgeschrittene | Matomo-Seminar | Google-Tag-Manager-Seminar | Data-Science-Seminar |

4. Datenanalyse

• Vor 10 Jahren: Da Analysemöglichkeiten in UA zu Beginn noch nicht besonders ausgeklügelt waren, hast du viele weiterführende Analysen in Excel vorgenommen. Dazu musstest du die Daten zunächst exportieren. Anschließend hast du beispielsweise Pivot-Tabellen und einfache Diagramme verwendet, um die Daten zu Seitenaufrufen, der Verweildauer oder der Bounce Rate zu visualisieren.
• Heute: Mittlerweile stehen dir umfassende Analysemöglichkeiten zur Verfügung. Automatisierung und KI spielen eine zentrale Rolle in der Webanalyse. Tools wie Google Analytics 4, BigQuery und AI-basierte Analyseplattformen erlauben es dir, große Datenmengen automatisch zu analysieren und proaktive Erkenntnisse zu gewinnen, z. B. zur Vorhersage von Nutzerverhalten oder zur Identifizierung von Umsatzpotenzialen. Machine Learning hilft dir dabei, Muster in den Daten zu erkennen und Anomalien automatisch zu identifizieren.

5. Conversion Tracking

• Vor 10 Jahren: Du hast das Conversion-Tracking manuell eingerichtet, um zu verfolgen, wie viele Nutzer eine gewünschte Aktion auf der Website ausführen (z. B. Kauf, Anmeldung). Dies beinhaltete auch das Einrichten von E-Commerce-Tracking für Online-Shops. In den meisten Fällen wurden nur grundlegende Konversionsdaten ohne komplexere Funnel-Analysen erfasst.
• Heute: Heute modellierst und analysierst du komplexe Customer Journeys durch Multi-Touch-Attributionsmodelle und den Einsatz fortgeschrittener Machine Learning-Methoden für die Optimierung von Touchpoints.

6. Erstellen von Dashboards

• Vor 10 Jahren: Dashboards hast du früher in Google Analytics oder Excel erstellt. Diese Dashboards waren meist statisch und boten dir nur begrenzte Möglichkeiten, tiefgehende Analysen oder interaktive Visualisierungen zu erstellen. Berichte hast du in der Regel manuell aktualisiert und per E-Mail an Stakeholder gesendet.
• Heute: Heute erstellst du interaktive Dashboard mit Tools wie Looker Studio, Tableau oder Power BI. Diese Dashboards sind dynamisch und ermöglichen Echtzeit-Updates sowie tiefergehende Datenexplorationen. Auch Analytics selber bietet umfassende Möglichkeiten zur individuellen Datenanalyse. Du passt deine Dashboards an die Bedürfnisse der Stakeholder an und verwendet verschiedene Metriken, um ihre Fragen zu beantworten.