Consent Mode v2: Basic oder Advanced?
Consent Mode kennt zwei Umsetzungsvarianten. Im Basic-Modus werden Google-Tags erst geladen, wenn Besucher zustimmen; ohne Einwilligung fließen keinerlei Daten. Im Advanced-Modus laden die Tags sofort, senden bei fehlender Zustimmung aber nur cookielose Signale ohne Kennungen. Google nutzt diese, um Lücken in GA4 und Google Ads statistisch zu modellieren – vorausgesetzt, das Datenvolumen erreicht die nötigen Schwellenwerte. Der Advanced-Modus liefert also vollständigere Berichte, ist datenschutzrechtlich aber umstrittener, weil auch ohne Einwilligung Daten übertragen werden. Welche Variante für Sie passt, hängt von Risikobereitschaft und Datenvolumen ab. Wir setzen beide technisch sauber um und liefern die Dokumentation, mit der Ihr Datenschutzbeauftragter die Entscheidung treffen kann.
Server-Side Tagging realistisch bewerten
Serverseitiges Tagging ist kein Mittel, Einwilligungen zu umgehen – ohne Zustimmung dürfen auch über den eigenen Server keine Marketingdaten fließen. Sein Nutzen liegt woanders: Messdaten laufen über eine Subdomain Ihrer Website, Sie entscheiden zentral, welche Felder an welchen Anbieter gehen, und Browser-Einschränkungen wie verkürzte Cookie-Laufzeiten in Safari wirken sich weniger stark aus. Zudem entlastet es die Website, weil weniger Skripte im Browser laufen. Dem stehen laufende Hosting-Kosten gegenüber, etwa für Google Cloud Run oder spezialisierte Anbieter, sowie zusätzlicher Wartungsaufwand. Für Shops und Unternehmen mit relevantem Werbebudget lohnt sich der Schritt meist; bei kleinen Websites reicht oft ein gut konfigurierter Web-Container.
Attribution: warum jede Plattform sich selbst am besten bewertet
Google Ads, Meta und LinkedIn rechnen sich Conversions nach eigenen Regeln zu, inklusive Ansicht-Conversions und langer Zeitfenster. Addiert man die Werte, entstehen oft mehr Conversions, als es Aufträge gibt. GA4 bietet seit 2023 nur noch datengetriebene Attribution und letzte Klicks als Modelle an; regelbasierte Modelle wie linear oder positionsbasiert wurden entfernt. Für Marketing-Analytics im Mittelstand empfehlen wir deshalb einen mehrstufigen Ansatz: GA4 oder ein eigenes Modell in BigQuery für die Kanalzuordnung, die Marketing Efficiency Ratio als Gegencheck und bei größeren Budgets Inkrementalitätstests, bei denen ein Kanal regional oder zeitlich pausiert wird. Für Unternehmen mit langer Datenhistorie kommt zusätzlich Marketing-Mix-Modellierung infrage, etwa mit dem Open-Source-Werkzeug Meridian von Google.
Dashboards, die gelesen werden
Viele Dashboards scheitern daran, dass sie alles zeigen, was technisch möglich ist. Ein gutes Marketing-Dashboard beantwortet wenige Fragen pro Zielgruppe: Für die Geschäftsführung sind es Umsatz- oder Pipeline-Beitrag, Kosten und Effizienz im Monatsverlauf, für das Marketing Kanal- und Kampagnendetails. Jede Kennzahl braucht einen Vergleichswert, sonst bleibt unklar, ob eine Zahl gut oder schlecht ist. Hinweise zu Datenstand und bekannten Messlücken verhindern Fehlinterpretationen. Technisch beziehen wir Daten möglichst aus BigQuery statt direkt aus der GA4-Schnittstelle, weil deren Abfragekontingente bei größeren Dashboards schnell zu Ladefehlern führen. Für Kanäle ohne direkten Konnektor nutzen wir automatisierte Exporte, damit keine Zahl mehr manuell übertragen werden muss.
Von Zahlen zu Budgetentscheidungen
Messbarkeit wird erst wertvoll, wenn sie Entscheidungen verändert. Wir etablieren dafür einen festen Rhythmus: wöchentlich ein kurzer Blick auf Auffälligkeiten, monatlich ein Review mit Budgetentscheidung, quartalsweise die Überprüfung der Ziele. Vorab werden Regeln vereinbart, zum Beispiel: Liegen die Kosten pro qualifiziertem Lead eines Kanals zwei Monate über dem Zielwert, wird Budget reduziert und in Tests verschoben. Ein fester Anteil des Budgets bleibt für Experimente reserviert, damit neue Kanäle eine faire Chance bekommen. So wird aus dem Dashboard ein Steuerungsinstrument, und Diskussionen über Marketing verschieben sich von Bauchgefühl zu Zahlen, die alle Beteiligten nachvollziehen können.
Power BI
