Segment (Analytics)

Definition: Ein Segment in der Web-Analytics ist eine dynamisch definierte Teilmenge aller verfügbaren Daten – üblicherweise eine Untergruppe von Nutzern, Sitzungen oder Ereignissen –, die nach bestimmten Kriterien gefiltert wird, um isolierte, vertiefende oder vergleichende Analysen durchzuführen. Segmente erlauben es, das Verhalten spezifischer Nutzergruppen zu isolieren und mit dem Gesamtverhalten oder anderen Segmenten zu vergleichen, ohne die Grunddaten zu verändern. In Google Analytics 4 werden Segmente primär im Explorations-Bereich eingesetzt und können auf drei Ebenen definiert werden: Nutzersegmente umfassen alle Nutzer, die bestimmte Bedingungen erfüllen (z. B. Nutzer, die mindestens zweimal die Website besucht haben); Sitzungssegmente filtern auf Basis von Eigenschaften einer einzelnen Sitzung (z. B. Sitzungen, die über Google Ads-Kampagnen gestartet wurden); Ereignissegmente umfassen alle Ereignisse, die bestimmten Kriterien entsprechen (z. B. alle Kaufereignisse mit einem Bestellwert über 100 Euro). Segmente können temporäre oder persistente Bedingungen kombinieren und zeitliche Sequenzen abbilden – sogenannte Sequenzsegmente ermöglichen die Analyse von Nutzern, die eine bestimmte Abfolge von Aktionen durchgeführt haben, etwa: Produktseite besucht → Warenkorb hinzugefügt → Kauf nicht abgeschlossen. Die Definition von Segmenten ist nicht-destruktiv: Alle Berichtsdaten bleiben unverändert, und Segmente können jederzeit angepasst oder entfernt werden. Segmente bilden das analytische Gegenstück zu Audiences, die für Werbezwecke exportiert werden können.

Erläuterung

Die Segmentierung ist eine der mächtigsten Analysemethoden in der Web-Analytics, denn sie ermöglicht den Wechsel von der Vogelperspektive – dem aggregierten Gesamttraffic – zur Detailansicht spezifischer Nutzergruppen. Ohne Segmentierung liefern Analytics-Berichte Durchschnittswerte, die das tatsächliche Verhalten verschiedener Nutzergruppen verbergen können.

Ein klassisches Beispiel illustriert dies: Die durchschnittliche Conversion Rate einer Website beträgt 2 %. Eine Segmentierung nach Akquisitionskanal zeigt, dass organische Suchanfragen eine Conversion Rate von 4 % erzielen, während Display-Werbung nur auf 0,5 % kommt. Ohne Segmentierung wäre dieser Unterschied im Gesamtdurchschnitt unsichtbar – und wichtige Budgetentscheidungen würden auf einer verzerrten Datengrundlage getroffen.

In GA4 ist das Segment-Konzept im Vergleich zu Universal Analytics erheblich mächtiger und flexibler geworden. Während UA-Segmente hauptsächlich auf Sitzungs- und Nutzerebene arbeiteten, erlaubt GA4 die Erstellung komplexer Segmente auf dem ereignisbasierten Datenmodell. Bedingungen können mit UND/ODER-Verknüpfungen kombiniert werden, zeitliche Sequenzen können definiert werden (z. B. „Ereignis A muss vor Ereignis B eingetreten sein, innerhalb von 30 Minuten"), und es können sowohl Einschluss- als auch Ausschlussbedingungen formuliert werden.

Besonders wertvoll sind Sequenzsegmente, mit denen komplexe Nutzerreisen analysiert werden können. Ein E-Commerce-Unternehmen kann z. B. das Verhalten von Nutzern isolieren, die zunächst über eine organische Suchanfrage kamen, dann eine Produktseite besuchten, die Seite verließen, innerhalb von 7 Tagen über einen Direct-Kanal zurückkehrten und schließlich einen Kauf abschlossen. Dieses Muster ist ohne Sequenzsegmente nicht sichtbar und liefert wertvolle Erkenntnisse über den tatsächlichen Multi-Touch-Entscheidungsprozess der Kunden.

Segmente unterscheiden sich konzeptionell von Filtern: Filter verändern dauerhaft die in einem Bericht angezeigten Daten, während Segmente die Daten temporär überlagern. Segmente unterscheiden sich auch von Audiences: Audiences werden für Werbezwecke exportiert und haben eine zeitliche Mitgliedschaft, während Segmente rein analytische Konstrukte sind, die rückwirkend auf historische Daten angewendet werden können – ein wesentlicher Vorteil für retrospektive Analysen.

Segmenttypen in GA4 Explorations

• Nutzersegmente: Gruppieren Nutzer nach Kriterien, die über mehrere Sitzungen hinweg gelten – z. B. Nutzer, die in den letzten 30 Tagen mindestens einen Kauf getätigt haben, oder Nutzer, die aus einem bestimmten Land stammen und mehr als drei Seiten aufgerufen haben.
• Sitzungssegmente: Filtern einzelne Sitzungen nach sitzungsbezogenen Eigenschaften – z. B. Sitzungen, die über einen bestimmten Kanal gestartet wurden, eine Mindestdauer hatten oder auf einer bestimmten Seite begannen.
• Ereignissegmente: Isolieren einzelne Ereignisse nach Ereignisparametern – z. B. alle Purchase-Ereignisse mit einem Wert über einem bestimmten Schwellenwert oder alle Scroll-Ereignisse auf einer bestimmten Seitengruppe.
• Sequenzsegmente: Definieren geordnete Abfolgen von Aktionen mit optionalen zeitlichen Einschränkungen – z. B. Nutzer, die zunächst die Startseite aufgerufen und innerhalb von 5 Minuten anschließend einen Checkout begonnen haben.

Praktische Anwendungsszenarien

• Kanal-Vergleich: Gegenüberstellung der Conversion Rates, Verweildauern und Engagement-Raten verschiedener Traffic-Quellen – unverzichtbar für die strategische Marketingbudget-Allokation.
• Geräteanalyse: Vergleich des Verhaltens von Desktop-, Tablet- und Mobilnutzern zur Identifikation von Optimierungspotenzial bei der mobilen Nutzererfahrung.
• Neukunden vs. Bestandskunden: Unterschiedliche Verhaltens- und Kaufmuster beider Gruppen helfen, personalisierte Marketingstrategien und differenzierte Werbebotschaften zu entwickeln.
• Hochwertige Nutzer identifizieren: Segmentierung nach Umsatz-Beiträgen oder Kaufhäufigkeit zur Identifikation der wertvollsten Nutzergruppe als Basis für Look-alike-Targeting in Werbeplattformen.
• Fehleranalyse: Isolierung von Nutzern, die eine Fehlerseite oder eine Checkout-Abbruch-Seite aufgerufen haben, zur Analyse der Herkunft und der Aktionen vor dem Problemereignis.