Der Shopping-Suchbegriffe-Report, den Google Ihnen nicht gibt

Fügen Sie Ihren Shopping- und Performance-Max-Kampagnen einen URL-Parameter hinzu, und binnen einer Woche liefert Ihnen GA4 den Report, den Google still und leise abgeschafft hat: jeder bezahlte Klick gepaart als Anfrage × Produkt — mit Sitzungen, Konversionen und Umsatz dabei. Genau in diesem Paar versteckt sich das Geld — welche Produkte Müll-Traffic anziehen, welche Titel echte Nachfrage verfehlen, welche Anfragen Budget verbrennen und nie verkaufen. Der ganze Aufbau ist dieser eine Parameter; der Rest des Artikels handelt davon, was Sie mit dem machen, was zurückkommt.

Wenn Sie Shopping- oder Performance-Max-Kampagnen betreiben, kennen Sie den Suchbegriffe-Report. Was Ihnen vielleicht nicht aufgefallen ist — weil Google nie darauf hinweist — ist, was darin fehlt: das Produkt.

Sie sehen, dass jemand „kabelloser staubsauger unter 200” suchte. Sie sehen Klicks und Kosten. Sie sehen nicht, welches Ihrer 5.000 Produkte diese Anfrage auslöste, auf welchem sie landete oder welches sie verkaufte.

Vor Jahren gab Ihnen die AdWords API diese Paarung. Heute tut sie es nicht. Und für ein E-Commerce-Konto ist das keine kosmetische Lücke — Query-zu-Produkt ist, wo die echte Optimierung lebt: ob Ihre Titel zur echten Nachfrage passen, welche Produkte Müll-Traffic anziehen, warum ein Produkt Klicks bekommt, aber nie konvertiert.

Bevor Sie fragen: nein, es gibt keine Einstellung dafür. Kein Report, kein API-Feld, kein Script, das es von Googles Seite zurückholt. Sie müssen es selbst neu bauen — und der Nachbau ist fast peinlich einfach.

Der Fix: ein Parameter, zwei GA4-Dimensionen

Auto-Tagging und das manuelle UTM bekämpfen einander nicht: gclid handhabt weiterhin Quelle, Medium und Kampagne; Ihr UTM trägt nur die Produkt-ID.

Wissen Sie, was Sie bekommen (und was nicht)

Den Report aus GA4 ziehen

Im UI: Explorativ → Freie Form. Dimensionen: Manueller Anzeigeninhalt der Sitzung + Google Ads-Suchanfrage der Sitzung. Metriken: Sitzungen, Conversions, Kaufumsatz. Filter: Quelle/Medium der Sitzung = google / cpc.

Via Data API — für alles Ernsthafte speist das ein Dashboard oder einen BigQuery-Join:

from google.analytics.data_v1beta import BetaAnalyticsDataClient
from google.analytics.data_v1beta.types import (
    RunReportRequest, DateRange, Dimension, Metric, FilterExpression, Filter
)

request = RunReportRequest(
    property=f"properties/{GA4_PROPERTY_ID}",
    dimensions=[
        Dimension(name="sessionManualAdContent"),  # product ID
        Dimension(name="sessionGoogleAdsQuery"),    # search term
    ],
    metrics=[
        Metric(name="sessions"),
        Metric(name="conversions"),
        Metric(name="purchaseRevenue"),
    ],
    date_ranges=[DateRange(start_date="30daysAgo", end_date="today")],
    dimension_filter=FilterExpression(filter=Filter(
        field_name="sessionSourceMedium",
        string_filter=Filter.StringFilter(value="google / cpc"),
    )),
)

Joinen Sie sessionManualAdContent gegen Ihren Produkt-Feed (id → Titel, Preis, Kategorie), und der Report ist komplett: Query × Produkt × Titel × Ökonomie.

Verifiziert, nicht theoretisiert

Wir deployten das auf einem Live-Konto — einem tschechischen Elektronikhändler mit 22 aktivierten Shopping-Kampagnen — und prüften GA4 sieben Tage später:

Jetzt der spaßige Teil: was die Paare Ihnen sagen

1 · Die Titel-Lücke

Stellen Sie die Anfragen neben den Titel und die Beschreibung, die sie auslösten. Der Mismatch springt heraus:

Die Feed-Roadmap schreibt sich selbst. Und hier hört KI-Feed-Anreicherung auf, ein Vertrauenssprung zu sein, und wird zu einer messbaren Schleife: schreiben Sie den Titel um die Nachfrage herum, die Sie gerade bewiesen haben, und beobachten Sie dann, wie sich CTR und Conversion Rate pro Anfrage bewegen.

2 · Wer noch auf „Ihrer” Anfrage ist — und mit welchem Produkt

Eine Sache, die Sie nicht tun können: Negative Keywords pro Produkt hinzufügen. Google gibt Ihnen keinen solchen Hebel in Shopping oder PMax. Wenn ein Query-×-Produkt-Paar also unterperformt, ist die Frage nicht „wie schließe ich es aus” — es ist „warum unterperformt es”.

Nehmen Sie die Anfrage und scrapen Sie die Live-Ergebnisseite dafür. Konkret: DataForSEO, Endpoint serp/google/organic/live/advanced — ein POST mit dem Anfragetext und dem location_code Ihres Marktes, und Sie bekommen die ganze Ergebnisseite als strukturiertes JSON zurück: Paid-Anzeigen, Shopping-Blöcke mit Händlernamen und Preisen, organisch darunter. Bei ~0,0035 $ pro Anfrage kostet das Prüfen von 200 Anfragen etwa 0,70 $.

Ein typischer Befund: Ihr Mittelklasse-Schlafsack sammelt Klicks auf einer generischen Anfrage — und dieselbe Anfrage zeigt drei Budget-Marken derselben Kategorie zum halben Preis. Ihr Produkt ist nicht schlecht; es ist in genau dieser Auktion beim Preis ausgestochen.

Jetzt haben Sie echte Optionen: neu bepreisen; das Unterscheidungsmerkmal in den Titel pushen („Daunenfüllung, −15 °C Komfort”); das Produkt in eine Kampagne mit zur Margenrealität passendem Bidding verschieben; oder die Anfrage als Upper-Funnel akzeptieren und sie an Assisted-Metriken statt am Last Click messen.

3 · Struktur- und Bidding-Entscheidungen

Produkte, die High-Intent-Anfragen anziehen, verdienen eigene Asset Groups und Budgets. Produkte, die nur generischen Traffic sammeln, gehören in Catch-all-Gruppen mit konservativen Zielen. Dieser Report ist die Evidenzbasis für Shopping-Segmentierung — kein Bauchgefühl.

4 · Ein Gesundheits-Check für PMax

PMax sagt Ihnen fast nichts über Search. Dieser Report ist das Nächste, was Sie an ein Audit dessen kommen, was PMax tatsächlich für Sie auf der Search-Fläche kauft — pro Produkt.

Ich gehe einen echten Export mit Ihnen durch, Schritt für Schritt

Alles oben ist das Warum. Hier ist das Wie es wirklich aussieht — jeder Schritt, was Sie herunterladen, worauf Sie schauen und welche echte Zahl zurückkommt.

Die Daten stammen aus einem zweiten Konto: ein anderer mittelgroßer tschechischer Online-Shop (nicht der Elektronikhändler aus der GA4-Box oben — ich nehme ihn, weil sein Katalog breit genug ist, dass jedes Muster in voller Größe auftaucht). Ich habe seinen rohen Shopping-Suchbegriffe-Report über die Google Ads API in eine lokale SQLite-Tabelle gezogen und die Aggregationen unten darauf laufen lassen. Ein Vorbehalt gleich zu Beginn: Dieser Rohreport liefert Ihnen die Anzeigen- / Produktgruppe, unter der die Anfrage ausgeliefert wurde — nicht das einzelne Produkt. Genau diese Lücke schließt der UTM-Trick — aber selbst auf Produktgruppen-Ebene sind die Zwischenergebnisse laut genug, um den Punkt zu machen.

Quelle für jede Zahl in diesem Abschnitt: Shopping-Suchbegriffe-Report (Google Ads), ein mittelgroßer tschechischer Online-Shop, ~22,6 Mio. Zeilen, Daten gezogen April 2026.

Schritt 1 · Ziehen Sie den Rohreport und vermessen Sie den Haufen

Was Sie tun: Exportieren Sie den Shopping-Suchbegriffe-Report über die Google Ads API (search_term_view) in eine lokale Tabelle — SQLite, BigQuery, alles, worauf Sie ein GROUP BY laufen lassen. Warum genau das zuerst: Bevor Sie irgendetwas joinen, müssen Sie spüren, wie groß und wie verrauscht der rohe Haufen ist. Diese eine Tatsache setzt jede weitere Erwartung neu.

Lassen Sie ein schlichtes COUNT(*) und ein paar SUMs laufen, und das landet:

Was Sie haben: 22,6 Millionen Zeilen, 5,4 Millionen eindeutige Anfragen. Das liest kein Mensch. Die einzige Aufgabe der Zahl ist, Ihnen den nächsten Schritt zu sagen — diesen Haufen entlang der Dimension kollabieren, die die Rechnungen zahlt — und Sie zu warnen, dass manuelle Zeile-für-Zeile-Triage aussichtslos ist.

Schritt 2 · Werfen Sie 96 % weg, bevor Sie irgendetwas analysieren

Was Sie tun: Zählen Sie die Zeilen mit null Klicks und filtern Sie sie heraus. Warum: Der Shopping-Suchbegriffe-Report loggt jede Anfrage, für die Ihre Anzeige erschien, und auf die meisten klickte niemand. Diese reinen Impressions-Zeilen können Sie nichts kosten und nichts verkaufen — sie sind Rauschen, das die Tabelle furchteinflößend aussehen lässt.

Situation: 22,6 Mio. Zeilen, Sie wissen nicht, wo Sie anfangen sollen. Aktion: WHERE clicks > 0. Ergebnis: Die Tabelle kollabiert auf 738.444 Zeilen — eine handhabbare Größe.

Was Sie haben: 96,7 % der furchteinflößenden Zahl war nie etwas anderes als Rauschen. Sie arbeiten jetzt mit einer Tabelle von 738.000 Zeilen, nicht von 22,6 Millionen — und jede Aggregation unten läuft auf dem Teil, der wirklich Geld ausgibt.

Schritt 3 · Stellen Sie die eine Frage, die das Konto neu zeichnet

Was Sie tun: Teilen Sie bei den geklickten Zeilen die Kosten in „mindestens einmal konvertiert” vs. „nie konvertiert” und summieren Sie die Kosten je Gruppe. Warum: Das ist die Zahl, die aus „das Konto ist okay, ROAS 6,8” ein „der Großteil des Budgets tut nichts” macht. Es ist das zentrale Zwischenergebnis — berechnen Sie es vor jeder Optimierungsidee.

Was Sie haben: 85 % des Budgets flossen durch Anfrage-×-Produktgruppe-Kombinationen, die nie ein einziges Mal konvertierten. Das ist kein Rundungsfehler, den Sie später glätten — es ist das Hauptereignis. Und Sie sahen es nur, weil Sie die Anfrage auf das kollabierten, wogegen sie verkauft wurde.

Schritt 4 · Prüfen Sie, ob die Verschwendung ein paar Schurken sind oder die ganze Menge

Was Sie tun: Sortieren Sie die geklickten Zeilen nach Kosten, nehmen Sie die obersten 1 % und 10 % und sehen Sie, wie viel der Gesamtkosten sie halten. Warum: Das entscheidet Ihre Taktik. Verbrennt eine Handvoll Anfragen das Budget, pausieren Sie sie und fertig. Ist die Verschwendung dünn verteilt, bringt das Pausieren von Anfragen nichts — Sie brauchen strukturelle Eingriffe.

Was Sie haben: Die Bremse ist der Long Tail, nicht ein paar Schurken — die obersten 1 % der teuren Zeilen halten kaum ein Zehntel der Kosten. Also ändert das Pausieren von 20 schlechten Anfragen nichts. Das ist der datengestützte Grund, die Struktur zu reparieren (welches Produkt sitzt in welcher Kampagne mit welchem Ziel) statt einzelnen Anfragen hinterherzujagen — und eine Erinnerung, dass Google Ihnen Negatives pro Produkt ohnehin nicht erlaubt.

Schritt 5 · Finden Sie heraus, warum der Long Tail leckt: eine Anfrage, viele Produkte

Was Sie tun: Zählen Sie für jeden Suchbegriff, unter wie vielen verschiedenen Produktgruppen er ausgeliefert wurde. Warum: Es erklärt die Verschwendung mechanisch. Shopping matcht eine Anfrage gegen die Signale Ihres gesamten Feeds, nicht gegen die Relevanz eines Produkts — also leckt eine einzelne Anfrage in unverwandte Ecken Ihres Katalogs, und Sie zahlen für jeden Fehlschuss.

Situation: „Anti-Bell-Gerät” verbrennt immer wieder Budget. Aktion: COUNT(DISTINCT ad_group) für diesen Begriff. Ergebnis: Er lief unter 139 verschiedenen Anzeigen- / Produktgruppen für 976 CZK und ~0 Konversionen. „lego technic” berührte 300.

Was Sie haben: Fast die Hälfte Ihrer Anfragen ist über mehrere Produktgruppen verschmiert, und die schlimmsten erreichen Tausende. Das ist der Motor der Null-Konversion-Bremse aus Schritt 3 — und genau das, was Sie endlich sehen, sobald jeder Klick die ID seines Produkts trägt.

Schritt 6 · Schauen Sie sich die schlimmsten Fehlpaarungen an — sie sind absurd

Was Sie tun: Ziehen Sie die teuersten Zeilen, die nie konvertierten, und lesen Sie die Anfrage neben der Produktgruppe, gegen die sie verkauft wurde. Warum: Die Aggregat-Zahlen überzeugen Ihre Tabelle; diese drei Zeilen überzeugen Ihren Chef. Sie sind das menschenlesbare Gesicht von Schritt 5.

Eine Hunde-Trainingshalsband-Anfrage, bezahlt unter der Gruppe Handtaschen. Ein Anti-Bell-Gerät, verkauft gegen Babyartikel. Die Produktgruppe hat nichts mit der Anfrage zu tun — Google matchte auf grobe Feed-Signale, kassierte den Klick und berechnete ihn Ihnen. Mit Anfrage × Produkt sehen Sie das auf einen Blick; im Standardreport von Google nie. (Illustratives Beispiel — Kategorien übersetzt und anonymisiert.)

Schritt 7 · Jetzt die Auszahlung: die 0,25 %, die das ganze Konto bezahlen

Was Sie tun: Kehren Sie Schritt 3 um — isolieren Sie nur die Zeilen, die konvertierten, und summieren Sie ihre Kosten und ihren Umsatz. Warum: Das ist der Grund, warum die ganze Übung zählt. Sobald Sie die Gewinner von der Bremse trennen, schützen Sie die Gewinner und hungern den Rest aus.

Was Sie haben: Ein Viertelprozent der Zeilen läuft mit 46,8× ROAS und trägt faktisch das ganze Konto; die übrigen 99,75 % ziehen die gemischte Zahl auf 6,8× herunter. Diese Scheibe zu finden, ihr Budget zu schützen und alles andere strukturell von ihr wegzuschieben — das ist die ganze Arbeit. Und nichts davon geht, solange nicht jede Zeile das Produkt trägt, gegen das sie verkauft wurde. Genau das kauft Ihnen der Ein-Parameter-UTM vom Anfang dieses Artikels.

{lpurl}?utm_content={product_id}

FAQ