Nach Einführung der Cookie-Banner zeigen GA4 und die Werbekonten weniger Umsatz, als in der Shop-Kasse zu sehen ist: Im Beispiel eines Shops für Outdoor-Ausrüstung sind es 876 Transaktionen in GA4 gegenüber 1 200 bezahlten Bestellungen. Consent Mode und fehlende Conversions in GA4 bedeuten einen dauerhaften Messverlust. Vor der Saison verwechselt man ihn leicht mit einem echten Umsatzrückgang, und eine Entscheidung auf dieser Grundlage kann das Budget einer profitablen Kampagne kürzen. Dieser Leitfaden zeigt, wie man die tägliche GA4-Abdeckung anhand der Shop-Bestellungen berechnet, die Conversions im Google-Ads-Konto mit GA4 abgleicht, die Kanäle aus GA4 auf das Niveau der Kasse hochrechnet und einen Korrekturfaktor für den korrigierten ROAS bestimmt.
Drei Quellen, ein September, drei verschiedene Zahlen: Die Shop-Kasse verzeichnet 1 200 Bestellungen, GA4 sieht 876 Transaktionen, und das Google-Ads-Konto meldet 432 Conversions bei 360 Transaktionen, die GA4 den Google-Ads-Kampagnen zuordnet. Implementierung und Validierung des purchase-Events gehören in ein separates Audit. Hier geht es um die Interpretation des Verlusts, der auch bei korrekter Implementierung bleibt, und darum, wie man daraus eine verlässliche Aussage zur Kampagnenrentabilität ableitet.
Szene aus dem September-Review
Bestellungen in der Kasse vs. Transaktionen in GA4
Der Manager eines Outdoor-Sportshops öffnet die Septemberzahlen, bevor er sich an die Q4-Planung setzt. Das Shop-Backend zeigt 1 200 bezahlte Bestellungen über 114.000 €, GA4 meldet 876 Transaktionen über 83.220 € und das Google-Ads-Konto 432 Kauf-Conversions. Drei Zahlen beschreiben denselben Monat desselben Shops, und zwischen Kasse und GA4 fehlen 324 Bestellungen und 30.780 €.
September · Outdoor-Sportshop · 30 Tage
Jede Kachel entspricht 12 Bestellungen: 73 volle Kacheln = 876 in GA4 sichtbare Transaktionen, 27 schraffierte = 324 Bestellungen, die nur in der Kasse erfasst sind. Insgesamt 1 200 / 876. Beispieldaten.
Shop, GA4 und Werbekonto zählen denselben Umsatz nach drei verschiedenen Regeln, deshalb stimmen ihre Ergebnisse nie auf das Stück genau überein. Wie man diese Quellen zu einem Gesamtbild zusammenführt und warum man sie über gemeinsame Tage und Gesamtsummen vergleicht, beschreibt der Leitfaden zur automatisierten E-Commerce-Analyse. Dieser Beitrag befasst sich mit einer dieser Abweichungen: Bestellungen, die GA4 überhaupt nicht gesehen hat.
GA4 sieht eine Bestellung nur, wenn der Tag im Browser des Käufers das purchase-Event senden konnte. Die häufigsten Ursachen der Lücke:
- Abgelehnte Einwilligung im Banner: Der Käufer klickt auf „Ablehnen“, und ab diesem Moment erfassen die Analyse-Tags weder seinen Besuch noch seinen Kauf.
- Werbe- und Skriptblocker: Browsererweiterungen stoppen den GA4-Tag, bevor er irgendetwas sendet.
- Safari und Browser mit Cookie-Beschränkungen: Die verkürzte Lebensdauer von Cookies kappt die Nutzerkennung und die Zugriffsquelle. Ein Teil der Käufe verschwindet deshalb oder landet im falschen Kanal.
- Gerätewechsel: Klick auf die Anzeige am Smartphone, Kauf einige Tage später am Laptop. Der Pfad reißt ab, und die Kaufsitzung ist oft genau die, in der keine Einwilligung vorlag.
Consent Mode (der Einwilligungsmodus in Google-Tags) bestimmt, was nach einer Ablehnung passiert. Im Basismodus senden Tags ohne Einwilligung nichts, die Bestellung fehlt also in GA4 und in den Werbekonten. Im erweiterten Modus gehen cookielose Signale raus, und die Modellierung von Google schließt einen Teil der Lücke. Das geschieht allerdings nur in manchen Berichten und erst, wenn Schwellenwerte für Traffic und Anzahl der Einwilligungen erreicht sind. In den Rohdaten und in vielen Auswertungen bleibt der Verlust also bestehen.
Die Konfiguration des Banners und die Rechtsgrundlage für die Einholung von Einwilligungen sind ein rechtliches Thema und nicht Teil dieses Leitfadens.
Die Shop-Kasse ist der Anker, weil sie jede Bestellung unabhängig von der Einwilligung erfasst. Die Bestellung entsteht serverseitig im Shop, mit Betrag und Zahlungsstatus, die weder ein Banner noch ein Blocker aufhält. Jede andere Zahl (GA4, Google Ads-Konto, Meta-Konto) liest man daher als Anteil der Kasse.
Das Google Ads-Konto zeigt mehr als GA4, weil es modellierte Conversions hinzurechnet und nach eigener Logik zählt. 432 Conversions im Konto gegenüber 360 Transaktionen, die GA4 den Google Ads-Kampagnen zuordnet, sind 20% mehr. Keine dieser Zahlen ersetzt die Bestellungen aus dem Shop: Die Kasse bleibt das Maß für den Gesamtumsatz, GA4 und das Werbekonto zeigen, wie viel davon in der Messung ankommt.
Die Lücke von 27% bleibt auch bei korrekt implementiertem purchase-Event bestehen. Sie entsteht durch Entscheidungen der Käufer und Browsereinstellungen, keine Tag-Korrektur schließt sie. Statt gegen sie anzukämpfen, sollte man sie messen: pro Tag, auf den Gesamtsummen des Shops und als feste Norm, mit der man die folgenden Wochen vergleicht.
Definitionen und Formeln
GA4-Abdeckung und Korrekturfaktor: Definitionen und Formeln
Für die Korrektur der Berichte genügen zwei Zahlen, berechnet im Verhältnis zur Shop-Kasse: die GA4-Abdeckung und der Korrekturfaktor. Zuerst braucht es ein gemeinsames Vokabular, denn das Wort „Conversion“ bedeutet in GA4, im Google Ads-Konto und im Shop jeweils etwas anderes.
Arbeitsdefinitionen
Consent Mode beschreibt, wie sich Google-Tags verhalten, wenn keine Cookie-Einwilligung vorliegt. Im Basismodus senden sie nichts, im erweiterten Modus senden sie Signale ohne Kennungen, aus denen Google einen Teil der Conversions modelliert.
GA4-Abdeckung ist das Verhältnis der in GA4 erfassten Transaktionen zu den bezahlten Shop-Bestellungen (ohne Stornierungen) desselben Tages oder Zeitraums. Sie wird sowohl auf die Anzahl der Bestellungen als auch auf deren Wert berechnet.
Verhältnis Werbekonto zu GA4 sind die von der Werbeplattform gemeldeten Kauf-Conversions geteilt durch die Transaktionen, die GA4 derselben Plattform zuordnet. Es zeigt, wie viel das Konto über GA4 hinaus hinzurechnet (modellierte Conversions, eigene Attributionsfenster).
Korrekturfaktor ist der Kehrwert der Abdeckung: Shop-Bestellungen geteilt durch GA4-Transaktionen. Mit ihm multipliziert man die GA4-Zahlen, um sie auf die Größenordnung der Kasse zurückzuführen.
Abdeckung nach Anzahl und nach Wert sind im Beispiel identisch, weil für alle Kanäle ein einheitlicher AOV von 95 € angenommen wurde. In einem echten Shop gehen beide Werte auseinander, wenn Kunden mit günstigeren oder teureren Warenkörben häufiger die Einwilligung ablehnen. Dann korrigiert man die Bestellanzahl mit der Abdeckung nach Anzahl, Umsatz und ROAS mit der Abdeckung nach Wert.
Vier Rechenregeln entscheiden, ob die Abdeckung die Messung abbildet oder einen Fehler in der Rechnung selbst:
- Derselbe Tag und dieselbe Zeitzone. Der Shop speichert Bestellungen nach der Serveruhr, GA4 nach der in der Property eingestellten Zeitzone. Eine Stunde Versatz verschiebt Bestellungen rund um Mitternacht auf den Nachbartag und verzerrt die Tagesabdeckung.
- Auf Shop-Seite nur bezahlte Bestellungen, ohne Stornierungen. Unbezahlte und stornierte Bestellungen im Nenner blähen die Kasse um Umsatz auf, der nie stattfand, und drücken die Abdeckung fälschlich nach unten.
- Vergleich auf Tagesaggregaten. Die Lücke durch fehlende Einwilligungen ist statistischer Natur, zum Messen genügen also Tagessummen: Anzahl und Wert der Bestellungen im Shop gegenüber den purchase-Transaktionen in GA4. Die Aufteilung nach Kanälen wird als Schätzung auf Basis von GA4 und Werbekonten erfasst.
- Abdeckung eines Zeitraums aus den Summen von Bestellungen und Transaktionen. Für September sind das 876 / 1.200. Ein Durchschnitt aus dreißig Tagesquoten würde einem Tag mit 34 Bestellungen dasselbe Gewicht geben wie einem Tag mit 47.
Das Werbekonto liegt oft deutlich näher an der Kasse als GA4. GA4 ordnet den Google Ads-Kampagnen 360 Transaktionen zu, das Konto meldet 432 Conversions (Verhältnis 1,20), weil es modellierte Conversions hinzurechnet und nach eigenem Attributionsfenster und Klickdatum zählt. Die höhere Zahl im Konto enthält mehr Schätzung, deshalb ersetzt das Konto die Kasse nicht als Bezugspunkt.
Jeder Shop hat seine eigene Abdeckungsnorm, abgeleitet aus der Historie: Im Beispiel bleibt der September Tag für Tag im Band von 72–74%. Liegt die Abdeckung schon ab dem ersten Tag der Implementierung unter der eigenen Norm, ist oft die Implementierung selbst die Ursache, etwa wenn das purchase-Event bei einem Teil der Zahlungsarten oder nach der Rückkehr vom Zahlungsanbieter nicht feuert. Solche Fälle klärt ein Audit der GA4-Events und der purchase-Abdeckung. Dieser Leitfaden behandelt den Verlust, der nach korrekter Implementierung bleibt.
Zwei Zahlen genügen, um jeden Bericht zu korrigieren. Die Abdeckung sagt, welchen Anteil des Umsatzes die Messung sieht. Der Faktor sagt, womit man den GA4-Wert multiplizieren muss, um ihn auf die Größenordnung der Kasse zu bringen. Beide werden exakt für den gesamten Shop berechnet. Die mit diesem Faktor umgerechneten Kanalwerte aus GA4 sind eine Schätzung, die man mit dem Werbekonto und der MER überprüft.
Kanäle
Kanäle aus GA4 und Werbekonten auf Kassenniveau umgerechnet
Die Gesamtabdeckung von 73% lässt sich exakt nur für den gesamten Shop berechnen, da das Kassensystem keine Kanäle kennt. Das Budget wird jedoch zwischen Kanälen verschoben, daher liest man die Kanäle über GA4 und die Werbekonten. GA4 liefert die Anteile, der Gesamtfaktor überträgt sie auf das Niveau der Kasse, und das Verhältnis von Werbekonto zu GA4 zeigt, wo die Lücke tendenziell größer ist.
Die Zahlen pro Kanal stammen aus GA4 und aus den Werbekonten. Die Transaktionen kommen aus dem Source/Medium-Bericht in GA4, zugeordnet zu Kanalgruppen, die Conversions aus den Werbekonten, und die Spalte auf Kassenniveau sind die GA4-Transaktionen multipliziert mit dem Gesamtfaktor 1,37, also eine Schätzung auf Basis von GA4. Der September in einem Sport- und Outdoor-Shop (Beispieldaten) sieht so aus:
| Kanal (laut GA4) | GA4-Transaktionen | Schätzung auf Kassenniveau (GA4 × 1,37) | Conversions im Werbekonto | Anteil an den GA4-Transaktionen | Verhältnis zu GA4 (Werbekonto oder Kasse) |
|---|---|---|---|---|---|
| Google Ads | 360 | 493 | 432 | 41% | 1,20 |
| Meta | 130 | 178 | 182 | 15% | 1,40 |
| Organic (Suchmaschine) | 238 | 326 | – | 27% | – |
| Direkt und ohne UTM | 104 | 143 | – | 12% | – |
| Sonstige Quellen | 44 | 60 | – | 5% | – |
| Gesamt | 876 | 1.200 | – | 100% | 1,37 |
Das Verhältnis von Werbekonto zu GA4 zeigt, wo die Lücke größer ist. Meta meldet im Werbekonto 182 Conversions gegenüber 130 Transaktionen in GA4 (1,40), Google Ads 432 gegenüber 360 (1,20): Traffic aus Anzeigen in Apps landet überwiegend auf Smartphones, wo das Banner häufiger mit einer Ablehnung endet, und In-App-Browser verlieren Cookies und Einstiegsparameter. Das Werbekonto zählt allerdings nach eigenen Zeitfenstern und rechnet Modellierung hinzu. Dieses Verhältnis zeigt also die Richtung, misst aber nicht die Lücke des Kanals selbst.
Der Gesamtfaktor 1,37 ist ein Durchschnitt über den ganzen Shop. Für Kanäle, in denen GA4 mehr verliert (Signal: hohes Verhältnis von Werbekonto zu GA4), bleibt der korrigierte Wert oft noch vorsichtig. Bei der Suchmaschine, wo der Kauf häufiger in einer einzigen Sitzung im normalen Browser abgeschlossen wird, kann er leicht überhöht sein. Deshalb liest man den korrigierten ROAS eines Kanals zusammen mit dem Wert aus dem Werbekonto und dem MER des Gesamtshops.
Der Kanal Direkt sammelt in GA4 einen Teil der Bestellungen, deren Quelle verloren ging. Verliert eine Sitzung unterwegs Cookies oder Parameter (abgelehnte Einwilligung beim ersten Besuch, Gerätewechsel, Link aus einer App), ordnet GA4 die Transaktion den direkten Zugriffen statt der Kampagne zu. Den Anteil der direkten Zugriffe in GA4 liest man daher mit Vorsicht: Diese 104 Transaktionen mischen echte Direkteingaben der Adresse mit Käufen, deren Herkunft GA4 verloren hat.
Kleine Kanäle haben eine kleine Stichprobe. Die sonstigen Quellen kommen auf 44 GA4-Transaktionen im Monat, also 1–2 pro Tag, ihr Anteil kann daher von Woche zu Woche springen. Solche Werte ermittelt man über mehrere volle Wochen und betrachtet sie als Orientierung.
Umsätze aus den Werbekonten werden nicht als Ersatz für die Kasse addiert: Derselbe Kauf wird oft gleichzeitig von Google Ads und Meta beansprucht, die Summe der Werbekonten überzeichnet also den Umsatz. Maßstab für den Gesamtumsatz bleiben die Bestellungen aus dem Shop.
Methodischer Hinweis: Die Zahlen sind Beispielwerte. Die Transaktionen pro Kanal stammen aus GA4 (Source/Medium, zugeordnet zu Kanalgruppen), die Conversions aus den Werbekonten, und die Spalte auf Kassenniveau sind die GA4-Transaktionen multipliziert mit dem Gesamtfaktor 1,37 und auf die Kassensumme gerundet, also eine Schätzung auf Basis von GA4. GA4 verteilt Käufe im datengetriebenen Modell anders als die Werbekonten, die nach eigenen Zeitfenstern und Regeln zählen. Das Verhältnis von Werbekonto zu GA4 ist daher eine Näherung.
Kanäle liest man auf Kassenniveau über GA4 und den Gesamtfaktor. Die Summe der mit 1,37 hochgerechneten Kanäle ergibt wieder die 1.200 Bestellungen aus der Kasse, und das Verhältnis von Werbekonto zu GA4 (zwischen 1,20 und 1,40) zeigt, bei welchen Kanälen diese Schätzung eher vorsichtig ist.
Budgetentscheidung
Korrigierter ROAS vor der Budgetentscheidung
Die Messlücke kostet am meisten im Moment der Budgetentscheidung. Ein ROAS auf Basis des GA4-Umsatzes übernimmt den Verlust von 27% direkt: Die Ausgaben im Nenner sind vollständig, weil das Werbekonto jeden Cent kennt, der Umsatz im Zähler ist dagegen um die Verkäufe ohne Einwilligung gekürzt. Ein solcher Wert unterschätzt systematisch die Rentabilität jeder Kampagne, und zwar ungleichmäßig, weil jeder Kanal einen anderen Teil der Messung verliert.
Arbeitsdefinitionen
ROAS (Return on Ad Spend) = der Kampagne zugeordneter Umsatz / Ausgaben der Kampagne. Das Ergebnis hängt davon ab, wessen Umsatz im Zähler steht: der Shop-Kasse, von GA4 oder des Werbekontos.
MER (Marketing Efficiency Ratio) = gesamter Shop-Umsatz / gesamte Werbeausgaben, ohne Zuordnung der Verkäufe zu Kanälen. Break-even-ROAS = 100 / Bruttomarge in %: Unterhalb dieses Werts frisst die Werbung die gesamte Marge auf.
Schwelle und Ziel ergeben sich aus der Marge des Shops und bleiben konstant. Der Outdoor-Shop hat eine Bruttomarge von 40%, die Schwelle liegt also bei 100 / 40 = 2,5 (vollständige Rechnung im Leitfaden welcher ROAS ist gut). Der Inhaber hat ein Ziel von 4,0 gesetzt, damit aus der Werbung Gewinn für die Fixkosten bleibt. Es ändert sich nur der Wert, den man mit diesen beiden Zahlen vergleicht.
Zwei Kampagnen, drei Lesarten desselben Umsatzes (September, Beispieldaten; Skala 0–6):
Google Ads · Ausgaben 9.120 €
Meta · Ausgaben 4.750 €
Das Google-Ads-Konto zeigt 4,5, also einen Wert in der Mitte. Es rechnet modellierte Conversions hinzu (432 gegenüber 360 Transaktionen in GA4) und untertreibt daher weniger als GA4, zählt dabei aber nach eigenen Zeitfenstern und Attributionsregeln. Deshalb setzt die Korrektur bei GA4 an, das Werbekonto dient als Kontrollpunkt, und der MER prüft das Gesamtbild.
Der Portfolio-MER von 8,22 ist eine Kontrolle, die gegen fehlende Einwilligungen immun ist. Der Umsatz von 114.000 € stammt aus dem Shopsystem, die Ausgaben von 13.870 € aus den Werbekonten, daher hat das Consent-Banner keinerlei Einfluss auf diese Zahl. Sinkt der Kampagnen-ROAS in GA4, während der MER stabil bleibt, liegt der Rückgang in der Messung. Sinkt auch der MER, betrifft das Problem den Umsatz oder die Ausgaben.
Der teuerste Fehler nach sinkender Abdeckung
Budgetkürzung auf Basis des ROAS aus GA4: Meta mit einem Wert von 2,6 wirkt wie eine Kampagne, die knapp über der Schwelle von 2,5 gerade so kostendeckend ist, und wird als Erstes gestrichen. Nach der Korrektur mit dem Gesamtfaktor liefert dieselbe Kampagne geschätzt 3,56, das Meta-Werbekonto zeigt 3,64, und der Portfolio-MER bleibt unverändert bei 8,22. Das Abschalten kappt Umsatz, den GA4 schlicht nicht sieht.
Vorgehen vor jeder Entscheidung über ein Kampagnenbudget:
Shop-Abdeckung aus 4 vollen Wochen berechnen
Stellen Sie die bezahlten Bestellungen aus dem Shopsystem den GA4-Transaktionen derselben Tage gegenüber, jeweils als Gesamtsummen für den ganzen Shop. Vier volle Wochen gleichen den Wochentagsrhythmus aus und glätten einzelne Ausreißer.
ROAS aus GA4 mit dem Korrekturfaktor umrechnen
Faktor = Shop-Bestellungen / GA4-Transaktionen = 1,37. Der GA4-Umsatz pro Kanal wird damit multipliziert: Google Ads 3,75 × 1,37 = 5,14, Meta 2,6 × 1,37 = 3,56. Das Kanalergebnis bleibt eine Schätzung auf Basis von GA4.
Mit Werbekonto-Wert und MER abgleichen
Vergleichen Sie den korrigierten ROAS mit dem ROAS aus dem Werbekonto (Google Ads 4,5, Meta 3,64): Liegen beide Werte auf derselben Seite der Schwelle, ist die Richtung bestätigt, und der MER von 8,22 bestätigt, dass das Portfolio Geld verdient. Eine deutliche Abweichung weist auf eine fehlerhafte Kanalzuordnung in GA4 oder einen veralteten Faktor hin.
Entscheidung auf Basis des korrigierten Werts treffen
Schwelle 2,5 und Ziel 4,0 ergeben sich weiterhin aus der Marge. Mit ihnen vergleichen Sie 5,14 und 3,56 statt 3,75 und 2,6. Google Ads über dem Ziel ist ein Kandidat für mehr Budget, Meta über der Schwelle und unter dem Ziel wird beibehalten und weiter optimiert.
Faktor für das monatliche Review festhalten
Der Faktor für den gesamten Shop mit Berechnungsdatum sowie das Verhältnis Werbekonto zu GA4 pro Kanal kommen in die Review-Tabelle. Nach einer Änderung am Banner oder an den Consent-Einstellungen werden sie neu berechnet, da alte Werte die Korrektur nach oben oder unten verfälschen.
Der Korrekturfaktor ändert den Messwert, Ziel und Schwelle ergeben sich weiterhin aus der Marge. Dieselbe Rechnung macht aus „Google Ads unter dem Ziel“ ein Google Ads rund 28% über dem Ziel (5,14 gegenüber 4,0) und aus Meta, dem Abschaltkandidaten, eine Kampagne deutlich über der Schwelle (3,56 gegenüber 2,5). Das Budget hat sich dabei um keinen Euro verändert, nur die Zahl, auf der die Entscheidung beruht.
Diagnose des Rückgangs
Dauerhafte Messlücke oder echter Umsatzrückgang
Ein Rückgang in GA4 hat drei mögliche Ursachen, und jede erfordert eine andere Reaktion: eine dauerhafte Änderung der Messung, einen Tag-Ausfall oder tatsächlich weniger Umsatz. Entscheidend ist eine Zahl, die vor jeder Interpretation berechnet wird: die tägliche GA4-Abdeckung im Vergleich zu ihrer eigenen Norm. Bleibt die Abdeckung stabil, ist ein Rückgang in GA4 ein Rückgang im Shop. Verschiebt sich die Abdeckung, geht ein Teil des „Rückgangs“ auf die Messung zurück.
Die Abdeckungsnorm ergibt sich aus vollen Wochen nach der letzten Banner-Änderung. Im Outdoor-Shop liefert die Woche vom 8. bis 14.9. 280 Bestellungen im Shopsystem und 204 Transaktionen in GA4, also 72,9%, und die einzelnen Tage liegen in einer engen Spanne von 72,2–73,7%. Diese Stabilität definiert die Norm: 72–74%.
Woche 8.–14.9. · Shopsystem und GA4 Tag für Tag
Tägliche Abdeckung auf der Achse 55–80%
Graues Band: Norm 72–74%. Volle Punkte: Tage 8.–14.9. (Summe 280/204 = 72,9%). Gestrichelter Punkt: 18.9.
Die Balkenhöhe ändert sich von Tag zu Tag, die Abdeckung fast gar nicht. Der Sonntag hat die meisten Bestellungen (47), der Samstag die wenigsten (34), und der in GA4 sichtbare Anteil bleibt im selben Band. Deshalb fällt der 18.9. mit 61% Abdeckung sofort aus dem Diagramm, obwohl die 41 Bestellungen für sich genommen völlig normal aussehen.
Drei Muster genügen, um die Ursache jedes in GA4 sichtbaren Rückgangs zu erkennen. Entscheidend ist immer, das Verhalten von Shopsystem und Abdeckung gemeinsam zu betrachten:
GA4 sinkt, Shop stabil, Abdeckung fällt dauerhaft
Änderung der Einwilligungen, des Banners oder des Browserverhaltens. August → September: Shop 1.215 → 1.200 (−1,2%), GA4 972 → 876 (−9,9%), Abdeckung von 80% auf 73%. Das neue Niveau wird zur neuen Norm.
Abdeckung verlässt die Norm, der zweite Tag bestätigt
Kauf-Tag, neue Bannerversion, geänderte Checkout-Vorlage. 18.09: 61% bei einer Donnerstagsnorm von 72,5%, auch der Folgetag liegt außerhalb des Bandes. Das muss dringend geprüft werden.
Shop und GA4 sinken gemeinsam bei stabiler Abdeckung
Die Messung funktioniert korrekt, der Umsatz ist gesunken. Diagnose per Zerlegung: Sitzungen × Conversion-Rate × durchschnittlicher Warenkorb, aufgeteilt nach Kanälen laut GA4.
Der Fall August bis September zeigt, wie irreführend ein Rückgang in GA4 allein sein kann. Wäre die Abdeckung bei 80% geblieben, hätten die 1.200 Bestellungen im September in GA4 960 Transaktionen ergeben; erfasst wurden 876. Von den 96 in GA4 fehlenden Transaktionen gehen 84 auf die niedrigere Abdeckung zurück, nur 12 entsprechen den 15 Bestellungen, die im Shop weniger eingingen (15 × 0,8 = 12).
Eine Störung erkennt man morgens anhand der vollständigen Daten des Vortags. Der Vergleich der gestrigen Abdeckung mit der Norm desselben Wochentags (Donnerstag mit Donnerstagen) ist ein fester Punkt der Morgenroutine, die im Leitfaden zu Monitoring und Anomalien im E-Commerce beschrieben ist; den genauen Zeitpunkt des Fehlers zeigt erst der Veröffentlichungsverlauf im Tag Manager oder die Änderungshistorie im Consent-Tool. Eine leichte Abweichung bestätigt erst der zweite Tag, ein einzelner schwächerer Wert löst also noch keinen Alarm aus.
Die Reaktionsschwellen richten sich nach der Norm des jeweiligen Wochentags. Ein Signal ist eine Abweichung der Abdeckung um mehr als 3 Prozentpunkte (für einen Donnerstag mit Norm 72,5%: ein Wert unter 69,5% oder über 75,5%), eine Reaktion folgt bei zwei solchen Tagen in Folge:
| Abdeckungswert | Beispiel aus einem Outdoor-Shop | Status | Maßnahme |
|---|---|---|---|
| Innerhalb der Wochentagsnorm (Abweichung bis 3%) | Donnerstag: 69,5–75,5% | in der Norm | Rückgang in GA4 wie einen Rückgang im Shop lesen; Umsatzdiagnose |
| Abweichung über 3%, ein Tag | 18.09: 61% (41/25) | Signal | Notiz, kurzer Testkauf im Shop, Wert des Folgetags prüfen |
| Abweichung über 3%, zwei Tage in Folge | 18.09 und 19.09 außerhalb des Bandes | Reaktion | Kauf-Tag, Bannerversion und Vorlage prüfen; Budgetentscheidungen auf Basis des MER aus Shop-Bestellungen und der Werte der Werbekonten, bis zur Behebung ohne ROAS aus GA4 |
| Neues stabiles Niveau nach Änderung der Einwilligungen | September 73% nach 80% im August | neue Norm | Norm ab dem Änderungsdatum, Korrekturfaktor und Verhältnis Werbekonto zu GA4 neu berechnen |
| Abdeckung stabil, Shop sinkt | Shop und GA4 sinken um einen ähnlichen Anteil | echter Rückgang | Zerlegung Sitzungen × Conversion-Rate × Warenkorb je Kanal laut GA4 |
Banneränderung
Nach jeder Änderung des Banners, der Version des Consent-Tools oder des Hinweistexts wird die Abdeckungsnorm ab dem Änderungsdatum neu berechnet. Das Datum kommt als Anmerkung in den Ereigniskalender des Shops, damit in einem Quartal niemand die 73% aus dem September mit den 80% aus dem August wie eine durchgehende Messung vergleicht. Bis genügend volle Wochen nach der Änderung vorliegen (idealerweise vier), gilt die neue Norm als vorläufig.
Erst die Abdeckung, dann die Interpretation des Rückgangs. Eine stabile Abdeckung bedeutet, dass GA4 die Umsatzverhältnisse zuverlässig abbildet und ein Rückgang im Bericht ein Rückgang im Shop ist. Eine verschobene Abdeckung bedeutet, dass vor jeder Schlussfolgerung zu Kampagnen der Korrekturfaktor neu berechnet werden muss.
DataOrganizer
So berechnet DataOrganizer die GA4-Abdeckung täglich
Die Abdeckungsrechnung braucht drei Quellen in einer Tagestabelle: Shop-Bestellungen, GA4 und Google Ads. Manuell heißt das drei Exporte, Abgleich von Datum und Zeitzonen und Zusammenbauen der Tabelle bei jeder Prüfung. In DataOrganizer fließen diese Daten in ein gemeinsames Datenmodell und werden jeden Morgen mit den vollständigen Daten des Vortags aktualisiert.
- Shop (WooCommerce, Shopify, IdoSell, PrestaShop, Shoper und weitere angebundene Systeme): Anzahl und Wert der Bestellungen sowie deren Status. Das ist der Nenner jeder Abdeckungsrechnung.
- GA4: Transaktionen und Umsatz je source/medium und Kampagne: Die Tagessumme ist der Zähler der Abdeckung, die Aufteilung nach Kanälen dient als Schätzung der Anteile.
- Google Ads: conversions und all_conversions mit Werten je Kampagne, nötig für das Verhältnis Werbekonto zu GA4, sowie die Ausgaben für ROAS und MER.
- Meta: Ausgaben und Conversions der Kampagnen, aus denen sich der ROAS laut Werbekonto und der korrigierte ROAS berechnen.
Den Vergleich übernimmt der KI-Assistent auf Basis aggregierter Daten. Er stellt die täglichen Bestellsummen aus dem Shop den GA4-Transaktionen und den Conversions der Werbekonten gegenüber und zeigt die Aufteilung nach Kanälen laut GA4 und Werbekonten als Schätzung; die gesamte Rechnung basiert auf Tagessummen. Die Quellen lassen sich selbst anbinden, ohne Entwickler, und bezahlt wird pro angebundener Quelle.
Die monatliche Prüfung vor der Budgetentscheidung sieht so aus:
September: GA4 sieht 876 von 1.200 bezahlten Bestellungen, also 73%. Der Korrekturfaktor für den gesamten Shop beträgt 1,37; die Kanäle stammen aus GA4 und den Werbekonten, die hochgerechneten Shop-Werte je Kanal sind eine Schätzung:
| Kanal (GA4) | GA4 | Shop-Skala ×1,37 | Werbekonto | Verhältnis zu GA4 | ROAS laut GA4 | ROAS korrigiert |
|---|---|---|---|---|---|---|
| Google Ads | 360 | 493 | 432 | 1,20 | 3,75 | 5,14 |
| Meta | 130 | 178 | 182 | 1,40 | 2,6 | 3,56 |
| Gesamter Shop | 876 | 1.200 | – | 1,37 | – | MER 8,22 |
Pro Tag: Die Abdeckung hält die Norm von 72–74%. Ausnahme ist der 18.09: 41 Bestellungen, 25 Transaktionen, 61% nach einem Update der Bannerversion; der Folgetag bestätigte die Abweichung, daher wird dieser Tag als Tag-Störung geprüft, getrennt vom dauerhaften Messverlust.
August zu September: Shop 1.215 → 1.200 (−1,2%), GA4 972 → 876 (−9,9%), Abdeckung von 80% auf 73%. Der Rückgang in GA4 ist größtenteils Messverlust, der tatsächliche Umsatz bleibt nahezu stabil. Google Ads zeigt 432 Conversions, also 20% mehr als die 360 GA4-Transaktionen aus diesem Kanal, weil modellierte Conversions hinzugerechnet werden.
Fazit für das Budget: Meta mit einem GA4-Wert von 2,6 ergibt nach Korrektur mit dem Gesamtfaktor geschätzt 3,56, das Werbekonto zeigt 3,64: Die Kampagne liegt deutlich über der Schwelle von 2,5, wenn auch unter dem Ziel von 4,0, und wird daher beibehalten statt abgeschaltet. Google Ads liegt korrigiert bei 5,14 und damit über dem Ziel, und der MER des Portfolios von 8,22 bestätigt, dass sich das Gesamtbudget rechnet.
Die Antwort lässt sich jeden Morgen wiederholen. Dieselben Auswertungen auf Basis des vollständigen Vortags zeigen, ob die Abdeckung im Normbereich des jeweiligen Wochentags geblieben ist, und liefern zum Monatsende aktuelle Faktoren für die Budgetprüfung. Eine Veränderung der Abdeckung wird in den Tagesdaten sichtbar, bevor sie in Kampagnenentscheidungen einfließt.
Methodischer Hinweis: Die Zahlen im Beispiel dienen der Veranschaulichung. Vereinfachend wurde ein einheitlicher AOV von 95 € in allen Kanälen angenommen, daher ist die Abdeckung nach Anzahl und nach Wert identisch; in einem echten Shop sollte man beides berechnen. Die Zahlen pro Kanal stammen aus GA4 und den Werbekonten, ihre Übertragung auf das Shop-Niveau ist eine Schätzung. Die Art, wie Google Conversions modelliert, ändert sich mit der Zeit, deshalb wird der Korrekturfaktor monatlich neu berechnet.
Das Wichtigste
Das Budget wird anhand des MER aus den Shop-Bestellungen und des korrigierten ROAS festgelegt. GA4 bleibt die Quelle für die Verhältnisse zwischen den Kanälen und für Customer Journeys; der Gesamtkorrekturfaktor rechnet die GA4-Werte auf das Bestellniveau hoch, und die tägliche Abdeckung zeigt, ob sich dieses Niveau verändert hat.
Methodischer Hinweis: Die Zahlen in den Beispielen dienen der Veranschaulichung (Shop für Sport und Outdoor, September), ein einheitlicher durchschnittlicher Warenkorb von 95 € in allen Kanälen vereinfacht die Rechnung. Die Zahlen pro Kanal stammen aus GA4 und den Werbekonten, ihre Umrechnung auf das Shop-Niveau mit dem Gesamtfaktor ist eine Schätzung. Die Abdeckung wird auf Tagesaggregaten berechnet, und die Conversion-Modellierung bei Google ändert sich mit der Zeit, daher sollte die Abdeckungsnorm monatlich aktualisiert werden.
Das Wichtigste
Budgetentscheidungen auf Basis des MER aus den Shop-Bestellungen und des mit dem Gesamtfaktor korrigierten ROAS aus GA4 treffen; GA4 bleibt die Quelle für Verhältnisse und Customer Journeys. Die GA4-Abdeckung, gemessen an der eigenen Norm, unterscheidet einen dauerhaften Verlust durch fehlende Einwilligungen von einem Tag-Ausfall und von einem echten Umsatzrückgang, bevor jemand eine profitable Kampagne kürzt.
FAQ
Häufige Fragen zu Consent Mode und Lücken in GA4
Wie viele Conversions verliert GA4 durch Consent Mode?
Eine allgemeingültige Zahl gibt es nicht: Der Verlust hängt vom Anteil abgelehnter Einwilligungen, vom Geräte- und Browser-Mix sowie von der Kanalstruktur ab. Im Beispiel des Outdoor-Shops sieht GA4 876 von 1.200 bezahlten Bestellungen, also 73%. Die eigene Lücke berechnet man als GA4-Transaktionen geteilt durch die bezahlten Shop-Bestellungen desselben Tages.
Warum zeigt GA4 weniger Transaktionen als der Shop?
GA4 verliert Bestellungen von Kunden, die die Einwilligung abgelehnt haben, Blocker oder Cookie-beschränkende Browser nutzen oder während des Kaufs das Gerät gewechselt haben; das Shopsystem erfasst jede Bestellung unabhängig von der Einwilligung. Für den Vergleich zählen nur bezahlte Bestellungen ohne Stornierungen, denn unbezahlte drücken die Abdeckung künstlich nach unten. Ist die Abdeckung seit dem ersten Tag der Implementierung niedrig, ist das ein Fall für ein Audit des purchase-Events.
Modelliert Google Ads fehlende Conversions nach abgelehnter Einwilligung?
Im erweiterten Consent Mode senden die Tags cookielose Signale, und Google schließt einen Teil der Lücke durch Modellierung, sofern die Traffic-Schwellen erreicht sind; im einfachen Modus wird ohne Einwilligung nichts übertragen. Deshalb liegt das Werbekonto oft näher an den Shop-Zahlen als GA4: Im Beispiel 432 Conversions im Konto gegenüber 360 GA4-Transaktionen aus Google-Ads-Kampagnen, also 20% mehr. Modellierte Conversions sind eine Schätzung, daher prüft man die Gesamtrentabilität mit dem MER auf Basis der Shop-Bestellungen.
Wie berechnet man den Korrekturfaktor für GA4-Conversions?
Der Korrekturfaktor ergibt sich aus bezahlten Shop-Bestellungen geteilt durch GA4-Transaktionen desselben Zeitraums, berechnet für den gesamten Shop über die letzten vier vollständigen Wochen: im Beispiel 1.200 / 876 = 1,37. Damit multipliziert man den GA4-Umsatz pro Kanal, ein Meta-ROAS von 2,6 ergibt also geschätzt 2,6 × 1,37 = 3,56. Die Lücke verteilt sich ungleichmäßig, daher wird das Kanalergebnis mit dem Wert aus dem Werbekonto (Meta 3,64) und dem Gesamt-MER (8,22) abgeglichen.
Wie unterscheidet man einen Umsatzrückgang von Messverlusten in GA4?
Zuerst prüft man die Abdeckung: Bleibt die Kasse stabil, fällt GA4 und sinkt die Abdeckung sprunghaft und bleibt auf dem neuen Niveau (August 80 %, September 73 %, Kasse −1,2 %, GA4 −9,9 %), ist der Rückgang überwiegend messbedingt. Weicht die Abdeckung zwei Tage in Folge von der Norm des Wochentags ab, deutet das auf einen Fehler im Tag oder Banner hin. Sinken Kasse und GA4 gemeinsam bei stabiler Abdeckung, ist der Umsatz tatsächlich gesunken. DataOrganizer hält Shop-Bestellungen, GA4 und Google Ads in einem Modell, das jeden Morgen mit den vollständigen Daten des Vortags aktualisiert wird. So berechnet der KI-Assistent die Abdeckung pro Tag auf eine einzige Frage hin und zeigt die Aufteilung nach Kanälen laut GA4 und Werbekonten als Schätzung.
Der Leitfaden auf einen Blick
Die Consent-Mode-Lücke in drei Rechnungen
1. 1. Shop-Bestellungen als Bezugspunkt. Die GA4-Abdeckung sind GA4-Transaktionen geteilt durch bezahlte Shop-Bestellungen desselben Tages; die eigene Norm (im Beispiel 72–74%) zeigt, wie viel Umsatz selbst bei korrekter Implementierung aus der Messung verschwindet.
2. 2. GA4-Werte vor der Budgetentscheidung korrigieren. Der GA4-ROAS multipliziert mit dem Faktor des gesamten Shops ergibt eine Schätzung auf Shop-Niveau, die mit dem Wert aus dem Werbekonto abgeglichen wird; Schwelle und Ziel leiten sich weiterhin aus der Marge ab (2,5 und 4,0 bei 40% Marge). Der aus den Shop-Bestellungen berechnete MER dient als einwilligungsunabhängige Kontrolle.
3. 3. Abdeckung jeden Morgen in DataOrganizer berechnen. Shop-Bestellungen, GA4 und Google-Ads-Kampagnen landen mit dem vollständigen Vortag in einem gemeinsamen Datenmodell, und der KI-Assistent berechnet Abdeckung, Faktoren und korrigierten ROAS auf Anfrage. Eine Abweichung von der Wochentagsnorm, die sich am zweiten Tag bestätigt, trennt einen Ausfall von einem dauerhaften Verlust.
DataOrganizer · Messlücke durch Einwilligungen
Verbinden Sie Shop, GA4 und Werbeplattformen: GA4-Abdeckung pro Tag, Korrekturfaktor für GA4-Werte und MER auf Shop-Bestellungen werden aus den Daten berechnet. Die Anbindung erfolgt selbstständig, ohne Entwickler; Sie zahlen nur für verbundene Datenquellen.
