Warum Google, Meta und GA4 unterschiedlich viele Conversions zählen

Ad-Plattformen zählen Conversions unterschiedlich, weil sie unterschiedliche Fragen beantworten – nicht, weil eine von ihnen falsch rechnet. Google Ads verwendet für Klick-Conversions standardmäßig ein Fenster von 30 Tagen, Meta eines von sieben Tagen, und Google Analytics 4 (GA4) blickt bei den meisten Key Events 90 Tage zurück. Schon diese drei Zahlen genügen, damit dieselbe Kampagne in drei Berichten drei verschiedene Ergebnisse liefert.

Das ist keine akademische Feinheit, sondern der Punkt, an dem in vielen Unternehmen jeden Monat Budget falsch verteilt wird. Wer Plattform-Zahlen addiert, kommt regelmäßig auf mehr Conversions, als der Shop Bestellungen und das CRM Leads verzeichnet. Auf dieser Basis wirkt jeder Kanal profitabel – und die Frage, welcher davon tatsächlich zusätzlichen Umsatz erzeugt hat, bleibt unbeantwortet.

Geprüft: 18. Juli 2026 · Nächste Prüfung: Q1 2027

Darf man Conversions von Google und Meta addieren?

Nein – und der Grund liegt in dem, was jede Plattform überhaupt sehen kann. Google Ads weist ausschließlich Conversions aus, denen eine Anzeigeninteraktion aus demselben Google-Ads-Konto vorausging; Meta weist ausschließlich solche aus, bei denen ein Kontakt mit einer Meta-Anzeige stattfand. Berührt ein Nutzer beide Kanäle, taucht dieselbe Bestellung in beiden Berichten als volle Conversion auf.

Angenommen, ein Nutzer sieht eine Instagram-Anzeige, sucht zwei Tage später nach der Marke, klickt auf eine Google-Anzeige und kauft: Meta meldet eine Conversion, Google Ads meldet eine Conversion, im Shop-System ist es eine Bestellung. Dieses Beispiel ist zur Veranschaulichung gewählt und kein Messwert – der Mechanismus dahinter ist aber der Normalfall, sobald mehrere Kanäle laufen.

Damit ist auch klar, warum eine pauschale Korrekturformel nicht funktioniert. Wie stark die Berichte überlappen, hängt davon ab, wie sehr sich Ihre Kanäle im Publikum überschneiden und wie lang Ihre Kaufentscheidung dauert – ein Impulskauf im Modehandel überlappt anders als eine B2B-Software mit vier Monaten Entscheidungsdauer. Wer die Überzählung beziffern will, braucht eine gemessene Basis, keinen Erfahrungsfaktor.

Die vier Mechanismen hinter den Abweichungen

Mechanismus 1: Conversion-Fenster – warum 7 und 30 Tage verschiedene Zahlen erzeugen

Das Conversion-Fenster legt fest, wie lange nach einem Kontakt eine Conversion dem Kanal noch zugeschrieben wird. In Google Ads liegt der Standard für Klick-Conversions bei 30 Tagen und ist je nach Conversion-Quelle zwischen 1 und 90 Tagen einstellbar. Meta arbeitet standardmäßig mit einem deutlich kürzeren Fenster: sieben Tage Klick, ein Tag View, ein Tag Engagement, wobei sich das Klickfenster auf einen Tag verkürzen lässt.

Bei identischem Nutzerverhalten erfasst Google Ads damit Journeys, die Meta systematisch verpasst. Für Produkte mit kurzer Entscheidungsdauer fällt das kaum ins Gewicht; bei zwei bis drei Wochen Bedenkzeit entsteht allein daraus ein erheblicher Teil der Differenz. Bei LinkedIn ist der Fall umgekehrt: Dort sind bis zu 90 Tage wählbar, für bestimmte Conversion-Typen sogar 365 – eine Anerkennung dessen, dass B2B-Entscheidungen länger dauern als jedes Standardfenster.

Mechanismus 2: Klick oder Ansicht – warum Meta mehr meldet

View-Conversions sind der häufigste Grund dafür, dass Social-Plattformen mehr Conversions ausweisen als das Analytics-System. Bei einer Klick-Conversion hat der Nutzer aktiv auf die Anzeige geklickt. Bei einer View-Conversion hat er sie nur gesehen und ist später auf anderem Weg konvertiert. Meta zählt zusätzlich Engagement-Conversions, etwa nach einer Interaktion mit dem Video. Beides kann sinnvoll sein – aber es sind unterschiedliche Behauptungen über die Wirkung einer Anzeige.

Für die Bewertung heißt das: Eine Kampagne mit hohem View-Anteil ist nicht automatisch schlecht, sie ist nur schwerer zu belegen. Weisen Sie Klick- und View-Conversions im Report konsequent getrennt aus, statt sie zu einer Zahl zu verschmelzen. Erst dann sieht man, ob ein Kanal wirklich Nachfrage erzeugt oder überwiegend Nachfrage einsammelt, die ohnehin entstanden wäre – eine Unterscheidung, die auch beim gemeinsamen Messen von Paid Social und Paid Search die entscheidende Rolle spielt.

Mechanismus 3: Das Attributionsmodell – und warum es nur noch zwei gibt

Google unterstützt seit November 2023 nur noch zwei Attributionsmodelle: datengetrieben und letzter Klick. Die früher verfügbaren Modelle erster Klick, linear, zeitverlaufsabhängig und positionsbasiert wurden abgeschafft, betroffene Conversion-Aktionen automatisch auf das datengetriebene Modell umgestellt. Wer noch mit einem Reporting-Konzept arbeitet, das lineare oder positionsbasierte Attribution voraussetzt, arbeitet mit einer Landkarte, die es so nicht mehr gibt.

Der systematische Effekt der Last-Click-Logik bleibt relevant: Sie bevorzugt Kanäle nahe am Kaufabschluss, typischerweise Brand-Suche und Retargeting, und unterschätzt alles, was früh Nachfrage erzeugt. Wer Budget allein danach steuert, verschiebt es immer weiter Richtung Abschluss – und wundert sich, warum das Gesamtwachstum stagniert, obwohl jede Kampagne im Report gut aussieht.

Mechanismus 4: Cross-Device – wenn ein Nutzer zwei Personen ist

Ein Gerätewechsel unterbricht die Messung, und jede Plattform überbrückt ihn anders. Wer abends mobil recherchiert und morgens am Desktop kauft, ist technisch zunächst zwei Personen. Plattformen mit eingeloggten Nutzern können den Bruch über die Konto-Identität schließen, rein cookiebasierte Messung kann das nicht. Die historische Bruchstelle war Apples App Tracking Transparency ab iOS 14.5: Ohne Zustimmung liefert der Werbe-Identifier IDFA seitdem nur noch Nullen, womit die geräteübergreifende Zuordnung in Apps weitgehend entfiel.

Als Antwort darauf hat sich serverseitige Messung etabliert: Die Meta Conversions API überträgt Ereignisse direkt vom eigenen Server, Googles Enhanced Conversions senden gehashte First-Party-Daten mit und gleichen sie mit eingeloggten Google-Konten ab. Beide erhöhen die Zahl der zugeordneten Conversions – und damit auch die Abweichung zu einem Analytics-System, das diese Signale nicht bekommt. Wie stark verbesserte Conversion-Daten die Auslieferung beeinflussen, zeigt der Beitrag zu Conversion-Daten und Ad-Delivery.

Warum zeigt GA4 weniger Conversions als Google Ads?

Der wichtigste Grund ist kein Messfehler, sondern eine unterschiedliche Buchungslogik: Google Ads ordnet eine Conversion dem Datum des Anzeigenklicks zu, Google Analytics 4 dem Datum der Conversion selbst. Kauft jemand zwölf Tage nach dem Klick, erscheint die Conversion in Google Ads rückwirkend am Klicktag, in GA4 dagegen am Kauftag. Solange man Wochen oder Monate vergleicht, fällt das kaum auf – bei Tagesvergleichen oder frisch beendeten Kampagnen führt es zu Differenzen, die sich mit jeder Nachmeldung noch verschieben.

Dazu kommen zwei weitere Effekte. Google Ads zählt auch View-Through-Conversions ohne jeden Klick, die GA4 keiner Kampagne zuordnen kann, weil es nie einen Websitebesuch aus der Anzeige gab. Und Google Ads berücksichtigt ausschließlich Interaktionen aus demselben Konto, während GA4 alle bezahlten und organischen Kanäle nach einheitlicher Logik gegeneinander abwägt. Google beschreibt diese Unterschiede in der eigenen Dokumentation und weist zusätzlich auf einen Verarbeitungsversatz von bis zu 48 Stunden hin.

Praktisch folgt daraus eine klare Regel: Vergleichen Sie niemals Tageswerte zwischen Werbekonto und Analytics, und schließen Sie den letzten Abrechnungszeitraum erst mit ein paar Tagen Abstand ab. Ein großer Teil der als „Tracking-Problem" gemeldeten Abweichungen löst sich allein dadurch auf.

Consent Mode v2 und modellierte Conversions: die DACH-Besonderheit

In der EU entscheidet die Einwilligung der Nutzer darüber, wie viele Conversions überhaupt gemessen werden können – und Google schließt die entstehende Lücke rechnerisch. Der Consent Mode ist eine Schnittstelle, über die das Verhalten der Google-Tags an die Entscheidung im Cookie-Banner gekoppelt wird. Version 2 ergänzte im November 2023 zwei Parameter, die getrennt regeln, ob Daten für Werbezwecke an Google übermittelt und ob personalisierte Anzeigen ausgespielt werden dürfen.

Wichtig für die Einordnung: Der Digital Markets Act ist im März 2024 in Kraft getreten, und Google hat seine Werbeprodukte in diesem Zuge angepasst. Eine gesetzliche Pflicht, technisch genau den Consent Mode einzusetzen, lässt sich aus der Google-Dokumentation aber nicht ableiten – dort wird die Anforderung mit der eigenen Einwilligungsrichtlinie begründet. Faktisch führt im EWR dennoch kaum ein Weg daran vorbei, weil ohne gültige Einwilligungssignale weder Personalisierung noch vollständige Messung stattfindet – ein Muster, das auch beim Umgang mit Third-Party-Cookies in Chrome zu beobachten war.

Modellierte Conversions sind Schätzungen für Conversions, die Google nicht direkt beobachten kann – etwa weil die Einwilligung fehlt. Google verwendet dafür nach eigener Beschreibung Daten, die keine einzelnen Nutzer identifizieren. Die Modellierung setzt eine korrekte Consent-Mode- oder IAB-TCF-Implementierung voraus und greift erst ab mindestens 700 Anzeigenklicks innerhalb von sieben Tagen je Land und Domain-Gruppierung. Diese Schwelle erklärt eine im DACH-Raum häufige Beobachtung: Kleinere Konten profitieren nicht von der Modellierung und weisen deshalb systematisch niedrigere Conversion-Zahlen aus als größere – bei identischer Kampagnenqualität.

Welche Plattform misst wie? Die Einstellungen im Vergleich

Die folgende Übersicht fasst die dokumentierten Werte der vier großen Plattformen zusammen. Alle Angaben sind pro Konto konfigurierbar und ändern sich mit Produkt-Updates – die Tabelle ersetzt deshalb nicht den Blick ins Werbekonto, sondern liefert den Ausgangspunkt für die Frage, woher eine Abweichung kommt.

Plattform	Klick-Fenster	View-Fenster	Besonderheit
Google Ads	Standard 30 Tage, je nach Conversion-Quelle 1–90 Tage einstellbar	Standard 1 Tag, bis zu 30 Tage einstellbar	Nur noch zwei Modelle: datengetrieben und letzter Klick
Meta Ads	Standard 7 Tage, alternativ 1 Tag	1 Tag, dazu 1 Tag Engagement	Wahl zwischen Standard- und Incremental-Attribution
TikTok Ads	Wählbar, je nach Setup 1 bis 28 Tage	Deaktivierbar oder 1 Tag, je nach Setup bis 7 Tage	Kein Standardwert dokumentiert; nach Veröffentlichung der Ad Group nicht mehr änderbar
LinkedIn Ads	Wählbar 1, 7, 30 oder 90 Tage; 365 Tage für bestimmte Conversion-Typen	Wählbar 1, 7, 30 oder 90 Tage	Last-Touch-Attribution; LinkedIn empfiehlt 90 Tage für Klick und View

Zwei Zeilen verdienen besondere Aufmerksamkeit. Bei TikTok fällt die Entscheidung vor dem Kampagnenstart und ist danach nicht mehr korrigierbar. Und bei LinkedIn zeigt die Möglichkeit von 365-Tage-Fenstern, dass im B2B die Rückspielung von CRM-Stufen wichtiger ist als jede Feinjustierung des Modells: Ein Lead, der heute entsteht und in fünf Monaten zum Abschluss führt, ist sonst in keinem Werbekonto sauber abgebildet.

Ein Reporting-Setup, das den Streit beendet

Die Lösung liegt nicht in besseren Plattform-Zahlen, sondern in einer klaren Rollenverteilung zwischen den Datenquellen. Jede Quelle bekommt genau eine Aufgabe, und keine Quelle muss mehr leisten, als sie kann. Die folgenden vier Schritte sind in wenigen Tagen umsetzbar und lösen den größten Teil der wiederkehrenden Diskussionen.

Schritt 1 und 2: Dokumentation und Nenner

Legen Sie zuerst eine schlichte Tabelle an, in der für jedes Werbekonto Conversion-Fenster, Attributionsmodell und die Behandlung von View-Conversions stehen – mit Datum der letzten Prüfung. Dieses Dokument beantwortet später die meisten Rückfragen, ohne dass jemand ins Konto klicken muss. Es ist außerdem die einzige Absicherung dagegen, dass eine stille Standard-Änderung monatelang unbemerkt bleibt.

Danach entscheiden Sie sich für eine einzige neutrale Zählbasis. Für E-Commerce ist das Shop-System die stärkste Wahl, weil dort jede Bestellung genau einmal existiert; im B2B ist es das CRM; Google Analytics 4 passt, wenn Sie kanalübergreifende Anteile brauchen und keine transaktionale Quelle verfügbar ist. Wichtig ist nur, dass es eine Basis gibt und nicht drei. Sauber gesetzte UTM-Parameter sind die technische Voraussetzung dafür, weil ohne konsistente Kanalkennzeichnung jede kanalübergreifende Auswertung auf Sand steht.

Schritt 3 und 4: Signale und Gegenprobe

Im Report stehen die Plattform-Zahlen anschließend nebeneinander, ausdrücklich als Kanal-Signale gekennzeichnet, und die Summe wird nicht gebildet. Die Differenz zur neutralen Basis wird nicht versteckt, sondern als eigene Zeile ausgewiesen – sie ist eine Information über die Kanalüberschneidung, kein Fehler. Teams, die das einmal so aufsetzen, diskutieren erfahrungsgemäß seltener über Zahlen und häufiger über Maßnahmen.

Für Budget-Entscheidungen zwischen Kanälen reicht das nicht. Hier hilft nur eine Methode, die nicht auf einzelnen User-Journeys beruht: ein Inkrementalitäts-Test, bei dem ein Kanal in einer Region oder Zielgruppe kontrolliert pausiert wird, oder Marketing-Mix-Modeling auf Basis aggregierter Zeitreihen. Google stellt mit Meridian ein quelloffenes Framework dafür bereit; wie ein solches Setup in der Praxis aussieht, behandelt der Beitrag zu Marketing-Mix-Modeling im Detail.

Wann lohnt sich welcher Aufwand?

Nicht jedes Unternehmen braucht Marketing-Mix-Modeling. Bei einem Media-Budget im niedrigen fünfstelligen Bereich pro Monat und zwei Kanälen kostet ein solches Modell mehr Aufwand, als die Erkenntnis wert ist; hier reichen dokumentierte Einstellungen, eine neutrale Zählbasis und gelegentliche Pausier-Tests. Sinnvoll wird der größere Aufwand erst, wenn drei Bedingungen zusammenkommen: mehrere Kanäle mit relevantem Budget, eine spürbare Lücke zwischen Plattform-Summe und tatsächlichem Umsatz und anstehende Budget-Verschiebungen von nennenswerter Größe. Dann ist die Gegenprobe billiger als die Fehlentscheidung.

Ein Hinweis aus der Praxis, der oft untergeht: Eine häufige Ursache für unerklärliche Abweichungen ist nicht die Attributionslogik, sondern doppelt ausgelöstes Tracking – etwa eine Conversion, die sowohl über den Tag Manager als auch serverseitig gemeldet wird. Bevor Sie Attributionsmodelle vergleichen, prüfen Sie deshalb, ob eine einzelne Testbestellung in jedem System genau einmal ankommt. Diese fünf Minuten ersparen manchmal eine ganze Analyse-Woche.

Mittelfristig kommt eine weitere Kategorie hinzu: KI-Agenten, die auf Websites handeln statt nur Seiten aufzurufen, erzeugen weder Impression noch Klick – aber Ergebnisse, die dem Marketing zuzurechnen sind. Wer bereits eine neutrale Zählbasis und dokumentierte Kanaldefinitionen hat, kann eine solche Kategorie ergänzen, ohne das Modell umzubauen; wie sich Marken für diese Ebene technisch öffnen, beschreibt der Beitrag zur Optimierung für KI-Agenten via WebMCP.

Häufig gestellte Fragen

Warum zählen Ad-Plattformen unterschiedlich viele Conversions?

Google Ads verwendet standardmäßig ein Klickfenster von 30 Tagen, Meta eines von 7 Tagen. Dazu kommen Unterschiede bei View-Conversions, Attributionsmodell und geräteübergreifender Zuordnung.

Darf man Conversions von Google und Meta addieren?

Nein. Berührt ein Nutzer beide Kanäle, reklamiert jede Plattform dieselbe Bestellung für sich. Cross-Channel-Berichte brauchen eine neutrale Zählbasis aus Shop, CRM oder Google Analytics 4.

Warum zeigt GA4 weniger Conversions als Google Ads?

Google Ads bucht auf das Klickdatum, GA4 auf das Conversion-Datum. Dazu zählt Google Ads View-Through-Conversions ohne Klick und kann Lücken modelliert ergänzen, die GA4 schlicht fehlen.

Was ist der Unterschied zwischen Click- und View-Attribution?

Click-Attribution schreibt eine Conversion nur einem Klick zu, View-Attribution auch der bloßen Ansicht. Beide Plattformen nutzen für View standardmäßig ein Fenster von einem Tag.

Was sind modellierte Conversions?

Schätzungen für Conversions, die Google wegen fehlender Einwilligung nicht direkt beobachten kann. Voraussetzung: korrekte Consent-Mode- oder IAB-TCF-Implementierung und mindestens 700 Anzeigenklicks in sieben Tagen je Land und Domain-Gruppierung.

Wie korrigiert man die Überzählung im Reporting?

Über eine neutrale Zählbasis statt einer Korrekturformel: eine einzige Quelle als Nenner, Plattform-Zahlen daneben als Signale, Differenz sichtbar lassen.

Welche Einstellung sollte man zuerst prüfen?

Conversion-Fenster und Attributionsmodell in jedem Werbekonto. Google unterstützt seit November 2023 nur noch datengetriebene und Last-Click-Attribution.

Fazit: Signale statt Buchhaltung

Attributionszahlen aus Werbekonten sind Signale über Kanalwirkung, keine Buchhaltung. Wer sie als Buchhaltung behandelt, addiert Conversions, die es nie gegeben hat, und verteilt Budget auf Basis einer Zahl, die im Unternehmen an keiner anderen Stelle existiert. Die Korrektur ist unspektakulär: eine neutrale Zählbasis, dokumentierte Einstellungen, getrennt ausgewiesene Signale.

Der erste Schritt kostet weniger als einen Tag: Prüfen Sie, ob eine Testbestellung in jedem System genau einmal ankommt, notieren Sie die tatsächlich eingestellten Conversion-Fenster aller Konten und legen Sie fest, welche Quelle künftig die Gesamtzahl liefert. Allein diese drei Handgriffe beenden die meisten wiederkehrenden Zahlendiskussionen. Wer darüber hinaus Budgets zwischen Kanälen verschieben will, braucht die Gegenprobe außerhalb der Plattform-Logik – die einzige Antwort auf die Frage, die am Ende wirklich zählt: Welcher Euro hat zusätzlichen Umsatz erzeugt, und welcher hat nur eingesammelt, was ohnehin passiert wäre?