Marketing Attribution: Wie ich herausfinde, welcher Kanal Kunden bringt

Marketing Attribution ist die Zuordnung eines Kaufs oder einer Anfrage zu den Marketingkontakten, die davor stattgefunden haben. Sie soll beantworten, welchen Anteil ein Kanal an einem neuen Kunden hatte, damit du Budget und Zeit sinnvoll verteilen kannst. Eine exakte Antwort gibt es dabei selten, weil Kanäle sich gegenseitig beeinflussen und jedes Attributionsmodell nur eine Annäherung ist.

Mich beschäftigt die Frage ganz praktisch. Bei quik gehören Conversion Tracking und CRM-Automationen zum Angebot, und dahinter steckt für mich immer dieselbe Frage: Woher kommen die Kunden? Ich habe dazu Studien aus der Uni-Bibliothek gelesen, um zu verstehen, was Attribution leisten kann und wo ich mir etwas vormachen würde. Mein Stand heute ist bescheidener, als ich es am Anfang erwartet hätte.

Was Marketing Attribution bedeutet

Kaum jemand wird nach einem einzigen Kontakt Kunde. Ein typischer Weg könnte so aussehen: Jemand liest einen Beitrag auf LinkedIn, sucht Wochen später nach dem Thema, landet auf einem Artikel, abonniert den Newsletter und stellt nach der dritten Ausgabe eine Anfrage. Jeder dieser Kontakte wird Touchpoint genannt. Die ganze Abfolge heißt Customer Journey.

Attribution verteilt den Wert des Abschlusses auf diese Touchpoints. Zwei Begriffe aus der Forschung haben mir geholfen, das Problem dahinter zu verstehen:

• Carryover: Ein Kontakt wirkt nach. Wer vor drei Wochen auf deiner Seite war, reagiert heute anders auf deine Mail.
• Spillover: Ein Kanal wirkt auf einen anderen. Eine Anzeige führt nicht zum Klick, aber später zu einer Suche nach deinem Namen.

Sobald es diese beiden Effekte gibt, ist die Frage „Welcher Kanal war es?“ streng genommen falsch gestellt. Es war selten einer allein.

Die gängigen Attributionsmodelle im Überblick

Trotzdem brauchst du irgendeine Regel, um Zahlen zu lesen. Diese Modelle begegnen mir am häufigsten:

Modell	So wird verteilt	Stärke	Schwäche
Last Click	Alles an den letzten Kontakt	Einfach, überall verfügbar	Übersieht alles, was vorher geschah
First Click	Alles an den ersten Kontakt	Zeigt, was Aufmerksamkeit schafft	Übersieht, was zum Abschluss führt
Linear	Gleich viel an jeden Kontakt	Niemand wird ignoriert	Behandelt wichtige und beiläufige Kontakte gleich
Zeitlich gewichtet	Mehr an Kontakte nahe am Abschluss	Berücksichtigt die Reihenfolge	Die Gewichte sind eine Annahme
Positionsbasiert	Viel an ersten und letzten Kontakt, der Rest an die Mitte	Würdigt Anfang und Ende	Ebenfalls eine gesetzte Regel
Datengetrieben	Ein statistisches Modell schätzt die Anteile	Nutzt die tatsächlichen Verläufe	Braucht viele Daten und ist schwer zu prüfen

Wichtig finde ich: Die ersten fünf sind Regeln, keine Messungen. Sie sagen dir, wie du verteilen willst. Ob ein Kanal wirklich etwas bewirkt hat, sagen sie nicht.

Warum Last Click so verführerisch ist und wo er täuscht

Last Click ist die Sicht, die man am schnellsten versteht. Der letzte Kontakt vor dem Abschluss bekommt alles. Das Ergebnis sind klare Zahlen, und genau das macht es gefährlich.

Chen, Chen, Park und Shin haben 2025 in Manufacturing & Service Operations Management modelliert, was passiert, wenn Budgets nach dieser Logik verteilt werden. Sie untersuchen Verteilungsregeln, die Spillover und Carryover ausblenden, angelehnt an die verbreitete Praxis mit Last Click. Ihre Überlegung: Wird das Budget eines Kanals wegen schwacher bisheriger Conversions gekürzt, obwohl seine Anzeigen Abschlüsse in anderen Kanälen ausgelöst haben, dann sinken die Conversions dieses Kanals weiter. Es ist eine theoretische Arbeit mit einem bewusst einfachen Modell. Den Mechanismus finde ich trotzdem einleuchtend, und ich kann mir gut vorstellen, wie daraus eine Abwärtsspirale wird: Der Kanal sieht nach der Kürzung noch schlechter aus und wird noch eher gekürzt.

Dass die Unterschiede in echten Daten groß sein können, zeigen Li und Kannan 2014 im Journal of Marketing Research. Sie nutzen Daten auf Ebene einzelner Kunden, also deren Kontakte über Kanäle wie Display, bezahlte Suche, Verweise und E-Mail. Ihr Modell schätzt Carryover und Spillover früherer Kontakte und verteilt daraus den Anteil am Abschluss. Die relativen Beiträge der Kanäle weichen danach deutlich von dem ab, was die sonst verwendeten Kennzahlen ausweisen. Eine Feldstudie dient den Autoren zur Überprüfung des Modells.

Für mich heißt das: Wer einen Kanal nur danach beurteilt, wie oft er der letzte Klick war, bestraft alles, was am Anfang einer Reise steht. Bei bezahlten Suchanzeigen ist das gut untersucht, mehr dazu in Suchmaschinenwerbung. Ich vermute, dass es für Inhalte ähnlich gilt. Ein Artikel ist selten der letzte Kontakt vor einer Anfrage, und trotzdem sehe ich Content Marketing als Wachstumsmotor.

Wie die Forschung Kontakte gewichtet

Wenn nicht alles an den letzten Kontakt gehen soll, wie dann? Wooff und Anderson schlagen 2015 im Journal of Statistical Theory and Practice für die zeitliche Gewichtung eine asymmetrische Badewannenform vor. So wie ich das Bild verstehe, zählen Kontakte am Anfang und am Ende der Reise mehr als die in der Mitte, aber nicht beide Enden gleich viel. Sie zeigen ihr Verfahren an Daten eines großen britischen Online-Händlers und vergleichen die Ergebnisse mit mehreren gängigen Attributionsmethoden.

Interessant finde ich einen zweiten Gedanken aus derselben Arbeit. Die Autoren schlagen Kennzahlen dafür vor, welche Rolle ein Kanal spielt: als Quelle, als Zwischenstation und als Ziel einer Reise. Das ist eine andere Frage als „Wie viel Umsatz gehört wem?“. Ein Kanal kann als Quelle stark sein und als letzter Schritt schwach. Beides zu wissen hilft mehr als eine einzige Prozentzahl.

Die Einschränkung liegt auf der Hand. Beide Arbeiten, Li und Kannan ebenso wie Wooff und Anderson, arbeiten mit Online-Käufen und vielen einzelnen Kundenreisen. Ein Dienstleister mit einer Handvoll Anfragen im Monat kann solche Modelle nicht nachbauen. Ich nehme daraus die Denkweise mit, nicht das Verfahren.

Marketing Attribution im B2B: was mir eine Studie mit einem Mittelständler zeigt

Näher an meiner Welt ist eine Arbeit von Wiesel, Pauwels und Arts aus dem Jahr 2011 in Marketing Science. Sie begleiten Inofec, ein kleines bis mittelgroßes Unternehmen im B2B-Geschäft, das sein Marketingbudget analytischer verteilen wollte.

Die Autoren finden viele kanalübergreifende Effekte. Offline-Marketing wirkt auf Online-Kennzahlen des Kaufprozesses, und Online-Kennzahlen wirken auf Offline-Käufe. Marketingaktivitäten beeinflussen außerdem frühe und späte Stufen zugleich, also Website-Besuche ebenso wie Angebotsanfragen. Den größten Unterschied sehen sie bei der Art des Kontakts: Online-Kontakte, die vom Kunden ausgehen, haben eine deutlich höhere Wirkung auf den Gewinn als Offline-Kontakte, die vom Unternehmen ausgehen. Als das Budget in einem Feldexperiment in diese Richtung verschoben wurde, fiel der Zuwachs beim Nettogewinn 14-mal so hoch aus wie bei der bisherigen Verteilung.

Ich würde diese Zahl nicht auf andere Unternehmen übertragen. Es ist ein einzelnes Unternehmen, und die Studie ist über zehn Jahre alt. Zwei Dinge nehme ich trotzdem mit. Erstens lohnt es sich offenbar, darauf zu achten, ob ein Kontakt vom Kunden ausgeht. Jemand, der selbst sucht und anfragt, ist etwas anderes als jemand, den ich anschreibe. Zweitens haben die Autoren nicht beim Modell aufgehört. Sie haben die Verteilung wirklich geändert und geprüft, was passiert. Diesen Schritt halte ich für den eigentlichen Beweis.

Was Attribution für kleine Unternehmen realistisch leisten kann

Wenn du im Monat zwanzig Anfragen bekommst, ist jedes statistische Modell überfordert. Dazu kommt, dass ein Teil der Reise nie in deinen Daten landet: das Gespräch unter Kollegen, der Podcast, der Wechsel vom Handy zum Laptop, abgelehnte Cookies. Ich gehe deshalb davon aus, dass meine Zahlen immer unvollständig sind.

Was mir realistisch erscheint:

• Die Herkunft jeder Anfrage festhalten. Ein Feld im CRM reicht: Kanal des ersten bekannten Kontakts und Kanal direkt vor der Anfrage.
• Links sauber kennzeichnen. Mit UTM-Parametern, also kleinen Zusätzen in der Adresse, erkennt dein Analysewerkzeug, ob ein Besuch aus dem Newsletter oder von LinkedIn kam.
• Fragen. Ein Feld im Formular oder eine Frage im Erstgespräch: „Wie bist du auf mich gekommen?“ Die Antwort ist subjektiv, zeigt aber oft Kanäle, die kein Tracking sieht.
• Zwei Sichten nebeneinander legen. Erster und letzter Kontakt zusammen zeigen mehr als jede Sicht allein.

Ein einfaches Bild, dem ich seine Lücken ansehe, ist mir lieber als ein genaues Modell, dem ich blind vertraue.

Wie diese Zahlen in ein größeres Bild passen, beschreibe ich in Marketing Analytics. Und wenn du die Stufen deines Trichters noch nicht benannt hast, hilft der AARRR-Funnel als Gerüst.

Was ich daraus mitnehme

Meine Vorschläge, wenn du mit Marketing Attribution anfangen willst:

1. Schreib auf, welche Entscheidung du treffen willst. Attribution lohnt sich nur, wenn danach etwas anders gemacht wird, etwa ein Kanal ausgebaut oder beendet.
2. Erfasse zuerst die Abschlüsse sauber. Ohne verlässlich gezählte Anfragen ist jede Zuordnung wertlos.
3. Nutze Last Click als eine Sicht unter mehreren. Stell First Click und die Antwort des Kunden daneben und achte auf Widersprüche.
4. Kürze keinen Kanal nur wegen schwacher Last-Click-Zahlen. Prüfe vorher, ob er am Anfang vieler Reisen steht.
5. Teste, statt zu rechnen. Pausiere einen Kanal für einige Wochen oder verdopple ihn und beobachte die Gesamtzahl der Anfragen. Das ist grob, aber es misst Wirkung. Worauf ich bei wenig Daten achte, steht in A/B-Tests für kleine Teams.
6. Schau regelmäßig, aber nicht täglich hin. Bei kleinen Zahlen ist ein Quartal oft aussagekräftiger als eine Woche.

Unsicher bin ich, wie gut sich solche Pausentests bei sehr langen Entscheidungswegen lesen lassen. Wenn zwischen erstem Kontakt und Auftrag Monate liegen, sehe ich die Wirkung einer Änderung entsprechend spät. Dafür habe ich noch keine saubere Lösung.

Fazit

Marketing Attribution beantwortet die Frage nach dem einen Kanal nie ganz, weil Kanäle zusammenwirken. Die Studien, die ich gelesen habe, zeigen recht einheitlich, dass einfache Regeln wie Last Click die frühen und unterstützenden Kontakte unterschätzen und dass modellbasierte Zuordnungen spürbar anders ausfallen. Für kleine Unternehmen sind diese Modelle kaum nachzubauen, die Denkweise dahinter aber schon.

Mein Vorschlag für diese Woche: Leg in deinem CRM ein Feld für die Herkunft an und frag die nächsten zehn Interessenten, wie sie dich gefunden haben. Welche Experimente ich selbst dazu mache und was ich dabei lerne, teile ich in den Unternehmer Thoughts.