Räumliche Analysen vs. Webanalyse

Die Entscheidung zwischen räumlichen und Webanalysen stellt für Kartenprodukte eine Ergänzung dar, keine Ablösung. Webanalysen messen Seiten, Sitzungen, Kampagnen, Ereignisse und Conversions. Räumliche Analysen ergänzen diese um Karten, Orte, Regionen, Routen, Abdeckung, geografische Reibungsverluste und standortabhängige Ergebnisse, sodass Teams erkennen können, wo eine Kundenentscheidung erfolgreich ist oder scheitert. Kartenprodukte benötigen in der Regel beide Ebenen: den Akquisitionskontext aus der Webanalyse und ortsbezogene Messungen für die Karte selbst.

Die folgenden Abschnitte trennen die beiden Messaufgaben, dokumentieren Kaleidr Analytics anhand seiner aktuellen öffentlichen Seite und behandeln anschließend Funnel-Design, Zuständigkeiten, Kennungen, geografische Einschränkungen, Datenschutz und wann sich die Kosten für eine dedizierte Geodaten-Ebene lohnen. Weiterführende Informationen finden Sie unter Spatial Analytics Dashboard KPIs for Map Products, Location Intelligence Customer Experience Maps, Place Ranking API und Private Location Data for AI Map Workflows. Teams, die bereits Webanalysen durchführen, können direkt zur zweischichtigen Architektur springen; Teams, die noch eine zentrale Kennzahl festlegen müssen, sollten mit dem Funnel beginnen.

Vergleichsgrundlagen

• Beide Ebenen beibehalten: Webanalyse ist für die Kundengewinnung und die Website-weite Conversion zuständig; Geodatenanalyse für Karten-, Orts- und Abdeckungsfragen.
• Ort ist die fehlende Einheit: Eine Karteninteraktion kann mehrere Orte gleichzeitig umfassen, daher reicht eine URL nicht aus.
• Entdecken → Vergleichen → Handeln: Klicks auf Marker und Schwenkzähler sind unterstützende Signale, keine Ergebnisse.
• Verknüpfen mit stabilen IDs: Sitzungs-, Aufgaben- und Ortskennungen verbinden Tools, ohne jedes Ereignis zu kopieren.
• Produktvertrag bestätigen: Kaleidr Analytics dokumentiert derzeit Karten- und Ortsinteraktionen, kein vollständiges Host-Conversion-Schema.

Worin unterscheiden sich räumliche Analysen von Webanalysen für Kartenprodukte?

Die sinnvolle Aufteilung liegt in der Analyseeinheit. Webanalysen sind nach Seiten, Bildschirmen, Sitzungen, Kampagnen und Konversionsereignissen organisiert. Räumliche Analysen hingegen basieren auf Karten, Orten, Regionen, Routen, Suchgebieten, Servicegebieten und den geografischen Bedingungen, die eine Entscheidung beeinflussen. Google Analytics definiert ein Ereignis aktuell als eine Möglichkeit, eine bestimmte Interaktion oder ein Vorkommnis auf einer Website oder in einer App zu messen, beispielsweise einen Seitenaufruf, einen Klick oder einen Kauf (Ereignis). Eine Sitzung ist ein Zeitraum, in dem ein Nutzer mit der Website oder App interagiert. Google dokumentiert aktuell ein Standard-Timeout von 30 Minuten Inaktivität (Über Analytics-Sitzungen). Diese Definitionen sind weiterhin für Kartenprodukte relevant. Ereignis- und Sitzungsmetriken allein beantworten jedoch nicht die Frage, welcher Ort ausgewählt wurde, in welcher Region kein passendes Angebot verfügbar war oder wie weit ein Kunde bereit war zu reisen.

Eine Hotelseite kann über eine URL identifiziert werden. Eine Karteninteraktion kann zehn Hotels, drei Stadtteile, einen ausgewählten Flughafen und eine Route in derselben Ansicht umfassen. Die Erfassung des place_selected ohne Kontextinformationen zu Ort, Region, Karte und Reise führt dazu, dass das Ereignis lediglich als Klick gewertet wird. Dieselbe Customer Journey benötigt weiterhin Kampagnen- und Landingpage-Kontextinformationen aus der Webanalyse, da der geografische Standort nicht erklärt, wie die Sitzung zustande kam.

Warum ist die Seiten- und Ereignismessung für eine Karte unvollständig?

Google Analytics gruppiert Ereignisse in automatisch erfasste, erweiterte Mess-, empfohlene und benutzerdefinierte Ereignisse. Für Interaktionen, die nicht durch die vordefinierten Namen abgedeckt werden, gibt es benutzerdefinierte Ereignisse (Ereignisse einrichten). Ein Kartenteam kann daher map_opened, place_selected, directions_clicked oder booking_started als benutzerdefinierte Ereignisse senden. Das Ereignismodell lässt die geografischen Fragen jedoch weiterhin unbeantwortet. Ohne Ortskontext kann das Team nicht feststellen, um welchen Standort, welche Region oder welche Karte es sich handelt, wie weit vom Ausgangspunkt des Nutzers entfernt, ob sich der Ort innerhalb des angeforderten Bereichs befand, ob Alternativen in der Nähe existierten oder ob dieser Ort in verschiedenen Märkten wiederholt erfolgreich oder weniger erfolgreich ist.

Häufiges Schwenken und Zoomen kann auf Engagement, Verwirrung, eine ungünstige anfängliche Darstellung, falsche Suchergebnisse oder Schwierigkeiten beim Auffinden eines Ortes hindeuten. Eine längere KI-Konversation kann auf eine intensive Erkundung oder wiederholte Missverständnisse hindeuten. Eine sinnvolle Messstrategie trennt daher Interaktion (die Nutzeraktion), Auflösung (ob die Karte dem Nutzer geholfen hat, den richtigen Ort zu finden oder zu verstehen) und Ergebnis (ob die beabsichtigte Folgeaktion erfolgte). Kartenaufrufe geben Aufschluss darüber, ob Nutzer die Karte erreicht haben. Sie geben jedoch keine Auskunft darüber, ob die Karte hilfreich war. Betrachten Sie sie als den oberen Teil des Funnels und verknüpfen Sie sie mit Sucherfolg, Ortsauswahl und einer Geschäftsaktion.

Was dokumentiert Kaleidr Analytics aktuell?

Kaleidr beschreibt Analytics aktuell als Dashboard für Karten- und Ortsinteraktionen, das Sitzungen, Aufrufe, Interaktionen und die Aktivitäten der Zielgruppe organisiert, sodass Teams sehen können, wie Nutzer Karten entdecken und verwenden (Map Engagement and Location Analytics). Auf derselben öffentlichen Seite werden vier Produktbereiche aufgeführt: Dashboards für Reichweite, Aufrufe und Interaktion; Zielgruppe für Standort und Aktivität der Zielgruppe auf verschiedenen Karten; Interaktion für Sitzungen, Aufrufe und Interaktionen pro Karte; und Insights für KI-gestützte räumliche Trends und handlungsrelevante Signale. Die FAQ besagt, dass Teams Kartenladezeiten, Sitzungen, Aufrufe und Interaktionen messen können, sowie analysieren können, wo Zielgruppen aktiv sind und welche Orte Aufmerksamkeit erregen. Traditionelle Webanalyse, so heißt es auf der Seite, „konzentriert sich auf Seiten und Ereignisse“, während Kaleidr Analytics „Orte und Karten in den Mittelpunkt stellt“.

Diese Aussage verdeutlicht die Positionierung von Kaleidr. Die öffentliche Seite dokumentiert derzeit weder ein vollständiges Schema der Rohdatenereignisse noch eine garantierte Liste automatischer Ereignisse zur Geschäftskonvertierung. Der Zugriff wird „schrittweise für Teams freigegeben“, und der Call-to-Action (CTA) leitet Teams zur Antragstellung weiter, anstatt davon auszugehen, dass jeder beschriebene Workflow bereits in jedem Konto verfügbar ist. Die untenstehende Architektur behandelt daher dokumentierte Karten- und Ortsmetriken als Grundlage für den Vertrag mit Kaleidr Analytics und Buchungs-, Anfrage-, Abhol- und Kaufereignisse als Instrumente des Anbieters, die über stabile Kennungen verknüpft werden sollten. Bitte prüfen Sie die aktuelle Verfügbarkeit unter Preise & Pläne, bevor Sie sich auf einen bestimmten Produktions-Workflow festlegen.

Wie sollte ein räumlicher Funnel von der Entdeckungs- zur Handlungsphase verlaufen?

Die Funnel-Analyse in Google Analytics visualisiert die Schritte, die Nutzer zur Erledigung einer Aufgabe durchführen, und zeigt, wo sie in jedem Schritt erfolgreich sind oder scheitern (Funnel-Analyse). Ein Kartenprodukt benötigt dieselbe Vorgehensweise für geografische Objekte. Kaleidrs Location-Intelligence-Software beschreibt die Kundenaufgabe bereits als Entdecken, Vergleichen und Handeln am richtigen Ort (Location Intelligence Customer Experience Maps). Bei einer standortbezogenen Karte umfasst Entdecken die Suche, eine KI-Frage, die Auswahl einer Kategorie oder die Erkundung eines Gebiets. Vergleichen beinhaltet das Öffnen eines Ortes, das Betrachten eines zweiten Ortes, die angezeigte Reisezeit oder eine Änderung der Karten-/Listenauswahl. Handeln beinhaltet Wegbeschreibungen, Buchungen, Anfragen, die Auswahl eines Geschäfts, Abholungen, eine begonnene Route oder das Speichern.

Der Funnel ist aussagekräftiger als „Karte geöffnet, dann Marker angeklickt“, da er die Kundenentscheidung und nicht die Aktivitäten des Renderers berücksichtigt. Schwenken, Zoomen, Umschalten von Ebenen und die Anzahl der Meldungen bleiben nützliche Diagnoseinstrumente. Sie sollten jedoch nicht alle zu KPIs werden. Ein Dashboard mit zwanzig Interaktionszahlen ohne Ergebnis kann zwar komplex wirken, aber wenig aussagekräftig sein. Segmentieren Sie denselben Funnel nach Ort, Region, Reisezeitbereich und Servicegebiet, damit das Team untersuchen kann, ob die Conversion-Rate sinkt, wenn die nächstgelegene Option weiter entfernt ist, als Kunden zurücklegen möchten.

Wie sollten Web- und Spatial-Analytics-Systeme die Zuständigkeiten teilen?

Eine optimale Architektur weist jedem System eine Aufgabe zu und verknüpft nur die relevanten Daten. Web- und Produktanalysen sollten die Daten für Quelle, Kampagne, Seite, Sitzung und Website-weite Conversions verwalten. Spatial-Analytics-Systeme sollten Karten, Orte, Regionen, Routen, Abdeckung, geografische Hürden und den räumlichen Ergebniskontext verwalten. Operative Systeme sollten Bestandsdaten, Buchungen, Transaktionen, CRM-Status und andere maßgebliche Geschäftsdaten verwalten. Google dokumentiert derzeit, dass Berichte, Explorations, die Data API und BigQuery unterschiedliche Regeln für Identität, Modellierung, Schwellenwertsetzung und Verfügbarkeit anwenden können (Vergleichen Sie Analytics-Berichte und nach BigQuery exportierte Daten). Das Kopieren jedes Kartenereignisses auf jede Plattform führt zu dieser Inkonsistenz und verursacht höhere Kosten.

Verbinden Sie die Ebenen mit session_id, task_id und place_id, wo die Abfrage diese benötigt. Eine bezahlte Suchkampagne kann dann wie folgt interpretiert werden: Kampagne → Objektkarte → Innenstadt → ausgewähltes Angebot → Anfrage gestartet. Die Akquisitionsebene erklärt, wie der Nutzer auf die Seite gelangte. Die räumliche Ebene erklärt, wie der Standort die Entscheidung beeinflusst hat. Das Hostsystem bleibt die maßgebliche Quelle dafür, ob die Anfrage oder Buchung tatsächlich stattgefunden hat. Kaleidr Analytics kann die Karte und den Kontext des Standorts bereitstellen; es sollte nicht aufgefordert werden, das Buchungsbuch zu duplizieren.

Warum sind stabile IDs wichtiger als Ortsnamen?

Ein Ortsname ist eine Anzeigezeichenfolge. Doppelte Namen, umbenannte Orte, Lokalisierungs- und Interpunktionsunterschiede führen zu Verbindungsabbrüchen. Ein stabiles place_id kann im Kartenlayer unter place_selected und im Hostsystem unter booking_started erscheinen, sodass die beiden Ereignisse denselben Ort beschreiben, selbst wenn sich der öffentliche Name ändert. Anzeigenamen können Eigenschaften bleiben. Die Kennung sollte stabil bleiben; dieselbe Regel gilt für map_id und region_id.

Die Ereignisnamen in diesem Artikel sind redaktionelle Beispiele und keine dokumentierten automatischen Kaleidr Analytics-Ereignisse. Eine praktische Taxonomie könnte map_opened, map_ready, map_search_submitted, map_results_returned, map_no_result, map_place_selected, map_route_opened und map_action_started umfassen, wobei die Ergebnisnamen unternehmensspezifisch bleiben (booking_started, property_inquiry_started, store_directions_opened). Überprüfen Sie das aktuelle Produktschema, bevor Sie eine dieser Zeichenketten als ausgeliefertes Kaleidr-Ereignis behandeln. Ranking-Produkte sollten auch den ausgewählten Rang erfassen, da das erste Ergebnis aufgrund seiner Darstellung und nicht aufgrund von Präferenzen Klicks generieren kann. Die Place Ranking API berücksichtigt diese Darstellungsverzerrung bei der Suche.

Welche einzigartigen Fragen kann die geografische Reibung beantworten?

Räumliche Analysen sind nützlich, wenn Ereignisse geografisch gruppiert und als Raten verglichen werden. Nachbarschaft, Stadt, Markt, Servicegebiet, Vertriebsregion und Veranstaltungszone sind allesamt legitime Regionsdimensionen, sofern sie entsprechend definiert sind. URLs können Fragen wie die Konzentration der Nachfrage, die geringe Auswahlrate, die wiederholte Erweiterung der Suche durch Nutzer und die fehlende Verfügbarkeit in bestimmten Gebieten nicht zuverlässig beantworten. Such- und Nutzergeografie sind nicht identisch: Eine Person kann in einer Region nach Hotels in einer anderen suchen. Daher sollte der Ursprung getrennt von Sichtfeld, eingegebenem Zielort, gezeichnetem Polygon oder Routenkorridor modelliert werden.

Bei einem Ereignis ohne Ergebnis sollte nach Möglichkeit eine Begründung angegeben werden: keine Kandidaten, kein verfügbares Angebot, außerhalb des Servicegebiets, Verfügbarkeit nicht verfügbar, Anfrage nicht verstanden oder Autorisierung hat alle Ergebnisse entfernt. Eine einfache Anzahl von Null Ergebnissen gibt Betreibern keine Hinweise auf notwendige Verbesserungen. Die Abdeckungsanalyse vergleicht dann die Nachfrage mit der verfügbaren geografischen Abdeckung: Marktplätze ohne Anbieter, Geschäfte, die weiter entfernt liegen, als Kunden zurücklegen würden, Immobiliensuche ohne verfügbares Angebot, Hotelviertel mit Interesse, aber schwachen Partnern. Heatmaps ohne Nenner sind irreführend, da eine dichte Zelle oft anzeigt, wo sich bereits mehr Nutzer befinden, anstatt wo die Leistung besser ist. Auswahlrate, Sucherfolgsrate und Ergebnisrate sollten beibehalten werden. Große Regionen enthalten naturgemäß mehr Ereignisse. Die Daten werden vor der Gebietsrangfolge anhand von Sitzungen, verfügbarem Angebot oder Kartenaufrufen normalisiert.

Wie sollten Teams den Datenschutz bezüglich Standortdaten in der Analyse handhaben?

Die W3C-Geolocation-Spezifikation besagt derzeit, dass das Abrufen des geografischen Standorts eines Geräts „auch den Standort des Nutzers offenlegt und dadurch dessen Privatsphäre potenziell gefährdet“. Entwickler werden darauf hingewiesen, dass die Datenschutzgesetze ihrer jeweiligen Gerichtsbarkeiten die Nutzung und den Zugriff regeln können (Geolocation). Für die meisten Fragen der Produktanalyse sind keine permanenten, exakten Koordinaten erforderlich. Verwenden Sie stattdessen region_id, place_id, Entfernungsband, Reisezeitband und service_area_id, wenn diese die geschäftliche Frage beantworten. Eine ausgewählte Store-ID plus Herkunftsregion ist oft ausreichend; genaue Längen- und Breitengrade im Analytics-Data-Warehouse sind hingegen häufig nicht ausreichend.

Eine Orts-ID kann öffentlich sein, während der genaue Herkunftsort eines Nutzers sensibel ist. Behandeln Sie diese nicht gleich. Aggregierte Berichte – Suchen nach Nachbarschaft, Auswahlrate nach Servicegebiet, Konvertierung nach Reisezeitbereich – reduzieren sowohl Rauschen als auch die Identifizierbarkeit. Geografische Zellen mit geringem Datenaufkommen können identifizierend wirken, daher benötigen Teams möglicherweise Unterdrückung, Mindestzählungen oder größere Regionen. Die korrekte Datenschutzrichtlinie hängt vom Einsatz und dem rechtlichen Kontext ab; dieser Artikel beschreibt das Messdesign, nicht die Festlegung einer bestimmten Vorgehensweise für einen bestimmten Leser. Autorisierung und Minimierung für private Geschäftsstandorte werden in Private Standortdaten für KI-Karten-Workflows behandelt.

Wann ist Webanalyse ausreichend und wann ist räumliche Analyse notwendig?

Esri definiert GIS derzeit als eine Technologie zur Erstellung, Verwaltung, Analyse und Kartierung von Daten durch die Verknüpfung von Standorten mit beschreibenden Informationen (Was ist GIS?). Räumliche Analyse für ein Kartenprodukt ist etwas anderes. Produktteams benötigen keine Rasterverarbeitung, Netzwerkmodellierung oder Geostatistik, um das Kundenverhalten mit geografischen Entitäten und Beziehungen zu analysieren. GIS kann die zugrundeliegenden Berechnungen weiterhin unterstützen. Eine Heatmap ist eine Visualisierung, keine Strategie; Tabellen, Trichter, Standortrankings, Regionsvergleiche, Reisezeitbänder und Kennzahlen zum Servicegebiet sind allesamt Beispiele für räumliche Analysen.

Eine dekorative Kontaktkarte mit nur einem Büro, ohne Interaktion auf Standortebene und ohne geografische Abhängigkeit vom Geschäftsergebnis rechtfertigt möglicherweise keine dedizierte räumliche Ebene. Räumliche Analysen werden notwendig, wenn das Produkt die Standortperformance, die regionale Nachfrage, Abdeckungslücken, das Reisezeitverhalten, Gebiete ohne Ergebnis, kartengestützte Konversion oder die Qualität standortbezogener KI nach Region verstehen muss. Konversationelle Karten fügen ai_question_submitted und zugehörige Host-Ereignisse hinzu, aber die wichtigsten Kennzahlen bleiben die Beantwortung der Frage, die Auswahl des relevanten Standorts und die Durchführung der Geschäftsaktion. Ein kurzes Gespräch kann besser sein als ein langes. Echtzeit- und 3D-Karten bieten zusätzliche Zuverlässigkeits- oder Kameradiagnosefunktionen; diese bleiben jedoch dem gleichen Ergebnistest untergeordnet. Speziell für 3D ist zusätzliche Kamerabewegung ohne bessere Auswahl oder Aufgabenerfüllung kein Beweis für einen Mehrwert (3D Maps in Kaleidr Studio).

Welche Fehler sollten Map-Analytics-Teams vermeiden?

Ein häufiger Fehler ist die fälschliche Interpretation von Kartenaktivitäten als Erfolg. Das vollständige Ersetzen der Webanalyse löscht den Akquisitionskontext. Die alleinige Erfassung von Kartenöffnungen verwechselt Akzeptanz mit Wert. Das Zählen von Schwenks und Zooms als Erfolg lässt Reibungsverluste fälschlicherweise als Engagement erscheinen. Das Speichern von Ortsnamen anstelle von IDs führt zu fehlerhaften Verknüpfungen. Die Vermischung von Nutzer- und Suchgeografie führt zu ungenauen Analysen. Die Rangfolge von Regionen anhand reiner Zählwerte belohnt deren Größe. Die Verwendung einer Heatmap als Strategie führt zu keiner Geschäftsentscheidung. Die Erfassung exakter Koordinaten, wo ein Band ausreichen würde, erhöht das Datenschutzrisiko. Die Optimierung einer KI-Karte für das Nachrichtenvolumen führt zu langfristigen Fehlern. Das Kopieren jedes Ereignisses in jedes Tool bläht die Architektur auf. Die Annahme, dass empfohlene Ereignisnamen automatisch Kaleidr-Ereignisse sind, führt zu einer fehlerhaften Implementierung.

Karten- und Ortsinteraktion mit Kaleidr messen

Beobachten, wie Kunden Karten und Orte entdecken, erkunden und nutzen, und diese Signale mit den Ergebnissen verknüpfen, die das Host-Produkt bereits misst. Kaleidr Analytics erkunden für aktuelle Kartenlade-, Sitzungs-, Ansichts-, Interaktions-, Zielgruppen-, Ortsaufmerksamkeits- und räumliche Trendflächen. Öffentlichen Vertrag bestätigen, bevor ein Konvertierungspfad kodiert wird, der nicht auf der Seite dokumentiert ist.

Häufig gestellte Fragen

Was ist der Unterschied zwischen räumlicher Analyse und Webanalyse?

Webanalyse misst primär Seitenaufrufe, Sitzungen, Ereignisse, Kundengewinnung und Conversions. Räumliche Analysen ergänzen diese Daten um Karten, Orte, Regionen, Routen, Servicegebiete, Reisebeziehungen und weitere geografische Dimensionen.

Benötigen Kartenprodukte weiterhin Google Analytics oder ein anderes Webanalysetool?

In der Regel ja. Webanalyse ist nach wie vor wertvoll für Kundengewinnung, Seitenaufrufe, Geräteverhalten und Website-weite Conversions. Räumliche Analysen ergänzen diese.

Was sollte ein Kartenprodukt zuerst messen?

Beginnen Sie mit dem Kundenergebnis: Auswahl eines relevanten Ortes, Öffnen der Wegbeschreibung, Start einer Buchung, Absenden einer Anfrage, Festlegung der Route oder eine andere ortsabhängige Aktion.

Sind Karten-Verschiebungen und -Zooms aussagekräftige Kennzahlen?

Sie sind zwar hilfreiche Diagnoseereignisse, aber allein keine aussagekräftigen Erfolgsindikatoren. Intensive Interaktion kann sowohl auf Engagement als auch auf Reibungsverluste hindeuten.

Was versteht man unter Orts-Engagement?

Orts-Engagement misst, wie Nutzer mit bestimmten Orten interagieren, z. B. durch Auswählen, Vergleichen, Speichern, Routenplanen, Buchen oder Anfragen.

Was ist ein räumlicher Funnel?

Ein räumlicher Funnel bildet eine ortsabhängige Customer Journey ab, z. B. Kartenöffnung, Suche, geeignete Orte, Ortsauswahl und anschließende Aktion. Optional kann die Customer Journey nach Region, Ort, Reisezeit oder Abdeckung segmentiert werden.

Warum sind stabile Orts-IDs wichtig?

Stabile IDs ermöglichen es Teams, Karteninteraktionen mit nachgelagerten Geschäftsereignissen zu verknüpfen, selbst wenn sich Ortsnamen ändern oder doppelte Namen existieren.

Sollten räumliche Analysen Rohdaten für Längen- und Breitengrad speichern?

Nicht immer. Viele geschäftliche Fragestellungen lassen sich mit Orts-IDs, Regions-IDs, Entfernungsbändern, Reisezeitbändern oder Servicegebiets-IDs beantworten, wodurch das Datenschutzrisiko reduziert wird.

Was misst Kaleidr Analytics aktuell?

Die aktuelle öffentliche Seite von Kaleidr beschreibt Kartenaufrufe, Sitzungen, Aufrufe, Interaktionen, Nutzeraktivitäten, Orte, an denen Nutzer interagieren, Orte, die Aufmerksamkeit erregen, und räumliche Trends.

Ist Kaleidr Analytics allgemein verfügbar?

Auf der aktuellen öffentlichen Analytics-Seite von Kaleidr wird der Zugriff für Teams schrittweise eingeführt. Bitte prüfen Sie die Verfügbarkeit in Ihrem Arbeitsbereich, bevor Sie sich auf einen bestimmten Produktions-Workflow verlassen.

Sind räumliche Analysen dasselbe wie GIS?

Nein. GIS umfasst ein breiteres Spektrum an Geodaten und Analysetools. Räumliche Analysen bedeuten in diesem Produktkontext die Analyse des Kunden- oder Produktverhaltens mithilfe geografischer Entitäten und Beziehungen.

Worin unterscheidet sich dieser Artikel vom KPI-Leitfaden für das Spatial Analytics Dashboard?

Dieser Artikel erläutert die Unterschiede zwischen räumlichen Analysen und Webanalysen und wie die beiden Messebenen zusammenwirken. Der KPI-Leitfaden konzentriert sich auf die Dashboard-Struktur, die Metrikhierarchie, die Nenner und die Berichterstellung nach der Definition des räumlichen Messmodells.

Referenzen

• Esri. What is GIS? Accessed 1 September 2026. https://www.esri.com/en-us/what-is-gis/overview
• Google Analytics. [GA4] Compare Analytics reports and data exported to BigQuery. Analytics Help. Accessed 1 September 2026. https://support.google.com/analytics/answer/13578783
• Google. Set up events. Google Analytics for Developers. Accessed 1 September 2026. https://developers.google.com/analytics/devguides/collection/ga4/events
• Google Analytics. About Analytics sessions. Analytics Help. Accessed 1 September 2026. https://support.google.com/analytics/answer/9191807
• Google Analytics. [GA4] Event. Analytics Help. Accessed 1 September 2026. https://support.google.com/analytics/answer/9356037
• Google Analytics. [GA4] Funnel exploration. Analytics Help. Accessed 1 September 2026. https://support.google.com/analytics/answer/9327974
• Kaleidr. Map Engagement and Location Analytics. Accessed 1 September 2026. https://kaleidr.com/analytics
• W3C. Geolocation. W3C Candidate Recommendation Snapshot, 26 March 2026. Accessed 1 September 2026. https://www.w3.org/TR/geolocation/

@misc{esri_what_is_gis_2026_09_01,
  title  = {What is GIS?},
  author = {{Esri}},
  note   = {Accessed 1 September 2026},
  url    = {https://www.esri.com/en-us/what-is-gis/overview}
}

@misc{google_bq_vs_reports_2026_09_01,
  title  = {{[GA4]} Compare Analytics reports and data exported to BigQuery},
  author = {{Google Analytics}},
  note   = {Analytics Help; accessed 1 September 2026},
  url    = {https://support.google.com/analytics/answer/13578783}
}

@misc{google_ga4_events_setup_2026_09_01,
  title  = {Set up events},
  author = {{Google}},
  note   = {Google Analytics for Developers; accessed 1 September 2026},
  url    = {https://developers.google.com/analytics/devguides/collection/ga4/events}
}

@misc{ga4_sessions_2026_09_01,
  title  = {About Analytics sessions},
  author = {{Google Analytics}},
  note   = {Analytics Help; accessed 1 September 2026},
  url    = {https://support.google.com/analytics/answer/9191807}
}

@misc{ga4_event_2026_09_01,
  title  = {{[GA4]} Event},
  author = {{Google Analytics}},
  note   = {Analytics Help; accessed 1 September 2026},
  url    = {https://support.google.com/analytics/answer/9356037}
}

@misc{ga4_funnel_exploration_2026_09_01,
  title  = {{[GA4]} Funnel exploration},
  author = {{Google Analytics}},
  note   = {Analytics Help; accessed 1 September 2026},
  url    = {https://support.google.com/analytics/answer/9327974}
}

@misc{kaleidr_analytics_2026_09_01,
  title  = {Map Engagement and Location Analytics},
  author = {{Kaleidr}},
  note   = {Accessed 1 September 2026},
  url    = {https://kaleidr.com/analytics}
}

@misc{w3c_geolocation_2026_03_26,
  title       = {Geolocation},
  author      = {{W3C}},
  institution = {W3C},
  year        = {2026},
  month       = mar,
  note        = {W3C Candidate Recommendation Snapshot, 26 March 2026; accessed 1 September 2026},
  url         = {https://www.w3.org/TR/geolocation/}
}