Wie kann ich Google PMAX Daten am besten tracken?

Performance-Max-Kampagnen bieten hohe Automatisierung und kanalübergreifende Reichweite, stellen Marketer jedoch vor eine zentrale Herausforderung: begrenzte Transparenz der Leistungsdaten. Standardmäßig stellt PMAX KPIs wie Conversions, ROAS oder CPA zur Verfügung, ohne detaillierte Einblicke in Produkt-, Attribut- oder Ausspielungslogiken zu ermöglichen.

Für eine fundierte Optimierung reicht dieses Reporting häufig nicht aus. Um PMAX-Daten sinnvoll zu tracken, ist es notwendig, Performance nicht nur auf Kampagnen- oder Asset-Gruppen-Ebene zu betrachten, sondern Produktdaten systematisch zu strukturieren und auszuwerten. Am besten funktioniert das präzise Tracking mit einem Lablng Tool, wie dem Labelizer von Label Up. 

Dieser Artikel zeigt, wie PMAX-Tracking aktuell gut funktioniert, wo die Grenzen klassischer Ansätze liegen und wie durch ein Produktdaten-Labeling-Tool, beispielsweise mit dem Labelizer von Label Up, eine deutlich tiefere Analyse und Steuerung von PMAX-Kampagnen möglich wird.

Warum stellt das Google PMAX Daten-Tracking eine Herausforderung dar? 

Das Tracking von Performance-Max-Kampagnen ist eingeschränkt, da Google bewusst nur begrenzte Einblicke in die zugrunde liegende Ausspielungs- und Entscheidungslogik bietet. PMAX bündelt mehrere Kanäle wie Search, Shopping, Display, YouTube und Discovery in einer Kampagne, ohne die Performance dieser Kanäle separat auszuweisen.

Zusätzlich sind zentrale Informationen nicht oder nur stark aggregiert verfügbar, darunter:

• die konkrete Gewichtung einzelner Kanäle

• die Performance einzelner Produkte innerhalb einer Asset-Gruppe

• der Einfluss spezifischer Produktmerkmale auf Conversions

Statt granularer Daten erhalten Werbetreibende primär Ergebnis-KPIs wie Conversions, Conversion Value oder ROAS. Diese Kennzahlen zeigen zwar das Resultat der Kampagne, liefern jedoch keine Erklärung dafür, welche Faktoren innerhalb von PMAX zur Performance beitragen.

Dadurch wird eine gezielte Optimierung erschwert. Entscheidungen basieren häufig auf Annahmen oder Tests mit begrenzter Aussagekraft, da PMAX keine ausreichende Datenbasis zur Verfügung stellt, um Produkt- oder Attribut-Effekte direkt zu analysieren.

Welche Daten sind in Google PMAX verfügbar und welche nicht? 

Performance-Max stellt Werbetreibenden eine begrenzte Auswahl an Leistungsdaten zur Verfügung, die primär auf aggregierter Ebene ausgegeben werden. Zu den standardmäßig verfügbaren Metriken zählen unter anderem:

• Conversions und Conversion Value

• Kosten, CPA und ROAS

• Klicks und Impressionen

• Asset-Gruppen-Performance in stark vereinfachter Form

Diese Daten erlauben eine Bewertung der Gesamtleistung einer PMAX-Kampagne, jedoch keine detaillierte Analyse der zugrunde liegenden Performance-Treiber.

Nicht verfügbar sind unter anderem:

• kanalbezogene Performance-Daten (z. B. Search vs. Shopping)

• produktbezogene Auswertungen auf Attribut-Ebene

• Informationen darüber, welche Produkttypen oder Eigenschaften Conversions beeinflussen

Insbesondere bei großen Produktfeeds bleibt damit unklar, welche Produkte oder Produktmerkmale tatsächlich zur Performance beitragen. Die vorhandenen Daten liefern zwar ein Ergebnis, jedoch keinen Kontext für fundierte Optimierungsentscheidungen.

Warum reichen klassische PMAX Daten nicht aus? 

Klassische KPIs wie ROAS, CPA oder Conversion Value bilden ausschließlich das Endergebnis einer Performance-Max-Kampagne ab. Sie geben keine Auskunft darüber, wie dieses Ergebnis zustande kommt oder welche Bestandteile der Kampagne maßgeblich zur Performance beitragen.

Insbesondere fehlen Antworten auf folgende Fragen:

• Welche Produkte werden bevorzugt ausgespielt?

• Welche Produkte generieren zwar Umsatz, aber keine Profitabilität?

• Welche Produktmerkmale korrelieren mit hoher Conversion-Wahrscheinlichkeit?

• Welche Produkte verbrauchen Budget ohne signifikanten Beitrag zur Performance?

Da PMAX Entscheidungen automatisiert auf Basis zahlreicher interner Signale trifft, ist die reine Betrachtung von Ergebnis-KPIs nicht ausreichend, um gezielte Optimierungen vorzunehmen. Anpassungen erfolgen häufig auf Kampagnen- oder Asset-Gruppen-Ebene, obwohl die eigentlichen Performance-Unterschiede auf Produktebeneentstehen. Ohne zusätzliche Strukturierung der Daten bleibt PMAX-Optimierung reaktiv. Entscheidungen basieren auf aggregierten Kennzahlen statt auf belastbaren Informationen zu den tatsächlichen Performance-Treibern innerhalb des Produktfeeds

Wie hilft ein Labeling Tool, um PMAX-Daten zu messen? 

Um das Problem der intransparenten Daten in Google PMAX zu beheben, nutzen Marketeers komplizierte Skripts als Lösung. Mit dem Labelizer von Label Up wird Daten-Tracking transparent und vor allem nutzerfreundlich gelöst. Der Labelizer wurde entwickelt, um Performance-Daten aus Google-Shopping- und PMAX-Kampagnen strukturierter auszuwerten. Ziel ist es, Produktfeeds um zusätzliche, geschäftsrelevante Informationen zu erweitern, ohne den bestehenden Feed zu verändern.

Hierfür nutzt der Labelizer die Google Custom Labels 0–4, die mit einem Supplemental Feed im Google Merchant Center verknüpft sind. Dadurch wird es möglich, Kampagnenleistung nicht nur auf Kampagnen- oder Asset-Gruppen-Ebene zu betrachten, sondern entlang definierter Produktmerkmale zu analysieren. Die Automatisierung von Google PMAX bleibt dabei vollständig erhalten, während die Datengrundlage für Analyse und Optimierung deutlich erweitert wird. Zusätzlich bietet das Dashboard in der Labelizer App einen nutzerfreundlichen Überblick über alle Daten. 

Fazit: Wie sichert man sich langfristig die Datenhoheit in Google Shopping?

PMAX-Kampagnen liefern zuverlässige Performance-Kennzahlen, bieten jedoch nur begrenzte Transparenz über die zugrunde liegenden Leistungsfaktoren. Klassische KPIs wie ROAS oder CPA zeigen Ergebnisse, ermöglichen jedoch keine fundierte Analyse der Ursachen hinter der Performance.

Ein sinnvolles PMAX-Tracking erfordert daher eine zusätzliche Strukturebene auf Produktebene. Durch Produktdaten-Labeling-Tools lassen sich Performance-Daten entlang geschäftsrelevanter Kriterien wie Preisniveau, Marge oder Produktstatus auswerten. Der Labelizer stellt diese Struktur systematisch bereit und schafft damit die Grundlage, PMAX-Daten nicht nur zu messen, sondern gezielt zu interpretieren und zu nutzen. Auf dieser Basis werden datenbasierte Entscheidungen möglich, die über reine Ergebnisbetrachtung hinausgehen und eine nachhaltige Optimierung von Performance-Max-Kampagnen unterstützen.

Dieser Leitfaden wurde von den E-Commerce-Experten von Label Up erstellt. Wir unterstützen Agenturen und Shops dabei, ihre eigene Preisvergleichsseite (Google CSS) zu betreiben und ihre Google Shopping Kampagnen datengetrieben zu optimieren.