GA4 erweitert: Event-Tracking und Conversion-Funnels

Am 1. Juli 2023 stellte Google Universal Analytics die Datenerfassung endgültig ein. Morgens im Backend – die UA-Kurve brach ab – und eine Frage blieb: Wie nutzt man GA4 wirklich?

Wenn Sie wie ich von UA kamen, nur Basis-Tracking eingebaut haben und die GA4-Oberfläche verwirrt: Sie sind nicht allein. Viele Sites „laufen nackt“: Seitenaufrufe ja – aber welche Buttons, wie viel gelesen, wo Nutzer abspringen – fehlt.

Dieser Artikel erklärt nicht „was GA4 ist“, sondern Praxis: Event-Tracking für echtes Verhalten, Conversion-Funnels für Abbruchstellen und bei Bedarf BigQuery mit SQL. Wir starten mit den drei Event-Typen.

1. Drei Event-Typen in GA4

GA4 denkt anders als UA. UA: Session + Seitenaufruf. GA4: alles ist ein Event.

Konkret: Seitenaufruf, Klick, Video, Scroll bis 90 % – jedes Verhalten ist ein Event-Datensatz. Events sind aber nicht beliebig – Google unterteilt in drei Klassen.

1. Automatische Events (Enhanced Measurement)

Das „Gratis-Paket“ von GA4. Beim Datenstream ist Enhanced Measurement standardmäßig an und trackt 7 Interaktionen:

• Seitenaufruf (page_view)
• Scroll (scroll) – nur bei 90 % Scrolltiefe
• Outbound-Klicks (click)
• Interne Suche (search)
• Video (video_start, video_progress, video_complete)
• Dateidownload (file_download)
• Formulare (form_start, form_submit)

Klingt vollständig – aber: Scroll nur bei 90 %. Für „Artikel zu Ende gelesen“ oder 50 % / 75 % brauchen Sie GTM.

Empfehlung: Enhanced Measurement an lassen, aber nicht überschätzen. Es liefert Basisdaten; wertvolles Verhalten konfigurieren Sie selbst.

2. Empfohlene Events

Google definiert branchenspezifische empfohlene Events – E-Commerce: add_to_cart, purchase; Content: sign_up, login, share.

Vorteil: korrekter Name + Parameter → passende GA4-Berichte. Sie triggern nicht automatisch – Code oder GTM nötig, Namen/Parameter strikt nach Doku.

Blog-Beispiele:

Event	Szenario	Schlüsselparameter
sign_up	Registrierung/Abo	method
login	Login	method
share	Teilen	content_type, item_id

Ich tracke Abos mit sign_up. Einmal signUp (CamelCase) – GA4 ignoriert es. Empfohlene Events: snake_case, exakt.

3. Benutzerdefinierte Events

Nicht in der Google-Liste? Eigene Events – z. B. article_read_complete.

Freiheit mit Grenzen:

1. Parameter-Limit: max. 25 Custom-Parameter pro Event. Simo Ahava: darüber hinaus in BigQuery, in GA4-UI oft ignoriert.

2. Naming: Buchstaben, Ziffern, Unterstrich; mit Buchstabe starten; snake_case.

3. Verzögerung: Berichte können 24–48 h brauchen – nicht sofort „kaputt“ annehmen.

Priorität: einfache Entscheidungsfolge

1. Enhanced Measurement – wenn es reicht, nichts Neues bauen
2. Empfohlene Events – Spezifikation einhalten, Berichte gratis
3. Custom – nur bei echtem Mehrbedarf (höherer Pflegeaufwand)

Für viele Blogs reichen Enhanced Measurement + wenige empfohlene Events. Custom ist für tiefe Analyse.

2. Event-Tracking in der Praxis

Zwei Wege: Google Tag Manager (GTM) oder gtag.js im Seitencode. Ich empfehle GTM – Trigger ändern ohne Redeploy.

GA4-Event per GTM: vier Schritte

Beispiel: „Artikel vollständig gelesen“.

Schritt 1: GA4-Event-Tag

GTM → neues Tag → Google Analytics: GA4 Event, Measurement ID, Event-Name article_read_complete.

Schritt 2: Trigger

Wann feuern? Hier: Scroll 90 %. Trigger-Typ Scroll Depth, Vertical Scroll Depths = 90 %.

Detail: Fortschrittsbalken oben kann Scroll-Events spammen. Lösung: pro Nutzer und Artikel nur einmal triggern.

Schritt 3: Event Parameters

Welcher Artikel, Kategorie, Autor?

Parameter	Wert	Hinweis
article_title	{{Page Title}}	Seitentitel
article_category	{{Custom JS Variable}}	per JS aus DOM/Meta
reading_time	{{Custom JS Variable}}	geschätzte Lesezeit

Typen konsistent: reading_time immer Zahl – nicht mal 5, mal "5 Minuten".

Schritt 4: Debug

Vor Publish: GTM Preview, Seite scrollen, in GA4 Configure > DebugView prüfen. Kein Event → Trigger; Event ohne Parameter → Variablen.

Alternative: gtag.js direkt

Statische Sites (Astro, Hugo) ohne GTM:

// Nach Seitenload
window.addEventListener('load', function() {
  window.addEventListener('scroll', function() {
    var scrollPercent = (window.scrollY / (document.body.scrollHeight - window.innerHeight)) * 100;
    if (scrollPercent >= 90 && !window.articleReadTracked) {
      window.articleReadTracked = true;
      gtag('event', 'article_read_complete', {
        'article_title': document.title,
        'article_category': document.querySelector('meta[name="category"]')?.content || 'unknown',
        'reading_time': parseInt(document.querySelector('meta[name="reading-time"]')?.content || 0)
      });
    }
  });
});

Gleiche Logik wie GTM – Änderungen erfordern Deploy.

Typische Fehler (aus Erfahrung)

Fehler 1: inkonsistente Event-Namen
articleReadComplete, article-read-complete, article_read_complete = drei Events in GA4. Einheitlich snake_case.

Fehler 2: gemischte Parametertypen
reading_time: 5 vs. "5 minutes" vs. true – GA4 behandelt das als verschiedene Parameter.

Fehler 3: Consent Mode v2
EU + Consent: bei Ablehnung fehlen Events – Berichte „schrumpfen“, kein Config-Bug.

Fehler 4: reservierte Namen
page_view, session_start, first_visit nicht als Custom-Events missbrauchen. Parameter-Reserved-Liste in der Doku prüfen.

Blog-Events: Praxisliste

Verhalten	Event	Parameter
Artikel gelesen	article_read_complete	article_title, category, author
Kommentar	comment_submit	article_title, comment_length
Abo-Klick	newsletter_click	button_location, article_title
Inhaltsverzeichnis	toc_click	section_title, article_title

Damit sehen Sie echtes Blog-Verhalten – als Nächstes: Funnels.

3. Conversion-Funnels

Events liegen vor – jetzt die Frage: Wie viele gehen vom ersten Besuch bis zum Ziel – und wo brechen sie ab?

Funnel Exploration in GA4 ist flexibler als UA: eigene Schritte, Segmente, Zeit bis Conversion.

Ersten Funnel anlegen

GA4 → Explore > Funnel Exploration. Bis 10 Schritte – Blogs reichen oft 4–5.

Beispiel Abo-Funnel:

1. Artikel (page_view, page_location enthält /posts/)
2. Abo-Seite (page_view, page_location enthält /subscribe)
3. Formular (newsletter_signup)
4. E-Mail geöffnet (email_opened) – mit Mail-Tool

Pro Schritt: einfache, klare Bedingungen – sonst wird der Funnel unlesbar.

Abbruchstellen lesen

Schritt	Nutzer	Rate (von vorherigem)
Artikel	10000	-
Abo-Seite	800	8 %
Formular	240	30 %
E-Mail	180	75 %

Größter Drop: Artikel → Abo-Seite (8 %). Einstieg zur Abo-Seite zu schwach. Zweiter Drop: Abo-Seite → Formular (30 %) – Formular oder Value Proposition.

Dann Segmente: wer bricht wie ab?

Segmente: wer verliert sich?

• Neu vs. wiederkehrend – Neu oft niedriger (noch kein Vertrauen)
• Mobile vs. Desktop – Formulare auf Mobile schwächer
• Kanal – Suche vs. Social

Beispiel Abo-Funnel:

Schritt	Neu	Wiederkehrend
Artikel → Abo	5 %	15 %
Abo → Formular	25 %	40 %

Neue Nutzer: 5 % zur Abo-Seite – Einstieg unsichtbar. Lösung bei mir: Abo-Karte am Artikelende → 5 % → 12 %.

Open Funnel

Standard: linear – nur strikte Reihenfolge zählt. Realität: Abo direkt im Artikel, ohne /subscribe.

Open Funnel: Schritte ohne Zwang-Reihenfolge – zeigt atypische Pfade. Bei mir: 15 % Abos ohne Abo-Landing – Footer im Artikel schlägt eigene Abo-Seite. Fokus auf Footer-UX statt nur Abo-Seite.

Funnel-Fallstricke

Nur End-Conversion – Zwischenschritte sind der Hebel, nicht nur „1,8 % gesamt“.

Zeit ignorieren – „Lesen → Kauf“ in 7 Tagen = langer Entscheidungszyklus; Vertrauen/Nurturing anpassen.

Zu wenig Daten – Dutzend Nutzer pro Schritt = instabile Raten; hunderte pro Schritt für belastbare Analyse.

4. BigQuery-Export

Alles bisher in der GA4-UI. Limit: bei großem Traffic Stichproben in Berichten – für exakte Conversion-Mixe mit vielen Dimensionen unzuverlässig.

BigQuery = Vollbestand per SQL.

Einrichtung in drei Schritten

1. BigQuery-Projekt
Google Cloud Console, BigQuery API, Free Tier: 10 GB Speicher, 1 TB Queries/Monat – für Blogs meist genug.

2. Verknüpfung in GA4
Verwaltung → BigQuery Linking → Projekt, Frequenz:

• Daily – Vortag, stabil für Trends
• Streaming – nahezu live

Beides aktivieren ist sinnvoll.

3. Warten
Export startet innerhalb ~24 h. Keine Historie: nur ab Verknüpfung – früh einrichten.

Datenmodell

Tägliche Tabelle events_YYYYMMDD, z. B. events_20260429.

Feld	Bedeutung
event_name	z. B. page_view, article_read_complete
event_timestamp	Mikrosekunden Unix
user_pseudo_id	anonyme User-ID
event_params	verschachtelt – per SQL UNNEST
geo	Land, Stadt
device	Browser, OS, Gerätetyp

SQL-Beispiele

Unique User für ein Event:

SELECT
  COUNT(DISTINCT user_pseudo_id) as unique_users
FROM `your-project.analytics_123456789.events_*`
WHERE event_name = 'article_read_complete'
  AND _TABLE_SUFFIX BETWEEN '20260401' AND '20260429'

Parameter-Verteilung:

SELECT
  param.value.string_value as article_category,
  COUNT(DISTINCT user_pseudo_id) as users
FROM `your-project.analytics_123456789.events_*`,
UNNEST(event_params) as param
WHERE event_name = 'article_read_complete'
  AND param.key = 'article_category'
  AND _TABLE_SUFFIX BETWEEN '20260401' AND '20260429'
GROUP BY article_category
ORDER BY users DESC

GA4-UI vs. BigQuery

Szenario	GA4	BigQuery
Tages-Traffic	✓	-
Funnel	✓	-
>4 Dimensionen	-	✓
Exakte Raten ohne Stichprobe	-	✓
Export nach Looker/Python	-	✓
Live (heute)	Streaming	Streaming

Alltag: GA4-Oberfläche; Tiefe: BigQuery.

Kosten

Abrechnung nach verarbeiteten Daten. Sparen:

1. _TABLE_SUFFIX für Datumsrange
2. frühes WHERE-Filtern
3. Materialized Views für wiederkehrende Queries

Mein Blog: ~1 GB/Monat, <100 GB Queries – im Free Tier.

5. GA4 vs. UA für Umsteiger

Nicht nur neues UI – andere Logik. Gewohnte UA-Konzepte fehlen oder heißen anders.

Event-Modell vs. Session-Modell

UA: Session als Kern – mehrere Pageviews/Events pro Besuch.
GA4: Event als Atom – Session ist Event-Menge.

UA: Sessions, Pages/Session. GA4: Events, Users, User Journey – Vormittag + Nachmittag = ein User, zwei Besuche, nicht zwei „getrennte Welten“.

Engagement Rate vs. Bounce Rate

UA-Bounce: eine Seite = Absprung – auch 10 Minuten Lesen auf einer Seite.

GA4 Engagement Rate: >10 s, Conversion-Event oder ≥2 Seiten = engagiert. Engagement Rate = engagierte Sessions / alle Sessions.

Nicht 1:1 mit UA-Bounce vergleichen.

Data Streams vs. Views

UA-Views mit Filtern (nur DE, ohne interne IPs). GA4: Data Streams (Web, iOS, Android) – keine multiplen gefilterten Views wie UA.

Property Filters ersetzen Views teilweise – schwächer. Wer UA-Views für Daten-Trennung nutzte: BigQuery + Looker Studio oder neue Architektur planen.

Goals → Conversion Events

UA-Goals → GA4 Conversion Events. Nur „Event passiert“ – Seiten-Conversion = page_view als Event, dann als Conversion markieren.

Migration: UA-Goals listen, in GA4-Events mappen – sonst bricht die Conversion-Linie.

Fazit

Kurz die vier Bausteine:

1. Events: automatisch → empfohlen → custom
2. Funnel: Abbruch finden, segmentieren, Open Funnel
3. BigQuery: früh verknüpfen, keine Historie
4. Mindset: UA-Metriken nicht 1:1 auf GA4 pressen

Eine Sache sofort: Enhanced Measurement prüfen, 3–4-Schritt-Funnel für Ihren Abo-/Ziel-Flow bauen.

Daten sagen nicht die Lösung – aber wo das Problem liegt. Den Rest lösen Sie im Produkt und Content.

---

Quellen

• Set up events | Google Analytics | Google for Developers — GA4-Event-Dokumentation
• Recommended events - Analytics Help — Empfohlene Events
• Enhanced measurement events - Analytics Help — Automatische Events
• Funnel Exploration Report in GA4 - Analytics Mania — Funnel-Bericht
• GA4 BigQuery Export Schema Tutorial - Optimize Smart — BigQuery-Schema