Warum deine Meta-, GA4- und Google-Ads-Conversions nicht übereinstimmen

Wenn du die Daten derselben Kampagne in Meta, GA4 und Google Ads vergleichst, wirst du feststellen, dass die Conversion-Zahlen selten übereinstimmen. Es kann sein, dass Meta 77 Käufe meldet, Google Ads 85 und GA4 61, während die tatsächliche Zahl in Shopify bei 143 liegt. Vier Tools, die vier unterschiedliche Gesamtzahlen angeben.

Welche Kennzahl gehört also in deine Berichte und sollte deine strategischen Entscheidungen leiten? Und warum sagt dir jede Plattform etwas anderes über dieselbe Kampagne?

Deine Conversion-Zahlen in Meta, GA4 und Google Ads werden nie exakt übereinstimmen, und das war auch nicht so vorgesehen. Jede Plattform verwendet ihre eigenen Attributionsregeln und definiert eine Conversion anders, daher ist ein Teil der Abweichung dauerhaft und kann getrost ignoriert werden.

Aber nicht alles davon ist methodisch bedingt. Ein beträchtlicher Anteil sind echte Konversionen, die eure Plattformen aufgrund abgelehnter Einwilligungen, Browser-Einschränkungen und Werbeblocker nicht erreicht haben. Und diesen Teil könnt ihr zurückgewinnen.

In diesem Beitrag werden beide Aspekte behandelt. Zunächst geht es darum, wie unterschiedliche Attributionsmodelle und Conversion-Definitionen eine Datenlücke schaffen, die sich nicht schließen lässt. Anschließend wird erläutert, wie Einwilligungsoptionen, Browser-Einschränkungen, Werbeblocker und fehlerhafte Duplikatsbereinigung eine Lücke verursachen, die sich beheben lässt – und wie man diese misst sowie konkrete Möglichkeiten zu ihrer Behebung.

Vier Plattformen, vier Zahlen

Die oben genannten Zahlen sind kein Einzelfall. Ein ähnliches Muster lässt sich bei den meisten Werbekonten beobachten:

• Google Ads und Meta melden jeweils weniger Conversions als deine Bestelldaten, da ein Teil der tatsächlichen Käufe gar nicht einer Anzeigeninteraktion zugeordnet wird.
• GA4 zeigt in der Regel die wenigsten Conversions von den dreien an, da es auf kanalübergreifende Attribution angewiesen ist und mit Cookie-Beschränkungen sowie geräteübergreifenden Customer Journeys zu kämpfen hat. Ein wachsender Anteil dessen, was es nicht zuordnen kann, wird als „Nicht zugeordnet“ gekennzeichnet.
• Deine CRM- oder Shopify-Bestelldaten weisen die höchste Zahl von allen auf, da sie weder einem Attributionsmodell unterliegen noch vom Browser abhängen. Sie erfassen die tatsächliche Anzahl der Bestellungen.

Keine dieser Plattformen ist fehlerhaft. Jede beantwortet eine andere Frage, zählt Conversions auf ihre eigene Art und verliert dabei ihren eigenen Anteil an Daten. Hier siehst du, wie sich das im Einzelnen zusammensetzt.

Welcher Teil der Datenlücke ist normal und lässt sich nicht ändern?

Ein Teil des Unterschieds liegt darin, wie die einzelnen Plattformen ihre Daten erfassen. Kein Tool und keine server-side-Konfiguration kann diese Zahlen in Einklang bringen – und das muss auch gar nicht sein. Die dauerhafte Diskrepanz hat zwei Hauptursachen: Die Plattformen wenden unterschiedliche Attributionsregeln an und definieren den Begriff „Conversion“ unterschiedlich.

Verschiedene Attributionsmodelle und Zeitfenster

Jede Plattform entscheidet selbst, welchem Touchpoint die Conversion zugerechnet wird und wie lange sie nach der Interaktion eines Nutzers mit einer Anzeige auf eine Conversion wartet. Diese Regeln sind von Natur aus nicht aufeinander abgestimmt.

Meta schreibt eine Conversion innerhalb von etwa 7 Tagen nach einem Klick gut. Außerdem werden View-Through-Conversions gezählt, also Fälle, in denen jemand deine Anzeige gesehen, nicht darauf geklickt und trotzdem einen Kauf getätigt hat.

Google Ads konzentriert sich auf Interaktionen innerhalb des Google-eigenen Ökosystems. Seit September 2023 nutzt Google standardmäßig datengestützte Attribution, bei der die Wertzuweisung auf die Klicks und Impressionen entlang der gesamten Google-Customer-Journey verteilt wird und nicht nur auf den letzten Klick.

Google Analytics 4 (GA4) verfolgt einen umfassenderen kanalübergreifenden Ansatz und versucht, die Zuordnung auf alle Kanäle zu verteilen, die Teil der Customer Journey waren – darunter Meta, E-Mail, organischer Traffic und Direktzugriffe –, anstatt nur die Anzeige zu berücksichtigen, auf die jemand geklickt hat.

Hier ist ein Beispiel: Ein Kunde sieht eine Meta-Anzeige, klickt später auf eine Google-Anzeige und tätigt dann einen Kauf. Meta und Google Ads schreiben sich diesen Kauf jeweils selbst zu, während GA4 die Zuordnung auf beide Kanäle aufteilt. Ein Kauf taucht nun dreimal in drei verschiedenen Tools auf – und das alles nur, weil jedes davon seinen eigenen Regeln folgt.

Das Berichtsfenster macht die Sache noch komplizierter. Google Ads erfasst eine Conversion am Tag des Klicks, während GA4 sie am Tag der Conversion erfasst, sodass derselbe Verkauf in unterschiedlichen Wochen landen kann. Wenn du einen Zeitraum von Montag bis Sonntag in zwei Tools vergleichst, die unterschiedliche Datumslogiken verwenden, ist ein Teil der Differenz, die du siehst, rein zeitlich bedingt.

Verschiedene Definitionen einer Konversion

Ein weiteres Problem ist, dass die Plattformen unterschiedliche Definitionen für eine Conversion verwenden. Meta zählt vielleicht ein „Zahlungsdaten hinzufügen“-Event oder einen View-Through als Conversion. Bei Google Ads kann es sich dagegen um einen Anruf oder das Ausfüllen eines Formulars handeln. GA4 zählt vielleicht ein Schlüsselereignis, das du vor Monaten konfiguriert und inzwischen vergessen hast. Deine Bestelldaten spiegeln nur bezahlte, bestätigte und nicht erstattete Bestellungen wider.

Bevor du deine Tracking-Daten analysierst, stell sicher, dass jedes Tool dieselben Ereignisse misst. Öffne die Einstellungen für Conversion-Aktionen in Google Ads, die Ereignisliste im Meta Events Manager und die Definitionen der Schlüsselereignisse in GA4 und vergleiche sie jeweils mit den Werten, die deine Bestelldaten erfassen. Wenn Google Ads Telefonanrufe oder Meta View-Throughs berücksichtigt, hat dieser Teil der Diskrepanz nichts mit Datenverlusten zu tun.

Welcher Teil der Lücke entspricht einem wiederherstellbaren Datenverlust?

Abgesehen von der Methodik gibt es eine zweite Lücke, die aus tatsächlich erfolgten Konversionen besteht, die nach den eigenen Regeln der jeweiligen Plattform hätten gezählt werden müssen, es aber nie in die Plattformen geschafft haben. Das ist Signalverlust, und genau diesen Teil kannst (und solltest) du beheben.

Das liegt vor allem an vier entscheidenden Faktoren:

• Einwilligung und Consent Mode V2. Wenn ein Nutzer Cookies ablehnt, werden clientseitige Tags nicht ausgelöst, sodass die Conversion niemals als echtes, gemessenes Event auf deinen Plattformen ankommt. Google füllt im Consent Mode einen Teil dieser Lücke mit modellierten Daten, doch diese Modellierung ist eine Schätzung, die auf einer immer kleiner werdenden Basis echter Ereignisse basiert. Je mehr echte Signale du einspeist, desto weniger muss das System raten.
• Safaris ITP und ähnliche Browser-Einschränkungen. Safaris „Intelligent Tracking Prevention“ begrenzt die über JavaScript gesetzten First-Party-Cookies auf 7 Tage, in manchen siteübergreifenden Szenarien sogar noch kürzer, während Firefox viele Tracker standardmäßig blockiert. Jedes abgelaufene Cookie ist ein wiederkehrender Kunde, den deine Tools nicht mehr mit der Kampagne in Verbindung bringen können, die ihn hergebracht hat – was auch der Grund dafür ist, dass Remarketing-Pools mit der Zeit tendenziell schrumpfen.
• Werbeblocker. Werbeblocker entfernen nicht nur Display-Anzeigen, sondern verhindern auch gänzlich, dass Tracking-Skripte ausgeführt werden. Wenn ein Werbeblocker das Laden deines Google Tag Manager-Containers verhindert, werden keine deiner Tags ausgeführt – das heißt: kein GA4, kein Meta-Pixel und kein Google Ads-Conversion-Tag – und diese Nutzer tauchen in deinen Berichten nicht mehr auf.
• iOS und „App Tracking Transparency“ (ATT). Seit der Einführung von ATT müssen Nutzer ausdrücklich zustimmen, bevor das Meta-Pixel sie auf iOS tracken kann, und die meisten tun das nicht. Meta schließt diese Lücke mit modellierten Conversions auf Basis aggregierter Signale – das ist zwar nützlich, aber immer noch ein Modell und keine exakte Messung.

Wenn du das alles zusammenrechnest, wird dir klar, dass du mit unvollständigen Berichten arbeitest und das Budget auf der Grundlage eines stark verzerrten Bildes verteilst. Kampagnen, die scheinbar unterdurchschnittlich abschneiden, richten sich vielleicht einfach an eine Zielgruppe, deren Conversions den Datenverlust schlechter verkraften als andere.

Warum Deduplizierung und geräteübergreifende Lücken das Problem noch verschlimmern

Zwischen Methodik und Datenverlust liegen noch zwei weitere Effekte, die einige der seltsamsten Abweichungen erklären, die dir begegnen werden.

Der erste Punkt ist die Deduplizierung. Wenn du sowohl ein Browser-Pixel als auch ein server-side Event einsetzt – was du für Meta CAPI tun solltest –, müssen beide eine identische `event_id` haben, damit Meta weiß, dass sie denselben Kauf beschreiben. Metas Abgleich ist streng – die IDs müssen exakt übereinstimmen und die Ereignisnamen sowie Zeitstempel müssen übereinstimmen. Wenn also bei einer Konfiguration die ID auf jeder Seite separat generiert wird, zählt Meta beide Ereignisse. Meta liefert zu hohe Zahlen, weil du doppelt zählst, und nicht, weil Meta irgendetwas aufbläht. Das Problem lässt sich durch eine saubere Deduplizierung lösen.

Erfahre, wie du deinen Meta Event Match Quality Score verbessern kannst.

Der zweite Punkt sind geräteübergreifende Nutzerwege. Ein Nutzer entdeckt dich vielleicht zunächst beim Surfen auf seinem Handy, recherchiert dann weiter am Desktop und kauft schließlich auf einem Tablet – das ist ein Kunde, der sich auf drei verschiedene Geräte verteilt. Clientseitige Cookies können diese Daten nicht zuverlässig miteinander verknüpfen, sodass du drei anonyme Nutzer siehst, obwohl es eigentlich nur einen gibt.

Meta und Google können das für angemeldete Nutzer teilweise ausgleichen, aber GA4 schafft das nur, wenn jemand in einem Google-Konto angemeldet ist – was einer der Hauptgründe dafür ist, dass GA4 die Zahlen zu niedrig angibt und Sitzungen in „Nicht zugeordnet“ einordnet.

Überprüf diese fünf Einstellungen, bevor du dem Tracking die Schuld gibst

Oft sind Abweichungen bei den Zahlen gar kein Signalverlust. Es handelt sich um Konfigurationsfehler, die dazu führen, dass deine Daten zwischen den Tools aufgeteilt oder verschoben werden. Diese lassen sich ganz einfach beheben. Überprüfe sie also, bevor du davon ausgehst, dass etwas Tiefgreifenderes die Ursache für deine Datenabweichungen ist:

1. Zeitzone. Jede Plattform kann in ihrer eigenen Zeitzone berichten, und sie sind sich nicht einmal einig, zu welchem Tag eine Conversion gehört. Google Ads erfasst sie am Tag des Klicks, während GA4 sie am Tag des Kaufs erfasst. Wenn diese auf unterschiedliche Tage fallen, kann derselbe Verkauf in jedem Tool in einer anderen Woche landen, sodass ein Vergleich der „letzten Woche“ eigentlich ein Vergleich zweier leicht unterschiedlicher Wochen ist. Stell jede Plattform auf dieselbe Zeitzone ein.
2. Währung. Wenn deine GA4-Property, deine Werbekonten und deine Bestelldaten in unterschiedlichen Währungen ausgewiesen werden, stimmen deine Umsätze und dein ROAS nie überein – selbst wenn die Conversion-Zahlen übereinstimmen. Das Gleiche gilt, wenn jedes Tool die Währung nach seinem eigenen Wechselkurs in deine Berichtswährung umrechnet. Lege für alle eine einheitliche Währung fest, damit du die Daten genau vergleichen kannst.
3. Zuordnungsfenster. Das Attributionsfenster gibt an, wie lange nach einer Interaktion mit einer Anzeige eine Plattform eine Conversion noch zuschreibt. Google Ads verwendet üblicherweise ein 30-Tage-Fenster, während Meta 7 Tage für Klicks plus 1 Tag für Aufrufe nutzt. Da sich die Fenster unterscheiden, zählt jedes Tool eine andere Anzahl von Conversions, was allein schon eine große Diskrepanz erklären kann. Stell das Zeitfenster nach Möglichkeit überall gleich ein; wenn die Plattformen das nicht zulassen, denk daran, dass ein Teil der Abweichung systemimmanent ist.
4. UTM-Konsistenz. GA4 interpretiert „Facebook“, „facebook“ und „fb“ als drei separate Quellen, sodass uneinheitliche Tags einen Kanal auf mehrere Zeilen verteilen und den Traffic in die Kategorie „Nicht zugeordnet“ verschieben. Leg dich auf eine Namenskonvention fest, zum Beispiel utm_source=facebook mit utm_medium=paid_social, und verwende sie bei jedem Link. Stell anschließend sicher, dass deine Weiterleitungen, Linkverkürzer und Checkout-Schritte die Parameter unterwegs nicht verlieren.
5. Ausschlüsse bei Verweisen und domänenübergreifende Einrichtung. Wenn ein Kunde auf eine externe Zahlungsseite weitergeleitet und anschließend zurückgeleitet wird, kann GA4 die Rückkehr als völlig neuen Besuch werten und die ursprüngliche Quelle des Kaufs aus den Augen verlieren. Um das zu verhindern, füge deinen Zahlungsanbieter und deine eigenen Subdomains zur Referrer-Ausschlussliste von GA4 hinzu, sonst werden diese Conversions unter „Direkt“ oder „Nicht zugeordnet“ erfasst.

Wenn du diese bereinigt hast und immer noch eine große Lücke bleibt, dann hast du es wahrscheinlich mit methodischen Unterschieden und einem wiederherstellbaren Datenverlust zu tun – und genau darum geht es im Rest dieses Artikels.

Welcher Umrechnungswert ist glaubwürdig?

Du solltest keiner einzelnen Zahl für sich genommen vertrauen und aufhören, ein bestimmtes Dashboard zum „einzig wahren“ zu krönen. Nutze stattdessen jedes Tool für die Aufgabe, für die es tatsächlich gut geeignet ist.

• Google Ads und der Meta Ads Manager sind deine Entscheidungshilfen für deine eigenen Kampagnen. Sie speisen ihre eigenen Gebotsalgorithmen mit Daten, daher ist die Zahl, auf die es jeweils ankommt, diejenige, aus der der jeweilige Algorithmus lernt. Optimiere Meta innerhalb von Meta und Google innerhalb von Google.
• GA4 ist dein Tool für kanalübergreifende Zusammenhänge. Es eignet sich am besten dazu, zu verstehen, wie sich die Kanäle gegenseitig unterstützen, und weniger dazu, eine genaue Kaufzahl zu ermitteln.
• Deine Bestelldaten (Shopify, ein CRM oder Stripe) sind deine verlässliche Quelle dafür, wie viele Bestellungen tatsächlich eingegangen sind und wie viel Umsatz erzielt wurde – und genau diese Zahl gehört in die Präsentation für den Vorstand.

Versuch nicht, die Zahlen mit Gewalt anzugleichen. Mach dir stattdessen die üblichen Abstände zwischen deinen Werkzeugen bewusst, behalte sie im Auge und geh der Sache auf den Grund, wenn sich einer davon ändert.

Finde heraus, wie du Offline-Conversions genauer messen kannst.

Was du ändern kannst vs. was unveränderlich ist

Zusammenfassend lässt sich sagen, dass zu den Datenabweichungen, die du nicht beheben kannst, folgende gehören:

• Unterschiedliche Attributionsmodelle auf verschiedenen Plattformen
• Unterschiedliche Attributionsfenster und Datumslogik
• Unterschiedliche Definitionen dessen, was als Conversion gilt
• View-Through- versus Click-Through-Zählung

Teile, die du selbst reparieren kannst, sind:

• Durch fehlende Einwilligungen verlorene Konversionen
• Durch ITP und das Ablaufen von Cookies verlorene Conversions
• Durch Werbeblocker verlorene Conversions
• Durch iOS und ATT-Einschränkungen verlorene Konversionen
• Doppelzählungen aufgrund einer fehlerhaften Duplikatsbereinigung
• Ein Großteil der geräteübergreifenden Verknüpfung

Alles in der ersten Gruppe betrifft Unterschiede in den Regeln, während die zweite Gruppe sich auf Daten bezieht, die im Browser verloren gegangen sind. Der Browser ist der Teil der Kette, den du nicht kontrollieren kannst – und genau deshalb lässt sich durch die Verlagerung der Messung aus dem Browser ein Großteil der Daten aus der zweiten Gruppe wiederherstellen.

So misst du deine eigene Lücke

Am schnellsten geht es, wenn du ein Tool nutzt, das deine Website für dich überprüft. Der kostenlose „TAGGRS Website Tracking Checker“ analysiert deine Website in vier Bereichen, in denen die meisten der in diesem Artikel besprochenen Mängel auftreten:

• Welche Werbe-Pixel sind auf deiner Website implementiert und ob tatsächlich Conversions eingehen
• Ob du Daten server-side übermittelst, welche Plattformen unterstützt werden und wo du dich noch auf den Browser verlässt
• Jedes First-Party- und Third-Party-Cookie auf deiner Website und wie lange es gespeichert bleibt
• Ob dein Einwilligungsbanner richtig konfiguriert ist

Du gibst eine URL ein, und das Tool gibt einen Tracking-Score sowie eine nach Priorität geordnete Liste der zu behebenden Probleme aus.

Wenn du es lieber selbst durcharbeiten möchtest, nehmen die folgenden Schritte einen Nachmittag in Anspruch. Beginne mit der Umrechnungszahl, der du am meisten vertraust, und vergleiche jede Plattform sowohl damit als auch mit dem vorangegangenen Zeitraum, damit du sowohl die Größe der jeweiligen Abweichung als auch deren Stabilität erkennen kannst.

Unser Leitfaden „Wie robust ist dein Tracking-Setup?“ ist ein nützlicher Begleiter, wenn du eine tiefergehende Analyse darüber haben möchtest, wo dein Tracking versagt.

1. Lege deine Ausgangsbasis fest. Rufe die Gesamtzahl der Käufe und den Gesamtumsatz aus deinen Bestelldaten (Shopify, WooCommerce, Stripe oder dein CRM) für einen festgelegten, aktuellen Zeitraum ab. Das sind echte, bezahlte Bestellungen – sie kommen also der tatsächlichen Situation am nächsten. Alle anderen Zahlen werden mit diesen verglichen.
2. Vergleiche GA4 mit dieser Basislinie. Für denselben Zeitraum und dieselbe Zeitzone meldet GA4 fast immer weniger Käufe, da es auf Cookies und Einwilligungen angewiesen ist, die der Browser möglicherweise entfernt. Eine kleine, konstante Datenabweichung ist zu erwarten. Eine große oder zunehmende Abweichung kann als Signalverlust auf der Analyseebene gewertet werden, und es lohnt sich, zunächst deine Einstellungen für den Consent Mode und die Tag-Auslösung zu überprüfen, bevor du andere Ursachen in Betracht ziehst.
3. Schau dir deinen GA4 -Anteil an „nicht zugeordneten“ Kanälen an. Öffne den Standardbericht zur Kanalgruppe und schau nach, wie viel Traffic GA4 keiner Quelle zuordnen konnte. Wenn dieser Anteil steigt, liegt das meist an inkonsistenten UTMs, fehlenden Verweisausnahmen oder Lücken bei der Einwilligung – und nicht an schwerwiegenderen Problemen –, und es untergräbt direkt die Attribution, auf der deine Berichte basieren.
4. Überprüfe die Deduplizierung bei Meta. Öffne im Events Manager dein „Purchase“-Ereignis und schau dir an, wie das Pixel und die Conversions-API Duplikate entfernen. Wenn die Deduplizierungsrate niedrig ist, haben deine Browser- und Server-Ereignisse keine übereinstimmende „event_id“ – das bedeutet, dass du entweder Käufe doppelt zählst oder die Server-Ereignisse verlierst, die eigentlich dazu dienen, die vom Browser übersehenen Ereignisse nachzuholen.
5. Überprüfe deine Ablehnungsquote bei Einwilligungen. Schau dir mal an, wie viele Sitzungen in deinem Einwilligungsbanner das Tracking ablehnen. Jede Ablehnung ist eine Conversion, die deine clientseitigen Tags nicht erfasst haben. Eine hohe Ablehnungsrate zeigt dir also, wie viel deiner Lücke auf die Einwilligung zurückzuführen ist und inwieweit deine Plattformen diese Lücke durch Modellierung schließen.
6. Rechne es mal zusammen. Du hast nun eine grobe Übersicht über deine Datenlücken, unterteilt in Methodik, Analyseverluste, Duplikatsprobleme und Einwilligungen. Diese Übersicht zeigt dir, wo du mit server-side Tracking Daten wiederherstellen kannst und wo du lediglich ein UTM korrigieren oder eine Einstellung ändern musst.

So sieht eine Standardlücke aus

Es gibt keine allgemeingültigen Zahlen, denn die Größe jeder Lücke hängt von deiner Zielgruppe, deiner Branche und davon ab, wie viel deines Traffics datenschutzbedingt eingeschränkt ist. Was zählt, ist die Richtung jeder Lücke und ob sie stabil bleibt. Die Tabelle unten beschreibt eher die zu erwartende Entwicklung als ein Ziel, das es zu erreichen gilt.

Vergleich	Was ist normal?	Was es wert ist, untersucht zu werden
GA4-Käufe im Vergleich zu Bestelldaten	GA4 liegt mit einem geringen, aber stabilen Vorsprung zurück	Eine große Lücke – oder eine, die immer größer wird
Google Ads vs. GA4 (gleiche Conversion)	Google Ads höher	Eine Lücke, die von Woche zu Woche schwankt
Meta-Pixel- und CAPI-Deduplizierung	Die meisten Käufe wurden abgeglichen und zusammengeführt	Eine sinkende Übereinstimmungsrate oder das Auftreten von Duplikaten
GA4-Kanalanteil „Nicht zugewiesen“	Ein kleiner, stabiler Anteil	Eine Aktie, deren Kurs im Laufe der Zeit steigt

Die nützlichste Gewohnheit ist es, deine eigenen Basiswerte zu kennen und zu beobachten, wie sie sich verändern. Eine stabile Lücke ist fast immer auf methodische Unterschiede zurückzuführen, die du getrost ignorieren kannst. Eine Lücke, die sich plötzlich vergrößert, deutet meist auf ein defektes Tag, eine Änderung der Einwilligungsbedingungen oder einen Rückgang bei der Nachverfolgung hin – und es ist am besten, die Behebung dieses Problems zu priorisieren, um deine potenziellen Verluste zu reduzieren.

Erfahre, wie du Ungenauigkeiten bei deinem GA4-ROAS beheben kannst.

Wie server-side Tracking die Lücke bei der Wiederherstellbarkeit schließt

Clientseitiges Tracking ist fehleranfällig, da es von einer Umgebung abhängt, die du nicht selbst kontrollierst. Der Browser entscheidet, ob dein Skript geladen wird, ob die Anfrage gesendet wird und ob das Cookie erhalten bleibt – und Werbeblocker, ITP und Consent Tools haben alle ein Wörtchen mitzureden, bevor deine Daten die Seite überhaupt verlassen.

Beim server-side Tracking wird dieser Erfassungspunkt aus dem Browser herausgelagert. Anstatt dass der Browser Ereignisse direkt an die einzelnen Werbeplattformen sendet, leitet er sie an einen Server weiter, den du auf deiner eigenen Subdomain verwaltest. Dieser Server bereinigt und dedupliziert die Ereignisse anschließend und leitet sie über eine direkte Server-zu-Server-Verbindung an die jeweiligen Plattformen weiter, anstatt sich auf den Browser zu verlassen, um sie zu übermitteln.

Durch das Verschieben der Erfassungsstelle werden die Daten wiederhergestellt. Eine Anfrage an deine eigene Subdomain ist ein First-Party-Request, daher behandeln Werbeblocker sie nicht als Tracker, der entfernt werden muss. Ein von deinem Server gesetztes Cookie ist ein First-Party-Cookie, daher verkürzen Browser-Einschränkungen wie Safaris ITP dessen Lebensdauer nicht so wie bei Cookies, die im Browser gesetzt werden. Eine Server-zu-Server-Verbindung ist nicht davon abhängig, dass ein Skript im Browser bestehen bleibt, sodass ein blockiertes oder defektes Tag sie nicht unterbrechen kann. Und da der Server jeden Kauf mit einer einheitlichen Kennung versieht, werden das Browser-Event und das Server-Event für diesen Kauf als dieselbe Conversion erkannt und nicht doppelt gezählt.

Das führt aber nicht dazu, dass Meta, Google und GA4 nun übereinstimmen, denn nichts schließt die methodische Lücke. Was es jedoch tut, ist, die Conversions wiederherzustellen, die aus dem Browser verloren gingen – also genau den Teil der Lücke, der dich Geld kostet und deine Gebote in die Irre führt.

Bevor du auf server-side Tracking umsteigst, solltest du dir bewusst sein, dass es in den ersten ein bis zwei Wochen oft weniger Conversions meldet, da es ohne die Historie startet, die deine alte Konfiguration aufgebaut hatte. Es bereinigt auch kein chaotisches UTM-Schema oder ein falsch konfiguriertes Einwilligungsbanner von selbst – daher ist die Aufräumarbeit aus der Vergangenheit nach wie vor wichtig. Betrachte es eher als Grundlage für saubere Daten denn als Lösung mit einem Klick. Sobald sich das System eingespielt hat, fließt das wiederhergestellte Signal zurück in das automatisierte Bidding der Plattformen. Dadurch optimieren die Algorithmen endlich auf der Grundlage eines großen Teils echter Verhaltensdaten, statt nur auf dem Bruchteil, der den Browser überstanden hat.

Erfahre, wie server-side Tracking deine Google Ads-Leistung verbessern kann.

Die eigentliche Frage

Die meisten Teams spüren bereits, dass mit ihren Daten etwas nicht stimmt, aber zu wissen, wie groß die Lücke ist, woher sie stammt und wie man sie schließen kann, ist eine ganz andere Geschichte. Jede Conversion, die deine Plattformen nie erreicht, ist ein Verkauf, aus dem dein Bidding nicht lernen kann, und eine Budgetentscheidung, die auf unvollständigen Daten basiert. Diese Lücke kostet dich so lange Geld, wie sie besteht.

Zum Glück lässt sich diese Hälfte der Lücke schließen. Mit TAGGRS ist es ganz einfach, dein Tracking auf die server-side-Seite zu verlagern und die Conversions wiederherzustellen, die in deiner aktuellen Konfiguration verloren gehen. Erstelle ein kostenloses Konto, um loszulegen, oder vereinbare eine Demo, um erst einmal zu sehen, wie es zu deiner bestehenden Konfiguration passt.

FAQ

Werden die Konversionszahlen von Meta, GA4 und Google Ads jemals genau übereinstimmen?

Nein. Jede Plattform nutzt ein anderes Attributionsmodell und -fenster sowie eine andere Definition einer Conversion. Diese methodischen Unterschiede sind dauerhaft und lassen sich durch kein Tool beseitigen. Eine beständige Diskrepanz zwischen den Plattformen ist normal – erst eine plötzliche Veränderung dieser Diskrepanz deutet auf ein Problem hin.

Warum zeigt Google Ads mehr Conversions an als GA4, obwohl beide Google-Produkte sind?

Sie beantworten unterschiedliche Fragen. Google Ads zählt Conversions, die es einer Interaktion mit einer Google-Anzeige zuordnen kann, und meldet sie zum Klickdatum, während GA4 die kanalübergreifende Attribution nutzt und zum Conversion-Datum meldet. Einwilligungslücken und geräteübergreifende Customer Journeys reduzieren die Zahlen von GA4 noch weiter, sodass Google Ads fast immer die höhere Zahl anzeigt.

Warum meldet Meta mehr Conversions als meine Shopify- oder CRM-Bestelldaten?

Meta erfasst View-Through-Conversions und nutzt modellierte Daten für iOS-Nutzer, die sich abgemeldet haben. Daher schreibt Meta Umsätze gut, die deine Daten anderen Quellen zuordnen oder die nicht mit einer Meta-Anzeige verknüpft sind. Eine fehlerhafte Duplikatsbereinigung zwischen dem Meta-Pixel und CAPI kann zudem dazu führen, dass derselbe Kauf doppelt gezählt wird, was die Gesamtzahlen von Meta in die Höhe treibt.

Wie viele Conversion-Daten gehen mir verloren?

Bei allen Setups, an denen wir gearbeitet haben, sind die Verluste durchweg hoch – oft handelt es sich um einen nennenswerten Anteil an den Gesamtkonversionen und nicht nur um einen Rundungsfehler. Das liegt an abgelehnten Einwilligungen, dem ITP von Safari, Werbeblockern und den ATT-Einschränkungen von iOS, und die genaue Höhe hängt von eurer Region, eurer Branche und eurer Zielgruppe ab.

Kann ich durch server-side Tracking alle meine Dashboards aufeinander abstimmen?

Nein, und das ist auch nicht der Zweck. Server-side Tracking schließt die Lücke bei wiederherstellbaren Datenverlusten – also Conversions, die durch Blocker, ITP, Einwilligungs- und Browser-Einschränkungen verloren gehen –, aber die methodischen Unterschiede zwischen den Plattformen bleiben bewusst bestehen.

Wie groß darf der Abstand zwischen den Plattformen normalerweise sein?

Es gibt keine allgemeingültige Zahl, denn das hängt von deiner Zielgruppe ab und davon, wie viel deines Traffics durch Browser- oder datenschutzbezogene Einschränkungen blockiert wird. Konzentriere dich stattdessen auf den Trend und die Stabilität. Es ist zu erwarten, dass GA4 etwas unter deinen Bestelldaten liegt, und eine Lücke, die seit Monaten konstant bleibt, ist fast immer ein harmloser methodischer Unterschied. Was du genauer unter die Lupe nehmen solltest, ist eine Lücke, die für deine Konfiguration ungewöhnlich groß ist oder sich plötzlich vergrößert, da dies auf ein behebbares Problem hindeutet, wie zum Beispiel den Verlust der Einwilligung, fehlerhafte UTMs oder einen Duplikatsausschlussfehler.

Warum wird so viel von meinem Traffic in GA4 als „Nicht zugeordnet“ angezeigt?

„Nicht zugeordnet“ wird angezeigt, wenn GA4 eine Sitzung keinem Kanal zuordnen kann. Das liegt meist an inkonsistenten oder fehlenden UTM-Parametern, durch Weiterleitungen entfernten Referrern, Fehlkonfigurationen bei domänenübergreifenden Daten oder Referrer-Ausschlüssen oder an fehlenden Einwilligungen. Ein geringer Anteil an „Nicht zugeordnet“ ist normal, aber wenn er zunimmt, handelt es sich fast immer um eines dieser behebbaren Probleme und nicht um ein Rätsel. Wenn du deine UTMs und Verweisausschluss-Einstellungen bereinigierst und die Erfassung dann server-side durchführst, lässt sich das meiste davon beheben.