Ich bin Gabriel Landaeta Kranwinkel, Informatiker mit einem Jahrzehnt im digitalen Marketing, bevor es zurück auf die technische Seite ging. Seit über 5 Jahren arbeite ich end-to-end an Measurement-Setups: vom Datenlayer im Browser über GA4 und Server-Side GTM bis zu den BigQuery-Pipelines, denen Analysten wirklich vertrauen können.
Deine GA4-Zahlen passen nicht zu Google Ads, Meta oder deinem CRM. Und du weißt nicht mehr, wem du glauben sollst.
Deine BigQuery-Rechnung wird jeden Monat höher, und keiner will die Queries mehr anfassen.
Dein Server-Side- oder Consent-Setup ist eine Blackbox, die still und leise etwas kaputt gemacht hat, was du nicht nachvollziehen kannst.
Ich komme aus der Informatik, deshalb ist die technische Ebene mein Zuhause: JavaScript, Datenlayer, Netzwerkanalyse, Server-Side-Logik. Aber ein Jahrzehnt in Marketing- und Analytics-Teams hat mich gelehrt, das zu übersetzen: aus "was will das Business eigentlich messen?" Events, Schemas und Pipelines zu machen, die auch in der Realität funktionieren.
Aktuell arbeite ich im Measurement-Team einer stark regulierten Bank, wo jeder Tag, jeder Export und jedes Consent-Signal korrekt und nachvollziehbar sein muss. Dieselbe Disziplin fließt auch in kleinere Projekte ein: saubere Setups, ordentlich dokumentiert, gebaut, um zu bleiben.
Gerne baue ich Projekte von Grund auf oder springe rein, um Bestehendes zu auditieren und zu reparieren. Basis in Berlin, remote im Einsatz für Kunden in Deutschland und international.
Verantwortlich für die GA4-Infrastruktur und die Tracking-Konzepte in einer stark regulierten Bankumgebung. Von Datenlayer-Design und GTM-Implementierung bis zur Datenverarbeitung, die die Daten nutzbar macht. Ich habe die Dataform-Pipeline der Bank architektiert (flacht die täglichen BigQuery-Exports ab, bereinigt und sessionisiert sie) und verantworte das Server-Side-GTM-Setup, mit dem Marketing-Teams Google Ads, Meta und LinkedIn Tags innerhalb der Datenschutzvorgaben der Bank umsetzen können.
Verantwortlich für Tracking-Tech und -Infrastruktur aller Websites und Apps der Gruppe auf GA360. Die gruppenweite Migration von GA3 zu GA4 geleitet: über 3.000 Unique Events auf mehr als 30 Websites und 12 Mobile Apps. Dazu Server-Side Tagging, Marketing-Pixel- und API-Integrationen sowie Custom-JavaScript-Templates für Client- und Server-Side GTM.
Das Data-Driven-Marketing-Projekt des Konzerns in sechs Märkten geleitet (Österreich, Schweiz, Polen, Tschechien, Ungarn und Slowakei). Optimierung der Programmatic-, Search- und Social-Budgets sowie Aufbau von Measurement-Frameworks mit lokalen Teams und Agenturen. Davor die digitalen Projekte hinter renault.es und dacia.es aufgesetzt und betreut.
Als das Team vom GA-Interface und Data Studio auf BigQuery umgestiegen ist, waren die Daten da, die Strategie aber nicht. Analysten haben komplexe Queries direkt gegen die rohen Event-Level-Exports geschrieben, die Kosten sind Monat für Monat gestiegen, und dieselbe Metrik hat auf verschiedenen Dashboards Unterschiedliches bedeutet. Ich bin dazugestoßen, um das aufzuräumen. Erst die Datenstrategie und die Struktur, dann die technische Ebene dahinter: die Dataform-Pipeline, die jetzt zwischen den rohen Exports und allen sitzt, die damit arbeiten.
Das Team war vom GA-Interface direkt zu den rohen BigQuery-Exports gewechselt, ohne Datenstrategie. Analysten haben die rohen Daten mit komplexen, teuren Queries direkt angezapft. Die Kosten stiegen. Dieselbe Metrik hat für verschiedene Leute Verschiedenes bedeutet.
Zuerst das Datenmodell und gemeinsame Metrik-Definitionen erarbeitet, dann die Dataform-Pipeline dahinter gebaut. Sie flacht die täglichen Exports ab, bereinigt und sessionisiert sie, und produziert dokumentierte, analyse-bereite Tabellen. Aktuell in Migration zu dbt.
Die monatlichen BigQuery-Kosten sind um rund 80% gefallen, dazu schnellere und einfachere Queries. Der weniger messbare Gewinn: Analysten verbringen ihre Zeit mit Analyse statt mit dem Ringen um rohe GA4-Schemas.
Das komplette Measurement-Ökosystem für eine Website oder App: Datenlayer, GA4, sowie Client- und Server-Side GTM. Aufgebaut um das, was das Business messen muss, nicht um das, was am schnellsten geht.
Ein Gesundheitscheck für dein GA4, GTM und deinen Datenlayer: was kaputt ist, was doppelt gezählt wird, was leakt. Am Ende eine priorisierte Fix-Liste.
Client- und Server-Side-Implementierungen für Google Ads, Meta CAPI, TikTok Events API, LinkedIn CAPI, Pinterest und andere. Mit Consent, dedupliziert, und so gebaut, dass die Werbeplattformen Signale bekommen, mit denen sie optimieren können.
Rohe GA4-Exports werden zu sauberen, modellierten und kosteneffizienten Tabellen, auf die sich Analysten und Dashboards verlassen können.
CMP-Setup (Usercentrics, OneTrust, CookieBot) und Consent-Mode-Konfiguration. DSGVO-konformes Measurement ohne Rätselraten.
Zwei Varianten: eine Website auf ein neues Setup umziehen ohne Tracking-Kontinuität zu verlieren, oder von einem Analytics- oder Tag-Management-Setup auf ein anderes wechseln. So geplant, dass die Datenhistorie erhalten bleibt.
Ein Setup, das gebaut, repariert oder auditiert werden muss? Erzähl kurz davon und ich melde mich.