Web Analytics: Welche Zahlen für kleine Websites wirklich zählen
Web Analytics für kleine Websites: welche Kennzahlen zählen, warum Tools verschiedene Zahlen liefern und warum lange Besuche nicht immer ein gutes Zeichen sind.

Kurz gesagt
- Web Analytics ist das Sammeln und Auswerten von Daten darüber, wie Menschen eine Website finden und nutzen, mit dem Ziel, bessere Entscheidungen zu treffen.
- Ein Vergleich von 86 Websites zeigt, dass Google Analytics und SimilarWeb für dieselben Seiten systematisch unterschiedliche Werte für Besuche, Besucher, Absprungrate und Sitzungsdauer liefern.
- Bei 358 britischen Industrieunternehmen hing die Absprungrate nicht mit dem Unternehmenserfolg zusammen, längere Besuche und mehr Seiten pro Besuch sogar negativ.
- Bei Reiseveranstaltern in Thailand trugen dagegen Besuche über Verweise, wiederkehrende Nutzer und die Sitzungsdauer zu Online-Buchungen bei.
- Für kleine Websites reichen wenige Kennzahlen, die direkt an eine Frage und ein Ziel wie Anfragen oder Käufe gekoppelt sind.
Inhalt6 Abschnitte
Web Analytics ist das Sammeln und Auswerten von Daten darüber, wie Menschen eine Website finden und nutzen: woher sie kommen, welche Seiten sie aufrufen und ob sie anfragen oder kaufen. Für kleine Websites reichen wenige Kennzahlen, die direkt an ein Ziel gekoppelt sind. Studien zeigen, dass verschiedene Tools für dieselbe Seite unterschiedliche Werte liefern und dass dieselbe Kennzahl je nach Geschäft etwas ganz anderes bedeuten kann.
Seit meiner Zeit in der Business Intelligence bei Snipes schaue ich bei jeder Zahl zuerst darauf, wie sie entstanden ist. Eine Zahl, deren Messung niemand kennt, führt schnell in die Irre. Bei quik richte ich heute Conversion Tracking mit Google Analytics 4 und dem Google Tag Manager für Kunden ein. Danach stellt sich fast immer die Frage, welche dieser vielen Zahlen man sich eigentlich anschauen sollte.
Für diesen Artikel habe ich Studien gesucht, die genau diese Frage berühren. Drei fand ich besonders nützlich, weil sie zeigen, wo Web Analytics an seine Grenzen kommt.
Was Web Analytics ist und wofür du es brauchst
Web Analytics misst das Verhalten auf deiner eigenen Website. Davon abzugrenzen ist Marketing Analytics, das alle Kanäle und Kampagnen betrachtet, auch außerhalb der Website. Wie ich dabei vorgehe, beschreibe ich im Artikel über Marketing Analytics. Die Frage, welcher Kanal einen Kunden gebracht hat, behandle ich im Artikel zur Marketing Attribution.
Für kleine Websites sind meist drei Werkzeuge relevant:
- Google Analytics 4 misst Besuche, Herkunft, Seitenaufrufe und Ziele wie Anfragen. Es braucht in der EU in der Regel eine Einwilligung der Besucher.
- Google Search Console zeigt, bei welchen Suchanfragen deine Seite in Google erscheint und wie oft sie angeklickt wird. Sie arbeitet mit Daten von Google und braucht keinen Code auf der Website.
- Datenschutzfreundliche Tools ohne Cookies liefern einfachere Zahlen, kommen aber je nach Einrichtung ohne Einwilligung aus.
Die wichtigsten Kennzahlen im Überblick:
| Kennzahl | Was sie misst | Worauf ich achte |
|---|---|---|
| Besucher | Wie viele Menschen kommen | Grob richtig, nie exakt |
| Herkunft | Suche, Verweise, Social Media, direkt | Welcher Kanal bringt Anfragen, nicht nur Besuche |
| Conversions | Anfragen, Käufe, Anmeldungen | Die wichtigste Zahl, sauber einrichten |
| Conversion Rate | Anteil der Besucher mit Conversion | Pro Seite und pro Kanal vergleichen |
| Absprungrate | Besuche mit nur einer Seite | Nur im Zusammenhang mit dem Seitenziel |
| Verweildauer | Wie lange ein Besuch dauert | Kann Interesse oder Ratlosigkeit zeigen |
| Sichtbarkeit | Impressionen in der Google-Suche | Früher Indikator, bevor Besucher kommen |
Mehrere Fallstudien, die ich bei quik nenne, messen genau diese letzte Zeile. Bei einer Organisationsberatung stiegen die Google-Impressionen auf das 6,4-Fache. Impressionen kommen vor Klicks und Klicks vor Anfragen. Sie sind deshalb oft das erste Signal, dass eine Website besser gefunden wird.
Zwei Tools, zwei Wahrheiten: wie genau Web Analytics misst
Viele behandeln die Zahlen in ihrem Analyse-Tool wie einen Kontoauszug. Jansen, Jung und Salminen (2022) zeigen in PLoS ONE, warum das nicht passt. Sie haben für 86 Websites aus 26 Ländern und 19 Branchen die monatlichen Durchschnittswerte eines Jahres verglichen, einmal aus Google Analytics und einmal aus SimilarWeb, einem Dienst, der Zahlen von außen schätzt.
Die Unterschiede waren bei allen vier untersuchten Kennzahlen statistisch signifikant. Mit Google Analytics als Bezugspunkt sahen die Werte von SimilarWeb so aus:

weniger Besuche SimilarWeb wies im Schnitt 19,4 % weniger Besuche aus als Google Analytics. Grundlage sind die monatlichen Durchschnittswerte eines Jahres für 86 Websites.
weniger Besucher Bei den einzelnen Besuchern lag SimilarWeb im Schnitt 38,7 % unter Google Analytics.
höhere Absprungrate Die Absprungrate fiel bei SimilarWeb im Schnitt 25,2 % höher aus.
längere Sitzungsdauer Die durchschnittliche Sitzungsdauer lag bei SimilarWeb im Schnitt 56,2 % höher.
Die gute Nachricht: Die Reihenfolge der Websites war in beiden Tools ähnlich, besonders bei Besuchen und Besuchern. Die Unterschiede waren systematisch. Die Autoren erklären sie mit den verschiedenen Arten, Daten zu sammeln. Einen echten Goldstandard gibt es laut ihnen nicht.
Für mich folgen daraus drei Regeln. Erstens: Vergleiche Zahlen nur innerhalb desselben Tools, nie zwischen zwei Tools. Zweitens: Schau auf Veränderungen und Verhältnisse, weniger auf absolute Werte. Drittens: Wenn du dich mit Wettbewerbern vergleichst, die du nur von außen schätzen kannst, rechne mit Abweichungen in beide Richtungen.
Dazu kommt ein Punkt, den die Studie nicht untersucht, der aber jede Website in der EU betrifft. Wer Google Analytics mit Einwilligung nutzt, sieht nur die Besucher, die zugestimmt haben. Die Zahlen sind also eine Stichprobe. Wie du ein Banner baust, das fair fragt, steht im Artikel über den Cookie-Banner.
Eine Zahl im Analyse-Tool ist eine Schätzung mit Methode. Wer die Methode nicht kennt, liest Rauschen als Trend.
Dieselbe Kennzahl, eine andere Bedeutung
Zwei Studien zeigen besonders deutlich, dass eine Kennzahl erst im Zusammenhang etwas bedeutet.
Hazzam und Dimungu-Hewage (2026) haben im Journal of Marketing Analytics die Websitedaten von 358 börsennotierten Industrieunternehmen in Großbritannien zwischen 2019 und 2024 ausgewertet. Sie wollten wissen, welche Kennzahlen mit dem wirtschaftlichen Erfolg zusammenhängen, gemessen an Eigenkapital- und Gesamtkapitalrendite.
Die Ergebnisse widersprechen manchem, was man über Web Analytics liest. Sichtbarkeit hing positiv mit dem Traffic zusammen, und der Traffic sagte bei profitablen Firmen die Eigenkapitalrendite voraus. Die Absprungrate hatte in keinem Modell einen signifikanten Effekt. Längere Besuche und mehr Seiten pro Besuch hingen sogar negativ mit der Gesamtkapitalrendite zusammen, häufige Wiederbesuche negativ mit der Eigenkapitalrendite. Die Autoren deuten lange Besuche und viele Wiederbesuche im B2B deshalb als Zeichen dafür, dass Besucher noch nicht gefunden haben, was sie suchen, und nicht als Kaufabsicht.
Kantanantha und Awichanirost (2022) kommen im Journal of Revenue and Pricing Management aus einer ganz anderen Richtung. Sie haben untersucht, welche Kennzahlen aus Google Analytics zu Online-Buchungen bei Reiseveranstaltern in Thailand beitragen. Drei Kennzahlen stachen heraus: Besuche über Verweise von anderen Seiten, wiederkehrende Nutzer und die durchschnittliche Sitzungsdauer. Mit diesen Größen sagten die Autoren die Buchungen voraus. Das beste Modell, ein neuronales Netz, lag im Schnitt um 11,39 % neben den tatsächlichen Werten.

Lange Besuche Bei Reisen beschäftigen sich Interessenten mit dem Angebot. Im B2B deuten Hazzam und Dimungu-Hewage lange Besuche als ungelöste Suche.
Wiederkehrende Besucher Wer eine Reise plant, kommt mehrfach zurück. Wer bei einem Industrieanbieter immer wieder sucht, findet die Antwort womöglich nicht.
Absprungrate In keinem Modell der britischen Studie zeigte die Absprungrate einen Zusammenhang mit dem Unternehmenserfolg.
Herkunft Bei den Reiseveranstaltern zählten Besuche über Verweise, bei den Industriefirmen hing Sichtbarkeit mit dem Traffic zusammen.
Die beiden Studien messen Unterschiedliches, das eine sind Buchungen, das andere Renditen. Ein direkter Vergleich ist deshalb nur eine Annäherung. Die Lehre halte ich trotzdem für robust: Eine längere Verweildauer ist kein Qualitätsmerkmal an sich. Bei einer Reise, die man in Ruhe plant, ist sie ein gutes Zeichen. Bei einem Industriezulieferer, dessen Kunden schnell eine technische Angabe brauchen, kann sie zeigen, dass die Seite schlecht sortiert ist.
Angenommen, ein Elektrobetrieb stellt fest, dass Besucher seiner Leistungsseite im Schnitt vier Minuten bleiben und fünf Unterseiten aufrufen. Das klingt nach Interesse. Wenn aber kaum jemand anfragt, lohnt sich ein zweiter Blick. Vielleicht suchen die Besucher nach einer einfachen Information wie dem Einsatzgebiet oder den Preisen für einen Zählerschrank und finden sie nicht. Die bessere Frage lautet dann: Welche Information braucht ein Besucher, um anzurufen, und wie schnell findet er sie? Für diese Frage reicht oft schon ein Blick auf die Suchbegriffe in der Search Console und ein Gespräch mit zwei Kunden.
Von der Kennzahl zur Frage: so würde ich Web Analytics aufsetzen
Gute Auswertungen beginnen für mich mit einer Frage. Das Dashboard kommt danach. Für kleine Websites würde ich so vorgehen:
- Ein Ziel festlegen. Was soll ein Besucher tun: anfragen, kaufen, sich anmelden? Dieses Ziel wird als Conversion sauber eingerichtet.
- Eine Leitfrage formulieren. Zum Beispiel: Von welchen Seiten kommen die Anfragen? Oder: Welcher Kanal bringt Besucher, die anfragen?
- Höchstens drei Kennzahlen wählen. Die passen zur Leitfrage. Alles andere bleibt im Tool, aber nicht im Bericht.
- Einmal im Monat schauen. Wöchentliche Schwankungen sind bei kleinen Seiten meist Zufall. Monatlich siehst du Trends.
- Jede Auffälligkeit gegenprüfen. Bevor du handelst, frag, ob sich etwas an der Messung geändert hat: neues Banner, neues Tracking, ein Feiertag.
Den Weg vom Besuch zur Anfrage kannst du dir als Trichter anschauen. Angenommen, eine Website hat im Monat 2.000 Besucher. 400 davon sehen die Angebotsseite, 80 die Kontaktseite, und 12 schicken eine Anfrage. Dann liegt die Conversion Rate insgesamt bei 0,6 %. Der größte Abfall liegt zwischen Kontaktseite und Anfrage: Nur 15 % der Menschen, die das Formular sehen, schicken es ab. Dort würde ich zuerst ansetzen. Wie du an solchen Stellen gezielt verbesserst, steht im Artikel zur Conversion-Rate-Optimierung.
Web Analytics zeigt dir allerdings nur, wo Menschen abspringen. Warum sie es tun, siehst du dort nicht. Dafür brauchst du Gespräche, Tests oder einen Kanal, über den Besucher Fragen stellen. Ein Live-Chat ist so ein Kanal. Wenn du Inhalte veröffentlichst, kannst du zusätzlich verfolgen, welche Artikel in deinem Unternehmensblog zu Anfragen führen.
Fehler, die ich im Web Analytics oft sehe
Fünf Fehler begegnen mir bei kleinen Websites immer wieder:
- Keine Conversion eingerichtet. Das Tool zählt Besucher, aber nicht, wer anfragt. Damit fehlt die wichtigste Zahl.
- Absprungrate als Schulnote. Eine Seite mit Telefonnummer, auf der Besucher sofort anrufen, hat eine hohe Absprungrate und erfüllt trotzdem ihren Zweck.
- Tools vermischt. Besucherzahlen aus zwei Werkzeugen werden verglichen, als wären sie dieselbe Messung. Die Studie mit 86 Websites zeigt, warum das täuscht.
- Zu oft hingeschaut. Wer täglich auf kleine Zahlen schaut, reagiert auf Zufall.
- Messung ohne Entscheidung. Ein Bericht, aus dem nie eine Änderung folgt, kostet nur Zeit.
Fazit
Web Analytics hilft kleinen Websites, wenn es mit einer Frage beginnt und mit einer Entscheidung endet. Die Studien zeigen: Verschiedene Tools liefern für dieselbe Seite systematisch andere Zahlen. Die Absprungrate sagte bei britischen Industrieunternehmen nichts über den Erfolg. Und lange Besuche können Interesse oder Ratlosigkeit bedeuten, je nach Geschäft.
Mein Vorschlag für diese Woche: Prüf, ob in deinem Analyse-Tool eine Conversion für dein wichtigstes Ziel eingerichtet ist. Wenn nicht, ist das der erste Schritt, noch vor jeder Auswertung. Was ich aus meinen eigenen Zahlen lerne, teile ich in den Unternehmer Thoughts.
Mit KI weiterdenken
Frag deine KI zu diesem Artikel
Öffnet den Dienst in einem neuen Tab. Erst mit dem Klick geht der Prompt an den Anbieter, vorher wird nichts übertragen.
Häufige Fragen
Was ist Web Analytics?
Web Analytics bezeichnet das Messen, Sammeln und Auswerten von Daten über die Nutzung einer Website. Dazu gehören Zahlen wie Besuche, Herkunft der Besucher, aufgerufene Seiten und abgeschlossene Ziele wie Anfragen oder Käufe. Bekannte Werkzeuge sind Google Analytics 4, die Google Search Console und datenschutzfreundliche Alternativen ohne Cookies.
Welche Kennzahlen sind im Web Analytics am wichtigsten?
Für die meisten kleinen Websites sind es die Zahl der Besucher, ihre Herkunft, die Zahl der Anfragen oder Käufe und die Conversion Rate dazwischen. Dazu kommt die Sichtbarkeit in der Google-Suche. Kennzahlen wie Absprungrate oder Verweildauer würde ich nur im Zusammenhang mit einem konkreten Ziel lesen.
Ist eine hohe Absprungrate schlecht?
Nicht unbedingt. Wer auf einer Seite sofort die Telefonnummer findet und anruft, zählt als Absprung, obwohl die Seite ihren Zweck erfüllt hat. Eine Studie mit britischen Industrieunternehmen fand keinen Zusammenhang zwischen Absprungrate und wirtschaftlichem Erfolg.
Brauche ich für Web Analytics ein Cookie-Banner?
Für Google Analytics brauchst du in der EU in der Regel eine Einwilligung, also ein Cookie-Banner. Es gibt Werkzeuge, die ohne Cookies und ohne personenbezogene Daten auskommen und je nach Einrichtung keine Einwilligung brauchen. Im Einzelfall solltest du das rechtlich prüfen lassen.
Quellen3 Quellen
- Hazzam, Dimungu-Hewage (2026): Measuring what matters: a longitudinal evaluation of website metrics and their association with UK manufacturing firm financial performance. Journal of Marketing Analytics (öffnet in neuem Tab)
- Jansen, Jung, Salminen (2022): Measuring user interactions with websites: A comparison of two industry standard analytics approaches using data of 86 websites. PLoS ONE (öffnet in neuem Tab)
- Kantanantha, Awichanirost (2022): Analyzing and forecasting online tour bookings using Google Analytics metrics. Journal of Revenue and Pricing Management (öffnet in neuem Tab)
Woran ich baue
- Boutique für digitales WachstumquikWebsites, Sichtbarkeit und Messung als ein System
- Marktplatz und Studio für AI Website Templatesai-website.comWebsites, die deine KI weiterbaut
- KI-fähiger Workspace aus Deutschlandquik OSEin Workspace, in dem KI-Assistenten mitarbeiten
Erstgespräch mit mir buchenUnternehmer Thoughts lesenAlle Projekte