Conversion-Modellierung — Was ist das?
Conversion-Modellierung ist eine KI-basierte Technologie von Google Ads, die fehlende Conversion-Daten durch maschinelles Lernen ergänzt und schätzt. Sie hilft dabei, ein vollständigeres Bild der tatsächlichen Werbeleistung zu erhalten, auch wenn nicht alle Conversions direkt messbar sind.
Ausführliche Erklärung
In der heutigen cookielosen Welt wird es immer schwieriger, alle Conversions korrekt zu messen. iOS 14.5 Updates, DSGVO-Einschränkungen und das nahende Ende der Third-Party-Cookies sorgen dafür, dass durchschnittlich 15-30% der tatsächlichen Conversions nicht erfasst werden. Hier springt die Conversion-Modellierung ein. Google nutzt Machine Learning, um diese Datenlücken zu schließen und dir ein realistischeres Bild deiner Kampagnenleistung zu liefern.
Die Technologie analysiert verfügbare Conversion-Daten von Nutzern, die dem Tracking zugestimmt haben, und extrapoliert daraus Muster für ähnliche Nutzergruppen. Dabei fließen Faktoren wie Gerätetype, Standort, Tageszeit und Anzeigeninteraktionen in die Berechnung ein. Praktisch bedeutet das: Wenn dein Online-Shop normalerweise 100 Conversions pro Tag über Google Ads generiert, aber aufgrund von Tracking-Einschränkungen nur 75 gemessen werden, ergänzt die Modellierung die fehlenden 25 Conversions basierend auf statistischen Mustern.
In Google Ads erkennst du modellierte Conversions an einem kleinen Modell-Symbol in den Berichten. Die Modellierung funktioniert auf verschiedenen Ebenen: Kampagnen-übergreifend innerhalb eines Accounts, Account-übergreifend innerhalb eines MCC und sogar branchenübergreifend. Google nutzt Milliarden von Datenpunkten aus dem gesamten Advertising-Ökosystem, um diese Schätzungen zu erstellen.
Besonders im DACH-Raum, wo Datenschutz-Bewusstsein hoch ist und viele Nutzer Cookies ablehnen, kann die Conversion-Modellierung den Unterschied zwischen profitablen und scheinbar unprofitablen Kampagnen ausmachen. Studien zeigen, dass ohne Modellierung bis zu 40% der tatsächlichen Conversions unsichtbar bleiben. Das führt zu falschen Optimierungsentscheidungen, vorzeitigen Kampagnen-Stopps und suboptimaler Budgetverteilung.
Die Technologie wird auch für die Gebotsoptimierung verwendet – Smart Bidding-Strategien nutzen sowohl gemessene als auch modellierte Conversions für bessere Entscheidungen. Das bedeutet, dass automatisierte Gebotsstrategien wie Target CPA oder Target ROAS präziser arbeiten können, weil sie ein vollständigeres Bild der Performance haben. Ohne Modellierung würden diese Strategien auf unvollständigen Daten basieren und suboptimal performen.
Wichtig zu verstehen: Es handelt sich um Schätzungen, nicht um exakte Messwerte, aber Google gibt an, dass die Genauigkeit bei über 95% liegt. Die Modellierung ist besonders effektiv bei größeren Datenmengen – je mehr Conversions und Traffic vorhanden sind, desto präziser werden die Schätzungen. Bei sehr kleinen Accounts oder neuen Kampagnen kann die Modellierung weniger zuverlässig sein.
Ein weiterer wichtiger Aspekt ist die Attribution. Conversion-Modellierung ergänzt nicht nur fehlende Conversions, sondern kann auch Cross-Device-Conversions besser abbilden. Wenn ein Nutzer auf dem Handy auf deine Anzeige klickt, aber später am Desktop kauft, kann die Modellierung diese Verbindung herstellen, auch wenn keine direkten Tracking-Daten verfügbar sind.
Praxis-Beispiel aus dem DACH-Markt
Ein mittelständischer Online-Shop für Sportartikel aus München bemerkte nach dem iOS 14.5 Update einen dramatischen Rückgang seiner gemessenen Conversions von 450 auf 320 pro Monat, obwohl der Umsatz konstant blieb. Der ROAS schien von 4,2 auf 2,9 zu fallen – ein scheinbar katastrophales Ergebnis, das zu Budget-Kürzungen führte.
Nach Aktivierung der Conversion-Modellierung zeigte sich ein anderes Bild: Die modellierten Daten ergänzten 128 zusätzliche Conversions pro Monat, was die tatsächliche Anzahl auf 448 Conversions brachte – fast identisch mit den Vor-iOS-Zahlen. Der echte ROAS lag bei 4,1, nur minimal unter dem ursprünglichen Wert.
Die Analyse der modellierten Daten offenbarte interessante Muster: 65% der ergänzten Conversions stammten von iPhone-Nutzern zwischen 25-44 Jahren, die typischerweise abends zwischen 19-22 Uhr auf Anzeigen klickten und später am Desktop kauften. Diese Zielgruppe hatte eine um 23% höhere Wahrscheinlichkeit, Tracking abzulehnen.
Aufgrund dieser Erkenntnisse passte der Shop seine Strategie an: Erhöhung der Gebote für iPhone-Traffic um 15%, verstärkte Ausrichtung auf Abendstunden und Optimierung der mobilen User Experience. Das Ergebnis: 18% mehr Conversions bei gleichbleibendem CPA von 28 Euro. Die Conversion-Modellierung enthüllte eine profitable Zielgruppe, die ohne KI-Unterstützung unsichtbar geblieben wäre.
Schritt-für-Schritt Anleitung
Conversion-Modellierung in den Conversion-Aktionen aktivieren
Gehe zu Tools und Einstellungen > Messung > Conversions und wähle deine wichtigste Conversion-Aktion aus. Klicke auf Bearbeiten und scrolle zum Bereich Conversion-Modellierung. Aktiviere die Option Modellierte Conversions einbeziehen. Wichtig: Diese Einstellung gilt pro Conversion-Aktion, nicht global. Wiederhole den Prozess für alle relevanten Conversion-Aktionen. Die Modellierung benötigt mindestens 300 Conversions in 30 Tagen, um zuverlässige Schätzungen zu liefern. Bei weniger Daten bleiben die modellierten Werte oft bei null oder sind ungenau.
Berichte konfigurieren für modellierte vs. beobachtete Daten
Navigiere zu deinem Kampagnen-Dashboard und klicke auf Spalten > Spalten anpassen. Füge sowohl Conversions als auch Nur beobachtete Conversions hinzu. Diese Unterscheidung ist kritisch für die Analyse. Modellierte Conversions erscheinen mit einem kleinen Modell-Symbol. Erstelle zusätzlich einen benutzerdefinierten Bericht unter Berichte > Vordefinierte Berichte > Kampagnen, um beide Metriken parallel zu verfolgen. So kannst du die Auswirkungen der Modellierung quantifizieren und deine Teams entsprechend schulen.
Smart Bidding-Strategien für modellierte Daten optimieren
Wechsle zu Tools und Einstellungen > Gebotsstrategien und überprüfe deine automatisierten Strategien. Target CPA und Target ROAS berücksichtigen automatisch modellierte Conversions, was zu präziseren Gebotsentscheidungen führt. Falls du noch manuelle Gebote verwendest, ist jetzt der ideale Zeitpunkt für den Wechsel zu Smart Bidding. Die Kombination aus Conversion-Modellierung und automatisierten Geboten kann die Performance um 15-25% verbessern, da die Algorithmen auf vollständigeren Daten basieren.
Conversion-Fenster und Attribution prüfen
Öffne Tools und Einstellungen > Messung > Attribution und überprüfe dein Attributionsmodell. Data-Driven Attribution funktioniert besonders gut mit Conversion-Modellierung, da beide Technologien auf Machine Learning basieren. Prüfe auch die Conversion-Fenster deiner Aktionen: Längere Fenster (7-30 Tage) ermöglichen präzisere Modellierung, da mehr Daten für die Mustererkennunung verfügbar sind. Bei B2B-Kampagnen solltest du Fenster von mindestens 30 Tagen verwenden, bei E-Commerce reichen oft 7 Tage.
Performance-Monitoring und Anpassungen implementieren
Erstelle wöchentliche Berichte, die sowohl modellierte als auch beobachtete Metriken vergleichen. Überwache den Prozentsatz modellierter Conversions – liegt er konstant über 50%, deutet das auf gravierende Tracking-Probleme hin. Nutze Google Analytics 4 als Referenz für die Plausibilitätsprüfung der modellierten Daten. Implementiere außerdem Enhanced Conversions als zusätzliche Datenquelle, um die Genauigkeit der Modellierung zu verbessern. Bei signifikanten Abweichungen zwischen modellierten und GA4-Daten solltest du dein Tracking überprüfen lassen.
Häufige Fehler bei Conversion-Modellierung
Blind auf modellierte Daten vertrauen ohne Plausibilitätsprüfung
Viele Advertiser aktivieren die Conversion-Modellierung und nehmen die Zahlen als gegeben hin, ohne sie mit anderen Datenquellen zu validieren. Das kann zu dramatischen Fehlentscheidungen führen. Wenn modellierte Conversions plötzlich 80% deiner Gesamtconversions ausmachen, ist wahrscheinlich dein Tracking defekt, nicht deine Performance gestiegen. Nutze immer Google Analytics 4, deine CRM-Daten oder E-Commerce-Plattform als Kontrollinstanz. Die Abweichung sollte normalerweise unter 20% liegen.
Zu frühe Aktivierung bei neuen Kampagnen
Neue Kampagnen oder Accounts mit weniger als 300 Conversions in 30 Tagen sollten die Modellierung nicht verwenden. Die KI hat zu wenige Daten für zuverlässige Schätzungen, was zu wild schwankenden oder komplett falschen Zahlen führt. Stattdessen werden oft null modellierte Conversions angezeigt, was Verwirrung stiftet. Warte bis deine Kampagnen ausreichend Conversion-Volumen haben, bevor du die Modellierung aktivierst. Bei kleinen B2B-Kampagnen kann das mehrere Monate dauern.
Falsche Budgetplanung basierend auf modellierten Daten
Ein häufiger Fehler ist die Budgeterhöhung basierend ausschließlich auf modellierten Conversions, ohne die tatsächliche Geschäftsentwicklung zu berücksichtigen. Wenn die Modellierung 40% mehr Conversions anzeigt, bedeutet das nicht automatisch 40% mehr Umsatz. Die modellierten Daten sind Schätzungen für die Attribution, nicht für zusätzliches Business. Plane deine Budgets konservativ mit den beobachteten Conversions und nutze die modellierten Daten nur für die Strategieanpassung und Gebotsoptimierung.
Modellierung ohne Enhanced Conversions aktivieren
Viele nutzen Conversion-Modellierung isoliert, ohne Enhanced Conversions zu implementieren. Das ist wie ein Puzzle mit der Hälfte der Teile zu lösen. Enhanced Conversions liefern zusätzliche First-Party-Daten, die die Modellierung präziser machen. Ohne diese Datengrundlage arbeitet die KI mit weniger Informationen und produziert ungenauere Schätzungen. Die Kombination beider Technologien kann die Conversion-Erfassung um bis zu 15% verbessern und die Modellierungsgenauigkeit signifikant steigern.
Praxis-Tipp: So nutzt du Conversion-Modellierung richtig
Der wichtigste Profi-Tipp zur Conversion-Modellierung: Behandle sie als Kompass, nicht als GPS. Die modellierten Daten zeigen dir die Richtung und helfen bei strategischen Entscheidungen, aber plane deine Budgets und ROI-Berechnungen weiterhin konservativ mit den tatsächlich beobachteten Conversions.
Implementiere ein Drei-Säulen-Monitoring-System: Erstens die beobachteten Conversions für die Budgetplanung, zweitens die modellierten Conversions für Gebotsoptimierung und Zielgruppen-Insights, drittens externe Validierung über GA4 oder dein CRM. Diese Triangulation gibt dir die sicherste Datenbasis.
Fortgeschrittene Strategie: Nutze die Diskrepanz zwischen modellierten und beobachteten Daten als Performance-Indikator für dein Tracking-Setup. Wenn der Anteil modellierter Conversions bei iOS-Traffic konstant bei 35% liegt, bei Android aber nur bei 8%, optimiere gezielt deine iOS-Tracking-Implementierung. Diese granulare Analyse kann verborgene Optimierungspotentiale aufdecken, die anderen Advertisern verborgen bleiben.
Häufig gestellte Fragen
Verwandte Begriffe
Weiterlesen
Du willst Conversion-Modellierung optimieren?
Unser Google Ads Audit zeigt dir genau, wo du stehst und was du verbessern kannst.
Google Ads Audit sichern