Es gibt ein Zitat, das Marktforscher und Marketer seit \u00fcber hundert Jahren gebetsm\u00fchlenartig wiederholen. Es wird dem amerikanischen Einzelh\u00e4ndler John Wanamaker zugeschrieben: \u201eDie H\u00e4lfte des Geldes, das ich f\u00fcr Werbung ausgebe, ist herausgeworfenes Geld. Das Problem ist, ich wei\u00df nicht, welche H\u00e4lfte.\u201c Das wurde Ende des 19. Jahrhunderts gesagt, als Werbung noch in Zeitungen erschien und es keinerlei Tracking-Tools gab. Doch das Kuriose ist: Selbst im Jahr 2026, in Zeiten von Google Ads, Meta, TikTok, Pixeln, Cookies und Dutzenden von Analyseplattformen, leben die meisten Marketer immer noch mit genau demselben Problem. Nur dass sie heute in drei verschiedene Dashboards schauen, von denen jedes einen eigenen ROAS anzeigt. Zusammen passen diese Zahlen so gut wie nie. Genau hier setzt die Customer-Journey-Analytik (End-to-End-Analytik) an.<\/p>\r\n\r\n
End-to-End-Analytik<\/b> ist ein System, das die gesamte Customer Journey abbildet: vom ersten Klick auf eine Werbeanzeige bis hin zur tats\u00e4chlichen Zahlung im CRM oder an der Kasse. Nicht blo\u00df bis zum Klick, nicht blo\u00df bis zum Ausf\u00fcllen eines Formulars, sondern bis das Geld wirklich auf dem Konto eingeht. Das klingt logisch. Dennoch machen die meisten Unternehmen viel zu fr\u00fch halt.<\/p>\r\n\r\nVom ersten Klick bis zur Zahlung: Die vollst\u00e4ndige Customer Journey<\/h3>\r\n
Die typische Buyer Journey im E-Commerce oder B2B-Bereich sieht in der Regel so aus:<\/p>"},{"acf_fc_layout":"table_block","table_header":[{"header_text":"B\u00fchne"},{"header_text":"Was passiert"},{"header_text":"Wo es behoben ist"}],"table_rows":[{"row_cells":[{"cell_content":"Die erste Ber\u00fchrung"},{"cell_content":"Ich habe eine Anzeige in Meta gesehen"},{"cell_content":"Meta-Werbeschrank"}]},{"row_cells":[{"cell_content":"Gegenbesuch"},{"cell_content":"Von der Google-Suche gewechselt"},{"cell_content":"GA4"}]},{"row_cells":[{"cell_content":"Konvertierung"},{"cell_content":"Ich habe eine Bewerbung auf der Website hinterlassen"},{"cell_content":"GA4\/CRM"}]},{"row_cells":[{"cell_content":"Verkauf"},{"cell_content":"Der Manager schloss den Deal ab"},{"cell_content":"CRM"}]},{"row_cells":[{"cell_content":"Zahlung"},{"cell_content":"Das Geld wurde auf das Konto eingezahlt"},{"cell_content":"ERP\/Registrierkasse"}]}]},{"acf_fc_layout":"text_block","text_content":"
Ohne eine End-to-End-Analytik existiert jede dieser Phasen isoliert in ihrem eigenen System und kommuniziert nicht mit den anderen. GA4 erfasst zwar die Conversions auf der Website, wei\u00df aber nicht, wie viele davon zu tats\u00e4chlichen Abschl\u00fcssen wurden. Das CRM-System kennt die Abschl\u00fcsse, hat aber keine Ahnung, woher der Kunde urspr\u00fcnglich kam. Und Meta Ads ist felsenfest davon \u00fcberzeugt, dass jeder Verkauf ihr alleiniger Verdienst ist. Die marketingseitige End-to-End-Analytik l\u00f6st genau dieses Problem, indem sie alle Daten an einem zentralen Ort zusammenf\u00fchrt und jeden Kundenkontakt vom ersten bis zum letzten Ber\u00fchrungspunkt l\u00fcckenlos nachverfolgt.<\/p>\r\n\r\n
GA4 ist ein hervorragendes Tool, um das Nutzerverhalten auf der Website zu analysieren. Es hat jedoch einige grundlegende Einschr\u00e4nkungen, \u00fcber die selten offen gesprochen wird:<\/p>"},{"acf_fc_layout":"list_block","list_title":"","list_type":"ul","list_items":[{"item_text":"Offline-Verk\u00e4ufe werden nicht erfasst: Wenn ein Kunde eine Anfrage online gestellt und per Bank\u00fcberweisung oder in der Gesch\u00e4ftsstelle bezahlt hat, wird dies von GA4 nicht erfasst."},{"item_text":"Die Standard-Attribution ist \u201eLast Click\u201c, d.\u202fh., der gesamte Verdienst wird dem letzten Kanal vor der Konversion zugeschrieben, selbst wenn der Kunde zuvor bereits sieben Mal \u00fcber andere Kan\u00e4le mit der Marke in Kontakt getreten ist."},{"item_text":"Datenstichproben: Bei hohem Datenaufkommen zeigt GA4 keine tats\u00e4chlichen Daten an, sondern eine statistische Stichprobe."},{"item_text":"Standardm\u00e4\u00dfig nicht in das CRM integriert, d.\u202fh., Sie sehen zwar die Leads, aber nicht deren Qualit\u00e4t."}]},{"acf_fc_layout":"text_block","text_content":"
Bei den Werbe-Dashboards ist die Situation sogar noch komplizierter. Jede Plattform (Google, Meta, TikTok) z\u00e4hlt Conversions nach eigenen Regeln und innerhalb ihres eigenen Attributionsfensters. Wenn ein Kunde am Dienstag eine Anzeige bei Meta gesehen und am Freitag \u00fcber Google gekauft hat, schreiben sich beide Plattformen diese Conversion gut. Am Ende kann die Summe des ROAS aus allen Dashboards den tats\u00e4chlichen Umsatz des Unternehmens um ein Vielfaches \u00fcbersteigen.<\/p>\r\n
Genau deshalb wird die Marketing-Analytik in der Ukraine (und nicht nur dort) immer seltener um GA4 herum aufgebaut, sondern um ein zentrales Data Warehouse (DWH), in das alle Datenquellen einflie\u00dfen. Und wo man endlich die Wahrheit sieht.<\/p>\r\n
Kurz gesagt: GA4 zeigt, was auf der Website passiert; die End-to-End-Analytik zeigt, was im Unternehmen passiert. Das ist ein fundamentaler Unterschied.<\/p>\r\n\r\n
Die Conversion-Attribution ist die Regel, nach der ein System entscheidet, welchem Kanal ein Verkauf zugerechnet wird. Das klingt nach einem technischen Detail, entscheidet aber letztendlich dar\u00fcber, wohin Ihr Budget im n\u00e4chsten Monat flie\u00dft.<\/p>\r\n\r\n
Das Last-Click-Modell rechnet dem letzten Kanal, \u00fcber den der Kunde vor der Conversion kam, 100 % des Erfolgs an. Es ist in den meisten Systemen als Standard eingestellt.<\/p>\r\n
Stellen Sie sich folgendes Szenario vor: Ein Nutzer sieht ein Banner auf Meta $\\rightarrow$<\/span> googelt den Markennamen $\\rightarrow$<\/span> klickt auf Google und kauft. Last Click schreibt den gesamten Erfolg Google zu. Meta geht leer aus. Im n\u00e4chsten Monat wird das Budget des Performance-Marketers gek\u00fcrzt, obwohl genau seine Anzeige die Kette in Gang gesetzt hat.<\/p>\r\n Wann Last Click akzeptabel ist:<\/b> F\u00fcr einfache Produkte mit einem kurzen Entscheidungszyklus, bei denen der Kunde direkt beim ersten Kontakt kauft.<\/p>\r\n\r\n Dies sind komplexere Modelle, die den Erfolg auf mehrere Touchpoints verteilen:<\/p>"},{"acf_fc_layout":"table_block","table_header":[{"header_text":"Modell"},{"header_text":"Prinzip"},{"header_text":"Bei Eignung"}],"table_rows":[{"row_cells":[{"cell_content":"Linear"},{"cell_content":"Das Guthaben wird gleichm\u00e4\u00dfig auf alle Kan\u00e4le aufgeteilt"},{"cell_content":"Langer Transaktionszyklus, B2B"}]},{"row_cells":[{"cell_content":"Time Decay"},{"cell_content":"Mehr Anerkennung f\u00fcr Kan\u00e4le, die n\u00e4her an der Konvertierung sind"},{"cell_content":"E-Commerce mit mehreren Details"}]},{"row_cells":[{"cell_content":"Position-Based"},{"cell_content":"40 % bis zur ersten Ber\u00fchrung, 40 % bis zur letzten, 20 % bis zum Rest"},{"cell_content":"Wenn sowohl Bewusstsein als auch Abschluss wichtig sind"}]}]},{"acf_fc_layout":"text_block","text_content":" Keines von ihnen ist perfekt; sie alle sind eine Vereinfachung der Realit\u00e4t. Aber in den meisten Szenarien ist jedes dieser Modelle ehrlicher als Last Click.<\/p>\r\n\r\n Data-Driven ist ein auf maschinellem Lernen basierendes Modell, das Google in Google Ads und GA4 eingef\u00fchrt hat. Es analysiert die tats\u00e4chlichen Conversion-Pfade in Ihrem Konto und verteilt den Erfolg basierend darauf, welche Kan\u00e4le statistisch gesehen die Kaufwahrscheinlichkeit erh\u00f6ht haben. Das klingt ideal und funktioniert tats\u00e4chlich besser als regelbasierte Modelle. Es gibt jedoch einen Haken: Das Modell verbleibt vollst\u00e4ndig innerhalb des Google-\u00d6kosystems und ber\u00fccksichtigt weder Offline-Touchpoints noch Anrufe oder CRM-Daten. F\u00fcr eine vollwertige End-to-End-Analytik reicht es also nicht aus \u2013 es ist lediglich eines von vielen Eingangssignalen. Fazit zur Attribution:<\/b> F\u00fcr die meisten Unternehmen ist es die optimale Strategie, Data-Driven intern bei Google zu nutzen, aber parallel dazu ein eigenes Attributionsmodell in einem zentralen Data Warehouse aufzubauen, das CRM, Offline-Daten und alle Kan\u00e4le gleichzeitig abbildet.<\/p>\r\n\r\n Bevor man Dashboards erstellt und den ROI berechnet, muss sichergestellt sein, dass die Daten \u00fcberhaupt korrekt erfasst werden. Das ist der trockenste, aber wichtigste Teil des gesamten Systems. Wenn man hier einen Fehler macht, sehen alle sp\u00e4teren Berichte zwar sch\u00f6n aus, spiegeln aber nicht die Wahrheit wider.<\/p>\r\n\r\n UTM-Parameter sind Zus\u00e4tze, die an eine URL angeh\u00e4ngt werden und es GA4 sowie anderen Systemen erm\u00f6glichen, zu verstehen, woher ein Nutzer kommt. Die Standardstruktur eines UTM-Links sieht beispielsweise so aus: Jede Plattform verf\u00fcgt \u00fcber eine eigene API, \u00fcber die Daten zu Ausgaben, Impressionen, Klicks und Conversions exportiert werden k\u00f6nnen. Hierbei gibt es zwei Ans\u00e4tze:<\/p>"},{"acf_fc_layout":"list_block","list_title":"","list_type":"ul","list_items":[{"item_text":"Native Integrationen: GA4 l\u00e4sst sich direkt mit Google Ads verbinden, wodurch eine automatische Daten\u00fcbertragung erfolgt. F\u00fcr Meta und TikTok sind separate Konnektoren oder kostenpflichtige Dienste wie Supermetrics, Fivetran oder eigene ETL-Skripte erforderlich."},{"item_text":"Eine einheitliche ETL-Pipeline: Alle Werbekonten werden an einen einzigen Datenspeicher (BigQuery, Snowflake oder PostgreSQL) angebunden, wo die Daten nach einem einheitlichen Schema normalisiert werden. Genau dieser Ansatz bildet die Grundlage f\u00fcr eine umfassende End-to-End-Marketinganalyse."}]},{"acf_fc_layout":"text_block","text_content":"Vergleich der Ans\u00e4tze:"},{"acf_fc_layout":"table_block","table_header":[{"header_text":""},{"header_text":"Native Integrationen"},{"header_text":"ETL-pipeline"}],"table_rows":[{"row_cells":[{"cell_content":"Anlaufgeschwindigkeit"},{"cell_content":"Hoch"},{"cell_content":"Medium"}]},{"row_cells":[{"cell_content":"Flexibilit\u00e4t"},{"cell_content":"Niedrig"},{"cell_content":"Hoch"}]},{"row_cells":[{"cell_content":"Kosten"},{"cell_content":"Niedrig \/ kostenlos"},{"cell_content":"Mittel oder hoch"}]},{"row_cells":[{"cell_content":"Datenvollst\u00e4ndigkeit"},{"cell_content":"Teilweise"},{"cell_content":"Vollst\u00e4ndig"}]},{"row_cells":[{"cell_content":"Geeignet f\u00fcr"},{"cell_content":"Kleinunternehmen"},{"cell_content":"Mittelgro\u00df und gro\u00df"}]}]},{"acf_fc_layout":"text_block","text_content":" Dies ist der wichtigste und am h\u00e4ufigsten \u00fcbersehene Schritt. Ohne CRM-Daten sehen Sie zwar Leads, wissen aber nicht, wie viele davon zu echten Kunden wurden und wie viel Umsatz sie tats\u00e4chlich generiert haben.<\/p>"},{"acf_fc_layout":"list_block","list_title":"Was muss aus dem CRM in die Analytik \u00fcbertragen werden:","list_type":"ul","list_items":[{"item_text":"Quelle des Leads (utm_source, utm_campaign beim ersten Besuch)."},{"item_text":"Deal-Status (neuer Lead \u2192 qualifiziert \u2192 Deal \u2192 Zahlung)."},{"item_text":"Der Transaktionsbetrag."},{"item_text":"Einsendeschluss."}]},{"acf_fc_layout":"text_block","text_content":" Technisch wird dies realisiert, indem die Client-ID aus GA4 im Moment des Formularausf\u00fcllens an das CRM \u00fcbermittelt wird, gefolgt von einer R\u00fcck\u00fcbermittlung der Deal-Daten \u00fcber das Measurement Protocol oder \u00fcber integrierte Schnittstellen (f\u00fcr Salesforce, HubSpot und Pipedrive gibt es bereits fertige Connectors).<\/p>\r\n Nach diesem Schritt sehen Sie zum ersten Mal nicht nur, wie viele Leads \u00fcber Meta reingekommen sind, sondern wie viel Umsatz Meta tats\u00e4chlich eingebracht hat. Und das ist ein v\u00f6llig anderes Bild.<\/p>\r\n Wenn Sie schl\u00fcsselfertige Analytik und Automatisierung f\u00fcr Ihr Unternehmen ben\u00f6tigen, baut das Team von IWIS<\/b> solche Systeme \u2013 von der Architektur bis zum Dashboard.<\/p>\r\n\r\n Ging es in den vorherigen Abschnitten darum, welche Daten erfasst werden sollen, so geht es in diesem Abschnitt darum, wie man sie so strukturiert, dass sie nicht in einem un\u00fcbersichtlichen Tabellenchaos enden.<\/p>\r\n\r\nLinear und Time Decay (Zeitverlauf)<\/h4>\r\n
Data-Driven Attribution (Datengetriebene Attribution von Google)<\/h4>\r\n
Wie man Daten aus allen Marketingkan\u00e4len zusammenf\u00fchrt<\/h3>\r\n
Das richtige Setup von UTM-Parametern<\/h4>\r\n
utm_source=google&utm_medium=cpc&utm_campaign=brand_search&utm_content=ad1]<\/code><\/p>"},{"acf_fc_layout":"list_block","list_title":"Vier obligatorische Parameter:","list_type":"ul","list_items":[{"item_text":"utm_source: Traffic-Quelle (Google, Meta, Tiktok, E-Mail);"},{"item_text":"utm_medium: Traffic-Typ (CPC, organisch, E-Mail, Banner);"},{"item_text":"utm_campaign: Kampagnenname;"},{"item_text":"utm_content: Eine spezifische Anzeige oder ein Werbemittel."}]},{"acf_fc_layout":"text_block","text_content":"Das Hauptproblem, mit dem die meisten Unternehmen konfrontiert sind, \u0454 das Fehlen eines einheitlichen Standards. Ein Marketer schreibt utm_source=Google<\/code>, der andere utm_source=google<\/code> und ein dritter utm_source=Google_Search<\/code>. F\u00fcr GA4 sind das drei v\u00f6llig verschiedene Quellen. Die Daten zersplittern, und die Berichte passen am Ende nicht zusammen."},{"acf_fc_layout":"list_block","list_title":"Mindestregeln f\u00fcr UTM-Analytics-Tags:","list_type":"ul","list_items":[{"item_text":"Alle Werte werden nur in Kleinbuchstaben geschrieben."},{"item_text":"W\u00f6rter werden durch einen Unterstrich getrennt, nicht durch ein Leerzeichen oder einen Bindestrich."},{"item_text":"Die Kampagnennamen stimmen mit den Namen in den Werbeschr\u00e4nken \u00fcberein."},{"item_text":"UTM-Parameter sind ausnahmslos f\u00fcr alle kostenpflichtigen Kan\u00e4le obligatorisch, einschlie\u00dflich E-Mail-Newsletter und Instant Messenger."}]},{"acf_fc_layout":"text_block","text_content":"Anbindung von Werbe-Dashboards (Google Ads, Meta, TikTok)<\/h3>\r\n
Integration mit dem CRM und dem Vertriebssystem<\/h3>\r\n
Die Architektur der End-to-End-Analytik<\/h3>\r\n
<\/h4>"},{"acf_fc_layout":"table_block","table_header":[{"header_text":"Werkzeug"},{"header_text":"F\u00fcr wen"},{"header_text":"Merkmale"}],"table_rows":[{"row_cells":[{"cell_content":"BigQuery (Google)"},{"cell_content":"Mittelgro\u00dfe und gro\u00dfe Unternehmen"},{"cell_content":"Kostenlos bis zu 10 GB, Integration mit GA4 und Looker"}]},{"row_cells":[{"cell_content":"PostgreSQL"},{"cell_content":"Kleine und mittlere Unternehmen"},{"cell_content":"Selbstgehostet, flexibel, erfordert DevOps"}]},{"row_cells":[{"cell_content":"Snowflake"},{"cell_content":"Gro\u00dfes Gesch\u00e4ft"},{"cell_content":"Leistungsstark, aber teuer"}]},{"row_cells":[{"cell_content":"ClickHouse"},{"cell_content":"Hohe Belastungen"},{"cell_content":"Sehr schnell f\u00fcr analytische Abfragen"}]}]},{"acf_fc_layout":"text_block","text_content":"