Google Analytics bietet ein aufgeräumtes – wenn nicht sogar das aufgeräumteste  – User Interface (UI) überhaupt. Das Menü ist intuitiv und die Daten lassen sich schnell visualisieren. Jedoch bedeutet dies nicht zwingend für jeden Kunden von Google Analytics, dass er die für sich relevanten Reportings findet. Denn so gut die Software auch sein mag, im Sinne einer Standardsoftware können eben nicht die Leistungsansprüche aller Stakeholder erfüllt werden. Zu viele unterschiedliche Einsatzmöglichkeiten hat das Tool.

Sind Sie auch schon mal an die Grenzen eines Reportings gestoßen? Waren die Dimensionen nicht so belegt, wie es zur Beantwortung einer Analysefrage nötig gewesen wäre? Eine Abhilfe kann die Google Analytics API (Application Programming Interface) als Schnittstelle zur Datenbank sein. Hier kommt man auch an Daten, die so im klassischen Web Interface nicht ersichtlich sind.

Hierfür bieten sich zwei Möglichkeiten als Lösung des Problems an. Entweder man entscheidet sich für Drittanbieter, wie z. B. das Excel-Plugin ShufflePoint, oder die etwas anspruchvollere Methode über eine eigene API-Anwendung.

Mit ShufflePoint und Excel zu individuellen Analysen

Das kostenpflichtige Tool für Excel findet man unter ShufflePoint.com/Excel-Plugin, wo man sich ebenfalls für eine kostenfreie Trialversion anmelden kann. Obwohl für Conversion nicht optimiert (Kreditkarte-Abfrage im ersten Schritt für einen kostenlosen Account) können wir einen Testaccount empfehlen. ShufflePoint funktioniert anhand einer selbst entwickelten Analytics Query Language (AQL), die der SQL(Datenbankabfragesprache)-Logik entspricht. Man definiert zu selektierende Dimensionen und Metriken (SELECT), das Google Analytics Konto (FROM) und kann diese dann auch vorab filtern (WHERE). Die Vorteile liegen auf der Hand:

–       Automatisierter Import direkt in ein Excel Reporting (da, wo die Zahlen früher oder später sowieso landen)

–       Genaue Spezifizierung der Analysefrage dienlicher Daten

Ein Beispiel für eine solche Anwendung wäre z. B. die Abfrage

„SELECT METRICS ga:pageviews, ga:visits ON COLUMNS
DIMENSIONS ga:day, ga:hour, ga:pagePath ON ROWS
FROM  [012345678].[www.beispiel.de]
WHERE FILTER ga:isMobile == 'Yes' AND ga:hour =~ '10|11'“

Diese Abfrage liefert Pageviews und Visits für die Dimension Tag, Stunde und URL-Pfad. Es werden zudem nur die Mobile Besucher angezeigt für den Tageszeitraum zwischen 10 und 12 Uhr. Welche Metriken man kombinieren kann findet man auf der Infopage.

Damit lassen sich sehr individuelle Reportings erstellen, die so schneller in einer für den Analysten modellierbaren Form vorliegen. Jetzt können wir aber auch den nächsten Schritt wagen.

Mit der Google Analytics API arbeiten

An dieser Stelle muss ein Lob an die Dokumentationsleistung der Programmierer bei Google ausgesprochen werden. Ein Tutorial bietet einen sehr sanften Einstieg in die Entwicklung einer Anwendung in vier Programmiersprachen (Java, Python, PHP und JavaScript) als detaillierte Einzelschritte.

Zur Entwicklung einer eigenen Anwendung benötigt man zur Authentifizierung einen Developer Key, den es für jeden Google Analytics Account leicht zu registrieren gibt. Steht dieser Schlüssel bereit, so kann man den Code aus dem Tutorial kopieren um ein eigenes PHP Skript zu programmieren, welches als Web Interface z. B. ein individuelles Dashboard sein kann. Ähnlich wie bei Shufflepoint ist auch hier die Möglichkeit gegeben über eine Query Language die Anfrage zu steuern. Welche Metriken und Dimensionen man kombiniert sind den eigenen Analysefragen überlassen, die Kombinationsmöglichkeiten gibt es hier. Ein so selbstgebautes Dashboard kann man dank opensource Projekte schnell zu einer Schaltzentrale ausbauen, z. B. mit dem Google Web Toolkit und JavaScript-Libraries.

Allgemein zur Arbeit mit der GA-API gibt es noch die Restriktionen zu erwähnen. Für die Reporting API liegt die Grenze bei 10.000 Requests (max. 10 parallel) je GA-Profil pro Tag.

Ausgestattet mit diesen Werkzeugen kann man mächtige Reportings entwickeln, die mit dem Standard Web Interface so nicht möglich sind. Entfernt man sich weg von den Standard-Reports und hin zu den wirklich relevanten Daten, so kann man immer besser die zu analysierenden Aktivitäten bewerten.