Was machen Nutzer in deiner App? Analytics einrichten

Du hast 30 registrierte Nutzer. Aber wie viele loggen sich tatsächlich ein? Welche Seiten besuchen sie? Wo klicken sie hin? Und vor allem: Wo brechen sie ab und kommen nie wieder?

Ohne Analytics fliegst du blind. Du glaubst zu wissen was funktioniert, aber du weißt es nicht. Und Entscheidungen auf Bauchgefühl statt Daten zu treffen, ist der teuerste Fehler den ein Gründer machen kann.

Warum Analytics gerade bei AI-Prototypen unverzichtbar ist

Bei klassischer Software-Entwicklung plant ein UX-Designer jeden Klick. Bei AI-gebauten Apps entscheidet der Prompt — und die AI über das Layout. Du weißt nicht immer, warum ein Button dort steht wo er steht. Analytics zeigt dir ob die AI die richtigen Entscheidungen getroffen hat.

Was du ohne Analytics nicht weißt: - Ob Nutzer die Kernfunktion überhaupt finden - Welche Features genutzt werden und welche ignoriert werden - Wo Nutzer frustriert aufgeben - Ob deine letzten Änderungen etwas verbessert oder verschlechtert haben - Wann Nutzer am aktivsten sind

Was du mit Analytics weißt: - 70% der Nutzer klicken nie auf „Einstellungen” → Kannst du entfernen - 40% verlassen die App auf der Registrierungs-Seite → Die Registrierung ist zu kompliziert - Die meisten Nutzer kommen dienstags und mittwochs → Marketing an diesen Tagen pushen

Die 3 Analytics-Levels

Level 1: Basis-Zahlen (reicht für den Anfang)

• Wie viele Nutzer besuchen deine App? (Seitenaufrufe)
• Wie viele sind registriert? (Nutzeranzahl)
• Wie viele kommen zurück? (Wiederkehrende Nutzer)
• Von wo kommen sie? (Traffic-Quellen)

Tool: Plausible Analytics oder Umami (beide DSGVO-konform, kein Cookie-Banner nötig)

Level 2: Nutzerverhalten (wenn du 50+ Nutzer hast)

• Welche Seiten werden am meisten besucht?
• Wo klicken Nutzer hin?
• Wie lange bleiben sie auf jeder Seite?
• Welche Aktionen führen sie aus? (Event-Tracking)

Tool: Plausible mit Custom Events oder PostHog (Open Source, Self-hosted möglich)

Level 3: Tiefe Analyse (wenn du monetarisierst)

• Welche Nutzer konvertieren zu zahlenden Kunden?
• Welche Features korrelieren mit Retention?
• Wo im Funnel verlierst du die meisten Nutzer?
• Was ist der Lifetime Value pro Nutzergruppe?

Tool: PostHog, Mixpanel oder Amplitude

Für deinen Prototyp reicht Level 1. Level 2 kommt mit den ersten 50 Nutzern. Level 3 erst wenn du monetarisierst.

Analytics einrichten in 30 Minuten

Option 1: Plausible Analytics (empfohlen für den Start)

Plausible ist ein schlankes, DSGVO-konformes Analytics-Tool. Kein Cookie-Banner nötig, keine personenbezogenen Daten.

Kosten: Ab 9 €/Monat. 30 Tage kostenlos testen.

Einrichtung: 1. Account auf plausible.io erstellen 2. Domain hinzufügen 3. Ein Script-Tag in den HTML-Head deiner App einfügen

Prompt für Lovable: „Füge Plausible Analytics hinzu. Script-URL: https://plausible.io/js/script.js, Domain: deinprodukt.de. Füge das Script im HTML-Head ein.”

Was du sofort siehst: - Tägliche Besucher - Seitenaufrufe - Verweildauer - Traffic-Quellen (woher kommen die Nutzer?) - Geräte (Desktop vs. Mobile) - Länder

Option 2: Umami (kostenlos, selbst gehostet)

Umami ist die Open-Source-Alternative zu Plausible. Komplett kostenlos, aber du musst es selbst hosten.

Einrichtung: 1. Umami auf Vercel oder Railway deployen (kostenlos möglich) 2. Tracking-Code in deine App einbauen

Etwas mehr Aufwand, dafür komplett kostenlos und du behältst die volle Kontrolle über die Daten.

Option 3: Google Analytics (kostenlos, aber DSGVO-problematisch)

Google Analytics ist mächtig und kostenlos. Aber: In der EU brauchst du ein Cookie-Banner und eine explizite Einwilligung. Viele Nutzer lehnen ab — und du verlierst 30–50% der Daten.

Empfehlung: Für einen AI-Prototyp mit deutscher Zielgruppe: Plausible oder Umami statt Google Analytics. Weniger Daten, aber DSGVO-konform und kein Cookie-Banner nötig.

Die 5 Metriken die für deinen Prototyp wichtig sind

1. Aktive Nutzer pro Woche (WAU)

Was es misst: Wie viele einzigartige Nutzer deine App pro Woche nutzen. Warum wichtig: Registrierungen sind irrelevant wenn niemand zurückkommt. WAU zeigt dir ob deine App im Alltag genutzt wird. Guter Wert: 30%+ deiner registrierten Nutzer kommen jede Woche zurück.

2. Retention Rate

Was es misst: Wie viele Nutzer nach 7 Tagen noch da sind. Warum wichtig: Die wichtigste Metrik für Product-Market Fit. Wenn Nutzer zurückkommen, löst du ein echtes Problem. Guter Wert: 20%+ nach 7 Tagen ist gut für einen Prototyp. 40%+ ist exzellent.

3. Aktivierungsrate

Was es misst: Wie viele registrierte Nutzer die Kernfunktion mindestens einmal nutzen. Warum wichtig: Wenn sich 100 Nutzer registrieren aber nur 10 die Hauptfunktion nutzen, ist der Onboarding-Flow kaputt. Guter Wert: 60%+ der Registrierten sollten die Kernfunktion innerhalb von 24 Stunden nutzen.

4. Meistbesuchte Seiten

Was es misst: Welche Seiten am häufigsten aufgerufen werden. Warum wichtig: Zeigt dir was Nutzer wirklich wollen — nicht was du denkst dass sie wollen. Wenn „Einstellungen” die meistbesuchte Seite ist, fehlt den Nutzern etwas Grundlegendes.

5. Abbruch-Seiten

Was es misst: Von welcher Seite Nutzer deine App verlassen. Warum wichtig: Zeigt dir wo die Frustration am größten ist. Wenn 50% der Nutzer auf der Registrierungsseite abbrechen, ist die Registrierung das Problem — nicht dein Produkt.

Event-Tracking: Aktionen messen die zählen

Seitenaufrufe sind der Anfang. Das nächste Level: spezifische Aktionen messen.

Beispiele für Events die du tracken solltest: - „Auftrag erstellt” — Nutzen die Leute die Kernfunktion? - „Profil ausgefüllt” — Wie weit kommen sie im Onboarding? - „Export angeklickt” — Werden bestimmte Features genutzt? - „Upgrade-Button geklickt” — Interessieren sich Nutzer für die Bezahlversion?

Prompt für Lovable: „Füge Event-Tracking hinzu: Wenn ein Nutzer [Aktion] ausführt, sende ein Custom Event an Plausible mit dem Namen [event-name].”

Was du mit den Daten machst

Daten sammeln ist nutzlos wenn du nichts daraus ableitest. Hier ist ein einfacher Workflow:

Jeden Montag (15 Minuten): 1. Dashboard öffnen 2. Wie viele aktive Nutzer diese Woche? 3. Welche Seiten am meisten besucht? 4. Wo brechen Nutzer ab? 5. Hat sich etwas gegenüber letzter Woche verändert?

Daraus ableiten: - Abbruch auf Registrierung? → Registrierung vereinfachen - Kernfunktion wird kaum genutzt? → Onboarding verbessern - Nutzer besuchen eine Seite sehr oft? → Diese Seite als Startseite setzen - Nutzer kommen nicht zurück? → Feedback-Gespräche führen warum nicht

Daten zeigen dir WAS passiert. Gespräche zeigen dir WARUM. Die Kombination aus beidem ist der schnellste Weg zu einem besseren Produkt.

Analytics und DSGVO

In Deutschland musst du bei Analytics den Datenschutz beachten:

Plausible/Umami (empfohlen): - Kein Cookie-Banner nötig - Keine personenbezogenen Daten - DSGVO-konform out of the box - In der Datenschutzerklärung erwähnen

Google Analytics: - Cookie-Banner mit Opt-in Pflicht - Auftragsverarbeitungsvertrag mit Google nötig - Datenübertragung in die USA problematisch - Viele Nutzer lehnen ab → unvollständige Daten

Für einen Prototyp: Nimm Plausible oder Umami. Spart dir den Cookie-Banner, die rechtliche Grauzone und gibt dir trotzdem die Daten die du brauchst.

FAQ: Häufig gestellte Fragen

Brauche ich Analytics schon bei 20 Nutzern?

Ja — aber das Level 1 reicht. Bei 20 Nutzern brauchst du keine Funnel-Analyse. Du brauchst: Kommen die Leute zurück? Welche Seiten besuchen sie? Das dauert 30 Minuten zum Einrichten und gibt dir ab Tag 1 wertvolle Daten.

Kann ich Analytics mit einem Prompt in Lovable einbauen?

Ja. Ein einziger Prompt fügt das Tracking-Script ein. Für Event-Tracking brauchst du spezifischere Prompts pro Event. Insgesamt 30–60 Minuten Arbeit für ein solides Analytics-Setup.

Wie oft sollte ich die Daten anschauen?

Einmal pro Woche reicht für einen Prototyp. Jeden Tag reinschauen führt zu Überreaktionen auf normale Schwankungen. Montags 15 Minuten Dashboard checken, Notizen machen, Prioritäten für die Woche setzen.

Was wenn die Daten deprimierend sind?

Das ist normal und wertvoll. Wenn nur 5 von 30 Nutzern zurückkommen, ist das ein klares Signal dass etwas nicht stimmt. Besser du weißt es nach 2 Wochen als nach 6 Monaten. Iteriere basierend auf den Daten, nicht auf Hoffnung.

Ab wann brauche ich professionelle Analytics?

Wenn du monetarisierst und wissen musst welche Features zahlende Kunden nutzen (und welche nicht). Oder wenn du mehr als 500 aktive Nutzer hast und Funnel-Optimierung wichtig wird. Dann lohnt sich PostHog oder Mixpanel — und ein Entwickler der die Events sauber implementiert.

Fazit: Messen ist nicht optional — es ist dein Kompass

Ohne Analytics baust du im Dunkeln. Du hoffst dass Nutzer wiederkommen, du hoffst dass die Kernfunktion genutzt wird, du hoffst dass deine Änderungen etwas verbessern. Mit Analytics weißt du es.

30 Minuten Setup, 15 Minuten Review pro Woche. Das ist der Aufwand. Der Gewinn: Jede Entscheidung die du triffst, basiert auf Daten statt auf Vermutungen.

Und wenn die Daten zeigen dass dein Prototyp Traktion hat? Dann ist es Zeit, die Analytics-Infrastruktur genauso professionell zu machen wie den Rest der App — mit einem Entwickler der weiß wie man Produkte baut die nicht nur funktionieren, sondern auch gemessen und optimiert werden können.

Dein Prototyp hat Nutzer. Verstehst du auch was sie tun? Wir bauen Analytics-Infrastruktur die dir zeigt was wirklich funktioniert.

Jetzt Projekt optimieren