Anomaly Detection: KI-gestützte Features in GA4

Wie kann ich Anomalien mithilfe KI-gestützter Analysen in GA4 identifizieren und daraus hilfreiche Insights ableiten? Diese Frage beantworten wir in diesem Artikel.

Anomalie: Was ist das?

Eine Anomalie bezeichnet eine Abweichung von einem normalen Muster oder Zustand in den Daten – im Wesentlichen ein Ausreißer. Solche Abweichungen können durch unerwartete Anstiege oder Rückgänge bei Metriken wie Nutzerzahlen und Transaktionen oder auch durch Dimensionen, wie Gerätekategorien, auf deiner Website auftreten.

Während die häufige Zielsetzung darin besteht, plötzliche Einbrüche zu vermeiden, können auch unerwartete Anstiege auf Probleme bei der Datenerhebung oder auf unvorhergesehene Ereignisse hinweisen.

Was bietet GA4 zur Anomaly Detection?

Google Analytics 4 (GA4) bringt zahlreiche Funktionen mit, die eine tiefere Analyse und fundierte Einblicke in die Nutzerinteraktionen mit deiner Website oder App ermöglichen. Ein besonders nützliches Feature ist die Anomaly Detection. Dieses KI-gestützte Feature hilft, frühzeitig Abweichungen und ungewöhnliche Muster zu identifizieren. So können potenzielle Probleme schneller erkannt und behoben werden.

Anomaly Detection in GA4

GA4 wendet das statistische Verfahren der Hauptkomponenetenanalyse für die Anomaly Detection an, um Abweichungen für bestimmte Messwerte oder Segmente zu erkennen. Dies ermöglicht es, ungewöhnliche Muster zu identifizieren und schneller zu reagieren. Die Dimensionen und Metriken, die analysiert werden sollen, werden zunächst in Segmente zusammengefasst und entsprechend der Anzahl der Nutzer*innen in einem Segment normalisiert. Wenn ein Segment ein anomales Verhalten bei einem Messwert aufweist und dieses mindestens 0,05 % der Nutzer*innen in der Property umfasst, gilt es als Anomalie.

Es gibt zwei Hauptmethoden, um Anomalien in GA4 anzuzeigen: Die Insights-Funktion in den Standardberichten (zu diesem Feature finden Sie hier einen detaillierten Blogbeitrag) und die Anomaly Detection in den Explorer-Berichten.

Im Folgenden konzentrieren wir uns auf die zweite Methode:

Anomaly Detection im GA4 Explore Bereich

Das Feature der Anomaly Detection findest du im Explore Bereich.

So geht’s:

Öffne den Explore Bereich.

Wähle den Free-form Report.
Wähle Line Chart als Visualisierungstyp.

Jetzt wird ein Liniendiagramm mit allen Daten der ausgewählten Metrik, Dimension und/oder Segmente angezeigt. Mit der Anomaly Detection kannst du Ausreißer in deinen Daten direkt in diesem Liniendiagramm sehen. Diese Funktion ist standardmäßig im Einstellungsbereich für den Tab aktiviert, kann jedoch bei Bedarf auch durch einen Toggle-Button deaktiviert werden.

Anomalien werden im Explore-Bericht durch kleine weiße Kreise angezeigt. Wenn die Funktion aktiviert ist, können Sie prüfen, ob die Daten ungewöhnliche Ausschläge aufweisen und diese näher analysieren. Mit einem Klick oder indem Sie über einen dieser weißen Kreise hovern, öffnet sich ein Dialogfenster, das die erwarteten, tatsächlichen und prozentualen Änderungen der Daten anzeigt.

Diese Informationen ermöglichen es Ihnen, jede Anomalie im Detail zu betrachten und zu entscheiden, ob eine tiefere Analyse erforderlich ist oder ob es sich um einen erwarteten Ausschlag handelt.

Es ist oftmals sinnvoll, die Anomaly Detection zunächst ohne Breakdown-Dimensionen zu verwenden, um den Gesamtüberblick zu behalten. Ohne die zusätzliche Aufschlüsselung bleibt der Datensatz übersichtlicher.

Breakdowns bei der Anomaly Detection

Sobald relevante Anomalien identifiziert sind, oder Sie ungewöhnliche Veränderungen in Ihren Daten erkennen, kann gezielt eine Breakdown-Dimension hinzugefügt werden, um die Ursachen genauer zu untersuchen.

Besonders bei Dimensionen mit wenigen Ausprägungen (z.B. Gerätekategorie) kann dies hilfreich sein, etwa wenn nur ein Wert einer bestimmten Dimension auffällig ist (z.B. mobile Geräte). Wenn der Traffic oder die Conversion-Rate für mobile Geräte zum Beispiel plötzlich abfällt, kann dies auf ein mögliches technisches Problem für diese Gerätekategorie hinweisen. Eine These, der Sie nachgehen könnten, wäre zu untersuchen, ob Ihre Seite für mobile Nutzer*innen optimiert wurde, oder ob diese ein responsives Design hat, damit sie für alle Gerätekategorien gut nutzbar ist. Hier kann die Breakdown Dimension ein hilfreiches Mittel in der Anomaly Detection sein, um die Auffälligkeiten in ihren Daten weiter zu untersuchen.

Daten im Kontext betrachten

So nützlich das KI-gestützte Feature der Anomalieerkennung in GA4 auch ist, bleibt es dennoch ebenfalls wichtig, die einzelnen Ausschläge auch im Kontext relevanter Faktoren zu betrachten, wie beispielsweise Feiertage, Sonderaktionen oder auch fehlerhaften Traffic. Nur so lässt sich eine fundierte Einschätzung über die tatsächliche Bedeutung der erkannten Anomalien treffen.

Ein typisches Beispiel für eine Anomalie, die wahrscheinlich keine negativen Auswirkungen auf Ihre Daten hat, ist der Black Friday. An diesem Tag ist mit einem deutlichen Anstieg der Verkaufszahlen oder Nutzeraktivitäten zu rechnen. Da dieser Anstieg regelmäßig und vorhersehbar ist, können wir ihn als Ausnahme betrachten und die Anomalie in der Analyse ignorieren.

Einstellungen zur Anpassung der Anomaly Detection

Im Explorer können zwei Haupteinstellungen angepasst werden: Trainingszeitraum und Sensitivität.

Trainingszeitraum: Bezeichnet die Anzahl der Tage vor dem ausgewählten Zeitraum, die genutzt werden, um das erwartete Modell für Anomaly Detection basierend auf den angezeigten Messwerten zu berechnen.
Sensitivität: Legt fest, ab welchem Punkt Daten als Anomalie markiert werden. Eine höhere Sensitivität führt zu mehr erkannten Anomalien.

Für die Erkennung täglicher Anomalien wird ein Trainingszeitraum von 90 Tagen von Google empfohlen, während für wöchentliche Anomalien ein Zeitraum von 32 Wochen ideal ist.

Fazit

Die Anomaly Detection in GA4 ist ein leistungsfähiges Tool, um Unregelmäßigkeiten in den Daten zu erkennen und schneller zu reagieren. Es ist jedoch wichtig, die Ergebnisse immer auch im Kontext zu betrachten und sinnvolle Breakdown-Dimensionen zu verwenden, um einen Mehrwert aus der Analyse zu ziehen. Die Anomaly Detection in GA4 bietet zwei Hauptmethoden: über die Insights-Funktion in den Standardberichten oder über die Explorer-Berichte. Durch die Anpassung des Trainingszeitraums und der Sensitivität kann der Bereich der erwarteten Werte beeinflusst werden.

Ob eine Anomalie wirklich einen wertvollen Insight liefert, hängt von verschiedenen Faktoren ab: Kontext der Daten, der Granularität der hinzugezogenen Breakdown-Dimension oder auch den Zielen des Unternehmens. Nicht jeder Ausschlag muss ein Problem darstellen – viele Ausschläge sind möglicherweise unbedenklich. Dennoch kann die Anomaly Detection in GA4 eine wertvolle Hilfe bei der Analyse deiner Daten sein, insbesondere, um unerwartete Abweichungen frühzeitig zu identifizieren und zu bewerten.