Begriff
Attributionsmodelle
Attributionsmodelle sind Regeln, nach denen der Wert einer Conversion auf die beteiligten Kontaktpunkte einer Customer Journey verteilt wird. Sie reichen von einfachen Modellen wie Last-Click bis zu datengetriebenen, auf maschinellem Lernen basierenden Ansätzen.
Attributionsmodelle — ausführlich erklärt
Attributionsmodelle legen fest, wie der Erfolg einer Conversion, etwa eines Kaufs oder einer Anfrage, auf die verschiedenen Kontaktpunkte verteilt wird, die eine Person zuvor durchlaufen hat. Da Nutzende selten über einen einzigen Kanal kommen, sondern oft mehrere Anzeigen, Suchen und Besuche durchlaufen, beantwortet ein Attributionsmodell die Frage, welchem dieser Schritte welcher Anteil am Erfolg zugeschrieben wird.
Klassisch werden mehrere Modelltypen unterschieden. Beim Last-Click erhält der letzte Kontaktpunkt vor der Conversion den gesamten Wert, beim First-Click der erste. Lineare Modelle verteilen den Wert gleichmäßig auf alle Kontaktpunkte. Zeitverlauf-basierte Modelle gewichten spätere Kontakte stärker, positionsbasierte Modelle betonen ersten und letzten Kontakt. Datengetriebene Modelle schließlich nutzen maschinelles Lernen und vergleichen erfolgreiche mit nicht erfolgreichen Pfaden, um den Beitrag jedes Kontaktpunkts aus den Daten selbst abzuleiten.
Zu beachten ist die Entwicklung im Werbe-Umfeld. In Google Ads wurden die regelbasierten Modelle First-Click, Linear, Zeitverlauf und Position-basiert abgeschafft, sodass dort praktisch nur noch die datengetriebene Attribution und Last-Click zur Wahl stehen. Die datengetriebene Variante ist Standard und Empfehlung, weil sie die Verteilung auf Basis tatsächlicher Verläufe schätzt.
Kein Modell liefert eine objektive Wahrheit. Jedes trifft Annahmen und betont andere Aspekte. Die Wahl beeinflusst, welche Kanäle wertvoll erscheinen, und sollte zu den Zielen und Daten passen. Entscheidend ist zudem die Qualität der zugrunde liegenden Daten.
Beispiel / Praxisbezug
Eine Person sieht zuerst eine Display-Anzeige, klickt später auf eine Such-Anzeige und kauft schließlich nach einem direkten Besuch der Website. Nach dem Last-Click-Modell erhält der direkte Besuch den gesamten Wert, die vorherigen Schritte gehen leer aus. Ein lineares Modell würde den Wert zu gleichen Teilen verteilen, ein datengetriebenes Modell ihn anhand vieler ähnlicher Verläufe gewichten. Je nach Modell erscheint ein anderer Kanal als besonders wertvoll.
Abgrenzung zu ähnlichen Begriffen
Attributionsmodelle sind der Oberbegriff; die Last-Click-Attribution ist eines dieser Modelle, nämlich das einfachste, das dem letzten Kontaktpunkt den vollen Wert zuschreibt.
Von der Messtechnik unterscheiden sie sich ebenfalls: Das Conversion-Tracking erfasst, dass und über welche Wege Conversions zustande kommen; das Attributionsmodell entscheidet anschließend, wie der Wert auf die erfassten Kontaktpunkte verteilt wird. Eine ganz andere Logik verfolgt das Marketing-Mix-Modeling, das nicht einzelne Nutzerpfade, sondern aggregierte Kanalwirkungen schätzt.
Entdecke mehr
Marketing-Mix-Modeling
Marketing-Mix-Modeling (MMM) ist ein statistisches Verfahren, das den Beitrag einzelner Marketing-Kanäle und Faktoren zum Geschäftsergebnis schätzt. Es nutzt aggregierte Daten ohne Nutzer-Tracking und erlebt durch Datenschutz und KI eine Renaissance.
LexikonAttributionsmodelle verstehen
Wie Attribution Conversion-Credit auf Touchpoints verteilt, warum Google Data-Driven zum Standard machte und regelbasierte Modelle abschaffte.
NewsApple Mail und Gmail überschreiben den Preheader mit KI-Zusammenfassungen
Wer den Pre-Header sorgfältig pflegt, sieht ihn in der Apple-Inbox nicht mehr. Was Sender wissen müssen und wie man Mails KI-leserlich strukturiert.