Attributionsmodelle: Anerkennung dort, wo sie angebracht ist

Stellen Sie sich einen Kunden vor, der durch einen sozialen Beitrag zum ersten Mal auf Sie aufmerksam wird, später Ihren Namen sucht und auf eine bezahlte Anzeige klickt, in der folgenden Woche ein paar E-Mails liest und schließlich nach dem Anklicken eines Links in einer davon kauft. Welcher dieser Touchpoints verdient die Gutschrift für den Verkauf? Wenn Sie nur den letzten Klick belohnen, erscheint die E-Mail als Held und der soziale Beitrag, der alles in Gang gesetzt hat, erhält nichts. Wenn Sie nur den ersten belohnen, passiert das Gegenteil. Dies ist das gesamte Problem, das Attributionsmodelle lösen sollen, und wenn man es falsch macht, verzerrt es leise jede Budgetentscheidung, die man trifft.

Attribution ist einfach die Praxis, die Gutschrift für eine Konversion auf die Marketing-Touchpoints zu verteilen, die dazu geführt haben. Der Grund, warum es wichtig ist, ist einfach: Die Kanäle, von denen Sie glauben, dass sie Ergebnisse liefern, sind die Kanäle, die Sie finanzieren, und die, die Sie vernachlässigen, sind die, die anscheinend nichts tun. Wählen Sie ein Modell, das den oberen Bereich Ihres Funnels systematisch unterbewertet, und Sie werden genau die Aktivitäten immer weiter reduzieren, die ihn füllen. Dieser Leitfaden erklärt die wichtigsten Attributionsmodelle in einfacher Sprache, die Kompromisse, die jedes mit sich bringt, und wie Sie einen Ansatz wählen können, der das tatsächliche Verhalten Ihrer Kunden widerspiegelt.

Warum ein einzelner Touchpoint selten die Wahrheit sagt

Die meisten Käufe von Bedeutung beinhalten mehr als eine Interaktion. Menschen sehen selten eine einzige Anzeige und kaufen sofort. Sie nehmen Sie wahr, vergessen Sie, begegnen Ihnen wieder, recherchieren, vergleichen, zögern und entscheiden sich schließlich. Jeder dieser Momente spielt eine Rolle, und ein Verkauf ist in der Regel das Ergebnis mehrerer zusammenarbeitender Kanäle und nicht das Ergebnis eines einzelnen Kanals, der allein agiert. Attributionsmodelle sind verschiedene Wege, die Gutschrift für diese gemeinsame Arbeit zu verteilen.

Der Instinkt der meisten Analyse-Setups ist es, das zu belohnen, was unmittelbar vor dem Kauf geschah, weil dieser Touchpoint am einfachsten zu sehen und zu messen ist. Aber die letzte Interaktion ist oft nur der letzte Anstoß für einen Kunden, der bereits fast am Ziel war. Sie allein zu belohnen, ist, als würde man dem Spieler, der das Tor geschossen hat, die gesamte Gutschrift geben und alle ignorieren, die den Ball auf den Platz gebracht haben. Das Verständnis des gesamten Pfades, das Gebiet der Customer Journey Analytics, ist es, was eine durchdachte Attribution überhaupt erst ermöglicht.

Die Single-Touch-Modelle

Die einfachsten Modelle geben die gesamte Gutschrift einem einzigen Touchpoint. Die Last-Click-Attribution, der häufigste Standard, weist die gesamte Konversion der letzten Interaktion vor dem Kauf zu. Ihr Reiz ist offensichtlich: Sie ist leicht zu verstehen, leicht zu verfolgen und fühlt sich intuitiv an, weil sie dem Moment des Geldwechsels am nächsten ist. Ihre Schwäche ist ebenso offensichtlich. Sie überbewertet systematisch Bottom-of-Funnel-Kanäle wie die Markensuche oder eine letzte E-Mail und gibt den Aktivitäten, die den Kunden überhaupt erst auf Sie aufmerksam gemacht haben, keinerlei Gutschrift.

Die First-Click-Attribution macht das Gegenteil und weist die gesamte Gutschrift der allerersten Interaktion zu. Dies schmeichelt den Kanälen, die Bekanntheit schaffen und neue Zielgruppen entdecken, ignoriert aber alles, was danach geschah, um den Kunden zu pflegen und zu überzeugen. Beide Single-Touch-Modelle teilen den gleichen grundlegenden Fehler: Sie geben vor, dass eine komplexe Reise das Werk eines einzigen Moments war. Sie sind nützlich als schnelle Referenzpunkte, aber sich allein auf eines von beiden zu verlassen, wird Sie zuverlässig darüber in die Irre führen, wo Wert geschaffen wird.

Die Multi-Touch-Modelle

Multi-Touch-Modelle versuchen, die Gutschrift gerechter auf die gesamte Customer Journey zu verteilen. Die lineare Attribution teilt die Gutschrift gleichmäßig auf alle Touchpoints auf und behandelt jede Interaktion als gleich wichtig. Sie ist wunderbar einfach und vermeidet die Voreingenommenheit der Single-Touch-Modelle, aber ihre Gleichbehandlung ist auch ihre Schwäche, denn nicht jeder Touchpoint trägt wirklich gleichermaßen bei. Ein flüchtiger Eindruck und ein entscheidender Produktseitenbesuch erhalten den gleichen Anteil, was selten der Realität entspricht.

Die Zeitverfall-Attribution gibt Touchpoints, die näher an der Konversion liegen, mehr Gutschrift und früheren weniger, mit der Logik, dass neuere Interaktionen die Entscheidung stärker beeinflusst haben. Die positionsbasierte Attribution, manchmal auch als U-förmiges Modell bezeichnet, gibt den größten Anteil den ersten und letzten Touchpoints und verteilt den Rest auf die dazwischen liegenden, wobei sie sowohl den Kanal würdigt, der den Kunden gefunden hat, als auch den, der den Abschluss erzielt hat. Jedes dieser Modelle ist ausgefeilter als ein Single-Touch-Modell, und jedes enthält eine Annahme darüber, wie Einfluss funktioniert, die zu Ihrem Unternehmen passen kann oder auch nicht.

Datengestützte Attribution

Ein fortschrittlicherer Ansatz versucht, anhand Ihrer tatsächlichen Daten zu ermitteln, wie viel jeder Touchpoint wirklich beigetragen hat, anstatt eine feste Regel anzuwenden. Anstatt anzunehmen, dass der erste oder letzte Touchpoint am wichtigsten ist, betrachtet ein datengestütztes Modell die Muster über viele Kundenreisen hinweg, einschließlich derer, die nicht konvertiert haben, und schätzt den tatsächlichen Einfluss jedes Kanals. Im Prinzip ist dies die fairste Methode, da sie es den Beweisen und nicht einer Annahme überlässt, wo die Gutschrift landet.

Der Haken ist, dass die datengestützte Attribution ein beträchtliches Volumen an Konversionen benötigt, um zuverlässige Muster zu finden, so dass sie für größere Unternehmen besser geeignet ist als für kleinere. Sie ist auch schwerer zu erklären und schwerer auf Plausibilität zu prüfen, was dazu führen kann, dass sie sich wie eine Black Box anfühlt. Für viele kleinere Unternehmen ist ein transparentes, regelbasiertes Modell, das Sie vollständig verstehen, nützlicher als ein ausgeklügeltes, das Sie nicht hinterfragen können. Das richtige Maß an Raffinesse ist das, das sowohl zu Ihrem Datenvolumen als auch zu Ihrem Wunsch nach Komplexität passt.

Die Kanäle, die leise keine Gutschrift erhalten

Eine der nützlichsten Gewohnheiten bei der Attribution ist es, nicht nur zu fragen, welche Kanäle gewinnen, sondern welche ungerechtfertigt übersehen werden. Bestimmte Aktivitäten tauchen selten als letzter Klick auf, leisten aber eine enorme Menge an Arbeit früher in der Customer Journey. Bekanntheitssteigernde Kanäle sind das klassische Beispiel: Sie machen Menschen auf Sie aufmerksam, pflanzen eine Erinnerung und beginnen die Beziehung, aber sie erscheinen fast nie im Moment des Kaufs. Unter einem Last-Click-Modell erscheinen sie wertlos, und ein Unternehmen, das diesem Modell zu wörtlich vertraut, wird genau die Aktivitäten immer weiter kürzen, die den oberen Bereich seines Funnels füllen.

Derselbe blinde Fleck betrifft alles, was einen Kunden beeinflusst, ohne einen verfolgbaren Klick zu erzeugen. Ein hilfreicher Artikel, der Vertrauen aufbaut, ein Gespräch mit einem Freund, ein konsumierter, aber nicht angeklickter Inhalt – all das beeinflusst die Entscheidung, hinterlässt aber wenig Spuren in Ihrer Analyse. Das Bewusstsein für diese stillen Mitwirkenden hält Sie bescheiden darüber, was Ihr gewähltes Modell sehen kann und was nicht. Wenn ein Kanal, den Ihre Daten abtun, immer wieder mit Perioden einer gesunden Gesamtnachfrage zusammenfällt, ist das ein Signal, das es zu beachten gilt, auch wenn kein Modell bereit ist, ihm die verdiente Gutschrift zuzusprechen.

So wählen Sie ein Modell aus

Es gibt kein universell korrektes Attributionsmodell, sondern nur Modelle, die besser oder schlechter zu Ihrer Situation passen. Beginnen Sie mit der Form Ihrer Customer Journey. Wenn Menschen typischerweise nach einer einzigen schnellen Interaktion kaufen, ist die Last-Click-Attribution möglicherweise völlig ausreichend und die zusätzliche Komplexität von Multi-Touch-Modellen bringt Ihnen wenig. Wenn Ihre Verkäufe eine lange, überlegte Reise über viele Kanäle hinweg beinhalten, werden Single-Touch-Modelle die Realität stark verfälschen und ein Multi-Touch-Ansatz wird Ihnen weitaus besser dienen.

Berücksichtigen Sie auch, welche Entscheidung Sie treffen möchten. Wenn Sie wissen wollen, welche Kanäle Bekanntheit schaffen und neue Leute in Ihre Welt bringen, brauchen Sie ein Modell, das frühe Touchpoints berücksichtigt. Wenn Sie den letzten Anstoß zum Kauf optimieren möchten, ist ein Modell sinnvoll, das spätere Interaktionen stärker gewichtet. Die wichtigste Disziplin ist Konsistenz: Wählen Sie ein Modell, verstehen Sie seine Voreingenommenheit und wenden Sie es stetig an, damit Änderungen in Ihren Zahlen Leistungsänderungen widerspiegeln und nicht Änderungen in der Art und Weise, wie Sie gezählt haben. Eine zuverlässige Messung hängt hier stark von einem soliden Conversion-Tracking-Setup ab, da kein Modell einen Touchpoint berücksichtigen kann, den es nie erfasst hat. Es passt auch natürlich zur Disziplin der Funnel-Analyse, die Ihnen zeigt, wo auf der Reise Menschen gewonnen oder verloren gehen.

Die Grenzen der Attribution

Es lohnt sich, die Attribution locker zu betrachten. Selbst das beste Modell ist eine Vereinfachung von etwas wirklich Kompliziertem. Kunden werden von Dingen beeinflusst, die Sie überhaupt nicht verfolgen können, wie eine Empfehlung von einem Freund, eine zufällig gesichtete Werbetafel oder eine lange zurückliegende Erinnerung an Ihre Marke. Datenschutzänderungen und das allmähliche Verschwinden bestimmter Tracking-Signale bedeuten, dass Attributionsdaten eher unvollständiger als vollständiger werden, eine Entwicklung, die es neben dem breiteren Thema Analysen und Datenschutz zu verstehen gilt.

Der gesündeste Umgang mit Attribution ist, sie als Richtungsgeber und nicht als präzises Urteil zu behandeln. Sie kann Ihnen sagen, welche Kanäle im Großen und Ganzen ihren Beitrag leisten und welche schwach aussehen, und das ist wirklich wertvoll. Was sie nicht kann, ist Ihnen ein perfekt genaues Verzeichnis zu liefern, wer genau was verdient. Eigentümer, die dieses Maß an Präzision erwarten, jagen am Ende entweder einer falschen Gewissheit hinterher oder lehnen die Attribution ganz ab. Der klügere Weg ist, sie zur Orientierung zu nutzen, sie mit Urteilsvermögen zu kombinieren und niemals zuzulassen, dass ein einziges Modell das überlagert, was Sie über Ihr Geschäft klar erkennen können. Für das Gesamtbild sehen Sie sich unseren Leitfaden zur Datenanalyse für KMU und unsere Übersicht zur Messung des Marketing-ROI an, die stark davon abhängt, die Attribution einigermaßen richtig zu machen.

Häufig gestellte Fragen

Zusammenfassung

Attributionsmodelle sind nichts anderes als verschiedene Antworten auf eine schwierige Frage: Wenn mehrere Kanäle zusammengearbeitet haben, um einen Kunden zu gewinnen, wer erhält die Gutschrift? Single-Touch-Modelle sind einfach, aber voreingenommen, Multi-Touch-Modelle teilen die Gutschrift fairer auf Kosten der Komplexität, und datengestützte Modelle lassen die Beweise entscheiden, wenn Sie genügend davon haben. Keines ist perfekt, und keines kann jeden Einfluss auf eine echte menschliche Entscheidung erfassen. Das Ziel ist nicht, ein fehlerfreies Modell zu finden, sondern eines zu wählen, dessen Annahmen Sie verstehen, es konsequent anzuwenden und seine Ergebnisse als Richtung und nicht als Evangelium zu lesen. Für das Gesamtbild sehen Sie sich unseren Leitfaden zur Datenanalyse für KMU und unsere Übersicht zur Messung des Marketing-ROI an, die stark davon abhängt, die Attribution einigermaßen richtig zu machen.

Referenzen

1. Google Analytics-Hilfe, support.google.com
2. web.dev, web.dev

Wenn Sie Hilfe bei der Auswahl und Implementierung des richtigen Ansatzes wünschen, erkunden Sie unsere Datenanalyse-Dienstleistungen oder kontaktieren Sie uns, um darüber zu sprechen.