Bot-Traffic in Google Analytics erkennen

In einem Onlineshop, den wir betreuen, meldete Google Analytics in dreißig Tagen 2,16 Millionen Sitzungen. Nach unserer Messung waren davon rund 147.000 echte Besuche. Der Rest, etwa 91 Prozent, war automatisierter Verkehr.

Das ist kein Einzelfall und kein Zeichen dafür, dass etwas falsch eingerichtet wäre. Automatisierter Verkehr gehört heute zum Betrieb jeder öffentlich erreichbaren Website. Das Problem beginnt erst dort, wo er in den Zahlen landet, auf die Entscheidungen gestützt werden.

Dieser Beitrag beschreibt, woran sich solcher Verkehr erkennen lässt, welche naheliegenden Merkmale dabei versagen, und warum die Einstellung, die in Google Analytics dafür vorgesehen scheint, das Problem nicht löst.

Woran fällt es überhaupt auf?

Nicht an der Gesamtzahl. Ein Anstieg der Sitzungen sieht zunächst nach einem guten Monat aus.

Auffällig wird es im Vergleich innerhalb desselben Kanals. In unserem Fall sah der Direktzugriff auf Desktop-Geräten so aus: 1,97 Millionen Sitzungen, 11,66 Prozent Interaktionsrate, eine Seite pro Sitzung. Derselbe Kanal auf Mobilgeräten, im selben Zeitraum: 64,45 Prozent Interaktionsrate, acht Seiten pro Sitzung.

Das sind nicht zwei Gerätetypen desselben Publikums. Das sind zwei völlig verschiedene Populationen, die zufällig unter derselben Überschrift stehen.

Die Faustregel daraus: Vergleichen Sie nicht Kanäle miteinander, sondern dieselbe Kennzahl innerhalb eines Kanals über Gerätetypen hinweg. Wo sich Interaktionsrate und Seiten pro Sitzung um den Faktor fünf unterscheiden, sitzt selten dieselbe Art von Besucher.

Drei Merkmale, die nicht funktionieren

Wer den Verkehr trennen will, greift zuerst zu den Dimensionen, die offensichtlich wirken. Wir haben vier geprüft. Drei davon sind ungeeignet, und zwar aus lehrreichen Gründen.

Das Herkunftsland. Der Verkehr verteilte sich auf über ein Dutzend Länder. Die größten Blöcke lagen in den Vereinigten Staaten und in Brasilien, aber auf Platz drei stand Deutschland mit rund 243.000 Sitzungen. Ein Länderfilter hätte also echte Kunden getroffen. Bemerkenswerter noch: Die Interaktionsrate für Deutschland lag bei 45,6 Prozent, während sie im echten organischen Verkehr bei 73 Prozent liegt. Auch im deutschen Anteil steckte also automatisierter Verkehr.

Der Browser. Fast zwei Millionen Sitzungen meldeten Chrome unter Windows. Das ist zugleich die häufigste echte Kombination im deutschen Markt. Wer danach filtert, wirft den größten Teil seiner echten Desktop-Nutzer weg.

Der Hostname. Manchmal stammt auffälliger Verkehr aus einer Staging-Umgebung, deren Tracking versehentlich mitläuft. Hier nicht: 99,9 Prozent der Sitzungen liefen auf der Produktivdomain.

Diese drei Fehlschläge sind kein verlorener Aufwand. Sie zeigen, womit man es zu tun hat: mit Verkehr, der sich als normaler Besucher tarnt, und zwar über die Merkmale, die am leichtesten zu fälschen sind.

Das Merkmal, das funktioniert

Die vierte Dimension war die Bildschirmauflösung.

1.808.998 Sitzungen meldeten 1280 mal 1200 Pixel.

Diese Auflösung hat ein Seitenverhältnis von etwa 1,07 zu 1, also ein fast quadratisches Bild. Kein Hersteller baut solche Monitore. Sie entsteht, wenn ein Browser ohne physischen Bildschirm läuft und einen Standardwert meldet, wie es bei automatisierten Abrufen üblich ist.

Damit lag ein Merkmal vor, das schwer zu fälschen ist, weil niemand es fälschen will. Wer Verkehr automatisiert erzeugt, achtet auf den Browser-Kennstring und auf die IP-Adresse. Die gemeldete Fenstergröße fällt selten jemandem auf.

Der Test, der Gewissheit bringt

Ein plausibles Merkmal ist noch kein Beweis. Den liefert erst die Frage, ob auf diesem Verkehr Umsatz liegt.

Auf den 1,8 Millionen Sitzungen mit dieser Auflösung lagen keine Conversions und kein Umsatz.

Das ist der eigentliche Befund. Ein Merkmal, das 84 Prozent des gesamten Verkehrs einschließt und dabei keinen einzigen Euro mitnimmt, trennt sauber. Ohne diesen Test bliebe es bei einer gut begründeten Vermutung.

Machen Sie diesen Test, bevor Sie irgendetwas filtern. Er dauert eine Minute und ist der Unterschied zwischen einer Hypothese und einer Entscheidung.

Die teure Falle

Nun liegt der Gedanke nahe, gleich gröber vorzugehen und den ganzen auffälligen Kanal auszuschließen. Genau das wäre teuer gewesen.

Der Direktzugriff auf Desktop trug trotz seiner 91 Prozent Fremdanteil immer noch einen erheblichen Teil der Conversions und des Umsatzes. Wer diesen Kanal pauschal aus der Auswertung nimmt, entfernt echte Kunden aus seinen Zahlen und wundert sich später über eine Lücke, die es nie gab.

Dasselbe gilt eine Ebene feiner. Neben der auffälligen Auflösung gab es eine zweite Gruppe mit 1920 mal 1080 Pixeln und einer Interaktionsrate von nur 5,6 Prozent. Auf den ersten Blick derselbe Fall. Aufgeteilt nach Kanal zeigte sich etwas anderes:

• über die organische Suche: 7.850 Sitzungen mit 84 Prozent Interaktionsrate, der beste Wert im ganzen Konto
• über Direktzugriff: 208.604 Sitzungen mit 2,39 Prozent

Das ist ein Mischsegment. Menschen an Full-HD-Monitoren, die über Google kommen, und daneben ein zweiter automatisierter Schwarm, der klüger vorgeht als der erste, weil er eine realistische Auflösung meldet. Auch in dieser Gruppe lag ein nennenswerter Teil der Conversions und des Umsatzes.

Die Lehre: Je gröber der Filter, desto teurer der Irrtum. Wer nur einen Teil sauber trennen kann, sollte den Rest stehen lassen und die Unschärfe benennen, statt sie mit einem groben Schnitt zu beseitigen.

Warum ein Datenfilter das nicht löst

An dieser Stelle greifen viele zu den Datenfiltern in Google Analytics, weil der Name das verspricht. Dort lässt sich das nicht einstellen.

Google Analytics kennt unter Verwaltung, Datenerfassung, Datenfilter genau zwei Typen: internen Verkehr, erkannt über IP-Bereiche, und Entwicklerverkehr, erkannt über einen Parameter im Tracking-Aufruf. Es gibt dort keine Möglichkeit, nach Kanal, Gerät, Auflösung oder Sitzungsmenge zu filtern.

Dazu kommen zwei Eigenschaften, die in der Praxis entscheiden:

IP-Filter greifen bei verteiltem Verkehr nicht. Wenn die Abrufe über ein Netz aus vielen Adressen in einem Dutzend Ländern kommen, gibt es keinen Bereich, den man eintragen könnte.

Datenfilter wirken nie rückwirkend. Selbst ein passender Filter würde erst ab seiner Aktivierung greifen. Die bereits erfassten Wochen bleiben, wie sie sind. Wer einen Jahresvergleich braucht, hat davon nichts.

Die Einstellung „Bekannte Bots und Spider ausschließen“ ist ebenfalls kein Gegenmittel. Sie arbeitet gegen eine Liste bekannter Crawler. Verkehr, der sich als gewöhnlicher Chrome-Nutzer ausgibt, steht auf keiner solchen Liste.

Was stattdessen hilft

Für die Auswertung: ein benannter Vergleich in den Berichten. In Google Analytics lässt sich ein Vergleich anlegen, der eine Dimension ausschließt, hier also die auffällige Auflösung. Das verändert keine Rohdaten, wirkt rückwirkend auch auf vergangene Zeiträume und ist jederzeit zurückzunehmen. Für die eigentliche Frage, nämlich wieder lesbare Berichte zu haben, ist das der schnellste Weg.

Für die Ursache: eine Regel am Server oder beim vorgeschalteten Dienst. Verkehr, der gar nicht erst ankommt, muss auch nicht weggerechnet werden, und er kostet keine Serverleistung. Wichtig ist dabei ein Punkt, der leicht übersehen wird: Regeln gegen automatisierten Verkehr dürfen die Crawler der KI-Systeme nicht mit einfangen. Wer heute in KI-Antworten vorkommen will, muss diesen Zugriffen offen stehen. Eine zu breite Sperre löst ein Messproblem und schafft ein Sichtbarkeitsproblem.

Was das für Ihre Zahlen bedeutet

Drei Dinge sind in einem solchen Fall verzerrt, und drei nicht.

Verzerrt sind Sitzungen, Nutzerzahlen und alles, was Sitzungen im Nenner hat. Die Conversion-Rate fällt dadurch etwa um den Faktor zehn zu niedrig aus. Wer sie als Steuerungsgröße nutzt, steuert falsch.

Nicht verzerrt sind Umsatz und Conversions selbst, denn automatisierter Verkehr kauft nicht. Und der organische Suchverkehr war in unserem Fall vollständig sauber: 73 Prozent Interaktionsrate bei zehn Seiten pro Sitzung.

Das ist die beruhigende Hälfte des Befundes, und sie gehört in denselben Satz wie die 91 Prozent. Ein Bericht, der nur die große Zahl nennt, erzeugt Alarm, wo eine Einordnung nötig wäre.

Fazit

Automatisierter Verkehr in den eigenen Zahlen ist heute Normalzustand, kein Defekt. Wer ihn trennen will, sollte in dieser Reihenfolge vorgehen: innerhalb eines Kanals nach auffälligen Unterschieden suchen, mehrere Dimensionen durchprobieren statt der erstbesten zu vertrauen, das Merkmal gegen Conversions und Umsatz gegenprüfen, und lieber eine benannte Unschärfe stehen lassen als einen groben Schnitt zu setzen.

Und die wichtigste Entscheidung fällt vorher: Legen Sie fest, welche Zahl in Ihrem Unternehmen die offizielle ist, die bereinigte oder die rohe. Sonst steht im nächsten Jahresvergleich ein Rückgang von 90 Prozent im Raum, den niemand mehr auflösen kann.