Marketingbudgets mit GA4 verteilen

Für die Verteilung eines Marketingbudgets reicht eine Liste letzter Klicks nicht aus. Vor einem Kauf können eine Suche, eine Anzeige und eine E-Mail liegen. Attribution ordnet solchen Kontakten einen Erfolgsanteil zu. Daraus entsteht eine Grundlage für Budgettests, keine Garantie für die beste Verteilung.

Was die Attribution in GA4 zeigt

Eine wichtige Handlung wie ein Kauf lässt sich in GA4 als Schlüsselereignis markieren. Die datengetriebene Attribution (DDA) schätzt Erfolgsanteile anhand verfügbarer Pfaddaten. Last Click vergibt Anteile nach einer festen Regel. Unterschiede zwischen den Modellen zeigen den Einfluss dieser Regel; zusätzliche Verkäufe durch einen Kanal sind damit noch nicht nachgewiesen.

Der Bereich Werbung enthält Berichte zu Attributionsmodellen und Pfaden von Schlüsselereignissen. Der Pfadbericht unterscheidet frühe, mittlere und späte Kontakte. Sichtbar werden erfasste oder modellierte Informationen, keine lückenlose Geschichte sämtlicher Kontakte. First Click und das lineare Modell gehören nicht mehr zu den auswählbaren GA4-Attributionsmodellen.

Vom Bericht zur Budgetentscheidung

1. Ziel festlegen: qualifizierte Anfragen, Nettoumsatz oder Deckungsbeitrag, jeweils mit einheitlichem Zeitraum und gleicher Währung.
2. Messung prüfen: doppelte Käufe, fehlende Transaktionskennungen, Kampagnenparameter, Einwilligungseinstellungen und verspätete Ereignisse.
3. Modelle vergleichen: Kanäle mit veränderten Erfolgsanteilen identifizieren. Ein höherer DDA-Anteil allein belegt noch keine frühe Rolle im Kaufprozess; dafür liefert der Pfadbericht zusätzlichen Kontext.
4. Begrenzten Test planen: Budgetänderung, Messzeitraum, Erfolgskriterium und Abbruchregel festlegen. Auch bei hohem Last-Click-Anteil kann eine Budgetkürzung Verkäufe kosten.

ROAS bezeichnet das Verhältnis von zugerechnetem Umsatz zu Werbeausgaben. Bei 4.000 Euro Umsatz und 1.000 Euro Ausgaben beträgt der ROAS 4. Gewinn ist damit nicht gemeint: Kosten, Retouren und Attributionsmodell beeinflussen die Bewertung. Automatische Budgetänderungen brauchen Ausgabenlimits, Überwachung und eine Rücknahmemöglichkeit.

Was BigQuery beitragen kann

Der tägliche Export liefert Ereignisdaten ohne Stichprobenbildung der Berichte. Exportkonfiguration und Limits können den Umfang trotzdem begrenzen. Modellierte GA4-Schlüsselereignisse und die proprietäre DDA-Verteilung stehen im Ereignisexport nicht entsprechend zur Verfügung. Eigene SQL- oder Python-Modelle beantworten daher eine gesondert definierte Frage.

Google dokumentiert die Sitzungsattribution im Feld session_traffic_source_last_click. Fehlende Quellenfelder dürfen nicht automatisch als direkter Traffic gelten. Ein Dashboard kann eine klar definierte Auswertung des Exports mit Werbekosten verbinden, sofern Bezugsebene, Währungen und Zeiträume zusammenpassen.

Beispiel: erfasste Sitzungsstarts vor jedem Kauf

Diese Lernabfrage liest einen Tag und trennt Käufe anhand der Transaktionskennung. Projekt- und Datasetnamen sind Platzhalter. Käufe ohne nutzbare Transaktionskennung oder pseudonyme Kennung bleiben ausgeschlossen und benötigen eine eigene Vollständigkeitsprüfung. Mehrere Kaufdatensätze derselben Transaktion werden auf den frühesten Zeitstempel reduziert.

WITH purchases AS (
  SELECT user_pseudo_id, stream_id,
    ecommerce.transaction_id AS transaction_id,
    MIN(event_timestamp) AS purchase_time
  FROM `your_project.analytics_123456789.events_20260701`
  WHERE event_name = 'purchase'
    AND user_pseudo_id IS NOT NULL
    AND NULLIF(ecommerce.transaction_id, '') IS NOT NULL
  GROUP BY user_pseudo_id, stream_id, transaction_id
), session_starts AS (
  SELECT DISTINCT user_pseudo_id, stream_id, event_timestamp,
    (SELECT value.int_value FROM UNNEST(event_params)
     WHERE key = 'ga_session_id') AS session_id,
    CONCAT(
      COALESCE(session_traffic_source_last_click.cross_channel_campaign.source, '(unknown)'),
      ' / ',
      COALESCE(session_traffic_source_last_click.cross_channel_campaign.medium, '(unknown)')
    ) AS source_medium
  FROM `your_project.analytics_123456789.events_20260701`
  WHERE event_name = 'session_start'
)
SELECT p.user_pseudo_id, p.stream_id, p.transaction_id,
  p.purchase_time,
  STRING_AGG(s.source_medium, ' > '
    ORDER BY s.event_timestamp, s.session_id) AS observed_path
FROM purchases p
LEFT JOIN session_starts s
  ON s.user_pseudo_id = p.user_pseudo_id
  AND s.stream_id = p.stream_id
  AND s.event_timestamp <= p.purchase_time
GROUP BY p.user_pseudo_id, p.stream_id, p.transaction_id, p.purchase_time;

Das Ergebnis enthält erfasste Sitzungsstarts, keine GA4-DDA-Anteile. Ohne passenden Pfad bleibt das Ergebnis NULL. Ein einzelner Tag schneidet frühere Kontakte ab; längere Analysen benötigen einen begrenzten Datumsbereich über events_* und ein ausdrücklich festgelegtes Rückblickfenster. Fehlende Sitzungsstarts und fehlende Sitzungsattribution begrenzen die Aussagekraft. Der Screenshot zeigt die ältere Ausgabe pro Kennung und nicht das überarbeitete Ergebnis pro Transaktion.

Einwilligung und Messlücken

Consent Mode passt das Verhalten von Tags an die Einwilligungseinstellungen an. Im erweiterten Modus können auch bei abgelehnter Speicherung Messungen ohne Cookies gesendet werden. Die Verfügbarkeit der Modellierung hängt von Einrichtung und Daten ab. Die Aktivierung allein gewährleistet weder vollständige Statistik noch Rechtskonformität. Erweiterte Conversions sind eine getrennte Konfiguration und keine Voraussetzung für das SQL-Beispiel.