Standard-Definition
Ein Attribution-Modell ist die Methodik, nach der einer Conversion ein oder mehrere Touchpoints aus der Customer Journey zugeordnet werden. Klassische Modelle: Last-Click (100 Prozent dem letzten Touchpoint), First-Click (100 Prozent dem ersten), Linear (gleichmäßig auf alle Touchpoints), Time-Decay (jüngere Touchpoints stärker gewichtet), Position-Based (40 Prozent erster, 40 Prozent letzter, 20 Prozent Mitte). Seit 2021 hat Google in seinen Werbe-Tools verstärkt auf Data-Driven Attribution (DDA) gesetzt — ein machine-learning-basiertes Modell, das auf Basis tatsächlicher Conversion-Pfade individuelle Touchpoint-Beiträge berechnet. In GA4 ist DDA seit 2021 Default. Wichtig: das gewählte Modell beeinflusst die Bewertung einzelner Kanäle massiv — der gleiche Werbe-Kanal kann unter Last-Click und First-Click radikal unterschiedlich performieren.
Was das in der Mandate-Praxis bedeutet
Attribution ist eine der konfliktreichsten Steuerungs-Fragen in der Performance-Marketing-Praxis.
Erstens, kein Attribution-Modell ist „richtig". Jedes Modell ist eine Approximations-Vereinfachung der tatsächlichen Customer Journey. Last-Click bevorzugt Performance-Marketing-Kanäle am Ende des Funnels (Search, Retargeting), benachteiligt Upper-Funnel-Kanäle (Display, YouTube, Social). First-Click bevorzugt die Erst-Kontakt-Kanäle, benachteiligt Conversion-Kanäle. Data-Driven Attribution ist analytisch sauberer, aber Black-Box — wer auf DDA umstellt, verändert die wahrgenommene Performance einzelner Kanäle, was zu Budget-Verschiebungen führt.
Zweitens, Attribution-Konflikte zwischen Tools sind normal. Google Ads, Meta Ads, GA4 und die jeweiligen anderen Werbe-Tools verwenden unterschiedliche Attribution-Modelle und sehen jeweils nur ihren eigenen Touchpoint-Anteil. Die Summe der einzelnen Tool-Reports übersteigt damit oft die tatsächliche Conversion-Anzahl deutlich. In Mandaten ist das eine wiederkehrende Mandanten-Frage — die ehrliche Antwort ist: jedes Tool hat seine eigene begrenzte Sicht, die Gesamt-Wahrheit kommt nur aus einem übergeordneten Analytics-Setup.
Drittens, durch Cookieless Tracking wird Attribution strukturell ungenauer. Mit dem Wegfall von Drittanbieter-Cookies und der Begrenzung auch von First-Party-Cookies werden Multi-Touch-Attributionen zunehmend modelliert statt direkt gemessen. Google Ads und GA4 verwenden „Modeled Conversions", um die Daten-Lücken zu schließen — was die Genauigkeit erhöht, aber die Nachvollziehbarkeit reduziert. Praxis-Empfehlung: nicht auf eine Attribution-Wahrheit hoffen, sondern mit Modell-Bandbreiten arbeiten und Trends statt Punktwerte interpretieren.