Dein Conversion-Tracking-Code fällt am Dienstag um 14 Uhr aus. Sechs Stunden lang wird keine Conversion erfasst. Wenn du den Fehler behebst, hast du 200 Transaktionen nicht getrackt und weißt nicht einmal davon.
Datenfehler kündigen sich nicht an. Sie sitzen still in deinen Daten und verzerren jede Entscheidung. Nur wenn du weißt, woher Fehler kommen, findest du sie, bevor sie dich Geld kosten.
Die drei Arten von Datenfehlern
Die meisten Datenfehler fallen in drei Gruppen: Tracking-Probleme, Konfigurationsfehler und externe Faktoren, auf die du keinen Einfluss hast. Jede Gruppe braucht eine andere Lösung.
Tracking-Probleme: defekter Code und verpasste Ereignisse
Tracking-Probleme entstehen, wenn dein Messcode nicht oder falsch ausgelöst wird. Fehlende Tracking-Tags. JavaScript-Fehler, die den Code stoppen. Tags, die auf den falschen Seiten oder zur falschen Zeit auslösen. Das sind Fehler bei der Umsetzung.
Ein einziger Fehler im Tracking-Code kann ganze Nutzerwege verbergen. Wenn dein Conversion-Tracking nur auf einer Checkout-Seite auslöst, Nutzer aber auf zwei Seiten kaufen, fehlen dir 50% der Conversions. Der Fehler bleibt unbemerkt. Deine Conversion-Rate sieht gut aus, ist aber nur halb so hoch, wie sie sein sollte.
Konfigurationsfehler: Einstellungen, die Daten verzerren
Konfigurationsfehler entstehen, wenn deine Analyse-Einstellungen nicht stimmen. Unterschiedliche Zeitzonen. Sitzungs-Timeouts, die nicht zum echten Nutzerverhalten passen. Filter, die versehentlich echten Traffic ausschließen. Ansichtsfilter, die wichtige Segmente verbergen.
Solche Fehler sind tückisch, weil sie wie ein gewolltes Systemdesign wirken und nicht wie Fehler. Eine falsche Zeitzone verschiebt alle deine Daten um bis zu 24 Stunden. Das fällt oft wochenlang nicht auf. Ein Filter, der internen Traffic ausschließt, kann versehentlich deinen größten Kunden ausschließen, wenn dessen IP nicht auf der Sperrliste steht.
Externe Faktoren: Dinge außerhalb deiner Kontrolle
Manche Datenfehler kommen von außen. Werbeblocker verhindern, dass dein Tracking-Code läuft. Nutzer haben JavaScript abgeschaltet. Bot-Traffic bläht deine Zahlen auf. Browser ändern ihre Datenschutzeinstellungen. Diese Faktoren sind real, aber in deinen Daten unsichtbar.
Externe Faktoren kannst du nicht verhindern, aber du kannst sie einrechnen. Wenn du weißt, dass 40% deiner Besucher einen Werbeblocker nutzen, kannst du deine Traffic-Zahlen richtig einordnen. Wenn du das ignorierst, sind deine Daten wertlos.
Häufige Tracking-Probleme und wie du sie erkennst
Defekte Tracking-Tags
Ein Tracking-Tag fällt aus und löst nicht mehr aus. Meist liegt es an einem JavaScript-Fehler, einer fehlenden Abhängigkeit oder an einem Code-Update, das deinen Tracking-Code überschrieben hat. Das Anzeichen: Traffic oder Conversions fallen plötzlich auf null oder fast null.
Prüfe die Browser-Konsole auf JavaScript-Fehler. Vergleiche den aktuellen Seitenquelltext mit einer Sicherung. Hat sich kürzlich etwas geändert? Wenn eine Kennzahl plötzlich einbricht, verdächtige zuerst ein defektes Tag.
Tags, die zur falschen Zeit auslösen
Ein Tracking-Tag löst aus, bevor der Nutzer die Aktion ausführt, die du messen willst. Du misst Formularabsendungen, bevor das Formular abgeschickt wird. Du misst Seitenaufrufe, nachdem die Seite weitergeleitet hat. Deine Daten sind um Millisekunden oder Sekunden verschoben, und das bringt die Zuordnung durcheinander.
Prüfe die Reihenfolge deines Tracking-Codes im Verhältnis zur Nutzeraktion. Dein Conversion-Tracking sollte auslösen, nachdem die Conversion bestätigt ist, nicht davor.
Fehlende Parameter oder Daten
Dein Tracking-Code löst aus, erfasst aber nicht alle Informationen, die du brauchst. Produkt-IDs fehlen. Transaktionswerte stehen auf null. Nutzer-IDs sind nicht mit Sitzungen verknüpft. Die Daten sind da, aber unvollständig.
Prüfe deine Tracking-Umsetzung. Enthält jedes Ereignis die nötigen Parameter? Werden Werte richtig berechnet oder bleiben sie leer?
Häufige Konfigurationsfehler
Unterschiedliche Zeitzonen
Dein Analyse-Dashboard steht auf Eastern Time, deine Server-Logs laufen in UTC. Deine Berichte verschieben sich um Stunden. Tageswerte verteilen sich auf die falschen Daten. Trends sehen je nach Tool anders aus.
Stelle die Zeitzone deiner Analyse auf den Hauptstandort deines Unternehmens ein. Achte darauf, dass alle Tools dieselbe Zeitzone nutzen. Prüfe dann, ob die Einstellung wirklich greift. Das übersieht man leicht.
Einstellungen für das Sitzungs-Timeout
Das Sitzungs-Timeout bestimmt, wie lange ein Nutzer inaktiv sein darf, bevor seine Sitzung endet und eine neue beginnt. Ein Timeout von 15 Minuten ist sehr knapp. Vier Stunden sind zu lang. Jede Wahl verändert deine Absprungrate und die Zahl der Sitzungen.
Stelle das Timeout passend zum echten Nutzerverhalten ein. Onlineshops nutzen meist 30 Minuten. Inhaltsseiten kommen mit 2 Stunden aus. Prüfe, welchen Standardwert dein Tool nutzt, und passe ihn an, wenn er nicht zu deinem Traffic passt.
Filter, die guten Traffic ausschließen
Ein Filter, der die IP-Adressen deines Büros ausschließen soll, schließt versehentlich die Hälfte deines bezahlten Traffics aus, weil der IP-Bereich zu groß ist. Ein Filter für Testdaten schließt stattdessen eine Staging-Umgebung mit echten Nutzern aus. Filter erzeugen schnell blinde Flecken.
Prüfe alle aktiven Filter jedes Quartal. Teste sie, damit sie nur das ausschließen, was sie ausschließen sollen. Halte fest, warum jeder Filter existiert, damit du nötige Filter nicht aus Versehen entfernst.
So findest du Fehler in deinen Daten
Achte auf plötzliche Veränderungen ohne erkennbare Ursache
Der Traffic springt über Nacht um 30%, ohne dass eine Kampagne gestartet wurde. Die Absprungrate fällt um 20%, ohne dass sich an der Website etwas geändert hat. Conversions verschwinden. Solche Muster zeigen, dass bei der Messung etwas kaputtgegangen ist oder sich geändert hat.
Mach es dir zur Gewohnheit, Kennzahlen von Woche zu Woche und von Monat zu Monat zu vergleichen. Plötzliche, unerklärte Sprünge sind fast immer Fehler und keine echten Veränderungen.
Vergleiche mit anderen Quellen
Vergleiche deine Analyse mit deinen Server-Logs. Vergleiche die Zahl der Transaktionen mit deinem Zahlungsanbieter. Vergleiche die Zahl der Nutzer mit deinem CRM. Abweichungen zeigen blinde Flecken oder Fehler.
Die Zahlen stimmen nie exakt überein, weil verschiedene Tools Verschiedenes zählen. Aber die Lücke sollte sich erklären lassen. Wenn du nicht erklären kannst, warum Zahlen abweichen, hast du ein Problem gefunden, dem du nachgehen solltest.
Teste dein Tracking regelmäßig
Warte nicht, bis Fehler auftauchen. Teste das Tracking, bevor du neue Seiten oder Kampagnen startest. Prüfe mit den Entwicklertools des Browsers, ob der Tracking-Code auslöst. Nutze den Debug-Modus deines Tools, um Daten in Echtzeit zu beobachten.
Teste, bevor du hochskalierst. Ein Tracking-Problem bei einem kleinen Test kostet wenig. Dasselbe Problem bei deinem gesamten Traffic wird teuer.
Häufig gestellte Fragen
Woher weiß ich, ob mein Tracking-Code defekt ist?
Plötzliche Einbrüche bei Traffic, Conversions oder Ereignissen sind das erste Zeichen. Prüfe die Browser-Konsole auf JavaScript-Fehler. Sieh dir deinen Tracking-Code im Quelltext des Browsers an. Hat sich kürzlich etwas geändert? Teste, indem du selbst konvertierst und prüfst, ob das Ereignis in Echtzeit erscheint. Mit dem Website-Builder von WEMASY kannst du das direkt auf deiner Website einrichten.
Was ist der Unterschied zwischen einem Tracking-Problem und einem Konfigurationsproblem?
Tracking-Probleme betreffen die Frage, ob Daten überhaupt erfasst werden. Konfigurationsprobleme betreffen, wie diese Daten gedeutet werden. Ein defektes Tag bedeutet keine Daten. Eine falsche Zeitzone bedeutet falsch gedeutete Daten.
Wie oft sollte ich mein Tracking prüfen?
Mindestens einmal im Quartal. Öfter, wenn du neue Funktionen, Kampagnen oder Seiten gestartet hast. Vor jeder wichtigen Entscheidung, die auf deiner Analyse beruht, solltest du prüfen, ob deine Einrichtung stimmt.
Kann ein Filter meine Analysedaten kaputtmachen?
Ja. Ein zu breiter Filter kann guten Traffic oder Conversions ausschließen. Teste Filter immer erst an einer kleinen Teilmenge, bevor du sie anwendest. Halte fest, was jeder Filter tut und warum es ihn gibt.
Was mache ich, wenn ich einen Datenfehler finde?
Halte an. Finde heraus, wann der Fehler begonnen hat. Schätze die Auswirkung ab. Behebe den Fehler für die Zukunft. Dokumentiere den Fehler bei bisherigen Daten und passe deine Deutung der Berichte an. Manche Fehler lassen sich rückwirkend nicht beheben.
Wie prüfe ich, ob meine Analyse zu meinem Zahlungsanbieter passt?
Ziehe die Zahl der Transaktionen aus beiden Systemen für denselben Zeitraum. Sie stimmen nicht exakt überein, aber die Lücke sollte sich erklären lassen. Die Analyse zeigt vielleicht mehr Sitzungen als Transaktionen. Der Zahlungsanbieter zeigt nur abgeschlossene Bestellungen. Dokumentiere die Differenz und verstehe, was sie bedeutet.