Nutzung von Metriken
Metriken werden stets im Kontext betrachtet: Entweder zur betrachteten Zeit oder einem Segment. Um Metriken zur Optmierung richtig nutzen zu können, gibt es verschiedene Hilfsmittel:

Dashboards und Reports
Eine Beobachtung jeder einzelnen Metrik ist zu umfangreich. Daher werden zusammenfassende Reports oder Dashboards verwendet. Diese stellen die ausgewählte Metriken dar und lassen schnelle Rückschlüsse auf die Performance eines Webangebotes zu. Dabei sind Dashboards oder Reports stets zielgruppenabhängig zu erstellen. Je nach dem an wen ein Report ausgeliefert wird, müssen Metriken und Darstellung angepasst werden, um dem Interessen des Rezipienten zu genügen (Aden, 2009, S. 161-163).

Abbildung 9: Beispiel eines Dashboards bei Google Analytics
(Quelle: eigener Screenshot)

Benchmarking
Um den Nutzen von Metriken zu erhöhen und deren Aussage besser herauszuarbeiten, sollten sie verglichen werden. Ein Benchmark kann entweder intern oder extern durchgeführt werden. Interne Benchmarks beinhalten meist Vergleiche zu einer zeitlich versetzten Vorperiode. Externe Benchmarks hingegen zeigen Vergleiche zur Konkurrenz oder ähnlichen externen Webseiten auf. Diese können z. B. über solche Datenanbieter bezogen werden. Die Benchmarks erlauben es, die Performance der Metriken besser zu verstehen.
Werbevermarktete redaktionelle Contentangebote werden in Deutschland von der IVW ausgewiesen. Auf der Webseite der IVW können so Benchmarks zu anderen Contentangeboten hergestellt werden (Kaushik, 2007, S. 187).

Segmentierung
Möchte man einer Ausweisung von Metriken genauer betrachten, ist dies jederzeit mit den Web Analytics Tool möglich. Um ein detaillierteres Bild über die Zusammensetzung einer Ausweisung zu bekommen, können Segmentierungen hilfreich sein. Dabei handelt es sich um Teilstücke aus der Datengesamtheit der Metrik. So kann Metriken miteinander verbinden. Ist z. B. die Besucherzahl die zu untersuchende Metrik, lässt sich durch eine Segmentierung herausarbeiten, wie viele Besucher über eine Suchmaschine Zugriff zu ihrer Seite hatten. Theoretisch ist es möglich auf beliebig viele Segmente herunterzubrechen (Kaushik, 2007, S. 354-357).

Tabelle 1: Beispiel einer Segmentierung des Traffics anhand der Bounce Rate
(Quelle: Eigene Darstellung)

Zielorientierte Web-Analyse
Die Aufgabe von Web Analytics in einem Unternehmen ist die Messung und Analyse von Internetdaten zum Zweck der Optimierung des Angebotes. Um Web Analytics zielgerichtet betreiben zu können muss der Zweck der Webseite und die verfolgten Ziele feststehen. Der folgende Abschnitt geht auf die übergeordneten Strukturen der zielorientierten Web-Analyse ein.

Typen von Webseitenzielen
Eine Webseite steht im Zentrum von unterschiedlichen Anspruchgruppen und Akteuren. Sie haben Einfluss auf die Zieldefinition. Man kann grundsätzlich zwischen drei verschiedenen Ziel-Typen unterscheiden (Kaushik, 2007, S. 15).

Geschäftsziele (repräsentiert durch das Management)
Das Geschäftsziel einer Webseite hängt stets vom Businessmodell ab. Typische Geschäftsziele sind Umsatz-Generierung, Markenimage aufbauen oder Kostenreduktion. Bei einem redaktionellen Contentangebot basiert das Geschäftsmodell auf dem Verkauf von Werbeflächen auf der Webseite. Der größte Hebel, den Umsatz zu steigern, ist daher die Reichweite zu erhöhen.

Anspruchgruppen
Unter Anspruchgruppen versteht man die internen Akteure die ein spezielles Interesse mit der Webseite verfolgen und eigene Ziele für diese sehen. Bei einem redaktionellen Angebot könnten dies zum Beispiel sein:
•    Redaktion
•    Marketing
•    IT / Entwicklung bzw. Produktmanagement
•    Vermarktung
•    Betriebswirtschaftliche Führung
•    Abonnement, Vertrieb
Die Ziele einzelner Anspruchgruppen sollten stets in den Zielfindungsprozess einfließen. (Hassler, 2009, S. 298-300)

Benutzerziele
Bei der Zieldefintion sollte auch auf die verfolgten Ziele der Benutzer achtgegeben werden. Zielgruppen einer Webseite sind „jene Segmente aller Internetnutzer, an die ein Unternehmen seine Kommunikation richten möchte“. Für redaktionelle Contentangebote sind die Zielgruppen meist klar definiert, da sie für die Werbevermarktung verwendet werden. Das Ziel, das vom Benutzer auf einer redaktionellen Contentwebseite verfolgt wird ist:
„Information [zu erhalten] über aktuelle Ereignisse oder spezielle Themen.“ (Belanger, 2006)

Zielsystem
Bei der Zieldefinition müssen die einzelnen Typen von Webseitenzielen gegeneinander abgewogen werden und in ein klares Global-Ziel überführt werden. Marco Hassler schlägt in seinem Buch folgende Zielpyramide vor:

Abbildung 10: Schematische Darstellung einer Zielpyramide
(Quelle: Eigene Darstellung in Anlehnung an Hassler, 2007)

Das Global-Ziel stellt das übergreifende Ziel dar, das mit der Webseite erreicht werden soll. Typische Beispiele sind: Kontaktgenerierung, Verkauf von Produkten oder auch Informationen verbreiten. Davon ableiten lassen sich Sub-Ziele die der Zielerreichung des Global-Ziels dienlich sind. Wiederum aus den Sub-Zielen lassen sich Aktivitäten ableiten, die der Zielerreichung der Sub-Ziele bzw. des Global-Ziels dienlich sind. Schlussendlich definiert man aus den Aktivitäten die zu messenden Messgrößen bzw. Metriken (Hassler, 2009, S. 322).

Besucherdauer
Die Besucherdauer misst den durchschnittlichen Zeitraum zwischen dem ersten und dem letzten Seitenaufruf der Webseitenbesucher. Der Wert wird pro Zeitraum (Tag / Monat / Jahr) dargestellt (z. B. 00:02:44 am 1.1.09). Die Metrik der Besucherdauer kann nur einen annäherden Wert über die tatsächliche Besucherdauer ausgeben, da es technisch keine Möglichkeit besteht, die Beendung eines Besuches zu messen (Möller & Kröhn, 2009, S. 77-78).

Besuchertiefe
Bei dieser Metrik handelt es sich um das Verhältnis zwischen Seitenaufrufen und Besuchen (4,4 Pis pro Visit). So  lässt sich im Durchschnitt erkennen wie viele Seiten bei einem Besuch betrachtet werden. Segmentiert wird diese Metrik meist über einen bestimmten Zeitraum (Kaushik, 2007, S. 140-142).

Navigationsverhalten
Das Navigationsverhalten lässt sich über die Metriken der Pfadanalyse und des Website Overlay darstellen. Bei der Pfadanalyse wird vom Web Analytics Tool ausgewiesen, wie viele Nutzer bei einer einzelnen Seite eine Folgeseite besuchten oder die Seite verlassen haben. Durch die Betrachtung der Folgeseiten lässt sich dann die bevorzugte Navigation erkennen (z. B. Menüzugriff, interne Suchmaschine oder Sitemap).

Möchte man sich ein visuelles Bild des Navigationsverhaltens machen, so kann man auf das Website Overlay zugreifen. Dieses zeigt einen Layer mit den prozentualen Linkklicks direkt auf der gewählten Seite an (Aden, 2009, S. 253-254). Als zusätzliche visuelle Unterstützung lässt sich bei einigen Systemen eine Heat-Map erstellen, die die meistgeklickten Links auf der Webseite darstellen. Eine noch feinere Form ist die Erstellung von Videos, die die Mausbewegung und die Navigation der Besucher aufzeigt. Dabei handelt es sich nicht um eine aggregierte Darstellung, sondern um eine individualisierte Form.

Beispiele eines Webseite-Overlays und einer Heat Map

Um einen breiteren Überblick über das Navigationsverhalten der Besucher zu bekommen, lassen sich in manchen Web Analytics Tools mehrere Pfade und Seitenabfolgen im Überblick darstellen. Diese kann man meist in Inhaltsgruppen und Zugriffsquellen segmentieren. So lässt sich das Navigationsverhalten wie auch die damit in Verbindung stehende Zielseite betrachten.

Für fest definierte Zielseiten mit durchlaufenden Prozess (wie z. B. einer E-Commerce Plattform mit Kaufprozess und Versendung des Kaufformulars als Zielseite) lässt sich auch eine Trichteranalyse durchführen. Diese zeigt jeweils für die einzelnen Seiten die Konversionsrate (Prozentsatz der Besucher die auf die nächste Seite gelangen im Bezug auf die Gesamtbesucherzahlen der Seite). So lassen sich Schwachstellen im Pfad erkennen (Aden, 2009, S. 273-277).

Beispiel der Trichter-Visualisierung bei Omniture SiteCatalyst

Conversion
Conversion bedeutet wörtlich übersetzt eine Umwandlung. Bei Web Analytics geht es dabei um eine Umwandlung eines Benutzers in einen solchen, der sich so verhält, wie es der Webseitenbetreiber es möchte. Ausgehend von den individuellen Zielen eines Webseitenbetreibers kann eine Conversion als eine Umwandlung eines Benutzers in einen Benutzer, der ein Ziel erreicht hat, definiert werden.
Die ursprüngliche Verwendung fand im E-Commerce-Umfeld statt, bei dem eine Conversion diejenigen Besucher beschrieb, die auch etwas kauften. So konnte die typische Metrik der Conversion-Rate errechnet werden.
In redaktionellen Contentangeboten findet die Conversion kaum Anwendung, da eine genaue Zieldefinition in Form einer Aktion des Users schwer ist. Dennoch kann sie für verschiedene Features Verwendung finden (Lead-Generation für Abonnenten). (Stern, 2002, S. 213-219)

Inhaltenutzung

Genutzte Inhalte
Die genutzten Inhalte lassen sich übersichtlich als Anzahl der Seitenzugriffe per Seite darstellen. Tendenziell können so stark genutzte Inhalte identifiziert werden. Im Einzelfall muss jeweils unterschieden werden, ob eine wirkliche Nutzung der Inhalte stattfindet.
Inhaltsgruppen

Einige Web Analytics Tools erlauben es die einzelnen Seiten in Inhaltsgruppen zu unterteilen (bei der Webseite einer Tageszeitung z. B. Ressorts, journalistische Form, Themengebiete). Mit Hilfe der Seitenzugriffe lassen sich so die Interessen der User in bestimmte Inhaltsgruppen identifizieren.
Ein- und Ausstiegsseiten / Ausstiegsrate

Mit der Einstiegsseite, auch Entry- oder Landingpages genannt, beginnt der Besuch einer Webseite. Die Häufigkeit des ersten Zugriffes auf diese Seiten werden in der Metrik Einstiegsseiten als Anzahl der Erstzugriffe pro Seite dargestellt. So lassen sich die wichtigsten Einstiegsseiten identifizieren (Hassler, 2009, S. 213-218).

Eine Ausstiegsseite markiert den Punkt an dem ein Besucher seinen Besuch der Webseite beendet. Dies kann durch schließen des Browserfensters oder Klick auf einen externen Link geschehen. Maßgeblich ist dabei die Anzahl der Ausstiege pro Seite. Eng verbunden mit den Ausstiegsseiten ist die Metrik der Ausstiegsrate (Exit Rate). Sie stellt das Verhältnis der Anzahl der Ausstiege zu Anzahl der Seitenzugriffe dar. Durch diese Metriken lassen sich so genannte Webseitenlöcher identifizieren. Jedoch gilt immer abzuschätzen, ob die Ausstiegsseite negativ oder positiv zu bewerten ist (Möller & Kröhn, 2009, S. 76-77).

Absprungrate (Bounce Rate)
Wie die Ausstiegrate misst diese Metrik die Anzahl der Ausstiege im Verhältnis zu den Seitenzugriffen. Ein Absprung ist so definiert, dass der Besucher nur eine Seite besucht und diese innerhalb von 10 Sekunden wieder verlässt. Bei der Seite handelt es sich somit gleichzeitig um eine Einstiegsseite. Diese Metrik kann Aufschlüsse darüber geben, ob ein Besucher die gewünschten Informationen findet oder nicht. In Verbindung mit den Traffic-Quellen lässt sich so auch die „Qualität“ der Quellen evaluieren. (Aden, 2009, S. 192)

„Haftungs“-Rate (Stickiness)
Die Absprungrate kann auch als „Haftungs“-Rate uminterpretiert werden, indem man den restlichen Anteil der Absprungrate betrachtet. Dieser ist als Einzelzugriffe einer Seite pro Anzahl Einstiege auf dieser Seite definiert. So lässt sich ableiten, ob eine Seite als Einstiegsseite geeignet ist (Hassler, 2009, S. 225).

Verweildauer
Anders als die Dauer eines Webseitenbesuches gibt die Verweildauer einer Seite die Zeit an, wie lange ein Besuch auf einer einzelnen Seite dauert. Dies lässt, in Abhängigkeit mit dem Inhalt, einen Rückschluss auf die Qualität der Seite zu. Ist diese Seite gleichzeitig eine Ausstiegsseite, so lässt sich der Zeitraum technisch nicht messen. (Aden, 2009, S. 190-191)

Werbemetriken
Werbemetriken werden in der Regel nicht von einem Web-Analytics-System registriert, da ein eingebautes Werbeelement meist automatisiert von einem zentralen Vermarkter stammt und über einen Ad-Server automatisch bereitgestellt wird. Dennoch bieten die Werbevermarkter Werbemetriken an, die zur Web-Analyse geeignet sind. Insbesondere redaktionelle Contentangebote, die ihre Werbeplätze vermarkten,  nutzen diese Metriken.

Ad View / Ad Impression
Die Ad View bzw. Ad Impression Metrik weist die Anzahl der möglichen Sichtkontakte mit einer Werbefläche aus. Wenn auf einer einzelnen Seite mehrere Werbeelemente enthalten sind, so kann es bei einer Page Impression zu multiplen Ad Impressions führen.

Klicks
Die Metrik der Klicks weist die absolute Anzahl der Klicks auf ein Werbeelement aus.

Klick-Rate
Die Klick Rate stellt das Verhältnis zwischen Ad Views und den Klicks auf ein entsprechendes Werbemittel dar. Dadurch lässt sich u.a. die Platzierung und die Leistungsfähigkeit eines Webemittels messen.
(Möller & Kröhn, 2009, S. 78)

Weitere Metriken

RSS-Feed
RSS steht für Really Simple Syndication. Dabei handelt es sich um eine Technologie, die es Besuchern erlaubt den Content von einer Webseite zu abonnieren und ihn automatisiert auf einem Feed-Reader darstellen zu lassen ohne, dass ein Besuch der Seite nötig ist. Heutzutage stellt die Möglichkeit einen RSS-Feed zu abonnieren für Contentangebote einen Standard dar.

Da kein Seitenaufruf beim Abruf des RSS-Feeds erfolgt, können keine Daten vom Web-Analytics-System erhoben werden. Lediglich über eine Logfile-Analyse wäre eine Anfrage zu registrieren. Daher stützen sich die meisten Webseitenbetreiber auf externe RSS-Systeme, die Nutzungsstatistiken ausweisen (z. B. Google Feedburner) (Kaushik, 2007, S. 320-327).

Metriken, die man für die Analyse von RSS-Feeds verwendet, sind Abonnenten und Reichweite. Die Abonnentenzahl zeigt die Benutzer, die den RSS-Feed abonniert haben und ihn empfangen. Die Reichweite hingegen zeigt die Benutzer an, die eine Aktion an einem RSS-Eintrag ausführen (z. B. anklicken, lesen).

Generell sind die Metriken des RSS-Feeds sehr aussagekräftig, da nur vereinzelt Nutzer RSS-Feeds verwenden (Hassler, 2009, S. 240-246).

Kommentare
Viele Contentangebote bieten eine Kommentarfunktion für ihre Contentartikel an. So wird es dem Rezipienten ermöglicht, sein Feedback zum Content kundzutun. Lässt man die Metrik der Kommentare pro Seite in ein Web-Analytics-System mit einfließen, so kann man die meistkommentierten Seiten identifizieren. Dies ist meist standardmäßig verfügbar, sondern bedarf einer Schnittstelle zwischen Web Analytics Tool und dem Content-Management-System der Webseite.

Trackbacks
Gehört ein Blog zu dem Contentangebot, können neben Kommentaren auch Trackbacks registriert werden. Trackbacks sind Links, die andere Blogger in ihre eigenen Posts integrieren und damit auf die Seite verweisen. Die Metrik der Trackbacks pro Seite lässt daher ebenfalls eine Identifizierung stark verlinkter Inhalte in einem Weblog zu (Hassler, 2009, S. 246-249).

Events
Das Internet bietet reichhaltige Möglichkeiten, Content darzustellen. Anfangs nur Text, ist es jetzt möglich durch Rich Media Applications (RIAs) auch Video oder Interaktive Grafiken durch Technologien wie Adobe Flash darzustellen. Ferner wurde durch die Ajax-Technologie der Seitenaufbau dynamischer und es bedarf nicht immer eines Neuladens der Seite bei neuen Inhalten.
Die neuen Technologien stellen das klassische Web Analytics vor eine Herausforderung, da bei der Interaktion des Besuchers mit den Rich Media Angebot kein Seitenabruf (Page Impression) erfolgt und folglich keine Daten zur Nutzung des Angebots erhoben werden können.
Die Lösung besteht in Eventhandling. Als Event bezeichnet man eine Aktion, die in einem Rich-Media-Angebot ausgeführt wird. Verbindet man das Web Analytics Tool per Schnittstelle mit einem Rich-Media-Angebot, so lassen sich diese Aktionen registrieren und auswerten.
Events lassen sich beliebig definieren und können beliebig viele Metriken hervorbringen. Je nach Rich-Media-Angebot ist daher eine gesonderte Betrachtung vonnöten.
Typische Metriken für Videoinhalte sind z.B:
•    Abspieldauer eines Videos
•    Starts, Stopps und komplette Abspielung eines Videos
•    Abspielrate (Anzahl der Seitenaufrufe zu Anzahl komplett abgespielter Clips)
•    Abbruchrate (Anzahl Start des Videos minus die Anzahl komplett abgespielter Videos)
Genauso lassen sich auch Metriken für Podcasts, interaktive Infografiken, Ajax-Applikationen, Widgets etc. definieren (Kaushik, 2007, S. 315-317).

Standardmetriken
Zu den Standardmetriken gehören die Page Impression, Visits und Unique Visits.

Page Impression (Seitenaufruf)
Die Page Impression ist jede von einem Besucher nachgefragte Seite innerhalb einer Webpräsenz. Sie ist hilfreich bei der Identifikation von populären Seiteninhalten. Im Web-Analytics-System wird sie meist aggregiert als Seitenaufruf pro Seite dargestellt.

Visits (Besuche)
Visits sind die Anzahl der Besuche. Ein Besuch stellt dabei eine oder mehrere Seitenaufrufe innerhalb eines vorgegebenen Zeitraumes (Session) dar, der in der Regel 30 Minuten dauert. Die Visits sind ein Indikator für die Performance der Webseite.

Unique Visits (Besucher)
Die Unique Visits geben die Anzahl der Besucher an, die eine Webseite innerhalb eines vorgegebenen Zeitraumes (z. B. einen Monat) besucht haben. Dabei unterscheidet sich die Metrik von den Visits dadurch, dass die Besucher als einzelne gezählt werden. Ein Besucher kann mehrere Besuche abhalten.
(Web Analytics Association, 2007, S. 6-9)

Traffic-Quellen
Bei Traffic-Quellen handelt es sich um die Standardmetriken, die nach Traffic-Quellen segmentiert werden.
Direktzugriffe
Die Metrik der Direktzugriffe ist die Anzahl der Zugriffe, die über die Direkteingabe einer URL oder durch den Zugriff eines Lesezeichens im Browsers getätigt wird. (Aden, 2009, S. 213-214)

Verweisende Webseiten
Im Internet gibt es die Möglichkeit, Verlinkungen zu anderen Webseiten herzustellen, so dass ein Besucher von einer Seite auf die nächste verwiesen werden kann. Über die Metrik der Verweisenden Webseiten werden die Visits, die durch eine verweisende Webseite zustande gekommen sind, aufgelistet. So lassen sich stark verweisende Webseiten identifizieren (Sostre & LeClaire, 2007, S. 148).

Suchmaschinen (Keywords)
Eine spezielle Form von verweisenden Webseiten stellen Suchmaschinen dar. Gelangt ein User durch eine vorherige Suche auf die Webseite, so wird registriert welchen Suchbegriff (Keyword) er verwendet hat. Die Suchmaschinenmetrik stellt die Anzahl der Visits für folgende Variablen dar:
• Suchmaschine
• Suchbegriffe
• Organic- bzw. Paid Search

Durch die Ausweisung des Suchmaschinentraffics lassen sich insbesondere Search Engine Optimization- (SEO) und Search Engine Marketing- (SEM) Maßnahmen kontrollieren und steuern. Mit Suchmaschinenoptimierung sind all die Maßnahmen gemeint, die eine Webseite möglichst weit in den nichtbezahlten Suchergebnissen platzieren. Mit Suchmaschinenmarketing ist die suchbegriffsbezogene Anzeigenschaltung bei einer Suchmaschine gemeint. Das Web Analytics Tool unterscheidet daher zwischen Organic- und Paid-Traffic (Aden, 2009, S. 15-17).
Mit Organic Traffic, ist der Traffic gemeint, der durch eine Suchmaschine über die regulären Suchergebnisse zustande gekommen ist. Gegenübergestellt ist dem der Traffic, der durch das so genannte Paid Listing entstanden ist. Dabei handelt es sich um suchbegriffsbezogene Anzeigenschaltung, die von einem Unternehmen gekauft werden kann. Die Buchung der Anzeigenplätze erfolgt über die Programme der Suchmaschinen (z. B. Google Adwords, Yahoo! Search Marketing oder Microsoft AdCenter) (Sostre & LeClaire, 2007, S. 141-146).

Abbildung 6: Beispiel einer Suchergebnisliste mit Organic und Paid Listing
(Quelle: Eigene Darstellung)

Kampagnen
Betreibt ein Webseitenbetreiber Marketing für seine Webseite mit Hilfe des Internets, kann er auf verschiedene Werbemöglichkeiten (Affiliate Marketing, Emailmarketing, Bannerwerbung) zurückgreifen. Diese zusätzlichen Traffic-Quellen lassen sich mit einem Web Analytics Tool tracken und einer gesonderten Kampagne zuordnen. Ähnlich wie bei den verweisenden Webseiten wird bei dieser Metrik der Traffic gezählt und ausgewiesen, sodass der Trafficzuwachs durch Online Werbekampagnen nachvollzogen werden kann. (Möller & Kröhn, 2009, S. 143-168)
Crossmedia- und Offline-Kampagnen

Neben den Online-Marketingmaßnahmen kann auch Traffic aus Crossmedia- und Offline-Kampagnen (z. B. Fernseh-, Plakat-, Radio-, oder Printwerbung) entstehen. Um diesen Traffic einer entsprechenden Kampagne zuordnen zu können, behilft man sich der Kurz-URL-Methodik (www.test.de/kurzurl).  Hierbei wird eine URL erstellt, die zur entsprechenden Seite führt. Über das Web Analytics Tool lassen sich dann die Seitenzugriffe auf diese URL tracken und ausweisen. Dies setzt voraus, dass der Besucher über einen Direktzugriff auf die Webseite kommt (Hassler, 2009, S. 135-143)

Besuchereigenschaften
Neue Besucher und wiederkehrende Besucher
Mittels eines Cookies können neue und wiederkehrende Besucher vom Web Analytics Tool erfasst werden. Diese werden entweder als absolute Zahl (Anzahl der neuen bzw. wiederkehrenden Besucher) oder in Relation (Prozentsatz neue bzw.  wiederkehrende Besucher zu Gesamtbesucherzahl) ausgewiesen (Sostre & LeClaire, 2007, S. 189-190).

Besuchertreue
Die Metrik der Besuchertreue misst wie häufig ein einzelner Besucher innerhalb eines Zeitraums auf die Webseite zurückkehrt. Die Metrik wird in Anzahl der Besucher mit Anzahl an x Besuche gemessen. Zusätzlich lässt sich der Zeitraum definieren (Aden, 2009, S. 194).

Besucherfrequenz
Die Besucherfrequenz ist eng verwandt mit der Metrik der Besuchertreue. Sie misst den Zeitraum zwischen zwei Besuchen eines Besuchers. Dabei wird für den Einzelfall jeweils ein Durchschnitt errechnet. Ausgewiesen wird die Metrik in aggregierte Anzahl der Benutzer per Frequenzzeitraum (z. B. 2.700 Benutzer mit einem Frequenzzeitraum von 0,5 Tagen).

Herkunftsland und Region
Mittels der IP-Adresse lässt sich der ungefähre Standort eines Aufrufs der Seite ermitteln. Mit Hilfe dieser Metrik lassen sich so die Länder bzw. Regionen mit starken Besucherzahlen identifizieren. Teilweise können dabei große Fehler auftreten, da eine IP-Lokalisierung nicht genau anzeigt, wo ein Zugriff stattfindet. Durch Proxies oder Zugriff über einen VPN-Client können so große Messungenauigkeiten auftreten.

Sprache
Genauso wie die IP-Adresse, wird auch die eingestellte Browsersprache von einem Web Analytics Tool erhoben. Da die meisten Browser in verschiedenen Sprachen erhältlich sind, lassen sich Rückschlüsse auf die gesprochene Sprache der User ziehen. Die Metrik der Sprache wird in Benutzeranzahl pro Sprache erfasst. Eine Aggregation der Sprachräume ist meist nicht möglich.

Technische Eigenschaften
Neben der IP-Adresse und der Sprache des Browsers, lassen sich andere technische Details auslesen. So wird der Browser, die Bildschirmauflösung und Farben, das Betriebsystem, Plugins, JavaScript-Verfügbarkeit, Cookie-Aktzeptanz und Verbindungsgeschwindigkeit abgefragt. Die einzelnen Metriken werden jeweils pro Benutzeranzahl dargestellt. Sie helfen insbesondere bei der technischen Optimierung der Webseite.
(Hassler, 2009, S. 154-168)

Kostenlose Anbieter
Im Feld der kostenlosen Web-Analytics-Anbieter gibt es eine Vielzahl von Möglichkeiten. Insbesondere Logfile-Analyse-Software sind meist als OpenSource-Software kostenlos erhältlich. Auch stellen viele Webhoster ihren Kunden kostenlos Analysetools zur Verfügung, die auf der Logfile-Analyse basieren.
Für den professionellen Einsatz von kostenlosen Web-Analytics-Tools sind vor allem die Anbieter der Suchmaschinen verantwortlich. Sie erhoffen sich durch ihre Web-Analyse-Lösungen, die sie ihren Kunden kostenlos zur Verfügung stellen, eine Erhöhung der Nachfrage nach ihren Werbeprodukten. Allen voran ist hier die Web-Analytics-Lösung von Google zu nennen (Aden, 2009, S. 9 – 11).
2008 benutzten knapp 47% der IVW geprüften Onlineauftritte Google Analytics. In Deutschland ist Google Analytics damit die meistverwendetste Web-Analytics-Lösung (Reese, 2008).
 
Abbildung 4: Marktanteile der Web Analytics Tools in Deutschland
(Quelle: Reese, 2008)

Das aus der 2005 von Google akquirierten Firma Urchin hervorgegangene Produkt ist  als Ergänzung zu ihrem AdWords-System zu sehen, wodurch Google jährlich mehrere Milliarden US-Dollar Gewinn erwirtschaftet (Aden, 2009, S. 6-8). Es handelt sich um eine Web-Analytics-Lösung nach dem SaaS-Modell. Die Datenspeicherung und Softwarebereitstellung übernimmt Google. Zur Nutzung bedarf es einer Anmeldung sowie Einbau des JavaScript Codes (Braun & Bleich, 2009).

Wie in Kapitel 2.2 erwähnt hat Yahoo! im Jahre 2009 ein eigenes Tool auf den Markt gebracht. Nach der Akquisition von der vielgenutzten Web-Analytics-Lösung IndexTools entstand das Produkt Yahoo! Web Analytics (Mortensen, 2008). Microsoft, Anbieter der Suchmaschinen LiveSearch und Bing, begrub 2008 seine Bestrebungen, ein eigenes Web-Analytics-System (Microsoft AdLab) zu etablieren (Carson, 2009). Durch die Adaption der Suchtechnologie für Yahoo! von Bing  und der Übernahme der Vermarkung durch Yahoo! wird Yahoo! Web Analytics in naher Zukunft auch den Microsoft AdCenter-Kunden zur Verfügung stehen (Patalong, 2009).

 
Abbildung 5: Beispiele kostenloser Web Analytics Tools: Google und Yahoo!
(Quelle: eigene Screenshots)

Kostenpflichtige Anbieter
Anbieter von kostenpflichtigen Web Analytics Dienstleistungen gibt es in vielen Preissektionen. So können einfache Softwarelösungen für wenige Euro erstanden werden. Bei umfassenden Web-Analytics-Lösungen mit Support und optionaler Beratung wird das Preisgefüge meist abhängig von den Besucherzahlen verhandelt. So können für ein Unternehmen mit bis zu 10 Mio. PIs monatlich jährliche Kosten von bis zu 16.000 € entstehen (Hassler, Web Analytics Hersteller und Produkte, 2008).

In Deutschland werden kostenpflichtige Dienstleistungen zu Web Analytics von knapp 25% der IVW geprüften Angebote verwendet. Der meistverwendete Anbieter ist dabei Omniture, der auch den Weltmarktführer im Analytics-Bereich darstellt. Dahinter befinden sich deutsche Angebote wie NedStat und die etracker GmbH. Im internationalen Bereich sind auch Coremetrics und WebTrends zu erwähnen (Reese, 2008).

Technisch basieren die Web-Analytics-Lösungen auf die Page-Tagging Methode, die häufig auch in Kombination mit der Logfile-Analyse einhergeht. Lediglich das Unternehmen WebTrends nimmt die Logfiles als Ausgangsdatenmaterial. Das Leistungsspektrum geht meist über die Web-Analytics-Software hinaus. So werden auch Tools zum Testen oder Online Umfragen bereitgestellt. Optional zu den Software Lösungen werden auch Beratungstätigkeiten wie Implementierung, Schulungen und Analysen angeboten. Generell zeichnen sich kostenpflichtige Anbieter durch erhöhten Funktions- und Supportumfang aus.

Kostenpflichtige Angebot können meist individuell auf die Kunden zugeschnitten werden. Abhängig von Art des Webangebotes können so z. B. Schnittstellen zu internen Systemen geschaffen werden, die eine Verbindung zwischen den erhobenen Daten und dem internen Datenmaterial erlauben (Hassler, Web Analytics Hersteller und Produkte, 2008).

IVW und AGOF
Um ein einheitliches Messverfahren von Werbeträgern zu garantieren, schlossen sich 1949 Verlage zusammen und gründeten aus dem Zentralverband der Deutschen Werbewirtschaft die Informationsgemeinschaft zur Feststellung der Verbreitung von Werbeträgern e.V. (IVW). Seit 1997 erhebt die IVW auch Daten für Onlinewerbeträger. Heute gehört es für kommerziell operierende online Werbeträger zum Standard bei der IVW gelistet zu sein (Informationsgesellschaft zur Feststellung und Verbreitung von Werbeträgern e.V, o.J).

Die Messung der Daten der Online Werbeträger nimmt nicht die IVW selbst vor, sondern hat die INFOnline GmbH beauftragt. Diese setzt ihr skalierbares zentrales Messverfahren (SZM) ein, um Page Impressions und Visits zu messen (Informationsgemeinschaft zur Feststellung der Verbreitung von Werbeträgern e.V., o.J).

Technisch wird dabei das Page-Tagging-Verfahren verwendet. Jedoch wird aufgrund der limitierten Datenerhebung kein JavaScript-Code eingebettet, sondern ein so genanntes Zählpixel (SZM–Tag). Bei Anfrage eines Users an den Werbeträger wird dabei ein unsichtbares Pixel von einer so genannten SZM-Box abgerufen. Diese prüft, ob es sich um Page Impressions bzw. Visits im Sinne der IVW handelt und gibt dann den Zählstand an einen Collector der INFOnline GmbH ab. Dieser bereitet die Daten dann in Grafiken auf und stellt diese den IVW Mitgliedern zur Verfügung. Um User später eindeutig identifizieren zu können, wird zusätzlich auch ein Cookie gesetzt (INFOnline GmbH, 2005, S. 22-28).

Die Daten der IVW ermitteln Kennzahlen zur Reichweite des online Werbeträgers. Dabei ist keine Aussage über die Nutzung des Angebotes möglich. Da Nutzungsinformationen für Medienplaner sehr interessant sind, gründeten 2002 Internetunternehmer und im Internet tätige Werbevermarkter  die Arbeitsgemeinschaft Online Forschung (AGOF). Sie besteht aus 14 Gründungsmitgliedern (Verlagen) und aus derzeit 60 Lizenznehmer. (Arbeitsgemeinschaft Online Forschung, o.J.)

Durch ein Multimethodenmodell erhebt sie umfangreiche Daten zum Nutzungsverhalten deutscher Internetseiten. Dazu nutzt sie die Daten aus dem IVW-Pool und kombiniert sie mit Daten aus Online-Befragungen und Telefoninterviews. So werden zusätzlich auch soziodemografische Daten sowie Daten zum Nutzungsverhalten erhoben. Die AGOF setzt dabei bei der Reichweitenmessung auf die Messzahl der Unique User.
Das Datenmaterial fließt in das Softwareangebot TOP der AGOF ein, das kostenpflichtig für Medienplaner zur Verfügung steht. Darüber hinaus wird vierteljährlich die Studie internet facts veröffentlicht (Braun & Bleich, 2009).

Weitere externe Angebote
Neben den Daten die von einem Web Analytics Tool erhoben werden, können auch externe Daten für die Analyse einer Webpräsenz herangezogen werden. Je nach Fragestellung können diese Daten von Nutzen sein, um Vergleiche herzustellen, die Webseite zu optimieren oder Trends zu identifizieren. (Möller & Kröhn, 2009, S. 105-106)
Neben der IVW und AGOF, die in der Regel nur  Daten von teilnehmenden Angeboten darstellen können, gibt es Spezialanbieter, die den Traffic vieler weiterer Webangebote bereitstellen. Diese Daten basieren meist auf unterschiedlichen Erhebungsmethoden (Hassler, 2009, S. 280).
Google nutzt für seinen Dienst GoogleTrends for Webseites anonymisierte Daten aus Google Analytics, der Google Suche und anderen Datenquellen (z. B. vom Browser-Plugin oder der Google Search Bar). Alexa, eine Tochterfirma von Amazon, verlässt sich ebenfalls auf die installierte Toolbar. Die gesammelten Nutzungsdaten werden dann auf die Gesamtbevölkerung hochgerechnet. So entsteht ein repräsentatives Trafficbild (Unique Users bzw. % of Reach) jeder Webseite. (Mortensen, 2009, S. 342)
In den USA nutzen Firmen wie compete.com oder HitWise Daten der Internet Service Provider (ISP), um die Nutzung von Webseiten zu messen. Die Dienste sind kostenpflichtig.
In Deutschland kann auf Daten von kostenpflichtigen Panels zurückgegriffen werden. Nielsen Netratigs, ComScore oder die GfK bieten solche Daten an.
Neben solchen Plattformen gibt es weitere Anbieter, die spezielle Daten zur Verfügung stellen. Beispiele für solche Serviceanbieter und ihre Daten sind:
•    Demografische Informationen – Microsoft Adlab, Quantcast
•    Verfügbarkeit und Ausfälle – Pingdom, Mywebalert
•    Eingesetzte Technologien – Netcraft
•    Umfang von Webseite – Google (Sucheingabe: site:beispiel.com)
•    Verlinkungsgrad – Yahoo! Site Explorer
(Hassler, 2009, S. 286-287) 

Bei Datenspeicherung gibt es grundsätzlich zwei Varianten. Entweder man speichert die Daten intern auf eigenen Servern und Festplatten oder überlässt diese Funktion speziellen Anbietern.

Die Logfile-Analyse ist grundsätzlich eine interne Lösung, da die Logfiles auf dem Webserver gespeichert werden. Die Software zur Präsentation wird auf die Logfiles angewandt oder ist bereits auf dem Server installiert.
Grundsätzlich hat man bei der Page-Tagging-Methode die Wahl zwischen den zwei Datenspeicherungsformen. Jedoch stützen sich die meisten Web-Analytics-Anbieter auf das erwähnte SaaS-Modell. Dabei wir die Datenspeicherung und Software vom Anbieter auf seinen eigenen Rechner bereitgestellt. Die Kunden des Dienstes können sich meist über ein Browserinterface einloggen und das Programm nutzen. Technisch ist es dadurch möglich sowohl die Analytics-Software wie auch die Datenspeicherung extern zu betreiben. Dies hat den Vorteil, dass Updates der Software oder Datenspeichererweiterungen vom Softwareprovider übernommen werden können. Diese Modelle bauen außerdem auf einem Abonnementmodell auf, sodass die Investitionskosten einer internen Lösung entfallen.

Rechtliche Rahmenbedingungen
Mit Hilfe von Web Analytics Tools kann man umfassende Datenerhebungen durchführen. Das Datenmaterial wird von natürlichen Personen gem. §1 BGB bezogen, gespeichert und verarbeitet. Jeder Webseitenbetreiber muss daher die rechtlichen Rahmenbedingungen des Telemediengesetzes (TMG) und des Bundesdatenschutzes (BDSG) beachten (Hoeren, 2008, S. 311).
Im TMG §15 Abs.1 heißt es:

„Der Diensteanbieter darf personenbezogene Daten eines Nutzers nur erheben und verwenden, soweit dies erforderlich ist, um die Inanspruchnahme von Telemedien zu ermöglichen und abzurechnen (Nutzungsdaten).“

Und in Abs.4:

„Der Diensteanbieter darf Nutzungsdaten über das Ende des Nutzungsvorgangs hinaus verwenden, soweit sie für Zwecke der Abrechnung mit dem Nutzer erforderlich sind (Abrechnungsdaten).“ (Deutsche Bundestag, 2009)

Eine Datenspeicherung von personenbezogenen Daten ohne Einwilligung ist daher nicht erlaubt. Fraglich ist, ob es sich bei den erhobenen Daten von Web Analytics Tools um personenbezogene Daten handelt (Schirmbacher, 2009).

Insbesondere bei der IP-Adresse, die eine theoretische Bestimmbarkeit einen Person durch den Access Provider ermöglicht, ist dies in Deutschland noch umstritten (Hassler, 2009, S. 70). Personenbezogene Daten gemäß §3 Abs.1 BDSG „sind Einzelangaben über persönliche oder sachliche Verhältnisse einer bestimmten oder bestimmbaren natürlichen Person (Betroffener)“ (Deutsche Bundestag, 2009)

In Deutschland gibt es unterschiedliche Rechtsprechungen, die die Bestimmbarkeit der Person hinter der IP-Adresse auslegen. So entschied ein Gericht in München, dass die IP-Adresse von einem Webseitenbetreiber ohne Aufwand nicht zu Rückschlüssen auf die Person führt (Störing, 2008). Dagegen entschied ein Amtsgericht in Berlin Mitte, wonach alle Möglichkeiten in Betracht gezogen werden können, um eine Person zu bestimmen (AG Berlin (Mitte) , 2007).

Mit der Speicherung der IP-Adresse begibt man sich somit in eine gesetzliche Grauzone (Braun & Bleich, 2009, S. 84).

Unmissverständlich ist die Rechtsprechung zur Erhebung von personenbezogenen Daten (wie die Email Adresse, Name, Wohnort). Diese bedarf stets einer Einwilligung durch den Benutzer, auch Opt-In-Verfahren genannt (Hassler, 2009, S. 69-70).

Web-Analytics-Anbieter die ihre Lösung auf das SaaS-Modell setzen, nehmen die Datenspeicherung auf ihren Servern vor. Liegt der Web-Analytics-Anbieter nicht in der Europäischen Union, fallen die Daten unter das Datenschutzgesetz des entsprechenden Landes. Insbesondere das Produkt Google Analytics, das die Daten auf Servern in den USA speichert, ist deswegen des Öfteren in die Kritik geraten (Braun & Bleich, 2009, S. 84 – 85).
Der Web-Analytics-Experte Marco Hassler empfiehlt als Best Practice stets die Datenspeicherung offen zu kommunizieren (z. B. in Form einer Datenschutzerklärung) und die gewonnen Informationen nicht mit personalisierten Informationen zu verknüpfen (Hassler, 2009, S. 71 – 72).

Als zweites werden dann noch weitere Datenerhebungsmethoden besprochen, die vielleicht nicht direkt als initiale Lösung der Web Analyse verwendet werden, jedoch erwähnenswert sind.

Cookies
Cookies sind kleine Textanweisungen, die im Speicher des Webbrowsers des User gespeichert werden. Bei Bedarf können sie von einem Server abgerufen werden (Whalen, 2002). Dabei unterscheidet man zwischen 1st und 3rd Party Cookies. 1st Party Cookies werden von der besuchten Seite gesetzt und können nur von dieser abgerufen werden. 3rd Party Cookies werden nicht durch die besuchte Seite gesetzt, sondern von einem Dritten (wie z. B. einem Affiliate Programm). Für die Web-Analyse sind Cookies wichtig, da sie Informationen zur Wiedererkennung des Besuchers enthalten und ihn eindeutig identifizieren. So kann man den User einer Kampagne zuordnen, ihn wiedererkennen oder ihn in ein User-Segment einteilen. Beim Wiederkehren des Users auf die Seite können die vorher festgelegten Informationen abgerufen werden (Aden, 2009, S. 40-45).

Weitere Datenerhebungsmethoden
Weitaus weniger Anwendung finden die weiteren Datenerhebungsmethoden in der Web-Analyse. Der Vollständigkeit halber werden sie kurz erläutert.

Beim A/B- und multivariaten Testing geht es nicht um eine Vollerhebung des Traffics im Sinne von Page Tagging oder Logfile-Analyse, sondern vielmehr um eine selektive Betrachtung zweier oder mehrerer Varianten einer Webseite. Unterschiedlichen Besuchern werden dabei verschiedene Varianten von Elementen einer Webseite gezeigt. Je nach dem welche Variante zu mehr gewünschten Aktionen geführt hat (z. B. das Anklicken eines Links), kann im Anschluss an den Erhebungszeitraum die beste Variante ermittelt werden (Hassler, 2009).
Neben quantitativen, lassen sich auch qualitative Erhebung durchführen. Dazu gehören Onlineumfragen und Benutzerbeobachtungen.

Onlineumfragen (engl.: Surveys) bestehen aus einem Fragebogen, die einem Benutzer als Popup eingeblendet werden. Die Einblendungen des Fragebogens werden über verschiedene Nutzer verteilt, sodass eine möglichst hohe Repräsentativität der Nutzer der Webseite besteht. So lassen sich Rückschlüsse auf bestimmte Fragen schließen und qualitative Daten sammeln.
Die Benutzerbeobachtung wird entweder in einem Labor (Usability Labor) oder beim Nutzer zu Hause durchgeführt. Dabei werden dem Nutzer verschiedene Aufgaben gestellt und beobachtet, wie er diese auf der Seite erfüllt. Dadurch lassen sich Rückschlüsse, insbesondere auf die Usability einer Webseite, schließen.  Ein Beispiel für die Durchführung eines Usability-Test kann bei der Plattform Käuferportal nachvollzogen werden.

Das Page Tagging ist eine, im Gegensatz zur Logfile-Analyse, clientseitige Erhebungsmethode. Bei dieser Methode wird ein JavaScript-Code in jede einzelne Seite integriert. Beim Aufruf dieser Seite via eines Clients wird der JavaScript-Code ausgeführt. Dieser ist verbunden mit einem Application Service Provider (ASP). Durch den JavaScript-Code werden Daten wie Browsereigenschaften, Referer, Seiteninformationen etc. erhoben und ggf. Cookies gesetzt. Diese werden an eine 1×1 Pixel unsichtbare Grafik angehängt, die von dem ASP breitgestellt wird. So werden die Daten dann an den ASP gesendet.

Beispiel eines Page Tagging Tracking Codes bei Google Analytics (Quelle)

Die Application Service Provider sind meist Softwarelösungen die als „Software as a Service“-Modell (SaaS) bereitgestellt werden.
Schematische Darstellung der Page Tagging Methode

(Quelle: Eigene Darstellung in Anlehnung an Kaushik, 2007, S.31)

Im Gegensatz zu der Logfile-Analyse lassen sich technisch mehr Daten erheben. So ist es möglich den JavaScript-Code so zu verändern, dass er Informationen, die auf der Seite liegen, mitsendet. Dies ist vor allem für E-Commerce-Informationen von Vorteil (Produktnummer, Produktpreis, usw.). Technisch ist es außerdem möglich, Aktionen zu erheben, die nicht unbedingt zu einer Serveranfrage führen. Bei Flashapplikationen oder Ajax (Asynchronous JavaScript and XML) basierenden Seiten ist dies der Fall. So lassen sich z. B. die Nutzung eines Videoplayers nachvollziehen. Das bei der Logfile-Analyse auftretende Caching-Problem wird ignoriert. Der JavaScript-Code wird beim Laden der Seite immer wieder neue ausgeführt.

Negative Aspekte können im Gegensatz zur Logfile-Analyse auch auftreten, die dazu führen, dass das Datenmaterial verfälscht werden kann. So können durch Firewalls Fehler in der Ausführung des JavaScript-Codes auftreten, oder die Nutzer der Webseite können im vornereinen JavaScript in ihrem Browser abgestellt haben. Da Suchmaschinenroboter kein JavaScript ausführen können, werden sie ebenso von der Web-Analytics-Software nicht wahrgenommen.

Die Logfile-Analyse entstand ursprünglich aus Fehlerlogs eines Webservers, die automatisch Übertragungsfehler protokollierten (Kaushik, 2007, S. 2). Heute wird jede Anfrage an einen Server automatisch in einer Log-Datei protokolliert. Stellt ein Client eine Anfrage an einen Server werden automatisch folgende Daten mitgeschrieben:

• TCP / IP – Adresse
• Referer – Der Link bzw. die Seite von der die Anfrage kam
• Zugriffszeit
• Auftretende Fehler in der Übertragung
• Browsereigenschaften und Plugin-Installationen
• Betriebsysteminformationen
• Protokollart (HTML / XML / HTTPS)

(Braun & Bleich, 2009)

Aggregiert man die Daten mittels eines Logfile-Analyse Programms (wie AWStats, RRDtool, w3Perl oder Webalizer) lassen sich Rückschlüsse auf den Erfolg einer Webseite ziehen (Aden, 2009, S. 33).

Schematische Darstellung der Log-File-Analyse (Quelle: Eigene Darstellung in Anlehnung an Kaushik, 2007, S.26)

Die Logfile-Analyse ist vergleichsweise kostengünstig. Sie bedarf keiner Implementierung auf der Webseite und kann sofort auf die vorhandene Logfiles angewendet werden. Lediglich das Analyse-Tool verursacht optionale Kosten (AWStat ist kostenfrei). Viele gängige Webhoster bieten standardmäßig Tools mit dem Hostingservice an (Braun & Bleich, 2009, S. 81). Logfiles werden automatisiert von jedem Server erstellt, eine rückwirkende Analyse der Logfiles ist daher auch möglich, unabhängig vom Implementierungszeitpunkt. Darüber hinaus wird jede Aktivität getrackt, so z. B. auch ob eine Datei vollständig heruntergeladen wurde oder ob es Probleme bei der Übertragung gab. Wenn für die Analyse die Aktivitäten eines Search Robots auf der eigenen Webseite benötigt werden, ist Logfile-Analyse unumgänglich (Aden, 2009, S. 33-34). Da die Daten vom Webserver erhoben werden, verfügt der Webseitenbetreiber über die rechtliche Verantwortung für die Daten. Im Gegensatz zur Page-Tagging-Methode findet keine Weitergabe der Daten statt.

Bei der Datenerhebung per Logfiles können auch Probleme auftreten. Die größten Unregelmäßigkeiten der Erhebungsmethode sind auf das Caching-Problem zurückzuführen. Benutzt der User die Zurück-Taste des Browser, stellt er keine neue Anfrage an den Server und die Seite wird aus dem Cache des Webbrowser geladen. Obwohl der User eine Seite betrachtet, wird so keine Aktivität bei der Logfile-Analyse angezeigt. Das gleiche Problem tritt bei Proxy-Servern auf, wie sie meist bei großen Firmen verwendet werden. Ein Proxy-Server cached oft abgerufene Dateien und Seiten, sodass keine neue Anfrage an den Server gestellt werden muss. Dies spart Ressourcen (Bandbreite) für den Client, führt aber zu Unregelmäßigkeiten im Datenmaterial für den Seitenbetreiber.

Bei der Logfile-Analyse  werden die Daten vom Webseitenbetreiber zentral gespeichert und verarbeitet. Dies bedeutet, dass er für genügend Speichplatz und für eine geeignete Softwarelösung verantwortlich ist. Diese können zusätzliche Kosten verursachen.

Die Logfile-Analyse bleibt ein Standard in der Web-Analyse. Da von jedem Webhoster vorinstalliert, kann sie leicht durchgeführt werden. Dennoch greifen heutzutage professionelle Anbieter von Web Analytics häufiger die Page Tagging Methode auf (Aden, 2009, S. 33). Logfile-Analysen bleiben für spezielle Analysen weiterhin unersetzlich, wie z .B. Search Robots.

Betrachtet man Web Analytics wissenschaftlich so stellt sich die Frage in welchen Bereich sie einzuordnen ist. Während für viele der Nutzen vor allem im Marketingbereich liegt, benutzen E-commerce Websites es vor allem zum Salescontrolling. Doch was ist wenn man eine Informationsseite hat? Oder eine Contentseite? Natürlich ist der Nutzen immer individuell. Eine Versuch das Thema wissenschaftlich einzuordnen soll hier versucht werden:

Die Geschichte lässt den Funktionswandel von Web Analytics erkennen. Entstanden aus den Fehlerprotokollen der Server, die zur Kontrolle des technischen Betriebes der Webseite genutzt wurden, hin zur komplexen Datensammlung, die meist einen betriebswirtschaftlichen Hintergrund hatte. Web Analytics ist folglich als Instrument der Kontrolle und Steuerung zu begreifen. Dies steht wiederum dem betriebswirtschaftlichen Controlling nahe.

Der Begriff Controlling stammt aus Amerika und bedeutet übersetzt Steuerung, Beherrschung oder Lenkung eines Vorganges. In der Literatur gibt es keine genaue Definition des Begriffes. Jedoch wird der Controlling-Begriff verschieden interpretiert und erweitert.

„Controlling ist – funktional gesehen – dasjenige Subsystem der Führung, das Planung und Kontrolle sowie Informationsversorgung systembildend und systemkoppelnd ergebniszielorientiert koordiniert und so die Adaption und Koordination des Gesamtsystems unterstützt.“ (Horvath, 1996, S. 141)
Nach dieser Definition sind als Hauptmerkmale des Controllings die Planung, Steuerung und Kontrolle zu verstehen. Die Aufgabe des Controllings besteht darin, die am Zielerreichungsprozess beteiligten Einheiten mit Informationen und Instrumenten zu versorgen.

Ferner kann man Controlling in verschiedene Dimensionen klassifizieren. So unterscheidet man zwischen operativen und strategischen Controlling und den verschiedenen Teilbereichen (z.B. Marketingcontrolling, Kommunikationscontrolling etc.), die in Branchen und Umfang der Aufgaben auftreten.
Betreibt man Controlling für die Webseite eines Unternehmens so spricht man im Allgemeinen von Web Controlling. Web Analytics im Sinne des Controllings (Web Controlling) nimmt ähnliche Funktionen war, umfasst aber nur einen Teil der Funktionen des Web Controllings (siehe Definition).

Die Aufgaben von Web Analytics sind die Erhebung, Sammlung und Analyse von Internetdaten zum Verständnis der Webnutzung. Diese stellen einen Teilbereich des Web Controllings dar. Im Web Controlling und damit verbundenen Web Analytics Feld arbeitet man insbesondere mit quantifizierbaren Daten, sodass eine Zurechnung zum operativen Controlling möglich ist.

Eine genaue Zuordnung zu einer Controllingart (Marketing-Controlling, Kommunikations-Controlling etc.) ist nicht möglich, da eine Webseite eines Unternehmens verschiedene Funktionen übernehmen kann. Nach dem ICDT-Modell nach Anghern können Webpräsenzen in die Felder Information, Kommunikation, Distribution und Transaktion eingeteilt werden. Mischformen aus den Feldern sind auch möglich (Angehrn, 1997). Bernd W. Wirtz konkretisiert die Unterteilung in Geschäftsmodelle im Internet durch Content, Commerce, Context und Connection (Wirtz, 2009, S. 638 – 642). Abhängig von der Funktion der Webseite und dem daraus resultierenden Geschäftsmodell, muss stets eine differenzierte Betrachtung von Web Analytics und den wahrgenommen Funktionen erfolgen. Erst dann kann eine genaue Einteilung und Zurechnung in einen Controllingbereich resultieren.

Wenn man sich mit dem Thema Web Analytics beschäftigt ist es wichtig, insbesondere für die Implementierung, die Geschichte der Web Analyse zu verstehen. Woher kommt sie? Der folgende Teil soll Aufschluss geben.

Achtung: Der Beitrag wurde Ende Juli 2009 fertiggestellt. Neuere Entwicklungen wurden nicht betrachtet. Insbesondere ist hier natürlich die Übernahme von Omniture durch Adobe zu erwähnen. Über die Entwicklung kann man hier und hier nachlesen. Nun zum eigentlichen Artikel:

Anfang der 70er Jahre wurden Error Logs von einem Server erstellt, der eine Anfrage eines Clients nicht ordnungsgemäß beantworten konnte. Diese Funktionen wurden später auf Server Log erweitert, die Anfragen auf dem Server protokollierten. Jede Anfrage auf dem Server konnte so einer bestimmten Aktion des Benutzers zugeordnet werden (Aufrufen einer neuen Seite, Klick auf einem Hyperlink oder das Herunterladen einer Datei). Die Server Logs beinhalteten nicht nur die Informationen über die Anfrage, sondern auch Daten über den Client.
Nach einiger Zeit wurden mit Hilfe von Skripts die einzelnen Log-Dateien ausgelesen und aggregiert. Es entstanden die ersten Metriken, die eine Analyse der Daten erlaubten. Das Programm Analog von Dr. Stephan Turner war 1995 das erste weitverbreitete Analyseprogramm für Log Files und dient auch heute noch für viele Internet Service Provider (ISP) als vorinstallierte Software für Server.
1996 wurden die ersten Web Statistiken auch dazu benutzt Marketing zu betreiben. So gab es im Zeitraum bis zum Jahre 2000 viele Webseiten die einen so genannten Counter in ihre Seiten integrierten, der dem User preisgab, der wievielte Besucher er war. Heute werden Web Counter kaum noch angewendet.
Mit dem Boom des Internets im Jahre 2000 stieg auch der Bedarf nach Userdaten weiter an. Dies führte zu einer zunehmenden Kommerzialisierung des Web-Analytics-Bereiches. Softwareanbieter wie Webseite Story begannen ihre Web-Analytics-Lösung kommerziell zu vertreiben.
Zu dieser Zeit entstanden wiederum Problemfelder, wonach die Server Logs nicht die optimale Lösung zur Datenerhebung darstellten. So konnten Unregelmäßigkeiten durch die zunehmenden Verteilung von dynamischen IP-Adressen durch die ISPs vorkommen. Auch die durch Google bekannten Search Robots, die zwar eine Anfrage an den Server stellten, jedoch keinen realen User waren, konnten zu Ungenauigkeiten im erhobenen Datenmaterial führen. Die Einführung neuer Datenerhebungsmethoden durch Page-Tagging und Cookies war die Folge (Kaushik, 2007, S. 2-5).
Im Jahre 2005 akquirierte Google die Firma Urchin, eine hosted Web-Analytics-Software. 2006 veröffentlichte Google dann Google Analytics, eine kostenfreie hosted Analysesoftware (Google Inc., 2005). Im Allgemeinen wird dies als Ergänzung zum sehr populär gewordenen Suchmarschinenmarketing, oder im Falle von Google: Google AdWords, gesehen (Braun & Bleich, 2009, S. 82). Mit der Akquisition von Index-Tools und dem Vorstellung von Web Analytics stellte dann auch Yahoo! eine Web-Analytics-Software vor (Mortensen, 2008). Microsoft, zu der die Suchmaschine Bing und MSN-Live gehörte, gab hingegen seine Ambitionen im März 2009 auf und schloss sein AdCenter-Analytics-Programm (Carson, 2009). Mit dem Bekanntwerden der Nutzung der Suchtechnologie von Bing bei der Suchmaschine Yahoo! wird die Yahoo! Web Analytics in naher Zukunft auch Kunden des Microsoft Ad zur Verfügung stehen (Patalong, 2009).
Die heutigen Anwendungen von Web Analytics unterscheiden sich insbesondere durch die technischen Methoden von den frühen Lösungen.