Cross-Channel Conversions und Budget Allocation in Google Analytics 4
In der heutigen fragmentierten digitalen Landschaft konvertieren Nutzer selten nach einer einzigen Interaktion. Sie entdecken ein Produkt vielleicht über eine generische Google-Suche, klicken einige Tage später auf eine Retargeting-Anzeige auf LinkedIn und konvertieren schließlich über eine direkte E-Mail-Kampagne. Aus der Sicht einer datengesteuerten Architektur ist der Verlass auf das alte Modell des „letzten nicht-direkten Klicks“ (Last Non-Direct Click) veraltet. Es verzerrt die Realität erheblich, da es Kanäle am oberen Ende des Trichters (Top-of-Funnel) benachteiligt, während der Wert von Touchpoints am unteren Ende des Trichters künstlich aufgebläht wird. Mit Google Analytics 4 (GA4) steht ein Zugriff auf robuste kanalübergreifende Berichte und die algorithmische Leistung zur Verfügung, die für eine hochpräzise Budgetierung erforderlich sind. Es folgt eine detaillierte Analyse, wie die kanalübergreifenden Funktionen von GA4 zur Optimierung der Marketingausgaben genutzt werden können.
1. Demystifizierung der kanalübergreifenden Conversion-Berichte in GA4
GA4 hat die Art und Weise, wie Attribution betrachtet wird, grundlegend verändert, indem von einer sitzungsbasierten Berichterstattung auf eine ereignisgesteuerte Architektur (event-driven) umgestellt wurde. Dies ermöglicht einen weitaus flexibleren und granulareren Ansatz für das kanalübergreifende Tracking.
Die Macht der datengetriebenen Attribution (Data-Driven Attribution – DDA)
Standardmäßig verwendet GA4 das Modell der datengetriebenen Attribution (DDA) für die kanalübergreifende Berichterstattung. Im Gegensatz zu statischen Modellen (wie First-Click oder Linear) nutzt DDA Algorithmen für maschinelles Lernen, um alle konvertierenden und nicht-konvertierenden Pfade zu bewerten. Es berechnet den tatsächlichen Beitrag jedes Touchpoints unter Berücksichtigung von Faktoren wie der Zeit bis zur Conversion, dem Gerätetyp und den Anzeigeninteraktionen.
Wichtige Berichte im Werbung-Arbeitsbereich (Advertising Workspace)
Um ein klares Bild der kanalübergreifenden Leistung zu erhalten, sollte der Fokus auf dem Bereich Werbung in GA4 liegen:
- Modellvergleich (Model Comparison): Dieser Bericht ermöglicht den Vergleich, wie unterschiedliche Attributionsmodelle (z. B. Letzter Klick vs. Datengetrieben) die Marketingkanäle bewerten. Wenn der Wert eines Kanals unter DDA deutlich ansteigt, bedeutet dies, dass er eine entscheidende Rolle in den frühen oder mittleren Phasen der Customer Journey spielt.
- Conversion-Pfade (Conversion Paths): Hier passiert das Wesentliche. Der Bericht über Conversion-Pfade visualisiert die genaue Abfolge der Kanäle, mit denen Nutzer vor der Conversion interagieren. Er kategorisiert Touchpoints in frühe, mittlere und späte Touchpoints und bietet so eine glasklare Sicht auf die Anatomie des Trichters.
Überlegungen zum datenschutzkonformen Tracking (Privacy-First)
Bei der Priorisierung eines datenschutzkonformen Trackings ist es unerlässlich, Google Consent Mode v2 und erweiterte Conversions (Enhanced Conversions) zu berücksichtigen. GA4 nutzt Conversion-Modellierung, um Datenlücken für Nutzer zu schließen, die Cookies ablehnen. Das bedeutet, dass kanalübergreifende Berichte auch in einer strengen DSGVO-Umgebung statistisch robust und aussagekräftig bleiben, ohne den Datenschutz der Nutzer zu gefährden.
2. Übersetzung kanalübergreifender Daten in eine Budgetierungsstrategie
GA4 liefert die Daten, aber die eigentliche technische Herausforderung besteht darin, diese Daten in eine dynamische Budgetierungsstrategie zu verwandeln. Die kanalübergreifenden Metriken von GA4 können als Motor für die Budgetallokations-Architektur dienen.
Identifizierung unter- und überbewerteter Kanäle
Durch die Analyse des Modellvergleichsberichts kann die Budgetallokation direkt beeinflusst werden:
- Überbewertete Kanäle (Die „Closer“): Kanäle, die beim letzten Klick hervorragend aussehen, aber unter DDA an Wert verlieren, erhalten möglicherweise zu viel Anerkennung. Es kann sicher damit experimentiert werden, deren Budget leicht zu reduzieren.
- Unterbewertete Kanäle (Die „Assistenten“): Kanäle, die unter DDA einen hohen Wert in frühen Touchpoints generieren, leiden oft unter Budgetkürzungen, da Marketer keinen direkten ROI sehen. Die Identifizierung dieser Kanäle ermöglicht es, Budget bereitzustellen, um den oberen Teil des Trichters zu speisen.
Aufbau fortschrittlicher Budgetierungswerkzeuge (Der Tech-Stack)
Für Anwendungen auf Enterprise-Ebene und maßgeschneiderte SaaS-Lösungen reicht der Blick auf die GA4-Benutzeroberfläche selten aus. Um ein echtes kanalübergreifendes Budget-Dashboard zu erstellen, kann der GMP-Stack in die Backend-Architektur integriert werden:
- BigQuery-Export: Die Aktivierung des täglichen Ereignisexports von GA4 nach BigQuery liefert rohe, ungefilterte Daten (unsampled).
- Benutzerdefinierte Attributionsmodellierung: Mithilfe von Python oder SQL können die Rohdaten der Touchpoints abgefragt werden, um benutzerdefinierte Attributionsmodelle auf Basis von Markov-Ketten oder dem Shapley-Wert zu erstellen, die exakt auf die jeweilige Geschäftslogik zugeschnitten sind.
- Datenvisualisierung (Looker Studio / Eigene Dashboards): Die Verknüpfung von BigQuery mit Looker Studio ermöglicht den Aufbau dynamischer Dashboards, die den von GA4 attribuierten Umsatz mit den tatsächlichen Werbeausgaben-APIs (Google Ads, Meta Ads, LinkedIn Ads) abgleichen.
- Automatisierte Gebotsabgabe / Allokation: Mithilfe von Node.js oder Python können Skripte geschrieben werden, die die täglichen Budgets plattformübergreifend anpassen – basierend auf dem berechneten kanalübergreifenden ROAS (Return on Ad Spend) aus den BigQuery-Modellen.
Datenbeschaffung aus GA4: Der BigQuery-Export
Die folgende BigQuery-Abfrage liefert die Customer Journeys innerhalb der Rohdaten. Sie zeigt eine Ansicht pro Nutzer (user_pseudo_id) und ermöglicht es zu prüfen, welche Pfade eingeschlagen wurden.
SQL
WITH conversions AS (
SELECT
user_pseudo_id,
event_timestamp AS conversion_time
FROM
`your_project.analytics_123456789.events_20260701`
WHERE
event_name = 'purchase'
),
touchpoints AS (
SELECT
e.user_pseudo_id,
e.event_timestamp,
c.conversion_time,
CONCAT(
IFNULL((SELECT value.string_value FROM
UNNEST(e.event_params) WHERE key = 'source'), '(direct)'),
' / ',
IFNULL((SELECT value.string_value FROM
UNNEST(e.event_params) WHERE key = 'medium'), '(none)')
) AS source_medium
FROM
`your_project.analytics_123456789.events_20260701` e
JOIN
conversions c ON e.user_pseudo_id = c.user_pseudo_id
WHERE
e.event_name = 'session_start'
AND e.event_timestamp <= c.conversion_time
)
SELECT
user_pseudo_id,
STRING_AGG(source_medium, ' > ' ORDER BY event_timestamp ASC)
AS conversion_path
FROM
touchpoints
GROUP BY
user_pseudo_id
ORDER BY
conversion_path DESC;
Zusammenfassung
Kanalübergreifende Budgetierung ist kein Ratespiel mehr. Durch die Nutzung der datengetriebenen Attribution von GA4, die Einhaltung von Datenschutzstandards und die Weiterleitung von Rohdaten durch robuste Backend-Systeme wie BigQuery können maßgeschneiderte Analyselösungen entwickelt werden. Diese stellen sicher, dass jeder Marketing-Euro genau dort ausgegeben wird, wo er die höchste mathematische Wirkung erzielt.
