GA4 Explorations ist die Analysten-Arbeitsfläche in Google Analytics 4, in der Sie Rohdaten direkt abfragen, statt sich auf vordefinierte Standardberichte zu verlassen. Nutzen Sie Explorations immer dann, wenn Sie Trichter, Nutzerpfade, Segmentüberlappungen oder Kohorten untersuchen müssen, für die es keinen fertigen Bericht gibt. Zwei Fallen sollten Sie dabei von Anfang an kennen: die Datenaufbewahrung begrenzt historische Abfragen, und ab etwa 10 Millionen Events greift Sampling in die Ergebnisse ein.

Kurz gesagt:

  • Sampling bei GA4-Explorations tritt ab 10 Millionen Events auf, was die Ergebnisqualität bei großen Datenmengen erheblich beeinflusst.
  • Die Wahl der Explorationstechnik sollte stets von der jeweiligen Forschungsfrage abhängen, nicht von der optischen Darstellung.
  • Es gibt pro Property maximal 200 private und 500 geteilte Explorations, wobei pro Tab nur zehn Segmente und Filter erlaubt sind.
  • Standardberichte sind für wiederkehrende Kennzahlen geeignet, während Explorations für individuelle, flexible Analysen genutzt werden sollten.
  • Bei der Datenanalyse sind regelmäßig die Aufbewahrungsdauer, das Sampling und das Vorhandensein von kleineren Nutzersegmenten zu prüfen, um Fehlinterpretationen zu vermeiden.
Neomarketing
neomarketing.de
GA4-Daten sicher interpretieren
Neomarketing unterstützt dich bei GA4-Integration und datengetriebenen Analysen für fundierte Entscheidungen im E-Commerce.

Neomarketing kennenlernen

Inhaltsverzeichnis

Wie die Oberfläche für GA4 Explorations aufgebaut ist

Bevor Sie mit GA4 Explorations sinnvoll arbeiten, müssen Sie die drei Grundbereiche der Oberfläche verstehen. Google selbst beschreibt Explorations als Arbeitsfläche mit den Bereichen Variables, Tab Settings und Canvas, die zusammen sechs Analysetechniken zugänglich machen: Free-Form, Funnel, Path, Segment Overlap, Cohort und User Lifetime.

Variables ist Ihr Rohstofflager. Hier legen Sie Dimensionen, Metriken, Segmente und den Datumsbereich an, bevor Sie überhaupt eine Visualisierung bauen. Ein häufiger Anfängerfehler: Segmente in Variables anlegen, aber vergessen, sie in Tab Settings tatsächlich der Analyse zuzuweisen, dann bleibt die Tabelle unverändert.

Tab Settings bestimmt, wie die Rohdaten aus Variables tatsächlich verarbeitet werden. Hier wählen Sie die Technik aus, ziehen Dimensionen in Rows oder Columns, weisen Metriken den Values zu und definieren, ob und wie Segmente verglichen werden. Auch Filter auf Tab-Ebene setzen Sie hier, nicht in Variables.

Canvas ist der sichtbare Arbeitsbereich, in dem das Ergebnis erscheint. Zwischen Tabelle, Balkendiagramm, Liniendiagramm, Streudiagramm oder geografischer Karte wechseln Sie mit einem Klick, ohne die zugrunde liegende Abfrage neu aufzusetzen. Mehrere Tabs im selben Exploration erlauben parallele Varianten derselben Fragestellung, etwa dieselbe Kohorte mit zwei unterschiedlichen Retention-Metriken.

Wichtige Bedienkonzepte auf einen Blick:

  • Ziehen und Ablegen (Drag-and-drop) verbindet Variables direkt mit Tab Settings, ganz ohne Formeleingabe.
  • Jeder Tab speichert seine eigene Konfiguration, ein Exploration-Projekt kann also mehrere Analysen bündeln.
  • Änderungen an Variables wirken sich auf alle Tabs aus, die diese Variable verwenden, Änderungen in Tab Settings nur auf den aktiven Tab.
  • Die Canvas-Vorschau aktualisiert sich live, sodass Sie Konfigurationsfehler sofort sehen.

Die sechs Exploration-Techniken im Detail

Jede der sechs Techniken löst ein anderes Analyseproblem. Die Wahl der richtigen Technik entscheidet oft mehr über die Qualität einer Analyse als die Feinjustierung der Metriken.

  1. Free-Form ist die flexibelste Technik und funktioniert wie ein Pivot-Tool für Rohdaten. Sie bauen die Analyse selbst aus beliebigen Dimensionen und Metriken zusammen und wechseln zwischen Tabelle, Balken, Linie, Streudiagramm, Donut oder Karte. Typischer Einsatz: Conversion-Rate nach Landingpage und Kanal gleichzeitig aufschlüsseln, eine Fragestellung, für die es keinen Standardbericht gibt. Free-Form eignet sich auch als Ausgangspunkt, wenn Sie noch nicht genau wissen, welche Technik am Ende die richtige ist.

  2. Funnel Exploration visualisiert Schritt-für-Schritt-Abfolgen von Events und zeigt, wo Nutzer abspringen. Sie wählen zwischen offenen Trichtern, die auch Nutzer einschließen, die den Trichter nicht am ersten Schritt betreten, und geschlossenen Trichtern, die nur Nutzer zählen, die exakt in der definierten Reihenfolge starten. Segment-Breakdowns innerhalb desselben Trichters zeigen, ob etwa mobile Nutzer an einem anderen Schritt abbrechen als Desktop-Nutzer. Die Zeitverlauf-Ansicht (Trend over time) macht sichtbar, ob eine Absprungrate an einem bestimmten Schritt saisonal schwankt oder sich nach einem Website-Relaunch verändert hat.

  3. Path Exploration zeichnet Nutzerpfade als Baumdiagramm, ausgehend von einem Startknoten (Forward) oder rückwärts von einem Endpunkt (Backward). Die Node-Tiefe bestimmt, wie viele Schritte nach vorn oder hinten dargestellt werden, mehr Tiefe bedeutet mehr Verzweigungen und damit mehr Rechenlast. Genau hier entsteht häufig Sampling, weil Pfadanalysen bei hohem Traffic sehr viele Event-Kombinationen gleichzeitig verarbeiten. Ein kürzerer Datumsbereich oder ein vorab gesetzter Segmentfilter reduziert dieses Risiko deutlich.

  4. Segment Overlap zeigt als Venn-Diagramm, wie stark sich bis zu drei Segmente überschneiden, etwa Nutzer, die eine Kampagnenseite besucht haben, gegen Nutzer, die tatsächlich gekauft haben. Die Begrenzung auf drei Segmente ist bewusst gewählt, ein Venn-Diagramm mit vier oder mehr Kreisen wäre kaum noch lesbar. Unterhalb des Diagramms liefert GA4 automatisch eine Tabelle mit den exakten Nutzerzahlen jeder Schnittmenge, das ist oft der eigentlich verwertbare Teil der Analyse.

  5. Cohort Exploration gruppiert Nutzer nach einem gemeinsamen Startereignis, meist dem ersten Besuch in einer bestimmten Woche, und verfolgt danach eine Retention-Metrik über die folgenden Zeiträume. Sie definieren die Kohortenzugehörigkeit über ein Einschlusskriterium und wählen dann, ob Sie Nutzerbindung, Umsatz pro Kohorte oder Event-Häufigkeit verfolgen wollen. Cohort-Analysen sind das Werkzeug der Wahl, wenn Sie wissen wollen, ob eine neue Onboarding-Maßnahme die langfristige Bindung tatsächlich verbessert hat, nicht nur die Zahlen im ersten Monat.

  6. User Lifetime aggregiert Daten über die gesamte bekannte Lebensdauer eines Nutzers hinweg, oft weit über den normalen Berichtszeitraum hinaus. Die Technik eignet sich für Fragen zum Customer Lifetime Value oder zur Herkunft besonders wertvoller Nutzer, setzt aber eine belastbare Nutzeridentifikation über User-ID oder Google-Signale voraus. Ohne stabile Identifikation verzerrt User Lifetime das Bild, weil derselbe Mensch als mehrere unabhängige Nutzer gezählt werden kann.

Für die Praxis lohnt sich ein klarer Grundsatz: Wählen Sie die Technik nach der Fragestellung, nicht nach der Visualisierung, die gerade am beeindruckendsten aussieht. Eine Funnel-Frage in einer Free-Form-Tabelle zu beantworten kostet unnötig Zeit und liefert am Ende ein unschärferes Bild als der dafür gebaute Funnel-Report.

Welche Limits und Datenschutz-Mechanismen Sie kennen müssen

GA4 setzt harte technische Grenzen für Explorations, die man kennen sollte, bevor eine Analyse ins Leere läuft. Pro Property sind bis zu 200 individuelle Explorations je Nutzer und bis zu 500 geteilte Explorations zulässig, zusätzlich begrenzt GA4 jede einzelne Exploration auf maximal zehn Segmente und zehn Filter pro Tab. Wer diese Grenzen erreicht, muss ältere Explorations löschen oder archivieren, es gibt keinen automatischen Reset.

Zahlen im Überblick: Bis zu 200 private Explorations pro Nutzer und Property, bis zu 500 geteilte Explorations pro Property, maximal 10 Segmente und 10 Filter je Tab. Sampling setzt oberhalb von 10 Millionen verarbeiteten Events ein.

Zwei unterschiedliche Mechanismen verzerren Ergebnisse, und sie brauchen unterschiedliche Gegenmaßnahmen.

Sampling greift, wenn eine Abfrage mehr als 10 Millionen Events verarbeitet; GA4 zieht dann eine repräsentative Stichprobe statt der vollständigen Rohdaten. Die Oberfläche zeigt einen kleinen grünen, gelben oder orangen Kreis oben rechts in der Exploration, ein Klick darauf verrät den exakten Sampling-Anteil.

Thresholding ist ein komplett anderer Vorgang: Ist Google Signals aktiviert oder greifen Datenschutzschwellen, entfernt GA4 ganze Zeilen mit zu wenigen Nutzern vollständig aus dem Ergebnis, statt sie nur zu schätzen. Das lässt sich nicht durch einen kürzeren Datumsbereich beheben, es ist eine Datenschutzentscheidung, keine Rechenkapazitätsfrage. Wer Google Signals aus Datenschutzgründen aktiviert hat, muss also mit systematisch fehlenden kleinen Segmenten leben.

Gegenmaßnahmen gegen Sampling, geordnet nach Wirksamkeit:

  • Datumsbereich verkürzen, damit weniger Events pro Abfrage verarbeitet werden.
  • Dimensionen vorab aggregieren, statt jede einzelne URL-Variante einzeln auszuwerten.
  • Filter frühzeitig setzen, um die Grundmenge der Events zu reduzieren, bevor die eigentliche Analyse beginnt.
  • Bei dauerhaft hohem Volumen den BigQuery-Export nutzen, der ohne Sampling auf die vollständigen Rohdaten zugreift.

Typische Fehlerquellen, bevor Sie eine Exploration interpretieren

Bevor Sie ein Ergebnis präsentieren, lohnt sich eine kurze, aber konsequente Prüfroutine. Vier Punkte entscheiden in der Praxis über die meisten Fehlinterpretationen.

  1. Retention-Einstellung prüfen. GA4 speichert Nutzer- und Ereignisdaten standardmäßig nur für einen begrenzten Zeitraum, oft 2 statt der maximal möglichen 14 Monate. Diese Einstellung wirkt sich auf Rohdaten-Abfragen in Explorations deutlich stärker aus als auf aggregierte Standardberichte, weil Explorations direkt gegen die Rohdatentabelle rechnet. Eine Cohort-Analyse über 18 Monate liefert schlicht keine Daten, wenn die Aufbewahrung nur 14 Monate umfasst.
  2. Event-Scope und Parameter kontrollieren. Prüfen Sie, ob die verwendeten benannten Parameter tatsächlich als eigene Dimension registriert sind, sonst tauchen sie in Variables gar nicht auf oder liefern leere Werte.
  3. Sampling- und Threshold-Indikatoren beachten. Der Sampling-Kreis oben rechts und ungewöhnlich viele fehlende Kleinsegmente sind die zwei wichtigsten visuellen Warnsignale, die Sie nie ignorieren sollten.
  4. Auf das ‚(other)‘-Phänomen achten. Bei hoher Kardinalität, also sehr vielen unterschiedlichen Werten einer Dimension, fasst GA4 alles jenseits der Top-Werte zu einer Sammelzeile namens „(other)“ zusammen. Taucht diese Zeile mit einem großen Anteil auf, hilft nur, den Scope einzuschränken oder direkt über BigQuery zu arbeiten.

Profi-Tipp: Öffnen Sie zur Kontrolle denselben Zeitraum parallel im Standardbericht. Weichen die Gesamtzahlen deutlich ab, liegt das fast immer an unterschiedlichen Datenmodellen zwischen Reports und Explorations, nicht an einem Fehler in Ihrer Konfiguration.

Diese Abweichungen sind kein Zufall. Google selbst bestätigt, dass Reports und Explorations auf unterschiedlichen Datentabellen und Verarbeitungslogiken beruhen, und dass nicht unterstützte Felder beim Öffnen eines Reports in Explorations automatisch entfernt werden. Wer diesen Unterschied nicht kennt, hält eine normale technische Abweichung schnell für einen Tracking-Fehler.

Standardreports, Explorations oder BigQuery: Welches Werkzeug für welche Frage

Die drei Reporting-Oberflächen von GA4 lösen unterschiedliche Probleme, und die Wahl der falschen kostet unnötig Zeit.

Standardreports sind die richtige Wahl für wiederkehrende Kennzahlen, die alle im Team ohne Erklärung verstehen: Sitzungen, Nutzer, Konversionen nach Kanal. Sie sind vorkonfiguriert, laden schnell und benötigen keine Einrichtung.

Explorations übernehmen jede Frage, für die es keinen fertigen Bericht gibt: Trichteranalysen mit Segmentvergleich, Pfadverzweigungen, Kohortenbindung, Überlappungen zwischen Zielgruppen. Der Preis dafür ist Komplexität, jede Exploration muss man selbst konfigurieren und regelmäßig auf Sampling und Thresholding prüfen.

BigQuery-Export und Looker Studio übernehmen die Aufgaben, die Explorations nicht abdeckt: geplante, automatisch aktualisierte Berichte für Stakeholder und vollständige Rohdatenanalysen ohne Sampling-Grenze. Google beschreibt in seiner Vergleichsübersicht der Reporting-Oberflächen, dass BigQuery viele der Sampling- und Kardinalitätsbeschränkungen umgeht, die in Explorations und Standardreports gelten.

Ein sinnvoller Arbeitsablauf sieht deshalb so aus:

  • Ad-hoc-Fragen und explorative Analysen bleiben in Explorations.
  • Wiederkehrende Verteilung an Stakeholder läuft über Looker Studio, weil Explorations selbst kein Scheduling bietet.
  • Vollständige, sampling-freie Rohdatenanalysen und historische Auswertungen über den 14-Monats-Horizont hinaus laufen über den BigQuery-Export.

Planen Sie den direkten Export dann, wenn eine Analyse regelmäßig gebraucht wird oder wenn ein Sampling-Hinweis in Explorations dauerhaft auftaucht. Ein einzelner gelber Kreis ist noch kein Grund zum Wechsel, ein wiederkehrender oranger Kreis bei jeder Abfrage schon.

Fünf Explorations-Vorlagen, die Sie sofort einsetzen können

Diese fünf Vorlagen decken die häufigsten Fragen ab, die Marketingteams in der Praxis an GA4 Explorations stellen.

1. Funnel-Analyse für den Checkout-Prozess

  1. Neue Funnel Exploration anlegen und die Events view_item, add_to_cart, begin_checkout und purchase als Schritte definieren.
  2. Einen geschlossenen Trichter wählen, wenn Sie nur Nutzer zählen wollen, die exakt in dieser Reihenfolge starten, sonst offenen Trichter verwenden.
  3. Ein Segment als Breakdown hinzufügen, etwa Gerätekategorie, um zu sehen, ob mobile Nutzer an einem anderen Schritt abbrechen.
  4. Die Zeitverlauf-Ansicht aktivieren, um zu prüfen, ob die Absprungrate nach einem bestimmten Datum gestiegen ist.

2. Pfadanalyse ab der Startseite

  1. Path Exploration wählen, Startpunkt auf die Startseite setzen und Forward-Richtung aktivieren.
  2. Node-Tiefe zunächst auf drei bis vier Ebenen begrenzen, um Sampling-Risiken bei großem Traffic zu reduzieren.
  3. Bei einem Sampling-Hinweis den Datumsbereich verkürzen oder vorab einen Kanal-Filter setzen.

3. Segment-Overlap zwischen Kampagnenbesuchern und Käufern

  • Ein Segment für Besucher einer bestimmten Kampagnenlandingpage anlegen.
  • Ein zweites Segment für abgeschlossene Käufe definieren.
  • Beide Segmente in Segment Overlap einsetzen und die Schnittmengentabelle unter dem Venn-Diagramm auswerten.

4. Cohort-Analyse zur Nutzerbindung nach Produktupdate

  • Kohorten nach Erstbesuchswoche definieren, für den Zeitraum vor und nach dem Update.
  • Als Retention-Metrik die Rückkehrrate nach sieben und 30 Tagen wählen.
  • Das Intervall auf wöchentlich stellen, um kurzfristige Bindungsänderungen sichtbar zu machen.

5. Free-Form-Auswertung von Conversion nach Landingpage und Kanal

Wer regelmäßig Funnels aus Explorations exportiert, sollte diese Vorlagen mit einem strukturierten Aufbau des eigentlichen Marketing-Funnels verbinden, statt jede Analyse bei null zu beginnen. Auch ein Blick über den eigenen Datensatz hinaus hilft: ein Partnerbeitrag zu Funnel-Optimierung und Performance-Messung zeigt zusätzliche Perspektiven auf denselben Funnel-Gedanken.

Ergebnisse exportieren, teilen und in Workflows überführen

Eine Exploration ist erst dann wertvoll, wenn ihre Ergebnisse dort landen, wo Entscheidungen getroffen werden. GA4 bietet dafür begrenzte, aber nutzbare Bordmittel.

Der direkte Export aus Explorations funktioniert als PDF oder als CSV-Datei der aktuell sichtbaren Tabelle, allerdings nur für den jeweils aktiven Tab, nicht für das gesamte Exploration-Projekt auf einmal. Für eine einmalige Präsentation reicht das meist aus, für wiederkehrende Berichte nicht.

Explorations selbst bietet keine Scheduling-Funktion, es gibt keine Möglichkeit, eine Exploration automatisch wöchentlich zu aktualisieren und zu verschicken. Für wiederkehrende Verteilung empfiehlt sich deshalb der Umweg über Looker Studio, das direkt an GA4-Property-Daten andockt und automatisierte, geplante Berichte an Stakeholder versendet.

Beim Teilen innerhalb des Teams gilt: Wer eine Exploration mit Bearbeitungsrechten teilt, gibt anderen die Möglichkeit, Variables und Tab Settings zu verändern, was die ursprüngliche Analyse überschreiben kann. Sinnvoll ist es, funktionierende Vorlagen zu duplizieren, bevor Kollegen daran experimentieren.

Praktische Optionen im Überblick:

  • CSV- oder PDF-Export für einmalige Auswertungen und Präsentationen.
  • Looker Studio für automatisierte, wiederkehrende Verteilung an Stakeholder.
  • Geteilte Explorations für Teamzugriff, mit dem Risiko versehentlicher Änderungen.
  • BigQuery-Export für vollständige, sampling-freie Rohdatenanalysen jenseits der Retention-Grenze.

Checkliste vor der Interpretation: kurz und druckbar

Vor jeder Präsentation einer Exploration lohnt sich ein letzter, schneller Kontrollgang.

  • Retention-Einstellung geprüft: Deckt der Aufbewahrungszeitraum den gewählten Analysezeitraum vollständig ab?
  • Sampling-Indikator geprüft: Zeigt der Kreis oben rechts einen relevanten Sampling-Anteil?
  • Segmente validiert: Sind alle verwendeten Segmente tatsächlich in Tab Settings zugewiesen, nicht nur in Variables angelegt?
  • Abgleich mit Standardreport durchgeführt, um grobe Abweichungen zu erklären.
  • Keine personenbezogenen Daten in Dimensionen oder Parametern sichtbar.
  • Zugriffsrechte für geteilte Explorations kontrolliert.
  • Passender Exportweg gewählt: CSV für einmalig, Looker Studio für wiederkehrend, BigQuery für vollständige Rohdaten.
Prüfpunkt Worauf Sie achten
Retention Aufbewahrungszeitraum deckt gewählten Analysezeitraum ab
Sampling Kreis-Indikator oben rechts zeigt keinen hohen Sampling-Anteil
Segmente In Tab Settings zugewiesen, nicht nur in Variables angelegt
Datenschutz Keine personenbezogenen Daten in Dimensionen sichtbar

Warum Neomarketing bei Kundenprojekten auf Explorations setzt

Aus unserer Projektarbeit heraus ist Explorations oft der Punkt, an dem eine Diagnose vom Bauchgefühl zur belegbaren Aussage wird. Wenn ein Kunde eine sinkende Conversion-Rate meldet, zeigt eine Funnel Exploration mit Segment-Breakdown meist innerhalb von Minuten, ob das Problem am Checkout liegt oder schon beim Produktseiten-Übergang beginnt, lange bevor ein Standardbericht diese Tiefe liefern würde.

Genauso hilft eine Path Exploration, wenn Nutzer nach einem Website-Relaunch unerwartete Umwege nehmen. Diese Rohdaten-Sicht ist der Grund, warum Explorations für uns kein Nice-to-have ist, sondern Teil jedes seriösen GA4-Audits.

— Patrick

GA4-Betreuung für Teams, die keine Zeit für Sampling-Fallen haben

Sie müssen nicht jede Exploration selbst konfigurieren, wenn die Zeit dafür fehlt oder die Ergebnisse nicht belastbar wirken. Ein erfahrener Dienstleister kann die technische Basis übernehmen, damit Ihre Explorations von Anfang an saubere Daten liefern, statt im Nachhinein Sampling-Fehler und fehlende Segmente korrigieren zu müssen.

Neomarketing

Unser Leistungspaket rund um GA4 umfasst die korrekte Einrichtung von Events und benannten Parametern, Cross-Domain-Messung für mehrstufige Kaufprozesse, individuelle Dashboards und regelmäßige Audits der Datenqualität, bevor Sie überhaupt eine Exploration öffnen. Gerade bei Shops mit mehreren Domains oder komplexen Checkout-Strecken macht eine fehlerhafte Grundeinrichtung jede spätere Analyse wertlos, unabhängig davon, wie gut die Exploration selbst konfiguriert ist.

Wenn Sie wissen wollen, wo Ihre eigene GA4-Einrichtung aktuell steht, sichern Sie sich die kostenlose Google Ads Analyse mit Gutschein im Wert von bis zu 1.200 € und lassen Sie Ihre Datenbasis von uns prüfen, bevor Sie die nächste wichtige Entscheidung auf einer verzerrten Exploration aufbauen.

Quellen

Für alle technischen Details rund um Limits, Sampling und Datenunterschiede lohnt sich der direkte Blick in die Primärquellen statt in Sekundärartikel.

Empfehlungen