Was ein Funnel-Report leistet, und was nicht
Ein Funnel-Report (deutsch: Trichteranalyse) bildet den Pfad ab, den Besucher vom ersten Anzeigenklick bis zur Conversion durchlaufen. Er zeigt an jedem Übergang zwischen zwei Schritten wie viele Nutzer weiterkommen, und wie viele abspringen.
Was er nicht ist: ein automatisches Optimierungs-Tool. Er zeigt wo das Problem liegt, aber warum muss man selbst herausfinden. Das ist der Unterschied zwischen einem guten und einem oberflächlichen Analyse-Ansatz.
Wer nur auf Conversion-Kosten (Cost per Conversion) optimiert, sieht den Fehler nicht, weil er die falsche Metrik misst. Der Funnel zeigt in welchem Schritt Budget verbrannt wird bevor es überhaupt zur Conversion-Chance kommt.
Die vier kritischen Funnel-Schritte bei Google Ads
Für lokale Dienstleister und Handwerker gibt es einen klar definierten Standardpfad:
Anzeige gesehen → Landingpage aufgerufen
Der erste Drop-off passiert hier. Wer auf eine Anzeige klickt aber die Seite sofort schließt, hat das Signal "irrelevant" gesendet. Hohe Absprungrate in diesem Übergang = Anzeige und Seite passen nicht zusammen (Message Match Problem).
Landingpage → Formular-Interaktion (Anfrage-Seite aufgerufen)
Wer die Seite liest aber kein Formular aufruft, war nicht überzeugt oder hat die Seite nicht für sich relevant gehalten. Drop-off hier = Content-Problem, fehlender CTA, Vertrauensproblem oder falsche Zielgruppe.
Formular geöffnet → Formular abgesendet
Der teuerste Drop-off: Nutzer war interessiert genug um das Formular aufzurufen, hat aber nicht abgesendet. Ursachen: zu viele Felder, Datenschutz-Bedenken, technischer Fehler, schlechte Mobile-UX, fehlendes Vertrauen beim Absenden.
Formular abgesendet → Danke-Seite
Wer das Formular abschickt aber die Danke-Seite nicht erreicht, hat einen technischen Fehler getroffen oder das Formular ist doppelt abgefeuert. Drop-off hier zeigt fast immer ein technisches Problem.
GA4 Funnel einrichten, Schritt für Schritt
Schritt 1: Voraussetzung, die richtigen Events
GA4 braucht für jeden Funnel-Schritt ein Event das bei diesem Schritt ausgelöst wird. Standardmäßig trackt GA4 page_view für jeden Seitenaufruf, das reicht für die meisten Funnel-Schritte.
Du brauchst mindestens diese Events:
- page_view auf der Landingpage (automatisch vorhanden)
- page_view auf der Anfrage-Seite
/anfrage(automatisch, wenn du diese Seite hast) - form_start oder eigenes Event wenn das Formular auf derselben Seite liegt
- page_view auf der Danke-Seite
/danke(automatisch)
Wenn du kein separates /anfrage hast, brauchst du ein Custom Event das beim Formular-Aufrufen feuert. Das lässt sich über Google Tag Manager mit einem "Element Visibility" Trigger umsetzen: sobald das Formular-Element sichtbar wird, Event form_visible feuern.
Schritt 2: Explorative Analyse öffnen
In GA4: Erkunden → Trichteranalyse (oder englisch: Explore → Funnel Exploration). Hier erstellst du einen neuen Exploration-Report.
- Klicke auf "Erkunden" in der linken Sidebar
- Wähle "Trichteranalyse" aus den Report-Templates
- GA4 legt einen leeren Funnel mit Beispiel-Schritten an
Schritt 3: Funnel-Schritte definieren
Für den Standard Google Ads Funnel konfigurierst du vier Schritte:
| Schritt | Event-Bedingung | Filter |
|---|---|---|
| 1, Landingpage | page_view | page_location enthält /deine-landingpage |
| 2, Anfrage-Seite | page_view | page_location enthält /anfrage |
| 3, Formular geöffnet | form_start oder form_visible | (kein Filter wenn Event spezifisch genug) |
| 4, Danke-Seite | page_view | page_location enthält /danke |
Wähle offener Funnel (Open Funnel) wenn du realistischen Traffic analysierst. Ein geschlossener Funnel zählt nur Nutzer die Schritt 1 in dieser Session zum ersten Mal durchlaufen, das unterschätzt die echte Conversion-Rate erheblich bei Nutzern die die Seite schon kennen.
Schritt 4: Zeitraum und Segmentierung
Wichtige Einstellungen:
- Zeitraum: Mindestens 30 Tage für statistisch belastbare Daten. Kürzer = zu viel Rauschen.
- Segment "Paid Traffic": Schränke den Funnel auf Google Ads Traffic ein (Session-Quelle enthält "cpc" oder "google / cpc"). So siehst du nicht den organischen Traffic der tendenziell besser konvertiert und die Zahlen verfälscht.
- Gerät: Erstelle separate Segmente für Mobile und Desktop, die Drop-off-Raten unterscheiden sich oft drastisch.
Drop-off analysieren, was bedeuten die Zahlen?
Wenn der Funnel läuft, siehst du für jeden Schritt die Abschlussrate und den Drop-off. Hier die Referenzwerte für lokale Dienstleister:
| Übergang | Gut | Akzeptabel | Problem |
|---|---|---|---|
| Landingpage → Anfrage aufgerufen | > 35% | 20–35% | < 20% |
| Anfrage → Formular geöffnet | > 60% | 40–60% | < 40% |
| Formular geöffnet → Danke-Seite | > 55% | 35–55% | < 35% |
| Landingpage → Danke (gesamt) | > 8% | 4–8% | < 4% |
Sie variieren je nach Branche, Keyword-Intent, CPC und Wettbewerbssituation. Wichtiger als absolute Zahlen ist der Trend: sinkt ein Übergang über Zeit, gibt es eine ursächliche Änderung (neue Anzeige, Formular-Update, saisonale Veränderung).
Die drei häufigsten Drop-off-Diagnosen
Problem 1: Massiver Drop-off Schritt 1→2 (Landingpage verlassen)
Wenn > 80% nach der Landingpage abspringen, gibt es fast immer eines dieser Probleme:
- Message Mismatch: Die Anzeige verspricht "Notdienst 24/7", die Seite sieht aus wie eine allgemeine Firmenwebsite ohne klares Angebot.
- Ladezeit: Jede Sekunde Ladezeit kostet 7–20% Conversion-Rate auf Mobile. Mit PageSpeed Insights prüfen.
- Falscher Traffic: Broad Match Keywords bringen Besucher die gar keinen Notdienst suchen. Im Funnel segment-spezifisch nach Keyword-Typ filtern.
- Click Fraud: Bot-Traffic der die Seite aufruft aber sofort wieder verlässt. Erkennbar durch: extrem hoher Drop-off zu bestimmten Tageszeiten, Spikes aus einzelnen Regionen, keine einzige Interaktion.
Problem 2: Drop-off am Formular
Wer das Formular aufruft aber nicht abschickt, hatte Interesse aber nicht genug Vertrauen oder Motivation. Typische Ursachen:
- Zu viele Pflichtfelder: Mehr als 5 Felder = erheblicher Drop-off. Name, Telefon, Nachricht reicht für einen ersten Kontakt.
- Mobile UX: Felder zu klein, Keyboard überlagert den Absende-Button, kein Autofill.
- Vertrauens-Lücke: Kein Impressum sichtbar, keine Telefonnummer als Alternative, keine Trust-Signale über dem Formular.
- Technischer Fehler: Formular gibt keine Fehlermeldung wenn ein Feld falsch ausgefüllt ist, Nutzer denkt das Absenden hat nicht funktioniert.
Setze ein Event das feuert wenn der Nutzer anfängt zu tippen (Form Input Event). Wenn viele Nutzer mit Tippen anfangen aber nicht absenden, ist das Formular das Problem, nicht der Content davor. Wenn sie gar nicht anfangen zu tippen, liegt das Problem auf der Seite selbst.
Problem 3: Drop-off zwischen Formular-Absenden und Danke-Seite
Das ist fast immer technisch. Mögliche Ursachen:
- Formular sendet POST-Request aber die Redirect-URL ist falsch konfiguriert
- GA4 Event für Danke-Seite feuert nicht (z. B. weil der Pageview-Tag fehlt oder der Pfad falsch ist)
- Nutzer schließt Seite genau in dem Moment wo das Formular geladen wird (selten aber möglich)
- Doppel-Submission: Formular wird zweimal abgesendet, nur die erste Submission zählt in GA4
Segmentierung nach Gerät, ein Pflicht-Schritt
Einer der häufigsten Fehler ist es den Funnel nur als Gesamtzahl zu lesen. Mobile und Desktop verhalten sich grundlegend unterschiedlich:
| Metrik | Desktop | Mobile | Was das bedeutet |
|---|---|---|---|
| Ø Sitzungsdauer | 3–5 Min. | 1–2 Min. | Mobile Nutzer entscheiden schneller |
| Formular-Completion | 40–60% | 20–40% | Mobile UX entscheidend |
| Telefon-Klick-Rate | 5–8% | 25–40% | Mobile Nutzer rufen lieber an |
| Bounce Rate | 30–50% | 60–80% | Ladezeit-Abhängigkeit |
Konsequenz: Wenn du nur ein Formular als Conversion-Ziel hast, verlierst du einen Großteil deiner Mobile-Conversions. Für lokale Dienstleister ist der Telefon-Klick oft genauso wertvoll wie eine Formular-Anfrage, und sollte als separate Conversion mitgetrackt werden.
Click Fraud im Funnel erkennen
Ein gut eingerichteter GA4 Funnel ist gleichzeitig ein Fraud-Detektor. Bot-Traffic hinterlässt charakteristische Muster die sich von echtem Traffic unterscheiden:
- Extremes Drop-off in Schritt 1: Wenn > 95% der Klicks keine einzige weitere Interaktion hinterlassen, ist das ein starkes Fraud-Signal.
- Tageszeit-Muster: Klick-Spikes zwischen 2:00 und 5:00 Uhr mit 0% Funnel-Fortschritt, außerhalb normaler Nutzerzeit, kein einziger Call oder Formular-Start.
- Gerätekategorie "other" oder "tablet" mit 0% Conversion: Oft Bots die sich als Tablets ausgeben.
- Sehr kurze Sitzungsdauer (< 3 Sekunden) bei gleichzeitig perfektem Event-Feuern: Skript-Traffic der Events simuliert aber keine echte Interaktion zeigt.
Shield blockt Fraud-Traffic bevor er auf die Landingpage trifft, nicht erst im Nachhinein. Das bedeutet die GA4-Daten die du siehst sind bereinigt: kein Bot-Rauschen das die Drop-off-Raten verfälscht. Der Funnel zeigt dann echte Nutzerprobleme statt Fraud-Artefakte.
Microconversions: Mehr Datenpunkte für den Algorithmus
Google Ads braucht Conversion-Signale um den Bidding-Algorithmus zu trainieren. Problem: Bei weniger als 30–50 Conversions pro Monat lernt der Algorithmus zu langsam. Microconversions sind Zwischenziele die diesem Problem begegnen:
| Microconversion | Event-Name | Wert für Algorithmus |
|---|---|---|
| 30 Sekunden auf Seite verbracht | engagement_30s | Zeigt Interesse ohne Action |
| Scrollen bis zum Formular | scroll_to_form | Klare Intent-Signale |
| Telefonnummer angeklickt | click (outbound tel:) | Häufig vergessene Conversion |
| Formular-Feld befüllt | form_start | Starkes Kaufsignal |
| Formular abgeschickt | form_submit / generate_lead | Haupt-Conversion |
In GA4: Diese Events als Conversions markieren (mit niedrigerem Bidding-Wert als die Haupt-Conversion). Der Algorithmus lernt dadurch auch von Nutzern die fast konvertiert haben, und versteht welche Keywords, Anzeigen und Zielgruppen echte Kaufabsicht mitbringen.
Microconversions haben niedrigere Werte als die Haupt-Conversion. Empfehlung: Haupt-Conversion = 1 relativer Wert, Microconversions 0.1–0.3. Sonst optimiert Google auf billige Microconversions statt auf echte Leads.
Der vollständige Analyse-Workflow
Wie sieht eine systematische Funnel-Analyse in der Praxis aus? Das ist der Prozess den ich bei jedem Mandaten einsetze:
- Baseline aufnehmen: Funnel für die letzten 90 Tage auswerten, alle Übergänge dokumentieren. Das ist die Ausgangsbasis.
- Segment vergleichen: Mobile vs. Desktop, Paid vs. Organic, Neue Nutzer vs. Wiederkehrende. Wo gibt es signifikante Unterschiede?
- Stärksten Drop-off identifizieren: In welchem Übergang verlierst du anteilig die meisten Nutzer? Dort liegt das größte Potenzial.
- Hypothese formulieren: "Der Drop-off bei Schritt 2→3 auf Mobile liegt daran, dass das Formular auf kleinen Bildschirmen unter dem Fold liegt und schwer zu bedienen ist."
- Maßnahme umsetzen und testen: Eine Änderung auf einmal. Formular-Position oder Mobile-UX verbessern. Nie mehrere Dinge gleichzeitig ändern, dann weißt du nicht was geholfen hat.
- Nach 14–21 Tagen neu auswerten: Hat sich der Drop-off verbessert? Wenn ja: nächsten Engpass angehen. Wenn nein: Hypothese überprüfen.
Was dieser Ansatz von Standard-Reporting unterscheidet
Die meisten Google Ads Reports zeigen: Impressionen, Klicks, Cost per Click, Conversions, Cost per Conversion. Das ist nützlich, aber unvollständig. Der Funnel-Ansatz fügt eine Dimension hinzu die Standard-Reports nicht haben:
Er zeigt was nach dem Klick passiert.
Das ist relevant weil Google Ads die Kosten steuert bevor der Nutzer auf deiner Seite ist. Ob er dann konvertiert, liegt außerhalb von Google Ads, auf deiner Seite, deinem Formular, deinem Angebot. Der Funnel ist das Bindeglied zwischen "Kampagne funktioniert technisch" und "Kampagne bringt Umsatz".
Wer nur Cost per Conversion optimiert, optimiert auf dem falschen Level. Wer Funnel-Schritte einzeln verbessert, kann bei gleichem Budget 2–3x mehr Leads herauslösen, weil er an der richtigen Stelle ansetzt.