Wie cookielose Pings im Google Consent Mode funktionieren

Bei der Implementierung des Consent Mode v2 müssen Datenarchitekten zwischen zwei unterschiedlichen Implementierungs-Frameworks wählen: Basic (Basis) und Advanced (Erweitert). Der entscheidende Unterschied liegt darin, wie das System mit Nutzern umgeht, die ihre Zustimmung verweigern oder das Banner ignorieren.

Basic Consent Mode (Hard Blocking)

In einer Basic-Implementierung wird die Ausführung von Google-Tags vollständig blockiert, bis der Nutzer explizit seine Zustimmung erteilt.

• Funktionsweise: Das Tag-Management-System fungiert als strenger Türsteher. Klickt der Nutzer auf „Ablehnen“, bleiben die Tags inaktiv.
• Ergebnis: Es werden keine Daten – nicht einmal eine Netzwerkanfrage – an Google gesendet. Während dies der absolut sicherste Weg für strikte Compliance ist, führt er zu einer massiven Datenlücke. Die Sichtbarkeit für nicht zugestimmte Nutzer geht zu 100 % verloren, was eine genaue Modellierung unmöglich macht.

Advanced Consent Mode (Cookieless Pings)

Dies ist die von Google nachdrücklich empfohlene Konfiguration, bei der die technische Leistungsfähigkeit des Consent Mode voll zum Tragen kommt.

• Funktionsweise: Google-Tags laden sofort beim Öffnen der Seite, werden aber dynamisch basierend auf dem Standard-Zustimmungsstatus eingeschränkt. Verweigert der Nutzer die Zustimmung, lesen oder schreiben die Tags keine Cookies. Stattdessen senden sie anonymisierte, cookielose „Pings“ an die Google-Server.
• Ergebnis: Diese Pings enthalten nicht-identifizierende funktionale Daten (z. B. Zeitstempel, User-Agents, Referrer und grundlegende Ereignisdaten). Da keine persönlichen Identifikatoren oder Cookies verwendet werden, respektiert diese Methode die Privatsphäre der Nutzer, während Googles Backend weiterhin die rohen, aggregierten Signale erhält, die für maschinelles Lernen notwendig sind.

Wie GA4 und Google Ads Daten im Advanced Consent Mode modellieren

Die über den Advanced Consent Mode gesammelten cookielosen Pings bilden die mathematische Grundlage für die Modelle des maschinellen Lernens von Google. Ohne diese Pings hat Google keine Basis, von der aus es extrapolieren kann. Im Folgenden geht es genau darum, wie die Plattformen diese anonymen Signale in umsetzbare Berichte und Gebotsdaten übersetzen.

Verhaltensmodellierung in GA4

Wenn ein Nutzer analytics_storage verweigert, kann GA4 kein Standard-Client-ID-Cookie erstellen oder lesen, um Seitenaufrufe zu einer zusammenhängenden Sitzung zu verknüpfen.

Um dies zu lösen, nutzt GA4 die Verhaltensmodellierung. Das System analysiert die vollständigen, beobachtbaren Pfade der Nutzer, die zugestimmt haben, um seine Machine-Learning-Modelle zu trainieren. Anschließend wendet es diese Modelle auf die cookielosen Pings der Nutzer an, die nicht zugestimmt haben. Der Algorithmus schätzt probabilistisch, wie viele eindeutige Nutzer die Seite besucht haben, wie viele Sitzungen stattfanden und welche Ereignisse ausgelöst wurden. In der GA4-Oberfläche (sofern die Identität für Berichte auf „Zusammengefasst“ eingestellt ist) verhindert dies einen massiven, künstlichen Einbruch der Verkehrsmetriken und bewahrt die Genauigkeit der gesamten Conversion-Raten.

Conversion-Modellierung in Google Ads

Wenn ein Nutzer auf eine Anzeige klickt, aber ad_storage und ad_user_data verweigert, kann Google Ads keine herkömmlichen Tracking-Cookies (wie GCLID oder DCLID) verwenden, um den nachfolgenden Kauf dem ursprünglichen Klick zuzuordnen.

Da der Advanced Consent Mode jedoch das Senden eines cookielosen Conversion-Pings ermöglicht, weiß Google, dass ein Kauf stattgefunden hat. Die Google-Engine nutzt die Conversion-Modellierung, um aggregierte Daten – wie die Zeit seit der Anzeigeninteraktion, Gerätetyp, Browser und geografische Region – zu analysieren, um den anonymen Conversion-Ping probabilistisch mit einem Anzeigenklick zu verknüpfen.

Dieser Mechanismus ist das Lebenselixier von Smart Bidding. Algorithmen wie Ziel-CPA (tCPA) oder Ziel-ROAS (tROAS) benötigen einen stetigen Strom an Conversion-Daten, um Gebote zu optimieren. Ohne Conversion-Modellierung würde der Algorithmus blind annehmen, dass die Anzeigen nicht mehr funktionieren, was dazu führen würde, dass die Auslieferung gedrosselt wird und die Kampagnenleistung einbricht.