Wenn Dinge augenscheinlich zusammenhängen, muss das nicht unbedingt auf eine gemeinsame Ursache zurückzuführen sein. Somit sind wir schon mitten drin in meinem heutigen Beispiel zu Korrelation und Kausalität.
Datenanalyse gehört zu meinem Berufsleben wie die Weidebutter in den Kaffee. Nahezu täglich beschäftige ich mich damit, wie Webseiten funktionieren. Dabei werte ich aus, ob, warum und vor allem warum nicht Nutzer etwas kaufen, buchen oder eine Anfrage stellen. All diese Fragen versuche ich, (auch) mit Hilfe von Webanalyse-Tools zu beantworten.
Nicht immer hängt der gleichklingende Verlauf zweier Kennzahlen mit derselben Ursache zusammen. Ich zeige dir gleich ein aktuelles Beispiel, das mir am vergangenen Wochenende ins Auge gesprungen ist.
Korrelation
Am Wochenende bin auch ich über auf tausendfach geteilten Twitter-Post des Geoinformatikers @LuukvanderMeer gestoßen. Du solltest diesen direkt unten im Artikel eingeblendet sehen. Mit einem (hoffentlich nicht nur für mich deutlich erkennbaren!) Augenzwinkern weist er auf den vermeintlichen Zusammenhang zwischen der aktuellen Pandemie-Ausbreitung und der Verfügbarkeit von Google Street View hin.
Zusammenhang 1: Google Street View und die Pandemie
The evidence cannot be clearer: Google Street View causing COVID-19. #correlation #causation #conspiracy #COVID19 pic.twitter.com/S1MpyxtF2K
— Luuk van der Meer (@LuukvanderMeer) 17. Oktober 2020
Weist Deutschland hier im europäischen Überblick ausgerechnet deshalb eine geringere Falldichte auf, weil es hier eine nur ganz eingeschränkte Verfügbarkeit von Google Streetview gibt?
Nein, denn hier handelt es sich lediglich um die Korrelation zweier Tatsachen. Also nicht mehr als einen schön nebeneinander aussehenden Vergleich. Denn die jeweiligen Ursachen, dass die beiden Abbildungen im Oktober 2020 genau so aussehen, sind gänzlich andere.
Kausalität
In den vergangenen Tagen habe ich auch wieder einmal Google Trends benutzt. Das ist ein kostenloses und gleichzeitig sehr wertvolles Tool, um die Suchhistorie von Google rückblickend auszuwerten. Damit können zum Beispiel Suchanfragen nach Zeiträumen, Ländern und/oder unterschiedlich genutzten Phrasen sowie Themen verglichen werden.
Zusammenhang 2: Booking und die Reisewarnung
Der Fall ist recht klar: Die Suchanfrage nach Booking (hier von mir als Synonym für das Interesse nach Urlaubsreisen und Hotelbuchungen verwendet) verhält sich indirekt proportional zu jener nach Reisewarnung. Sind Reisewarnungen in den Medien und damit auch in der Suchmaschine ein zunehmendes Thema, sinkt das Interesse daran, eine Reise zu buchen. Hier ist die Kausalität wohl nicht von der Hand zu weisen.
Falls du unten keine Grafik sehen kannst, klicke einfach hier weiter zu Google Trends: „Booking“ vs. „Reisewarnung“.
Abschließend hoffe ich, dass du künftig bei Vergleichen und Interpretationen von Grafiken, Analysen und Aussagen – auch in der Webanalyse – an diesen Artikel denkst. Ziehe dabei bitte unbedingt in Betracht, ob ein Ergebnis, trotz, wegen oder gänzlich unabhängig von der vorhergehenden Maßnahme, Veränderung, Kampagne eingetreten ist.
Mit welchen Beispielen an ganz zufällig korrelierenden Daten hattest du schon zu tun? Ich bin bespannt, welche Erfahrungen und Erlebnisse du hier schon gemacht hast, egal ob in der Webanalyse und im Onlinemarketing oder anderswo.
Happy Analyzing,
PS: Du willst noch mehr kuriose Beispiele zu Korrelation und Kausalität finden? Dann bist du auf der Website „Spurious Correlations“ von Tyler Vigen sehr gut aufgehoben. Viel Spaß und (Nicht-)Erkenntnisse damit!
PPS: Kennst du schon meine anderen Blogtober-Artikel? Ich habe mir unter anderem Gedanken zu den Möglichkeiten mit Google Ads gemacht. Des weiteren liefere ich dir auch Beispiele, warum Onlinemarketing weder schnell, noch alleine und schon gar nicht kostenlos zu bewerkstelligen ist.