Attributionsmodelle verstehen und richtig einsetzen

Attributionsmodelle bieten Werbetreibenden einen wichtigen Ansatz, um die Customer Journey ihrer Kunden nachzuvollziehen. Sie legen fest, welche Touchpoints für die finale Conversion ausschlaggebend sind, und weisen ihnen einen entsprechenden Wert zu. Dabei hat das gewählte Modell Einfluss darauf, welche Daten von Google Ads oder Google Analytics überhaupt erfasst werden. Die Modelle helfen Werbetreibenden, die Ergebnisse ihrer Werbemaßnahmen zu messen, effiziente Budgetentscheidungen zu treffen und ihre Werbekampagnen zu optimieren.

In diesem Fachbeitrag erfahren Sie, welche konkrete Bedeutung der Attribution zukommt. Wir stellen Ihnen die unterschiedlichen Modelle vor und geben Ihnen Tipps, wie Sie sie richtig einsetzen.

Inhalt

Das leisten Attributionsmodelle für Ihr Advertising
Attributionsmodelle im Überblick
Regelbasierte Modelle
Letzter Klick (Last-Click-Attribution)
Erster Klick (First-Click-Attribution)
Lineare Attribution
Zeitverlauf (Time-Decay-Attribution)
Positionsbasiertes Modell (Position-Based-Attribution)
Datengetriebenes Modell (Data-Driven-Attribution)
Best Practices
Unser Fazit

Attributionsmodelle im Überblick

Je nach Attributionsmodell werden den Touchpoints innerhalb der Customer Journey unterschiedliche Werte zugewiesen. Es gibt regelbasierte Modelle, die sich auf eine einzige Interaktion – am Ende oder am Beginn des Conversion-Pfades – konzentrieren und solche, die alle Touchpoints berücksichtigen. Daneben forciert Google datengetriebene Modelle. Welches Modell Sie einsetzen, ist maßgeblich von Branche und Unternehmenstyp sowie von den strategischen Zielen und der Länge des Kaufprozesses abhängig.

1. Regelbasierte Modelle

Regelbasierte Attributionsmodelle nutzen feste Regeln, um zu ermitteln, welchen Beitrag ein Touchpoint zu einer finalen Conversion leistet – unabhängig vom Conversion-Typ und vom Nutzerverhalten.

Die Modelle Last Click und First Click führen die gesamte Conversion auf eine ausschlaggebende Handlung zurück: auf die letzte bzw. auf die erste Interaktion. Das heißt, es wird nur ein Touchpoint betrachtet, nicht die gesamte Customer Journey. Dieses Vorgehen war einst in der Praxis sehr verbreitet. Heute findet es seltener Anwendung.

1.1 Letzter Klick (Last-Click-Attribution)

Die Last-Click-Attribution betrachtet die zuletzt geklickte Anzeige mit dem entsprechenden Keyword als wichtigsten Kontaktpunkt und weist ihr darum 100 Prozent des gesamten Conversion-Werts zu.

Vorteil: Eignet sich für Conversion-Kampagnen, wenn vorgelagerte Aktionen unberücksichtigt bleiben können.

Nachteil: Vernachlässigt den Einfluss anderer Kanäle und Werbeformate auf die finale Kaufentscheidung. Birgt die Gefahr, dass Keywords ausgeschlossen werden, die für den Anfang der Customer Journey wichtig sind.

1.2 Erster Klick (First-Click-Attribution)

Bei der First-Click-Attribution wird der gesamte Conversion-Wert der zuerst geklickten Anzeige und dem entsprechenden Keyword zugerechnet.

Vorteil: Bestens geeignet für Awareness-Kampagnen.

Nachteil: Liefert nur wenig Erkenntnis über die Auswirkung auf Conversions und Umsatz.

Daneben gibt es Modelle, welche die gesamte Customer Journey betrachten und allen Touchpoints einen Anteil am Conversion-Wert zuweisen. Die Interaktionen werden je nach Modell unterschiedlich bewertet.

1.3 Lineare Attribution

Das Modell der linearen Attribution betrachtet die gesamte Customer Journey und geht davon aus, dass allen Touchpoints dieselbe Relevanz für die finale Conversion zukommt. Entsprechend wird der Conversion-Wert gleichmäßig auf alle in der Customer Journey erfassten Touchpoints verteilt.

Vorteil: Dieses Modell bewertet alle Touchpoints gleich. Das bietet sich etwa dann an, wenn eine gleichbleibende Präsenz auf allen Kanälen angestrebt wird.

Nachteil: Alle Touchpoints erhalten die gleiche Wertigkeit, unabhängig von ihrem tatsächlichen Anteil an der Conversion. Das ermöglicht wenig Erkenntnisse für die Kampagnenoptimierung.

1.4 Zeitverlauf (Time-Decay-Attribution)

Dieses Modell gewichtet die Kontaktpunkte nach Zeit. Es basiert auf der Annahme, dass die Bedeutung eines Touchpoints mit der zeitlichen Nähe zur Conversion zunimmt. Ein Klick, der innerhalb der sieben Tage vor der Conversion erfolgt, bekommt die Hälfte des gesamten Conversion-Werts zugeordnet.

Vorteil: Das Modell berücksichtigt die Zeitkomponente. Es gewichtet stärker jene Touchpoints, die der Kaufentscheidung am nächsten liegen und die Conversion tatsächlich vorangetrieben haben.

Nachteil: Wichtige Touchpoints am Anfang der Customer Journey bekommen wenig Aufmerksamkeit – was problematisch ist, wenn sich der Entscheidungsprozess wie etwa im B2B-Bereich langwierig gestaltet.

1.5 Positionsbasiertes Modell (Position-Based-Attribution)

Das positionsbasierte Modell ist eine Mischung aus First- und Last-Click-Attribution, da der erste und der letzte Kontaktpunkt höher bewertet werden als die dazwischen liegenden. Standardmäßig erhalten sie jeweils 40 Prozent. Die verbleibenden 20 Prozent des Conversion-Werts werden auf die übrigen Klicks verteilt.

Vorteil: Alle Touchpoints finden Beachtung, wobei der Fokus auf der ersten und der letzten Interaktion liegt. Der Anteil am Conversion-Wert lässt sich individuell festlegen.

Nachteil: Birgt das Risiko, dass zwei Berührungspunkte stark gewichtet werden, die möglicherweise gar nicht in diesem Maße zur Kaufentscheidung beigetragen haben.

2. Datengetriebenes Modell (Data-Driven-Attribution)

Beim datengetriebenen Modell erfolgt die Verteilung des Conversion-Werts auf Basis von realen Daten, die von intelligenten Algorithmen in Echtzeit zu den einzelnen Touchpoints erhoben wurden. Es wird also der tatsächliche Wert jedes Klicks berechnet. Faktoren wie die Zeit bis zur Conversion, der Gerätetyp, die Anzahl der Anzeigeninteraktionen, die Reihenfolge der Anzeigenpräsenz und die Art der Creative-Assets werden berücksichtigt. Um die Touchpoints mit der höchsten Conversion-Wahrscheinlichkeit zu ermitteln, werden die tatsächlichen und die möglichen Ergebnisse einander gegenübergestellt. Auf Basis dessen wird diesen Touchpoints ein Beitrag zur Conversion zugeordnet.

Vorteil: Berücksichtigt das konkrete Nutzerverhalten und damit auch Entwicklungen in der Customer Journey. Die Gewichtung der einzelnen Interaktionen wird entsprechend angepasst.

Nachteil: Erfordert einen sehr großen Datenbestand, bietet aber weniger Transparenz und Kontrollmöglichkeiten.

In Google Analytics können Sie sich auch benutzerdefinierte Modelle erstellen. Das bietet sich dann an, wenn die vorgestellten Standardmodelle nicht die spezifische Customer Journey Ihrer Kunden abbilden.

Insgesamt gilt es zu beachten, dass Attribution keinen Anspruch auf Vollständigkeit und Richtigkeit erhebt, denn technische und datenschutzrechtliche Einschränkungen senken die Aussagekraft der Modelle.

Best Practices

Der Einsatz von Attributionsmodellen kann zu unterschiedlichen Fehlinterpretationen und damit zu falschen Optimierungsmaßnahmen führen. Um dies zu verhindern, sollten Sie verschiedene Modelle testen und die Daten miteinander vergleichen.

Voraussetzung für aussagekräftige Ergebnisse ist es, möglichst viele Touchpoints über ein browserseitiges First-Party-Tracking zu ermitteln. Zusätzlich empfiehlt sich der Aufbau einer Instanz für ein Server-to-Server-Tracking (S2S).

Aus der Analyse bisheriger Customer Journeys lässt sich ableiten, welche Bedeutung einzelnen Kanälen zukommt. Die Zielsetzung der jeweiligen Kampagne gibt Aufschluss darüber, ob initiierende oder finalisierende Maßnahmen stärker zu gewichten sind. So können Sie die Kanäle nach ihrer Bedeutung für den Kampagnenerfolg gewichten und dafür sorgen, dass Sie in einem ausgewogenen Verhältnis Neukunden und Bestandskunden ansprechen.

Um eine Kausalität zwischen einer Anzeige und einer Conversion herzustellen, ist es möglich ein Attributionsfenster (Lookback-Window) zu berücksichtigen, dessen Größe von der Komplexität der Customer Journey (Anzahl der Touchpoints, Dauer), vom Warenkorbwert, aber auch von der Branche abhängt.