Attribution Modelling – Was ist der wahre Wert deiner Marketingkanäle?

Den Wert der Online-Marketing-Aktivitäten zu bestimmen, scheint auf den ersten Blick vielleicht einfach. In Google Analytics oder dem Tool deiner Wahl reinschauen – und schon siehst du, wie viele Conversions z. B. Google Ads generiert hat. Doch was genau wird da eigentlich gemessen? Ich kaufe selten spontan über die erstbeste Google Anzeige ein. In meiner naiven Annahme, dass es dir genau so geht: Wie findest du heraus, was die ganzen Marketingkanäle wert sind?

Was ist Attribution?

Fangen wir ganz von vorn an.

Der Begriff Attribution stammt aus der Psychologie und beschreibt die Zuordnung von bestimmten Fähigkeiten, also Attributen, zu vermuteten Ursachen von Handlungen.

Einfacher: Im Marketing geht es dabei darum, den ursächlichen Marketingkanal für eine Conversion (z. B. ein Kauf oder eine Kontaktanfrage) zu finden.

Weil es in der Regel mehrere Touchpoints gibt, spricht man auch vom Multi-Channel-Attribution-Modelling.

Multi-Channel-Attribution

Spätestens jetzt muss ich auf die grandiose Arbeit von Avinash Kaushik verweisen, dem Vorreiter & -Denker in Sachen Web Analyse. Einige der Konzepte in diesem Artikel stammen von ihm.

In den meisten Analytics Tools gibt es ein Attributionsproblem: Eine Conversion wird in der Regel der letzten Trafficquelle zugeordnet, über die ein Nutzer auf die Website kam. Dadurch geben wir einem Kanal die gesamte Anerkennung für eine Conversion.

Wahrscheinlich siehst du, dass die Pfadlänge größer als 1 ist, also mehrere Touchpoints (Kanäle) zur Conversion geführt haben. Bei der Zuweisung des Conversion-Werts werden also eine Menge Touchpoints ignoriert.

Wie können wir also bestimmen, welchen Anteil die einzelnen Marketingkanäle an einer Conversion haben?

Die unterschiedlichen Multi-Channel-Attributions-Modelle

Avinash Kaushik beschreibt drei Arten von Multi-Channel-Attributions-Modellen. Wir werden uns zwar auf eins davon fokussieren, aber um dich zum Träumen zu bringen und damit du weißt, was möglich ist, stelle ich alle drei vor.

MCA-O2S: Multi-Channel-Attribution – Online to Store

Bei diesem Modell gilt es herauszufinden, wie die Onlinewerbung den Offlinehandel beeinflusst.

Beispiel: wie viele Nutzer, die einen Reisekatalog über eine Google Ad bestellt haben, buchen am Ende eine Reise?

MCA-AMS: Multi-Channel-Attribution – Across Multiple Screens

Bei diesem Modell ist es das Ziel, Nutzer Geräteübergreifend zu erfassen. Dafür ist Cross-Device-Tracking notwendig. Es sollen die Nutzer und nicht nur die Geräte erfasst werden. Dabei geht es nicht nur um Online-Geräte, sondern auch Offline-Geräte, etwa:

• Smartphone (online)
• Laptop (online)
• TV (offline)

MCA-ADC: Multi-Channel-Attribution – Across Digital Channels

Wenn wir im Digital Marketing Umfeld von Multi-Channel-Attribution sprechen, dann meinen wir in der Regel dieses Modell.

Bei diesem Modell werden üblicherweise Geräte und nicht Nutzer erfasst. Das Ziel ist klar: Wir möchten herausfinden, welche Kanäle an den Conversions beteiligt sind. Mit diesem Modell arbeiten auch die gängigsten Webanalyse-Tools, wie Google Analytics.

Die gängigsten MCA-ADC-Modelle in Kürze

Modell	Grafik	Beschreibung
Last Interaction		Bei dem wohl meistgenutzten Attributionsmodell wird der letzten Interaktion, also dem letzten Marketing-Touchpoint, der gesamte Erfolg einer Conversion zugeschrieben.
Last Non-Direct Click		Bei dem Standard in Universal Analytics wird der letzten Interaktion der gesamte Erfolg einer Conversion zugeschrieben. Ausnahme: Die letzte Interaktion war kein „Direct“ Zugriff. Dann wird die Conversion dem vorherigen Non-Direct Touchpoint zugeschrieben.
Last Google Ads Click		Das Modell für alle, die ihre Google Ads Performance schön rechnen wollen. Hier wird die Conversion immer dem letzten Google Ads Touchpoint zugeordnet.
First Interaction		Analog zur Last Interaction werden die Conversions in diesem Modell dem ersten Touchpoint zugeschrieben.
Linear		Dieses Modell verteilt den Erfolg einer Conversion gleichmäßig auf alle Marketing-Touchpoints.
Time Decay		Dieses Modell weist den Erfolg einer Conversion den einzelnen Touchpoints im Zeitverlauf zu. Je näher ein Marketingkanal an der Conversion dran ist, desto mehr Zuspruch erhält er und andersherum.
Position Based		Standardmäßig schreibt das positionsbasierte Modell der ersten und der letzten Interaktion 40 % des Erfolgs zu. Die restlichen 20 % werden gleichmäßig auf alle Interaktionen in der Mitte verteilt.

Welches dieser statischen MCA-ADC-Modelle ist nun das beste?

Keines davon ist so richtig gut, denn immer bleibt etwas auf der Strecke liegen oder wird ganz und gar ignoriert.

• Die Last Interaction Modelle und das First Interaction Modell geben einem einzigen Marketing-Touchpoint die gesamte Anerkennung für eine Conversion und ignorieren die Customer Journey über mehrere Touchpoints komplett. Das Standard Position Based Modell reiht sich hier mit ein.
• Das Lineare Modell weist allen Touchpoints denselben Wert zu, das kommt der Sache schon näher. Trotzdem: Nicht jeder Touchpoint trägt gleich viel zur Conversion bei.
• Das Time Decay Modell ist meiner Meinung nach das beste Standard Attributionsmodell. Es erscheint sinnvoll, dass ein Marketing-Touchpoint umso weniger Anerkennung erhält, je weiter er zurückliegt.

Um Avinash Kaushik an dieser Stelle zu zitieren:

Zum Glück leben wir im Zeitalter, in dem die Weichen für die Terminator Apokalypse gestellt werden. Schauen wir uns also an, wie uns Machine Learning und AIs bei der Attribution helfen können.

Data Driven Attribution

Mit Google Analytics 4 haben auch der kleine Mann und die kleine Frau die Möglichkeit, mithilfe von

• Algorithmen
• maschinellem Lernen
• und künstlicher Intelligenz

ihr Attributionsmodell auf die nächste Ebene zu heben.

Das ist ein unglaublicher Mehrwert!

Dafür vergleicht das Programm verschiedene Conversion-Pfade ähnlicher Nutzer miteinander, um den Einfluss der verschiedenen Kanäle und deren Conversion-Wahrscheinlichkeit zu bestimmen.

Wie hoch ist z. B. die Conversion-Wahrscheinlichkeit eines Nutzers, der eine Anzeige gesehen hat, verglichen mit einem ähnlichen Nutzer, der sie nicht gesehen hat?

„Es werden damit also die kontrafaktischen Leistungsverbesserungen durch die Präsenz von Google Anzeigen berechnet. Hierzu werden Daten aus randomisierten, kontrollierten Tests verwendet.“
– Google, Quelle

Hier ein Beispiel von Google:

Doch ist auch bei der Data Driven Attribution nicht alles Gold, was glänzt. Generell benötigt man Unmengen an Daten, um solch ein Modell zuverlässig ans Laufen zu bekommen. GA4 bietet dieses Modell direkt ab Start und auch für kleine Webseiten mit wenig Traffic an.

Der Satz über die randomisierten, kontrollierten Tests, aus der Google Dokumentation lässt darauf schließen, dass es verschiedene algorithmische Modelle gibt, die mit anderen Analytics-Daten erstellt wurden. Basierend darauf, wird das passendste Modell auf das jeweilige Analytics-Konto angewendet.

Wie schön das Ganze in GA4 aussieht, sehen wir in der nächsten Abbildung. Du findest die Reports in GA4 links im Menü unter Werbung → Conversion Pfade. In der Datentabelle der Top-Conversion-Pfade siehst du,

1. an welcher Stelle eine Quelle ist
2. und wie groß ihr Anteil an der Conversion ist.

Noch hilfreicher für einen schnellen Überblick, welche Kanäle Conversions initiieren, unterstützen und abschließen, gibt die folgende Daten-Visualisierung. Achtet darauf, dass ihr nur eine Conversion für den Vergleich auswählt, z. B.:

• nur die Transaktion oder nur die Newsletteranmeldung
• nicht die Transaktion und die Newsletteranmeldung

Damit die Data Driven Attribution optimal funktioniert, brauchst du zwei Dinge:

1. Viele Daten. Dafür hat Google anscheinend auch für Webseiten mit wenig Traffic & Conversions eine Lösung parat.
2. Gute Daten. Ein sauberes Tracking-Setup ist das Fundament für eine aussagekräftige Attribution.

Wie der Weg dorthin aussieht, schauen wir uns jetzt an.

Der Weg zur aussagekräftigen Attribution

Auf dem Weg zu aussagekräftigen Attribution empfehle ich einen Blick auf die „Digital Attribution’s Ladder of Awesomeness“ von Avinash Kaushik. Diese ist eine Art Schritt-für-Schritt-Anleitung, die dich bis zum heiligen Gral der Attribution führen kann.

Zu beachten ist, dass du keine Stufe der „Treppe“ überspringen solltest. Erst, wenn du eine Stufe vollkommen beherrschst, steigst du auf die nächste Stufe.

Ich gehe hier nicht auf alle Stufen ein, aber dieses Treppen-Modell veranschaulicht wunderschön, wo man gerade steht und welcher der nächste logische Schritt ist.

Als allererstes musst du die optimalen Metriken für die eigene Unternehmung erarbeiten und definieren Dabei können verschiedene Frameworks helfen, wie die Funnel-Frameworks See-Think-Do-Care oder das AARRR-Framework. Das ist das Fundament jeglicher Web-Analyse sowie jeglichen Online Marketings – absolute Pflicht und keine Kür!

Nicht selten erleben wir in unserem Agenturalltag, dass Neukunden nicht wissen, was genau hinter den Conversions und Events in deren Google Analytics steckt.

Hast du die erste Stufe erklommen und sicheren Halt, geht es weiter. Zusätzlich zu den (Macro-)Conversions benötigst du aussagekräftige Micro-Conversions. Das können Events sein wie:

• ein Newsletter Signup
• ein Blog-Kommentar
• die Wiedergabe eines Videos
• …

Zu den ersten beiden Stufen gehört eine saubere technische Implementierung des Trackings, um eine möglichst hohe Datenqualität zu erhalten.

Erst ab der dritten Stufe geht es so langsam in Richtung Attribution.

Attribution Analysis …

… oder: Wie ich das Ganze jetzt analysiere.

Erstelle auf der Grundlage der obigen Analyse und des noch folgenden Inputs eine Hypothese, wie du das Online Marketing Budget besser auf die verschiedenen Marketingkanäle verteilst. Teste diese Hypothese mit einem Teil deines Budgets und messe die Ergebnisse.

Für eine bessere Vergleichbarkeit der Kanäle solltest du den CPA und nicht die Anzahl der Conversions verwenden. Der CPA verleiht der Analyse mehr Tiefe, da ein Kanal mehr Conversions generieren, aber gleichzeitig weniger profitabel sein kann.

Um das möglichst gut machen zu können, musst du möglichst alle Kosten ins Analyse-Tool hochladen. Wenn möglich, nicht nur die Paid Media Kosten, sondern auch die Owned Media Kosten, etwa für den Newsletter.

Die Top-Conversion-Pfade können spannend sein, doch gibt es so viele mögliche Pfade, dass es schwer ist, daraus wirkliche Trends abzulesen. Trotzdem solltest du da mal einen Blick reinwerfen, um ein Gefühl für die unterschiedlichsten User-Journeys zu erhalten.

Da Gefühle in der Web-Analyse so eine Sache sind, gibt es in GA4 einen Bericht, den ich bereits vorgestellt habe und der es hervorragend zusammenfasst. Alle Touchpoints aller Pfade werden in drei Segmente unterteilt:

– Early touchpoints = Die ersten 25 % der Touchpoints im Pfad.

– Mid touchpoints = Die mittleren 50 % der Touchpoints im Pfad.

– Late touchpoints = Die letzten 25 % der Touchpoints im Pfad

Mit dieser Visualisierung lassen sich die Daten viel besser auswerten, gerade im Hinblick auf deine Hypothesen.

Ebenfalls sehr stark ist der Vergleich verschiedener Attributionsmodelle. Im unten stehenden Beispiel wird Time Decay mit Data-Driven verglichen. Du kannst sehen:

• Bei der Verwendung von Time Decay wurde die Zuteilung für den Paid Search Kanal, im Vergleich zu Data-Driven, auf andere Kanäle verteilt.
• Der Paid Search Kanal bekommt bei Data-Driven 9,7 % weniger Conversions zugewiesen.