Attributionsmodell

Das Attributionsmodell ist das Regelwerk, das bestimmt, welchem Marketingkanal oder welchem Touchpoint der Credit für eine Conversion zugeschrieben wird. Es ist eine der wichtigsten – und am häufigsten unterschätzten – Entscheidungen im digitalen Marketing, weil sie direkt beeinflusst, wie Budget bewertet, verteilt und optimiert wird.

In einer Welt, in der ein Nutzer durchschnittlich 7–8 Touchpoints vor einer Kaufentscheidung berührt, ist die Frage „Wer hat den Sale gemacht?" keine einfache. Das Attributionsmodell ist die Antwort darauf – je nach gewähltem Modell fällt sie sehr unterschiedlich aus.

Die sechs Hauptattributionsmodelle

1. Last-Click-Attribution

Der gesamte Conversion-Credit wird dem letzten Touchpoint vor der Conversion zugeschrieben.

Beispiel: Nutzer sieht Google-Anzeige (1. Touchpoint) → findet organischen Artikel (2. Touchpoint) → klickt auf E-Mail-Link und kauft (3. Touchpoint). Credit geht zu: E-Mail.

Vorteile:

• Einfach zu verstehen und zu implementieren
• Gut für Bottom-of-Funnel-Optimierung

Nachteile:

• Ignoriert alle früheren Touchpoints
• Überschätzt Abschluss-Kanäle (z. B. Retargeting, Branded Search)
• Unterschätzt Awareness-Kanäle (z. B. Display, Social)

2. First-Click-Attribution

Der gesamte Credit geht an den ersten Touchpoint – derjenige, der den Nutzer erstmals mit dem Unternehmen in Kontakt gebracht hat.

Im obigen Beispiel: Credit geht zu: Google Ads.

Vorteile:

• Bewertet Awareness-Kanäle fair
• Gut für Verständnis der initialen Akquisitionsquelle

Nachteile:

• Ignoriert alle folgenden Touchpoints
• Schlechte Grundlage für Conversion-Optimierung

3. Lineare Attribution

Der Credit wird gleichmäßig auf alle Touchpoints verteilt.

Im obigen Beispiel: Jeder der drei Touchpoints erhält 33,3 % des Credits.

Vorteile:

• Berücksichtigt alle Touchpoints
• Einfach nachvollziehbar

Nachteile:

• Alle Touchpoints als gleich wichtig zu bewerten ist unrealistisch
• Kein Unterschied zwischen Awareness- und Conversion-Touchpoints

4. Time-Decay-Attribution

Touchpoints, die zeitlich näher an der Conversion liegen, erhalten mehr Credit. Ältere Touchpoints erhalten weniger.

Im obigen Beispiel (Halbwertszeit 7 Tage):

• Google Ads (vor 14 Tagen): 12,5 %
• Organischer Artikel (vor 7 Tagen): 25 %
• E-Mail (vor 1 Tag): 62,5 %

Vorteile:

• Bildet Customer Journeys mit langen Sales Cycles besser ab
• Berücksichtigt die zeitliche Nähe zur Entscheidung

Nachteile:

• Unterschätzt frühe Awareness-Touchpoints
• Nicht ideal für kurze, impulsive Kaufentscheidungen

5. Position-Based-Attribution (U-Shaped)

40 % des Credits für den ersten Touchpoint, 40 % für den letzten Touchpoint, die verbleibenden 20 % werden gleichmäßig auf alle mittleren Touchpoints verteilt.

Im obigen Beispiel:

• Google Ads: 40 %
• Organischer Artikel: 20 %
• E-Mail: 40 %

Vorteile:

• Betont sowohl Awareness als auch Conversion
• Guter Kompromiss für B2B mit längeren Sales Cycles

Nachteile:

• Willkürliche Gewichtung (40/20/40)
• Mittlere Touchpoints werden systematisch unterschätzt

6. Data-Driven-Attribution (DDA)

Machine Learning analysiert alle historischen Conversion-Pfade und berechnet den tatsächlichen Einfluss jedes Touchpoints auf die Conversion-Wahrscheinlichkeit.

Vorteile:

• Am präzisesten (basiert auf echten Daten)
• Berücksichtigt Touchpoint-Kombinationen
• Passt sich automatisch an veränderte Nutzerverhalten an

Nachteile:

• Erfordert mindestens 300 Conversions/Monat
• „Black Box" – nicht transparent
• Benötigt ausreichend historische Daten für Verlässlichkeit

Vergleich der Attributionsmodelle

Data-Driven Attribution in Google Analytics 4

Google Analytics 4 nutzt DDA als Standardattributionsmodell für Conversion-Berichte. Das Modell wird trainiert auf:

• Konvertierte vs. nicht-konvertierte Pfade
• Pfadlänge und Touchpoint-Sequenzen
• Zeitabstände zwischen Touchpoints
• Kanal- und Kampagnenkombinationen

GA4-Attributionseinstellungen

Unter Admin > Attribution Settings können Sie in GA4 festlegen:

• Welches Modell für Berichte genutzt wird
• Lookback Window (wie weit zurück Touchpoints berücksichtigt werden)
  • Standard: 30 Tage für Klicks, 1 Tag für Views
  • Anpassbar: 7, 14, 30, 60 oder 90 Tage

Modell-Vergleich in GA4

GA4 bietet unter Werbung > Modellvergleich einen direkten Vergleich verschiedener Attributionsmodelle für dieselben Kampagnendaten. So können Sie sehen, wie sich die Bewertung Ihrer Kanäle je nach Modell unterscheidet – wertvoller Input für Budget-Entscheidungen.

Multi-Touch-Attribution: Das vollständige Bild

Multi-Touch-Attribution (MTA) ist der Oberbegriff für alle Modelle, die mehr als einen Touchpoint berücksichtigen. Sie steht im Gegensatz zur Single-Touch-Attribution (Last-Click, First-Click).

Warum MTA für die meisten Unternehmen relevant ist

Laut Google-Studien nutzen B2B-Käufer durchschnittlich 12 Informationsquellen vor einer Kaufentscheidung. B2C-Käufer im Fashion-Bereich haben oft 6–8 digitale Touchpoints. In diesem Kontext ist Last-Click-Attribution eine starke Vereinfachung, die zu falschen Budget-Entscheidungen führt.

Konkretes Szenario – Budget-Auswirkung:

Ein Unternehmen gibt monatlich 10.000 € für Google Ads und 5.000 € für Content-Marketing aus.

• Last-Click-Sicht: Google Ads erzeugt 80 Conversions, Content-Marketing 5. Scheinbarer ROI: Ads sehr gut, Content schlecht.
• Multi-Touch-Sicht: Content-Marketing ist bei 70 von 80 Ads-Conversions der First-Touch. Ohne Content-Marketing wären 87 % der Ads-Conversions nicht entstanden.

Entscheidung basierend auf Last-Click: Content-Budget streichen. Entscheidung basierend auf Multi-Touch: Content-Budget erhöhen.

iOS 14 und die Attribution-Krise

Mit iOS 14 und App Tracking Transparency (ATT) hat Apple 2021 das Werbe-Ökosystem grundlegend verändert:

Was iOS 14 verändert hat

• Opt-in für App-Tracking erforderlich (statt Opt-out)
• Ca. 60–70 % der iOS-Nutzer verweigern das Tracking
• Meta (Facebook/Instagram) kann plattformübergreifende Daten nicht mehr vollständig erfassen
• Konsequenz: Underreporting von Conversions in Meta Ads um 20–50 %

Auswirkungen auf Attributionsmodelle

• Meta Ads zeigt weniger Conversions als tatsächlich generiert
• Last-Click überschätzt Google noch stärker (da Google-Daten vollständiger)
• Aggregierte Event Measurement (AEM) ersetzt Pixel-Tracking teilweise
• Modellierte Conversions füllen Datenlücken, sind aber nicht exakt

Lösungsansätze

• Conversion-API (CAPI): Serverseitiges Tracking, das cookielos funktioniert
• Server-Side Google Tag Manager: Datenschutzfreundliches Tracking
• Mixed-Media-Modeling (MMM): Statistische Modellierung ohne personenbezogenes Tracking

Budget-Auswirkungen verschiedener Attributionsmodelle

Die Wahl des Attributionsmodells hat direkte finanzielle Konsequenzen. Ein Beispiel:

In diesem Beispiel würde ein Wechsel von Last-Click zu DDA zu einer deutlichen Umverteilung des Marketingbudgets führen – zugunsten von Awareness-Kanälen wie SEO und Social.