Customer Match: Google hebt die Trefferquote an
Google Ads führt Enhanced Matching für Customer Match ein. Beim Abgleich deiner hochgeladenen Kundenliste zieht Google jetzt zusätzlich eingewilligte Nutzerdaten von Publishern heran, statt nur gegen angemeldete Google-Konten zu prüfen. Damit steigt die Trefferquote vor allem bei E-Mail-Adressen, die zu keinem Google-Konto gehören, also bei web.de, gmx.de, t-online.de oder outlook.com. Für deutsche Kundenlisten ist das der Unterschied zwischen einer Zielgruppe, die zu klein für den Einsatz ist, und einer, die funktioniert.
Wenn du in Google Ads eine Kundenliste hochlädst, gleicht Google die Adressen gegen angemeldete Nutzer ab. Trifft eine Adresse auf ein Google-Konto, wird der Nutzer für deine Kampagnen ansprechbar. Trifft sie nicht, ist der Datensatz verloren. Genau dort setzt Enhanced Matching an, und genau dort lag bisher das Problem deutscher Listen. Wie die Datengrundlage darunter aussehen muss, steht in meinem Leitfaden zum Conversion-Tracking in Google Ads.
Was ändert sich beim Abgleich?
Bisher lief der Abgleich ausschließlich gegen Googles eigene Kontodaten. Enhanced Matching erweitert das um eingewilligte Nutzersignale von Publishern. Eine Adresse, die kein Google-Konto hat, aber bei einem teilnehmenden Anbieter mit Einwilligung bekannt ist, kann dadurch trotzdem zugeordnet werden.
Technisch bleibt dein Teil des Vorgangs gleich. Du lädst E-Mail-Adressen, Telefonnummern oder Postanschriften hoch, Google normalisiert und verschlüsselt sie. Was sich ändert, ist die Vergleichsmenge auf der anderen Seite. Der Funktionstest läuft laut den Branchenberichten, unter anderem bei TechWyse, zunächst in ausgewählten Konten und ist dort in der Oberfläche zuschaltbar.
Eine Einschränkung gehört dazu, und sie fällt beim Auswerten leicht unter den Tisch. Eine größere erreichbare Zielgruppe heißt nicht automatisch, dass deine Kundendaten besser geworden sind. Ein Teil der zusätzlichen Reichweite entsteht über fremde Signale, nicht über deine Liste. Wer die Trefferquote als Qualitätsmaß für den eigenen Datenbestand liest, überschätzt sich damit künftig ein Stück.
Warum das in Deutschland stärker wirkt als anderswo
In amerikanischen Konten hängt ein großer Teil der Kundenadressen ohnehin an einem Google-Konto, weil Gmail dort die verbreitetste Adresse ist. In deutschen Kundenlisten sieht das anders aus. Dort stehen web.de, gmx.de, t-online.de und outlook.com oft vor Gmail, dazu kommen die Firmenadressen im B2B, die an keinem Google-Konto hängen. Das ist meine Beobachtung aus Kundenkonten und keine offizielle Statistik, sie deckt sich aber mit dem, was Customer Match hier seit Jahren liefert.
Die Folge war immer dieselbe. Eine Liste mit ein paar hundert Kunden kam nach dem Abgleich als Zielgruppe heraus, die zu klein für den Einsatz war, und das Thema wurde abgehakt. Genau diese Listen werden jetzt interessant.
Was eine Trefferquote von 30 Prozent praktisch bedeutet
Als Spanne für Customer Match nennen Auswertungen aus der Branche üblicherweise 30 bis 70 Prozent, abhängig von Qualität und Alter der Liste. Google garantiert diese Zahl nicht, sie beschreibt den Bereich, in dem sich die Praxis bewegt. Rechne damit, und die Frage nach der Mindestgröße wird konkret.
Seit Januar 2026 reichen in Google Ads 100 aktive Nutzer, damit eine Zielgruppe eingesetzt werden kann. Vorher waren es im Suchnetzwerk 1.000, wie ich in meinem Beitrag zur gesenkten Mindest-Zielgruppengröße beschrieben habe. Daraus ergibt sich eine einfache Rechnung.
Wer heute eine Liste mit 400 oder 500 Kundenadressen hat und sie vor einem Jahr erfolglos hochgeladen hat, sollte das wiederholen. Zwischen damals und heute liegen zwei Änderungen, die beide in dieselbe Richtung wirken: die niedrigere Mindestgröße und der erweiterte Abgleich.
Mehrere Merkmale je Kunde heben die Trefferquote deutlicher als eine längere Liste. Wer neben der E-Mail-Adresse auch Vorname, Nachname, Postleitzahl und Land mitliefert, gibt Google mehrere Wege zur Zuordnung. Eine Liste mit 300 vollständigen Datensätzen schlägt regelmäßig eine mit 900 nackten E-Mail-Adressen.
Ohne Einwilligung nützt die beste Liste nichts
Der erweiterte Abgleich ändert nichts an der Rechtslage. Erstanbieterdaten dürfen nur für Werbung genutzt werden, wenn sie mit einer passenden Einwilligung erhoben wurden. In Google Ads hängt das an Consent Mode v2 und den beiden Signalen ad_user_data und ad_personalization. Fehlen sie, greift der Upload ins Leere, egal wie gut die Liste ist. Wie das technisch aufgesetzt wird, steht im Beitrag zu Consent Mode v2.
Dazu kommt eine Umstellung, die für den Oktober angekündigt ist. Ab dem 19. Oktober 2026 musst du Kundendaten nicht mehr selbst mit SHA-256 verschlüsseln, bevor du sie schickst. Google nimmt die Daten verschlüsselt entgegen und führt den Abgleich in einer abgeschotteten Verarbeitungsumgebung durch. An der Nutzung der Daten und an den Einwilligungspflichten ändert sich dabei nichts, am Verfahren schon. Wer die Verschlüsselung selbst gebaut hat oder bauen ließ, plant den Rückbau für diesen Zeitpunkt ein.
Was du jetzt tun kannst
Je mehr Merkmale je Datensatz vorliegen, desto höher die Trefferquote. Exportiere aus deinem CRM oder Shop alle Felder, die Google als Merkmal akzeptiert, und beschränke dich nicht auf die E-Mail-Spalte.
Kläre, für welche Kontakte eine werbliche Nutzung gedeckt ist. Das ist eine Frage der Datenherkunft und im Zweifel eine für deine Datenschutzberatung, keine technische.
In der Zielgruppenverwaltung steht nach dem Abgleich, wie viele Nutzer erreichbar sind. Diese Zahl ist der eigentliche Test, nicht die Länge deiner Ausgangsliste.
Nimm die Liste zunächst als Beobachtung in laufende Kampagnen auf und sieh dir an, wie diese Gruppe konvertiert. Erst wenn ein Unterschied sichtbar ist, lohnt eine eigene Ausrichtung oder ein eigenes Gebot.
Für einen Handwerksbetrieb mit wiederkehrenden Wartungskunden, eine Praxis mit Bestandspatienten oder einen B2B-Dienstleister mit gepflegtem CRM ist das die günstigste Zielgruppe, die es gibt. Die Daten liegen bereits vor, es fällt kein zusätzlicher Klickpreis für ihre Gewinnung an, und sie kennen dich.
Beachte den Unterschied zu den Listen, die Google seit dem Sommer von selbst aus deinen Conversion-Daten baut. Das läuft parallel und ohne Upload, was dabei passiert und worauf du achten solltest, steht in meinem Beitrag zu den automatisch aktivierten Kundenlisten. Enhanced Matching betrifft die Listen, die du selbst hochlädst. Wie beide Wege in deine Messung passen, hängt am Fundament aus dem Conversion-Tracking.
Häufige Fragen
Was ist eine gute Trefferquote bei Customer Match?
Auswertungen aus der Branche nennen als übliche Spanne 30 bis 70 Prozent. Alles ab rund 50 Prozent ist für eine deutsche Liste ordentlich. Entscheidend ist ohnehin, ob am Ende genug Nutzer übrig bleiben, um die Zielgruppe einsetzen zu können. Der Prozentwert allein sagt darüber wenig.
Wie viele Kunden brauche ich für eine Customer-Match-Liste?
Seit Januar 2026 reichen 100 aktive Nutzer nach dem Abgleich. Bei einer Trefferquote von 30 Prozent brauchst du dafür rund 330 Adressen in der Ausgangsliste, bei 60 Prozent etwa 170.
Muss ich meine Kundendaten vor dem Hochladen verschlüsseln?
Bis zum 19. Oktober 2026 ja, danach nicht mehr. Google nimmt die Daten dann verschlüsselt entgegen und führt den Abgleich in einer abgeschotteten Umgebung durch. Wer über die Oberfläche hochlädt, merkt davon ohnehin nichts, weil Google das dort schon immer übernommen hat.
Darf ich meine Kundenliste überhaupt für Werbung nutzen?
Nur mit einer Einwilligung, die die werbliche Nutzung deckt. In Google Ads werden dafür die Signale ad_user_data und ad_personalization aus Consent Mode v2 benötigt. Eine Adresse aus einer Bestellung ist nicht automatisch eine Adresse für Werbung, das ist eine Frage an deine Datenschutzberatung und nicht an die Kampagneneinstellung.
Sehe ich, welche meiner Kunden erkannt wurden?
Nein. Google zeigt dir nur die Größe der erreichbaren Zielgruppe, niemals einzelne Personen. Auch eine Auswertung nach dem Muster “dieser Kunde hat die Anzeige gesehen” gibt es nicht.
Läuft Google Ads bei dir schon so, wie es könnte?
Benjamin Häntzschel
Google Ads, KI & Conversion-Optimierung
