[GA4] Explorative Datenanalyse im freien Format

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
• Beispiel für eine explorative Datenanalyse im freien Format
• Anomalieerkennung
• Explorative Datenanalyse im freien Format konfigurieren

Explorative Datenanalyse im freien Format erstellen

1. Melden Sie sich in Google Analytics an.
2. Klicken Sie links auf  Entdecken.

3. Wählen Sie oben auf dem Bildschirm die Vorlage Freies Format aus. 
4. Wählen Sie unter VISUALISIERUNG aus, wie die Daten dargestellt werden sollen:

Tabelle (Standard)  Ringdiagramm  Liniendiagramm

Streudiagramm  Balkendiagramm  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 1366 x 768 beträgt, der Großteil des Umsatzes aber von Kunden mit einer Bildschirmauflösung von 1440 x 900 generiert wird. Aus diesem Datenpunkt können Sie dann ein Segment erstellen, um das Verhalten dieser Zielgruppe genauer zu untersuchen.

Sie haben außerdem verschiedene Möglichkeiten, die Daten darzustellen. Das folgende Beispiel zeigt ein Liniendiagramm, in dem die Segmente „Zugriffe über Mobilgeräte“ und „Organische Zugriffe“ miteinander verglichen werden, nachdem sie auf die Daten aus der vorherigen Tabelle angewendet wurden. Ihnen stehen mehrere Visualisierungen zur Verfügung, um verschiedene Informationen über Ihre Websitebesucher oder App-Nutzer zu erhalten.

Anomalieerkennung

Mithilfe der Anomalieerkennung können Sie Ausreißer in Ihren Daten in einem Liniendiagramm ermitteln.

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

• Der Trainingszeitraum (Tage vor Enddatum) bezieht sich auf die Anzahl der Tage vor dem ausgewählten Zeitraum, anhand derer das Anomalieerkennungsmodell den erwarteten Wert des angezeigten Messwerts berechnet.
  • 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 Sensitivität legen Sie den Grenzwert für die Wahrscheinlichkeit fest. Daten, die darunter liegen, werden als Anomalie aufgezeichnet. Die Sensitivität 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 Sensitivität 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 das bayessche Zustandsraum-Zeitreihen-Modell 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.