GA4 fuer Entscheider: 5 Reports die Geld verdienen — und die Infrastruktur die sie brauchen

Ihr GA4 hat 50+ Reports. Die meisten davon werden nie geoeffnet. Die wenigen die geoeffnet werden, liefern selten eine klare Handlungsanweisung. Das Problem ist nicht GA4 — das Problem ist, dass niemand die Bruecke baut zwischen "Zahl in der Tabelle" und "was wir naechste Woche anders machen."

Dieser Beitrag zeigt 5 Reports die direkte Handlungsanweisungen liefern. Pro Report: was er zeigt, welche Entscheidung er ermoeglicht, wie Sie ihn in GA4 aufsetzen, und welche Tracking-Infrastruktur er voraussetzt. Denn der beste Report nuetzt nichts, wenn die Daten darunter lueckenhaft sind.

Report 1: Der Funnel-Drop-off — Wo Ihr Geld liegenbleibt

Was er zeigt

Wie viele Nutzer bei jedem Schritt im Kaufprozess abspringen. Von der Produktliste ueber die Produktseite, den Warenkorb und den Checkout bis zum Kauf. Jeder Drop zwischen zwei Stufen ist ein konkreter Euro-Betrag — und ein konkreter Ansatzpunkt fuer Optimierung.

Welche Entscheidung er ermoeglicht

Drop zwischen view_item und add_to_cart ueber 90 %: Die Produktseite hat ein Problem. Preis, Bilder, Vertrauenssignale, Versandkosten-Transparenz. 90 % der Besucher sehen das Produkt und entscheiden: nicht fuer mich. Wenn der Branchendurchschnitt bei 80 % liegt, verlieren Sie hier konkret Umsatz.

Drop zwischen add_to_cart und begin_checkout ueber 70 %: Die Cart-Experience oder die Versandkosten schrecken ab. Nutzer fuegen Produkte hinzu, um den Gesamtpreis zu sehen — und springen ab wenn Versandkosten sichtbar werden. Oder die Cart-Seite hat keine klare Weiterleitung zum Checkout.

Drop zwischen begin_checkout und purchase ueber 50 %: Checkout-Friction. Registrierungspflicht, fehlende Zahlarten, zu viele Schritte, Vertrauensproblem. Jeder Prozentpunkt hier ist der teuerste Drop im Funnel — der Nutzer war kaufbereit.

GA4 Setup-Anleitung

GA4 → Explore → Funnel Exploration. Steps definieren: view_item → add_to_cart → begin_checkout → purchase. Breakdown by: device_category, country, traffic source. Zeitraum: mindestens 14 Tage, bei niedrigem Traffic 30 Tage. Fuer eine erweiterte Analyse: view_item_list und select_item als obere Funnel-Stufen ergaenzen.

Infrastruktur-Checkliste

• [ ] Alle 6 Funnel-Events werden getrackt (view_item_list bis purchase)
• [ ] Ecommerce-Clear vor jedem Push (sonst bluten Items in Folge-Events)
• [ ] add_to_cart feuert nur bei echtem Add (nicht bei Quantity-Change)
• [ ] begin_checkout feuert mit Cart-Daten (nicht leer)
• [ ] purchase feuert genau einmal mit korrektem Value
• [ ] select_item mit mousedown statt click (sonst Event-Verlust bei schnellen Klicks)

Wenn der Report leer ist oder falsch aussieht

Keine Events sichtbar: Tracking-Events fehlen — mindestens ein Event im Funnel wird nicht gefeuert. 100 % Drop bei jedem Schritt: Events feuern, aber nicht in der richtigen Reihenfolge oder ohne passende Item-Daten. 0 % Drop ueberall: Wahrscheinlich fehlt das Ecommerce-Clear. Items akkumulieren sich und jedes Event enthaelt alle vorherigen Items. Pruefpunkt 6 im Tracking-Audit deckt genau dieses Problem.

Report 2: Engagement-Score-Verteilung — Wer ist heiss und wer nicht

Was er zeigt

Verteilung der Engagement Scores ueber alle Besucher. Wie viel Prozent sind Hot Leads (Score ueber 60), wie viele Warm Prospects (30–60), wie viele Casual Browsers (unter 20). Ein Histogramm das zeigt, wie Ihre Besucher sich tatsaechlich verhalten.

Welche Entscheidung er ermoeglicht

Wenn 80 % der Besucher Score unter 20 haben: Content- oder UX-Problem. Die Seite engagiert nicht. Besucher kommen, schauen kurz, gehen. Die Frage ist nicht "wie bewerben wir besser" sondern "warum bleibt niemand."

Wenn 30 % Score ueber 60 haben aber nicht kaufen: Conversion-Barrier. Die Besucher sind interessiert, engagiert, investieren Zeit — aber etwas haelt sie ab. Preis, Versand, Vertrauen, Zahlarten, fehlende Information.

Trend ueber Zeit: Steigt der Durchschnitts-Score? Content wird besser, UX verbessert sich. Sinkt er? Traffic-Qualitaet verschlechtert sich — pruefen welche Kampagnen niedrig-engagierten Traffic liefern.

GA4 Setup-Anleitung

Custom Dimension erstellen: engagement_score (Event-scoped). Custom Metric erstellen: engagement_score (Sum oder Average). Exploration → Free Form → Dimension: engagement_score → Metric: Users. Histogram-View: Verteilung der Scores. Alternativ: Segment-Vergleich mit Score-Ranges als Filter.

Infrastruktur-Checkliste

• [ ] Engagement Score wird als Custom Event in dataLayer gepusht
• [ ] Custom Dimension in GA4 registriert
• [ ] Score verteilt sich sinnvoll (Histogramm pruefen — nicht alle auf 0 oder 100)
• [ ] Score wird debounced (ein Push pro 5 Sekunden, nicht bei jeder Interaktion)
• [ ] IntersectionObserver fuer Scroll (nicht scroll-Event — Performance)
• [ ] visibilitychange fuer Active Time (nicht window.setInterval)

Audience-Guide basierend auf Score

Score unter 20, kein Kauf: "Cold Traffic" — Ausschluss aus Retargeting oder niedrigstes Gebot. Budget sparen fuer die richtigen Segmente.

Score 20–60, kein Kauf: "Warm Prospects" — Standard-Retargeting. Allgemeine Markenbotschaft, Produktvorteile.

Score ueber 60, kein Kauf: "Hot Leads" — erhoehtes Gebot, eventuell Discount-Messaging. Diese Nutzer waren kurz vor dem Kauf.

Score ueber 60 plus Cart Abandonment: "Hoechste Prioritaet" — hoechstes Gebot plus Email-Trigger. Zeitlich begrenzt, Urgency.

Der Wissensbeitrag zu Tracking-Infrastruktur zeigt die vollstaendige Audience-Strategie mit Score-Ranges.

Report 3: Consent Rate Trend — Der Gatekeeper Ihrer Daten

Was er zeigt

Wie sich Ihre Consent Rate ueber Wochen und Monate entwickelt. Der Trend ist wichtiger als der Einzelwert — weil er zeigt, ob Ihre Datengrundlage waechst oder schrumpft.

Welche Entscheidung er ermoeglicht

Consent Rate sinkt: Banner-Muedigkeit, UI-Problem, oder ein Browser-Update hat den Banner gebrochen. Sofort pruefen: sieht der Banner auf allen Geraeten korrekt aus? Funktioniert die Interaktion?

Consent Rate unterschiedlich nach Geraet: Mobile Banner braucht Optimierung. Auf kleinen Screens verdeckt der Banner oft den gesamten Viewport — Nutzer klicken reflexartig auf "Ablehnen" um den Inhalt zu sehen.

Consent Rate unterschiedlich nach Land: Wording oder sprachliche Anpassung noetig. Oder: unterschiedliche rechtliche Anforderungen erfordern unterschiedliche Banner-Konfigurationen.

Wie Sie die Consent Rate messen

Methode 1: GA4 → Reports → Tech → Consent Mode Overview (wenn verfuegbar, abhaengig von der GA4-Version und Konfiguration).

Methode 2: Eigenes Event im Banner (consent_given vs. consent_denied) → GA4 → Events. Voraussetzung: der Banner pushed ein Custom Event bei Accept und bei Reject — nicht nur bei Accept.

Methode 3: Server-Side Log-Analyse der Consent-Cookies. Auswertung ueber den SST Container.

Infrastruktur-Checkliste

• [ ] Banner pushed ein Custom Event bei Accept und bei Reject (nicht nur Accept)
• [ ] Event enthaelt den Consent-Typ (all_accepted, essential_only, custom_selection)
• [ ] GA4 Custom Dimension fuer Consent-Status
• [ ] Monitoring-Dashboard mit Consent Rate nach Geraet und Land

Benchmark-Guide

Unter 55 %: Handlungsbedarf. Banner-UX pruefen, Wording optimieren. Der Wissensbeitrag zu Cookie Consent Bannern zeigt, wie Sie von 55 % auf 85 % kommen.

55–70 %: Durchschnitt. Standard-CMP Performance. Verbesserungspotenzial vorhanden.

70–85 %: Gut. Optimierter Banner mit klarer Hierarchie.

85–95 %: Exzellent. Custom CMP mit durchdachtem Nudging.

Ueber 95 %: Verdaechtig. Pruefen ob Consent korrekt erfasst wird — ein Banner der nur "Akzeptieren" anbietet, ist nicht DSGVO-konform.

Report 4: Attribution Comparison — Welcher Kanal bringt wirklich Geld

Was er zeigt

Wie verschiedene Attribution-Modelle den Wert Ihrer Kanaele bewerten. Data-Driven Attribution verteilt den Conversion-Wert auf alle Touchpoints im Kaufpfad. Last Click gibt alles dem letzten Klick. Die Differenz zeigt, welche Kanaele unterschaetzt werden.

Welche Entscheidung er ermoeglicht

Wenn "Last Click" und "Data-Driven" stark abweichen: Ihre oberen Funnel-Kanaele (Display, Social, YouTube) werden von Last Click unterschaetzt. Sie erzeugen Demand, aber ein anderer Kanal (oft Brand Search) bekommt den letzten Klick. Budget kuerzen bei diesen Kanaelen ist ein Fehler — sie fuettern den Rest des Funnels.

Wenn ein Kanal nur bei Last Click gut aussieht: Er schnappt sich die letzten Klicks, erzeugt aber keinen eigenen Demand. Haeufig: Brand Search bei Unternehmen die viel Display und Social machen. Die Marke wird woanders aufgebaut, Brand Search erntet nur.

Budget-Umverteilung: Kanaele die bei Data-Driven besser abschneiden als bei Last Click, verdienen tendenziell mehr Budget. Kanaele die bei keinem Modell performen, verdienen weniger.

GA4 Setup-Anleitung

GA4 → Advertising → Attribution → Model Comparison. Vergleichen: Data-Driven vs. Last Click. Dimension: Source/Medium oder Campaign. Metrik: Conversions und Revenue. Zeitraum: mindestens 30 Tage, idealerweise 90 Tage fuer belastbare Aussagen.

Infrastruktur-Voraussetzungen

• [ ] SST aktiv (sonst fehlen 15–30 % der Touchpoints)
• [ ] First-Party Cookie mit 13 Monaten Laufzeit (sonst bricht Attribution nach 7 Tagen ab)
• [ ] Click-ID Persistence (gclid, fbclid in eigenem Cookie ueber Domain-Wechsel)
• [ ] Ausreichend Conversion-Volumen fuer Data-Driven Attribution (ueber 300 Conversions pro 30 Tage)
• [ ] Enhanced Conversions aktiv (sonst fehlen 5–15 % der Conversion-Zuordnungen)
• [ ] Cross-Device: User-ID Matching bei Login

Interpretation-Guide

Google Ads zeigt bei Data-Driven 30 % mehr Conversions als bei Last Click: Ihre Kampagnen leisten mehr als es Last Click suggeriert. Nicht Budget kuerzen — die Kampagnen fuettern den Funnel.

Organic Search ist bei Last Click dominant: Nutzer suchen Ihre Brand. Gut — aber Brand-Demand wurde woanders erzeugt. Pruefen welche Kanaele den initialen Kontakt herstellen.

Ein Kanal performt bei keinem Modell: Wirklich kein Beitrag. Budget umschichten. Aber vorher pruefen: hat der Kanal ueberhaupt genug Volumen fuer eine belastbare Aussage?

Report 5: New vs. Returning Revenue — Wachstum oder Melken?

Was er zeigt

Wie viel Umsatz von Neukunden kommt vs. von Bestandskunden. Die wichtigste strategische Frage im E-Commerce: Wachsen Sie, oder leben Sie von Wiederholungskaeufen?

Welche Entscheidung er ermoeglicht

Ueber 80 % Neukunden-Revenue: Gesundes Wachstum — aber: Was passiert mit den Bestandskunden? Kaufen sie nicht wieder? Retention-Problem. Die Akquise-Kosten amortisieren sich nur, wenn Kunden wiederkommen.

Ueber 60 % Bestandskunden-Revenue: Starke Retention — aber: Wachstum stagniert? Kommen zu wenig Neukunden? Akquise-Kanaele pruefen. Ein Unternehmen das nur von Bestandskunden lebt, schrumpft wenn die Churn Rate steigt.

Trend beobachten: Verschiebt sich das Verhaeltnis? In welche Richtung? Saisonale Schwankungen herausrechnen (Black Friday, Weihnachten bringen Neukunden-Peaks).

GA4 Setup-Anleitung

Methode 1: new_customer Flag im purchase-Event. Shopify liefert customer.orders_count — wenn gleich 1, ist es ein Neukunde. Dieses Flag als Custom Dimension in GA4 und als Parameter im purchase-Event.

Methode 2: GA4 User Property customer_type (new/returning). Segment-Vergleich in Explorations.

Google Ads Integration: New Customer Acquisition Bidding nutzt das new_customer Flag direkt. Google Ads kann automatisch hoeher bieten fuer Neukunden, wenn das Flag korrekt mitgesendet wird.

Infrastruktur-Checkliste

• [ ] new_customer Flag im purchase-Event (Shopify: customer.orders_count <= 1)
• [ ] GA4 User Property customer_type gesetzt
• [ ] Google Ads NCA Bidding aktiviert (Conversion → New Customer Acquisition)
• [ ] First-Party Identity mit Cross-Session Tracking (sonst sind Returning-Kunden ohne Login "neu")
• [ ] CRM-Integration: CLV pro Kunde berechenbar

Handlungsempfehlung nach Ergebnis

Hohes Neukundenaufkommen, niedriger Repeat: Email-Flows aufbauen: Post-Purchase Welcome, Cross-Sell nach 14 Tagen, Reactivation nach 60 Tagen. Die Akquise-Investition verpufft ohne Retention.

Hoher Repeat, wenig Neukunden: Top-of-Funnel staerken. Demand Gen, Social, YouTube. Budget fuer Awareness erhoehen. NCA Bidding in Google Ads aktivieren um gezielt Neukunden zu akquirieren.

Ausgewogen: Beides optimieren. NCA Bidding fuer profitable Neukundengewinnung, Email-Flows fuer maximale Retention.

Die Reports zusammen — Ein Dashboard das Entscheidungen liefert

Executive Dashboard (5 Kacheln)

1. Funnel Conversion Rate — letzte 30 Tage, Trend. Wo bleibt am meisten haengen?
2. Durchschnittlicher Engagement Score — letzte 30 Tage, Trend. Wird die Seite besser oder schlechter?
3. Consent Rate — letzte 30 Tage, nach Geraet. Waechst oder schrumpft die Datenbasis?
4. ROAS nach Attribution Model — Data-Driven, letzte 30 Tage. Was bringen die Kampagnen wirklich?
5. New vs. Returning Revenue Split — letzte 30 Tage. Wachstum oder Melken?

Meeting-Rhythmus

Woechentlich: Funnel Drop-offs und Consent Rate. Operativ: Wo gibt es akute Probleme? Ist etwas kaputt?

Monatlich: Attribution Comparison und Revenue Split. Strategisch: Stimmt die Budget-Allokation? Stimmt das Verhaeltnis New/Returning?

Quartalsweise: Engagement-Score-Entwicklung und Audience-Performance. Langfristig: Werden die Daten besser? Funktionieren die Audiences?

Looker Studio Tipp

Alle 5 Reports lassen sich in einem Looker Studio Dashboard kombinieren. GA4 als Datenquelle verbinden, 5 Scorecards mit Trendlinien erstellen. Filter fuer Zeitraum, Geraet und Land. Das Dashboard wird zur zentralen Entscheidungsgrundlage — statt 50+ Reports die niemand oeffnet.

Fazit

5 Reports. 5 Entscheidungen. Und eine Infrastruktur die sicherstellt, dass die Zahlen stimmen.

Die meisten Shops haben GA4 installiert. Aber zwischen "installiert" und "liefert Entscheidungen" liegt ein Setup, das die richtigen Daten in der richtigen Qualitaet sammelt. Ohne Engagement Scoring ist Report 2 leer. Ohne SST fehlen Report 4 ein Drittel der Touchpoints. Ohne First-Party Identity sind in Report 5 alle wiederkehrenden Kunden "neu".

Dieser Beitrag zeigt Ihnen beides: welche Reports sich lohnen, und was darunter stimmen muss. Wenn Sie den aktuellen Stand Ihres Setups pruefen wollen, starten Sie mit dem 15-Punkte Tracking-Audit. Und wenn Sie das Setup nicht selbst aufbauen wollen — wir machen das.