Attribution einfach erklärt

Wer hat den Verkauf verdient, wenn ein Kunde mehrere Werbekontakte hatte? Attribution beantwortet genau das. Wir erklären den Begriff mit Beispiel und warum Last-Click oft die teuerste Wahl ist.

Attribution beantwortet eine Frage, die im Marketing über die Verteilung von Budgets entscheidet, welcher Kontaktpunkt hat den Verkauf verdient? Die Antwort ist erstaunlich knifflig, weil ein Kunde auf seinem Weg zum Kauf meist mehrere Kontakte hat. Wir erklären Attribution hier anschaulich, mit Beispiel, und zeigen, warum die einfachste Methode oft die teuerste ist.

In drei Sätzen

  • 01Attribution ist die Zuordnung einer Conversion zu den Werbekontakten, die zu ihr geführt haben.
  • 02Weil Kunden meist mehrere Kontakte haben, entscheidet das Attributionsmodell, wer den Erfolg zugeschrieben bekommt.
  • 03Die verbreitete Last-Click-Attribution würdigt nur den letzten Kontakt und benachteiligt alles, was die Nachfrage davor aufgebaut hat.

Die einfache Definition

Warum das Modell den Unterschied macht

Stell dir einen typischen Weg vor. Ein Kunde sieht zuerst einen LinkedIn-Beitrag, klickt Wochen später auf eine Display-Anzeige, sucht danach den Markennamen bei Google und kauft. Vier Kontakte, ein Kauf. Die Frage ist, wer hat den Kauf verdient? Genau das beantwortet das Attributionsmodell, und je nach Modell fällt die Antwort völlig anders aus.

1LinkedIn0 %2Display0 %3Newsletter0 %4Brand-Suche100 %Last-Click würdigt nur den letzten Schritt.
Vier Kontakte, ein Kauf. Last-Click gibt dem letzten Kontakt hundert Prozent, obwohl die früheren Kontakte die Nachfrage erst erzeugt haben.

Würde man im Beispiel Last-Click nehmen, bekäme die Google-Marken-Suche hundert Prozent, obwohl der Kauf ohne den ersten LinkedIn-Kontakt nie zustande gekommen wäre. Wer auf dieser Basis Budget verteilt, kürzt genau die Kanäle, die Nachfrage erzeugen, und wundert sich, dass die Nachfrage versiegt.

Die einfachste Attribution ist nicht die billigste. Sie kostet dich die Kanäle, die deine Nachfrage überhaupt erst aufbauen.

Die gängigen Modelle in Kürze

Es gibt mehrere Wege, den Erfolg zu verteilen. First-Click gibt alles dem ersten Kontakt, Last-Click dem letzten. Die lineare Attribution verteilt gleichmäßig auf alle Kontakte, zeitabhängige Modelle gewichten spätere Kontakte stärker, positionsbasierte Modelle betonen ersten und letzten Kontakt. Datengetriebene Attribution schätzt den Beitrag jedes Kontakts aus den Daten und ist heute der Standard in modernen Analytics-Werkzeugen.

Die Grenze jeder Attribution

So nützlich Attribution ist, sie beantwortet nur, wie der Erfolg auf die beobachteten Kontakte verteilt wird. Sie sagt nicht, ob der Kauf ohne die Werbung nicht ohnehin stattgefunden hätte. Diese tiefere Frage nach dem echten zusätzlichen Beitrag beantwortet erst die Inkrementalität. Tiefer in die Modelle gehen wir im Beitrag über Multi-Touch-Attribution.

Deine Frage, unsere Antwort

Verteilst du Budget noch nach Last-Click?

Diesen Beitrag haben wir aus echten Projekten geschrieben. Deine konkrete Situation schauen wir uns gern persönlich an und antworten mit einer fundierten Einschätzung statt einer Standard-Floskel. Genau dafür gibt es uns.

Frag uns direktWir antworten in der Regel innerhalb von 24 Stunden.

Häufige Fragen zum Thema

Die wichtigsten Nachfragen, die uns nach diesem Beitrag erreichen.

Es gibt kein pauschal bestes Modell, aber Last-Click ist fast immer das schwächste, weil es frühe Kontakte ignoriert. Datengetriebene Attribution, die den Beitrag jedes Kontakts aus den Daten schätzt, ist meist die fairste Wahl. Noch wichtiger als das Modell ist, die Grenze der Attribution zu kennen und für wichtige Entscheidungen zusätzlich die Inkrementalität zu prüfen.
Weil es am einfachsten zu messen ist. Der letzte Klick vor dem Kauf ist eindeutig erfassbar, die früheren Kontakte sind schwerer zuzuordnen. Diese Bequemlichkeit hat dazu geführt, dass Last-Click lange Standard war. Moderne Werkzeuge bieten heute bessere Modelle, weshalb auch Google in GA4 von Last-Click weggeht.
Attribution verteilt einen Erfolg auf die beobachteten Kontakte. Inkrementalität fragt, ob es den Erfolg ohne die Werbung überhaupt gegeben hätte. Attribution kann einem Kanal viel zuschreiben, der in Wahrheit kaum zusätzliche Verkäufe erzeugt. Erst die Inkrementalität trennt echten Beitrag von Mitnahme.
Bedingt. Bei langen Zyklen mit vielen Kontakten über Monate stößt klassische Attribution an Grenzen, weil die Zuordnung über so lange Zeiträume unsicher wird. Hier sind Mix-Modeling und Inkrementalitäts-Tests oft aussagekräftiger als die reine Kontakt-Attribution.

Weiterlesen