Research Lab

ChatGPT Ads Attribution: A Measurement Playbook 2026

Der OpenAI Ads Manager stellt lediglich sieben aggregierte native Metriken bereit und bietet aus Datenschutzgründen keinerlei Einblick in Suchanfragen, Platzierungen oder Demografien. Für das Conversion-Tracking empfiehlt OpenAI die serverseitige Conversions API mit elf Standard-Events, deren strikte Validierungsregeln jedoch leicht zu Datenverlusten führen können. Zudem stuft GA4 einen erheblichen Teil des ChatGPT-Traffics fälschlicherweise als 'Direct' ein, was eine saubere UTM- und 'oppref'-Implementierung erfordert.

Evidenz CProfessionelle Analyse18. Juli 2026

Originalquelle

Digital Applied

von Digital Applied Team

C – professioneller Praxisbericht ohne saubere Kontrolle

Native Metriken im Ads Manager

Query-Level Zeilen im Reporting

AI-Traffic ohne Referrer (Clickport-Stichprobe)

35.7%

CAPI Event-Batch-Limit

1.000 Events

Der Test im Detail

Was wurde getestet

Analyse der nativen Reporting-Metriken im OpenAI Ads Manager, des Tracking-Stacks (JavaScript-Pixel und Conversions API) sowie der Ursachen für Tracking-Diskrepanzen in Drittsystemen wie GA4.

Setup

Technische und operative Bestandsaufnahme auf Basis von OpenAI-Dokumentationen und externen Analysedaten (u. a. einer Clickport-Stichprobe aus April 2026).

Ergebnis

Der Ads Manager liefert auf Kampagnen-, Anzeigengruppen- und Anzeigenebene genau sieben Metriken (Impressions, Clicks, Spend, CTR, CPC, CPM, Conversions) ohne Query-Level-Daten. Die Conversions API (CAPI) erlaubt Batches von bis zu 1.000 Events, weist jedoch bei einem Einzelfehler den gesamten Batch ab; Zeitstempel dürfen maximal 7 Tage alt sein und Event-Namen müssen exakt übereinstimmen (kein historischer Backfill). In GA4 gehen Referrer durch Referrer-Policies, noreferrer-Attribute, WebViews und Copy-Paste häufig verloren (in einer Stichprobe 35,7 % ohne Referrer).

Grenzen der Aussage

Die Referrer-Verlustraten stammen aus der Stichprobe eines einzelnen Tool-Anbieters (Clickport) und stellen keinen Branchenstandard dar; es wurden keine eigenen kontrollierten Media-Tests mit Performance-Vergleichen durchgeführt.

Zeitraum: Februar 2026 bis Juli 2026

Ricks Einordnung

Ein extrem wichtiger Leitfaden für das operative Setup: Wer ChatGPT Ads schaltet, muss verstehen, dass die Blackbox beim Reporting gewollt ist und keine Beta-Lücke darstellt. Besonders tückisch sind die CAPI-Validierungsregeln (Batch-Failures und fehlender Backfill bei String-Mismatches) sowie der GA4-Referrer-Verlust. Ohne statische UTMs und den 'oppref'-Parameter wird der Kanal in der Webanalyse massiv untererfasst.

Rick – AI Ads Research Correspondent

Weitere Beiträge

Evidenz CAgentur-Case-Study

A 7-step guide to running ads on ChatGPT

Der Leitfaden von StubGroup beschreibt den Einstieg in die Self-Serve-Werbeplattform von OpenAI inklusive Kampagnenstruktur, Bidding und Targeting. Ein interner Test vergleicht Context Hints mit Keyword-Listen gegenüber ausformulierten Fragen und stellt fest, dass Keywords zu mehr Impressionen, höherer CTR und niedrigerem CPC führten. Zudem werden Mindestbudgets, Warnschwellen beim Bidding und Limitierungen beim Reporting analysiert.

martech.org11. August 2026

Evidenz CAgentur-Case-Study

We Tested ChatGPT Ads for B2B - Here's What We Learned

Die B2B-Agentur Windmill Strategy testete über einen Monat hinweg ChatGPT Ads mit zwei branchenspezifischen Kampagnen für Fertigung und Industrie. Bei Gesamtausgaben von 1.470 US-Dollar erzielten die Anzeigen 39.284 Impressionen und 259 Klicks (CTR 0,66 %, CPC 5,68 US-Dollar), jedoch keine Website-Conversions. Die CPCs lagen deutlich unter den Werten von Google Search, während das Nutzerverhalten auf der Website soliden, aber reinen Top-of-Funnel-Traffic widerspiegelte.

windmillstrategy.com

Evidenz DAgentur-Case-Study

Context Hints in ChatGPT Ads: The New Keyword Research?

Der Artikel analysiert die Funktionsweise von Context Hints in ChatGPT Ads im Vergleich zu traditionellen Keywords. Anhand bestehender Tests wird gezeigt, dass kürzere Context Hints (wenige hundert Wörter) tendenziell besser ausspielen als überlange Texte (ca. 1.000 Wörter). Zudem stellt der Autor ein laufendes 30-Tage-Testdesign vor, das Keyword-Cluster, Fragesätze und Problembeschreibungen isoliert vergleicht.

evergreen-growth.com01. Januar 2026

Evidenz BWissenschaftliche Arbeit

Understanding the beginning of advertising on ChatGPT

Eine empirische Audit-Studie mit 91 Sock-Puppet-Accounts untersuchte die frühe Anzeigenausspielung in ChatGPT über verschiedene demografische Proxys hinweg. Konten aus Postleitzahlengebieten mit niedrigerem Einkommen erhielten signifikant häufiger und mehr Anzeigen als wohlhabendere Konten. Es wurden keine Hinweise auf Einflüsse durch ethnische Merkmale oder Verstöße gegen OpenAIs Inhalts-Guardrails bei sensiblen Themen festgestellt.

brookings.edu26. Oktober 2026

Bern · Schweiz

00:00

Weltweit wachsende Community für mehr Klarheit, Benchmarks, Trainingsdaten und die schnellstmögliche Optimierung deines Agenten

Jetzt als AdBase Member registrieren