Ursprüngliche Arbeitsdatei
START-HERE.txt
Code und funktionsfähige Beispielseiten behalten ihre ursprünglichen Bezeichner und Beispieltexte. Die Lektion und die Dateihinweise erklären sie in deiner Sprache.
PRAKTISCHER LERNWEG
Wähle eine sinnvolle Besucheraktion, verbinde mit einem Assistenten einen Übungsanalysedatenstrom und prüfe, was tatsächlich erfasst wird.
Deine Rolle: Wähle die Bedeutung des Ereignisses, steuere die Übungsauswahl für Tracking und überprüfe Anbieterbeobachtungen.
1. Nutze das bereitgestellte Projekt und bitte deinen Programmierassistenten, die Umsetzung zu übernehmen. Du musst HTML, JavaScript oder SQL nicht selbst schreiben.
2. Folge den aktuellen Lektionsschritten, richte nur eigene, zulässige Konten ein und prüfe das Ergebnis auf der tatsächlichen Seite beziehungsweise beim Anbieter.
3. Trenne erwartete und beobachtete Ergebnisse. Halte den genauen blockierten Schritt fest, wenn du keine Live-Prüfung durchführen kannst.
Die ausführliche Einrichtung unten steht dir und deinem Assistenten zur Verfügung. Codeerklärungen und zusätzliche Umsetzungsübungen sind optional; wichtige Zugriffs- und Datenschutzprüfungen gehören weiterhin zur praktischen Lektion.
--- ERFORDERLICHE EINRICHTUNG (CODELESEN IST OPTIONAL) ---
Erstelle eine GA4-Property und einen Webdatenstream in deinem eigenen Konto. Trage seine G-...-Mess-ID in config.js ein; sie ist öffentliche Konfiguration und kein API-Geheimnis. Deaktiviere Enhanced Measurement für diesen eigenen Übungsstream, um zusätzliche automatische Interaktionen zu vermeiden. Stelle public/ über HTTP bereit. Kein Analytics-Anbieter lädt, bevor Allow analytics angeklickt wird. Nutze nur synthetische Testpfade. Prüfe DebugView/Realtime in deinem eigenen Konto; lokale dataLayer-Einträge allein belegen keinen Empfang. Entferne nach dem Test debug_mode. Implementiere für eine öffentliche Bereitstellung passende Hinweise, Einwilligungswiderruf und dauerhafte Präferenzverwaltung für deine Zielgruppe.
Öffne index.html nicht über file://: Die Modulimporte brauchen HTTP. Führe im Workshop-Stamm python3 -m http.server 8000 --directory public aus und öffne dann http://localhost:8000. Dieser statische Server genügt hier, weil Analytics extern erfasst wird, anders als in den Lektionen mit deinen eigenen Serverfunktionen.