Wichtige Fakten - GA4 Benutzerdefinierte Dimensionen

Dieser Leitfaden erklärt das Thema GA4 Benutzerdefinierte Dimensionen im praktischen Kontext. Seitenaufrufe zeigen nur, dass /docs Traffic bekam; GA4 benutzerdefinierte Dimensionen sagen Ihnen, ob dieser Traffic API-Dokumenten, Migrationsanleitungen, Einsteigerhandbüchern oder Unternehmens-Setup-Seiten galt.

Benutzerdefinierte Dimensionen verwandeln generische Analysen in nützliche Analysen. Seitenaufrufe zeigen Ihnen, dass /docs Traffic erhalten hat. Eine benutzerdefinierte Dimension kann Ihnen sagen, ob dieser Datenverkehr für API-Dokumente, Migrationsdokumente, Einsteigerhandbücher oder Unternehmens-Setup-Seiten erfolgte.

Der Trick besteht darin, geschäftlichen Kontext hinzuzufügen, ohne die Analyse in Überwachung umzuwandeln. Gute benutzerdefinierte Dimensionen sind grob, vorhersehbar und an Entscheidungen gebunden. Schlechte benutzerdefinierte Dimensionen sind persönlich, frei formbar und unmöglich zu regeln.

Was sind benutzerdefinierte Dimensionen?

Eine benutzerdefinierte Dimension ist ein zusätzliches Attribut, das einem Analyseereignis, einem Seitenaufruf oder einem Besuch zugeordnet ist. Anstatt nur Standardfelder wie Pfad, Referrer, Browser und Land zu melden, können Sie Berichte nach Feldern erstellen, die Ihrem Produkt oder Inhaltsmodell entsprechen.

Beispiele:

• plan_tier: kostenlos, Pro, Business, Enterprise
• content_type: Blog, Dokumente, Vergleich, Änderungsprotokoll
• page_category: Preisgestaltung, Onboarding, Support, Integration
• account_age: neu, aktiv, ausgereift
• role: Eigentümer, Administrator, Mitglied
• experiment_variant: a, b

Diese sind leistungsstark, weil sie Fragen beantworten, die Standardanalysen nicht beantworten können: Lesen Unternehmensbesucher Sicherheitsseiten, bevor sie eine Demo buchen? Erhalten Benutzer des Free-Tarifs Aktivierungsdokumente? Welche Inhaltskategorien führen zu Testanmeldungen?

Dimensionen aus Entscheidungen auswählen

Beginnen Sie nicht mit der Frage: „Was können wir verfolgen?“ Beginnen Sie mit Entscheidungen:

• Welche Marketingkanäle bringen qualifizierten Traffic?
• Welche Dokumente reduzieren Support-Tickets?
• Welche Produktbereiche fördern die Aktivierung?
• Welches Plansegment wird von der Testversion in die kostenpflichtige Version umgewandelt?
• Welche Kampagnen ziehen Besucher an, die das Produkt tatsächlich nutzen?

Definieren Sie dann die kleinsten benötigten Dimensionen.

Datenschutzregeln für benutzerdefinierte Dimensionen

In benutzerdefinierten Dimensionen sammeln Analyseteams versehentlich personenbezogene Daten. GDPR definiert personenbezogene Daten im weitesten Sinne, und CCPA umfasst Informationen, die vernünftigerweise mit einem Verbraucher oder Haushalt in Verbindung gebracht werden können. Eine Dimension muss kein Name sein, um ein Risiko zu erzeugen.

Vermeiden Sie das Senden von:

• E-Mail-Adressen
• Namen
• Telefonnummern
• Konto IDs
• Rohbenutzer IDs
• Wallet-Adressen
• IP Adressen
• genauer Standort
• Rechnung IDs
• Support-Tickettext
• Formularfeldwerte

Bevorzugen Sie Eimer und Etiketten. Verwenden Sie company_size: 11-50 anstelle einer genauen Mitarbeiterzahl. Verwenden Sie account_age: 30-90d anstelle des Anmeldezeitstempels. Verwenden Sie country: DE anstelle des Standorts auf Stadtebene, es sei denn, die Stadt ist wirklich erforderlich und rechtmäßig.

Die Anleitung zur Zielgruppenmessung von CNIL ist ein nützlicher Maßstab: Analysedaten sollten nicht mit nicht verwandten Datensätzen kombiniert oder für die Zielgruppenausrichtung wiederverwendet werden, wenn Sie im Bereich mit geringem Risiko bleiben möchten.

Implementierungsmuster

Definieren Sie vor dem Versand ein Ereignisschema:

type AnalyticsContext = {
  content_type?: 'blog' | 'docs' | 'pricing' | 'support';
  plan_tier?: 'free' | 'pro' | 'business' | 'enterprise';
  role?: 'owner' | 'admin' | 'member';
  experiment_variant?: 'a' | 'b';
};

Anschließend die Maße einheitlich anbringen:

analytics.track('signup_started', {
  plan_tier: 'pro',
  page_category: 'pricing',
  experiment_variant: 'b',
});

Halten Sie die Werte nach Möglichkeit aufzählbar. Freitext ist schwer zu validieren, schwer zu übersetzen, schwer zu aggregieren und leicht zu missbrauchen.

Governance-Checkliste

Notieren Sie vor dem Hinzufügen einer Dimension Folgendes:

1. Eigentümer: der es angefordert hat und wer es pflegt.
2. Frage: welche Entscheidung es unterstützt.
3. Zulässige Werte: genaue Listen- oder Bucket-Logik.
4. Datenschutzüberprüfung: warum es nicht personenbezogen ist oder warum die Verarbeitung rechtmäßig ist.
5. Aufbewahrung: wie lange es nützlich bleibt.
6. Dashboard: wo es tatsächlich verwendet wird.

Wenn niemand das Dashboard oder die Entscheidung benennen kann, fügen Sie die Dimension nicht hinzu.

Häufige Anwendungsfälle

Inhaltsleistung: Markieren Sie Artikel nach Thema, Trichterphase und Inhaltstyp. Dies zeigt, ob Leitfäden zur Einhaltung des Datenschutzes, Produkt-Tutorials oder Vergleichsseiten zu besseren Conversions führen.

Produktaktivierung: Markieren Sie Ereignisse nach Einrichtungsphase. Für ein SaaS-Produkt sind workspace_created, integration_connected und first_report_viewed oft wichtiger als jeder Klick.

B2B-Qualifikation: Verwenden Sie nur dann grobe firmografische Eimer aus Ihrem eigenen CRM, wenn dies angemessen ist. Vergleichen Sie beispielsweise den Datenverkehr im Selbstbedienungs-, Mittelstands- und Unternehmensverkehr, ohne Firmennamen an Analytics zu senden.

Experimente: Hängen Sie den Namen und die Variante des Experiments an Expositions- und Conversion-Ereignisse an. Entfernen Sie die Dimension nach Ende des Experiments, wenn sie keinen fortlaufenden Wert hat.

Tipps zur Berichterstattung

Schneiden Sie nicht jede Metrik nach jeder Dimension auf. Dadurch entstehen winzige Segmente und falsche Schlussfolgerungen. Wählen Sie für jeden Bericht eine primäre Dimension aus:

• Übernahme durch utm_source
• Konvertierung durch page_category
• Aktivierung durch plan_tier
• Aufbewahrung durch account_age
• Dokumentationseinbindung von content_type

Achten Sie auf Werte mit hoher Kardinalität. Wenn eine Dimension Tausende eindeutiger Werte aufweist, ist sie möglicherweise zu detailliert, zu persönlich oder zu chaotisch.

Checkliste für die Freigabe der Implementierung

Nutzen Sie diesen Artikel als Schritt-für-Schritt-Anleitung zur Implementierung. Bestätigen Sie vor dem Versand benutzerdefinierter Dimensionen Folgendes:

• Jede Dimension hat einen Eigentümer, eine Entscheidung, zulässige Werte und eine Aufbewahrungserwartung.
• Werte sind nach Möglichkeit aufzählbar oder in Gruppen unterteilt.
• Es werden keine E-Mail-Adresse, kein Name, keine Telefonnummer, kein Konto ID, keine vollständige IP-Adresse, kein Token, keine Rechnung ID oder kein Freitextformularwert gesendet.
• Felder mit hoher Kardinalität sind beabsichtigt und werden überprüft.
• Dashboards verwenden tatsächlich die Dimension.
• Die Qualitätssicherung bestätigt, dass die Nutzlast mit dem Ereigniswörterbuch übereinstimmt.

Benutzerdefinierte Dimensionen sind leistungsstark, weil sie Kontext hinzufügen. Sie werden riskant, wenn sie stillschweigend Identität hinzufügen.

Das Fazit

Benutzerdefinierte Dimensionen eignen sich am besten, wenn sie Kontext und keine Identität hinzufügen. Nutzen Sie sie, um Gruppen, Seiten, Kampagnen und Produktphasen zu verstehen. Halten Sie sie klein, kontrolliert und datenschutzbewusst, und Ihre Analysen werden nützlicher, ohne aufdringlicher zu werden.

Ein Namens- und Wertestandard

Schreiben Sie vor der Implementierung einen kurzen Standard. Dimensionsnamen sollten in Kleinbuchstaben geschrieben, lesbar und stabil sein, z. B. page_category, plan_tier, content_type oder signup_source. Werte sollten nach Möglichkeit aus einer Zulassungsliste stammen: pricing, docs, blog, starter, business, enterprise. Vermeiden Sie Werte, die eine Person, ein Unternehmen, den genauen Umsatz, eine E-Mail-Domäne oder Freitexteingaben offenlegen.

Entscheiden Sie auch, wie fehlende Werte angezeigt werden. Verwenden Sie unknown oder lassen Sie die Eigenschaft dauerhaft deaktiviert. Mischen Sie keine Leerzeichen, Nullen und benutzerdefinierten Beschriftungen über Ereignisse hinweg. Unordentliche Dimensionswerte führen zu Berichtsfehlern und Problemen bei der Datenschutzprüfung. Ein sauberer Standard erleichtert das Abfragen, Übersetzen, Dokumentieren und spätere Löschen benutzerdefinierter Dimensionen.

Häufig gestellte Fragen

Was ist eine benutzerdefinierte Dimension in der Analyse?

Eine benutzerdefinierte Dimension ist ein zusätzliches Attribut, das an ein Ereignis, einen Seitenaufruf oder einen Besuch angehängt wird, zusätzlich zu Standardfeldern wie Pfad, Referrer, Browser und Land. Damit lässt sich nach dem eigenen Produkt- oder Content-Modell auswerten, etwa nach plan_tier oder content_type. Dieser Kontext macht aus einer reinen Seitenaufrufzahl etwas, worauf man reagieren kann.

Worin unterscheidet sich eine benutzerdefinierte Dimension von einem Standardfeld?

Standardfelder sind im Analyse-Tool fest eingebaut: Pfad, Referrer, Browser, Land. Benutzerdefinierte Dimensionen definiert man selbst, passend zum eigenen Produkt, etwa role, page_category oder experiment_variant. Sie beantworten Fragen, für die die Standardfelder nie gedacht waren.

Wie viele benutzerdefinierte Dimensionen sollte eine Website erfassen?

Die Zahl sollte klein und kontrolliert bleiben, statt alles Verfügbare zu erfassen. Jede Dimension braucht einen Owner, eine Entscheidung, die sie unterstützt, und ein Dashboard, in dem sie tatsächlich genutzt wird. Kann niemand das Dashboard oder die Entscheidung benennen, wird die Dimension nicht hinzugefügt.

Darf eine benutzerdefinierte Dimension eine rohe Nutzer-ID enthalten?

Rohe Nutzer-IDs, Account-IDs und ähnliche Kennungen stehen auf der Vermeidungsliste, weil sie eine Dimension zu personenbezogenen Daten machen. Stattdessen werden Buckets und Labels verwendet, etwa company_size: 11-50 statt einer exakten Zahl. Ziel ist Kontext, nicht Identität.

Was unterscheidet account_age von einem Signup-Zeitstempel?

Ein Signup-Zeitstempel ist exakt und lässt sich auf eine Person zurückführen. account_age als Bucket wie 30-90d liefert denselben analytischen Nutzen, ob ein Nutzer neu oder etabliert ist, ohne die Präzision, die das Datenschutzrisiko erzeugt. Buckets statt exakter Werte sind die generelle Regel für benutzerdefinierte Dimensionen.

Wer sollte eine benutzerdefinierte Dimension verantworten?

Jede Dimension braucht einen benannten Owner, die Person, die sie angefordert hat und pflegt. Das steht in der Governance-Checkliste neben der unterstützten Entscheidung, den erlaubten Werten, einer Datenschutzprüfung und einem Aufbewahrungsplan. Ohne Owner verwaist eine Dimension, und niemand merkt, wenn sie kaputtgeht.

Sollte eine benutzerdefinierte Dimension nach Ende eines Experiments entfernt werden?

Ja. Experimentname und Variante werden an Exposure- und Conversion-Ereignisse angehängt, solange der Test läuft, aber nach dessen Ende hat die Dimension keinen fortlaufenden Nutzen mehr. Sie zu entfernen hält das Schema sauber und verhindert, dass sich Dimensionen ansammeln, die niemand mehr prüft.

Was bedeutet hohe Kardinalität, und warum ist sie bei benutzerdefinierten Dimensionen wichtig?

Hohe Kardinalität bedeutet, dass eine Dimension Tausende eindeutiger Werte hat statt einer überschaubaren Menge. Das ist ein Zeichen dafür, dass sie zu granular, zu persönlich oder zu unordentlich ist, um in einem Report nützlich zu sein. Das gilt es zu beobachten und als Signal zu nehmen, die Werte zu bündeln oder die Dimension zu überdenken.

Ist Freitext ein akzeptabler Wert für eine benutzerdefinierte Dimension?

Freitext ist schwer zu validieren, schwer zu übersetzen, schwer zu aggregieren und leicht zu missbrauchen, deshalb sind aufzählbare Werte vorzuziehen, wo immer möglich. Eine Allowlist wie pricing, docs, blog, starter, business, enterprise hält eine Dimension abfragbar und leichter für die Datenschutzprüfung. Support-Ticket-Text und andere Freiformfelder stehen ausdrücklich auf der Liste dessen, was vermieden werden sollte.

Wie lässt sich die Audience-Measurement-Richtlinie der CNIL auf benutzerdefinierte Dimensionen anwenden?

Die CNIL-Richtlinie stuft Analysedaten nur dann als risikoarm ein, wenn sie nicht mit unabhängigen Datensätzen kombiniert oder für Targeting wiederverwendet werden. Das ist ein nützlicher Maßstab gerade für benutzerdefinierte Dimensionen, weil sich leicht ein Feld hinzufügen lässt, das Analyse still in etwas verwandelt, das eher Profiling ähnelt. Bei Kontext zu bleiben, der eine Entscheidung stützt, statt Identität zu liefern, hält eine Dimension in diesem risikoarmen Bereich.