Der Bericht weist vielleicht auf ein echtes Problem hin. Um zu entscheiden, was zu tun ist, müssen wir verstehen, wie er zu seiner Schlussfolgerung gekommen ist.
- Welche Daten hat er erhalten?
- Welchen Zeitraum hat er analysiert?
- Welche Informationen hat er nicht?
- Welcher Teil des Ergebnisses ist Berechnung und welcher Deutung?
Ein nützlicher Bericht macht den Weg von den Daten zur Beobachtung, Erklärung und Empfehlung sichtbar. Derselbe Maßstab gilt für einen Bot, ein Dashboard und eine Analyse, die ein menschliches Team geschrieben hat.
Vier Ebenen, die man trennen sollte
| Ebene | Fiktives Beispiel | Was geprüft werden muss |
|---|---|---|
| Daten | Der Export enthält im gewählten Zeitraum keine Änderungen | Konto, Zeitraum, Filter und Abdeckung der Quelle |
| Beobachtung | In den analysierten Daten erscheinen keine Eingriffe | Ob die Formulierung genau beschreibt, was extrahiert wurde |
| Mögliche Erklärung | Das Setup wurde vielleicht bewusst beibehalten | Die Aufzeichnung der Analyse und der Grund für die Entscheidung |
| Empfehlung | Um Klarheit zur Betreuung bitten und die Ergebnisse prüfen | Welche Entscheidung die verfügbaren Informationen stützen können |
Direkt von einem Export zum Urteil „Es wurde nicht gearbeitet“ zu springen, überspringt wichtige Fragen. Ebenso braucht die Antwort „Natürlich wurde gearbeitet, man sieht es nur nicht“ Belege. Fehlende Daten sollten nicht in eine Gewissheit verwandelt werden, die einer der beiden Seiten passt.
Was sieht das Tool tatsächlich?
Ein System hat vielleicht Zugang zu Google Ads, aber nicht zur Qualifizierung der Leads im CRM. Es sieht womöglich zugeschriebene Conversions, ohne zu wissen, wie viele Termine bestätigt wurden. Es erhält vielleicht nur einige Kampagnen oder einen Export mit einem vergessenen Filter.
Deshalb legen wir Quellen, Konten und Zeiträume fest. Wir prüfen Währung, Zeitzone, Zeitpunkt der Datenextraktion und was jede Kennzahl bedeutet. Der Unterschied zwischen dem Datum der Interaktion und dem Datum der Conversion kann den Vergleich verändern. Ebenso kann ein doppelt gesendetes Ereignis die Zahl der gemeldeten Ergebnisse verändern.
Ein Bericht, der keine Verkaufsdaten erhält, kann für sich keine vollständige kommerzielle Profitabilität beweisen. Er kann die verfügbaren Kennzahlen analysieren und sagen, welche Informationen für die nächste Bewertungsebene nötig wären.
API und Oberfläche zeigen nicht immer dasselbe
In Google Ads gibt die Dokumentation zu change_event an, dass die Ressource nicht unbedingt jede Änderung enthält, die im Verlauf der Oberfläche verfügbar ist. Abfragen sind auf die letzten 30 Tage und auf höchstens 10.000 Ergebnisse pro Abfrage begrenzt; mehr abzurufen, muss entsprechend gelöst werden. Quelle: Google Ads API, Change Event (auf Englisch).
Die Folge für einen Monatsbericht ist konkret: Wir prüfen das tatsächlich verfügbare Fenster, die verfolgten Arten von Änderungen und ob die Extraktion vollständig war. Gibt es eine früher gesammelte und getrennt gespeicherte Historie, kann das Tool auch diese Aufzeichnung nutzen. Die Grenze einer einzelnen Abfrage beschreibt nicht automatisch alles, was das System weiß.
Diese Details beweisen nicht, dass ein bestimmter Bot falsch lag. Für ein Urteil müssen wir die Umsetzung des Bots und seine Daten prüfen. Sie zeigen, warum eine Schlussfolgerung mit der Quelle und Abdeckung kommen muss, auf der sie beruht.
Die Kennzahl kann stimmen, während die geschäftliche Frage eine andere ist
Ein Bericht kann die Kosten pro gesendetem Formular perfekt berechnen. Die Kundin muss vielleicht die Kosten pro geeigneter Anfrage oder pro unterschriebenem Vertrag kennen. Die Beziehung zwischen diesen Kennzahlen muss aufgebaut und geprüft werden.
Ein fiktives Beispiel. Kampagne A erzeugt mehr Formulare zu niedrigen Kosten. Kampagne B erzeugt weniger, doch der Vertrieb bestätigt einen höheren Anteil relevanter Anfragen. Die Wahl hängt von Kosten und Wert bestätigter Ergebnisse ab, vom Volumen und von der Kapazität, sie zu bearbeiten. Das Etikett „beste Kampagne“ genügt nicht ohne das Kriterium dahinter.
Wir können die Zwischenkennzahlen behalten. Sie helfen bei der Diagnose. Wichtig ist, sie nicht als gleichwertig mit dem Endergebnis darzustellen. Das Thema vertiefen „Ein Lead ist noch kein Kunde.“ und „Die Plattform optimiert. Aber worauf?“.
Eine gleichzeitige Änderung erklärt das Ergebnis nicht allein
Fällt ein Rückgang der Conversions mit einer Aktualisierung der Kampagne zusammen, haben wir eine Hypothese, die untersucht werden muss. Vielleicht hat sich das Angebot geändert, vielleicht hat die Messung ein Problem, oder ein Teil der Nachfrage hat sich in einen anderen Zeitraum verschoben.
Ein Tool kann schnell mögliche Erklärungen erzeugen. Die Analyse muss zeigen, welche Belege jede Erklärung stützen und was ihr widersprechen würde. Können die Daten die Ursachen nicht trennen, sagen wir, was unsicher bleibt, und schlagen die passende Prüfung vor.
Eine selbstsicher formulierte Empfehlung kann überzeugender wirken als eine, die ihre Grenzen nennt. Für das Unternehmen zählt aber, wie gut die Schlussfolgerung hält, wenn wir prüfen, worauf sie beruht.
Wie ein Bericht aussieht, der der Entscheidung hilft
Über die Kennzahlen hinaus sollte der Bericht einige Fragen beantworten: was sich verändert hat, im Vergleich zu welchem Bezugspunkt, welche Erklärung die Daten stützen, was wir noch nicht wissen und welche Maßnahme wir vorschlagen. Bei wichtigen Empfehlungen ergänzen wir die verantwortliche Person und das Kriterium für die Neubewertung.
Ein fiktives Beispiel für eine Formulierung: „Der analysierte Export zeigt in diesem Zeitraum keine Änderungen. Wir prüfen die Abdeckung des Exports und die Aufzeichnung der Betreuung. Die jüngsten Ergebnisse sind noch nicht vollständig, und die Qualität der Anfragen muss mit dem Vertrieb bestätigt werden. Nach diesen Prüfungen entscheiden wir, ob ein Eingriff nötig ist.“
Diese Formulierung entlastet das Team nicht von der Verantwortung und verurteilt auch das Tool nicht. Sie benennt, was wir wissen, und verwandelt das Signal in eine konkrete Prüfung.
Automatisierung kann die Analyse nützlicher machen
Wiederkehrende Datensammlung, die Prüfung von Schwellen und das Anzeigen von Widersprüchen sind Bereiche, in denen Automatisierung Zeit sparen kann. Ihr Wert wächst, wenn das System festhält, woher die Daten kommen, und Fakten von erzeugten Hypothesen trennt.
Die Empfehlung in einem Bericht und ihre Umsetzung sind getrennte Verantwortungen. Erhält ein System auch das Recht, ein Konto zu ändern, müssen Grenzen, Freigaben und die Prüfung des Ergebnisses gesondert festgelegt werden. Zugang für das Reporting sollte nicht mit einem Auftrag zum Eingreifen verwechselt werden.
NOT MORE. kann Datenflüsse aufbauen oder prüfen, das Reporting mit kommerziellen Informationen verbinden und Schlussfolgerungen in Umsetzung übersetzen. Wir können mit bestehenden Tools und Fachleuten arbeiten, auch mit Automatisierungen, die die Kundin gebaut hat. Unsere Rolle ergibt sich aus dem konkreten Problem und dem vereinbarten Zugang.
Für den Fall des Kampagnenverlaufs lesen Sie weiter mit „Die Kampagne hat sich nicht verändert. Wurde sie betreut?“. Eine gute Schlussfolgerung muss sich erklären und prüfen lassen, egal wer oder was sie geschrieben hat.