Marketing-Attributionsmodelle: Erfolg richtig messen

Historisch gesehen verließen sich Marketer auf verschiedene regelbasierte Modelle, um die Leistung zu verfolgen. Das grundlegendste ist das First-Click-Modell, das der allerersten Interaktion eines Nutzers mit der Marke 100 % des Credits zuweist. Dies wird häufig von Unternehmen verwendet, die sich eher auf Markenbekanntheit als auf sofortige Verkäufe konzentrieren. Wenn ein Nutzer eine Website über einen Pinterest-Pin findet und später über einen direkten Besuch kauft, erhält Pinterest den gesamten Credit.

Das Last-Click-Modell ist das Gegenteil und weist dem letzten Touchpoint vor der Conversion den gesamten Credit zu. Obwohl dies leicht zu verfolgen ist, ignoriert es oft den Einfluss von Marketingmaßnahmen am oberen Ende des Funnels. Ein Nutzer könnte beispielsweise drei verschiedene YouTube-Anzeigen sehen, bevor er schließlich auf eine Marken-Suchanzeige klickt, um zu kaufen. In diesem Szenario ignoriert der letzte Klick den Videoinhalt vollständig.

Multi-Touch-Modelle versuchen, den Credit über die gesamte Reise zu verteilen. Lineare Modelle geben jeder Interaktion den gleichen Credit, während Time-Decay-Modelle den Interaktionen, die näher am Zeitpunkt der Conversion lagen, mehr Credit geben. Positionsbasierte Modelle, manchmal auch U-förmig genannt, geben normalerweise 40 % des Credits der ersten und letzten Interaktion und verteilen die restlichen 20 % auf die mittleren Schritte.

Google Analytics 4 (GA4) verwendet für die meisten Berichte standardmäßig die datengesteuerte Attribution. Dieses Modell nutzt maschinelles Lernen, um sowohl konvertierende als auch nicht konvertierende Pfade zu analysieren und zu verstehen, wie verschiedene Touchpoints die Ergebnisse beeinflussen. Im Gegensatz zu regelbasierten Modellen passt es sich an die einzigartigen Muster Ihrer spezifischen Kontodaten an.

Das datengesteuerte Modell betrachtet Faktoren wie die Zeit bis zur Conversion, den Gerätetyp und die Anzahl der Anzeigeninteraktionen. Es berechnet den tatsächlichen Beitrag jedes Keywords, jeder Anzeige und jeder Kampagne. Dies ermöglicht eine genauere Darstellung, wie Marketingkanäle zusammenarbeiten, anstatt isoliert zu agieren.

Marketer können innerhalb von GA4 weiterhin auf Last-Click-Optionen zugreifen, wenn sie eine traditionellere Ansicht bevorzugen. Google ist jedoch zu datengesteuerten Methoden übergegangen, um ein klareres Bild komplexer, geräteübergreifender Reisen zu vermitteln. Sie finden diese Einstellungen, indem Sie zum Admin-Bereich navigieren, dann Datenanzeige auswählen und auf Attributionseinstellungen klicken.

Im Jahr 2023 kündigte Google die Entfernung der Attributionsmodelle First-Click, Linear, Time-Decay und positionsbasiert aus Google Ads und GA4 an. Diese Änderung wurde implementiert, da diese Modelle in der modernen Landschaft nicht so effektiv waren wie die datengesteuerte Attribution. Die meisten Werbetreibenden waren bereits zu automatisierten Geboten übergegangen, die bei der Verwendung datengesteuerter Erkenntnisse am besten funktionieren.

Durch die Konzentration auf datengesteuerte und Last-Click-Modelle hat Google den Messprozess vereinfacht. Dies hilft, die Verwirrung durch zu viele unterschiedliche Berichte für dieselbe Conversion zu vermeiden. Für ein typisches Konto liefert das datengesteuerte Modell die umsetzbarsten Informationen zur Optimierung der Werbeausgaben.

Die Auswahl eines Modells hängt stark von Ihrem Verkaufszyklus und Ihrer Geschäftsart ab. Ein Shopify-Shop, der günstige Handyhüllen verkauft, hat oft ein sehr kurzes Conversion-Fenster. In diesem Fall könnte ein Last-Click-Modell ausreichen, da der Kunde eine Entscheidung fast sofort trifft. Der Weg ist einfach und direkt.

Im Gegensatz dazu benötigt ein B2B-Softwareunternehmen mit einem sechsmonatigen Verkaufszyklus eine umfassendere Sicht. Sie könnten feststellen, dass ihr anfänglicher Whitepaper-Download genauso wichtig ist wie die endgültige Demo-Anfrage. Datengesteuerte Attribution wird hier bevorzugt, da sie den Wert jener Interaktionen in der Frühphase erkennt, die schließlich zu einem hochwertigen Vertrag führen.

• Verwenden Sie Last Click für Artikel mit hohem Volumen und niedrigen Kosten bei kurzen Entscheidungszeiten.
• Verwenden Sie datengesteuerte Attribution für Multi-Channel-Kampagnen und längere Verkaufszyklen.
• Verwenden Sie die First-Click-Logik (über benutzerdefinierte Berichte), wenn das Hauptziel die Markenentdeckung ist.
• Vergleichen Sie verschiedene Modelle mit dem Modellvergleichstool in GA4, bevor Sie dauerhafte Änderungen vornehmen.

Das Ändern des Attributionsmodells in Google Ads wirkt sich darauf aus, wie Conversions in Ihren Kampagnen gemeldet werden und wie automatisierte Gebotsstrategien Ihre Gebote optimieren. Es ist eine grundlegende Einstellung, die regelmäßig überprüft werden sollte. Stellen Sie sicher, dass Sie über genügend Conversion-Daten verfügen, bevor Sie zu einem datengesteuerten Modell wechseln, um sicherzustellen, dass das maschinelle Lernen über genügend Input verfügt.

Um diese Einstellungen zu aktualisieren, folgen Sie diesem Pfad in Ihrem Google Ads-Konto: Klicken Sie auf das Symbol ‘Ziele’ und wählen Sie dann ‘Zusammenfassung’ unter dem Menü Conversions. Klicken Sie auf den Namen der spezifischen Conversion-Aktion, die Sie bearbeiten möchten. Wählen Sie von dort aus ‘Einstellungen bearbeiten’ und suchen Sie nach dem Dropdown-Menü ‘Attributionsmodell’.

Sobald Sie eine Änderung vornehmen, ist es üblich, eine vorübergehende Verschiebung in der Art und Weise zu sehen, wie Ihre Daten gemeldet werden. Wenn Sie beispielsweise von Last-Click zu datengesteuert wechseln, sehen Sie möglicherweise mehr Conversions, die Ihren generischen Suchkampagnen zugeschrieben werden, und weniger Ihren Markensuchkampagnen. Dies spiegelt eine genauere Verteilung des Credits wider.

Obwohl datengesteuerte Modelle fortschrittlich sind, sind sie nicht perfekt. Eine große Einschränkung ist der ‘Walled Garden’-Effekt. Plattformen wie Meta und Google teilen Daten nicht immer perfekt miteinander. Dies kann zu einer Überberichterstattung führen, wenn beide Plattformen den Credit für dieselbe Conversion beanspruchen.

Datenschutz-Updates wie iOS 14.5 und das Auslaufen von Drittanbieter-Cookies wirken sich ebenfalls auf die Attributionsgenauigkeit aus. Wenn Nutzer das Tracking ablehnen, wird der Conversion-Pfad fragmentiert. Marketer müssen sich oft auf modellierte Conversions verlassen, bei denen die Plattform aggregierte Daten verwendet, um die durch fehlende Tracking-Informationen entstandenen Lücken zu füllen.

Darüber hinaus sind Offline-Conversions und Mundpropaganda bekanntermaßen schwer zu verfolgen. Wenn ein Kunde eine Anzeige sieht, aber dann ein physisches Geschäft besucht, um das Produkt zu kaufen, wird das digitale Attributionsmodell diese Verbindung wahrscheinlich verlieren. Darüber hinaus kann der über Jahre aufgebaute Markenwert nicht einfach durch einen einzigen Touchpoint in einem 30-Tage-Fenster gemessen werden.