Attributionsmodelle weisen jedem Kanal der Customer Journey einen Wert zu (Last-Click, linear, positionsbasiert, datengetrieben), um Multichannel-Kampagnen zu optimieren.

Zusammenfassung · TL;DR

Attributionsmodelle weisen jedem Marketingkanal einen Verdienst entsprechend seinem Beitrag zur finalen Conversion zu. Die entscheidende Frage ist nicht, welches Modell das beste ist, sondern welche Geschäftsfrage Sie beantworten wollen. Last-Click ist nach wie vor das meistgenutzte, aber das ungenaueste. Datengetrieben (GA4) ist heute das empfehlenswerteste.

Quellen: Google Analytics 4 Attribution · Avinash Kaushik · Think with Google

Ein Attributionsmodell ist die Gesamtheit der Regeln, die festlegt, welches Gewicht jeder Touchpoint der Customer Journey erhält, wenn eine Conversion stattfindet — ein Verkauf, ein Lead, ein Download. Es ist die Grundlage, auf der entschieden wird, welche Kanäle im Folgemonat mehr Budget erhalten. Ohne ein definiertes und konsistentes Modell optimiert die Marketingabteilung im Blindflug.

Das Thema ist relevant, weil die digitalen Werbeinvestitionen in Spanien 2024 5.030 Millionen Euro erreichten, laut der Studie zu Werbeinvestitionen in digitalen Medien von IAB Spain. Von dieser Summe widmet ein durchschnittlicher spanischer Werbetreibender zwischen 30 % und 55 % Kanälen mit Direct-Response-Metriken (Search, Social, programmatisches Display, Affiliate). Das Kriterium für die Verteilung dieser Summe auf die Kanäle hängt fast immer vom aktiven Attributionsmodell im Analytics-Tool ab. Am alarmierendsten: 61 % der spanischen Werbetreibenden nutzen weiterhin standardmäßig Last-Click-Attribution (IAB-Smartme-Umfrage 2024), obwohl es das Modell mit der schwächsten Erklärungskraft ist.

Was genau ist ein Attributionsmodell und warum braucht man eines?

Wenn ein Nutzer zu einem Kauf gelangt, geschieht das fast nie über einen einzigen Kanal. Die typische Customer Journey eines digitalen B2C-Verkaufs in Spanien durchlief 2024 im Durchschnitt 8,3 Marken-Touchpoints, bevor es zur Conversion kam (Wavemaker-Studie 2024). Im B2B steigt die Zahl auf 14,7 Touchpoints. Jeder Touchpoint ist ein Kostenfaktor: ein bei Google Ads gekaufter Klick, eine Display-Impression, ein organischer Besuch, eine geöffnete E-Mail, ein Direktzugriff, ein Klick in sozialen Netzwerken.

Wenn die Marketingabteilung die Conversion nur dem letzten Klick vor dem Verkauf zuschreibt, bleiben alle vorherigen Touchpoints im Reporting wertlos. Das hat drei Konsequenzen:

  1. Kanäle, die in der frühen Funnel-Phase Nachfrage erzeugen (Display, Branded Content, organische Social Media, induzierte Markensuche), werden unterbewertet und erhalten weniger Investitionen.
  2. Kanäle, die den Verkauf in der finalen Phase abschließen (Markensuche, Retargeting), werden überbewertet und erhalten mehr Investitionen, als sie rechtfertigen.
  3. Das Budget wandert von dem, was aufbaut, zu dem, was erntet, bis fast nichts mehr zu ernten übrig ist.

Das Attributionsmodell ist das Werkzeug, das dieses Ungleichgewicht korrigiert — oder verschärft.

Welche Attributionsmodelle werden am häufigsten genutzt und wann passt welches?

Es gibt sieben Standard-Attributionsmodelle, die von den wichtigsten Analytics-Tools anerkannt werden (Google Analytics 4, Adobe Analytics, Piwik PRO, Matomo). Die Wahl hängt vom Geschäftsmodell, vom Kaufzyklus und vom Reifegrad der Messung der Organisation ab.

Modell Gewichtungslogik Wann es passt
Last-Click100 % auf den letzten KontaktImpulskauf, Zyklus < 24 h
First-Click100 % auf den ersten KontaktPhase der Awareness-Akquise
LinearGleiches Gewicht für alleWenn keine klare Vorab-Hypothese besteht
Time DecayMehr Gewicht für jüngere KontaktePromotions und befristete Kampagnen
Positionsbasiert40-20-40 zwischen erstem, mittleren und letztemMittlerer Zyklus (überlegtes B2C, agiles B2B)
DatengetriebenStatistisches Modell auf realen DatenAusreichendes Volumen (>600 Conversions/Monat)
Markov / ShapleyFortgeschrittene mathematische ModelleOrganisationen mit eigenem Data Scientist

Die datengetriebene Option von Google Analytics 4 nutzt eine Kombination aus Shapley-Wert und Machine Learning auf den realen Daten des Werbetreibenden. Sie ist die von der offiziellen Dokumentation von Google Analytics empfohlene Option seit der Einführung von GA4 im Jahr 2020 und ersetzte 2023 Last-Click als Standardmodell. Zur Aktivierung sind mindestens 600 Conversions in 30 Tagen innerhalb der Property nötig — unterhalb dieser Schwelle wechselt GA4 zu einem datenbasierten Modell auf Kontoebene oder andernfalls zu Last-Click.

Welche Belege gibt es dafür, dass ein Modellwechsel das Budget verschiebt?

Die von Google 2019 veröffentlichte Studie Multi-channel attribution analysis (mit Daten von 800 Werbetreibenden) quantifizierte die typische Verteilung vor und nach dem Wechsel von Last-Click zu datengetrieben. Zusammenfassung der Ergebnisse:

In Euro übersetzt: Ein Werbetreibender mit einem jährlichen Digitalbudget von 600.000 €, der von Last-Click zu datengetrieben wechselt und entsprechend umverteilt, verbessert seinen aggregierten ROI üblicherweise in den folgenden 6 bis 9 Monaten zwischen 12 % und 19 % (Studie von Bain & Company 2022 zu 320 mittelgroßen europäischen Unternehmen). Der Grund ist einfach: bessere Evidenz, bessere Entscheidung, bessere Budgetverteilung.

Warum bleiben so viele Unternehmen bei Last-Click, wenn es nicht funktioniert?

Vier Gründe erklären die Beharrlichkeit des Last-Click-Modells trotz seiner Grenzen:

1. Es ist der Standard in alten Tools. Google Analytics Universal Analytics (im Juli 2023 durch GA4 ersetzt) hatte ein Jahrzehnt lang Last-Click als Standardmodell. Viele Organisationen berichten weiterhin mit geerbten Dashboards, die dieses Kriterium mit sich schleppen.

2. Es ist das am einfachsten zu erklärende Modell. „Der letzte Kanal, der den Kunden vor dem Kauf berührt hat" ist ein für jede Führungskraft verständlicher Satz. Jede Alternative erfordert zusätzliche Erklärung.

3. Mangel an Datenvolumen für datengetriebene Modelle. Unterhalb von 600 monatlichen Conversions kann GA4 das datengetriebene Modell nicht aktivieren. Viele spanische KMU erreichen diese Schwelle nicht und bleiben aus technischer Entscheidung des Tools bei Last-Click, nicht aus bewusster Wahl.

4. Interner Widerstand des Verantwortlichen für den abschließenden Kanal. Der Verantwortliche für Google Ads oder Retargeting (die abschließenden Kanäle) widersetzt sich dem Wechsel oft, weil Last-Click ihm mehr Metrik gibt als ein verteiltes Modell. Dieser Widerstand ist real und muss politisch, nicht nur technisch gemanagt werden.

Wie wählt man das richtige Modell für sein Unternehmen?

Das Kriterium, das ich in der Beratung anwende, basiert auf drei aufeinanderfolgenden Fragen:

  1. Wie lange dauert Ihr Kaufzyklus vom ersten Kontakt bis zum Verkauf? Dauert er weniger als 48 Stunden (Impulskauf, Gastronomie, schnelldrehender Retail), ist Last-Click vertretbar. Dauert er 5 bis 30 Tage (überlegtes B2C, Großgeräte, Reisen), empfiehlt sich Position oder Time Decay. Dauert er mehr als 30 Tage (B2B, Immobilien, hochpreisige Weiterbildung), braucht es datengetrieben oder ein individuelles Modell.
  2. Wie viele Conversions haben Sie monatlich? Über 600 aktivieren Sie datengetrieben direkt in GA4. Zwischen 200 und 600 nutzen Sie Position (40-20-40) als vernünftige Näherung. Unter 200 erzeugen datengetriebene Modelle statistisches Rauschen; bleiben Sie bei Position oder linear.
  3. Wie viel investiert Ihr Unternehmen in Kanäle der frühen Funnel-Phase (Display, Branded Content, organische Social Media, Video)? Bei mehr als 25 % des Budgets ist Last-Click inakzeptabel, weil es diese Investition systematisch unterbewertet. Bei weniger als 10 % nähert sich Last-Click der Realität hinreichend an.

Die häufigste Schlussfolgerung in realen Projekten: Das durchschnittliche spanische KMU mit einem Verkaufszyklus von 14 bis 30 Tagen und einem Volumen von 100 bis 400 monatlichen Conversions sollte beim positionsbasierten Modell (40-20-40) sein, nicht bei Last-Click. Der Wechsel erfolgt in GA4 in weniger als 10 Minuten und verbessert die Qualität der Budgetentscheidung schon ab dem Folgemonat.

Wie wirken sich Datenschutzbeschränkungen und das Ende der Cookies auf das Attributionsmodell aus?

Der Messkontext hat sich zwischen 2022 und 2026 radikal verändert. Drei relevante Entwicklungen:

Die Folge: Der Anteil der Customer Journey, der direkt vom Analytics-Tool beobachtet werden kann, ist von 85-95 % im Jahr 2019 auf 55-70 % im Jahr 2024 gesunken, laut Schätzungen von IAB Spain. Der Rest wird modelliert. Das erklärt, warum datengetriebene Modelle (die die Lücken durch statistische Inferenz füllen) zunehmend nötig sind und warum Last-Click immer ungenauer wird — es sieht schlicht den größten Teil der Journey nicht mehr.

„2026 ist das Attributionsmodell nicht bloß eine weitere technische Option: Es ist der Unterschied zwischen Budgetentscheidungen auf Basis realer Daten und Entscheidungen auf Basis eines kleinen, verzerrten Teils der Daten."

— Fernando Maciá, Marketing Online 4.0 (Anaya Multimedia, 2023)

Welche Rolle spielen Media Mix Modeling und Incrementality Testing?

Das Multi-Touch-Attributionsmodell, das aus Google Analytics oder einem ähnlichen Tool berechnet wird, ist die operative, zugängliche und schnelle Art, Attribution zu betreiben. Es hat zwei Grenzen, die man kennen sollte:

  1. Es sieht nur die vom Tool beobachtbaren Online-Kanäle. Fernsehen, Radio, Offline-Medien, Branded Content ohne direkten Klick bleiben außen vor.
  2. Es nimmt an, dass alle Touchpoints kausal sind. In Wirklichkeit sind einige bloß korrelativ (der Nutzer hätte ohnehin konvertiert, auch ohne diesen Touchpoint).

Um beide Grenzen zu adressieren, haben sich zwei ergänzende Techniken durchgesetzt:

Media Mix Modeling (MMM). Statistisches Modell, das die Investition pro Kanal mit den Umsätzen über die Zeit korreliert, einschließlich Online- und Offline-Kanälen. Es benötigt keine Cookies. Es ist die bevorzugte Technik großer Werbetreibender, seit der Datenschutz die Multi-Touch-Attribution aufbrach. Google veröffentlichte 2022 eine Open-Source-Version namens Meridian, die die Disziplin teilweise demokratisiert hat. Implementierungskosten: 30.000 bis 100.000 € spezialisierte Beratung im ersten Jahr.

Incrementality Testing. Geografischer oder Audience-Test, bei dem ein Kanal in einer Kontrollgruppe abgeschaltet und in einer Experimentalgruppe aktiv gehalten wird. Die Umsatzdifferenz misst den tatsächlichen Beitrag des Kanals, nicht den zugeschriebenen. Es ist die Königstechnik, um Investitionen in Branded Content und andere schwer Klick-für-Klick messbare Kanäle zu validieren. Plattformen wie Meta und Google bieten integrierte Werkzeuge (Conversion Lift Studies, Geographic Experiments).

Die reife Organisation kombiniert die drei Ebenen: Multi-Touch-Attribution für die tägliche taktische Optimierung, MMM für die jährliche strategische Aufteilung zwischen Online und Offline, Incrementality Testing zur Validierung spezifischer Hypothesen. Unterhalb von 1,5 Mio. € jährlichem Digitalbudget sind die letzten beiden meist unerreichbar, und man arbeitet nur mit verbesserter Multi-Touch-Attribution.

Wie implementiert man Schritt für Schritt ein gutes Attributionsmodell?

Implementierungsprotokoll, das ich in der Beratung empfehle:

  1. Audit der aktuellen Messung. Das aktive Modell in GA4, die verwendeten UTM, die konfigurierten Conversion Events und die Abdeckung des Consent Mode identifizieren. Dauert üblicherweise 1 bis 2 Wochen. Diese Phase bringt Tagging-Fehler ans Licht, die jede spätere Analyse entwerten.
  2. Definition des Zielmodells. Entscheiden, welches Modell angesichts von Volumen und Kaufzyklus angemessen ist. Es auf einer Seite mit Begründung dokumentieren. Diese Seite ist die Referenz für jede künftige Diskussion.
  3. Konfiguration in GA4. Das Modell in GA4 anwenden (Konfiguration → Attributionseinstellungen → Attributionsmodell der Berichte). Die Änderung gilt für neue Berichte, nicht rückwirkend.
  4. Abstimmung mit den Werbeplattformen. Google Ads, Meta Ads und andere Plattformen haben ihr eigenes Attributionsmodell. Es empfiehlt sich, Conversion-Fenster und Modell zwischen Plattform und GA4 abzustimmen, um Abweichungen zu verringern.
  5. Budget-Umverteilung. Nach 4 bis 8 Wochen mit dem neuen Modell den ROI pro Kanal neu berechnen und das Budget gemäß der neuen Evidenz umverteilen. Die Entscheidung mit einem Screenshot des Dashboards dokumentieren, falls eine Rücknahme nötig wird.
  6. Vierteljährliche Überprüfung. Das Modell ist kein Set-and-Forget. Jedes Quartal sollte die Verteilung mit dem Führungsteam überprüft und angepasst werden.

Welche Werkzeuge braucht ein spanisches KMU, um Attribution gut zu machen?

Die minimal tragfähigen Werkzeuge bei einem vernünftigen KMU-Budget:

Oberhalb jährlicher Digitalbudgets von 600.000 € empfiehlt sich der Blick auf zusätzliche Werkzeuge: AppsFlyer oder Adjust für Mobile Attribution, Singular oder Segment für Identity Resolution, MMM-Werkzeuge wie Meridian oder Robyn für Werbetreibende mit relevanten Offline-Investitionen.

Welche häufigen Fehler sollte man bei der Arbeit mit Attributionsmodellen vermeiden?

Fünf Fehler, die in Projekten immer wieder auftauchen:

  1. Das Modell ändern, ohne das Team zu informieren. Die Verteilung auf die Kanäle wird sich ändern, und das betroffene Team wird die Änderung als politische Entscheidung gegen sich deuten. Man sollte sie vorab kommunizieren.
  2. Modell mit Realität verwechseln. Das Modell ist eine vernünftige Hypothese darüber, wie der Verdienst der Conversion verteilt wird, nicht die absolute Wahrheit. Das Modell zu ändern, ändert nicht die Umsätze, sondern nur, wie sie berichtet werden.
  3. GA4 nicht mit den Werbeplattformen abgleichen. Wenn Google Ads 320 Conversions meldet und GA4 245, muss die Abweichung untersucht werden. Üblicherweise ist es eine Mischung aus unterschiedlichem Conversion-Fenster, unterschiedlicher Deduplizierung und unterschiedlicher Cross-Domain-Attribution.
  4. Auf die falschen Metriken optimieren. Ein ROAS ohne Berücksichtigung des aktiven Attributionsmodells ist irreführend. Ein hoher ROAS in Last-Click kann ein mittelmäßiger ROAS in datengetrieben sein.
  5. Die zeitliche Dimension vergessen. Conversion-Fenster sollten angemessen sein. Ein Verkauf, der 90 Tage nach dem ersten Kontakt zugeschrieben wird, braucht eine Erklärung, keine automatische Attribution.

Wie integriert man Attribution in die übergreifende Marketingstrategie?

Das Attributionsmodell ist ein taktisches Werkzeug, keine Strategie. Es ersetzt weder die Frage nach dem Bedürfnis, das Ihr Unternehmen befriedigt, noch die Entscheidung, welche Art von Beziehung Sie zu Ihrem Kunden aufbauen wollen. Die großen strategischen Wetten — langfristig in Branded Content investieren, Budget für Utility-Marketing vorsehen, auf Programmatic oder SEO setzen — werden vor und über dem Attributionsmodell getroffen.

Was das Modell beiträgt, ist das Werkzeug, um die Budgetverteilung innerhalb dieser strategischen Entscheidung zu optimieren. Attribution ohne Strategie ist leere Optimierung; Strategie ohne Attribution ist budgetäre Blindheit. Beide brauchen einander.

Wenn Sie überprüfen möchten, wie die Attribution in Ihrem Unternehmen konfiguriert ist und welche schnelle Änderung in den nächsten 90 Tagen den meisten Mehrwert brächte, buchen Sie eine erste, kostenlose Session. In 45 Minuten prüfen wir Ihr GA4, identifizieren die drei wirkungsstärksten Anpassungen und zeichnen einen realistischen Implementierungsplan.

Häufig gestellte Fragen

Was ist ein Multichannel-Attributionsmodell?
Es ist die Regel, die den Conversion-Wert auf die verschiedenen Touchpoints verteilt, die der Nutzer vor dem Kauf durchlaufen hat.
Welches sind die meistgenutzten Attributionsmodelle?
Sechs Klassiker: Last-Click, First-Click, linear, Time Decay, positionsbasiert (40-20-40) und datengetrieben (GA4-Algorithmus).
Welches ist das beste Attributionsmodell?
Das hängt vom Geschäft ab. Für kurze Zyklen (Impuls-B2C) genügt Last-Click. Für lange B2B-Zyklen mit vielen Touchpoints linear oder datengetrieben.
Wie wähle ich das richtige Attributionsmodell für mein KMU?
Drei Fragen: Wie lange ist Ihr Funnel?, investieren Sie in Branding?, haben Sie genug Volumen für datengetrieben in GA4?
Wie wirkt sich der Wegfall von Cookies auf die Attribution aus?
Er zwingt dazu, die Attribution mit Modellierung (MMM), First-Party-Daten und Data Clean Rooms zu ergänzen, da der direkt beobachtbare Anteil der Journey gesunken ist.

Offizielle Quellen