Attributionsmodelle im Marketing: Last-Click, Multi-Touch und die Alternative zur perfekten Attribution

Die klassischen Attributionsmodelle im Überblick

Ein typischer Kaufpfad läuft über mehrere Kontaktpunkte: Ein Interessent sieht eine Anzeige, googelt später die Marke, klickt auf ein Suchergebnis und kauft. Welchem Kanal gehört die Conversion? Genau das legt das Attributionsmodell fest – und jedes Modell antwortet anders. Die folgenden sechs Modelle sind die gebräuchlichsten.

Das Grundproblem gilt für alle: Jede Plattform berechnet ihre eigene Attribution und beansprucht dabei häufig dieselbe Conversion. Die Summe aller gemeldeten Umsätze übersteigt so regelmässig den tatsächlichen Gesamtumsatz – ein Effekt, der als Über-Attribution bekannt ist.

Warum Attribution heute unzuverlässig ist

Attribution setzt lückenloses Tracking voraus – und genau das ist weggebrochen. Dabei laufen zwei getrennte Welten nebeneinander: die Web-Attribution (Cookies im Browser) und das App-Tracking (Werbe-ID auf dem Smartphone). Beide sind eingeschränkt, aber über unterschiedliche Mechanismen.

Web: Cookie-Einschränkungen (ITP & Third-Party-Cookies)

Im Browser beruht Attribution auf Cookies. Safaris «Intelligent Tracking Prevention» (ITP) begrenzt die Lebensdauer von Tracking-Cookies drastisch, und der branchenweite Rückzug von Third-Party-Cookies kappt die kanalübergreifende Nachverfolgung zusätzlich. Klickt ein Nutzer heute auf eine Anzeige und kauft erst Tage später, fällt diese Conversion oft aus dem messbaren Fenster.

App: iOS-Tracking-Limits (ATT / IDFA)

In Apps steuert Apples App Tracking Transparency (ATT) den Zugriff auf die Werbe-ID (IDFA). Nutzer müssen dem Tracking aktiv zustimmen – und die meisten tun es nicht. Die Grössenordnung dieses Vertrauensverlusts zeigen die folgenden Werte aus dem App-Umfeld:

Weil nur ein kleiner Teil der App-Nutzer zustimmt, «sieht» eine Plattform wie Meta nur noch einen Bruchteil der tatsächlichen Conversions – der Rest wird geschätzt oder modelliert. Entsprechend berichten viele Advertiser, dass der Anteil der sichtbar zugeordneten Conversions um rund 30–50 % gesunken ist. Diese Zahlen stammen aus dem App-Umfeld und lassen sich nicht eins zu eins auf Web-Conversions übertragen; sie illustrieren aber den allgemeinen Vertrauensverlust, der Web und App gleichermassen trifft.

Cross-Device: der Kanal wechselt das Gerät

Unabhängig von Cookies und ATT bricht Attribution, sobald ein Kaufpfad das Gerät wechselt: Recherche auf dem Smartphone, Kauf am Desktop. Ohne geräteübergreifende Anmeldung erscheinen diese beiden Schritte als zwei getrennte, anonyme Sitzungen – der Zusammenhang geht verloren.

In meinem eigenen Grosshandel erlebe ich die Extremform davon: Kunden recherchieren Produkte im Webshop, bestellen dann aber per E-Mail oder greifen zum Telefon. Aus Sicht jedes Attributionsmodells existiert dieser Umsatz nicht — kein Klick, keine Conversion, nichts. Der Webshop wirkt in den Berichten schwächer, als er ist, obwohl er die Kaufentscheidung vorbereitet hat. Wer B2B verkauft, kennt dieses Muster; es ist der Grund, warum ich kanalgenauen Zahlen grundsätzlich nur bedingt traue.

Die pragmatische Alternative: MER statt perfekter Attribution

Wenn sich einzelne Conversions nicht mehr sauber zuordnen lassen, ist der Ausweg, die Frage zu wechseln: nicht «welcher Kanal war es genau?», sondern «arbeitet mein Marketing insgesamt effizient?». Genau das misst die MER (Marketing Efficiency Ratio), auch «Blended ROAS» genannt: Gesamtumsatz ÷ gesamtes Marketingbudget. Sie braucht kein Pixel-Tracking und keine kanalgenaue Zuordnung – nur den Gesamtumsatz und das Gesamtbudget aus der Buchhaltung. Damit ist sie immun gegen Über-Attribution und Tracking-Lücken.

Warum die MER seit den Tracking-Einschränkungen als übergeordnete Steuerungsgrösse gilt und wie du sie interpretierst, erklärt der Guide Marketing Efficiency Ratio erklärt. Für fortgeschrittene Teams ergänzen Inkrementalitätstests (Kontrollgruppen) und Marketing-Mix-Modeling das Bild.

Attribution und dein Channel-Mix

Fehlattribution verzerrt nicht nur einzelne Kampagnen, sondern das Bild deines gesamten Kanal-Mix. Wenn eine Plattform Conversions überzeichnet, wirkt sie im Reporting wertvoller, als sie ist – und zieht Budget von Kanälen ab, deren Beitrag schlechter messbar (aber real) ist. Organische Kanäle wie SEO oder Direktzugriffe erscheinen dadurch systematisch zu klein.

Ein Gegengewicht ist die umsatzbasierte Betrachtung: Statt der kanalgemeldeten Zuordnung zeigt der Channel-Mix-Rechner, wie sich der tatsächliche Umsatz auf die Kanäle verteilt – und macht gefährliche Abhängigkeiten von einer einzelnen Plattform sichtbar, bevor eine Attributions- oder Algorithmus-Änderung sie trifft.