Unterschiede der Statistiken von Siteimprove und der RRZE-Webstatistik
Das RRZE betreibt eine Statistik der Logdateien für Webauftritte auf Basis der Open Source Software Webalizer. Gleichzeitig gibt es das Angebot zur Nutzung der Analysesoftware Siteimprove, die Webauftritte nach mehreren Merkmalen analysiert, überwacht und auswertet. Bei den Zugriffszahlen von Webauftritten unterscheiden sich die Ergebnisse beider Verfahren jedoch deutlich.
Hier erklären wir die Hintergründe und welche Zahlen und Werte bei der Bewertung von Webauftritten relevant sind.
Warum unterscheiden sich die Zahlen von Webalizer (RRZE Logstatistik) und Siteimprove?
Die beiden Systeme messen unterschiedliche Dinge und verfolgen unterschiedliche Ziele. Daher werden ihre Zahlen niemals identisch sein.
1. Unterschiedliche Messmethoden
Webalizer wertet ausschließlich die Zugriffsprotokolle (Access-Logs) des Webservers aus. Erfasst wird jede HTTP-Anfrage, die den Server erreicht.
Siteimprove arbeitet dagegen mit einem JavaScript, das im Browser des Besuchers ausgeführt wird. Nur wenn dieses JavaScript geladen und ausgeführt wird, kann Siteimprove den Seitenaufruf erfassen.
Daraus ergeben sich mehrere Unterschiede:
- Nutzer, die das Tracking über den Consent-Banner ablehnen, werden von Siteimprove nicht erfasst.
- Ebenso werden Nutzer nicht erfasst, wenn das Siteimprove-Skript durch einen Adblocker oder andere Datenschutzmechanismen blockiert wird.
- Auf unseren Websites liegt die Zustimmungsquote derzeit lediglich bei etwa 10 %. Die absoluten Besucherzahlen von Siteimprove liegen daher deutlich unter der tatsächlichen Zahl der Besucher.
Andererseits kann Siteimprove in bestimmten Fällen Seitenwechsel erkennen, ohne dass hierfür erneut ein vollständiger Seitenaufruf beim Webserver erfolgt (z. B. durch Browser-Caching oder moderne Webtechniken). Solche Vorgänge erscheinen nicht zwangsläufig in den Server-Logs.
2. Bots und KI-Crawler
Webalizer wertet alle Zugriffe aus, die im Server-Log erscheinen. Dazu gehören:
- menschliche Besucher,
- Suchmaschinen,
- Monitoring-Systeme,
- Verfügbarkeitsprüfungen,
- KI-Crawler,
- sonstige Bots.
Die Bot-Erkennung von Webalizer basiert auf vergleichsweise alten Erkennungsmechanismen und kann moderne Crawler nur eingeschränkt erkennen. Hinzu kommt, dass viele KI-Crawler sich bewusst wie normale Browser auftrete, sich als solche verbergen und sich daher anhand der Logdaten nur schwer identifizieren lassen.
Siteimprove hingegen filtert bekannte Bots und Crawler wesentlich besser heraus und hält seine Erkennungsmechanismen kontinuierlich aktuell. Dadurch spiegeln die dortigen Zahlen wesentlich stärker das Verhalten realer Besucher wider.
Gerade bei bekannten Websites kann der überwiegende Teil aller Serverzugriffe inzwischen von automatisierten Systemen stammen. Dadurch verlieren reine Logstatistiken zunehmend an Aussagekraft, wenn Aussagen über menschliche Besucher getroffen werden sollen.
3. Unterschiedliche Sicht auf den Seitenaufruf
Der Webserver kennt ausschließlich die HTTP-Anfragen, die ihn tatsächlich erreichen. Wird eine Seite vollständig aus dem Browsercache geladen oder über andere Optimierungsmechanismen bereitgestellt, erhält der Server unter Umständen keine neue Anfrage. Diese Zugriffe erscheinen folglich auch nicht in den Logdateien.
Darüber hinaus versucht Webalizer Besuche anhand der IP-Adresse zu gruppieren. Das ist heute nur noch eingeschränkt zuverlässig: Gateways, Unternehmens-Proxys, VPNs, IPv6 Privacy Extensions führen dazu, dass sich viele Benutzer eine IP-Adresse teilen oder ihre Adresse regelmäßig wechselt. Was dagegen noch viel gravierender ist: Aus datenschutzrechtlichen Gründen werden die IP-Adressen üblicherweise vor Erstellung der Statistik bereits gekürzt, so daß eine nachträgliche Zuordnung der Zugriffe zu einzelnen Personen nicht möglich ist.
Siteimprove arbeitet dagegen mit einer Browserkennung (Cookie bzw. vergleichbaren Mechanismen) und kann dadurch Navigationen und Besuchersitzungen deutlich zuverlässiger zusammenfassen.
4. Unterschiedliche Kennzahlen
Die verwendeten Begriffe werden häufig verwechselt.
Pageview
Ein Pageview ist das Laden einer HTML-Seite.
Beim Laden dieser Seite werden jedoch üblicherweise zusätzlich Bilder, CSS-Dateien, JavaScript-Dateien und weitere Ressourcen geladen. Diese erzeugen zusätzliche Requests, zählen jedoch nicht als weitere Pageviews, sondern als einzelne Hits.
Hit
Ein Hit entspricht genau einer angeforderten Datei.
Beispiele:
- HTML-Seite
- Bild
- CSS-Datei
- JavaScript-Datei
- Schriftart
- Video
Ein einziger Pageview erzeugt daher meist zahlreiche Hits.
Besuche (Visits)
Webalizer versucht Besuche anhand von IP-Adresse und Zeitfenster zu bestimmen. Dieses Zeitfenster kann, je nach Konfiguration zwischen 90 Sekunden und 30 Minuten liegen und bezieht sich auf die Anfragen von der jeweiligen IP-Adresse. Da diese jedoch gekürzt ist und von verschiedenen Benutzern verwendet werden kann, ist dieser Wert in der Webalizer-Ausgabe sehr unzuverlässig,
Siteimprove fasst dagegen die Aktionen eines identifizierten Browsers zu einer Sitzung zusammen und beruht dabei auf die Aufrufe vom JavaScript. Hier erfolgt keine Vermischung mit anderen Benutzern oder Clients. Diese Angaben sind daher sehr verlässlich.
Fazit
Die beiden Systeme beantworten unterschiedliche Fragestellungen.
Webalizer beantwortet die Frage:
Wie oft wurde unser Webserver angesprochen?
Darin sind sowohl menschliche Besucher als auch Suchmaschinen, KI-Crawler, Bots und sonstige automatisierte Zugriffe enthalten.
Siteimprove beantwortet die Frage:
Wie verhalten sich die Besucher, die einer Analyse zugestimmt haben?
Die absoluten Besucherzahlen von Siteimprove sind aufgrund der notwendigen Zustimmung und möglicher Blockierung durch Adblocker niedriger als die tatsächlichen Besucherzahlen. Das dort beobachtete Nutzerverhalten ist jedoch wesentlich aussagekräftiger, weil automatisierte Zugriffe und die Zusammenfasusngen von Zugriffen verschiedener Nutzer weitgehend herausgefiltert werden.
Für technische Fragestellungen (Serverlast, Zugriffsvolumen, Auffälligkeiten) eignet sich daher die Logstatistik.
Für Aussagen über das Verhalten menschlicher Besucher (Navigation, Einstiegsseiten, Klickpfade, Absprünge oder Nutzung einzelner Inhalte) ist Siteimprove die deutlich geeignetere Datenquelle.