Skip to main content

Kontakt

Was interessiert Sie?

Zurück zum Glossar (A)
Glossar · A

Attributionsmodell.

Ein Attributionsmodell ist die Regel, nach der ein Werbekonto oder ein Analysewerkzeug den Wert einer Conversion auf die vorangegangenen Kontaktpunkte verteilt. Es entscheidet, welchem Kanal ein Abschluss gutgeschrieben wird — und verändert damit die Zahlen im Bericht, ohne dass sich am tatsächlichen Kaufverhalten irgendetwas ändert.

ATGLOSSARDLM Digital

Attributionsmodell — ausführlich erklärt

Kaum jemand kauft beim ersten Kontakt. Zwischen der ersten Suche und dem Abschluss liegen oft mehrere Besuche über verschiedene Kanäle: eine organische Suche, später eine Anzeige, dann ein direkter Aufruf. Das Attributionsmodell legt fest, wie der eine Abschluss auf diese Kette verteilt wird. Es ist damit eine Buchhaltungsregel, keine Messung. Wechselt man das Modell, verschieben sich die Ergebnisse zwischen den Kanälen — die Summe bleibt gleich. Genau deshalb sind Kanalvergleiche aus zwei verschiedenen Werkzeugen fast nie direkt vergleichbar.

Die gebräuchlichen Modelle: Last Click schreibt alles dem letzten Kontakt zu und bevorzugt systematisch abschlussnahe Kanäle wie Marken-Suchanzeigen. First Click bevorzugt spiegelbildlich die Kanäle am Anfang. Lineare Attribution verteilt gleichmässig, zeitverlaufbasierte Modelle gewichten spätere Kontakte stärker, positionsbasierte Modelle geben erstem und letztem Kontakt je einen festen Anteil. Datengetriebene Attribution leitet die Gewichtung aus dem beobachteten Unterschied zwischen konvertierenden und nicht konvertierenden Pfaden ab und ist in Google Ads inzwischen die Voreinstellung.

Ein Beispiel: Ein B2B-Anbieter sieht unter Last Click, dass fast alle Abschlüsse aus der direkten Eingabe der Domain und aus Marken-Suchanzeigen stammen. Die logische Schlussfolgerung wäre, das Budget für generische Begriffe zu streichen. Unter einem positionsbasierten Modell zeigt sich ein anderes Bild: Ein grosser Teil der Ketten beginnt mit einem generischen Begriff, gefolgt Wochen später von der Markensuche. Dasselbe Verhalten, zwei gegensätzliche Empfehlungen — allein durch die gewählte Regel. Wer nur ein Modell kennt, trifft Budgetentscheidungen auf einer halben Beobachtung.

Die ehrliche Grenze: Attribution zeigt Zusammenhänge, nicht Ursachen. Kein Modell beantwortet die eigentliche Frage, ob ein Abschluss ohne einen bestimmten Kanal ausgeblieben wäre. Dazu kommen praktische Lücken — Wechsel zwischen Geräten, abgelehnte Einwilligungen, kurze Rückblickzeiträume, Abschlüsse am Telefon oder im Laden. Belastbar wird die Frage erst über einen Versuch: eine Kampagne für eine definierte Zeit oder Region abschalten und die Gesamtnachfrage beobachten. Das ist unbequem und kostet kurzfristig Umsatz, ist aber der einzige Weg vom Bericht zur Kausalität.

Weiterführende Seite

Conversion Rate

Häufige Fragen zu Attributionsmodell

Es gibt kein objektiv richtiges Modell, nur passendere und unpassendere. Ein sinnvoller Umgang besteht darin, ein Modell als Standard für die laufende Steuerung festzulegen und wichtige Entscheidungen zusätzlich in einem zweiten Modell gegenzuprüfen. Weichen die Empfehlungen stark voneinander ab, ist das kein Widerspruch, sondern ein Hinweis: Die Entscheidung hängt dann an einer Annahme und nicht an einer Messung.

Weil beide Systeme unterschiedlich zählen. Sie verwenden andere Attributionsmodelle, andere Rückblickzeiträume, ordnen Conversions unterschiedlichen Tagen zu — dem Klick- oder dem Conversion-Datum — und behandeln Einwilligungen und Sitzungen anders. Abweichungen sind deshalb der Normalfall, kein Fehler. Wichtig ist, für jede Kennzahl eine Quelle festzulegen und Kanäle nur innerhalb desselben Systems zu vergleichen.

Nein. Datengetriebene Attribution verteilt den Wert nachvollziehbarer als starre Regeln, bleibt aber eine Auswertung beobachteter Pfade. Sie kann nicht ausschliessen, dass ein Kanal vor allem Nachfrage abgreift, die ohnehin entstanden wäre — der klassische Fall bei Anzeigen auf den eigenen Markennamen. Diese Frage klärt nur ein kontrollierter Versuch mit einer Vergleichsgruppe oder einer Vergleichsregion.

Bereit für Ihr Projekt?

Wenden Sie dieses Wissen auf Ihre Website an — DLM Digital hilft Ihnen dabei.