Attribution in Google Ads und Meta vs. unabhängige Messung
Wenn du die Conversions aus Google Ads und Meta zusammenzählst, kommst du fast immer auf mehr Verkäufe, als dein Shop-System ausweist. Das ist kein Messfehler im engeren Sinn, sondern die logische Folge davon, dass jede Plattform nur ihre eigene Welt sieht und dieselbe Bestellung jeweils für sich beansprucht. Dieser Artikel zeigt, wie Google Ads und Meta attribuieren, warum sich ihre Zahlen überschneiden und warum eine neutrale Instanz über allen Kanälen die einzige Antwort darauf ist.
Worum es geht: jede Plattform misst ihre eigene Welt
Google Ads und Meta sind sogenannte Walled Gardens, geschlossene Systeme, die ihre eigenen Daten messen, modellieren und reporten, aber nicht miteinander reden. Jede Plattform sieht nur die Touchpoints, die in ihrem eigenen Inventar entstanden sind. Google kennt die Klicks auf Google-Anzeigen, die Suche und YouTube. Meta kennt die Kontakte auf Facebook und Instagram. Was außerhalb der eigenen Mauern passiert, ist für beide unsichtbar.
Daraus folgt eine simple, aber folgenreiche Tatsache: Beide Plattformen können dieselbe Bestellung für sich verbuchen, ohne voneinander zu wissen. Wenn ein Kunde zuerst eine Meta-Anzeige sieht und später über eine Google-Anzeige kauft, zählt Meta diesen Verkauf in seinem Report, und Google zählt ihn in seinem. Keine Plattform macht dabei etwas Falsches, jede misst korrekt innerhalb ihrer eigenen Logik. Falsch wird es erst, wenn du die beiden Reports addierst und so tust, als wären sie eine gemeinsame Wahrheit.
Hinzu kommt, dass jede Plattform ein eigenes Attributionsmodell, ein eigenes Zeitfenster und teils statistisch modellierte Conversions verwendet. Die Zahlen sind also nicht nur überlappend, sie sind auch nicht direkt vergleichbar. Wer kanalübergreifend Budget verteilt, braucht deshalb eine Sicht, die über allen Plattformen steht, statt deren Eigen-Reports gegeneinander aufzurechnen.
Zurück zum Überblick: Multi-Touch Attribution, der vollständige Leitfaden.
Wie Google Ads attribuiert
Google Ads ordnet Conversions seinen eigenen Anzeigen-Interaktionen zu. Wie es das tut, hängt vom gewählten Attributionsmodell und vom Conversion-Zeitfenster ab, und beide lassen sich im Konto einstellen.
Datengetriebenes Modell als Standard
Google nutzt für die meisten Konten ein datengetriebenes Modell. Statt einer festen Regel lernt es aus den Konto-Daten, welche Klicks tatsächlich zur Conversion beigetragen haben, und verteilt den Wert entsprechend über die beteiligten Google-Touchpoints. Wichtig dabei: Dieses Modell sieht ausschließlich Google-eigene Kontakte. Es kann sehr genau modellieren, wie Such-, Display- und YouTube-Anzeigen innerhalb der Google-Welt zusammenspielen, aber es weiß nichts von einer Meta-Anzeige, die vielleicht den ersten Anstoß gegeben hat. Wie ein datengetriebenes Modell grundsätzlich funktioniert, vertieft der Cluster zur datengetriebenen Attribution.
Das eigene Zeitfenster
Google zählt eine Conversion nur, wenn sie innerhalb eines definierten Conversion-Zeitfensters nach der Interaktion stattfindet. Dieses Fenster ist einstellbar und kann mehrere Wochen betragen. Liegt der Kauf außerhalb, wird der Klick nicht mehr als ursächlich gezählt. Das Fenster ist Googles eigene Festlegung und deckt sich nicht zwangsläufig mit dem Fenster, das Meta verwendet.
Klick- und Engaged-View-Conversions
Der Standardfall ist die Klick-Conversion: Jemand klickt auf eine Anzeige und kauft innerhalb des Fensters. Für YouTube kommt die Engaged-View-Conversion hinzu. Sie wird gezählt, wenn ein Nutzer eine Video-Anzeige für eine Mindestdauer angesehen hat, ohne sie wegzuklicken, und später konvertiert, ohne dass ein Klick nötig war. Eine Engaged-View ist ein deutlich schwächeres Signal als ein Klick, weil zwischen Ansicht und Kauf kein direkter Interaktionsschritt liegt. Wer Google-Conversions liest, sollte deshalb immer wissen, welcher Anteil davon Klicks und welcher Engaged-Views sind.
Im Glossar: Conversion, Enhanced Conversions, Click-ID.
Wie Meta attribuiert
Meta funktioniert nach derselben Grundlogik, aber mit eigenen Standardeinstellungen. Auch Meta sieht nur die eigenen Touchpoints auf Facebook und Instagram und ordnet Conversions diesen zu.
Typische Attributionsfenster
Das in Meta verbreitete Standardfenster ist sieben Tage Klick und ein Tag View. Das bedeutet: Ein Kauf wird Meta zugeschrieben, wenn er innerhalb von sieben Tagen nach einem Klick oder innerhalb eines Tages nach einer reinen Ansicht erfolgt. Schon dieser Vergleich zeigt das Problem: Metas Klick-Fenster und Googles Klick-Fenster sind in der Regel unterschiedlich lang. Dieselbe Journey wird je nach Plattform in unterschiedlichen Zeiträumen bewertet, was die Zahlen erst recht inkompatibel macht.
View-Through und die Frage der Kausalität
Metas View-Fenster wirft eine berechtigte Frage auf: Hat eine Anzeige, die jemand im Feed nur gesehen, aber nicht angeklickt hat, den Kauf wirklich ausgelöst, oder hätte die Person ohnehin gekauft? View-Through-Conversions sind die schwächsten Signale überhaupt und neigen dazu, den Beitrag von Display- und Social-Awareness zu überzeichnen. Sie sind nicht wertlos, aber sie gehören mit Vorsicht gelesen, gerade wenn man sie neben Klick-Conversions anderer Plattformen stellt.
Conversions API und modellierte Conversions
Damit Meta trotz Browser-Restriktionen und Werbeblockern verlässlich messen kann, gibt es die Conversions API. Sie überträgt Conversion-Ereignisse serverseitig direkt vom Shop-Server an Meta, statt sich allein auf den Browser-Pixel zu verlassen. Das verbessert die Datenqualität innerhalb der Meta-Welt deutlich. Wo trotzdem Datenpunkte fehlen, etwa weil keine Einwilligung vorlag, füllt Meta die Lücken mit modellierten Conversions: statistisch hochgerechnete Verkäufe, die nicht direkt einem Nutzer zugeordnet werden konnten. Das ist sinnvoll, macht die Zahlen aber zu Schätzungen, und Schätzungen verschiedener Plattformen lassen sich erst recht nicht einfach addieren.
Eines bleibt bei alledem unverändert: Auch die Conversions API ändert nichts daran, dass Meta nur die eigenen Touchpoints sieht. Bessere Daten innerhalb der Mauer machen die Mauer nicht durchlässig.
Im Glossar: Conversion-API, Server-Side Tracking. Die serverseitige Basis im Produkt: Server-Side Tracking in DataFirst Track.
Das Doppelzählungs-Problem
Jetzt wird greifbar, warum die Summe der Plattform-Conversions fast immer größer ist als die Zahl der echten Bestellungen. Die Fenster überlappen sich, und beide Plattformen reklamieren denselben Verkauf.
Ein Rechenbeispiel
Nehmen wir als Beispiel eine Journey an. Eine Person sieht am Montag eine Meta-Anzeige, klickt darauf, kauft aber noch nicht. Am Donnerstag sucht sie gezielt nach deinem Shop, klickt auf eine Google-Suchanzeige und bestellt. In deinem Shop-System ist das genau eine Bestellung. In den Plattform-Reports sieht es anders aus: Meta zählt die Conversion, weil der Kauf innerhalb des Sieben-Tage-Klick-Fensters nach dem Meta-Klick liegt. Google zählt dieselbe Conversion, weil der Kauf auf den Google-Klick folgt. Addierst du beide Reports, hast du zwei Conversions für eine einzige Bestellung.
Bei einer einzelnen Journey ist das überschaubar. Über tausende Bestellungen und viele überlappende Journeys hinweg summiert sich die Überschneidung zu einer spürbaren Lücke zwischen der Summe der Plattform-Conversions und den tatsächlichen Bestellungen. Wer auf Basis dieser aufsummierten Zahlen Budget verteilt, optimiert gegen eine Realität, die es so nicht gibt.
View-Conversions und Modeling verstärken den Effekt
Das Doppelzählen entsteht nicht nur durch Klicks. View-Conversions zählen Käufe nach bloßer Ansicht, und modellierte Conversions rechnen zusätzlich fehlende Verkäufe hoch. Beide Mechanismen sind plattformspezifisch und addieren sich, wenn man die Reports nebeneinanderlegt. Eine Bestellung kann so theoretisch als Klick-Conversion bei Google, als View-Conversion bei Meta und anteilig in modellierten Zahlen beider Seiten auftauchen. Die Inflation der gemeldeten Conversions hat also mehrere Quellen.
Warum die einfachen Korrekturen nicht reichen
Naheliegende Reaktionen helfen nur begrenzt. View-Conversions ausblenden reduziert die Überschätzung, löst aber das Klick-zu-Klick-Doppelzählen nicht. Die Fenster angleichen, soweit das überhaupt geht, verringert die zeitliche Diskrepanz, ändert aber nichts daran, dass beide Plattformen blind füreinander bleiben. Solange die Touchpoints in getrennten Silos liegen, lässt sich die echte, einmalige Bestellung aus den Plattform-Reports allein nicht rekonstruieren.
Warum eine unabhängige Attribution nötig ist
Die Walled Gardens sind exzellent darin, ihre eigene Welt zu optimieren. Genau das ist auch ihr Zweck: Das datengetriebene Modell von Google macht Google-Kampagnen besser, die Conversions API von Meta macht Meta-Kampagnen besser. Was keine der Plattformen leisten kann und auch nicht leisten will, ist eine neutrale Bewertung über alle Kanäle hinweg. Dafür fehlt ihnen schlicht der Blick auf das, was außerhalb der eigenen Mauern passiert.
Eine unabhängige Attribution ist eine neutrale Instanz, die über allen Plattformen steht. Sie hat kein Interesse daran, einen bestimmten Kanal gut aussehen zu lassen, weil sie keinen Kanal verkauft. Sie sieht alle Touchpoints aus allen Quellen, nicht nur die einer Plattform: Google, Meta, aber auch Affiliate, E-Mail, Direktzugriffe und Vergleichsportale. Und sie wendet ein einziges, konsistentes Attributionsmodell auf die gesamte Journey an, statt je Plattform ein anderes.
Der entscheidende Unterschied: In der unabhängigen Sicht kommt jede Bestellung genau einmal vor. Der Beitrag jedes Kanals wird im Verhältnis zu allen anderen bewertet, nicht isoliert. Erst so wird sichtbar, wo ein Kanal in Wahrheit nur erntet, was ein anderer gesät hat, und wo ein Kanal Nachfrage erzeugt, die in seinem eigenen Report gar nicht auftaucht. Diese kanalübergreifende Sicht ist der Kern jeder seriösen Budget-Entscheidung.
Wichtig ist, das richtig einzuordnen. Eine unabhängige Attribution ersetzt die Plattform-Tools nicht. Innerhalb von Google Ads bleibt Googles Modell das beste Werkzeug, um Google-Kampagnen zu steuern, und für Meta gilt dasselbe. Die unabhängige Schicht beantwortet eine andere Frage: nicht, wie du innerhalb eines Kanals optimierst, sondern wie du Budget zwischen den Kanälen verteilst.
Die kanalübergreifende Sicht in der Praxis: Multi-Channel Attribution. Im Glossar: Cross-Channel-Attribution.
Wie man die Kanäle zusammenführt
Der Schlüssel liegt in einer Verschiebung der Logik: Du addierst nicht die fertigen Conversions der Plattformen, sondern führst die Touchpoints darunter zusammen. Eine zentrale Schicht sammelt alle Klicks und Views aus allen Kanälen und ordnet sie der jeweiligen Bestellung zu, bevor irgendein Modell darüber rechnet.
Schritt 1: Touchpoints einsammeln, nicht Conversions
Statt die aggregierten Conversion-Reports zu importieren, erfasst die zentrale Schicht die einzelnen Touchpoints. Bei den werbenden Kanälen geschieht das über die Klick-Kennungen, die Google und Meta an jeden Klick anhängen, sowie über die UTM-Parameter der Landing-URL. So weiß die Schicht für jeden Besuch, aus welchem Kanal und welcher Kampagne er kam, unabhängig davon, was der jeweilige Plattform-Report später meldet.
Schritt 2: Über eine Bestell-Kennung deduplizieren
Alle Touchpoints, die zur selben Bestellung gehören, werden über eine gemeinsame Bestell-Kennung zusammengeführt. Dadurch entsteht pro Verkauf genau eine vollständige Journey mit allen beteiligten Kanälen, statt mehrerer plattformspezifischer Ausschnitte. Genau dieser Schritt löst das Doppelzählen an der Wurzel: Eine Bestellung existiert in der zentralen Schicht nur ein einziges Mal, egal wie viele Plattformen sie für sich reklamiert hätten.
Schritt 3: Serverseitig erfassen, damit nichts verloren geht
Damit die Touchpoints überhaupt vollständig ankommen, sollte die Erfassung serverseitig laufen. Browser-Pixel verlieren durch Werbeblocker und Tracking-Restriktionen einen Teil der Signale, gerade die frühen. Server-Side Tracking und, wo nötig, die Conversions API der Plattformen sorgen dafür, dass mehr Touchpoints in der zentralen Schicht landen. Wie diese Erfassung über Kanäle hinweg aussieht, vertieft der Cluster zum Customer-Journey-Tracking über Kanäle hinweg.
Schritt 4: Ein einziges Modell darüberlegen
Auf die deduplizierte Journey wird ein einheitliches Attributionsmodell angewendet, konsistent über alle Kanäle. Ob Position-Based, Time-Decay oder datengetrieben, ist eine eigene Entscheidung, der Cluster zum Attributionsmodell auswählen führt durch. Entscheidend ist, dass nicht mehr jede Plattform ihr eigenes Modell auf ihren eigenen Ausschnitt anwendet, sondern eine Regel auf die gesamte, einmalige Journey.
Das Ergebnis ist eine Sicht, in der die Summe der zugeschriebenen Werte wieder zu den echten Bestellungen passt und der Beitrag von Google, Meta und allen anderen Kanälen fair gegeneinander steht. Genau diese zentrale Schicht baut DataFirst Track auf: Sie sammelt die Touchpoints serverseitig, dedupliziert sie pro Bestellung und legt ein konsistentes Modell darüber, sodass aus mehreren Walled-Garden-Reports eine neutrale Gesamtsicht wird.
Tracking- und Attribution-Setup unverbindlich prüfen lassen: kostenloses Website-Audit. Die Multi-Touch-Mechanik im Produkt: Multi-Touch Attribution in DataFirst Track.
Häufige Fragen zu Google Ads, Meta und unabhängiger Attribution
Warum melden Google Ads und Meta zusammen mehr Conversions, als ich Bestellungen habe?
Weil jede Plattform nur ihre eigene Welt misst und beide dieselbe Bestellung für sich reklamieren können. Hat ein Kunde sowohl eine Meta-Anzeige als auch eine Google-Anzeige berührt, zählt Meta die Conversion innerhalb seines Attributionsfensters, Google innerhalb seines eigenen. Keine der beiden Plattformen weiß vom Touchpoint der anderen. Addierst du beide Reports, zählst du dieselbe Bestellung doppelt. Die Summe der Plattform-Conversions liegt deshalb fast immer über der Zahl der echten Bestellungen aus deinem Shop-System.
Was ist der Unterschied zwischen Klick- und View-Conversions?
Eine Klick-Conversion wird gezählt, wenn jemand auf eine Anzeige klickt und danach innerhalb des Attributionsfensters kauft. Eine View-Conversion wird gezählt, wenn jemand eine Anzeige nur gesehen, aber nicht geklickt hat und später trotzdem kauft. View-Conversions sind deutlich schwächere Signale, weil der Kausalzusammenhang lockerer ist. Google nutzt für YouTube zusätzlich die Engaged-View-Conversion, die einen angesehenen Video-Mindestanteil voraussetzt. Wer Reports vergleicht, sollte immer wissen, ob Klick-, View- oder beide Typen enthalten sind.
Sind die Conversion-Zahlen aus Google Ads und Meta einfach falsch?
Nicht falsch, aber teilweise und nicht miteinander vergleichbar. Jede Plattform misst korrekt innerhalb ihrer eigenen Logik, mit eigenem Attributionsfenster, eigenem Modell und teils modellierten Conversions. Das Problem entsteht erst, wenn du die Zahlen über Plattformen hinweg addierst oder Budget-Entscheidungen daraus ableitest, als wären sie eine gemeinsame Wahrheit. Für die Optimierung innerhalb einer Plattform sind die Zahlen brauchbar. Für die Verteilung von Budget über Kanäle hinweg brauchst du eine neutrale Instanz darüber.
Wozu dient die Conversions API von Meta?
Die Conversions API überträgt Conversion-Daten serverseitig direkt von deinem Server an Meta, statt sich allein auf den Browser-Pixel zu verlassen. Das macht die Messung robuster gegen Werbeblocker, Browser-Restriktionen und Cookie-Verlust. Sie verbessert also die Datenqualität innerhalb der Meta-Welt. Was sie nicht ändert: Meta sieht weiterhin nur die eigenen Touchpoints. Eine kanalübergreifende Sicht entsteht durch die Conversions API allein nicht, dafür braucht es eine zentrale Schicht über allen Plattformen.
Was sind modellierte Conversions?
Modellierte Conversions sind Conversions, die eine Plattform nicht direkt einem Nutzer zuordnen konnte, etwa weil keine Einwilligung vorlag oder der Datenpunkt verloren ging, und die sie deshalb statistisch hochrechnet. Google und Meta füllen damit die Lücken, die durch Consent-Restriktionen und Browser-Schutz entstehen. Das ist sinnvoll, macht die Zahlen aber zu Schätzungen statt gezählten Ereignissen. Über mehrere Plattformen hinweg addieren sich diese Schätzungen und verstärken das Doppelzählungs-Problem zusätzlich.
Wie führe ich Google Ads und Meta zu einer Sicht zusammen?
Indem du nicht die fertigen Plattform-Conversions addierst, sondern die Touchpoints darunter zusammenführst. Eine zentrale Attributionsschicht sammelt alle Klicks und Views aus allen Kanälen pro Bestellung, dedupliziert sie über eine gemeinsame Bestell-Kennung und legt ein einziges Attributionsmodell darüber. So entsteht eine neutrale Sicht, in der jede Bestellung genau einmal vorkommt und der Beitrag jedes Kanals im Verhältnis zu allen anderen bewertet wird. Genau das leistet eine kanalübergreifende Attribution wie DataFirst Track.