![\"Sechs](\"https:\/\/www.lukaswojcik.com\/blog\/wp-content\/uploads\/diagrams\/modellschwellen-de.png\")
Die zwei Bedingungen sind nicht symmetrisch<\/h2>\n
Der Unterschied im Wortlaut ist leicht zu \u00fcberlesen und entscheidet den Fall: Die erste Bedingung z\u00e4hlt Ereignisse<\/em>, die zweite z\u00e4hlt Nutzer<\/em>. Ein Auftritt mit vielen Seitenaufrufen je Besuch erreicht die erste Marke deutlich fr\u00fcher als die zweite, denn ein Mensch erzeugt an einem Tag ein Dutzend Ereignisse, aber bleibt ein Nutzer.<\/p>\n Dazu kommt die Fensterung. Die erste Bedingung verlangt sieben Tage, die zweite sieben von 28. Beides sind Mindestwerte auf gleitenden Fenstern, und keines davon steht irgendwo in der Oberfl\u00e4che als Fortschrittsanzeige.<\/p>\n Die Modellierung braucht Vorbilder. Sie \u00fcbertr\u00e4gt das Verhalten der einwilligenden Menschen auf die ablehnenden, und daf\u00fcr braucht sie genug einwilligende – nicht genug ablehnende. Damit ger\u00e4t ein Auftritt mit hoher Ablehnungsquote in eine unangenehme Lage: Er hat reichlich L\u00fccken zu f\u00fcllen und zu wenig Material, mit dem sich f\u00fcllen lie\u00dfe.<\/p>\n Genau dieser Fall steht im Bild als f\u00fcnftes Feld. Die obere Reihe liegt weit \u00fcber der Linie, die untere knapp darunter, und das Urteil lautet trotzdem: nicht modelliert. Wer nur die Ablehnungsquote betrachtet, h\u00e4lt das f\u00fcr einen Fehler.<\/p>\n Sind die Schwellen erreicht, erscheinen gesch\u00e4tzte Werte in den Standardberichten, etwa bei Nutzern, Sitzungen und neuen Nutzern. Die Liste dessen, wo sie nicht<\/em> erscheinen, ist l\u00e4nger und praktisch wichtiger.<\/p>\n Damit hat der Bericht in der Oberfl\u00e4che eine Zahl, die im Export nicht zu reproduzieren ist – und zwar nicht durch einen Fehler, sondern weil die eine Zahl eine Sch\u00e4tzung enth\u00e4lt und die andere nicht. Wer beide Quellen nebeneinander benutzt und die Abweichung sucht, sucht nach etwas, das keine Ursache in den Daten hat.<\/p>\n Googles Seite h\u00e4lt ausdr\u00fccklich fest, dass ein Bestand, der die Voraussetzungen einmal erf\u00fcllte und sp\u00e4ter nicht mehr, die gesch\u00e4tzten Daten verliert – und sie wiederbekommt, wenn er sie wieder erf\u00fcllt. Angek\u00fcndigt wird keiner der beiden \u00dcberg\u00e4nge.<\/p>\n F\u00fcr eine Zeitreihe hei\u00dft das, dass sich die Z\u00e4hlweise mitten im Verlauf \u00e4ndern kann, ohne dass ein Hinweis daran steht. Ein Auftritt mit saisonalem Verkehr durchl\u00e4uft das wom\u00f6glich zweimal im Jahr. Das vierte Feld im Bild ist deshalb der unangenehme Fall, nicht das dritte: Wer die Linie klar verfehlt, hat wenigstens eine gleichm\u00e4\u00dfige Zeitreihe.<\/p>\n Ebenso h\u00e4lt die Seite fest, dass die \u00e4u\u00dferen Voraussetzungen keine Zusage sind. Das Modell legt eigene Kriterien dar\u00fcber, und genannt werden das Verh\u00e4ltnis neuer zu wiederkehrenden Nutzern und das Verh\u00e4ltnis von Nutzern zu Sitzungen.<\/p>\n Die Schwellen selbst lassen sich nachrechnen, und das ist der erste Schritt. Zwei Zahlen gen\u00fcgen: Ereignisse je Tag mit verweigerter Speicherung und t\u00e4glich einwilligende Nutzer. Beide stehen im Bestand, und die Antwort ist ein Ja oder Nein, kein Gef\u00fchl.<\/p>\n F\u00e4llt die Antwort auf Nein, ist die Folge nicht Ratlosigkeit, sondern Klarheit: Die Berichtszahlen sind dann ausschlie\u00dflich gez\u00e4hlte Werte einwilligender Menschen, und der ablehnende Teil fehlt ganz. Das ist eine ehrlichere Grundlage als eine Zahl, von der niemand wei\u00df, welcher Anteil daran gesch\u00e4tzt ist. Wer den fehlenden Teil trotzdem einsch\u00e4tzen will, kommt an einer eigenen Rechnung nicht vorbei – und die beginnt mit der Ablehnungsquote, die ohnehin messbar ist.<\/p>\nWarum die zweite Bedingung die schwierigere ist<\/h2>\n
Wo modellierte Zahlen stehen und wo nicht<\/h2>\n
Modellierte Werte erscheinen\n\n Standardberichte Nutzer, Sitzungen, neue Nutzer\n\nModellierte Werte erscheinen nicht\n\n BigQuery-Export gar nicht\n Zielgruppen nicht\n Nutzer-Explorer nicht\n Kohortenanalyse nicht\n Segmente mit Abfolgen nicht\n Bindungsberichte nicht\n Vorhersagemetriken nicht\n Pfad- und Trichteranalyse anders behandelt\n\n Folge: Oberflaeche und Export zaehlen unterschiedlich, und\n beide haben recht. Der Unterschied ist die Modellierung.<\/code><\/pre>\nDie Eignung ist nicht dauerhaft<\/h2>\n
Was sich daraus ergibt<\/h2>\n