Wenn du die Daten derselben Kampagne in Meta, GA4 und Google Ads vergleichst, wirst du feststellen, dass die Conversion-Zahlen selten \u00fcbereinstimmen. Es kann sein, dass Meta 77 K\u00e4ufe meldet, Google Ads 85 und GA4 61, w\u00e4hrend die tats\u00e4chliche Zahl in Shopify bei 143 liegt. Vier Tools, die vier unterschiedliche Gesamtzahlen angeben. <\/p>\n\n
Welche Kennzahl geh\u00f6rt also in deine Berichte und sollte deine strategischen Entscheidungen leiten? Und warum sagt dir jede Plattform etwas anderes \u00fcber dieselbe Kampagne? <\/p>\n\n
Deine Conversion-Zahlen in Meta, GA4 und Google Ads werden nie exakt \u00fcbereinstimmen<\/strong>, 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. <\/p>\n\n Aber nicht alles davon ist methodisch bedingt. Ein betr\u00e4chtlicher Anteil sind echte Konversionen, die eure Plattformen aufgrund abgelehnter Einwilligungen, Browser-Einschr\u00e4nkungen und Werbeblocker nicht erreicht haben. Und diesen Teil k\u00f6nnt ihr zur\u00fcckgewinnen. <\/p>\n\n In diesem Beitrag werden beide Aspekte behandelt. Zun\u00e4chst geht es darum, wie unterschiedliche Attributionsmodelle und Conversion-Definitionen eine Datenl\u00fccke schaffen, die sich nicht schlie\u00dfen l\u00e4sst. Anschlie\u00dfend wird erl\u00e4utert, wie Einwilligungsoptionen, Browser-Einschr\u00e4nkungen, Werbeblocker und fehlerhafte Duplikatsbereinigung eine L\u00fccke verursachen, die sich beheben l\u00e4sst \u2013 und wie man diese misst sowie konkrete M\u00f6glichkeiten zu ihrer Behebung. <\/p>\n\n Die oben genannten Zahlen sind kein Einzelfall. Ein \u00e4hnliches Muster l\u00e4sst sich bei den meisten Werbekonten beobachten: <\/p>\n\n Keine dieser Plattformen ist fehlerhaft. Jede beantwortet eine andere Frage, z\u00e4hlt Conversions auf ihre eigene Art und verliert dabei ihren eigenen Anteil an Daten. Hier siehst du, wie sich das im Einzelnen zusammensetzt. <\/p>\n\n 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 \u2013 und das muss auch gar nicht sein. Die dauerhafte Diskrepanz hat zwei Hauptursachen: Die Plattformen wenden unterschiedliche Attributionsregeln an und definieren den Begriff \u201eConversion\u201c unterschiedlich. <\/p>\n\n 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. <\/p>\n\n Meta schreibt eine Conversion innerhalb von etwa 7 Tagen nach einem Klick gut. Au\u00dferdem werden View-Through-Conversions gez\u00e4hlt, also F\u00e4lle, in denen jemand deine Anzeige gesehen, nicht darauf geklickt und trotzdem einen Kauf get\u00e4tigt hat. <\/p>\n\n Google Ads konzentriert sich auf Interaktionen innerhalb des Google-eigenen \u00d6kosystems. Seit September 2023 nutzt Google standardm\u00e4\u00dfig datengest\u00fctzte 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. <\/p>\n\n Google Analytics 4 (GA4) verfolgt einen umfassenderen kanal\u00fcbergreifenden Ansatz und versucht, die Zuordnung auf alle Kan\u00e4le zu verteilen, die Teil der Customer Journey waren \u2013 darunter Meta, E-Mail, organischer Traffic und Direktzugriffe \u2013, anstatt nur die Anzeige zu ber\u00fccksichtigen, auf die jemand geklickt hat.<\/p>\n\n Hier ist ein Beispiel: Ein Kunde sieht eine Meta-Anzeige, klickt sp\u00e4ter auf eine Google-Anzeige und t\u00e4tigt dann einen Kauf. Meta und Google Ads schreiben sich diesen Kauf jeweils selbst zu, w\u00e4hrend GA4 die Zuordnung auf beide Kan\u00e4le aufteilt. Ein Kauf taucht nun dreimal in drei verschiedenen Tools auf \u2013 und das alles nur, weil jedes davon seinen eigenen Regeln folgt. <\/p>\n\n Das Berichtsfenster macht die Sache noch komplizierter. Google Ads erfasst eine Conversion am Tag des Klicks, w\u00e4hrend 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. <\/p>\n\n Ein weiteres Problem ist, dass die Plattformen unterschiedliche Definitionen f\u00fcr eine Conversion verwenden. Meta z\u00e4hlt vielleicht ein \u201eZahlungsdaten hinzuf\u00fcgen\u201c-Event oder einen View-Through als Conversion. Bei Google Ads kann es sich dagegen um einen Anruf oder das Ausf\u00fcllen eines Formulars handeln. GA4 z\u00e4hlt vielleicht ein Schl\u00fcsselereignis, das du vor Monaten konfiguriert und inzwischen vergessen hast. Deine Bestelldaten spiegeln nur bezahlte, best\u00e4tigte und nicht erstattete Bestellungen wider. <\/p>\n\n Bevor du deine Tracking-Daten analysierst, stell sicher, dass jedes Tool dieselben Ereignisse misst. \u00d6ffne die Einstellungen f\u00fcr Conversion-Aktionen in Google Ads, die Ereignisliste im Meta Events Manager und die Definitionen der Schl\u00fcsselereignisse in GA4 und vergleiche sie jeweils mit den Werten, die deine Bestelldaten erfassen. Wenn Google Ads Telefonanrufe oder Meta View-Throughs ber\u00fccksichtigt, hat dieser Teil der Diskrepanz nichts mit Datenverlusten zu tun. <\/p>\n\n Abgesehen von der Methodik gibt es eine zweite L\u00fccke, die aus tats\u00e4chlich erfolgten Konversionen besteht, die nach den eigenen Regeln der jeweiligen Plattform h\u00e4tten gez\u00e4hlt werden m\u00fcssen, es aber nie in die Plattformen geschafft haben. Das ist Signalverlust<\/a>, und genau diesen Teil kannst (und solltest) du beheben. <\/p>\n\n Das liegt vor allem an vier entscheidenden Faktoren:<\/p>\n\n Wenn du das alles zusammenrechnest, wird dir klar, dass du mit unvollst\u00e4ndigen 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. <\/p>\n\n Zwischen Methodik und Datenverlust liegen noch zwei weitere Effekte, die einige der seltsamsten Abweichungen erkl\u00e4ren, die dir begegnen werden.<\/p>\n\n Der erste Punkt ist die Deduplizierung<\/strong>. Wenn du sowohl ein Browser-Pixel als auch ein server-side Event einsetzt \u2013 was du f\u00fcr Meta CAPI<\/a> tun solltest \u2013, m\u00fcssen beide eine identische `event_id`<\/em> haben, damit Meta wei\u00df, dass sie denselben Kauf beschreiben. Metas Abgleich ist streng \u2013 die IDs m\u00fcssen exakt \u00fcbereinstimmen und die Ereignisnamen sowie Zeitstempel m\u00fcssen \u00fcbereinstimmen. Wenn also bei einer Konfiguration die ID auf jeder Seite separat generiert wird, z\u00e4hlt Meta beide Ereignisse. Meta liefert zu hohe Zahlen<\/a>, weil du doppelt z\u00e4hlst, und nicht, weil Meta irgendetwas aufbl\u00e4ht. Das Problem l\u00e4sst sich durch eine saubere Deduplizierung l\u00f6sen. <\/p>\n\nVier Plattformen, vier Zahlen<\/strong><\/h2>\n\n
\n
Welcher Teil der Datenl\u00fccke ist normal und l\u00e4sst sich nicht \u00e4ndern?<\/strong><\/h2>\n\n
Verschiedene Attributionsmodelle und Zeitfenster<\/strong><\/h3>\n\n
Verschiedene Definitionen einer Konversion<\/strong><\/h3>\n\n
Welcher Teil der L\u00fccke entspricht einem wiederherstellbaren Datenverlust?<\/strong><\/h2>\n\n
\n
Warum Deduplizierung und ger\u00e4te\u00fcbergreifende L\u00fccken das Problem noch verschlimmern<\/strong><\/h2>\n\n