Attribution im Marketing
Attribution ist die Zuordnung von Marketing-Erfolg zu einzelnen Touchpoints der Customer Journey, über regelbasierte oder datengetriebene Modelle. Google Analytics stellt seit November 2023 nur noch zwei Modelle bereit: Last Click und datengetriebene Attribution — First Click, Linear, Time Decay und Position-based sind entfallen. Wer heute Attribution einrichtet, wählt zwischen diesen beiden.
Was ist Attribution im Marketing?
Attribution beantwortet, welcher Touchpoint einer Customer Journey den Kaufabschluss ausgelöst hat — Anzeige, organische Suche oder E-Mail. Nötig wird sie, weil Kunden vor einer Conversion meist mehrere Kanäle durchlaufen: eine Suchanzeige, ein Social-Post, eine Retargeting-Kampagne. Ohne Attributionsmodell landet der gesamte Erfolg beim letzten Klick, obwohl die vorherigen Touchpoints die Entscheidung mitgetragen haben. Für B2B-Vertriebswege mit langen Journeys verzerrt das die Budgetsteuerung: Kanäle, die früh in der Journey wirken, erscheinen fälschlich wirkungslos.
Welche Attributionsmodelle gibt es?
Aktuell stehen zwei Attributionsmodelle zur Wahl, mit gegensätzlicher Logik. Last Click schreibt 100 % des Erfolgs dem letzten Touchpoint vor der Conversion zu — einfach, aber blind für vorgelagerte Kanäle. Datengetriebene Attribution (Data-Driven Attribution) verteilt den Erfolg algorithmisch, auf Basis der tatsächlichen Kontribution jedes Klicks im eigenen Datensatz.
| Modell | Funktionsweise | Best for |
|---|---|---|
| Last Click | 100 % Erfolg an letzten Touchpoint vor Conversion | Kurze Journeys, wenige Touchpoints, kleines Datenvolumen |
| Datengetriebene Attribution | Algorithmische Kreditverteilung auf Basis eigener Konversionsdaten | Mehrstufige B2B-Journeys mit ausreichendem Konversionsvolumen |
Quelle: Google Analytics-Hilfe, „Get started with attribution“, support.google.com/analytics/answer/10596866.
Welche Rolle spielt Datenqualität für valide Attribution?
Datenqualität bestimmt, ob ein Attributionsmodell reale Kontribution misst oder nur Datenlücken verteilt. Drei Dimensionen entscheiden in der Praxis: Vollständigkeit — fehlen Touchpoints durch blockierte Cookies oder lückenhaftes Server-Side-Tracking, schreibt das Modell Erfolg fälschlich anderen Kanälen zu. Konsistenz — unterschiedliche UTM-Konventionen zwischen Kampagnen splitten denselben Kanal künstlich in mehrere Datenpunkte. Aktualität — verzögerte Conversion-Importe verzerren das Zeitfenster, in dem ein Touchpoint als beteiligt gilt. Ein Attributionsmodell ist nur so belastbar wie die Trackinginfrastruktur, die es speist.
Wie verändert KI die Attributionsmodellierung?
Datengetriebene Attribution nutzt maschinelles Lernen, um Touchpoint-Kontribution kontrafaktisch zu schätzen, statt sie über starre Regeln zu verteilen. Das Modell vergleicht konvertierende mit nicht-konvertierenden Pfaden und berechnet, wie sich die Erfolgswahrscheinlichkeit verändert, wenn ein bestimmter Touchpoint entfernt wird. Google illustriert das am Beispiel einer Customer Journey mit vier Ad-Exposures, die kombiniert zu 3 % Conversion-Wahrscheinlichkeit führen: Fällt Exposure 4 weg, sinkt die Wahrscheinlichkeit auf 2 % — dieser Touchpoint trägt damit 50 % zusätzliche Erfolgswahrscheinlichkeit bei. Diese Logik ersetzt die Pauschalannahme fester Regelmodelle durch gemessene, pfadspezifische Kontribution. Für die B2B-Pipeline-Steuerung heißt das: Wer Kampagnenbudget nach Last-Click-Zahlen umschichtet, entzieht Kanälen mit hohem Anteil an der Erfolgswahrscheinlichkeit Budget, die im Last-Click-Modell unsichtbar bleiben.
Welche regulatorischen Grenzen gelten für Attribution?
Attribution ist an Einwilligung und First-Party-Daten gebunden, nicht an flächendeckendes Drittanbieter-Tracking. Ohne DSGVO-konforme Einwilligung über eine Consent-Management-Plattform fehlen Touchpoints im Datensatz, bevor ein Attributionsmodell überhaupt rechnet — die Modellgüte ist damit direkte Folge der Consent-Rate, nicht nur der Modellwahl. Server-Side-Tracking kompensiert einen Teil des durch Consent-Verweigerung und Browser-Restriktionen entstehenden Datenverlusts, ersetzt fehlende Einwilligung aber nicht.
FAQ
Was ist der Unterschied zwischen Last-Click- und datengetriebener Attribution? Last Click schreibt den gesamten Erfolg dem letzten Touchpoint vor der Conversion zu, unabhängig von vorherigen Kanälen. Datengetriebene Attribution verteilt den Erfolg algorithmisch auf Basis der tatsächlichen Kontribution jedes Touchpoints im eigenen Konversionsdatensatz. Für mehrstufige B2B-Journeys liefert datengetriebene Attribution ein realistischeres Bild der Kanalwirkung.
Warum sind ältere Attributionsmodelle wie First Click nicht mehr verfügbar? Google hat First Click, Linear, Time Decay und Position-based im November 2023 aus den Attribution-Reports von Google Analytics entfernt. Verfügbar sind seither nur noch Last Click und datengetriebene Attribution. Grund ist die Konzentration auf datenbasierte statt regelbasierter Kreditverteilung.
Ab wann lohnt sich datengetriebene Attribution? Datengetriebene Attribution braucht ausreichendes Konversionsvolumen im eigenen Datensatz, um belastbare Wahrscheinlichkeitsmodelle zu trainieren. Bei sehr geringem Traffic oder wenigen Conversions bleibt Last Click die praktikablere Übergangslösung, bis genug Pfaddaten vorliegen.
- „Google Ads“
/google-ads/google-ads-agentur-frankfurt/, - „Conversion-Rate-Optimierung“
/conversion-rate-optimierung-cro/ - Externe Quelle: support.google.com/analytics/answer/10596866, „Welche Attributionsmodelle gibt es?“.