In diesem Leitfaden finden Sie wichtige Informationen zu den Daten, die in Berichten angezeigt werden, die mit der Google Analytics Data API erstellt wurden. Nutzer stoßen häufig auf Abweichungen zwischen den von der API zurückgegebenen Daten (insbesondere der Methode runReport) und den in der Google Analytics-Benutzeroberfläche angezeigten Daten.
Stichprobenerhebung und Aggregation
Die Google Analytics Data API-Methode runReport kann erhobene Stichproben zurückgeben, insbesondere bei großen Datasets oder komplexen Abfragen. In der Google Analytics-Benutzeroberfläche wird ebenfalls eine Stichprobenerhebung durchgeführt. Die spezifischen Grenzwerte und Algorithmen können sich jedoch unterscheiden, was zu geringfügigen Abweichungen bei den gemeldeten Werten führt.
Wenn Sie wissen möchten, ob die Ergebnisse des Berichts auf einer Teilmenge der verfügbaren Daten basieren, prüfen Sie das Feld samplingMetadatas des ResponseMetaData-Objekts. Wenn die Berichtsergebnisse auf Stichproben basieren, wird in diesem Feld der Prozentsatz der Ereignisse angegeben, die in diesem Bericht verwendet wurden.
Bei bestimmten Berichterstellungsmethoden der Google Analytics Data API können Sie die gewünschte Stichprobenebene angeben. Mit dem Feld samplingLevel der Methode properties.reportTasks.create können Sie die Stichprobenebene des Berichts steuern.
Mit dieser Funktion erhalten Google Analytics 360-Properties Zugriff auf höhere Datenbegrenzungen bei der Stichprobenerhebung von 1 Milliarde Ereignissen. Außerdem können Stichprobenlimits auf UNSAMPLED gesetzt werden, um nicht stichprobenartige Ergebnisse für große Ereigniszahlen zu verwenden.
Weitere Informationen finden Sie unter Informationen zur Stichprobenerhebung.
Schätzung der eindeutigen Anzahl
In der Google Analytics Data API wird der HyperLogLog++-Algorithmus (HLL++) verwendet, um die Anzahl der einzelnen Werte für Messwerte wie „Aktive Nutzer“ und „Sitzungen“ zu schätzen. Dieser Ansatz wird in der API und der Google Analytics-Benutzeroberfläche verwendet, um die Leistung zu verbessern und große Datasets effizient zu verwalten. Die Ergebnisse sind also Näherungswerte und keine genauen Zahlen.
Weitere Informationen finden Sie unter Schätzung der eindeutigen Anzahl in Google Analytics und Unterschiede bei der Nutzerzahl.
Datenschwellenwerte
In Google Analytics können Datenschwellenwerte auf Berichte angewendet werden, um zu verhindern, dass einzelne Nutzer anhand von demografischen Merkmalen, Interessen oder anderen Signalen in den Daten identifiziert werden.
Wenn eine Berichtszeile nur wenige Nutzer enthält, wird sie möglicherweise aus den Ergebnissen ausgeschlossen. Das ist häufiger bei Berichten der Fall, die Dimensionen mit hoher Kardinalität oder benutzerdefinierte Dimensionen enthalten.
Wenn Sie wissen möchten, ob für diesen Bericht ein Grenzwert gilt, prüfen Sie das Feld subjectToThresholding des ResponseMetaData-Objekts.
Weitere Informationen zu Datenschwellenwerten
Die Zeile (other)
Wenn eine Dimension eine hohe Kardinalität hat, werden weniger häufige Werte in Google Analytics möglicherweise in einer Zeile mit der Bezeichnung (other) zusammengefasst. Dies kommt häufiger in Berichten vor, die Dimensionen mit mehr als 500 eindeutigen Werten pro Tag enthalten.
Wenn Sie Filter mit der Data API verwenden, beachten Sie, dass Filter nicht in der Zeile (other) suchen und nach der Aggregation der Daten und der Generierung der Zeile (other) angewendet werden.
Wenn Sie wissen möchten, ob ein Bericht Daten enthält, die in der Zeile (other) zusammengefasst sind, prüfen Sie das Feld dataLossFromOtherRow des Objekts ResponseMetaData.
Weitere Informationen finden Sie unter Zeile „(other)“ in Google Analytics.
Identität für die Berichterstellung
Die Identität für die Berichterstellung bestimmt, wie Nutzer in Berichten dedupliziert werden. Unterschiedliche Identitätseinstellungen (z. B. „Zusammengeführt“ oder „Gerätebasiert“) können zu unterschiedlichen Nutzerzahlen für denselben Zeitraum führen.
Sowohl die Google Analytics-Benutzeroberfläche als auch die Data API verwenden für Ihre Property dieselbe Einstellung für die Identität für die Berichterstellung. Wenn diese Einstellung geändert wird, wirkt sich das sowohl auf Berichte in der Benutzeroberfläche als auch in der API aus. Wenn die Einstellung zwischen dem Erstellen eines Berichts in der Benutzeroberfläche und dem Abrufen der Berichtsdaten über die API geändert wird, können sich die Nutzerzahlen in den beiden Berichten für denselben Zeitraum unterscheiden.
Spezifität der Abfrage
Um Abweichungen zu minimieren, müssen die folgenden Parameter in Ihrer API-Anfrage genau mit den Einstellungen im Google Analytics-Bericht übereinstimmen:
- Zeiträume: Prüfen Sie, ob Start- und Enddatum identisch sind.
- Dimensionen und Messwerte: Die Dimensionen und Messwerte in Ihrer API-Anfrage müssen mit den Dimensionen und Messwerten im Bericht der Google Analytics-Benutzeroberfläche übereinstimmen.
- Filter: Die in der API-Anfrage angewendeten Dimensions- oder Messwertfilter müssen mit denen in der Benutzeroberfläche übereinstimmen.
Wenn Sie einem Bericht Dimensionen hinzufügen, werden möglicherweise weniger Ereignisse für Berechnungen verwendet. In einem Bericht sind nur Ereignisse enthalten, die Daten für die angeforderten Dimensionen enthalten. Wenn Sie einer Abfrage Dimensionen hinzufügen, kann dies die aggregierten Werte für Messwerte in einem Bericht ändern.
Datenaktualität
Die Verarbeitung und Aggregation von Ereignisdaten in Google Analytics nimmt Zeit in Anspruch. Wenn Sie mit sehr aktuellen Daten arbeiten, können geringfügige Unterschiede zwischen Berichten auftreten, wenn zwischen den Datenabrufen eine Zeitverzögerung liegt. Wenn Sie sich beispielsweise einen Bericht in der Benutzeroberfläche ansehen und dann einige Minuten später denselben Bericht über die API abfragen, haben sich die Daten möglicherweise aufgrund der laufenden Verarbeitung und Aggregation geändert.
Weitere Informationen finden Sie unter Datenaktualität.
Alternativen zu Gesamtdaten
Wenn für Ihren Anwendungsfall vollständige, nicht Stichproben entnommene Daten auf Ereignisebene erforderlich sind, können Sie die folgenden Alternativen verwenden:
BigQuery Export: BigQuery Export für Google Analytics
ist die empfohlene Methode für die erweiterte Analyse von Rohereignisdaten.
Analytics 360: Properties mit einer Analytics 360-Lizenz haben höhere Datenbegrenzungen bei der Stichprobenerhebung und Zugriff auf detailliertere Berichtsfunktionen.