Modellierte Konversionen: Was ist Konversionsmodellierung und kann man ihr wirklich vertrauen?

In deinem Google Ads-Dashboard werden mehr Conversions angezeigt als in deinem CRM. Deine Agentur sagt: „Das ist nur eine Modellierung.“ Die Finanzabteilung will wissen, welche Zahl nun stimmt.

Dieses Thema taucht immer wieder auf, weil Plattformen nicht mehr nur das melden, was sie sehen können. Wenn Cookies, Einwilligungen oder Browser den Weg zwischen einem Anzeigenklick und einem Verkauf unterbrechen, füllen die Plattformen diese Lücke mit Schätzungen. Die Conversion-Modellierung ist diese ergänzende Ebene. Richtig eingesetzt, verhindert sie, dass du bei der Gebotsgebung ins Blaue hinein agierst. Wird sie jedoch als Ersatz für eine korrekte Messung genutzt, verwandelt sie deine Berichte in eine Übung in Selbstvertrauen.

Modellierung ist eine Lösung für fehlende Daten. Erfasse mehr echte Conversions, dann müssen die Plattformen weniger raten. Du wirst die Modellierung nicht komplett abschaffen. Du kannst weiterhin entscheiden, inwieweit deine Analyse auf Schätzungen und inwieweit auf beobachteten Events basiert.

Was ist Conversion-Modellierung?

Die Conversion-Modellierung ist die Methode einer Plattform, Conversions zu schätzen – oder, häufiger noch, die Attribution zu ermitteln –, wenn sie nicht den gesamten Weg vom Anzeigenklick bis zum Ergebnis nachverfolgen kann. Fehlende Cookies, verweigerte Einwilligungen oder blockierte Tags unterbrechen die Verbindung, und maschinelles Lernen füllt diese Lücke anhand von Mustern aus ähnlichen Nutzerwegen, die die Plattform noch einsehen kann.

Eine beobachtete Conversion ist eine, die die Plattform anhand verfügbarer Identifikatoren mit einer Interaktion mit einer Anzeige verknüpfen kann: eine Klick-ID, ein Cookie, eine Übereinstimmung einer gehashten E-Mail-Adresse oder ein Server-Event, das noch genügend Kontext enthält. Eine modellierte Conversion ist eine, bei der diese Verknüpfung fehlt.

Google zieht diese Grenze ganz klar, wenn es darum geht, wie die Conversion-Modellierung funktioniert. Google sagt, dass es in der Regel die Attribution vorhersagt. Hat diese Anzeige zu einer Conversion geführt, von der es bereits weiß? Es erfindet nicht einfach aus der Luft, ob ein Kauf stattgefunden hat.

Die Spalte „Conversions“ in Google Ads ist also oft eine Mischung aus verschiedenen Faktoren. „Vertrauen“ bedeutet, diese Mischung zu verstehen und nicht jede Zahl als Quittung aus deinem Shop zu betrachten.

Beobachtete vs. modellierte Konversionen

	Beobachtete Konversion	Modellierte Umrechnung
Kennung verfügbar	Klick-ID, Cookie, Übereinstimmung der gehashte E-Mail-Adresse oder Serverereignis mit Kontext	Fehlend, abgelaufen oder gesperrt
Wie wird das gezählt?	In direktem Zusammenhang mit einer aufgezeichneten Werbeinteraktion	Geschätzt anhand von Mustern bei vergleichbaren, beobachtbaren Fahrten
Kann mit deinem CRM abgeglichen werden	Ja, Zeile für Zeile	Nein, es geht um probabilistische Attribution
Gemeinsames Anliegen	-	Einwilligung verweigert, Safari ITP, Werbeblocker, iOS ATT-Opt-out
Wie du das beeinflussen kannst	Verbesserte Konversionen, server-side Tracking, Meta CAPI	Indirekt. Wenn du die linke Spalte verbesserst, schrumpft der modellierte Pool.
Erscheint in	Conversions und Conversion-Wert	Die gleichen beiden Spalten, ohne Beschriftung

Diese letzte Zeile ist das ganze Problem. Beide Typen landen in derselben Spalte, und der Bericht verrät dir nicht, welcher welcher ist.

Warum modellieren Werbeplattformen Conversions?

Das Problem liegt am System der Plattformen, denn der Signalverlust ist mittlerweile strukturell bedingt. Es handelt sich nicht um einen vorübergehenden Fehler, den man einfach abwarten kann.

Einwilligungsbanner sind der größte Knackpunkt. Im EWR, im Vereinigten Königreich und in ähnlichen Regionen lehnen viele Nutzer Werbe- oder Analyse-Cookies ab. Wenn Tags diese Entscheidung respektieren – wie sie es sollten –, kann Google die üblichen Identifikatoren nicht speichern. Ohne die cookielosen Pings und die Modellierung in Consent Mode fallen diese Nutzerpfade aus der Attribution heraus. Informationen zur Einrichtung findest du unter „Google Consent Mode V2“.

Der Datenschutz im Browser legt noch eine Schippe drauf. Die „Intelligent Tracking Prevention“ (ITP) von Safari verkürzt die Lebensdauer von Cookies und schränkt das seitenübergreifende Tracking ein. Die Datenschutzfunktionen von Firefox und Chromium ziehen die Schrauben immer weiter an. Google listet sogar die Beschränkungen für Third-Party- und First-Party-Cookies als separate Modellfälle auf.

Wenn du mehr über die neuesten Safari-Funktionen erfahren möchtest, schau dir unseren Artikel zum Tracking-Schutz in Safari 27 an.

Löst die Entscheidung, Third-Party-Cookies in Chrome beizubehalten, das Problem nicht?

Nein, und es lohnt sich, genau zu erklären, warum – denn viele Mess-Roadmaps basierten auf einer Frist, die es gar nicht mehr gibt.

Google hat den Plan zur schrittweisen Abschaffung von Drittanbieter-Cookies in Chrome aufgegeben. Die Umstellung auf ein Modell, bei dem der Nutzer selbst entscheiden kann, wurde 2024 angekündigt und im April 2025 bestätigt; die meisten der als Ersatz entwickelten Privacy-Sandbox-APIs wurden im Oktober 2025 eingestellt. Chrome lässt Third-Party-Cookies nun standardmäßig aktiviert, wobei die Nutzer die Einstellungen selbst anpassen können.

Nichts an dieser Kehrtwende bringt auch nur einen einzigen verlorenen Konversionspfad zurück. Safari, Firefox und Brave blockieren weiterhin standardmäßig Third-Party-Cookies. Die Einwilligungspflichten gemäß DSGVO und ePrivacy bleiben unverändert, sodass ein abgelehntes Banner nach wie vor bedeutet, dass keine Cookies gespeichert werden – unabhängig davon, was Chrome zulässt. Die ATT-Opt-outs unter iOS bleiben unverändert. Werbeblocker bleiben unverändert. Und ein wachsender Anteil der Chrome-Nutzer schränkt Cookies mittlerweile aktiv über diese neuen Einstellungsmöglichkeiten ein.

Die Frist ist zwar abgelaufen, aber der Signalverlust besteht weiterhin. Der Rückgang vollzieht sich nun schrittweise und wird eher durch das Nutzerverhalten als durch einen einmalig angekündigten Stichtag bestimmt – was es einfacher macht, ihn zu ignorieren, und schwieriger, entsprechend zu planen. Die Modellierung ist keine Brücke in eine „cookielose“ Zukunft, die nun gestrichen wurde, sondern ein fester Bestandteil der Berichterstattung von Plattformen.

Werbeblocker entfernen Pixel, Tags und manchmal sogar das Einwilligungsbanner selbst. Das beeinträchtigt die Messung und das rechtliche Signal, das du für ein konformes Tracking benötigst. Erfahre mehr über Tracking trotz Werbeblocker.

Dann gibt es noch die iOS-App-Tracking-Transparenz (ATT), vor allem, wenn Apps oder Meta mit im Spiel sind. Laut den Benchmarks von Adjust für das zweite Quartal 2025 liegt die branchenweite ATT-Opt-in-Rate bei etwa 35 % der Nutzer, denen die Abfrage angezeigt wird. Die meisten Leute, die diese Abfrage sehen, sagen immer noch „Nein“. Wenn die Geräte-ID nicht mehr zur Verfügung steht, stützen sich die Plattformen stärker auf aggregierte Messungen und Modellierungen.

Angesichts dessen melden Plattformen entweder nur den beobachtbaren Teil und unterbieten, oder sie schätzen den fehlenden Teil mithilfe von Modellen, die auf den noch sichtbaren Daten trainiert wurden. Sie haben sich für die Modellierung entschieden, weil Smart Bidding und die Leistungsauswertung nicht mehr funktionieren, wenn ein großer Teil des Trichters „im Dunkeln“ liegt.

Wenn du eine umfassendere Übersicht darüber haben möchtest, wo Conversions verloren gehen, schau dir unseren Artikel zum Thema „Verfolgung von Signalverlusten“ an.

Wie sich das Modeln bei Google und Meta widerspiegelt

Schauen wir uns mal an, wie Google und Meta die Konversionsmodellierung auf ihren Plattformen angehen.

Google Ads: Modellierte Conversions in den Zahlen, auf die du bietest

In Google Ads ist die Modellierung kein separater Bericht. Sie ist in die Spalten integriert, auf die du bietest. Googles Überblick über modellierte Online-Conversions macht deutlich, warum das so ist: Datenschutzbestimmungen und technische Einschränkungen verbergen die Attributionspfade, und ohne eine Korrektur lernt der Bieter aus einer verzerrten Stichprobe.

Der Consent Mode ist das wichtigste Instrument, um Lücken bei der Einwilligung zu schließen. Mit dem erweiterten Consent Mode können Tags cookielose Pings senden, wenn die Speicherung verweigert wird. Diese Pings stellen kein vollständiges Tracking dar. Sie liefern Google genügend aggregierte Daten, um werbetreiberspezifische Muster zu modellieren, anstatt auf einen pauschalen Branchendurchschnitt zurückzugreifen.

Googles eigene erste Ergebnisse zeigten, dass durch die Conversion-Modellierung im „Consent Mode“ mehr als 70 % der durch Cookie-Einwilligungsentscheidungen verlorenen Wege vom Anzeigenklick zur Conversion wiederhergestellt wurden, wobei die Ergebnisse je nach Einwilligungsrate und Konfiguration variierten. Auch in den neueren Anleitungen im Hilfe-Center wird die Rückgewinnung weiterhin als erheblich beschrieben: Im Durchschnitt mehr als die Hälfte der verlorenen Pfade, und etwa doppelt so viel Rückgewinnung, wenn der erweiterte Consent Mode im Einsatz ist, im Vergleich zum einfachen Modus.

Diese modellierten Zahlen fließen in Smart Bidding ein. Wenn du „Target Cost Per Acquisition“ (tCPA) oder „Target Return on Ad Spend“ (tROAS) einstellst, trainiert der Algorithmus anhand der gemittelten Gesamtsumme. Das ist nützlich, wenn die Alternative darin bestünde, dem Modell zu wenig Daten zuzuführen. Kann aber auch leicht falsch interpretiert werden. Ein plötzlicher Sprung nach dem Consent Mode kann darauf hindeuten, dass das Modell aufholt – und nicht unbedingt auf einen kreativen Durchbruch. Google zeigt den Anstieg durch den Consent Mode für einen begrenzten Zeitraum in „Diagnostics“ an; danach ist der modellierte Anteil einfach nur noch Teil der Spalte „Conversions“.

Siehe „Über die Modellierung des Consent Mode “ und „Ergebnisse zu den Auswirkungen des Consent Mode“.

Ein operatives Detail, das Teams oft übersehen: Es kann bis zu ein paar Tage dauern, bis sich modellierte Konversionen in den Berichten stabilisieren. Lass dich von Schwankungen am ersten Tag nicht zu voreiligen Optimierungsmaßnahmen hinreißen.

Verbesserte Conversions und ein solider Google-Tag sorgen dafür, dass Google weniger raten muss, da durch gehashtes First-Party-Matching mehr Conversions nachverfolgt werden können.

GA4: Verhaltensmodellierung und Conversion-Modellierung

GA4 nutzt Modellierung auf zwei ähnliche Arten, die Marketingfachleute oft verwechseln.

Die Verhaltensmodellierung (im Zusammenhang mit Consent Mode) schätzt die Anzahl der Nutzer, Sitzungen und Interaktionen, wenn „analytics_storage“ verweigert wird und events nicht an eine dauerhafte Nutzer-ID gebunden werden können. Google dokumentiert dies unter „Verhaltensmodellierung für Consent Mode“. Zehn Seitenaufrufe ohne Identifikatoren könnten von einer Person oder von zehn Personen stammen. Das Modell erstellt Schätzungen auf der Grundlage ähnlicher Nutzer auf deiner Website, die ihre Einwilligung erteilt haben.

Die Conversion-Modellierung schließt Lücken in der Attribution, wenn die Verbindung zwischen Klick und Conversion aus datenschutzrechtlichen oder technischen Gründen unterbrochen ist. In den Berichten werden dann beobachtete und geschätzte Daten kombiniert. Je nach Berichtsidentität und Berechtigung der Property wird möglicherweise ein Symbol zur Datenqualität angezeigt, das darauf hinweist, dass geschätzte Nutzerdaten enthalten sind. Was du normalerweise nicht bekommst, ist ein übersichtlicher Schieberegler mit der Angabe „X % dieses Diagramms sind modelliert“ in jedem Standardbericht. Deshalb streiten sich Finanz- und Marketingabteilung über denselben Screenshot.

Wenn dir dein GA4-ROAS aus strukturellen Gründen ohnehin schon ungenau erscheint, kommt durch die Modellierung noch eine weitere Ebene hinzu. Erfahre, warum der GA4-ROAS ungenau ist und warum die Conversions von Meta, GA4 und Google Ads nicht übereinstimmen.

Meta: dasselbe Problem, andere Produktnamen

Der Stack von Meta verwendet unterschiedliche Produktbezeichnungen für ein ähnliches Problem. Nach den Datenschutzänderungen bei iOS schränken „Aggregated Event Measurement“ und die damit verbundenen Einstellungen ein, wie viele Details auf Nutzerebene Werbetreibende für Traffic erhalten, bei dem Nutzer sich abgemeldet haben. Meta setzt auf statistische Methoden, um die Optimierung auch dann nutzbar zu halten, wenn das deterministische Matching versagt.

Die Conversions API (CAPI) ist Metas Weg zu mehr erfassten Server-Events: Kaufdaten aus deinem Backend, gehashte Kundeninformationen, eine höhere Event Match Quality (EMQ). Pixel plus CAPI mit ordnungsgemäßer „event_id“-Deduplizierung ist die Standard-Hybridlösung. Für Lücken, die du nicht schließen kannst, gibt es weiterhin Modellierungen. Eine bessere Match-Qualität reduziert den Umfang der Schlussfolgerungen, die Meta ziehen muss. Sie macht Schlussfolgerungen jedoch nicht überflüssig.

Schau dir an, wie du die Qualität der Meta-Event-Zuordnung verbessern kannst, und lies dir die Übersicht zur Meta-Conversions-API durch.

Wann du dich auf modellierte Konversionen verlassen kannst

Modellierung hat in einigen konkreten Situationen durchaus ihre Berechtigung.

Das hält das automatisierte Bieten am Laufen, wenn die Zustimmungsraten den Algorithmus sonst zum Erliegen bringen würden. Konversionskonten mit wenigen Daten geraten schnell ins Chaos. Eine datenschutzkonforme Schätzung fehlender Attributionspfade ist oft besser, als die Optimierung auf eine winzige Minderheit mit Einwilligung auszurichten.

Es stellt die Ausrichtung auf Kampagnenebene wieder her, wenn Browser und Plattformen geräte- oder browserübergreifende Pfade ausblenden. Du führst weiterhin eine Plausibilitätsprüfung anhand der Aufträge und des CRM durch. Zumindest sehen die Medienzahlen dann nicht mehr aus wie eine partielle Sonnenfinsternis.

Außerdem ist diese Methode sauberer als die von Google verbotenen Workarounds. Cookie-freie Pings in Kombination mit Modellierung sind Googles erklärte Alternative zum Fingerprinting. Wenn dir sowohl die Einhaltung der Vorschriften als auch die Messung wichtig sind, spielt dieser Kompromiss eine Rolle.

Wenn modellierte Umrechnungen dich in die Irre führen

Die Modellierung geht schief, wenn Teams Schätzungen so behandeln, als wären sie Kassenbelege.

Zunächst mal zur Transparenz. In den Google Ads- oder GA4-Ansichten, die du tagtäglich nutzt, siehst du selten eine dauerhafte, präzise Aufschlüsselung zwischen beobachteten und modellierten Werten. Die Verantwortlichen fragen, wie viel von den Zahlen „echt“ ist, und die genaue Antwort lautet oft: genug, damit Google davon überzeugt ist – aber kein Einzelposten, den man wie einen Lagerexport prüfen kann.

Dann die Verzerrung. Nutzer, die ihre Einwilligung gegeben haben, verhalten sich anders als solche, die dies abgelehnt haben. Google hat schon lange festgestellt, dass Nutzer mit Einwilligung tendenziell andere Konversionsraten aufweisen als solche ohne Einwilligung – weshalb eine naive Berechnung nach dem Prinzip „Skalierung anhand der Einwilligungsrate“ nicht funktioniert. Seriöse Modelle versuchen, dies zu korrigieren. Wenn dein Segment der Nutzer mit Einwilligung winzig oder verzerrt ist (viele Stammkunden, nur Desktop-Nutzer, ein Land), sind die Trainingsdaten zu dünn. Ausgefallene Schätzung, schwache Grundlage.

Bei der Vergleichbarkeit laufen Meetings oft schief. Dein CRM, Shopify oder dein Lager zählen die erfassten Bestellungen. Google Ads zählt die erfassten sowie die modellierten Attributionen. Meta zählt seine eigene Mischung. Dashboards, die diese Systeme zusammenführen, ohne den Unterschied zu kennzeichnen, erzeugen falsche Diskrepanzen und falsche Erfolge. Diese Diskrepanz gibt es aus einem bestimmten Grund: Meta, GA4 und Google Ads-Conversions.

Die Kontrolle liegt bei der Plattform. Die Modellgewichte gehören dir nicht. Schwellenwerte, Zulassungskriterien und Methodik werden an anderer Stelle festgelegt. Wenn das Volumen unter die Modellierungsschwellenwerte fällt, können geschätzte Daten aus der GA4-Verhaltensmodellierung verschwinden. Die Berichterstattung über den Uplift im Consent Mode ist nur vorübergehend. Eine Strategie, die ausschließlich auf dem modellierten Uplift basiert, ist eine Strategie, die auf Sand gebaut ist.

Das heißt aber nicht, dass du das Modeling ausschalten solltest. Es bedeutet vielmehr, dass Modeling ein Sicherheitsnetz ist und keine Messstrategie. Wenn du dich darauf verlässt, anstatt echte Ereignisse zu erfassen, wird Smart Bidding auf eine ungenauere Datenbasis trainiert, als nötig wäre. Wie sauberere Conversion-Feeds die Gebotsergebnisse beeinflussen: Smart Bidding und server-side Tracking.

So überprüfst du, wie viel deiner Daten modelliert ist

Du wirst zwar keinen genauen Prozentsatz finden, kannst aber trotzdem eine fundierte Schätzung erstellen.

GA4 hat so etwas wie einen Umschalter

Die Berichtsidentität ist der entscheidende Faktor. Führe denselben Bericht für denselben Zeitraum erst unter „Blended“ und dann unter „Observed“ aus und vergleiche die Gesamtzahlen für Nutzer, Sitzungen und wichtige Conversions. „Blended“ enthält modellierte Daten, „Observed“ nicht. Die Differenz gibt einen groben Anhaltspunkt dafür, inwieweit dieser Bericht auf Schätzungen basiert. Mach das im Admin-Bereich, notier dir die verwendeten Einstellungen und mach von beiden einen Screenshot. Das ist die wichtigste Kennzahl, die du in ein Gespräch mit der Finanzabteilung einbringen kannst.

Google Ads bietet dir Diagnosemöglichkeiten

Überprüfe die Diagnose im Consent Mode, um sicherzustellen, dass die Modellierung aktiv und für die Konversionsaktionen, auf die du bietest, zulässig ist. Wenn die Auswirkungsberichte im Consent Mode für dein Konto noch innerhalb des Zeitfensters liegen, notiere dir den Uplift-Wert, bevor er abläuft, denn er bleibt nicht bestehen. Es gibt kein dauerhaftes Segment, in dem „beobachtete“ und „modellierte“ Werte gegenübergestellt werden – hör also auf, danach zu suchen.

Meta sorgt für eine hohe Qualität der Übereinstimmungen

Die „Event Match Quality“ (EMQ) pro Ereignis ist dein Anhaltspunkt. Eine niedrige EMQ beim Kauf bedeutet, dass Meta mehr ableitet. Überprüfe das pro Ereignis und nicht auf Kontoebene, und vergewissere dich, dass Pixel und CAPI anhand der event_id ordnungsgemäß deduplizieren, bevor du irgendwelche Schlüsse aus dem Wert ziehst.

Dein Backend ist der Anker

Exportiere First-Party-Bestellungen für ein festgelegtes Zeitfenster und gleiche sie mit den von der Plattform gemeldeten Conversions über ein entsprechendes Attributionsfenster ab. Notiere dir dann die erklärbaren Lücken: View-Through-Conversions, geräteübergreifende Pfade, Unterschiede im Conversion-Fenster, sekundäre Conversion-Aktionen, abgelehnte Einwilligungen. Was nach diesen Erklärungen übrig bleibt, ist dein praktischer modellierter Restwert.

Fasse alles auf einem Blatt zusammen, Monat für Monat. Der Trend ist hier entscheidend:

• Ein stabiler oder sinkender Residualwert bedeutet, dass sich deine Messung verbessert.
• Wenn die Zahl wächst, bedeutet das, dass du dich immer weiter von allem entfernst, was du überprüfen kannst.

So reduzierst du modellierte Conversions und steigerst deinen beobachteten Anteil

Du kannst modellierte Konvertierungen zwar nicht ganz loswerden, aber du kannst den Bereich, den sie abdecken müssen, verkleinern.

Hier liegt oft der Fehler, den Teams machen: Google bekommt keine Meldung wie „Dieser Shop hat die Datenqualität verbessert, reduziere die Modellierung“. Die Modellierung füllt Customer Journeys auf, bei denen die Verbindung zwischen Klick und Conversion fehlt. Wenn server-side Tracking, „Enhanced Conversions“ und ein solides Google-Tag mehr Conversions liefern, die diesen Zusammenhang bereits enthalten (eine Google-Klick-ID, eine gehashtes E-Mail-Match, verwertbarer First-Party-Kontext), werden diese Conversions als „beobachtet“ erfasst. Der Pool der „unbeobachteten“ Conversions wird kleiner. Es bleibt einfach weniger Lücke, die geschätzt werden muss. Weniger Modellierung ist ein Nebeneffekt von weniger unterbrochenen Pfaden, kein separater Qualitätsfaktor, den die Plattform für dich herabsetzt.

So kannst du deinen beobachteten Marktanteil steigern:

1. Setz den Consent Mode ordnungsgemäß um und gehe, soweit gesetzlich zulässig, einen Schritt weiter. Stellt die Modellierungsqualität für Nutzer wieder her, bei denen diese nachlässt, und verdoppelt die Wiederherstellungsrate im Vergleich zur Basisversion in etwa.
2. Aktiviere „Erweiterte Conversions“ mit einem ordentlichen Google-Tag. Wandelt Verkäufe mithilfe von gehashten First-Party-Übereinstimmungen in beobachtete Events um, anstatt sie auf Schätzungen zu stützen.
3. Die Sammlung server-side verschieben. Stellt Ereignisse wieder her, die durch Werbeblocker und instabile Browser-Tags verloren gegangen sind, und sorgt dafür, dass der Aufruf vom Erstbetreiber erfolgt, sodass dich die Einschränkungen von Safari weniger betreffen.
4. Sende Meta CAPI zusammen mit dem Pixel, dedupliziert nach event_id. Das verbessert die Qualität der Ereignisabgleichung und reduziert den Umfang der von Meta vorzunehmenden Ableitungen.
5. Führe monatlich einen Abgleich mit den Backend-Bestellungen durch. Zeigt dir an, ob die Schritte eins bis vier tatsächlich den beobachteten Anteil verändert haben oder nur die Gesamtsumme.

Mit den Schritten eins bis vier verringerst du die Lücke, und in Schritt fünf zeigst du, dass es funktioniert.

Mit einer guten server-side Konfiguration kann die Gesamtzahl der gemeldeten Conversions sogar steigen, da du Events wiederherstellst, die zuvor weder erfasst noch gut modelliert wurden. Was du normalerweise anstrebst, ist ein höherer Anteil dieser Conversions an der Gesamtzahl. In der Spalte „Conversions“ werden beide Werte weiterhin zusammengefasst. Eine ausgewogenere Zusammensetzung stützt sich einfach stärker auf die echten Links.

Server-side Tracking verlagert die Erfassung und Weiterleitung weg vom anfälligen Browserpfad. Events treffen bei deinem First-Party-Endpunkt ein, dann sendet dein server-side GTM-Container sie an Google Ads, GA4, Meta CAPI und die anderen. Werbeblocker haben weniger Angriffsfläche. Die Third-Party-Beschränkungen von Safari spielen eine geringere Rolle, wenn es sich um First-Party-Events handelt. Du kannst Kaufereignisse mit Bestell-IDs und gehashte Kundendaten anreichern, die der Browser nie in sauberer Form hatte. Die Modellierung im Consent Mode läuft auch weiterhin für diejenigen, die „Nein“ gesagt haben. Deine Aufgabe ist es, sicherzustellen, dass jeder, der „Ja“ gesagt hat, und jeder Kauf, von dem dein Server weiß, tatsächlich als beobachtetes Signal bei den Plattformen ankommt.

Auch First-Party-Gewohnheiten spielen eine Rolle. Wenn du die Messung auf der Grundlage eigener Daten neu aufbaust, anstatt dich allein auf Third-Party-Cookies zu verlassen, ist es ein guter Ansatz, auf First-Party-Daten-Marketing umzusteigen. Die Arbeit an der Einwilligungsrate hilft den verbleibenden Modellen weiterhin, denn eine bessere Benutzererfahrung bei der Einwilligung vergrößert den beobachteten Trainingsdatensatz: Optimierung der Einwilligungsrate.

Das Ziel sind nicht null modellierte Conversions. Mehr Käufe, die mit Klick-IDs, erweiterten Conversion-Abgleichen oder soliden Server-Events verknüpft sind. Weniger Werte in der Spalte „Conversions“, die auf Schätzungen basieren. Wiederhergestellte beobachtbare Conversions lassen sich in ROI-Gesprächen zudem leichter begründen als ein rein modellierter Uplift. Sieh dir den ROI des server-side Trackings an.

So sieht ein solider Messaufbau aus

Auch bei einem soliden Aufbau spielt die Modellierung eine Rolle. Die Geschichte hängt nur nicht davon ab.

Google-Ads-Conversions nähern sich in vergleichbaren Zeitfenstern den Backend-Bestellungen an. Verbleibende Lücken werden erklärt (View-Through, geräteübergreifend, abgelehnte Einwilligungen), anstatt sie einfach als „Plattform-Magie“ abzutun.

Der Consent Mode ist aktiv und validiert. Die Diagnosen haben gezeigt, dass die Modellierung dort erfolgt, wo du es erwartest. Die verbesserten Konversions-Übereinstimmungsraten sind etwas, das du im Auge behältst – kein Schalter, den du vergessen hast.

Das Team versteht die Hinweise zur Datenqualität in GA4. Niemand fügt „Blended User Counts“ in eine Präsentation ein, als wären es CRM-Unique-Werte.

Meta EMQ bekommt genauso viel Aufmerksamkeit. CAPI und Pixel werden dedupliziert. Kaufevents enthalten die Identifikatoren, die die Abgleichqualität verbessern.

Und wenn jemand fragt, ob man der Zahl trauen kann, ist die Antwort ganz konkret: Vertraue ihr, wenn es um die Gebotsausrichtung und den Vergleich von Kampagnen geht, überprüfe sie anhand von First-Party-Bestellungen, um die tatsächlichen Umsätze zu ermitteln, und reduziere den modellierten Anteil kontinuierlich, indem du mehr beobachtete Conversions einspielst.

Wo TAGGRS passt

Der server-side Google Tag Manager (sGTM) ist die gängige Methode, mit der Teams diesen beobachteten Anteil steigern, ohne eine eigene Cloud-Infrastruktur aufbauen zu müssen. TAGGRS hostet den sGTM-Container, sorgt dafür, dass der Endpunkt First-Party bleibt, und bietet dir die Möglichkeit, Conversions anzureichern und über eine einzige Server-Pipeline an Google Ads, GA4, Meta und andere Plattformen weiterzuleiten.

In der Praxis bedeutet das, dass mehr Kauf- und Lead-Events deine Domain auf kontrollierte Weise verlassen, selbst wenn der Browser nicht kooperativ ist. Die Modellierung läuft weiterhin, um Einwilligungs- und Datenschutzlücken zu erkennen, die du nicht schließen kannst. Der Unterschied ist, dass die Plattformen weniger Zeit mit Rätselraten verbringen, weil ein größerer Teil des tatsächlichen Trichters sie erreicht.

Fazit

Die Conversion-Modellierung ist weder Betrug noch ein Ersatz für Messungen. Sie ist die Lösung der Branche für Einwilligungsfragen, ITP, Werbeblocker und iOS-Einschränkungen. Google Ads und GA4 nutzen sie intensiv in den Zahlen, die Marketingfachleute ohnehin schon im Blick haben. Meta macht dasselbe unter anderen Produktnamen.

Vertraue darauf – in dem Maße, wie viele Beobachtungsdaten du den Plattformen zuführst. Verbessere den Consent Mode, Enhanced Conversions, CAPI und die server-side Bereitstellung, und die Modellierung wird zu einem kleineren, gesünderen Teil des Gesamtbildes. Du wirst sie nicht ganz abschaffen können, aber du kannst aufhören, sie als das A und O zu betrachten.

Wenn du wissen willst, wie viel deiner „Conversions“-Spalte derzeit durch Schätzwerte aufgefüllt wird, fang mit dem oben genannten Audit an. Wenn dich das Ergebnis stört, ist ein server-side Container der schnellste Weg, das zu ändern. Probier TAGGRS kostenlos aus oder fordere eine Demo an, um mehr zu erfahren.

FAQ

Ist eine simulierte Conversion eine gefälschte Conversion?

Nicht in dem Sinne, dass man einfach irgendwelche Verkäufe aus der Luft greift. Bei Google Ads wird anhand von Modellen in der Regel geschätzt, ob eine beobachtete Conversion einer Anzeige zugeschrieben werden sollte, wenn der Identifikationslink fehlt. Das kann trotzdem falsch sein, weil es sich um eine Schätzung handelt. Betrachte es als probabilistische Attribution, nicht als feste Tatsache.

Wie kann ich sehen, wie viele meiner Conversions modelliert sind?

In der Benutzeroberfläche taucht nirgendwo ein Prozentsatz auf. Die beste Methode ist, denselben GA4-Bericht erst unter „Blended“ und dann unter „Observed“ auszuführen, die Summen zu vergleichen und anschließend die Google-Ads-Conversions mit einem First-Party-Bestellungsexport über einen übereinstimmenden Zeitraum abzugleichen. Die Diagnose im Consent Mode bestätigt, dass die Modellierung aktiv ist, quantifiziert sie aber nicht. Die vollständige Vorgehensweise findest du im Abschnitt „Audit“ weiter oben.

Zählen modellierte Conversions für meinen ROAS und Smart Bidding?

Ja. Die modellierten Conversions und der modellierte Conversion-Wert befinden sich in denselben Spalten „Conversions“ und „Conversion-Wert“, anhand derer Smart Bidding trainiert wird und aus denen dein ausgewiesener ROAS berechnet wird. Das ist der Sinn der Modellierung. Es bedeutet auch, dass der Plattform-ROAS und der Backend-ROAS unterschiedliche Dinge messen – und wenn man sie vergleicht, ohne den Unterschied zu kennzeichnen, kommt es dazu, dass Teams sich über denselben Screenshot streiten.

Kann ich die Conversion-Modellierung in Google Ads deaktivieren?

Es gibt keinen einfachen globalen Schalter, mit dem du die gesamte Modellierung deaktivieren kannst, ohne dabei das moderne Conversion-Tracking zu beeinträchtigen. Du kannst beeinflussen, in welchem Umfang Modellierung erforderlich ist, indem du die beobachtbaren Daten verbesserst: Einrichtung des Consent Mode, erweiterte Conversions, server-side events, Tag-Abdeckung. Die Zulassungskriterien und die Methodik liegen weiterhin bei Google.

Bedeutet der erweiterte Consent Mode, dass Google Nutzer nachverfolgt, die „Nein“ gesagt haben?

Der erweiterte Consent Mode kann cookielose Pings senden, wenn die Einwilligung zur Speicherung verweigert wird. Diese Pings sind eingeschränkt und werden für aggregierte Modellierungen verwendet, nicht als vollständiges, auf Cookies basierendes Profil. Deine Einwilligungsmanagement-Plattform (CMP) und die Rechtsgrundlage bestimmen weiterhin, was du aktivieren darfst. Lies dir die Übersicht zum Consent Mode von Google sowie die Leitlinien der Rechtsberater für deine Märkte durch.

Warum liegen die Google-Ads-Conversions über der Anzahl der Bestellungen in meinem Shop?

Häufige Gründe sind unter anderem modellierte Attribution, die Lücken bei der Einwilligungserfassung oder im Browser schließt, unterschiedliche Konversionsfenster, Sekundäraktionen, geräteübergreifende Pfade und die Frage, welche Konversionsspalte du gerade betrachtest. Vergleiche Gleiches mit Gleichem und nutze einen First-Party-Bestell-Export als verlässliche Umsatzquelle.

Macht server-side Tracking die Modellierung überflüssig?

Nein. Es steigert die beobachteten Conversions und reduziert vermeidbare Verluste durch Blocker und instabile Browser-Tags. Ablehnungen der Einwilligung, ATT-Opt-outs und Datenschutzregeln der Plattformen lassen immer noch Lücken, die die Plattformen ausnutzen werden. server-side Tracking verändert das Verhältnis. Es beseitigt das Problem jedoch nicht.

Sollte ich die tROAS- oder tCPA-Ziele nach der Modellierung des Uplifts anpassen?

Google hat darauf hingewiesen, dass du, falls du deine Ziele zuvor gesenkt hast, um ein durch Einwilligungsfragen bedingtes Untererfassen auszugleichen, diese Ziele möglicherweise neu überdenken solltest, sobald Modellierungsverfahren und bessere Messmethoden eingeführt sind. Mach das schrittweise und orientiere dich dabei an den geschäftlichen Kosten pro Akquisition (CPA) oder der Marketingeffizienzquote (MER) – nicht allein an einem einwöchigen Anstieg in der Spalte „Conversions“.