{"id":3032,"date":"2025-10-28T07:24:37","date_gmt":"2025-10-28T07:24:37","guid":{"rendered":"https:\/\/iwis.io\/?p=3032"},"modified":"2025-11-04T14:21:09","modified_gmt":"2025-11-04T14:21:09","slug":"useful_metrics","status":"publish","type":"post","link":"https:\/\/iwis.io\/de\/blog\/useful_metrics\/","title":{"rendered":"Warum nicht alle Kennzahlen gleicherma\u00dfen n\u00fctzlich sind"},"content":{"rendered":"","protected":false},"excerpt":{"rendered":"","protected":false},"author":1,"featured_media":0,"comment_status":"closed","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"footnotes":""},"categories":[],"tags":[],"class_list":["post-3032","post","type-post","status-publish","format-standard","hentry"],"acf":{"blog_custom_title":"Warum nicht alle Kennzahlen gleicherma\u00dfen n\u00fctzlich sind","blog_featured_image":3045,"blog_custom_excerpt":"\u0426\u0438\u0444\u0440\u043e\u0432\u0456 \u043a\u043e\u043c\u043f\u0430\u043d\u0456\u0457 \u0449\u043e\u0434\u043d\u044f \u0432\u0437\u0430\u0454\u043c\u043e\u0434\u0456\u044e\u0442\u044c \u0456\u0437 \u0441\u043e\u0442\u043d\u044f\u043c\u0438 \u043c\u0435\u0442\u0440\u0438\u043a: \u043f\u0435\u0440\u0435\u0433\u043b\u044f\u0434\u0438 \u0441\u0442\u043e\u0440\u0456\u043d\u043e\u043a, \u043a\u0456\u043b\u044c\u043a\u0456\u0441\u0442\u044c \u043a\u043b\u0456\u0454\u043d\u0442\u0456\u0432, \u0441\u0435\u0440\u0435\u0434\u043d\u0456\u0439 \u0447\u0430\u0441 \u043d\u0430 \u0441\u0430\u0439\u0442\u0456, \u043a\u043e\u0435\u0444\u0456\u0446\u0456\u0454\u043d\u0442\u0438 \u0432\u0456\u0434\u043c\u043e\u0432, CTR, retention, \u043a\u0456\u043b\u044c\u043a\u0456\u0441\u0442\u044c \u043b\u0456\u0434\u0456\u0432, open rate \u0442\u043e\u0449\u043e. \u0410\u043b\u0435 \u0434\u0430\u043b\u0435\u043a\u043e \u043d\u0435 \u0432\u0441\u0456 \u0437 \u043d\u0438\u0445 \u0434\u043e\u043f\u043e\u043c\u0430\u0433\u0430\u044e\u0442\u044c \u0443\u0445\u0432\u0430\u043b\u044e\u0432\u0430\u0442\u0438 \u0435\u0444\u0435\u043a\u0442\u0438\u0432\u043d\u0456 \u0440\u0456\u0448\u0435\u043d\u043d\u044f. ","blog_external_url":"","blog_categories":false,"blog_tags":false,"blog_featured_post":false,"blog_content_blocks":[{"acf_fc_layout":"text_block","text_content":"Oft sehen die Daten \u00fcberzeugend aus: sch\u00f6ne Grafiken, positive Dynamik, ansprechend gestaltete Berichte. Aber bedeutet das wirklich, dass alles gut l\u00e4uft? "},{"acf_fc_layout":"text_block","text_content":"Heute sprechen wir \u00fcber ein Konzept, das zwischen Metriken mit praktischem Wert (Daten erster G\u00fcte) und solchen unterscheidet, die zwar gut zu pr\u00e4sentieren, aber schwer zu interpretieren sind. Sie sehen aus wie messbarer Fortschritt, liefern aber keine echten Antworten. Mit anderen Worten: Sekund\u00e4re Metriken sind wie Plastikfr\u00fcchte auf dem Tisch: Sie sehen beeindruckend aus, sind aber nicht essbar.  "},{"acf_fc_layout":"text_block","text_content":"Dieser Artikel befasst sich damit, warum die meisten g\u00e4ngigen Kennzahlen in Wirklichkeit m\u00f6glicherweise keinerlei analytische Aussagekraft haben. Und damit, wie man auff\u00e4llige Berichterstattung durch effektive Analytik ersetzen kann. "},{"acf_fc_layout":"text_block","text_content":"<strong>Vanity Metrics vs Actionable Metrics<\/strong>"},{"acf_fc_layout":"text_block","text_content":"<em><strong>Vanity metrics<\/strong><\/em> sind oberfl\u00e4chliche Kennzahlen, die h\u00e4ufig in Berichten und Dashboards verwendet werden, aber selten zu konkreten Ma\u00dfnahmen oder Ver\u00e4nderungen f\u00fchren. Sie k\u00f6nnen informativ sein, haben aber f\u00fcr sich genommen keine praktische Bedeutung f\u00fcr das Unternehmen. "},{"acf_fc_layout":"list_block","list_title":"Zum Beispiel:","list_type":"ul","list_items":[{"item_text":"Anzahl der Seitenaufrufe;"},{"item_text":"Gesamtzahl der Abonnements;"},{"item_text":"Anzahl der Downloads der Anwendung."}]},{"acf_fc_layout":"text_block","text_content":"<em><strong>Actionable metrics<\/strong><\/em> sind Kennzahlen, die sich direkt auf die Entscheidungsfindung, Produkt\u00e4nderungen, das Marketing oder die Prozessoptimierung auswirken. Sie: "},{"acf_fc_layout":"list_block","list_title":"","list_type":"ul","list_items":[{"item_text":"spiegeln Ver\u00e4nderungen im Nutzerverhalten wider;"},{"item_text":"die Effizienz von Entscheidungen messen;"},{"item_text":"zeigen Ursache-Wirkungs-Zusammenh\u00e4nge auf;"},{"item_text":"eng mit den Gesch\u00e4ftszielen verbunden sind."}]},{"acf_fc_layout":"text_block","text_content":"<strong>Typische Fehler bei der Arbeit mit Daten<\/strong>"},{"acf_fc_layout":"text_block","text_content":"<em><strong>1. Verwendung von Metriken nur f\u00fcr Berichte<\/strong><\/em>\nViele Unternehmen erstellen regelm\u00e4\u00dfig Berichte, die keinen analytischen Wert haben. Zum Beispiel einen w\u00f6chentlichen Bericht mit dem Gesamt-Traffic, ohne Aufschl\u00fcsselung nach Kan\u00e4len und ohne Korrelation mit Conversions. "},{"acf_fc_layout":"text_block","text_content":"<em><strong>2. KPIs, die nicht an die Strategie gebunden sind<\/strong><\/em>\nManchmal messen Unternehmen Dinge, die leicht zu verfolgen sind, anstatt solche, die strategisch wertvoll sind. Beispielsweise k\u00f6nnte sich die Marketingabteilung darauf konzentrieren, die Anzahl der Videoaufrufe zu erh\u00f6hen, obwohl das strategische Ziel darin besteht, Leads zu generieren. "},{"acf_fc_layout":"text_block","text_content":"<em><strong>3. Datenerfassung ohne weitere Verwendung<\/strong><\/em>\nTechnisch gesehen kann ein Analysesystem Dutzende von Ereignissen und Attributen erfassen, aber keines davon wird f\u00fcr die Entscheidungsfindung verwendet. Dies erzeugt analytisches Rauschen und erschwert es, sich auf die wirklich wichtigen Kennzahlen zu konzentrieren. "},{"acf_fc_layout":"text_block","text_content":"<em><strong>4. Daten separat betrachten<\/strong><\/em>\nDie gemessenen Werte \u2013 Klicks, Transaktionen, Besuche \u2013 sind keine isolierten Ereignisse, sondern interagieren in einem gemeinsamen Umfeld. Dies ist der Schl\u00fcssel zum Verst\u00e4ndnis, warum Vanity-Metriken oft irref\u00fchrend sind. "},{"acf_fc_layout":"text_block","text_content":"Es macht keinen Sinn, die Absprungrate getrennt von der Qualit\u00e4t des Traffics zu betrachten. Es macht keinen Sinn, die \u00d6ffnungsrate ohne Bezug zu Klicks und Verk\u00e4ufen zu berechnen. Die Daten m\u00fcssen als eine einzige Kette analysiert werden \u2013 vom ersten Kontakt bis zum Endergebnis.  "},{"acf_fc_layout":"text_block","text_content":"<strong>Sch\u00f6ne Kennzahlen k\u00f6nnen irref\u00fchrend sein<\/strong>"},{"acf_fc_layout":"text_block","text_content":"Betrachten wir eine Situation, mit der HubSpot einst konfrontiert war. Das Unternehmen orientierte sich lange Zeit an der Gesamtzahl der MQL (Marketing Qualified Leads) als wichtigster Kennzahl f\u00fcr den Marketingerfolg. "},{"acf_fc_layout":"text_block","text_content":"Das Wachstum der MQL schien ein Fortschritt zu sein: mehr Leads, mehr Traffic, mehr Aktivit\u00e4t. Aber sp\u00e4ter stellte sich heraus, dass die Anfragen f\u00fcr Demos eine dreimal h\u00f6here Konversionsrate hatten als beispielsweise das Herunterladen von E-Books. Das hei\u00dft, das Wachstum der MQL bedeutete nicht unbedingt einen Anstieg der Verkaufszahlen.  "},{"acf_fc_layout":"text_block","text_content":"Das Team optimierte die Marketingkampagnen unter Ber\u00fccksichtigung von Vanity-Metriken und verlor dabei den tats\u00e4chlichen analytischen Wert aus den Augen."},{"acf_fc_layout":"text_block","text_content":"\u00c4hnlich sieht es bei mobilen Apps aus. In der Studie \u201eSovereignty of the Apps\u201d wurden \u00fcber 213.000 Apps analysiert. Das Ergebnis: 70 % der Nutzer springen innerhalb der ersten Woche nach der Installation der App ab. Selbst in den Top 100 liegt die Retentionsrate bei nur etwa 45 %. Die Anzahl der Installationen sieht in den Berichten \u00fcberzeugend aus, aber das ist nur der Anfang: Wenn es keine Retentionsraten gibt, sind das nur zweitrangige Kennzahlen.     "},{"acf_fc_layout":"text_block","text_content":"<strong>Blind spots in analytics<\/strong>"},{"acf_fc_layout":"text_block","text_content":"Nicht weniger gef\u00e4hrlich sind Metriken, die \u00fcberhaupt nicht verfolgt werden, weil das Team sich ihrer Bedeutung nicht bewusst ist. Beispiele:"},{"acf_fc_layout":"text_block","text_content":"<em><strong>Time-to-first-value (TTFV)<\/strong><\/em> \u2013 die Zeit zwischen der ersten Interaktion des Benutzers mit dem Produkt und dem Moment, in dem er einen echten Mehrwert erkennt. Diese Kennzahl ist f\u00fcr SaaS von entscheidender Bedeutung, wird jedoch h\u00e4ufig ignoriert. "},{"acf_fc_layout":"text_block","text_content":"<em><strong>Customer Effort Score (CES)<\/strong><\/em> \u2013 ein Indikator daf\u00fcr, wie einfach es f\u00fcr einen Kunden ist, eine wichtige Aktion auszuf\u00fchren. Schlechte Integration, eine komplizierte Benutzeroberfl\u00e4che oder Fehler erh\u00f6hen den Aufwand, was zum Verlust des Kunden f\u00fchrt. <\/li>\n\t"},{"acf_fc_layout":"text_block","text_content":"<em><strong>Segmented Retention<\/strong><\/em> \u2013 Die allgemeine Retention mag normal aussehen, aber wenn man sich die Segmente (bezahlter Traffic, organischer Traffic, Referrals) nicht ansieht, bleiben wichtige Muster unsichtbar. Dies ist ein klassischer Fall des Simpson-Paradoxons: Im Allgemeinen weisen die Daten auf einen Trend hin, aber nach der Aufteilung in Segmente zeigt sich das Gegenteil. "},{"acf_fc_layout":"text_block","text_content":"<strong>Der Kontext entscheidet alles: Wenn Vanity nicht mehr Vanity ist<\/strong>"},{"acf_fc_layout":"text_block","text_content":"Es sollte hinzugef\u00fcgt werden, dass es keine schlechten oder guten Metriken an sich gibt. Die entscheidende Frage lautet: Von wem, in welcher Phase und zu welchem Zweck werden sie verwendet? "},{"acf_fc_layout":"text_block","text_content":"F\u00fcr SMM-Spezialisten ist Engagement eine umsetzbare Kennzahl, die die Effektivit\u00e4t von Inhalten anzeigt. Die Klickrate in der Werbung ist kein Ziel, aber n\u00fctzlich in A\/B-Tests, um festzustellen, was besser funktioniert. "},{"acf_fc_layout":"list_block","list_title":"Das hei\u00dft, Vanity-Metriken k\u00f6nnen wertvoll sein, wenn sie in einen tieferen \u00dcberpr\u00fcfungsprozess eingebunden sind. Zum Beispiel:","list_type":"ul","list_items":[{"item_text":"Hohe CTR, aber niedrige Conversion? Die Anzeige ist irref\u00fchrend. "},{"item_text":"Engagement ist hoch, aber es gibt keine Verk\u00e4ufe? Der Inhalt entspricht nicht dem Produkt. "}]},{"acf_fc_layout":"text_block","text_content":"Was gemessen wird, w\u00e4chst auch. KPI ist nicht nur eine Zahl, sondern eine Denkweise und ein Handlungsfokus. "},{"acf_fc_layout":"text_block","text_content":"<strong>Wie man mit Metriken effektiv arbeitet<\/strong>"},{"acf_fc_layout":"text_block","text_content":"1. Beginnen Sie mit dem Ziel. Was genau muss ge\u00e4ndert\/verbessert werden? Dies bestimmt die Auswahl der Metriken.\n2. Konzentrieren Sie sich auf Indikatoren, die f\u00fcr das Verhalten verantwortlich sind, und nicht nur f\u00fcr die Aktivit\u00e4t.\n3. Eine Zahl ohne Kontext ist wertlos. Warum ist sie gestiegen\/gefallen? Was ist im externen Umfeld passiert?<x id=\"gid_2\"><\/x>4. \u00dcberpr\u00fcfen Sie regelm\u00e4\u00dfig die Relevanz der Metriken. Was zu Beginn wichtig war, kann in der Skalierungsphase hinderlich sein.     "},{"acf_fc_layout":"text_block","text_content":"Ja, nicht alle Daten haben das gleiche Gewicht, und nicht jede Kennzahl ist wirklich n\u00fctzlich. Wenn man sich mit Zahlen befasst, ist es wichtig, die richtigen Fragen zu stellen und die Antworten zu verstehen. Genau darin liegt die St\u00e4rke einer hochwertigen Gesch\u00e4ftsanalyse: zu erkennen, wo der wahre Wert der Daten liegt, und ihn in effektive Ma\u00dfnahmen umzusetzen.  "},{"acf_fc_layout":"text_block","text_content":"Genau das tun wir bei IWIS: Wir helfen Unternehmen dabei, ihre Analysen so zu strukturieren, dass sie f\u00fcr das Gesch\u00e4ft arbeiten und nicht Schwachstellen hinter einer sch\u00f6nen Fassade verbergen."}]},"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v27.3 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Warum nicht alle Kennzahlen gleicherma\u00dfen n\u00fctzlich sind - iwis<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/iwis.io\/de\/blog\/useful_metrics\/\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Warum nicht alle Kennzahlen gleicherma\u00dfen n\u00fctzlich sind - iwis\" \/>\n<meta property=\"og:url\" content=\"https:\/\/iwis.io\/de\/blog\/useful_metrics\/\" \/>\n<meta property=\"og:site_name\" content=\"iwis\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/IWIS.UKRAINE\/\" \/>\n<meta property=\"article:published_time\" content=\"2025-10-28T07:24:37+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2025-11-04T14:21:09+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/iwis.io\/wp-content\/uploads\/2026\/01\/cropped-main-favicon.png\" \/>\n\t<meta property=\"og:image:width\" content=\"512\" \/>\n\t<meta property=\"og:image:height\" content=\"512\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"admin\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"admin\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/blog\\\/useful_metrics\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/blog\\\/useful_metrics\\\/\"},\"author\":{\"name\":\"admin\",\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/#\\\/schema\\\/person\\\/c42ad2a25d9cb0173deab2af37bebc5d\"},\"headline\":\"Warum nicht alle Kennzahlen gleicherma\u00dfen n\u00fctzlich sind\",\"datePublished\":\"2025-10-28T07:24:37+00:00\",\"dateModified\":\"2025-11-04T14:21:09+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/blog\\\/useful_metrics\\\/\"},\"wordCount\":9,\"publisher\":{\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/#organization\"},\"inLanguage\":\"de\"},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/blog\\\/useful_metrics\\\/\",\"url\":\"https:\\\/\\\/iwis.io\\\/de\\\/blog\\\/useful_metrics\\\/\",\"name\":\"Warum nicht alle Kennzahlen gleicherma\u00dfen n\u00fctzlich sind - iwis\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/#website\"},\"datePublished\":\"2025-10-28T07:24:37+00:00\",\"dateModified\":\"2025-11-04T14:21:09+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/blog\\\/useful_metrics\\\/#breadcrumb\"},\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/iwis.io\\\/de\\\/blog\\\/useful_metrics\\\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/blog\\\/useful_metrics\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/iwis.io\\\/de\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Warum nicht alle Kennzahlen gleicherma\u00dfen n\u00fctzlich sind\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/#website\",\"url\":\"https:\\\/\\\/iwis.io\\\/de\\\/\",\"name\":\"IWIS\",\"description\":\"\",\"publisher\":{\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/iwis.io\\\/de\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/#organization\",\"name\":\"IWIS\",\"url\":\"https:\\\/\\\/iwis.io\\\/de\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/iwis.io\\\/wp-content\\\/uploads\\\/2026\\\/01\\\/cropped-main-favicon.png\",\"contentUrl\":\"https:\\\/\\\/iwis.io\\\/wp-content\\\/uploads\\\/2026\\\/01\\\/cropped-main-favicon.png\",\"width\":512,\"height\":512,\"caption\":\"IWIS\"},\"image\":{\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/#\\\/schema\\\/logo\\\/image\\\/\"},\"sameAs\":[\"https:\\\/\\\/www.facebook.com\\\/IWIS.UKRAINE\\\/\",\"https:\\\/\\\/www.linkedin.com\\\/company\\\/iwis-ukraine\\\/\"]},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/iwis.io\\\/de\\\/#\\\/schema\\\/person\\\/c42ad2a25d9cb0173deab2af37bebc5d\",\"name\":\"admin\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/33e54dec0cd79fc4b5e911c15f836c46ec8d0e452ecd3ca5f707bce0a3540a3b?s=96&d=mm&r=g\",\"url\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/33e54dec0cd79fc4b5e911c15f836c46ec8d0e452ecd3ca5f707bce0a3540a3b?s=96&d=mm&r=g\",\"contentUrl\":\"https:\\\/\\\/secure.gravatar.com\\\/avatar\\\/33e54dec0cd79fc4b5e911c15f836c46ec8d0e452ecd3ca5f707bce0a3540a3b?s=96&d=mm&r=g\",\"caption\":\"admin\"},\"sameAs\":[\"https:\\\/\\\/iwis.io\"],\"url\":\"https:\\\/\\\/iwis.io\\\/de\\\/author\\\/admin\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Warum nicht alle Kennzahlen gleicherma\u00dfen n\u00fctzlich sind - iwis","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/iwis.io\/de\/blog\/useful_metrics\/","og_locale":"de_DE","og_type":"article","og_title":"Warum nicht alle Kennzahlen gleicherma\u00dfen n\u00fctzlich sind - iwis","og_url":"https:\/\/iwis.io\/de\/blog\/useful_metrics\/","og_site_name":"iwis","article_publisher":"https:\/\/www.facebook.com\/IWIS.UKRAINE\/","article_published_time":"2025-10-28T07:24:37+00:00","article_modified_time":"2025-11-04T14:21:09+00:00","og_image":[{"width":512,"height":512,"url":"https:\/\/iwis.io\/wp-content\/uploads\/2026\/01\/cropped-main-favicon.png","type":"image\/png"}],"author":"admin","twitter_card":"summary_large_image","twitter_misc":{"Verfasst von":"admin"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/iwis.io\/de\/blog\/useful_metrics\/#article","isPartOf":{"@id":"https:\/\/iwis.io\/de\/blog\/useful_metrics\/"},"author":{"name":"admin","@id":"https:\/\/iwis.io\/de\/#\/schema\/person\/c42ad2a25d9cb0173deab2af37bebc5d"},"headline":"Warum nicht alle Kennzahlen gleicherma\u00dfen n\u00fctzlich sind","datePublished":"2025-10-28T07:24:37+00:00","dateModified":"2025-11-04T14:21:09+00:00","mainEntityOfPage":{"@id":"https:\/\/iwis.io\/de\/blog\/useful_metrics\/"},"wordCount":9,"publisher":{"@id":"https:\/\/iwis.io\/de\/#organization"},"inLanguage":"de"},{"@type":"WebPage","@id":"https:\/\/iwis.io\/de\/blog\/useful_metrics\/","url":"https:\/\/iwis.io\/de\/blog\/useful_metrics\/","name":"Warum nicht alle Kennzahlen gleicherma\u00dfen n\u00fctzlich sind - iwis","isPartOf":{"@id":"https:\/\/iwis.io\/de\/#website"},"datePublished":"2025-10-28T07:24:37+00:00","dateModified":"2025-11-04T14:21:09+00:00","breadcrumb":{"@id":"https:\/\/iwis.io\/de\/blog\/useful_metrics\/#breadcrumb"},"inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/iwis.io\/de\/blog\/useful_metrics\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/iwis.io\/de\/blog\/useful_metrics\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/iwis.io\/de\/"},{"@type":"ListItem","position":2,"name":"Warum nicht alle Kennzahlen gleicherma\u00dfen n\u00fctzlich sind"}]},{"@type":"WebSite","@id":"https:\/\/iwis.io\/de\/#website","url":"https:\/\/iwis.io\/de\/","name":"IWIS","description":"","publisher":{"@id":"https:\/\/iwis.io\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/iwis.io\/de\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/iwis.io\/de\/#organization","name":"IWIS","url":"https:\/\/iwis.io\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/iwis.io\/de\/#\/schema\/logo\/image\/","url":"https:\/\/iwis.io\/wp-content\/uploads\/2026\/01\/cropped-main-favicon.png","contentUrl":"https:\/\/iwis.io\/wp-content\/uploads\/2026\/01\/cropped-main-favicon.png","width":512,"height":512,"caption":"IWIS"},"image":{"@id":"https:\/\/iwis.io\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/IWIS.UKRAINE\/","https:\/\/www.linkedin.com\/company\/iwis-ukraine\/"]},{"@type":"Person","@id":"https:\/\/iwis.io\/de\/#\/schema\/person\/c42ad2a25d9cb0173deab2af37bebc5d","name":"admin","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/secure.gravatar.com\/avatar\/33e54dec0cd79fc4b5e911c15f836c46ec8d0e452ecd3ca5f707bce0a3540a3b?s=96&d=mm&r=g","url":"https:\/\/secure.gravatar.com\/avatar\/33e54dec0cd79fc4b5e911c15f836c46ec8d0e452ecd3ca5f707bce0a3540a3b?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/33e54dec0cd79fc4b5e911c15f836c46ec8d0e452ecd3ca5f707bce0a3540a3b?s=96&d=mm&r=g","caption":"admin"},"sameAs":["https:\/\/iwis.io"],"url":"https:\/\/iwis.io\/de\/author\/admin\/"}]}},"_links":{"self":[{"href":"https:\/\/iwis.io\/de\/wp-json\/wp\/v2\/posts\/3032","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/iwis.io\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/iwis.io\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/iwis.io\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/iwis.io\/de\/wp-json\/wp\/v2\/comments?post=3032"}],"version-history":[{"count":1,"href":"https:\/\/iwis.io\/de\/wp-json\/wp\/v2\/posts\/3032\/revisions"}],"predecessor-version":[{"id":3033,"href":"https:\/\/iwis.io\/de\/wp-json\/wp\/v2\/posts\/3032\/revisions\/3033"}],"wp:attachment":[{"href":"https:\/\/iwis.io\/de\/wp-json\/wp\/v2\/media?parent=3032"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/iwis.io\/de\/wp-json\/wp\/v2\/categories?post=3032"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/iwis.io\/de\/wp-json\/wp\/v2\/tags?post=3032"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}