ChatGPT Ads Performance messen

Du hast ChatGPT Ads vor drei Wochen scharfgeschaltet. Die Ausgaben steigen, das OpenAI-Dashboard zeigt ein paar magere Klick-Conversions, und gleichzeitig ist dein GA4-Topf "Direct" um ein paar Tausend Sitzungen pro Woche angeschwollen. Jemand kauft. Beweisen kannst du es nicht. Und deine Finanzabteilung will den ROAS von einem Kanal, der dir seinen eigenen ROAS nicht verrät.

Kurz gesagt: ChatGPT Ads wirken meist zeitversetzt. Der Kauf passiert später, über Markensuche oder einen Direktbesuch, also zählt klickbasierte Attribution zu wenig. Miss den Kanal stattdessen über Inkrementalität: ein Geo-Holdout, saubere UTM-Parameter an jedem Link, und eine Frage an die Käufer, wie sie dich gefunden haben.

Die Kernpunkte

• Die Klick-Conversion-Zahl der Plattform ist nur eine Untergrenze. Der ChatGPT-Pixel erfasst den Klick, verpasst aber die View-Through- und Post-Chat-Käufe, die den Großteil der Wirkung ausmachen.
• Ein Geo-Holdout ist die einzige Messung, die die Attributionslücke übersteht. Schalte Ads in einigen Regionen, lass sie in vergleichbaren Regionen aus, und lies die Differenz im Gesamtumsatz.
• Drei günstige Signale triangulieren, was der Pixel verliert: UTM-Tagging, eine Kaufabschluss-Frage "Wie hast du von uns erfahren?" und der Vergleich deiner Direktzugriff-Kurve mit deiner Ausgabenkurve.

Warum landen ChatGPT-Conversions als Direktzugriff?

Ein Gespräch ist kein Klick-Funnel. Jemand liest deine Anzeige mitten in einem Chat, vergleicht Optionen, fasst Kaufabsicht, schließt dann den Tab. Tage später kommt die Person zurück, tippt deine Marke in Google oder deine URL direkt in die Adresszeile. Dieser Besuch trägt keinen Referrer, also verbucht GA4 ihn als Direktzugriff oder Markensuche. Der ursprüngliche ChatGPT-Kontakt geht leer aus.

Das ist kein Tracking-Fehler, den du wegkonfigurierst. Es ist die Form des Kanals. Je mehr eine Fläche über das Gespräch wirkt statt über den harten Klick auf deine Seite, desto mehr Wirkung landet dort, wo deine Analytics kein Etikett vergibt. Wenn du ChatGPT Ads nur an den Sitzungen misst, die mit sauberem utm_source=chatgpt ankommen, misst du die kleine sichtbare Spitze und ignorierst den Teil, der den Käufer bewegt hat.

Kann der ChatGPT-Pixel das ganze Bild messen?

Zum Teil, und das ist Fortschritt. Der ChatGPT-Pixel und die Conversions-API erfassen Klick-Conversions, du bekommst also endlich Downstream-Events, die an einen Anzeigenklick gekoppelt sind. Setz den Pixel auf deine Kauf- und Anmeldeseiten, und du siehst eine Zahl, wo vorher nichts stand.

Diese Zahl hat aber eine bekannte Decke. Top Growth Marketing formuliert es so: Der Pixel "captures click-through; misses view-through and post-chat." Jemand kann deine Anzeige sehen, die Botschaft aufnehmen, den Chat beenden und eine Woche später kaufen, ohne dass irgendetwas den Verkauf zurückverknüpft. Behandle die gemeldeten Conversions als sichtbare Untergrenze. Baust du deinen ROAS-Fall allein auf dieser Zahl auf, sieht ein funktionierender Kanal wie ein Verlierer aus.

Wie misst du einen Kanal, der sich nicht selbst zählen kann?

Du hörst auf zu fragen "welche Conversions hat die Anzeige berührt?" und fragst stattdessen "wie viele Conversions mehr sind passiert, weil die Anzeige lief?" Das ist Inkrementalität, und sie ist der einzige Wert, der eine kaputte Attributionsspur übersteht.

Ein Geo-Holdout ist die sauberste Variante. Schalte ChatGPT Ads in einer Gruppe von Regionen, lass sie in vergleichbaren Regionen aus, und vergleiche den Gesamtumsatz zwischen beiden, egal über welchen Kanal die Käufe kommen. Top Growth Marketing nennt den Geo-Holdout "the cleanest implementation for brands with geographic distribution." Ehrlich wird der Test durch Vorab-Festlegung: Schreib deine Erfolgsmetrik, den nötigen Lift und das Zeitfenster auf, bevor du einen Euro ausgibst. Sonst redest du dir ein flaches Ergebnis hinterher schön.

Was geht heute schon ohne Geo-Holdout?

Drei Signale, gestapelt, weil jedes fängt, was die anderen verlieren.

Erstens UTM-Disziplin. Häng an jede Landingpage-URL utm_source=chatgpt und utm_medium=cpc, damit GA4 bezahlte ChatGPT-Sitzungen vom allgemeinen Direct-Klumpen trennt. Das schließt die Lücke der zeitversetzten Käufe nicht, isoliert aber die Klicks, die du sehen kannst.

Zweitens eine Kaufabschluss-Umfrage: ein einziges Feld "Wie hast du von uns erfahren?" auf der Bestätigungsseite holt die Conversions zurück, die die Attribution fallen lässt. Selbstberichtet und grob, klar. Aber auf einem Kanal ohne nachvollziehbare Spur schlägt ein grobes Signal ein fehlendes.

Drittens Korrelation. Trag dein Direct- und Markensuche-Volumen gegen die ChatGPT-Ausgabenkurve auf. Wenn du die Ausgaben hochziehst, bewegt sich die untrackbare Nachfrage mit, und sackt sie ab, wenn du pausierst? Keins davon ist für sich ein Beweis. Zusammen triangulieren sie.

Beurteile ihn am Umsatz, den du messen kannst

Die Falle bei jeder neuen Fläche ist, der Zahl zu glauben, die sie über sich selbst meldet. ChatGPT Ads verschärfen die Falle, denn die ehrliche Zahl steht gar nicht im Dashboard: Es ist der zusätzliche Umsatz, der unten im Funnel auftauchte, während die Ads liefen.

Die Gewohnheit, die dich hier rettet, ist dieselbe, die einen Meta-Test ehrlich liest. Entscheide am gemessenen Umsatz, nicht an der selbstgemeldeten Conversion-Zahl der Plattform. Genau darum geht es bei einer Ad-Auswertung, der du vertrauen kannst, wo ein Composite echten ROAS und Umsatz gewichtet statt irgendeiner Zahl, die ein Kanal dir hinhält. Es ist dasselbe Abgleich-Problem wie wenn deine Facebook-Conversions nicht zum Umsatz passen, nur gibt dir der Kanal hier kaum ein Signal, das du abgleichen könntest. Also bau die Messung selbst, und lass die Ausgaben dem Umsatz folgen, den du siehst.