{"id":4255203,"date":"2021-04-01T13:07:47","date_gmt":"2021-04-01T13:07:47","guid":{"rendered":"https:\/\/www.deptagency.com\/insight\/tracking-trouble-facebook-vs-google-analytics\/"},"modified":"2021-04-01T13:07:47","modified_gmt":"2021-04-01T13:07:47","slug":"tracking-trouble-facebook-vs-google-analytics","status":"publish","type":"article","link":"https:\/\/www.deptagency.com\/de-dach\/insight\/tracking-trouble-facebook-vs-google-analytics\/","title":{"rendered":"Tracking Trouble: Facebook vs. Google Analytics"},"content":{"rendered":"
\n\t\n\t<\/svg>\n\t\t\t\n\t\t\tZur\u00fcck zu allen Artikeln\t\t<\/span>\n\t\n<\/button>\n\t\tTracking Trouble: Facebook vs. Google Analytics\t<\/h1>\n\n\t\t\t\n\t\t\t\n\t\t\t\n\t\t\t\n\t\t\t\n\t\t<\/picture>\n\t\n\t<\/div>
\n\t\t\t\n\t\n\t
\n\t\tWioletta Katharina Schlosek\t\t
\n\t\tDirector Business Development\n\t\t\t<\/div>\n<\/div>\n\t
\n\t\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\tDatum\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t\t1 April 2021\t\t\t\t<\/div>\n\t\t\t<\/div>\n\t\t\t\t<\/div>\n<\/div>\n\n
\n\t
\n\t\t\n\t\t\t\t\t
\n\t\t\t\t\n\n\t\tJede:r, der\/die Social-Media-Marketing betreibt, sieht sich fr\u00fcher oder sp\u00e4ter mit den teilweise immensen Datendifferenzen zwischen Facebook-Statistiken und Google Analytics konfrontiert. Facebook-Statistik: 100 Conversions \u2013 Google Analytics: 20 Conversions. Unterschiedliche Tools bedeuten unterschiedliche Tracking-Arten, hei\u00dft es dann oft. Das stimmt zwar, aber es gibt weitere Gr\u00fcnde f\u00fcr die Unterschiede. Wir erkl\u00e4ren, welche Faktoren massgebend sind und wie sich Differenzen vermindern lassen.\t<\/h2>\n\n\n\t\tUnterschiedliche Tools, unterschiedliches Tracking\t<\/h2>\n\n\n\t\tFangen wir an mit der altbekannten Aussage \u00abunterschiedliche Tools = unterschiedliches Tracking\u00bb. Zun\u00e4chst einmal ist es n\u00e4mlich wichtig zu verstehen, dass es egal ist, von welchen Tools wir hier sprechen. Jedes Tool hat seine eigene Art zu messen. Sobald man zwei davon miteinander vergleicht, wird es immer zu Differenzen kommen. Schwierig ist es zu entscheiden, auf welche Zahlen man sich denn nun verlassen will, um die Daten zu interpretieren und Marketingaktivit\u00e4ten zu optimieren.\t<\/p>\n\n\n\t\tDoch was w\u00e4re, wenn es gel\u00e4nge, die Datendifferenzen von, sagen wir 80% auf lediglich 20% oder 30% zu senken? \u2013 Genau diesem Thema widmen wir uns heute.\t<\/p>\n\n\n\t\tFacebook User vs. Google Analytics Cookie\t<\/h2>\n\n\n\t\tGer\u00e4te\u00fcbergreifendes Tracking ist wichtig. W\u00e4hrend Facebook vom Login profitiert, arbeitet Google Analytics Cookie-basiert und ist daher nicht immer in der Lage, Nutzer:innen pers\u00f6nlich zu erkennen. Wechseln Nutzer:innen das Ger\u00e4t oder den Browser, k\u00f6nnen sie von Google Analytics nicht automatisch erkannt werden. Auf der Customer Journey k\u00f6nnen User:innen in Google Analytics also \u00abverloren gehen\u00bb, und die Transaktion wird wom\u00f6glich einem anderen Kanal zugewiesen, weil der\/die User:in das Ger\u00e4t oder den Browser gewechselt hat.\t<\/p>\n\n\n\t\tAbhilfe schafft das Feature User ID in Google Analytics. Mithilfe der User-ID k\u00f6nnen Interaktionsdaten von verschiedenen Ger\u00e4ten und aus unterschiedlichen Sitzungen eindeutigen IDs zugeordnet werden. Da in Google Analytics angenommen wird, dass es sich bei jeder eindeutigen User-ID um eine\/n einzelne\/n Nutzer:in handelt, entstehen genauere Nutzerzahlen in den Berichten. Wenn eine ID mit zugeh\u00f6rigen Daten \u00fcber mehrere Sitzungen hinweg an Analytics gesendet wird, k\u00f6nnen einzelne Benutzeraktionen in Zusammenhang gebracht und langfristige Beziehungen analysiert werden.\t<\/p>\n\n\n\t\tUm dieses Feature zu verwenden, sind seit Inkrafttreten der DSGVO auch einige\u00a0rechtliche Aspekte<\/a>\u00a0zu beachten. Aber ganz wichtig ist es zu verstehen, dass das Feature User ID nur etwas n\u00fctzt, wenn sich User:innen mit einem Google-Konto einloggen (z.Bsp. Gmail, YouTube). Da ein Gro\u00dfteil der User:innen sich aber nicht jedes Mal bei Google anmeldet, bevor eine Suche stattfindet, ist dies nur eine halbe L\u00f6sung.\t<\/p>\n\n\n\t\tIm Facebook-Werbeanzeigenmanager l\u00e4sst sich ger\u00e4te\u00fcbergreifendes Tracking leicht ermitteln. Unter der Aufschl\u00fcsselung \u00abNach Auslieferung\u00bb w\u00e4hlt man die Option Impression Device. Zus\u00e4tzlich w\u00e4hlt man unter \u00abNach Handlung\u00bb die Option Conversion Device.\t<\/p>\n\n\n\t\tNun ist zu ermitteln, wie viele Conversions \u00fcber ein einziges Ger\u00e4t generiert wurden und wie viele ger\u00e4te\u00fcbergreifend entstanden sind. Die Differenz der beiden Zahlen kann in das Reporting mit einflie\u00dfen.
\t<\/p>\n\n\n\t\tITP 2.2 (Intelligent Tracking Prevention)\t<\/h2>\n\n\n\t\tSeit Apple ITP im Jahr 2017 eingef\u00fchrt hat, wurde es noch schwerer, User:innen durch Cookies genau zu verfolgen. Zumindest auf Apple-Ger\u00e4ten. Aber was ist ITP genau? Einfach erkl\u00e4rt, ist ITP nichts anderes als eine Wand zwischen User:innen und dem Datensammler:innen beziehungsweise Werbetreibenden. Apple, einer der einzigen Tech-Giganten ohne Werbeeinnahmen, hat sich das Ziel gesetzt, die Privatsph\u00e4re zu sch\u00fctzen und hat durch Machine Learning die M\u00f6glichkeit, Webseiten, die domain\u00fcbergreifendes Tracking verwenden, zu identifizieren. Auch das sollte bei der Analyse ber\u00fccksichtigt werden. Mehr zum Thema ITP gibt es in diesem\u00a0Blogpost<\/a>\u00a0(Englisch).\t<\/p>\n\n\n\t\tFacebook-Klicks vs. Analytics-Sessions\t<\/h2>\n\n\n\t\tEin Klick auf Facebook f\u00fchrt zu einer Session in Google Analytics. Soweit die Theorie. Die Anzahl der Klicks in Facebook und die Anzahl der Sessions in Google Analytics w\u00fcrden dann \u00fcbereinstimmen. Wer diese beiden Metriken bereits einmal miteinander verglichen hat, merkt jedoch schnell: Sch\u00f6n w\u00e4r\u2019s. Ein Facebook-Klick ist nicht automatisch eine GA-Session!\t<\/p>\n\n\n\t\tKlicks bei Facebook werden jedes Mal erfasst, wenn ein:e Nutzer:in auf eine Anzeige klickt. In Google Analytics aber wird erst eine Session erfasst, wenn die Seite vollst\u00e4ndig geladen wurde. Das bedeutet: Es geht einmal mehr um die Relevanz des Page Speeds. Denn wenn zwischen einem Klick auf eine Facebook-Werbeanzeige und dem Laden der Website zu viel Zeit vergeht, springen Nutzer:innen wieder ab. Das Ergebnis liegt auf der Hand: Wir sehen einen Facebook-Klick, aber keine Analytics-Session.\t<\/p>\n\n\n\t\tHier entsteht noch ein zweites Problem. Die Standard-Sitzungsdauer in GA liegt bei 30 Minuten. Klickt nun ein:e Nutzer:in innerhalb einer solchen Analytics Session mehrmals auf dieselbe Facebook-Anzeige, generieren wir innerhalb von Facebook jedes Mal einen Klick. In Google Analytics aber wird nur eine Session gez\u00e4hlt.\t<\/p>\n\n\n\t\tDasselbe geht aber auch umgekehrt. Wenn ein:e Nutzer:in via Facebook-Anzeige auf die Website gelangt und dann aus irgendeinem Grund w\u00e4hrend 30 Minuten inaktiv ist, wird eine neue Session aufgezeichnet, sobald er zur\u00fcckkommt und wieder aktiv ist. In Facebook sehen wir dann nur einen Klick. In GA aber gibt es daf\u00fcr zwei Sessions.\t<\/p>\n\n\n\t\tFacebook-Attribution vs. Analytics-Attribution\t<\/h2>\n\n\n\t\tDas wohl bekannteste Problem in der Welt der Datendifferenzen ist die Attribution. Besonders im Hinblick auf die Conversion-Zahlen wird dieses Thema h\u00e4ufig diskutiert. Facebook und Google Analytics unterscheiden sich deutlich, was die Attribution betrifft. Es ist wichtig zu verstehen, wie die beiden Tools Conversion-Daten erfassen, um die Unterschiede einsch\u00e4tzen zu k\u00f6nnen.\t<\/p>\n\n\n\t\tDie Standard-Attribution in Facebook nutzt sowohl View-Through- als auch Click-Through-Zuordnung. Schauen wir uns die beiden Facebook-Definitionen genauer an.\t<\/p>\n\n\n\t\tView-Through-Conversions werden dann erfasst, wenn einem\/einer User:in eine Facebook-Werbeanzeige eingeblendet wird und er innerhalb von 24 Stunden konvertiert. Er\/sie muss dazu nicht auf die Anzeige geklickt haben.\t<\/p>\n\n\n\t\tClick-Through-Conversions werden dann erfasst, wenn ein User auf eine Facebook-Anzeige klickt und innerhalb von 28 Tagen konvertiert. Die Klick- \u00fcberschreibt dabei immer eventuell vorhandene View-Varianten.\t<\/p>\n\n\n\t\tVergleichen wir dies nun mit der Attribution in Google Analytics. Hier wird nur die Click-Through-Conversion aufgezeichnet. Denn Google wei\u00df nicht, ob eine Kampagne oder Anzeige gesehen wurde und daraus eine Conversion entstanden ist oder nicht. Nur wenn eine Anzeige angeklickt wurde, entsteht eine Session und f\u00fchrt in Analytics zu einer Facebook-Conversion.\t<\/p>\n\n\n\t\tIn der Standardansicht des Facebook-Werbeanzeigenmanagers wird nicht ausgewiesen, welche Art von Conversions generiert wurde. View-Through- und Click-Through-Conversions werden aufsummiert dargestellt, was zu einer riesigen Differenz zwischen Analytics und Facebook f\u00fchrt. Was also kann man tun, um die Differenzen zu minimieren, respektive richtig einzuordnen?\t<\/p>\n\n\n\t\tZun\u00e4chst einmal sollten die Facebook View-Through-Conversions aus der Analyse ausgeschlossen werden. Man vergleicht besser nur die Facebook-Click-Through-Conversions mit den Google-Analytics-Conversions.\t<\/p>\n\n\n\t\tSo z\u00e4hlt Facebook\t<\/h2>\n\n\n\t\tWenn Facebook mindestens ein einziges Mal Teil der Customer Journey war, dann erh\u00e4lt Facebook jedes Mal den Conversion-Zuschlag \u2013 egal, ob FB der vorbereitende oder der abschlie\u00dfende Kanal war. Ist die bezahlte Anzeige Teil der Customer Journey, reklamiert Facebook den Erfolg f\u00fcr sich.\t<\/p>\n\n\n\t\tSo z\u00e4hlt Google Analytics\t<\/h2>\n\n\n\t\tGoogle Analytics hingegen nutzt in seinen Standardreports die Last Non-Direct Click Attribution. Sieht der Nutzer die Facebook-Anzeige, springt danach auf Google oder eine andere Suchmaschine, geh\u00f6rt die Conversion der entsprechenden Suchmaschine.\t<\/p>\n\n\n\t\tDasselbe geschieht auch, wenn ein:e User:in auf die Facebook-Anzeige klickt, danach die Website in Bing oder Google sucht und schlie\u00dflich organisch auf die Website kommt. Die Conversion wird in diesem Fall in Google Analytics der jeweiligen Suchmaschine zugesprochen.\t<\/p>\n\n\n\t\tAbhilfe schaffen die Multi Channel Reports in Google Analytics. In den Multi-Channel-Funnel-Analysen werden alle Pfade, die ein Nutzer bis zur Conversion hatte, ersichtlich und nicht nur der letzte Kanal.\t<\/p>\n\n\n\t\tUnterschied: Conversion-Zeiterfassung\t<\/h2>\n\n\n\t\tSzenario: Ein:e User:in klickt auf eine Facebook-Anzeige und konvertiert am n\u00e4chsten Tag.\t<\/p>\n\n\n\t\tGoogle Analytics weist die Conversion dem Zeitpunkt des Kaufs zu. Facebook hingegen, weist die Conversion dem Zeitpunkt des Klicks auf die Anzeige zu \u2013 in diesem Szenario also gestern!\t<\/p>\n\n\n\t\tHier entsteht ein weiteres Problem: Vergleicht man die Daten beider Tools f\u00fcr einen bestimmten Zeitraum, wird ein und dieselbe Conversion unterschiedlichen Tagen zugeordnet. Da wir aber das Attributionsfenster von 28 Tagen haben, verteilen sich die Conversions w\u00e4hrend diesen 28 Tagen ganz unterschiedlich in der Datenansicht der Tools.\t<\/p>\n\n\n\t\tWie soll man damit umgehen?<\/strong>

Es reicht nicht, per Ablauf der Kampagne auszuwerten, sondern man muss auch den Ablauf des Attributionsfensters abwarten und erst dann reporten, wenn tats\u00e4chlich keine Conversions mehr r\u00fcckwirkend zugewiesen werden! Das bedeutet ebenfalls, dass in Google Analytics der Zeitraum von Kampagnenstart bis zum Ablauf der Attributionsfrist gew\u00e4hlt werden sollte. Sonst gehen Conversions verloren, die eigentlich dazugeh\u00f6ren.\t<\/p>\n\n\n\t\tUnterschied: Conversion-Attributionsfenster\t<\/h2>\n\n\n\t\tDie beiden Tools haben extrem unterschiedliche Attributionsfenster als Standard.\t<\/p>\n\t\t\t<\/div>\n\t\t\t<\/div>\n\n\t\n\t