Kapitel 3: Google Analytics 4 – Fortgeschrittene Konfiguration

Google Analytics 4 (GA4) ist eine fundamentale Neuarchitektur im Vergleich zu Universal Analytics. Das Ereignis-basierte Datenmodell, die native App+Web-Integration und die BigQuery-Anbindung machen GA4 zu einem mächtigen Werkzeug – das aber eine andere Denkweise erfordert als das sitzungsbasierte Modell von UA.

3.1 Das GA4-Datenmodell verstehen

In GA4 ist alles ein Event. Es gibt keine klassischen "Hit-Typen" mehr wie in Universal Analytics (Pageview-Hit, Event-Hit, E-Commerce-Hit, Social-Hit). Stattdessen ist ein Seitenaufruf das Event page_view, ein Kauf ist das Event purchase, und jede benutzerdefinierte Interaktion ist ein Custom Event. Dieses einheitliche Modell macht GA4 flexibler, erfordert aber ein klares Verständnis der Event-Kategorien.

Event-Kategorie	Erfassung	Beispiele	Anpassbar?
Automatically Collected	Automatisch durch GA4, keine Konfiguration nötig	page_view, session_start, first_visit, user_engagement	Nein
Enhanced Measurement	Aktivierbar in den Datenstrom-Einstellungen	scroll, outbound_click, video_start, video_complete, file_download	Begrenzt (An/Aus)
Recommended Events	Manuell implementieren, GA4-Schema einhalten	purchase, generate_lead, login, sign_up, add_to_cart	Parameter anpassbar
Custom Events	Vollständig individuell, frei benennbar	Spezifische Business-Events, proprietäre Interaktionen	Vollständig

Wichtig: Custom Events erscheinen nicht automatisch in den Standard-GA4-Berichten. Sie müssen als Custom Dimensions registriert werden, um in Berichten auswertbar zu sein.

3.2 Property-Konfiguration für professionelle Setups

Datenströme optimal konfigurieren

Enhanced Measurement selektiv aktivieren: Nicht alle automatischen Events sind für jede Website relevant. Datei-Downloads, die keine Downloads sind, oder outbound_click-Events auf externe Partner können Daten verzerren.
Referral-Exclusion List pflegen: Payment-Anbieter (PayPal, Stripe), eigene Subdomains, Partner-Domains müssen ausgeschlossen werden, um falsche Referral-Sessions zu vermeiden.
Session Timeout anpassen: Standard sind 30 Minuten. Für Single-Page-Applications oder Videos kann ein längerer Timeout sinnvoller sein.

Zielgruppenaufbau für Remarketing

GA4-Audiences können direkt in Google Ads für Remarketing genutzt werden:

Predictive Audiences: ML-basiert, z.B. "Nutzer mit hoher Kaufwahrscheinlichkeit in 7 Tagen"
Sequentielle Audiences: Nutzer, die Event A und dann Event B ausgeführt haben
Temporale Audiences: Nutzer, die in den letzten X Tagen aktiv waren
Wert-basierte Audiences: Nutzer nach CLV-Tier segmentiert

3.3 Benutzerdefinierte Berichte und Explorations

GA4 Explorations sind das mächtigste Analyse-Werkzeug der Plattform. Sie erlauben flexible, tiefgehende Analysen jenseits der Standard-Berichte. Jeder Exploration-Typ hat seinen spezifischen Einsatzbereich.

Exploration-Typ	Ideal für	Stärken	Limitierungen
Freie Form	Flexible Analyse, Ad-hoc-Untersuchungen	Pivot-Tabellen, Heatmaps, Geo-Karten, beliebige Dimensionen/Metriken	Lernkurve für neue Nutzer
Funnel Exploration	Conversion-Pfad-Analyse	Offene und geschlossene Funnels, Dropout-Analyse, Segmentvergleich	Nur Events als Funnel-Schritte
Pfadanalyse	Customer Journey Mapping	Baumvisualisierung vorwärts und rückwärts, alle Event-Übergänge	Langsam bei hohem Traffic-Volumen
Segmentüberschneidung	Zielgruppenanalyse	Venn-Diagramme für bis zu 3 Segmente gleichzeitig	Maximal 3 Segmente vergleichbar
Nutzer-Exploration	Einzelnutzer-Analyse, Support-Fälle	Granulare Event-Logs auf Einzelnutzer-Ebene	Datenschutz-Einschränkungen (Thresholding)
Kohortenanalyse	Retention-Messung	Zeitbasierte Kohorten, Retention-Kurven, Nutzerbindung	Begrenzte anpassbare Parameter

3.4 Custom Dimensions und Metrics

Custom Dimensions und Metrics sind das Herzstück der GA4-Anpassung. Sie erlauben es, geschäftsspezifische Daten in GA4-Berichte zu integrieren.

Wichtige Limits beachten

GA4 erlaubt maximal 50 Custom Dimensions auf Event-Ebene und 25 auf Nutzer-Ebene pro Property. Einmal registrierte Custom Dimensions können nicht gelöscht werden – nur archiviert. Archivierte Dimensionen zählen weiterhin zum Limit. Planen Sie sorgfältig und dokumentieren Sie alle Dimensionen in einem zentralen Dokument, bevor Sie sie in GA4 registrieren.

Empfohlene Custom Dimensions für E-Commerce

user_login_status: logged_in / guest – ermöglicht Vergleich zwischen angemeldeten und anonymen Nutzern
user_customer_type: new / returning / vip – Segmentierung nach Kundenwert
page_template: product / category / checkout / blog – Template-basierte Analyse
ab_test_variant: control / variant_a / variant_b – A/B-Test-Auswertung
product_margin_category: high / medium / low – Marge als Optimierungssignal

3.5 Conversion-Konfiguration und Attribution

In GA4 kann jedes Event als Conversion markiert werden. Das ist deutlich flexibler als in Universal Analytics, erfordert aber mehr strategische Überlegung: Welche Events sind wirklich Conversions und welche sind Micro-Events?

Attributions-Modell	Logik	Einsatzgebiet	Limitation
Data-Driven Attribution	ML-basiert, dynamisch gewichtet basierend auf tatsächlichen Conversion-Pfaden	Standard für Properties mit über 50 Conversions pro Monat	Black-Box, schwer zu erklären und zu kommunizieren
Last Click	100% Credit dem letzten Kontaktpunkt vor Conversion	Einfache Setups, Performance-Kanäle (SEA, SEO)	Ignoriert vollständig Awareness- und Consideration-Kanäle
First Click	100% Credit dem ersten Kontaktpunkt der Journey	Brand-Awareness-Messung, Upper-Funnel-Kanäle	Ignoriert vollständig den Abschlusskanal
Linear	Gleichmässig auf alle Touchpoints der Customer Journey verteilt	Komplexe, lange Customer Journeys mit vielen Touchpoints	Vereinfachend, behandelt alle Touchpoints als gleichwertig
Time Decay	Touchpoints näher an der Conversion erhalten höheres Gewicht	Kurze Sales-Zyklen, stark intent-getriebene Purchases	Bestraft systematisch Awareness-Kanäle
Position-Based	40% erster Touchpoint, 20% Mitte, 40% letzter Touchpoint	Ausgewogene Sicht auf die gesamte Customer Journey	Willkürliche 40/20/40-Gewichtung ohne empirische Basis

3.6 GA4 mit BigQuery verbinden

Die native BigQuery-Integration ist eines der mächtigsten Features von GA4. Sie ermöglicht unbegrenzte Datenabfragen, komplexe SQL-Analysen, Joins mit internen Daten und eine vollständige Datenhistorie ohne Sampling.

Streaming Export vs. Daily Export

Streaming Export: Daten werden in Echtzeit (mehrmals täglich) nach BigQuery exportiert. Höhere Kosten, aber aktuelle Daten für Dashboards. Empfohlen für zeitkritische Analysen.
Daily Export: Täglich einmal exportiert. Günstiger, ausreichend für die meisten Analyse-Anwendungsfälle.

SQL – Revenue nach Traffic-Quelle (letzte 30 Tage)

SELECT
  traffic_source.source        AS source,
  traffic_source.medium        AS medium,
  COUNT(DISTINCT user_pseudo_id) AS users,
  SUM(ecommerce.purchase_revenue) AS revenue,
  SUM(ecommerce.purchase_revenue) /
    NULLIF(COUNT(DISTINCT user_pseudo_id), 0) AS revenue_per_user
FROM `projekt.analytics_12345.events_*`
WHERE _TABLE_SUFFIX BETWEEN
  FORMAT_DATE('%Y%m%d', DATE_SUB(CURRENT_DATE(), INTERVAL 30 DAY))
  AND FORMAT_DATE('%Y%m%d', CURRENT_DATE())
  AND event_name = 'purchase'
GROUP BY 1, 2
ORDER BY revenue DESC;

Die Wildcard-Tabelle events_* mit _TABLE_SUFFIX-Filter ist deutlich kostengünstiger als ein Scan der Gesamttabelle, da BigQuery nur die relevanten Tages-Partitionen liest.