Predictive Audiences (GA4)

Definition: Predictive Audiences in Google Analytics 4 sind automatisch generierte oder manuell konfigurierte Zielgruppen, die Nutzer auf Basis von maschinell berechneten Wahrscheinlichkeitswerten segmentieren – anstatt auf bereits eingetretenen Verhaltensweisen zu beruhen, orientieren sie sich an vorhergesagten zukünftigen Aktionen. Die zugrundeliegenden Predictive Metrics werden von Google-Machine-Learning-Modellen berechnet, die auf den aggregierten Verhaltensdaten der jeweiligen GA4-Property trainiert werden. Die drei primären prädiktiven Metriken sind die Kaufwahrscheinlichkeit (Purchase Probability), die Abwanderungswahrscheinlichkeit (Churn Probability) und der vorhergesagte Umsatz (Predicted Revenue). Auf Basis dieser Metriken lassen sich vordefinierte Predictive Audiences erstellen, etwa "Wahrscheinliche Käufer in den nächsten 7 Tagen", "Nutzer mit hohem Abwanderungsrisiko" oder "Nutzer mit hohem vorhergesagtem Umsatz". Diese Zielgruppen können direkt in Google Ads und weitere verknüpfte Werbeplattformen exportiert und dort für personalisiertes Remarketing, Gebotsanpassungen im Smart Bidding und Ausschluss bereits konvertierter Nutzer eingesetzt werden. Predictive Audiences sind ein erheblicher Wettbewerbsvorteil, weil sie proaktives Marketing ermöglichen: Anstatt Nutzer erst nach einem Abbruch oder einer Inaktivität anzusprechen, können Werbetreibende Nutzer erreichen, bevor sie eine für das Unternehmen relevante Entscheidung treffen – sei es ein Kauf oder die Abwanderung zur Konkurrenz.

Erläuterung

Predictive Audiences werden im GA4-Bereich "Audiences" erstellt. GA4 bietet dort vorgeschlagene Predictive Audiences, sobald die Voraussetzungen für die Modellberechnung erfüllt sind. Diese Voraussetzungen umfassen eine ausreichende Menge an E-Commerce-Ereignissen: Für die Kaufwahrscheinlichkeit benötigt GA4 mindestens 1.000 Nutzer, die in den letzten 28 Tagen das "purchase"-Ereignis ausgelöst haben, und mindestens 1.000 Nutzer, die in diesem Zeitraum keinen Kauf getätigt haben. Diese Mindestmengen stellen sicher, dass das Modell repräsentative Muster erlernen kann. Ob die Voraussetzungen erfüllt sind, zeigt GA4 in den Einstellungen der Predictive Metrics: Grüne Häkchen bedeuten, dass das Modell aktiv und einsatzbereit ist. Neben den vordefinierten Audiences können Analysten eigene Predictive Audiences konfigurieren, indem sie im Audience Builder eine Bedingung auf Basis einer Predictive Metric setzen, z. B. "Purchase Probability im obersten Quintil" (top 20% der Nutzer nach Kaufwahrscheinlichkeit). Die Aktualisierungsfrequenz der Predictive Audiences ist tagesbasiert: Das Modell berechnet täglich neue Wahrscheinlichkeitswerte und aktualisiert die Audience-Mitgliedschaft entsprechend. Nutzer, deren Wahrscheinlichkeitswert unter den definierten Schwellenwert fällt, werden automatisch aus der Audience entfernt; neue Nutzer mit steigender Wahrscheinlichkeit werden hinzugefügt. Diese Dynamik macht Predictive Audiences besonders effizient für Google-Ads-Smart-Bidding-Strategien, da sie kontinuierlich die qualitativ hochwertigsten Zielgruppen liefern. Ein kritischer Erfolgsfaktor ist die Qualität des E-Commerce-Trackings: Fehlerhafte oder unvollständige "purchase"-Ereignisse führen zu schlechteren Modellvorhersagen und unzuverlässigen Audiences.

Voraussetzungen und technische Anforderungen

• E-Commerce-Tracking mit "purchase"-Ereignis: Das GA4-Standardereignis "purchase" muss korrekt implementiert sein und regelmäßig ausgelöst werden; ohne Kaufdaten kann kein Kaufwahrscheinlichkeitsmodell trainiert werden.
• Mindestdatenvolumen: GA4 benötigt mindestens 1.000 kaufende und 1.000 nicht-kaufende Nutzer in einem Beobachtungszeitraum von 28 Tagen; kleine E-Commerce-Shops mit weniger als 1.000 monatlichen Transaktionen können Predictive Audiences möglicherweise nicht nutzen.
• Für Churn Probability: Die Abwanderungswahrscheinlichkeit erfordert zusätzlich regelmäßige wiederkehrende Nutzer, die in einem definierten Zeitraum aktiv waren und danach inaktiv wurden; rein transaktionale Websites ohne Stammnutzer profitieren weniger von dieser Metrik.
• Google-Signals-Aktivierung: Für eine breitere Datenbasis und bessere Modellqualität sollten Google Signals in der GA4-Property aktiviert sein; ohne Signals fehlen geräteübergreifende Nutzerdaten für das Machine-Learning-Modell.
• Verknüpfte Google-Ads-Konten: Um Predictive Audiences in Google Ads nutzen zu können, muss das Google-Ads-Konto mit der GA4-Property verknüpft sein und die Audience-Sharing-Einstellungen müssen aktiviert sein.

Anwendungsfälle für Predictive Audiences

• High-Purchase-Probability Remarketing: Nutzer mit hoher Kaufwahrscheinlichkeit in Google Search und Display mit spezifischen Angeboten, Produktempfehlungen oder Incentives ansprechen, um die ohnehin hohe Kaufneigung in einen tatsächlichen Abschluss zu konvertieren.
• Churn-Prevention-Kampagnen: Nutzer mit hoher Abwanderungswahrscheinlichkeit gezielt reaktivieren, bevor sie vollständig inaktiv werden – etwa mit Treueangeboten, personalisierten Empfehlungen oder Rückgewinnungs-E-Mails.
• Predicted-Revenue-Priorisierung: Budget und Gebote für Nutzer mit dem höchsten vorhergesagten Umsatz erhöhen; besonders wertvoll für Unternehmen mit stark variierendem Kundenwert (z. B. B2B-SaaS mit unterschiedlichen Plan-Tiers).
• Smart-Bidding-Signale: Predictive Audiences als Zielgruppen-Signale in Performance-Max- oder Smart-Shopping-Kampagnen verwenden, um dem Google-Algorithmus hochwertige Nutzer als Referenzgruppe zu übergeben.
• Ausschluss wahrscheinlicher Nicht-Käufer: Nutzer mit sehr niedriger Kaufwahrscheinlichkeit aus teuren Remarketing-Kampagnen ausschließen, um Streuverluste zu minimieren und das Budget auf konversionsnahe Nutzer zu konzentrieren.