Datendifferenz-Guide: Google Ads Zahlen in Google Analytics 4 verstehen und richtig analysieren39 min Lesezeit

Datendifferenzen: 6 Berichte, 6 unterschiedliche Zahlen

253 Verkäufe: Google Ads Conversion Tracking

115 Verkäufe: Google Ads aus der GA4-Verknüpfung

31 Verkäufe: GA4 „Bericht zur Nutzergewinnung“

132 Verkäufe: GA4 Bericht „Neu generierte Zugriffe“

152 Verkäufe: GA4 Bericht im Bereich Werbung

39 Verkäufe: GA4 Google Ads Reports

6 Berichte.

Immer andere Zahlen: 🤯

Welche Zahl soll man nun reporten?

Kann man den Zahlen überhaupt vertrauen?

Oder stimmt da etwas nicht? Im Tracking? Mit der Analyse?

Viele Fragen – keine Antwort?

Dann lass uns die unterschiedlichen Zahlen gemeinsam analysieren und dem Problem auf den Grund gehen:

DIY: Das Datendifferenz-Analyse-Sheet

Ich teile mein Datendifferenz-Analyse-Sheet: Ein Sheet in das ich meine Zahlen aus Google Ads und GA4 eintrage und welches mir die Abweichungen in Prozent automatisch ausspuckt.

Es zeigt mir somit die Höhe der Datendifferenz und ob diese im Normalbereich liegen.

Dazu habe ich alle Ursachen zu diesen Datenunterschieden notiert.

Das Datendifferenz-Analyse-Sheet ist somit mein ultimativer Spickzettel in jedem Meeting.

Erfahrungsgemäß kommen die Fragen zu unterschiedlichen Zahlen nämlich regelmäßig – jedes Monat, jedes Quartal, jedes halbe Jahr.

Mit meiner Spickzettel-Analyse habe ich jedes mal eine Antwort.

Deswegen empfehle ich, meine Vorlage zur Datendifferenz-Analyse zu kopieren und während des Lesens auszufüllen.

Am Ende des Blogartikels hältst du drei Dinge in der Hand:

1. Deine Datendifferenz-Analyse mit konkreten Zahlen.
2. Einen ausgefüllten Spickzettel für die Zukunft.
3. Alle Antworten auf deine Fragen.

Und Empfehlungen wie es weiter geht, gibt es sowieso.

>> Hier geht es zum Download der Datendifferenz-Analysevorlage.

Starten wir los mit den Zahlen aus Google Ads:

Der große Google Ads Conversion-Check

Um deine Conversions in Google Ads zu analysieren, eignet sich die Conversion-Übersicht unter Zielvorhaben → Conversions → Zusammenfassung:

Hier werden alle Conversions übersichtlich zusammengefasst.

Um möglichst alle Use Cases der Werbetreibenden abzubilden, stellt Google Ads verschiedene Conversion-Typen wie bspw. Kauf, Leads, Kontakt, Angebot anfordern, Download, usw. zur Verfügung. Nicht alle Conversions müssen befüllt sein – sinnvoll ist natürlich nur jene zu erfassen, die für deine Website relevant sind.

Pro Conversion-Aktion (= Name der Conversion) erhältst du folgende Informationen:

• Aktionsoptimierung
• Conversion-Quelle
• Anzahl der Conversions (Alle Conv.)
• Wert der Conversion
• Status

Die Aktionsoptimierung ist dabei besonders relevant: Conversions, welche auf “primär” eingestellt sind, fließen direkt in die Anzeigenoptimierung ein.

Für Conversions die auf “sekundär” eingestellt sind, werden zwar Daten erhoben – sie beeinflussen den Google Ads Algorithmus jedoch nicht. Stattdessen können die Daten zur Kontrolle genutzt werden.

Hinweis: In diesem Blogartikel schaue ich mir beispielhaft die Kauf-Conversion💰 an. Der Kauf ist die wichtigste Conversion (Macro-Conversion) im Ecommerce. Es ist die tatsächliche Transaktion. Hier fließt das Geld.

Die folgende Überprüfung kann jedoch genauso für andere Conversions wie bspw. Lead-Generierung vorgenommen werden.

Im besten Fall und insbesondere für den Kauf, werden in Google Ads zwei Conversions pro Conversion-Typ erfasst, damit die Zahlen direkt verglichen werden können:

• aus der Quelle “Website”
• aus der Quelle “GA4”

Die Kauf-Conversion aus der Quelle “Website” wird in der Regel über das native Google Ads Conversion-Tracking implementiert – im besten Fall (serverseitig) über den Google Tag Manager.

Die Kauf-Conversion aus der Quelle “GA4” erfolgt über die nahtlose Verknüpfung zwischen Google Ads und Google Analytics 4.

Die Verknüpfung kann bspw. im Google Analytics 4 Backend unter Verwaltung → Property-Einstellungen → Produktverknüpfungen → Google Ads eingestellt werden. Alle Infos zur Google Ads- und GA4-Produktverknüpfung findest du in diesem Blogartikel: >> xx wird asap verlinkt

Achtung🛑: Wichtig ist, dass es nur eine primäre Conversion pro Conversion-Typ gibt, damit Google Ads bspw. die Käufe nicht doppelt zählt.

Welche Conversion sich als primär eignet, kannst du hier nachlesen: >> Google Ads Conversion Tracking – GA4 oder GTM?

Werfen wir nun einen Blick auf die Zahlen:  

• 253 Käufe aus dem nativen Google Ads Tracking (1. Zeile, primäre Zahlungsmethode)
• 115 Käufe aus der GA4-Verknüpfung

Das ist eine Abweichung von rund 55%.

Das ist eine hohe Abweichung.

Wie sehen die Zahlen bei dir aus?

Datendifferenz-Analyse📈: Trage deine Conversion-Zahlen in die Zellen B17 und C17 im Analyse-Sheet unter “2. Google Ads nativ. vs GA4-Verknüpfung (Überprüfung in Google Ads)” ein. Wenn du auch den Umsatz der Käufe erfasst, kannst du diese in die Zelle B18 und C18 eintragen.

Höher? Niedriger?

Jedenfalls: Unterschiedlich.

Damit kommen schon erste Zweifel auf:

• Wieso sind die Zahlen unterschiedlich?
• Ist das Tracking korrekt?
• Welchen Zahlen kann ich vertrauen?
• Und welche Zahlen soll ich reporten?

Wichtig und erstmal, keine Panik: Die unterschiedlichen Zahlen sind vollkommen normal!

Die Zahlen müssen sogar unterschiedlich sein, da sie aus unterschiedlichen Quellen kommen: Website vs. GA4.

Jede Quelle arbeitet mit einem anderen Attributionsmodell.

Grund für die Datenabweichung sind also unterschiedliche Attributionsmodelle:

Attribution: Unterschiedliche Tools, unterschiedliche Daten

Schauen wir uns die Unterschiede anhand von einem Beispiel an.

Folgend ist eine sehr einfache Customer Journey dargestellt: Ein Nutzer klickt auf eine Google Anzeige, auf eine Facebook Anzeige, auf eine Criteo Anzeige und kauft.

Google Ads sagt: Yeah, ich habe einen Kauf gemacht und zählt eine Conversion in das native Google-Ads-Conversion-Tracking ein.

Facebook sagt: Yeah, ich hab einen Kauf gemacht und zählt ebenfalls eine Conversion über das nativ Meta-Conversion-Tracking ein.

Und Criteo sagt dasselbe.

Ein und dieselbe Conversion wird nun in Summe 3x gezählt: in Google Ads, in Facebook und in Criteo.

Jeder Kanal hat Scheuklappen auf und sieht nur sich selbst.

Was die anderen machen, ist Google Ads egal.

Man nennt das “Intra-Channel”-Betrachtung: Jeder Kanal betrachtet nur sich selbst in der Customer Journey. Sobald Google Ads ein Teil von ihr ist, beansprucht Google Ads die Conversion für sich. Ganz egoistisch.

Technisch geht das auch gar nicht anders…

Im Vergleich haben es Analysetools wie Google Analytics allerdings nicht so einfach.

Analyse-Tools arbeiten “Cross-Channel”.

Cross-Channel bedeutet, dass im besten Fall ALLE Daten ALLER Marketing-Kanäle in Google Analytics erfasst werden.

Wir sehen Google Ads.

Wir sehen Facebook.

Wir sehen Criteo.

Wir sehen die gesamte Customer Journey.

Die Frage ist jetzt: Wer bekommt die Conversion?

Die Antwort ist abhängig vom Attributionsmodell.

Notiz: Attribution ist die Zuordnung der Conversion zum Marketing-Kanal.

Es gibt verschiedene regelbasierte Attributionsmodelle: So könnt der erste Touchpoint (Google Ads, First Click) die Conversion bekommen. Es könnte aber auch der letzte Tochpoint (Criteo, Last Click) die Conversion bekommen. […]

Hinweis: Mittlerweile auch datengetriebene Attributionsmodelle, die wesentlich intelligenter arbeiten. Das schauen wir uns weiter unten im Blogartikel an.

Jedenfalls wird eine Conversion in Google Analytics auch tatsächlich nur ein einziges mal gezählt – abhängig vom Attributionsmodell bekommt ein Kanal die Conversion zugewiesen, alle anderen gehen leer aus.:

Vergleichen wir nun die Daten zwischen Google Ads (Intra-Channel) und Google Analytics 4 (Cross-Channel), sind Unterschiede vollkommen logisch: Unterschiede Tools erfassen Daten auf unterschiedliche Weise.

Marketing-Tools übertreiben gerne – das ist die Intra-Channel Betrachtung, welche sehr, sehr gute Zahlen liefert. Diese brauchen wir auch, damit der Google Ads Algorithmus ausgezeichnet arbeiten kann – je mehr Daten, desto bessere Kampagnenleistung.

Analyse-Tools untertreiben gerne und stellen jeden Marketing-Kanal schlechter da, als er tatsächlich ist. Jeder will das Stück vom Kuchen🍰, aber nicht jeder bekommt es.

Die Wahrheit liegt irgendwo in der Mitte.

Datendifferenzen sind jedoch ganz normal.

Zusammengefasst

• Wieso sind die Zahlen unterschiedlich? Aufgrund der Attribution.
• Welchen Zahlen kann ich vertrauen? Beiden Zahlen – sie sind beide korrekt.
• Welche Zahlen soll ich reporten? Das ist eine philosophische Frage.

Welche Zahlen soll ich reporten?

Eine diplomatische Antwort auf eine philosophische Frage:  

Die einen sagen, sie nehmen GA4 als „Single Source of Truth“ und verwenden die GA4-Conversions in Google Ads zur Anzeigenoptimierung, denn eine Conversion soll auch tatsächlich nur einmal gezählt werden. Nachteil: Weniger Conversions in Google Ads. Weniger Daten für den Google Ads Algorithmus.

Die anderen betrachten jeden Kanal für sich und wollen das Optimum aus dem Kanal herausholen. Getrackt wird über das native Conversion-Tracking mit dem Wissen, dass eine Conversion mehrfach gezählt wird. Die Zahlen aus GA4 laufen mit um auf dem Boden der Realität zu bleiben. Nachteil: Komplexe Analysen. Hoher Erklärungsaufwand.

Beide Wege sind gute Wege.

Welcher Weg ist der Richtige für dich? 🤓

Im besten Fall ist das auch schon die befriedigende Antwort für deine unterschiedlichen Zahlen.

Darauf wollen wir uns aber nicht blind verlassen.

Tracking könnte natürlich schon auch ein Problem für unterschiedliche Daten sein.

Deswegen bohren wir hier tiefer:

Prüfung auf korrektes Tracking (quick & dirty)

Es gibt verschiedene Möglichkeiten, dass Tracking zu überprüfen.

Diese Möglichkeiten sind sehr technisch und erkläre ich ein anderes mal in einem anderen Blogartikel…

Vorausgesetzt wird immer, dass

• Tracking Code auf allen Seiten der Website korrekt verbaut sind.
• Conversions korrekt erfasst werden bspw. purchase-Event für Onlineshops (Ecommerce-Tracking).
• Consent entsprechend des Users korrekt berücksichtigt wird.
• serverseitig getrackt wird (statt clientseitig).
• alle Kampagnen korrekt mit UTM-Parameter vertaggt sind.

📙 Lesetipp: >> Serverside Tracking (Teil 1): Die Zukunft der Webanalyse trackt serverseitig – aber wie?

Eine schnelle und einfache Möglichkeit, das Tracking trotzdem auf Korrektheit zu überprüfen ist, über Conversions: Die Anzahl der Käufe sollte im Analyse-Tool annähernd gleich sein wie in der Shop-Datenbank, weil Kauf💰 ist Kauf💰.

In diesem Blogartikel fokussiere ich mich auf die Kauf-Conversion, und benötige für einen Vergleich mit GA4 die Anzahl der tatsächlichen Transaktionen aus der Shop-Datenbank.

Hinweis: Sonderfälle wie Stornos, Rückstandsauflösungen, Rechnungen, welche telefonisch erweitert werden, etc. können in der Datenanalyse in der Regel nicht berücksichtigt werden. Je nachdem wie häufig Sonderfälle auftreten, kann das bereits zu gröberen Datendifferenzen führen.

In diesem Fall empfehle ich Sonderfälle auch in GA4 abzubilden, um eine präzisere Datenbasis zu gewährleisten, aber das ist ein anderes Projekt: >> Praxishandbuch Measurement Protocol: Offline-Käufe für Analysen (GA4) und Targeting (Google Ads) nutzen

Da du auf die Datenbank des Onlineshops eventuell nicht zugreifen darfst, ist es notwendig dich an deine IT oder betreuende Agentur zu wenden.

Datendifferenz-Analyse📈: Trage die Anzahl der tatsächlichen Käufe in die Zelle deine Conversion-Zahlen in die Zelle B6 im Analyse-Sheet unter „1. Kontrolle der Datenabweichungen zwischen Shop und GA4“ ein. Wenn du auch den Umsatz der Käufe erfasst, kannst du diese in die Zelle B7 eintragen.

Screenshot: Datendifferenz-Analyse Käufe aus dem Shop

Anschließend wechseln wir nach Google Analytics 4 und überprüfen die Anzahl der Käufe sowie den Umsatz, welcher im gewählten Zeitraum in GA4 erfasst wurde.

Dazu eignet sich der Standardbericht “Transaktionen”. Diesen kannst du über GA4 → Berichte → Lebenszyklus → Monetarisierung → Transaktionen aufrufen:

Datendifferenz-Analyse📈: Stelle das gewählte Datum ein und trage die „Ecommerce-Käufe“ sowie den „Umsatz aus Käufen“ in die Zelle C6 und C7 im Analyse-Sheet unter „1. Kontrolle der Datenabweichungen zwischen Shop und GA4“ ein.

Screenshot: Datendifferenz-Analyse Käufe aus GA4

Vergleichen wir nun die beiden Zahlen: 

• Käufe aus der Datenbank: 1.781
• Käufe aus GA4: 1.271

Das ist eine Abweichung von rund 30%.

30% ist okay – nicht gut, aber okay.

Jetzt ist es wichtig zu überprüfen, wie hoch die Ablehnungsrate in deinem Cookiebanner ist, denn die Datenerfassung in Google Analytics 4 ist abhängig von der Zustimmung (= Consent) deiner Websitebesucher.

Im besten Fall nutzt du ein Consent Management Tool wie Cookiebot, User Centrics, Consent Manager, Borlabs (WordPress), etc.

Über diese kannst du sehr einfach überprüfen, wie hoch die Ablehnungsrate im gewählten Zeitraum ist.

Je nach Produkt, Branche, Datenschutzkonformität und Design des Cookiebanners liegt die aktuell durchschnittliche Ablehnungsquote zwischen 30% und 50%.

Diese Daten fehlen in GA4.

Wichtig: Im besten Fall deckt sich die Ablehnungsquote im Cookiebanner mit unserer gerade berechneten Abweichung zwischen GA4 und Shopsystem. Dann wissen wir: Das Tracking passt und können einen grünen Haken dahinter setzen. ✅

Um die Datenlücken aus fehlendem Consent zu schließen, bietet Google Analytics 4 zusätzlich zum Standard-Tracking ein cookieloses-Tracking an – den Google Consent Mode Advanced (GCM Advanced).

Ist der GCM Advanced aktiv, werden Daten auch bei Ablehnung im Cookiebanner an Google gesendet.

Google modelliert die Daten und stellt diese in Form von Conversion- und Behavioral-Modellings zur Verfügung.

Ob die Modellings bei dir aktiv sind, kannst du im Backend von GA4 überprüfen: Verwaltung → Property-Einstellungen → Datenananzeige → Identität für die Berichterstellung:

Sollten die Modellings bei dir aktiv sein, sind die Abweichungen zwischen Transaktionen in GA4 und dem Shop in der Regel deutlich geringer.

📙 Alle Details zum cookieless-Tracking kannst du hier nachlesen: >> Warum du den Google Consent Mode V2 ab März 2024 verpflichtend nutzen musst und wie du mit Cookiebot weiterhin DSGVO-konforme Webanalyse betreiben kannst

Ist der Google Consent Mode Advanced (cookieless-Tracking) auf deiner Website aktiv, die Modellings jedoch inaktiv, kann das mehrere Gründe haben: Modellings werden von Google bspw. erst ab einer gewissen Datenmenge freigeschalten. Man benötigt mind. 1.000 Ereignisse pro Tag von Usern, die keine Zustimmung gegeben haben, sowie 1.000 Zustimmungen pro Tag – für die letzten 7 Tage.

Werden zu wenige Daten erfasst, kann das Modell nicht trainiert werden.

Deine GA4-Daten werden somit auch nicht um cookieless-Daten erweitert und weisen wiederum eine höhere Differenz im Vergleich zur Shop-Datenbank auf.

Damit du trotzdem von deinen cookieless-Daten profitierst, kannst du BigQuery nutzen:

BigQuery für cookieless-Datenanalysen

BigQuery ist Googles Cloud Data Warehouse: Eine Datenbank, die speziell für Analysezwecke optimiert ist. Datenspeicherung und -abfragen funktionieren in Mopsgeschwindigkeit🚀.

Der Vorteil von Google Analytics 4 ist, dass eine direkte Schnittstelle zu BigQuery zur Verfügung steht. Die GA4-Rohdaten können somit mit wenigen Handgriffen in BigQuery gespeichert werden.

Um die GA4-Daten in BigQuery zu speichern, müssen die beiden Tools verknüpft werden.

Die Verknüpfung funktioniert ähnlich wie für Google Ads und erfolgt in der Verwaltung von GA4 → Property-Einstellungen → Produktverknüpfungen → BigQuery-Verknüpfung:

In dieser Youtube-Anleitung zeigt Nick Orlove in 3:04 Minuten wie die Verknüpfung erstellt wird und was dabei beachtet werden muss.

So ist es bspw. wichtig, die Zahlungsdaten in der Google Cloud zu hinterlegt, da andernfalls die von GA4 exportierten Daten nach 24h gelöscht werden. Wir wollen aber nicht in der sogenannten „Sandbox“ arbeiten. Wir wollen alle Daten und dafür sind die Zahlungsdaten wie bspw. die Kreditkarte erforderlich.

Hinweis: Die Datenspeicherung und Datenabfrage in der Google Cloud sind kostenpflichtig. Es fallen zwar nur ein paar Cent pro Gigabyte an – allerdings kann sich das bei großen Datenmengen schnell summieren.

Meine Erkenntnisse nach mehreren Jahren BigQuery-Nutzung: Kleine Datenmengen, kleine Kosten. Große Datenmengen, große Kosten.

>> Hier erhältst du einen Überblick über die Google Cloud Preise. 

Trotz der zusätzlichen Kosten bin ich der Meinung, dass sich (fast) jeder BigQuery leisten sollte – aus zwei Gründen:

1. BigQuery hilft bei der Datenanalyse: Wann immer man an die Grenzen im GA4-Interface stößt, man kann auf BigQuery ausweichen und dort seine Analyse erstellen.

• Ja, es erfordert SQL-Kenntnisse.
• Nein, nicht jeder Online Marketer kann SQL aber jeder Online Marketer findet einen Weg sich zu helfen.

2. BigQuery schützt vor Datenverlust: Die GA4-Daten werden max. 14 Monate auf den Google Servern gespeichert und danach gelöscht (Datenaufbewahrungsdauer). Das betrifft zwar nicht die aggregierten Daten in den Standardberichten unter GA4 –> Berichte, sehr wohl aber die Datenabfrage in der explorativen Datenanalyse.

Um langfristig von den GA4-Daten zu profitieren, zwingt uns Google somit den Export nach BigQuery auf.

Klar, Google will ja auch irgendwie seine Brötchen🥯 verdienen…

Deswegen empfehle ich (fast) jedem die BiqQuery-Verknüpfung einzurichten – und zwar ab Tag 1, weil dieser leider nicht rückwirkend gilt. Wenn du dich erst in einem Jahr entscheidest BigQuery zu nutzen, sind deine Daten erst ab diesem Zeitpunkt verfügbar – im Umkehrschluss: 1 Jahr Datenbasis verloren.

Ein weiterer Vorteil von BigQuery ist, dass ALLE GA4-Daten exportiert werden – inklusive cookieless-Daten, die mittels Google Consent Mode Advanced erhoben wurden.

Sollten die Modellings in GA4 aufgrund zu kleiner Datenmengen also nicht aktiv sein, bekommt man die Daten über BigQuery trotzdem raus: 🙌

Somit kann über BigQuery analysiert werden, wie viele Käufe es tatsächlich gab – inklusive Ablehner im Cookiebanner.

Dazu habe ich folgendes Query genutzt:

Achtung⚡: Bitte kopiere das Query nicht einfach in dein BigQuery, sondern überprüfe dieses vorab auf Validität.

Achtung💸: Die Datenabfrage verursacht Kosten in BigQuery.

SELECT count(event_name), sum(ecommerce.purchase_revenue)
FROM `<GCP Project ID>.analytics_<GA4 Property ID>.events_*`
WHERE _table_suffix between "<start date>" and "<end date>"
and event_name="purchase"
and user_pseudo_id IN( select distinct user_pseudo_id
    FROM `<GCP Project ID>.analytics_<GA4 Property ID>.events_*`
    WHERE _table_suffix between "<start date>" and "<end date>" //Lookback-Window bspw. 90 Tage
    and event_name="page_view"
    and (select value.string_value from unnest(event_params) where key = 'page_location') LIKE "%gclid=%")
group by event_name

Das Query liefert bei mir folgendes Ergebnis: 

• Anzahl Käufe: 1.611
• Umsatz: 1.378.329,94

Datendifferenz-Analyse📈: Trage die Anzahl der Käufe in die Zelle D6 im Analyse-Sheet unter „1. Kontrolle der Datenabweichungen zwischen Shop und GA4“ ein. Wenn du auch den Umsatz der Käufe erfasst, kannst du diese in die Zelle D7 eintragen.

Screenshot: Datendifferenz-Analyse Käufe aus BigQuery

In meinem Fall betragen die Abweichungen zwischen BigQuery inkl. cookieless-Daten und der Shopdatenbank: 9,55%

Das ist extrem gut! 🥳

So gute Zahlen habe ich seit 2018 und dem Aufkommen des Cookiebanners nicht mehr gesehen…

10% auf oder ab – das kommt immer mal vor… aus verschiedenen Gründen… Da brauchen wir nicht weiter forschen.

Das passt. ✅

Hinweis: Beim Umsatz hat BigQuery mehr erfasst, als die Shopdatenbank verzeichnet hat. Grund dafür ist, dass nachträgliche Änderungen an abgeschlossenen Transaktionen im Tracking nicht berücksichtigt werden.

Bewegen sich die Abweichungen nun also im natürlichen Rahmen (abhängig vom Consent) und sind alle technischen Voraussetzungen geklärt: Wenn wir den Daten nun blind vertrauen können, wie kommt es dann trotzdem zu so vielen unterschiedlichen Zahlen in Google Analytics 4?

Bohren wir noch ein bisschen tiefer:

GA4: Unterschiedliche Berichte für unterschiedliche Fragestellungen

Wir wollen den Google Ads-Traffic in Google Analytics 4 analysieren.

Das machen wir üblicherweise in den Standardberichten von GA4 unter Berichte → Lebenszyklus → Akquisition:

Hier gibt es gleich drei verschiedene Berichte:

• Bericht zur Nutzergewinnung
• Neu generierte Zugriffe
• Google Ads Kampagnen

Welcher Bericht ist nun der Richtige? 

Das kommt darauf an, was du analysieren möchtest.

Jeder Bericht in Google Analytics 4 zeigt andere Zahlen – bewusst andere Zahlen.

Die Aufgabe ist, den für dich richtigen Bericht zu finden.

Das klingt im ersten Moment kompliziert, zeigt aber, wie umfangreich Google Analytics 4 ist und wie viele Informationen uns hier out-of-the-box zur Verfügung gestellt werden.

Bringen wir Licht ins Dunkel.

Starten wir mit dem “Bericht zur Nutzergewinnung”:

Neue Nutzer – erster Touchpoint: Bericht zur Nutzergewinnung

Der Bericht zur Nutzergewinnung (auf Englisch: User Acquisition) zeigt über welchen Kanal neue User akquiriert wurden.

Hintergrundwissen🧠: Ein neuer Nutzer muss kein neuer Nutzer sein. 

Ein neuer Nutzer kennzeichnet sich in GA4 durch das Auslösen des first_visit-Events. Dieses Event wird automatisch über den Basis-Trackingcode ausgelöst, sobald Google Analytics den User bzw. die Client-ID nicht kennt oder nicht wieder erkennt.

Grund dafür könnte ein tatsächlich neuer Nutzer auf der Website sein.

Andere Gründe sind, wenn User ihre Cookies löschen oder aufgrund der Tracking-Präventionen über verkürzte Cookielaufzeiten verfügen. Letztes kann über den Umstieg auf serverseitiges Tracking verhindert werden. Details siehe: >> Serverside Tracking (Teil 1): Die Zukunft der Webanalyse trackt serverseitig – aber wie?

Ein neuer Websitebesuch erfolgt über die erste Nutzerinteraktion des Users – sprich den ersten Touchpoint in der Customer Journey. Attribuiert wird First Click.

In der Beispiel-Customer-Journey bekommt Google Ads das Stück vom Kuchen – alle anderen gehen leer aus:

Um zu verdeutlichen, dass es im „Bericht zur Nutzergewinnung“ um die erste Nutzerinteraktion geht, haben Metriken in diesem Bericht den Präfix „Erste Nutzerinteraktion“:

Wenn wir jetzt die Käufe aus dem „Bericht zur Nutzergewinnung“ mit Google Ads vergleichen, sind die Abweichungen enorm – in meinem Fall über 70%:

• Google Ads Verkäufe: 115
• Verkäufe in GA4 „Bericht zur Nutzergewinnung“: 31
• Abweichung: 73%

Wie sehen die Zahlen bei dir aus?

Datendifferenz-Analyse📈: Trage deine Conversion-Zahlen in die Zellen C27 im Analyse-Sheet unter “3. Google Ads aus GA4-Verknüpfung vs. GA4-Zahlen (Überprüfung in GA4)” ein. Wenn du auch den Umsatz der Käufe erfasst, kannst du diese in die C28 eintragen.

Für einen sinnvollen Vergleich übertrage die Käufe und den Umsatz aus Google Ads, welche aus der GA4-Verknüpfung stammen (grüne Kästchen Zelle B27 und B28).

Der Nachteil ist, dass diese Daten nicht verglichen werden dürfen, da die Datenbasis unterschiedlich ist: Wir vergleichen alle Conversions aus Google Ads (115) mit den Conversions neuer Nutzer aus GA4 (31).

Wir vergleichen “Alle Nutzer” mit “Neuen Nutzern”.

Das ist wie wenn wir Äpfel🍎 mit Bananen🍌 vergleichen: Schmeckt total unterschiedlich.

Zusammengefasst: Analysen im „Bericht zur Nutzergewinnung“ dienen der Information, über welchen Kanal NEUE Nutzer akquiriert werden konnten bzw. wie stark einzelne Kanäle in der Neukundenakquise sind.

Daher können Metriken mit Präfix „Erste Nutzerinteraktion“ nicht als Vergleich mit Zahlen aller Nutzern herangezogen werden. Man würde Äpfel🍎 mit Bananen🍌 vergleichen.

Besser ist da der zweite Standardbericht “Neu generierter Traffic”:

Sitzungen: Neu generierter Traffic

Der Bericht zur “Neu generierte Zugriffe” oder seit kurzem „Neu generierter Traffic“ (auf Englisch: Traffic Acquisition) zeigt alle Sitzungen von allen Nutzern im gewählten Zeitraum.

Um zu verdeutlichen, dass es im Bericht „Neu generierter Traffic“ um Sitzungen geht, haben Metriken in diesem Bericht den Präfix „Sitzungen“:

Eine Sitzung wird immer dann erzeugt, wenn ein Nutzer auf die Website kommt bspw. weil er auf eine Google Anzeige geklickt hat.

Wir haben hier also eine gute Voraussetzung für den Vergleich – keine perfekte Voraussetzung, weil Marketing- und Analyse-Tools im Hintergrund grundsätzlich anders funktionieren. Aber wenn wir vergleichen wollen, bietet der Bericht „Neu generierter Traffic“ ganz gute Voraussetzungen – zumindest bessere als der „Bericht zur Nutzergewinnung“.

Hintergrundwissen🧠: Nicht jeder Kampagnen-Klick führt automatisch zu einer eigenen Sitzung in Google Analytics 4. Die standardmäßige Zeitüberschreitung für Sitzungen beträgt 30 Minuten in GA4.

Kommt ein User innerhalb dieser Zeit mehrmals auf die Website, wird nur eine einzige Sitzung gezählt.

Kommt der User innerhalb dieser Zeit über verschiedene Quellen wie bspw. verschiedene Google Anzeigen oder sogar unterschiedliche Touchpoints (Google Ads, Meta, Criteo, etc.) auf deine Website, wird nur der erste Touchpoint aufgezeichnet – alle anderen Zugriffe werden verworfen.

Anzeigen-Klicks können daher nicht mit Sitzungen verglichen werden. Und auch die Zuordnung zum Marketing-Kanal kann variieren, wenn User häufig Touchpoint wechseln.

Mit diesem Hintergrundwissen ist nun klar, dass es auch hier zu Datenunterschieden kommen wird.

Das Attributionsmodell im Bericht “Neu generierte Zugriffe” ist Last Click: Der letzte Touchpoint bekommt das Stück vom Kuchen – in unserem Beispiel “Criteo”. Alle anderen gehen wieder leer aus:

Wenn wir jetzt die Käufe aus dem Bericht „Neu generierter Traffic“ mit Google Ads vergleichen, sehen die Abweichungen schon deutlich besser aus:

• Google Ads Verkäufe: 115
• Verkäufe in GA4 „Bericht zur Nutzergewinnung“: 132
• Abweichung: 14%

Es wurden sogar mehr Conversions dem Google Ads Kanal in GA4 zugesprochen, als in Google Ads selbst, da Google Ads in diesem Beispiel sehr häufig ein abschließender Kanal ist. Bei einer Last-Click Attribution bekommt der letzte Kanal die Conversion.

Grund für die unterschiedlichen Zahlen ist auch hier wieder das Attributionsmodell: Die 115 Conversions aus der GA4-Verknüpfung werden datengetrieben von GA4 nach Google Ads gesendet. Im Vergleich dazu basiert der Bericht “Neu generierte Zugriffe” auf der Last-Klick Attribution.

Wir vergleichen also eine datengetriebene- mit einer Last-Klick-Attribution.

Da sind Unterschiede leider ganz normal.

Wie sehen die Zahlen bei dir aus?

Datendifferenz-Analyse📈: Trage deine Conversion-Zahlen in die Zellen D27 im Analyse-Sheet unter “3. Google Ads aus GA4-Verknüpfung vs. GA4-Zahlen (Überprüfung in GA4)” ein. Wenn du auch den Umsatz der Käufe erfasst, kannst du diese in die D28 eintragen.

Google Ads Kampagnen-Bericht

Zuletzt bieten die GA4-Standardberichte einen eigenen Google-Ads-Kampagnen-Report – vorausgesetzt GA4 und Google Ads sind miteinander verknüpft.

Der Google Ads Report versteckt sich in der Akquisitions-Übersicht, welchen du über Berichte → Lebenszyklus → Akquisition → Übersicht aufrufen kannst:

Mit einem Klick auf “Google Ads Kampagnen ansehen” gelangst du in den Detailreport für Google Ads Kampagnen:

Tipp💡: Wenn du den Google-Ads-Kampagnenbericht häufig einsehen möchtest, kannst du diesen über die Bibliothek abspeichern und in die Berichtsnavigation stellen. Damit ersparst du dir den Klick über die Akquisitions-Übericht.

Alle Details zur Bibliothek findest du hier: >> Tutorial: So erstellst du deine individuelle Berichtsnavigation und eigenen Standardberichte in GA4

Die Dimensionen im Google-Ads-Bericht stammen aus der Google-Ads-Verknüpfung:

• Sitzung – Google Ads-Kampagne
• Sitzung – Google Ads-Anzeigengruppenname
• Sitzung – Google Ads-Keyword-Text
• Sitzung – Google Ads-Suchanfrage
• Sitzung – Google Ads-Werbenetzwerktyp
• Sitzung – Google Ads-Kontoname

Der Präfix der Dimensionen ist „Sitzung“, d.h. der Bericht zeigt alle Sitzungen von allen Nutzern, welche über eine Google Anzeige auf die Website gekommen sind.

Attribuiert wird nach dem Last-Click Modell.

Die Metriken stammen aus Google Analytics 4 wie bspw. Sitzungen, Sitzung mit Interaktion usw.

Hinweis: Die Google-Ads-Metriken wie Anzeigenklicks, ROAS usw. findest du im Bereich Werbung, den wir uns im nächsten Schritt ansehen werden.

Da die Zahlen aus der direkten Verknüpfung stammen, wäre die Hoffnung, dass die Zahlen exakt gleich sind wie in Google Ads.

Sind sie aber nicht.

Leider haben wir aber auch hier eine Abweichung von 66%+:

• Google Ads Verkäufe (data-driven): 115
• Google Ads Report (last click): 39
• Abweichung: 66%

Datendifferenz-Analyse📈: Trage deine Conversion-Zahlen in die Zellen E27 im Analyse-Sheet unter “3. Google Ads aus GA4-Verknüpfung vs. GA4-Zahlen (Überprüfung in GA4)” ein. Wenn du auch den Umsatz der Käufe erfasst, kannst du diese in die E28 eintragen.

Grund für die hohe Abweichung ist ein Bug in GA4:

Hilfe, ein Bug🐞 in GA4

Der Bug besteht bereits seit dem 10. Juni 2024 (!) – und ist immer noch ungelöst.

Betroffen ist der utm_campaign-Parameter bzw. der Kampagnen-Name: So wird Traffic von der Quelle und dem Medium “google / cpc” manchmal fälschlicherweise “organic” zugeschrieben.

Statt “organic” kann auch (not set) oder (other) vergeben sein.

Statt dem tatsächlichen Kampagnenname steht also “organic” in den Google Analytics 4 Berichten:

Das Problem ist, dass dadurch auf Kampagnen-Ebene nicht mehr sinnvoll analysiert werden kann, weil Zahlen fehlen.

Den Bericht kannst du also kübeln🗑️.

Die Daten sind falsch und somit auf keinen Fall vergleichbar.

Bug-Check🐞: Überprüfe gleich selbst, ob auch du von diesem Bug betroffen bist.

1. Öffne dazu in GA4 den Bericht “Neu generierte Zugriffe” und stelle die primäre Dimension auf “Sitzung – Quelle/Medium” ein.
2. Gib im Suchfeld “google / cpc” ein, da nur Traffic aus dieser Datenquelle betroffen ist.
3. Füge als sekundäre Dimension “Sitzung-Kampagne” hinzu.

Prüfe anschließend ob im Kampagnenname “(organic)” vorkommt:

Screenshot: GA4 Bug Check

Erhältst du eine Zeile, in der (organic) verfügbar ist, bist auch du vom Google-Bug betroffen.

Keine Panik, wir alle sind betroffen.

Gibt es eine Lösung?

Jaein, es gibt einen Workaround.

So kann zusätzlich zum automatischen Google-Ads-Tagging der utm_campaign-Parameter manuell definiert werden.

Die Einstellung findest du in der Tracking-Vorlage von Google Ads unter Kampagnen -> Kampagnen -> URL-Optionen für die Kampagne –> Suffix der finalen URL:

Einziger Nachteil ist, dass der Kampagnen-Name damit in der URL sichtbar ist.

Zweiter Nachteil: Das manuelle Tagging kann bei einem umfangreichen Ads-Setup enorm aufwändig sein.

Es ist daher nur ein Workaround, keine Lösung.

Google hat jedoch angegeben, dass sie an einer Lösung arbeiten… Update folgt.

Quintessenz: GA4 ist ein vergleichbar junges Tool (Start: Oktober 2020). Aktuell gibt es immer wieder Bugs, die uns die Analyseaufgaben erschweren und manchmal sogar zu enormen Datenabweichungen führen.

Wie bekommt man solche Bugs🐞 mit?

• >> Zu meinem GA4 Liveticker anmelden.
• Regelmäßig in die GA4 Release Notes reinschauen.
• Regelmäßig in die Bugliste von Tag Manager Italia reinschauen.

Datadriven Attribution in GA4

First Click.

Last Click.

Eigentlich wollen wir uns das Attributionsmodell heute nicht mehr aussuchen.

Was wir wollen, ist eine datengetriebene Zuordnung der Conversions zu den Touchpoints in der Customer Journey.

Datengetriebene Attribution bedeutet: Die Daten werden anhand statistischer Modelle, welche Wahrscheinlichkeiten berechnen, analysiert und die Conversion aufgeteilt.

Wie genau das funktioniert, kannst du hier im Google Supportcenter nachlesen.

Datengetriebene Attribution ist tatsächlich sehr komplex und benötigt unfassbar viel Rechenleistung.

Genau dafür ist Google Analytics 4 gemacht und bietet daher tatsächlich ein Datengetriebenes Attributionsmodell – sogar im Standard, wie du in der Verwaltung → Property-Einstellungen → Datenanzeige → Attributionseinstellungen einsehen kannst:

Google Analytics 4 bietet die Möglichkeit, von der datengetriebenen Standard-Einstellung auf „Letzer-Klick bezahlte und organische Channels“ oder „Letzer-Klick bezahlte Channels“ umzustellen. Alle anderen Attributionsmodelle wurden 2024 entfernt.

Obacht🛑: Nur weil die Attribution in der GA4-Verwaltung standardmäßig auf “datengetrieben” eingestellt ist, bedeutet es nicht, dass alle Berichte in GA4 datengetrieben attribuieren.

Diese Einstellungen gelten nur für den Bereich „Werbung“ und für die Google Ads <-> GA4 Verknüpfung.

Bleibt die Standardeinstellung auf “datengetrieben”, findet im Bereich “Werbung” eine datengetrieben Attribution statt und die Conversions werden datengetrieben nach Google Ads importiert.

Nicht mehr – aber auch nicht weniger.

Die Einstellung „Channels, denen Beiträge zu einer Conversion zugeordnet werden können“  betrifft den Export der Schlüsselereignisse nach Google Ads – also die Google-Ads-Conversions aus der GA4-Verknüpfung.

Standardmäßig werden nur Conversions aus „Bezahlten Google-Channels“ nach Google Ads exportiert.

Hier könnte auf „Bezahlte und organische Channels“ umgestellt werden, wobei in der Beschreibung steht, dass nur die Beiträge in Google Ads erscheinen, welche Google Ads zugeordnet werden…

Das Lookback-Window ist auf 30 Tage Klick (first_visit) und 90 Tage für alle anderen GA4-Schlüsselereignisse eingestellt.

Damit wird angegeben, wie weit ein Touchpoint in der Vergangenheit liegen darf, um noch als Beitrag zur Conversion berücksichtigt zu werden. So bewirkt ein Zeitraum von 30 Tagen, dass Conversions vom bspw. 30. Jänner nur Touchpoints zugeordnet werden, die zwischen dem 1. und dem 30. Jänner liegen.

Empfehlung: Solange du dich nicht intensivst mit Attribution beschäftigst, würde ich die Standard-Einstellungen beibehalten. Eine Umstellung wirkt sich auf die Daten aus, welche dadurch ggfs. nicht mehr vergleichbar mit vorherigen Zeiträumen sind.

Wir wollen datadriven Attribution, also springen wir in den Werbungs-Bereich von Google Analytics 4:

DDA: Der Bereich „Werbung“ in GA4

Wir verlassen nun den GA4.Standardberichte-Bereich unter „Berichte“ und springen in den Bereich „Werbung“:

Fest anschnallen, weil das ist ein neuer, komplett anderer Bereich in Google Analytics 4.

Dieser Bereich ist gerade im Aufbau und ändert sich immer wieder mal: Berichte sind in Beta. Neue Berichte kommen hinzu. Ältere Berichte verschwinden plötzlich. Hier tut sich noch sehr viel.

Voraussetzung: Damit du Daten im Bereich „Werbung“ sieht, muss deine GA4-Property mit einem Google Werbeprodukt verknüpft sein wie bspw. Google Ads, DV360, etc.

Es gibt zwei Berichte, die für unsere Datenabgleichs-Analysen interessant sind – unter Planung:

• Alle Channels
• Google Ads

Wichtig: Vor der Analyse muss die gewünschte Conversion wie bspw. der Kauf ausgewählt werden. Andernfalls fließen alle Conversions in die Analyse mit ein und liefert großartige aber leider falsche Ergebnisse.

Screenshot: GA4 Werbung Conversion-Auswahl

Starten wir mit “Alle Channels:

Werbung: Alle Channels-Bericht

Der Bericht “Alle Channels” im GA4-Bereich „Werbung“ ist das Pendant zum Bericht “Neu generierte Zugriffe” im Standardberichte-Bereich: Wir sehen alle Zugriffe von allen Nutzern aus allen erfassten Sitzungen.

Allerdings fehlt bei den Dimensionen der Präfix “Sitzungen”:

Hier wird jenes Attributionsmodell angewendet, welches in der Verwaltung eingestellt ist: Standardmäßig ist das die datengetriebene Attribution.

Anmerkung: Dimensionen ohne Präfix sind in GA4 in der Regel datengetrieben attribuiert.

Das die Zuordnung der Conversion zum Marketing-Kanal datengetrieben stattfindet, erkennen wir auch an den Werten für die Schlüsselereignisse. Zeile 2 zeigt bspw. 366,48 Schlüsselereignisse für den organischen Kanal:

Bei der datengetriebenen Attribution kann die Conversion auf die Kanäle verteilt werden: ½ Conversion auf Kanal 1 und ½ Conversion auf Kanal 2, etc. >> Details siehe Google Support-Center.

Wenn wir nun die Zahlen mit Google Ads vergleichen, sind auch hier wieder Abweichungen verfügbar:

• 115 über die datengetriebene Attribution in Google Ads
• 152 über den Channel-Report (datengetriebene Attribution)

Datendifferenz-Analyse📈: Trage deine Conversions in die Zelle F25 im Analyse-Sheet unter “3. GA4-Check: Google Ads aus GA4-Verknüpfung vs. GA4-Zahlen (Überprüfung in GA4)” ein. Wenn du auch den Umsatz der Käufe erfasst, kannst du diese in die Zelle F26 eintragen.

So, jetzt haben wir endlich das selbe Attributionsmodell: Datengetrieben für beide Conversions.

Trotzdem sind die Zahlen unterschiedlich.

Warum? 😵‍💫

Jetzt tauchen🤿 wir in die tiefsten Tiefen der Analyse ein: Weil eine Google Ads CONVERSION nicht ganz exakt gleich wie ein Google Analytics 4 SCHLÜSSELEREIGNIS (Key Event).

Google hat vor ein paar Monaten die GA4-Conversions zu „Schlüsselereignisse“ umbenannt.

Grund dafür ist, dass die Zahlen zwischen Google Ads und GA4 abweichen. Anstelle diese Abweichungen im Detail zu erklären, hat Google einfach eine Umbenennung vorgenommen und kann somit sagen: Conversion != Schlüsselereignis

Google Ads Conversion != GA4 Schlüsselereignis

Die Unterschiede zwischen Google Ads Conversion und GA4 Schlüsselereignis sind tatsächlich vielseitig:

• Zählmethode
• Consent
• fehlende gclid
• …

Zählmethode

Die Zählmethode kann sowohl in Google Ads als auch in GA4 eingestellt werden.

Am Beispiel GA4 kannst du in der Verwaltung –> Property-Einstellungen –> Datenanzeige –> Schlüsselereignisse mit Klick auf das 3-Punkt-Menü bei einem Schlüsselereignis, die Zählmethode auswählen:

„Einmal pro Ereignis“: Standardmäßig wird jedes Event erfasst – das macht insbesondere beim purchase-Event Sinn, wo es einen Unterschied macht, ob ein User 1x, 2x oder 12x gekauft hat.

„Einmal pro Sitzung“: Es kann allerdings auch Sinn machen, die Einstellung auf „Einmal pro Sitzung“ zu ändern. Das macht bspw. beim add_to_cart-Event Sinn, wo die Handlung „ein Produkt zum Warenkorb hinzugefügt“ eine wertvolle Information ist – es aber keinen Unterschied macht, ob ein User ein Produkt 1x, 2x oder 12x in den Warenkorb legt.

Die Zählmethode kann in GA4 also unterschiedlich sein, wie in Google Ads – das wiederum führt zu unterschiedlichen Daten.

Consent

Auch der Consent kann zu unterschiedlichen Zahlen führen.

So können User bspw. dem Tracking zu GA4 zustimmen – für Google Ads aber ablehnen: Damit kann GA4 die Conversion dem Google Ads-Kanal zuordnen. Google Ads selbst jedoch nicht.

Andersrum können User dem Tracking für Google Ads zustimmen – für GA4 aber ablehnen: Damit kann Google Ads die Conversion zuordnen. GA4 jedoch nicht.

Das Resultat ist eine unterschiedliche Anzahl an Conversions in beiden Tools.

GCLID

Der häufigste Grund für unterschiedliche Zahlen ist aber vermutlich eine fehlende GCLID (Google Click ID / Anzeigen Klick ID) in der URL.

So löscht bspw. Safari Parameter wie die gclid automatisch aus der URL heraus: Somit kann Google Analytics 4 das Schlüsselereignis zwar dem Google Ads-Kanal zuordnen. Google Ads selbst jedoch nicht.

Ohne gclid keine Zuordnung in Google Ads.

…

<Hier werden laufend weitere Punkte zu Conversion != Schlüsselereignis gesammelt.>

Fazit

Es gibt ein paar sehr feine, detaillierte Unterschiede, warum eine Google Ads Conversion kein GA4 Schlüsselereignis ist bzw. diese beiden Zahlen nicht zu 100% übereinstimmen.

Wichtig ist, dass es mehr Schlüsselereignisse in GA4, als Conversions in Google Ads gibt.

Sonst müssen wir uns Sorgen machen…

Werbung: Google Ads

Der Bericht “Google Ads” im Bereich „Werbung“ ist das Pendant zum Google-Ads-Bericht im Standardberichte-Bereich: Du erhältst deine Google Ads Kampagnen – allerdings nicht mit den GA4-Metriken sondern diesmal mit den Metriken aus Google Ads wie bspw. Werbekosten, Anzeigenklicks, ROAS, usw.

Wenn du also die Google-Ads-Metriken in GA4 sucht, findet ihr sie hier im Werbebereich:

Wichtig: An dieser Stelle können wir leider keine GA4-Metriken wie bspw. Engagement-Rate, Sitzungsverweildauer, etc. in die Tabelle dazu holen. Wenn du deine Google-Ads-Kampagnen mit Engagement-Messwerten analysieren möchtest, musst du in den Standardberichte-Bereich wechseln.

In Google Analytics 4 gibt es also zwei Google-Ads-Berichte:

• Standardberichte: Google Ads mit GA4-Metriken
• Bereich „Werbung“: Google Ads mit Google-Ads-Metriken

Leider ist ein Datenabgleich mit Google Ads auch hier nicht möglich, da auch dieser Bericht vom Google-Bug🐞 betroffen ist – siehe Details weiter oben.

Zusammengefasst: Welcher Bericht für welche Fragestellung?

Insgesamt stehen uns 5 Berichte in Google Analytics 4 zur Verfügung und alle zeigen andere Zahlen als Google Ads selbst:

• Bericht zur Nutzergewinnung (First Click / nur neue Nutzer): 🍏 vs. 🍌
• Neu generierte Zugriffe – Sitzungen (Last Click): 🍏 vs. 🍎
• Google Ads – Sitzungsebene (Last Click): 🐞
• Werbung – Alle Kanäle (datadriven): 🍏 vs. 🍏
• Werbung – Google Ads (datadriven): 🐞

Welcher Bericht ist nun der Richtige für dich?

Das kommt darauf an, was du analysieren möchtest.

Möchtest du wissen, mit welchem Kanal du neue Nutzer akquirieren konntest?

Dann eignet sich der Bericht zur Nutzergewinnung: Hier analysierst du die erste Nutzerinteraktion deiner neue Nutzer.

Wichtig: Diese Zahlen sind NICHT mit Google Ads vergleichbar! 🍏 vs. 🍌

Möchtest du wissen, wie stark deine Kanäle performen?

Dann eignet sich entweder der Standardbericht “Neu generierte Zugriffe” oder im Werbungs-Bereich der “Alle Channels”-Report. Beide betrachten alle Nutzer über alle Sitzungen hinweg.

Der Unterschied liegt in der Attribution: Der “Neu generierte Zugriffe”-Report weist die Conversion dem letzten Touchpoint in der Customer Journey zu (regelbasiert, Last Klick Attribution). Im “Alle Channels”-Report erfolgt die Zuordnung (standardmäßig) datengetrieben.

Hinweis: Nachdem wir uns weg von regelbasierten Modellen hin zu datengetriebenen Auswertungen bewegen, macht es Sinn den datengetriebenen Report im Bereich „Werbung“ zu nutzen.

Zudem werden die Google-Ads-Conversions aus der GA4-Verknüpfung datengetrieben attribuiert. Es macht also durchaus Sinn für das GA4-Reporting ebenfalls die datengetriebene Attribution zu nutzen. Die unterschiedlichen Zahlen werden hier erklärt.

Möchtest du deine Google-Ads-Kampagnen in GA4 analysieren?

Auch hier gibt es zwei Möglichkeiten: Im Google-Ads-Report in den Standardberichten kannst du deinen Kampagnenerfolg anhand der GA4-Metriken wie bspw. Engagement mit der Website analysieren.

Der Google-Ads-Report im Bereich „Werbung“ liefert die Zahlen aus Google-Ads wie bspw. Anzeigenklicks, ROAS, etc. Hier ersparst du dir den Tool-Wechsel rüber zu Google Ads. Google Analytics 4 dient als Plattform, in der alle Zahlen aus dem Google-Universum einlaufen.

Außerdem unterscheiden sich diese beiden Berichte anhand der Attribution: Im Standardbericht wird regelbasiert Last-Click attribuiert. Im Werbungs-Bereich findet die datengetriebene Zuordnung statt.

Leider sind die Daten aktuell unbrauchbar aufgrund eines Google-Bugs🐞: Es fehlen Daten in diesen Berichten, deswegen ist ein Datenvergleich derzeit nicht möglich.

Das klingt alles schön, aber du kannst dich nicht für einen Report entscheiden?

Wenn die Entscheidung schwer fällt, dann empfehle ich die Zahlen aus dem „Alle Channels“-Bericht im Bereich „Werbung“.

Hier findet die datengetriebene Attribution statt und die Daten somit am ehesten die Realität der Marketing-Kanäle widerspiegelt.

Grundsätzlich ist es aber egal für welchen Bericht du dich entscheidest.

Wichtig ist, dass du für deine Reportings immer denselben Bericht heranzieht, denn die digitale Analyse ist eine Trendanalyse:

Es geht nicht darum exakte Zahlen zu reporten, sondern Trends in den Daten zu erkennen und auf diese gekonnt zu reagieren.

Im besten Fall sind alle deine Fragen jetzt schon geklärt.

Das ist gut.

ABER vielleicht willst du noch den einen letzten Beweis dafür, dass die Daten und das Tracking korrekt sind.

Dann werfen wir jetzt nochmal BigQuery zur Kontrolle an:

BigQuery, der Ober-Checker

Das Schöne an BigQuery ist, dass wir die Daten so abfragen können, wie wir wollen – nicht wie Google vorschreibt.

Was wir wissen wollen ist folgendes:

Die Anzahl der Verkäufe, die über Google Ads kamen. 

Das Query dazu sieht wie folgt aus:

Achtung⚡: Bitte kopiere das Query nicht einfach in dein BigQuery, sondern überprüfe dieses vorab auf Validität.

Achtung💸: Die Datenabfrage verursacht Kosten in BigQuery.

SELECT count(event_name), sum(ecommerce.purchase_revenue)
FROM `<GCP Project ID>.analytics_<GA4 Property ID>.events_*`
WHERE _table_suffix between "<start date>" and "<end date>"
and event_name="purchase"
and user_pseudo_id IN( select distinct user_pseudo_id
    FROM `<GCP Project ID>.analytics_<GA4 Property ID>.events_*`
    WHERE _table_suffix between "<start date>" and "<end date>" //Lookback-Window bspw. 90 Tage
    and event_name="page_view"
    and (select value.string_value from unnest(event_params) where key = 'page_location') LIKE "%gclid=%")
group by event_name

Hinweis zum Lookback-Window: Das Lookback-Window spielt eine große Rolle bei der Datenabfrage.

Google Ads weißt eine Conversion rückwirkend der Kampagne bzw. dem Anzeigen-Klick zu bspw. letzten Montag.

GA4 hingegen weißt eine Conversion dem tatsächlichen Zeitpunkt der Conversion zu wie bspw. jetzt.

Damit ein und dieselbe Conversions in beiden Tools analysiert werden kann, muss ein geeignetes Lookback-Window gewählt werden – am besten jenes, welches in den Tools (Google Ads, GA4) eingestellt ist.

Die Standardeinstellung beträgt 90 Tage, da Werbecookies max. 90 Tage gültig sind.

Das Query liefert bei mir folgendes Ergebnis: 

• Anzahl Käufe: 244
• Umsatz: 254.649,33€

Datendifferenz-Analyse📈: Trage die Anzahl der Käufe in die Zelle B37 im Analyse-Sheet unter „4. Google Ads nativ. vs BigQuery“ ein. Wenn du auch den Umsatz der Käufe erfasst, kannst du diese in die Zelle B38 eintragen.

Screenshot: Datendifferenz-Analyse Google Ads nativ vs. BigQuery

Obacht🛑: Verglichen werden, müssen die Daten mit demselben Attributionsmodell.

In BigQuery fragen wir nur die Daten von Google Ads ab, d.h. eine Google-Ads-Only-Attribution.

Somit muss BigQuery mit dem nativen Google-Ads-Tracking verglichen werden.

Und siehe da: Das Ergebnis ist wunderschön. 🧡

• Abweichung Transaktionen: ~4%
• Abweichung Umsatz: ~2%

Das ist mega gut!

Datendifferenzen wird es nämlich immer, immer, immer geben.

Alles unter 10% ist allerdings völlig okay und im Normalbereich.

4% sind daher der Hammer: 🔨

Damit ist bestätigt, dass sowohl das native Google-Ads-Tracking als auch die Conversions aus GA4 korrekt erhoben wurden und uns Google nicht übers Ohr haut – yippi. ✅

Fazit

Unterschiedliche Zahlen in Google Ads und GA4 sind völlig normal – aufgrund der Attribution. ✅

Unterschiedliche Zahlen in den Berichten von GA4 sind ebenfalls völlig normal – aufgrund der Attribution. ✅

Grund dafür ist die Attribution – sofern ein sauberes, schönes Tracking-Setup vorliegt.

SMX 2025

Einen Vortrag zum Blogartikel habe ich 2025 auf der SMX in München gehalten.

Die Präsentation zum Vortrag gibt es hier:

Fragen?

Du hast Fragen zu Datendifferenzen zwischen Google Ads und Google Analytics?

Immer her damit. Ich helfe wo ich kann. 🤓

💡 Happy Analyzing,

deine Michaela