Attribution Modelle sind regelbasierte oder algorithmische Methoden, die festlegen, welchem Marketing-Kanal oder Touchpoint der Conversion-Kredit zugewiesen wird, wenn ein Nutzer über mehrere Kontaktpunkte zum Kauf gelangt ist.
Rubrik: Online-Marketing & Content · Unterrubrik: Performance Marketing · Niveau: Einsteiger Synonyme / Auch bekannt als: Marketing-Attribution, Conversion Attribution, Multi-Touch Attribution (MTA), Marketing Mix Modeling (MMM)
Was sind Attribution Modelle?
Wenn ein Kunde heute eine Werbeanzeige sieht, morgen über Google sucht und übermorgen direkt kauft – welcher Kanal hat den Kauf verdient? Attribution Modelle beantworten diese Frage. Sie sind entscheidend für die korrekte Bewertung von Marketingkanälen und damit für sinnvolle Budget-Entscheidungen. Ohne klares Attributionsmodell werden manche Kanäle systematisch über- oder unterbewertet.
Erklärung
Die wichtigsten Attribution Modelle im Überblick:
1. Last-Click Attribution (Letzter Klick)
- Gesamter Conversion-Kredit geht an den letzten Berührungspunkt vor der Conversion
- Typisch: Direkte Besuche oder Brand Search bekommen gesamten Kredit
- Vorteil: Einfach zu verstehen und zu implementieren
- Nachteil: Überschätzt Bottom-of-Funnel-Kanäle (Direct, Brand Search), unterschätzt Awareness-Kanäle (Display, Social, SEO)
- Einsatz: Noch immer Default in vielen Tools, für E-Commerce mit kurzen Sales Cycles
2. First-Click Attribution (Erster Klick)
- Gesamter Kredit geht an den ersten Berührungspunkt
- Bewertet Kanäle, die Kunden erstmals auf das Unternehmen aufmerksam machen
- Nachteil: Ignoriert alle weiteren Touchpoints, die zur Kaufentscheidung beitrugen
- Einsatz: Sinnvoll zur Bewertung von Awareness-Kampagnen
3. Lineare Attribution
- Gleichmäßige Verteilung des Kredits auf alle Touchpoints im Conversion-Pfad
- Vorteil: Bildet die gesamte Customer Journey ab
- Nachteil: Unterschätzt möglicherweise entscheidende Touchpoints
- Einsatz: Als Einstieg in Multi-Touch-Analyse
4. Zeitabfall-Attribution (Time Decay)
- Touchpoints nahe der Conversion erhalten mehr Kredit als frühere
- Modell berücksichtigt, dass spätere Touchpoints kaufentscheidender sind
- Einsatz: Gut geeignet für kurze Sales Cycles
5. Positionsbasierte Attribution (Position Based / U-Shaped)
- Erster und letzter Touchpoint erhalten je 40 % des Kredits, alle mittleren teilen sich die restlichen 20 %
- Berücksichtigt Awareness (erster Kontakt) und Abschluss (letzter Kontakt)
- Einsatz: Ausgewogener Ansatz für Most-Cases
6. Datengetriebene Attribution (Data-Driven Attribution – DDA)
- Algorithmus analysiert alle Conversion-Pfade und bestimmt statistisch den tatsächlichen Beitrag jedes Touchpoints
- Kein manuelles Regelsetzen; ML-basiert (Google: Shapley-Wert-Methodik)
- Vorteil: Präziseste Darstellung der echten Kanalwirkung
- Voraussetzung: Mindestens 3.000 Conversions in 30 Tagen (Google Ads)
- Seit 2023 Standard-Attributionsmodell in Google Ads und GA4
Marketing Mix Modeling (MMM) vs. Multi-Touch Attribution (MTA):
- MTA (Multi-Touch Attribution): Nutzerbasiert, analysiert individuelle Conversion-Pfade. Funktioniert auf Basis von Cookies/IDs. Präzise auf Nutzerebene, aber durch iOS-Tracking-Verluste und DSGVO eingeschränkt.
- MMM (Marketing Mix Modeling): Statistisches Modell auf Aggregatdaten-Basis (ohne personenbezogene Daten). Analysiert Korrelationen zwischen Mediaausgaben und Umsatz über Zeit. Kein Cookie-Problem, aber weniger granular. Erlebt seit dem Ende von Third-Party Cookies eine Renaissance.
Attribution Gaps – Nicht messbare Touchpoints: Viele Touchpoints bleiben in klassischen Attribution-Tools unsichtbar:
- TV-, Radio- und Print-Werbung
- Word-of-Mouth
- Social-Media-Content (organisch, ohne Klick)
- Podcast-Werbung (sofern kein Promo-Code verwendet wird)
DSGVO und Attribution: Cross-Device- und Cross-Channel-Attribution erfordert User-Matching über Geräte hinweg, was ohne Einwilligung problematisch ist. Google und Meta nutzen ihre Login-Ökosysteme für plattforminterne Attribution; externe MTA-Tools haben durch DSGVO und iOS 14 massive Datenverluste erlitten.
Beispiele
- Last-Click unterschätzt Social Ads: Ein Modehändler sieht in Last-Click-Berichten, dass sein Google Brand-Search-Kanal 60 % der Conversions zugeordnet bekommt. Nach Umstellung auf Data-Driven Attribution zeigt sich: Instagram Ads hatten in 35 % aller Conversion-Pfade den ersten Touchpoint. Budget wird in Social umgeschichtet – Gesamtumsatz steigt.
- E-Commerce mit DDA: Ein Online-Shop für Sportartikel aktiviert Data-Driven Attribution in Google Ads. Google stellt fest, dass YouTube-Ads bisher unterbezahlt wurden (Last-Click: 5 % Kredit; DDA: 22 % Kredit). Budget-Aufstockung YouTube → Gesamtkonversionen +18 %.
- B2B mit längerem Sales Cycle: Ein IT-Dienstleister hat Sales Cycles von 60–90 Tagen. Last-Click Attribution schreibt alle Conversions dem Brand-Search-Kanal zu. Lineare Attribution zeigt, dass LinkedIn Awareness Ads in 70 % der Pfade der erste Touchpoint waren. Strategische Erkenntnis: LinkedIn-Budget erhöhen, obwohl letzter Touchpoint immer Brand Search ist.
- Typischer Fehler – Doppelzählung: Werbetreibender zählt Conversions aus Google Ads + Meta Ads + Analytics und summiert alle. Ergebnis: 3× so viele Conversions wie tatsächliche Käufe, weil alle drei Kanäle denselben Kauf attribuieren. Lösung: Einheitliches Attributionsmodell in einem zentralen Tool (GA4, Northbeam, Triple Whale).
- Best Practice – Incrementality Testing: Ein Reiseanbieter führt Geo-Holdout-Tests durch: In manchen Regionen werden Display-Ads abgeschaltet, in anderen nicht. Messung des echten inkrementellen Umsatzbeitrags ohne Attribution-Bias. Display Ads zeigen 9 % inkrementellen Uplift – valider als jedes Attributionsmodell.
In der Praxis
Attribution-Einrichtung in Google Analytics 4:
- GA4 öffnen → Admin → Attribution Settings
- Reporting Attribution Model auf "Data-Driven" stellen (empfohlen, falls Datenbasis ausreicht)
- Lookback Windows prüfen: Standard 30 Tage für Klicks, 1 Tag für Views
- Conversion-Events korrekt konfigurieren (Kauf, Lead, Newsletter-Anmeldung)
- Konversionspfad-Analyse unter Reports → Advertising → Conversion paths
- Model Comparison Tool nutzen: verschiedene Attributionsmodelle vergleichen
Für Fortgeschrittene: Northbeam, Triple Whale oder Rockerbox als MTA-Tools evaluieren; Marketing Mix Modeling via Robyn (Meta Open-Source-MMM) oder Meridian (Google Open-Source, 2024 veröffentlicht).
Vergleich & Abgrenzung
Last-Click vs. Data-Driven: Last-Click ist einfach, aber ungenau; DDA ist genauer, erfordert aber Datenvolumen. Für kleine Unternehmen mit wenig Conversions ist Position-Based ein pragmatischer Mittelweg. Attribution vs. A/B-Testing (Incrementality): Attribution erklärt Korrelation; Incrementality-Tests messen echte Kausalität. Für strategische Budget-Entscheidungen sind Incrementality-Tests das Goldstandard-Instrument.
Häufige Fragen (FAQ)
Welches Attributionsmodell sollte ich verwenden? Für die meisten Unternehmen ist Data-Driven Attribution (DDA) in Google Ads und GA4 der beste Standard, sofern ausreichend Conversion-Daten vorhanden (>3.000/Monat). Bei weniger Conversions: Positionsbasiert oder Linear als pragmatischer Kompromiss. Das Wichtigste ist Konsistenz: Ein Modell konsequent nutzen und nicht ständig wechseln, damit Vergleiche möglich bleiben.
Wie kann ich Attribution ohne Third-Party Cookies umsetzen? Zunehmend wichtig werden: Server-side Tracking via Conversions APIs (Meta CAPI, Google Enhanced Conversions), Marketing Mix Modeling für plattformübergreifende Analyse, und First-Party Data in CDP-Systemen. Google's Privacy Sandbox entwickelt Lösungen wie Attribution Reporting API für cookieloses Cross-Site-Attribution.
Verwandte Einträge
Weiterführend
- Google Marketing Platform – Attribution:
- Meta Attribution Overview:
- Jesper, R. (2023): Marketing Attribution: The Complete Guide. Self-published/Kindle.
- Meridian (Google Open-Source MMM, 2024):
- BVDW: Leitfaden Attribution (2023):
