Google AI Overviews (SGE) in GA4 tracken

Beim Klick auf ein Suchergebnis aus Googles AI Overviews (SGE) wird kein klassischer Referrer mitgegeben. Das liegt daran, dass Google diese Links clientseitig über JavaScript einbindet oder weiterleitet.

Mit unserem Tracking-Setup erfassen Sie:

• Ob ein Klick aus einem AI Overview auf ihre Webseite erfolgt ist (erkennbar am Textfragment in der URL)
• Welche Seite diesen Klick erhalten hat
• Welcher Ausschnitt des AI-Snippets übergeben wurde (max. ca. 100 Zeichen)

Wichtig: Es wird nicht getrackt, ob ein AI Overview tatsächlich eingeblendet wurde – sondern ausschließlich, ob ein Klick auf einen Link mit Textfragment (#:~:text=) erfolgt ist.

Diese Informationen helfen dabei, den tatsächlichen Einfluss von AI Overviews auf Ihre Websitebesuche messbar zu machen – auch ohne Zugriff auf klassische Referrer-Daten.

Mit einem einfachen Event-Setup erhalten Sie verwertbare Daten für Ihre Webanalyse.

Damit Sie Klicks aus AI Overviews identifizieren und analysieren können, haben wir bei Rheinwunder ein sauberes Tracking-Setup mit dem Google Tag Manager erstellt – bestehend aus:

• einer benutzerdefinierten JavaScript-Variable
• einem Seitaufruf-Trigger (mit Consent-Prüfung)
• einem GA4-Event inklusive übermittelter URL und Snippet-Text

Diese Variable extrahiert den übergebenen Snippet-Text aus dem Linkfragment, wenn vorhanden:

function() {
try {
// Holt alle geladenen Ressourcen und Navigationseinträge (inkl. URLs)
var entries = performance.getEntries();

// Array zum Speichern aller Einträge, die ein Textfragment enthalten
var filteredEntries = [];

// Durchlaufe alle Einträge im Performance-Objekt
for (var i = 0; i < entries.length; i++) { 
var match = decodeURIComponent(
filteredEntries[0].name.match(/#:~:text=(.*)/)[1]
);

// Bereinige den Text für GA4-Übergabe
var frag = match
.replace(/, /g, "") // Entfernt ", " (Komma + Leerzeichen)
.replace(/,/g, "…") // Ersetzt Kommas durch Auslassungszeichen
.replace(/\*/g, ", "); // Ersetzt Sternchen durch Kommas

// Rückgabe des bereinigten Snippets
return frag;

} else {
// Kein Fragment vorhanden → gib null zurück
return null;
}
} catch (error) {
// Bei Fehlern im Zugriff oder in der Logik → gib null zurück
return null;
}
}

• Was macht der Code?
  Textfragment (#:~:text=): Wird von Google verwendet, um gezielt Textstellen auf Zielseiten hervorzuheben.
• performance.getEntries(): Ermöglicht Zugriff auf URLs aus der Ladehistorie – auch wenn kein document.referrer gesetzt ist.
• Bereinigungsschritte sind optional – sie sorgen nur für bessere Lesbarkeit im Analytics-Bericht.

Trigger-Typ: Seitenaufruf
Bedingung: Variable „Textauszug aus Google AI“ ist nicht gleich null

Wichtig: Integrieren Sie Ihre Consent-Logik! Das Event darf nur gefeuert werden, wenn der Nutzer Google Analytics akzeptiert hat.

Die Analyse von Social-Media-Wettbewerbern ist ein zentraler Bestandteil jeder datengetriebenen Marketingstrategie. Doch wie zuverlässig ist ChatGPT Pro bei der Identifikation erfolgreicher Inhalte und Zielgruppen? Um das herauszufinden, wurde eine detaillierte Wettbewerbsanalyse durchgeführt und auf bekannte Webseiten angewandt. Als Datenbasis dienten diverse GA4-Exporte, Google Search Console (GSC) Daten sowie ergänzende Social-Media-Benchmarks. Ziel war es, fundierte Erkenntnisse über die aktuelle Performance von Inhalten, die relevantesten Zielgruppen und die besten Engagement-Strategien zu gewinnen.

• Erwartungen: Die KI-gestützte Analyse sollte aufzeigen, welche Social-Media-Inhalte am besten performen, welche Plattformen die höchste Interaktion erzielen und wie sich Zielgruppen in ihrem Nutzungsverhalten unterscheiden.
• Ergebnis: Die Daten lieferten wertvolle Einblicke in das Engagement-Verhalten verschiedener Nutzergruppen. Besonders auffällig war, dass interaktive und praxisnahe Inhalte besonders gut ankamen, während klassische Werbebotschaften geringere Interaktionsraten aufwiesen. Die größten Engagement-Raten wurden auf Instagram und Facebook erzielt, während andere Kanäle noch ungenutztes Potenzial zeigten. Zudem konnte die Analyse klar zeigen, dass organischer Social-Traffic in der Gesamtstrategie nur einen begrenzten Anteil ausmacht, während Paid-Strategien gezielt zur Reichweitensteigerung beitragen.
• Herausforderungen: Trotz der tiefgehenden Datenanalyse zeigte sich, dass einige vorgeschlagene Themen und Strategien nicht mit den vorgegebenen Rahmenbedingungen übereinstimmten. Die KI konnte zwar Muster in den Daten erkennen, jedoch nicht immer die strategische Relevanz bestimmter Themen und Zielgruppen exakt einordnen. Dies macht deutlich, dass eine rein datenbasierte Auswertung immer durch manuelle Interpretation ergänzt werden muss.

Fazit: ChatGPT Pro kann bei der Social-Media-Analyse wertvolle Unterstützung bieten, indem es Daten strukturiert, Muster erkennt und erste Handlungsempfehlungen liefert. Doch um diese Insights effektiv für eine nachhaltige Optimierung der Strategie zu nutzen, ist eine manuelle Bewertung und Anpassung unerlässlich. Die besten Ergebnisse entstehen durch die intelligente Kombination von automatisierter Datenauswertung und menschlicher Interpretation.