Marketing-Rechner

Wissens-Guide

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

Attribution entscheidet, welchem Kanal eine Conversion zugeschrieben wird. Und damit, welcher Kanal mehr Budget bekommt. Doch durch Cookie- und Tracking-Einschränkungen ist diese Zuordnung so unzuverlässig geworden, dass sich die eigentliche Frage verschiebt: Wie steuert man Marketing, wenn perfekte Attribution gar nicht mehr möglich ist?

Die klassischen Attributionsmodelle im Überblick

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

Modell Funktionsprinzip Einsatzzweck
Last-Click 100 % dem letzten Kontaktpunkt vor dem Kauf. Standard-Voreinstellung; einfach, aber verzerrt zugunsten abschliessender Kanäle.
First-Click 100 % dem ersten Kontaktpunkt des Kaufpfads. Bewertet Kanäle, die neue Nachfrage schaffen (Awareness).
Linear Gleicher Anteil für jeden Kontaktpunkt. Wenn alle Berührungspunkte als gleichwertig gelten sollen.
Time-Decay Je näher am Kauf, desto höher der Anteil. Für Kaufpfade, bei denen späte Kontakte stärker wiegen.
Position-Based (U-Shaped) Erster und letzter Kontakt stark gewichtet, mittlere geteilt. Kompromiss aus Awareness- und Abschluss-Bewertung.
Data-Driven Algorithmus verteilt Anteile nach realen Pfaddaten. Genauer, aber intransparent und stark plattformabhängig.

Das Grundproblem gilt für alle. Jede Plattform berechnet ihre eigene Attribution und beansprucht dabei häufig dieselbe Conversion für sich, sodass die Summe aller gemeldeten Umsätze regelmässig über dem tatsächlichen Gesamtumsatz liegt, den die Buchhaltung ausweist. Der Effekt heisst Über-Attribution.

Warum Attribution heute unzuverlässig ist

Attribution setzt lückenloses Tracking voraus. Genau das ist weggebrochen. Zwei Welten laufen nebeneinander: die Web-Attribution im Browser und das App-Tracking auf dem Smartphone. Die eine hängt an Cookies, die andere an der Werbe-ID des Geräts. 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 gleich mit, also genau den Teil, auf dem Multi-Touch-Modelle aufbauen. Klickt jemand heute auf eine Anzeige und kauft erst Tage später, fällt diese Conversion oft aus dem messbaren Fenster. Der Kauf zählt dann als «direkt».

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. Die meisten tun es nicht. Wie gross der Vertrauensverlust ist, zeigen die folgenden Werte aus dem App-Umfeld:

Kennzahl Wert Quelle
ATT-Opt-in-Rate (global, seit Einführung stabil) rund 25 % Adjust / Flurry
ATT-Opt-in-Rate Deutschland rund 20 % Adjust / Flurry
Von Meta bezifferter ATT-Umsatzausfall (pro Jahr) rund 10 Mrd. $ Meta-Quartalsbericht

Weil nur ein kleiner Teil der App-Nutzer zustimmt, «sieht» eine Plattform wie Meta nur noch einen Bruchteil der tatsächlichen Conversions, und was sie im Werbekonto ausweist, ist zu grossen Teilen gerechnet statt gemessen. Advertiser berichten von rund 30–50 % weniger sichtbar zugeordneten Conversions. Weniger gemessen heisst nicht weniger verkauft. 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, notieren sich die Artikelnummer und bestellen dann per E-Mail oder greifen zum Telefon, weil sie ihre Konditionen kennen und lieber mit einem Menschen sprechen. Aus Sicht jedes Attributionsmodells existiert dieser Umsatz nicht. Kein Klick, keine Conversion, nichts. Der Webshop wirkt in den Berichten schwächer, als er ist. Vorbereitet hat er den Kauf trotzdem. Wer B2B verkauft, kennt das Muster; für mich ist es der Grund, kanalgenauen Zahlen grundsätzlich nur bedingt zu trauen, und zwar in beide Richtungen: bezahlte Kanäle werden eher über-, leise Kanäle eher unterzeichnet.

Die pragmatische Alternative: MER statt perfekter Attribution

Wenn sich Conversions nicht mehr sauber zuordnen lassen, hilft nur ein Wechsel der Frage. Statt «welcher Kanal war es genau?» lautet sie: «arbeitet mein Marketing insgesamt effizient?». Genau das misst die MER (Marketing Efficiency Ratio): Gesamtumsatz ÷ gesamtes Marketingbudget. Manche nennen sie «Blended ROAS». Sie braucht weder Pixel-Tracking noch kanalgenaue Zuordnung. Gesamtumsatz und Gesamtbudget stehen in der Buchhaltung. Damit ist sie immun gegen Über-Attribution und Tracking-Lücken.

Seit den Tracking-Einschränkungen gilt die MER vielerorts als übergeordnete Steuerungsgrösse. Wie du sie liest und einordnest, erklärt der Guide Marketing Efficiency Ratio erklärt. Für fortgeschrittene Teams ergänzen Inkrementalitätstests (Kontrollgruppen) und Marketing-Mix-Modeling das Bild.

Gesamteffizienz statt Kanal-Rätselraten

Trag Gesamtumsatz und Gesamtbudget ein. Du siehst sofort, wie effizient dein Marketing über alle Kanäle arbeitet, ganz ohne Attributionsmodell.

Zum MER-Rechner →

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.

Häufige Fragen

Was ist ein Attributionsmodell?
Ein Attributionsmodell ist die Regel, nach der du den Wert einer Conversion auf die beteiligten Touchpoints verteilst. Die gängigen Varianten: Last Click (alles an den letzten Kontakt), First Click (alles an den ersten), linear (gleichmässig auf alle), positionsbasiert (je 40 % an ersten und letzten, 20 % auf den Rest) und datengetrieben (Gewichtung aus historischen Daten). Welches Modell du wählst, entscheidet mit, welcher Kanal im Reporting gut aussieht – und damit über die Budgetverteilung.
Was ist Attribution im Marketing?
Attribution beschreibt, welchem Werbekanal, welcher Kampagne oder welchem Kontaktpunkt eine Conversion – etwa ein Kauf – zugeschrieben wird. Da Kunden vor einem Kauf oft mehrere Kanäle nutzen (eine Anzeige sehen, später googeln, dann kaufen), entscheidet das gewählte Attributionsmodell, welcher Kanal die Conversion «bekommt». Attribution ist damit die Grundlage jeder Budget-Entscheidung: Sie bestimmt, welcher Kanal als erfolgreich gilt und mehr Budget erhält.
Was ist der Unterschied zwischen Last-Click- und Multi-Touch-Attribution?
Last-Click schreibt 100 % einer Conversion dem letzten Kontaktpunkt vor dem Kauf zu – einfach, aber es ignoriert alle vorherigen Kanäle, die den Kauf angestossen haben. Multi-Touch-Modelle (Linear, Time-Decay, Position-Based) verteilen die Conversion auf mehrere Kontaktpunkte des Kaufpfads und bilden die Realität genauer ab, sind aber komplexer und auf lückenloses Tracking angewiesen – das seit den Cookie- und iOS-Einschränkungen kaum noch gegeben ist.
Warum ist Attribution seit den iOS-Tracking-Änderungen schwieriger geworden?
Mit Apples App Tracking Transparency (ATT) müssen Apps aktiv um Tracking-Erlaubnis bitten. Die Opt-in-Rate liegt seit der Einführung nur bei rund 25 % (in Deutschland sogar rund 20 %), sodass Plattformen einen Grossteil der App-Conversions nicht mehr direkt messen. Meta bezifferte den dadurch verursachten Umsatzausfall in einem Quartalsbericht auf rund 10 Milliarden US-Dollar pro Jahr. Im Web wirken parallel die Cookie-Einschränkungen (etwa Safari ITP). Das Ergebnis: gemeldete Conversions sind lückenhaft und teils modelliert statt gemessen.
Was ist die Alternative zu klassischer Attribution?
Statt zu versuchen, jede Conversion einem Kanal zuzuordnen, setzen viele Brands auf die MER (Marketing Efficiency Ratio): Gesamtumsatz ÷ gesamtes Marketingbudget. Die MER braucht kein Pixel-Tracking und keine kanalgenaue Zuordnung – sie misst die Gesamteffizienz über alle Kanäle und ist deshalb immun gegen Über-Attribution und Tracking-Lücken. Ergänzend nutzen fortgeschrittene Teams Inkrementalitätstests und Marketing-Mix-Modeling.

Hintergrund & Quellen

Die ATT-Opt-in-Raten stammen aus den laufenden Erhebungen der Mobile-Analytics-Anbieter Adjust und Flurry; die bezifferte Umsatzwirkung aus Metas eigener Investor-Kommunikation. Prozentwerte sind Grössenordnungen, keine tagesaktuellen Messwerte.

Mehr über den Autor dieses Artikels findest du auf der Über-uns-Seite.