Was ist ein Attributionsmodell?

Ein Attributionsmodell misst nicht die Wirklichkeit, es verteilt sie. Das Analysewerkzeug speichert eine Liste von Kontaktpunkten zu einer Nutzerin, und sobald diese Nutzerin konvertiert, braucht es eine Regel dafür, wem die Conversion zugeschrieben wird. Diese Regel ist das Modell.

Von drei Begriffen sollte man es trennen, die täglich damit verwechselt werden. Das Tracking ist die Erfassung der Daten: Tags, Kampagnenparameter, Einwilligung. Ohne sauberes Tracking liefert kein Modell belastbare Zahlen. Das Rückblickfenster legt fest, wie weit zurück Kontaktpunkte überhaupt betrachtet werden, weshalb zwei Properties mit gleichem Modell und unterschiedlichem Fenster verschiedene Ergebnisse zeigen. Die Zählweise der Conversions entscheidet, ob eine oder alle Conversions pro Klick erfasst werden.

Ebenso wichtig ist, wo das Modell wirkt. In Google Analytics 4 verändert das Berichtsmodell, wie die Kanäle in den Berichten zu Schlüsselereignissen aussehen. In Google Ads wirkt das Modell zusätzlich auf die automatische Gebotssteuerung, denn die intelligenten Strategien lernen aus den Conversions so, wie das Modell sie ihnen zeigt. Dieselbe Bestellung kann auf beiden Plattformen mit unterschiedlicher Herkunft auftauchen, ohne dass eine von beiden kaputt ist.

Der Mechanismus hat vier Schritte. Zuerst wird die Nutzerin über mehrere Besuche hinweg mit der verfügbaren Kennung erkannt: User-ID, Google Signals, eigene Cookies oder Modellierung. Danach werden ihre Interaktionen zu einem Pfad sortiert. Anschließend wird dieser Pfad mit dem Rückblickfenster beschnitten, das in Google Analytics 4 für die meisten Schlüsselereignisse standardmäßig 90 Tage beträgt, mit den Optionen 30 und 60 Tage, und für Akquise-Ereignisse 30 Tage, mit der Option 7. Zuletzt greift die Verteilungsregel.

Die Regeln zerfallen in zwei Familien. Regelbasierte Modelle vergeben den Verdienst nach einer festen Position im Pfad: Letzter Klick gibt 100 % des Werts an die letzte Interaktion. Datengetriebene Modelle berechnen die Verteilung aus der Historie des eigenen Kontos, indem sie Pfade mit Conversion mit Pfaden ohne Conversion vergleichen, sodass das Gewicht jedes Kanals von Fall zu Fall schwankt.

Die verfügbare Auswahl ist deutlich kürzer, als ältere Artikel vermuten lassen. Google Analytics 4 bietet heute drei Berichtsmodelle: datengetriebene Attribution, Letzter Klick über bezahlte und organische Kanäle (das Direktzugriffe ignoriert, außer der gesamte Pfad besteht aus Direktzugriffen) und Letzter Klick über bezahlte Google-Kanäle. Google Ads bietet zwei: datengetriebene Attribution und Letzter Klick. Die Modelle Erster Klick, Linear, Zeitverlauf und Positionsbasiert sind seit November 2023 nicht mehr verfügbar, und die Conversion-Aktionen, die sie genutzt haben, wurden auf datengetriebene Attribution umgestellt.

Die Entscheidung, die am Modell hängt, ist die Budgetverteilung. Bei Letzter Klick sammeln die abschließenden Kanäle den Verdienst ein, während die eröffnenden Kanäle arm aussehen. Wer mit dieser Lesart kürzt, kürzt genau das, was die Nachfrage erzeugt, die später ein anderer Kanal abschließt. Ein Beispiel mit erfundenen Zahlen zur Veranschaulichung: Ein Verkauf über 200 €, der bei einem Video begann, über einen Artikel lief und bei einer Markensuche endete, wird bei Letzter Klick vollständig der Marke gutgeschrieben, während ein datengetriebenes Modell diesen Wert auf alle drei verteilen würde.

Es gibt einen zweiten Effekt, über den seltener gesprochen wird. In Google Ads speist das Modell die automatische Gebotssteuerung, ein Wechsel verändert also das Verhalten der Kampagnen und nicht nur das Aussehen des Berichts.

Und es gibt ein Problem der Dokumentenhygiene. Jedes Dashboard, jede Vorlage und jeder Bericht, in dem noch «Linear» oder «Erster Klick» steht, beschreibt etwas, das es auf diesen Plattformen nicht mehr gibt; die gezeigten Zahlen stammen aus einem anderen Modell, auch wenn das Etikett stehen geblieben ist. In Google Analytics 4 wirkt der Wechsel des Berichtsmodells auch auf die historischen Daten, sodass zwei Exporte desselben Zeitraums an verschiedenen Tagen nicht übereinstimmen müssen. Bevor du über den Einbruch eines Kanals diskutierst, prüfe, welches Modell bei welchem Export aktiv war.

• Lege ein Standardmodell für das ganze Haus fest und notiere das Datum jeder Änderung direkt bei den Berichten, die es nutzen; ohne diese Notiz liest sich ein Modellwechsel später wie ein Leistungswechsel.
• Prüfe das Rückblickfenster gemeinsam mit dem Modell: Lange Kaufzyklen mit kurzem Fenster werfen die frühen Kontakte weg, bevor überhaupt verteilt wird.
• Vergleiche immer denselben Zeitraum mit demselben Modell auf derselben Plattform; ein Vergleich zwischen Analytics und Google Ads beantwortet zwei verschiedene Fragen.
• Prüfe das Tracking, bevor du das Modell beschuldigst: einheitliche UTM-Auszeichnung, funktionierende Einwilligung, keine doppelten Conversions.
• Sichere einen Rohexport der Conversion-Pfade (BigQuery oder CSV), damit du eine eigene Verteilung rekonstruieren kannst, wenn die Plattform das nächste Modell abschaltet.
• Gleiche die Lesart mit einer Quelle ab, die nicht an der digitalen Attribution hängt: Herkunftsfrage im Formular, Gutscheincodes oder Daten aus deinem CRM.

• Zwei Berichte vergleichen, die mit verschiedenen Modellen gebaut wurden, und die Differenz als Traffic- oder Umsatzeinbruch verkaufen.
• Alte Vorlagen und Präsentationen weiterverwenden, die noch Erster Klick, Linear, Zeitverlauf oder Positionsbasiert anbieten, also im November 2023 abgeschaffte Modelle.
• Kampagnen zur Bedarfsweckung mit Letzter Klick bewerten und schließen, sie brächten nichts, obwohl das Modell konstruiert ist, sie nicht zu sehen.
• Vergessen, dass das Modell Letzter Klick über bezahlte und organische Kanäle Direktzugriffe ignoriert, was die Lesart bei Marken mit viel Direktverkehr verschiebt.
• Das Modell in Google Ads mitten in der Hochsaison wechseln und die veränderten Ergebnisse der Kreation zuschreiben, obwohl die automatische Gebotssteuerung dahintersteckt.