Kurz zusammengefasst:
- Ohne sauberes Tracking ist jede Optimierung Raten. Der häufigste Fehler, den ich bei neuen Kunden finde, liegt im Zusammenspiel von Tracking und Cookie Consent. Diesen Fehler müssen wir fast immer zuerst beheben, bevor überhaupt sinnvoll optimiert werden kann.
- GA4 braucht die richtigen E-Commerce-Events. Vom Produktaufruf über den Warenkorb bis zum Kauf muss jeder Funnel-Schritt als Event mit korrekten Parametern ankommen. Erst dann siehst du, wo Nutzer wirklich abspringen.
- Der Google Tag Manager macht aus Standard-Daten echte Insights. Über ihn trackst du Interaktionen, die GA4 von sich aus nicht kennt, und gewinnst die Secondary KPIs, die Testergebnisse erst verständlich machen.
- Consent und serverseitiges Tracking sichern die Datenqualität. Mit gut gestalteten Bannern erreichen wir Zustimmungsraten von über 95 Prozent. Ab etwa 50.000 Sessions im Monat ist serverseitiges Tracking nahezu unverzichtbar.
- Die wichtigste KPI ist nicht die Conversion Rate. Ich optimiere auf den Average Revenue per User, weil er Conversion Rate und Warenkorbwert kombiniert. Dein GA4-Setup muss diese Kennzahl sauber liefern.
Warum Tracking vor Optimierung kommt
Ich starte kaum ein Projekt, ohne zuerst in die Datengrundlage zu schauen. Und ich werde selten enttäuscht, leider im negativen Sinne. Der häufigste Fehler, den ich bei neuen Kunden finde, ist nicht ein schlechter Kaufbutton oder eine unglückliche Produktseite. Es ist ein Tracking, das nicht sauber funktioniert.
Das klingt nach einem Nebenthema, ist aber die Grundlage von allem. Conversion-Optimierung bedeutet, Hypothesen auf Basis echter Erkenntnisse zu entwickeln, strukturiert zu testen und statistisch valide auszuwerten. Jeder dieser drei Schritte hängt an der Datenqualität. Wenn dein Google Analytics 4 nur einen Teil der Nutzer erfasst, wichtige Events nicht auslöst oder Consent-Signale falsch übergibt, dann optimierst du auf einem verzerrten Bild. Du siehst Abbrüche, die es nicht gibt, und übersiehst Probleme, die real sind.
Ich bin überzeugt, dass gutes Tracking oft der Unterschied zwischen oberflächlicher Analyse und echten Insights ist. Deshalb behandle ich das GA4-Setup nicht als Aufgabe, die man einmal an die Technik delegiert, sondern als CRO-Thema. Es entscheidet darüber, ob deine spätere Optimierung überhaupt auf festem Boden steht.
Dieser Artikel zeigt, wie ein GA4-Setup aussieht, das nicht nur „läuft", sondern Conversion-Optimierung ermöglicht. Er ist bewusst praktisch gehalten und geht davon aus, dass du GA4 bereits grundsätzlich installiert hast. Was CRO als Disziplin ausmacht, erklärt Was ist Conversion Rate Optimierung? Einfach erklärt.
Die Grundeinstellungen, die fast jeder überspringt
Bevor es um Events geht, gibt es einige Property-Einstellungen, die still im Hintergrund darüber entscheiden, ob deine Daten später brauchbar sind. Die meisten davon werden bei der Ersteinrichtung übersprungen, weil sie unscheinbar wirken.
| Einstellung | Warum sie für CRO zählt | Empfehlung |
|---|---|---|
| Datenaufbewahrung | Standard ist ein kurzer Zeitraum, danach fehlen dir historische Ereignisdaten für Vergleiche | Auf 14 Monate (Maximum) stellen |
| Interner Traffic | Dein Team und deine Agentur verzerren Conversion Rates und Testdaten | Interne IPs als internen Traffic definieren und filtern |
| Unerwünschte Verweise | Zahlungsanbieter erscheinen sonst als Traffic-Quelle des Kaufs | Domains von Payment-Providern eintragen |
| Key Events | Ohne Schlüsselereignisse fehlt die Conversion-Basis für Testauswertungen | Kauf und wichtigste Funnel-Schritte als Key Events markieren |
| Währung | Falsche oder fehlende Währung macht Umsatzdaten unbrauchbar | Property-Währung und Event-Währung konsistent setzen |
Der Punkt mit den unerwünschten Verweisen ist ein Klassiker, den ich in fast jedem Audit sehe. Ein Nutzer kommt über eine Anzeige, kauft und wird für die Zahlung kurz zu einem externen Anbieter weitergeleitet. Kommt er zurück, schreibt GA4 den Kauf plötzlich dem Zahlungsanbieter zu. Deine Kampagnen sehen dann schlechter aus, als sie sind, und deine Analyse der Traffic-Quellen wird wertlos.
Auch der interne Traffic wird unterschätzt. Wenn dein Team täglich den Shop aufruft, Testbestellungen macht und Varianten prüft, ohne dass diese Sessions herausgefiltert werden, verwässert das jede Kennzahl. Bei kleineren Shops kann das die Conversion Rate messbar verzerren.
Die E-Commerce-Events, die du wirklich brauchst
Das Herzstück eines CRO-tauglichen GA4-Setups sind die E-Commerce-Events. Sie bilden den Kaufprozess Schritt für Schritt ab und ermöglichen es, den Funnel als Ganzes zu betrachten. Genau das tun wir in der Analysephase: Wir schauen uns über Dashboards auf GA4-Basis zentrale Metriken wie Drop-Off-Raten und Conversion-Schritte an, um die größten Hebel zu identifizieren.
Google stellt für E-Commerce eine Reihe empfohlener Events mit definierten Parametern bereit. Für CRO sind vor allem diese relevant:
| Event | Funnel-Schritt | Was es dir für CRO verrät |
|---|---|---|
| view_item_list | Kategorie- oder Suchseite | Wie viele Nutzer überhaupt Produkte sehen |
| select_item | Klick auf ein Produkt | Welche Produkte Aufmerksamkeit ziehen |
| view_item | Produktdetailseite | Der wichtigste Einstiegspunkt für Optimierung |
| add_to_cart | In den Warenkorb | Überzeugt die Produktseite? |
| view_cart | Warenkorb angesehen | Wo entstehen Zweifel vor dem Checkout? |
| begin_checkout | Checkout gestartet | Der teuerste Abbruchpunkt im Funnel |
| add_shipping_info | Versand eingegeben | Abbrüche durch Versandkosten oder Formulare |
| add_payment_info | Zahlung eingegeben | Abbrüche bei der Zahlungsauswahl |
| purchase | Kauf abgeschlossen | Umsatz, Bestellwert und Conversion-Basis |
Zwei Dinge sind bei diesen Events entscheidend. Erstens der items-Parameter, ein Array, das jedes Produkt mit ID, Name, Preis und Menge enthält. Ohne ihn siehst du zwar, dass gekauft wurde, aber nicht was. Zweitens die Parameter value und currency, denn nur mit korrekten Umsatzwerten kannst du später auf Bestellwert und ARPU optimieren, statt nur auf Conversion Rate.
Google Tag Manager: Der Schlüssel zu Secondary KPIs
Die Standard-Events zeigen dir den Funnel. Sie zeigen dir aber nicht, warum Nutzer an einem Punkt abspringen. Dafür brauchst du zusätzliche Signale, und genau hier kommt der Google Tag Manager ins Spiel.
Für mich ist der Tag Manager ein zentrales Werkzeug, weil er es ermöglicht, Events zu tracken, die standardmäßig nicht in Analytics vorhanden sind. Ein Beispiel aus der Praxis: Wenn wir neue Interaktionselemente testen, etwa Auswahlmöglichkeiten im Warenkorb, können wir über den Tag Manager messen, wie viele Nutzer diese Elemente tatsächlich nutzen. Dadurch entstehen Secondary KPIs, die helfen, Testergebnisse überhaupt zu verstehen.
Ohne diese Zwischenschritte hast du nur das Endergebnis. Angenommen, du testest ein neues Größenauswahl-Element auf der Produktseite. Die Conversion Rate steigt leicht. Aber warum? Haben mehr Nutzer eine Größe gewählt? Haben sie schneller gewählt? Ist die Fehlerquote gesunken? Nur wenn du die Interaktion mit dem Element selbst trackst, kannst du den Mechanismus hinter dem Ergebnis erkennen und daraus für den nächsten Test lernen.
Der Tag Manager hat noch einen zweiten Vorteil: Er entkoppelt das Tracking vom Theme-Code. Änderungen am Tracking passieren im Container, nicht im Shop. Das reduziert das Risiko, dass ein Entwickler beim nächsten Theme-Update versehentlich ein Event zerstört. Und es macht das gesamte Setup nachvollziehbar, weil alle Tags, Trigger und Variablen an einem Ort liegen.
Cookie Consent: Der Fehler Nummer eins
Wenn ich einen einzigen Bereich nennen müsste, in dem die meisten GA4-Setups scheitern, wäre es das Zusammenspiel von Tracking und Cookie Consent. Gerade bei Google Analytics funktioniert die Datenerfassung häufig nicht sauber, weil Consent-Signale falsch übergeben oder Events blockiert werden.
Das Problem hat zwei Ebenen. Die technische Ebene: Wenn der Consent-Status nicht korrekt an GA4 kommuniziert wird, feuern Events entweder gar nicht, obwohl der Nutzer zugestimmt hat, oder sie feuern, obwohl er abgelehnt hat. Beides ist schlecht, das eine für deine Daten, das andere rechtlich. Im europäischen Raum ist die saubere Übergabe des Consent-Status über den Consent Mode inzwischen Voraussetzung dafür, dass Google-Dienste überhaupt korrekt arbeiten.
Die zweite Ebene ist die UX-Ebene, und sie wird oft übersehen. Ein schlecht gestalteter Banner sorgt für niedrige Zustimmungsraten, und niedrige Zustimmungsraten bedeuten Datenverlust. Wenn nur 60 Prozent deiner Nutzer zustimmen, arbeitest du mit 60 Prozent deiner Daten. Deine Tests brauchen dann länger, deine Funnel-Analysen sind lückenhaft, und die tatsächliche Performance deiner Kampagnen bleibt unsichtbar.
Deshalb optimieren wir Cookie-Banner so, dass Nutzer eine informierte Entscheidung treffen können und gleichzeitig hohe Zustimmungsraten erreicht werden. In vielen Projekten erreichen wir dadurch Zustimmungsraten von über 95 Prozent.
Rechenbeispiel Datenverlust:
- 100.000 Sessions pro Monat
- Bei 60 % Zustimmung: 60.000 messbare Sessions
- Bei 95 % Zustimmung: 95.000 messbare Sessions
- Unterschied: 35.000 Sessions pro Monat — die du entweder siehst oder nicht
Bei einem A/B-Test bedeutet dieser Unterschied im schlechteren Fall grob eineinhalb Mal so lange Laufzeit bis zur statistischen Sicherheit. Über ein Jahr gerechnet sind das mehrere Tests weniger, die du überhaupt durchführen kannst. Warum die Datenmenge über Testbarkeit entscheidet, habe ich in A/B-Testing bei kleinen Shops ausführlich beschrieben.
Serverseitiges Tracking: Ab wann es sich lohnt
Ich bin ein sehr großer Fan von serverseitigem Tracking. Aus meiner Erfahrung ist es ab einer gewissen Shopgröße nahezu unverzichtbar, insbesondere für Unternehmen, die stark mit Paid Traffic arbeiten.
Das Prinzip: Statt dass der Browser des Nutzers Daten direkt an Google sendet, laufen sie über einen eigenen Server, der sie aufbereitet und weiterleitet. Das hat mehrere Effekte. Browser-Einschränkungen und Ad-Blocker greifen weniger, die Ladezeit im Browser sinkt, weil weniger Skripte clientseitig laufen, und du behältst die Kontrolle darüber, welche Daten in welcher Form an welchen Dienst gehen.
Wenn es sauber implementiert wird, verbessert serverseitiges Tracking die Datenqualität deutlich und kann indirekt sogar die Marketing-Performance steigern, weil Werbeplattformen bessere Signale bekommen und ihre Algorithmen präziser aussteuern können.
| Serverseitiges Tracking lohnt sich, wenn … | Clientseitig reicht meist, wenn … |
|---|---|
| Du über etwa 50.000 Sessions im Monat liegst | Dein Traffic deutlich darunter liegt |
| Du relevante Werbebudgets einsetzt | Paid Traffic für dich eine Nebenrolle spielt |
| Du Datenverluste durch Blocker und Browser spürst | Deine Datenbasis auch clientseitig stabil ist |
| Du Ladezeit reduzieren willst | Performance nicht dein Engpass ist |
Ich empfehle serverseitiges Tracking häufig ab etwa 50.000 Sessions im Monat oder bei relevanten Werbebudgets, weil der Nutzen die Kosten dann meist deutlich übersteigt. Darunter ist ein sauberes clientseitiges Setup mit gutem Consent-Management in der Regel die wirtschaftlichere Wahl. Wichtig ist nur, dass „sauber" hier wirklich sauber heißt.
Validierung: Tracking ist ein Prozess, kein Setup-Schritt
Ein sauberes Setup beginnt für mich immer mit Testing und Validierung. Wir überprüfen systematisch alle wichtigen Events, stellen sicher, dass sie korrekt ausgelöst werden, und prüfen insbesondere die Übergabe des Cookie Consents.
Das klingt selbstverständlich, wird aber fast nie konsequent gemacht. Die meisten Setups werden einmal eingerichtet, einmal im Echtzeit-Bericht angeschaut und dann für erledigt erklärt. Genau das ist der Fehler. Tracking ist kein einmaliger Setup-Schritt, sondern ein Prozess, der regelmäßig überprüft werden muss.
Der Grund: Ein Shop verändert sich ständig. Ein Theme-Update, eine neue App, eine geänderte Checkout-Konfiguration, ein neuer Consent-Banner. Jede dieser Änderungen kann still ein Event zerstören, ohne dass es jemand merkt. Die Daten laufen scheinbar weiter, nur eben unvollständig.
So validieren wir ein GA4-Setup
- Jedes Funnel-Event einzeln durchspielen. Produktseite, Warenkorb, Checkout, Kauf. Im DebugView prüfen, ob das richtige Event mit vollständigen Parametern ankommt.
- Consent-Zustände testen. Was passiert bei Zustimmung, bei Ablehnung, bei Teilzustimmung? Feuern die Events nur dann, wenn sie dürfen?
- Verschiedene Einstiegspfade prüfen. Direkt, über eine Anzeige, über Social Media im In-App-Browser. Der Einstieg über einen Instagram-Link verhält sich anders als der über Chrome am Desktop.
- Geräte und Browser variieren. Ein Event, das auf iOS funktioniert, kann auf Android fehlen. Mobile-Validierung ist Pflicht, nicht Kür.
- Testbestellungen sauber trennen. Interne Käufe filtern, damit sie Umsatz und Conversion Rate nicht verfälschen.
- Regelmäßig wiederholen. Nach jeder relevanten Änderung am Shop, mindestens aber in festen Abständen.
Diese Sorgfalt ist dieselbe, die wir in der Quality Assurance von A/B-Tests anwenden. Ohne saubere QA weiß man nicht, ob Varianten korrekt ausgespielt werden, und damit sind Ergebnisse im Zweifel wertlos. Für Tracking gilt das genauso. Warum die geräteübergreifende Prüfung so wichtig ist, beschreibe ich in Mobile-First Optimierung für Online-Shops.
Von Events zu Entscheidungen: Die KPIs, die zählen
Ein Setup, das Daten sammelt, ist erst die halbe Miete. Die andere Hälfte ist die Frage, welche Kennzahlen du daraus ableitest. Und hier vertrete ich eine klare Position: Die Conversion Rate allein ist keine ausreichende Kennzahl.
Der entscheidende Punkt ist, dass Umsatz immer aus zwei Hebeln entsteht: Conversion Rate und Warenkorbwert. Wenn du nur die Conversion Rate optimierst, kann es passieren, dass der Average Order Value sinkt und der Gesamtumsatz sich nicht verbessert. Deshalb arbeite ich am liebsten mit dem Average Revenue per User, weil diese Kennzahl beide Hebel kombiniert und die tatsächliche Business-Performance besser abbildet.
Für dein GA4-Setup bedeutet das eine konkrete Anforderung: Das purchase-Event muss zuverlässig mit korrektem value ankommen. Nur dann kannst du Umsatz pro Nutzer über Segmente, Traffic-Quellen und Testvarianten hinweg vergleichen. Wie du ARPU berechnest und warum ich diese Kennzahl der Conversion Rate vorziehe, erkläre ich in Warenkorbwert erhöhen.
| Kennzahl | Was sie zeigt | Voraussetzung im Setup |
|---|---|---|
| ARPU | Umsatz pro Nutzer – kombiniert CR und AOV | Sauberes purchase-Event mit value |
| Drop-Off-Rate pro Funnel-Schritt | Wo genau Nutzer aussteigen | Vollständige E-Commerce-Events |
| Add-to-Cart-Rate | Überzeugungskraft der Produktseite | view_item und add_to_cart |
| Checkout-Abschlussrate | Reibung im Checkout | begin_checkout bis purchase |
| Secondary KPIs | Mechanismen hinter einem Ergebnis | Custom Events über den Tag Manager |
Darüber hinaus halte ich Customer Lifetime Value und Profit für extrem wichtige Kennzahlen, auch wenn sie komplexer zu analysieren sind. Langfristiger Wert ist wichtiger als kurzfristige Conversion-Steigerungen.
In der Praxis nutzen wir für die Funnel-Analyse die Explorationen in GA4, insbesondere die Trichteranalyse. Dort lässt sich der Weg vom Produktaufruf bis zum Kauf Schritt für Schritt darstellen und nach Gerät, Quelle oder Segment aufteilen. Genau diese Sicht zeigt die größten Hebel. Wie du die Werte einordnest, zeigt Conversion Rate berechnen und einordnen.
GA4 und A/B-Testing zusammenbringen
Der letzte Baustein schließt den Kreis. Ein GA4-Setup ist für mich erst dann vollständig, wenn es nahtlos mit dem A/B-Testing zusammenspielt.
Wir arbeiten primär mit Varify, und der größte Vorteil dieses Tools liegt für mich ganz klar in den Analysemöglichkeiten. Die Arbeit mit Google-Analytics-Daten bietet extrem viele Möglichkeiten bei der Auswertung von Tests. Statt auf ein isoliertes Reporting im Testing-Tool angewiesen zu sein, können wir jede Variante gegen den gesamten Datenschatz in GA4 auswerten: nach Gerät, nach Traffic-Quelle, nach Neu- und Bestandskunden, auf jede Secondary KPI, die wir über den Tag Manager erfasst haben.
Das setzt aber voraus, dass alles Vorherige stimmt. Wenn dein purchase-Event unvollständig ist, kannst du keine Variante auf ARPU auswerten. Wenn dein Consent-Setup 40 Prozent der Nutzer verliert, brauchst du für jeden Test länger. Wenn deine Custom Events fehlen, siehst du nur das Ergebnis, nicht den Mechanismus. Das GA4-Setup ist damit nicht ein Thema neben dem Testing, sondern seine Grundlage.
Auch die Erfolgsmessung der gesamten Zusammenarbeit hängt an dieser Datenbasis. Für die ROI-Berechnung verwenden wir den real gemessenen Uplift aus signifikant positiven Tests, die anschließend implementiert werden. Dieser Mehrumsatz wird auf ein Jahr projiziert und den Agenturkosten gegenübergestellt. Diese Rechnung ist nur so belastbar wie das Tracking dahinter. Wie ein sauberer Testprozess in Shopify aussieht, findest du in A/B-Testing für Shopify, die Grundlagen der Methodik in A/B-Testing: Der komplette Guide.
Ein letzter Gedanke: Dokumentiere, was du misst. Wir halten alle Tests zentral in Datenbanken fest, mit einem Teil der Datenübertragung automatisiert aus dem Testing-Tool. Dadurch entsteht über die Zeit ein wachsender Wissenspool, kundenbezogen und übergreifend. Für mich ist Dokumentation einer der größten Hebel für langfristige Qualität, und sie beginnt bei sauberen, nachvollziehbaren Daten.
Häufig gestellte Fragen
Den kompletten Kaufprozess: view_item, add_to_cart, view_cart, begin_checkout, add_shipping_info, add_payment_info und purchase. Ergänzend view_item_list und select_item für Kategorie- und Suchseiten. Entscheidend ist, dass jedes Event mit vollständigem items-Array sowie korrekten value- und currency-Parametern ankommt.
Als Basis ja, als CRO-Setup selten. Die native Integration überträgt einige Standard-Events automatisch, aber Parameter sind teils unvollständig und Events werden durch Apps oder Custom-Code oft doppelt ausgelöst. Ein sauberes Setup beginnt immer mit Validierung, unabhängig davon, wer die Events sendet.
Weil er Events tracken kann, die GA4 von sich aus nicht kennt: Interaktionen mit Varianten-Auswahl, Akkordeons, Filtern oder Upsell-Elementen. Daraus entstehen Secondary KPIs, die zeigen, warum ein Test funktioniert hat, nicht nur ob. Außerdem entkoppelt er das Tracking vom Theme-Code.
Das Zusammenspiel von Tracking und Cookie Consent. Consent-Signale werden falsch übergeben oder Events blockiert, sodass GA4 nur einen Teil der Nutzer erfasst. Dieser Fehler muss fast immer zuerst behoben werden, bevor sinnvoll optimiert werden kann.
In vielen unserer Projekte erreichen wir über 95 Prozent. Das gelingt durch Banner, die Nutzern eine informierte Entscheidung ermöglichen und gleichzeitig gut gestaltet sind. Technisches Setup und UX müssen dabei gemeinsam gedacht werden.
Ich empfehle es häufig ab etwa 50.000 Sessions im Monat oder bei relevanten Werbebudgets. Dann übersteigt der Nutzen durch bessere Datenqualität, weniger Datenverlust und geringere Ladezeit die Kosten meist deutlich. Darunter reicht ein sauberes clientseitiges Setup in der Regel aus.
Jedes Funnel-Event im DebugView einzeln durchspielen und auf vollständige Parameter prüfen. Zusätzlich verschiedene Consent-Zustände, Einstiegspfade, Geräte und Browser testen. Wichtig: Diese Prüfung nach jeder relevanten Shop-Änderung wiederholen, weil Tracking ein laufender Prozess ist.
Den Average Revenue per User. Er kombiniert Conversion Rate und Warenkorbwert und zeigt damit den tatsächlichen Umsatz pro Nutzer. Die Conversion Rate allein kann täuschen, wenn gleichzeitig der Bestellwert sinkt. Voraussetzung ist ein sauberes purchase-Event mit korrektem Umsatzwert.
Nur sehr begrenzt, wenn das Setup stimmt. Mit sauberem Tracking, einem optimierten Consent-Banner und serverseitigem Tracking bleibt die Datenqualität sehr hoch. iOS-Änderungen sind eher ein technisches Thema, das man lösen muss, als ein grundsätzliches Problem.
Über ein Testing-Tool mit GA4-Integration, das die Variantenzugehörigkeit als Dimension an GA4 übergibt. Dann lässt sich jede Variante nach Gerät, Quelle, Segment und auf alle Secondary KPIs auswerten, statt nur auf das Reporting im Tool angewiesen zu sein. Das setzt ein vollständiges, validiertes Event-Setup voraus.
Ist dein GA4-Tracking CRO-bereit?
Wir prüfen dein GA4-Setup, schließen Datenlücken und legen damit die Grundlage für Tests, die wirklich aussagekräftig sind.
Erstgespräch sichern
Chris Dengler
Gründer, Convertlab
Über den Autor: Chris Dengler
Chris hat in 4 Jahren mehr als 1.000 A/B-Tests durchgeführt und dabei Shopify-Shops zu durchschnittlich 34 % mehr Umsatz verholfen.