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 wurde im Oktober 2025 eingestellt; der Fokus liegt nun auf Enhanced Conversions und First-Party-Datenstrategien.
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):
