Die Kritik an Google Analytics 4 ist kurzsichtig und kleinkariert!

Google Analytics 4 Backlash: GA4 “sucks” and is “horrible”. In einem Beitrag vom Search Engine Journal vom 23. Juni 2021 haben zahlreiche Digital-Marketer und Suchmaschinen-Marketer ihren Unmut über Google Analytics ausgedrückt. Die wesentlichen Aspekte der Kritik sind:

• GA4 ist schwer nutzbar: GA4 ist schwer zu nutzen – konkret die Benutzeroberfläche ist kompliziert und nicht einfach zu bedienen
• GA4 ist elitär: GA4 ist eher für Benutzer auf Unternehmensebene, als für kleinere Unternehmen geeignet
• Metriken: Metriken wie Ausstiege, Absprungrate oder durchschnittliche Zeit auf der Seite sind nicht mehr vorhanden
• Third-Party-Support: Add-ons und Integrationen von Drittanbietern sind noch nicht verfügbar
• Features fehlen: Bekannte zusätzliche Daten, wie die Seiten-Ladegeschwindigkeit, fehlen
• Funktionsparität: Viele Funktionen und Features aus Universal Analytics fehlen in Google Analytics 4

Ich beschäftige mich seit Anfang an, also seit Juli 2019 und sehr intensiv seit Oktober 2020 mit Google Analytics 4. Mag ich es immer? Nein. Wie alle Menschen, die sich intensiv mit einem Thema (z.B. „Universal Analytics“) beschäftigen, habe ich bei jeder Innovation ein natürliches Abwehrverhalten. Und was haben viele Digital-Marketer Universal Analytics kritisiert, was alles nicht geht und fehlt, was andere Tools können. Frei nach Albert Einstein: „Die reinste Form des Wahnsinns ist es, alles beim Alten zu lassen und gleichzeitig zu hoffen, dass sich etwas ändert.“ Ich möchte deshalb Google Analytics 4 in einen anderen Blickwinkel rücken.

Wichtiges Update vom 16. März 2022: Ab 1. Juli 2023 werden in Universal Analytics keine neuen Daten mehr in die Standard-Properties verarbeitet (offizielle Mitteilung von Google). Du kannst dich vorbereiten, indem du eine Google Analytics 4-Property einrichtest, und rechtzeitig darauf umstellst. In unserem neuen Artikel (Stand Ende März 2022) findest du Ansätze, wie du den Wechsel von Universal Analytics zu Google Analytics 4 planen kannst. In unserem GA4-Kurs und unseren Seminaren bereiten wir dich bestmöglich auf die Umstellung und den professionellen Einsatz von Google Analytics 4 vor.

GA4 ist kurzfristig anstrengend langfristig super – Universal Analytics ist kurzfristig einfach, langfristig anstrengend.

Ich halte die Kritik für durchaus berechtigt, aber für kurzsichtig und kleinkariert. Dazu muss ich aber ein wenig ausholen. Daten gelten als eine der wertvollsten Ressourcen für uns als Unternehmen. Dabei sind Daten die Basis für elementare Entscheidungen. Entscheidungen über unsere Nutzer, unsere Digital-Marketing-Kanäle, unsere Website oder unsere Produkte. Mehr zum Hintergrund gibt es hier in dieser 116 Seiten umfassenden Studie zum Thema Data Literacy (Datenkompetenz) – siehe hier. Aus dieser Studie habe ich auch einige Zitate, z.B. von Erik Brynjolfsson, Ökonom und Direktor des Massachusetts Institute of Technology Center for Digital Business, herausgenommen. Diese Studie ist eigentlich für alle Digital-Analysten eine konzeptionelle Pflichtlektüre. Hier findest du das Papier „Future Skills: Ein Framework für Data Literacy (Datenkompetenz) vom August 2019„

Quelle Bild: Future Skills: Ein Framework für Data Literacy (Datenkompetenz) vom August 2019

Das Ziel von Google Analytics 4: Flexibilität

Ich glaube, das Ziel von Google Analytics 4 ist nicht, ein neues Analysetool mit leicht verbesserten Features im Vergleich zur Version 3 (Universal Analytics) zu liefern. Ich glaube, die Vision von GA4 ist, in einem für Unternehmen deutlich komplexeren Umfeld ein hochflexibles Analyse-Tool zur Verfügung zu stellen. Und zwar flexibel in Hinsicht auf die Kodierung und Dekodierung von Daten. Mehr zur Kodierung und Dekodierung von Daten auch hier in der Zusammenfassung auf Wikipedia.

• Daten kodieren – Rohdaten: Von Anfang an gibt es in GA4 – und das in der kostenlosen Variante – die Möglichkeit, Rohdaten in das Google Data Warehouse (BigQuery) zu exportieren. Das erlaubt es, in einem nächsten Schritt Daten auf ganz neue Weise zu kombinieren und/ oder mit anderen Datenquellen zu kombinieren.
• Daten kodieren – Datenmodell: Nutzer machen Ereignisse. Dieses vereinfachte Datenmodell ermöglicht aber sehr flexible, auch komplexere Umsetzungen. Ereignisse sind definiert durch einen Ereignisnamen und bis zu 25 Ereignisparameter. Dies geht deutlich über die Limitierung hinaus, die es in Universal Analytics mit Ereigniskategorien, Ereignisaktionen und Ereignislabel gab.
• Daten kodieren – Administration: Auch in der Administration sieht man diesen extrem flexiblen Ansatz. So gibt es jetzt auch seit Anfang Juli 2021 die Möglichkeit, Sitzungseinstellungen anzupassen (das gab es auch schon in Universal Analytics) aber auch zu definieren, wann eine Sitzung als Sitzung mit Interaktion gewertet werden soll. 
• Daten dekodieren – Reporting & User-Interface: Seit Anfang Juli rollt GA4 ein neues Interface aus, das es ermöglicht, neben den sehr flexiblen, explorativen Datenanalysen auch die Standardberichte in GA4 auf eigene Bedürfnisse anzupassen.
• Daten kodieren und dekodieren – Attributionseinstellungen: Im Standard bei 10 Sekunden oder auch angepasst auf bis zu 60 Sekunden. Neu sind auch die neuen Attributionseinstellungen, die zwar noch rudimentär sind, aber jetzt schon die Möglichkeit bieten, über alle Daten das Attributionsmodell zu verändern. In Universal Analytics gibt es ja immer nur ein Modell in den Standardberichten, das “last non-direct” heißt. Mit diesem Modell sind alle späten Touchpoints (lower Funnel) bevorzugt und damit ggf. überbewertet worden. 

Mehr zu den aktuellen neuen Features und Updates bei Google Analytics 4 findest du bei uns und hier in der Dokumentation bei Google. Dabei ist Google Analytics 4 nur ein Werkzeug.Viel entscheidender für den Erfolg ist die Etablierung von Datenkompetenz (Data-Literacy).

Fazit zu GA4: The journey is only 1% finished.

Dieser Leitsatz von Facebook gilt glaube ich genauso für die Etablierung von Datenkompetenz. Hier kann man gut Erik Brynjolfsson, Director Digital Economy Lab an der Stanford University, zitieren: „We’re rapidly entering a world where everything can be monitored and measured. But the big problem is going to be the ability of humans to use, analyze and make sense of the data.“ Nach dem Hochschulforum Digitalisierung bedeutet der Prozess der Wissensschöpfung aus Daten:

1. Datenkultur etablieren
2. Daten bereitstellen
3. Daten auswerten
4. Ergebnisse interpretieren
5. Daten interpretieren 
6. Handeln ableiten. 

Aus persönlicher Erfahrung glaube ich, ist die Hoffnung, wenn man Punkt 2 aus der Liste macht, also Daten bereitstellt (Google Analytics implementiert), ergibt sich der Rest wie von alleine. Dabei geht die Reise dort erst los. Meine persönliche Einschätzung? Google hat sich bewusst für eine Revolution in der Web-Analyse entschieden, also einzelne Stufen der Entwicklung bewusst ausgelassen (Leapfrog). Das Ziel ist ein echtes Next-Generation-Analyse-Tool für die nächsten Schritte, auf der Reise hin zu Datenkompetenz, zur Verfügung zu stellen. Steigen die Anforderungen für die Web-Analyse? Aber selbstverständlich. Ich habe aus dem schon öfter zitierten Leitfaden 5 interessante Aspekte für den Aufbau von Datenkompetenz herausgefiltert und eine Ableitung für Google Analytics 4 versucht:

Aus dem Papier “Future Skills: Ein Framework für Data Literacy” mehr dazu hier habe ich mal einige Leitsätze extrahiert und versucht die Bedeutung für das Next-Generation Tool GA4 zu definieren:

Das Data-Literacy Framework und 5 Ableitungen für Google Analytics 4

• Fähigkeit, anhand der jeweiligen Fragestellung und der verfügbaren Daten geeignete Analyseverfahren zu identifizieren und auszuwählen -> Ableitung für Google Analytics 4: Nicht die Berichte geben das Analyseziel vor, sondern die Fragestellung definiert die Berichte in Hinsicht auf Dimensionen, Metriken und Visualisierung. Kernanforderung ist hier zum Beispiel die Definition eines Business Requirement Documents (BRD) und/ oder die Entwicklung eines Digital-Marketing-Manager-Modells, wenn es zum Beispiel um die Beurteilung des Erfolges meines Digital Marketings geht. Hier einmal ein Link zum Requirement-Sheet von Ken Williams und der Link zur Entwicklung eines Digital Marketing Measurement Modells von Avinash Kaushik (ohh ich glaube, dieser Artikel ist weit über 10 Jahre alt, aber immer noch wahr).
• Skeptische Grundhaltung bei der Datenanalyse -> Ableitung für Google Analytics 4: Kennzahlen, wie in allen Tools, unterliegen auch in Google Analytics 4 technischen Rahmenbedingungen (z.B. Cookies), dem Verhalten von Nutzern (z.B. Cookie-Consent), dem Verhalten der Marktteilnehmer (z.B. Safari mit ITP), aber auch den Definitionen eines Tools, wie Google Analytics 4. Ziel ist es, ein gemeinsames Verständnis der wichtigsten Zahlen und Rahmenbedingungen in einer Firma zu gewinnen.
• Bereitschaft, Informationsverluste im Prozess der Analyse abzuwägen und zu akzeptieren -> Ableitung für Google Analytics 4: Kein Tool ist perfekt. Wie schon oben beschrieben, unterliegt es immer zahlreichen Bedingungen. Ziel ist es hier auf Basis von Unsicherheit, vor allem bessere Diskussionen und Bewertungen in einem Unternehmen zu etablieren. Mein Motto nach Charles Babbage: „Errors Using Inadequate Data are Much Less Than Those Using no Data at All“.
• Fähigkeit, relevante von irrelevanten Informationen im Analyseprozess zu trennen -> Ableitung für Google Analytics 4: Bei vielen Universal Analytics Implementierungen steht bei der Sammlung von Daten die technische Machbarkeit, bei der Erhebung von Daten, auf der Prioliste. In der Konsequenz führt das zu kaputten und/ oder unverständlichen Implementierungen, zu falschen Interpretationen und zur Ablehnung von Daten, da Daten für die Mehrheit der Stakeholder nicht nachvollziehbar sind. Beispiel aus Universal Analytics: Oft ist im Unternehmen gar nicht klar, wie die Daten gesammelt werden und ob diese überhaupt kombinierbar sind (Score). Mein Tipp zu GA4: Einen neuen Start wagen, Ereignisse nicht 1:1 von Universal Analytics übernehmen und implementieren, sondern nur, wenn diese auch wirklich sinnvoll sind. Hier und hier sehr praktisch, wie du deinen Set-Up für GA4 planen kannst. 
• Objektivität als Grundhaltung, insbesondere in Situationen, in denen Datenlage und Fragestellung Spielraum für die Analyse lassen -> Ableitung für Google Analytics 4: Daten sollten in der Analyse immer ergebnisoffen und frei von Vorurteilen sein. In Google Analytics 4 bedeutet das auch Funktionen, wie sekundäre Dimensionen, Filter und explorative Analysen im Detail zu verstehen, um zu mehr Verständnis zu kommen. Frei nach Avinash Kaushik „Segment or Die“.