[GA4] Explorative Datenanalyse im freien Format

Daten mithilfe von Tabellen und Grafiken analysieren

Mit der individuell anpassbaren und flexiblen explorativen Datenanalyse im freien Format lassen sich Daten ganz genau aufschlüsseln. Sie können damit…

  • Daten in einer Tabelle oder in einem Diagramm visualisieren.
  • Zeilen und Spalten der Tabelle individuell anordnen und sortieren
  • mehrere Messwerte nebeneinander vergleichen
  • verschachtelte Zeilen erstellen, um die Daten zu gruppieren.
  • die Analyse anhand von Segmenten und Filtern eingrenzen.
  • Segmente und Zielgruppen anhand ausgewählter Daten erstellen.
Themen in diesem Artikel

Explorative Datenanalyse im freien Format erstellen

  1. Melden Sie sich in Google Analytics an.
  2. Wählen Sie links Explorative Datenanalysen  aus.
    1. Der Arbeitsbereich „Explorative Datenanalysen“ wird angezeigt.
  1. Wählen Sie oben auf dem Bildschirm die Vorlage Freies Format aus. 
  2. Wählen Sie unter VISUALISIERUNG aus, wie die Daten dargestellt werden sollen:
  1. Symbol für Tabelle Tabelle (Standard)
  2. Symbol für Ringdiagramm Ringdiagramm
  3. Symbol für Liniendiagramm Liniendiagramm
  1. Symbol für Streudiagramm Streudiagramm
  2. Symbol für Balkendiagramm Balkendiagramm
  3. Symbol für Geo-Diagramm Landkarte

Weitere Informationen zum Erstellen und Bearbeiten von explorativen Datenanalysen

Beispiel für eine explorative Datenanalyse im freien Format

Im Beispiel unten wird die Beziehung zwischen Gerätekategorie und Bildschirmauflösung nach Land gemessen an der Anzahl der Nutzer und dem Umsatz analysiert. Die Tabelle zeigt, dass die Bildschirmauflösung bei den meisten Nutzern von Computern zwar 1.366 x 768 beträgt, der Großteil des Umsatzes aber von Nutzern mit einer Bildschirmauflösung von 1.440 x 900 generiert wird. Aus diesem Datenpunkt könnten Sie ein Segment erstellen und das Verhalten dieser Zielgruppe dann genauer untersuchen.

Beispiel für eine Exploration

Sie haben außerdem verschiedene Möglichkeiten, die Daten darzustellen. In diesem Beispiel wurden die Segmente „Mobile Traffic“ (Zugriffe über Mobilgeräte) und „Organic Traffic“ (Organische Zugriffe) auf die vorherige Datentabelle angewendet und dann in einem Liniendiagramm miteinander verglichen:

Beispiel für ein Liniendiagramm

Anomalieerkennung

Mithilfe der Anomalieerkennung können Sie Ausreißer in Ihren Daten in einem Liniendiagramm ermitteln. Diese Option ist standardmäßig aktiviert. Sie können das Erkennungsmodell mit diesen beiden Einstellungen konfigurieren:

  • Unter Trainingszeitraum (letzte Tage) legen Sie fest, wie viele Tage vor dem Beginn des aktuell ausgewählten Zeitraums verwendet werden, um den erwarteten Wert des angezeigten Messwerts mithilfe des Anomalieerkennungsmodells zu berechnen.
  • Wenn der aktuell ausgewählte Zeitraum beispielsweise die ersten zehn Tage eines Monats umfasst und Sie sieben Tage für den Trainingszeitraum festlegen, verwendet das Anomalieerkennungsmodell die Daten der sieben Tage vor Monatsbeginn.
  • Unter Empfindlichkeit legen Sie den Schwellenwert für die Wahrscheinlichkeit fest, unter dem anomale Daten gemeldet werden. Die Empfindlichkeit beeinflusst nicht, wie das Modell „denkt“. Damit wird nur festgelegt, wie Daten gekennzeichnet werden sollen. Die Wahrscheinlichkeit, dass ein Punkt bei einem bestimmten Wert auftritt, wird vom Modell vorhergesagt. Sie wird nicht von der Empfindlichkeit beeinflusst.
    • Eine Empfindlichkeit von 5 % bedeutet beispielsweise, dass jeder Punkt, der mit einer Wahrscheinlichkeit von weniger als 5 % auftritt, als anomal eingestuft wird. Daher werden bei Modellen mit höherer Empfindlichkeit eventuell mehr Daten als Ausreißer gemeldet.
  • Nachdem Sie das Modell zur Anomalieerkennung konfiguriert haben, wird im explorativen Analysetool bayessche Statistik auf die Trainingsdaten angewendet, um den Wert des angezeigten Messwerts in einer Zeitreihe zu prognostizieren.

    Schließlich wird der Datenpunkt im explorativen Analysetool mithilfe eines statistischen Signifikanztests mit p-Wert-Schwellenwerten basierend auf der eingestellten Empfindlichkeit als Anomalie gekennzeichnet.

    Explorative Datenanalyse im freien Format konfigurieren

    Die explorative Datenanalyse im freien Format kann mit diesen Optionen eingerichtet werden:

    Allgemeine Optionen Beschreibung
    Visualisierung

    Zwischen Diagrammtypen wechseln.

    Segmentvergleich Bis zu 4 Segmente auf die explorative Datenanalyse anwenden.
    Filter Die Daten in der Analyse explorativen Datenanalyse anhand von Bedingungen eingrenzen, die Sie definieren. Filterklauseln werden mit der UND-Logik angewendet.
    Tabellenoptionen  
    Pivot Segmente in der Tabelle als Zeilen oder Spalten anzeigen.
    Zeilen Bis zu fünf Dimensionen als Zeilen in der Tabelle anzeigen.
    Startzeile Startzeile in der Tabelle auswählen
    Zeilen anzeigen Die Anzahl der Zeilen festlegen, die in der Tabelle angezeigt werden sollen.
    Spalten Bis zu zwei Dimensionen als Spalten in der Tabelle anzeigen. Bei der Verwendung mehrerer Dimensionen werden Spaltengruppen erstellt.
    Startspaltengruppe Die Anfangsspaltengruppe in der Tabelle festlegen.
    Spaltengruppen anzeigen Die Anzahl der Spaltengruppen festlegen, die in der Tabelle angezeigt werden sollen.
    Werte Bis zu zehn Messwerte in der Tabelle anzeigen.
    Zellentyp Messwerte im Nur-Text-Format, als Balkendiagramme oder als Heatmaps anzeigen.
    Optionen für Kreisdiagramme
    Aufschlüsselung Die Dimension, mit der die aufgeschlüsselten Datenreihen für die Visualisierung erstellt werden.
    Zeilenlimit Die Anzahl der in der Visualisierung angezeigten Datenreihen festlegen.
    Werte Einen einzelnen Messwert im Diagramm anzeigen.
    Optionen für Liniendiagramme
    Detaillierungsgrad Das Datumsintervall für das Diagramm festlegen. Das Wochenintervall beginnt am Sonntag. Das Monatsintervall beginnt am 1. Tag des Monats.
    Aufschlüsselung Die Dimension, mit der die aufgeschlüsselten Datenreihen für die Visualisierung erstellt werden.
    Zeilen pro Dimension Die Anzahl der in der Visualisierung angezeigten Datenreihen festlegen.
    Werte Einen einzelnen Messwert im Diagramm anzeigen.
    Anomalieerkennung Die Anomalieerkennung aktivieren oder deaktivieren. Weitere Informationen hierzu finden Sie unten.
    Trainingszeitraum (letzte Tage) Die Zeitspanne für die Untersuchung der Daten verlängern oder verkürzen. Längere Trainingszeiträume können die Genauigkeit erhöhen.
    Empfindlichkeit Den Schwellenwert für die Wahrscheinlichkeit festlegen, unter dem anomale Daten gemeldet werden. Ein höherer Wert kann dazu führen, dass mehr Anomalien angezeigt werden.
    Optionen für Streudiagramme
    Aufschlüsselung Die Dimension, mit der die aufgeschlüsselten Datenreihen für die Visualisierung erstellt werden.
    y-Achse Der auf der vertikalen Achse verwendete Messwert.
    x-Achse Der auf der horizontalen Achse verwendete Messwert.
    Optionen für Landkarten
    Aufschlüsselung nach geografischen Einheiten Die Standortdimension, mit der die aufgeschlüsselten Datenreihen für die Visualisierung erstellt werden.
    Punkte pro Dimension Die Anzahl der in der Visualisierung angezeigten Datenpunkte festlegen.
    Werte Einen einzelnen Messwert im Diagramm anzeigen.

     

     

    War das hilfreich?
    Wie können wir die Seite verbessern?
    Suche
    Suche löschen
    Suche schließen
    Google-Apps
    Hauptmenü
    Suchen in der Hilfe
    true
    69256
    false