Die Frage nach dem wahren Wert einer Marketing-Maßnahme ist so alt wie die Werbung selbst. Im digitalen B2B-Marketing, wo Kaufentscheidungen Wochen oder gar Monate dauern und über unzählige Touchpoints hinweg getroffen werden, spitzt sich diese Frage jedoch zu. Wenn ein potenzieller Kunde heute auf eine generische Suchnetzwerk-Anzeige klickt, sich morgen ein Whitepaper über eine Social-Media-Kampagne herunterlädt und in drei Wochen über eine Brand-Suche konvertiert – wem gebührt der Dank? Genau hier kommen die Google Ads Attributionsmodelle ins Spiel.
Als Marketer oder technischer Entscheider stehen Sie vor der Herausforderung, Budgets effizient zu allokieren. Wenn Sie das falsche Attributionsmodell nutzen, optimieren Sie Ihre Kampagnen blind. Sie schneiden womöglich genau den Keywords das Budget ab, die den Erstkontakt herstellen, nur weil sie nicht den finalen Klick liefern. In diesem Artikel zeige ich Ihnen aus meiner Perspektive, welche Modelle es gibt, wie die Logik dahinter funktioniert und welche gravierenden Reporting-Konsequenzen Fehlinterpretationen für Ihr Konto haben können.
Warum das Thema Attribution über Erfolg und Misserfolg entscheidet
Attribution ist das Fundament der Kampagnensteuerung. Ein Attributionsmodell ist ein Regelwerk, das festlegt, wie der Wert einer Conversion (z. B. ein Kauf oder ein Lead) den verschiedenen Interaktionen (Klicks auf Anzeigen) entlang der Customer Journey zugeordnet wird.
Warum ist das so wichtig? Weil der Algorithmus von Google Ads (Smart Bidding) auf Basis dieser Daten lernt. Wenn Sie dem System sagen, dass nur der allerletzte Touchpoint zählt, wird der Algorithmus aufhören, nach Nutzern zu suchen, die sich noch am Anfang ihres Entscheidungsprozesses befinden. Langfristig trocknet so Ihr Funnel aus. Sie ernten zwar die tief hängenden Früchte, säen aber keine neuen. Nur wer versteht, welchen Beitrag jedes Keyword und jede Anzeige wirklich leistet, kann sein Media-Budget datenbasiert und profitabel skalieren.
Ein Überblick: Welche Attributionsmodelle gibt es in Google Ads?
Die Landschaft der Attributionsmodelle hat sich in den letzten Jahren drastisch verändert. Google hat aufgeräumt und die Komplexität scheinbar reduziert. Wenn Sie heute in Ihr Google Ads Konto schauen, werden Sie im Wesentlichen mit zwei relevanten Optionen konfrontiert.
Das Modell „Letzter Klick“ (Last Click)
Beim Modell „Letzter Klick“ (Last Click) erhält die letzte Anzeige und das dazugehörige Keyword, auf das der Nutzer vor der Conversion geklickt hat, 100 % des Conversion-Wertes. Alle vorherigen Interaktionen gehen leer aus.
Lange Zeit war dies der absolute Standard im Online-Marketing. Der große Vorteil dieses Modells liegt in seiner unbestechlichen Eindeutigkeit. Es gibt keine Interpretationsspielräume: Der Klick, der unmittelbar zum Kauf führte, bekommt die Lorbeeren. Für sehr kurze Customer Journeys (z. B. bei Notdiensten oder extrem günstigen Impulskäufen) kann dieses Modell noch immer eine Daseinsberechtigung haben.
Die Nachteile überwiegen im B2B-Umfeld jedoch massiv. Stellen Sie sich vor, Sie investieren viel Geld in teure, generische Keywords (“CRM Software Enterprise”). Der Nutzer klickt, informiert sich und geht wieder. Zwei Wochen später sucht er direkt nach Ihrem Firmennamen (“Firma XY CRM”) und kauft. Beim “Letzten Klick” erhält Ihre Brand-Kampagne 100 % der Leistung. Die generische Kampagne, die den Nutzer überhaupt erst auf Sie aufmerksam gemacht hat, sieht aus wie ein reiner Kostenfresser. Schalten Sie diese nun ab, brechen Ihnen mittelfristig auch die Brand-Conversions weg.
Die datengetriebene Attribution (Data-Driven Attribution)
Die datengetriebene Attribution ist heute der unangefochtene Goldstandard und die Standardeinstellung für jede neue Conversion-Aktion in Google Ads. Im Gegensatz zum “Letzten Klick” basiert dieses Modell nicht auf starren Regeln, sondern auf Machine Learning.
Ich werde oft gefragt, wie diese “Blackbox” eigentlich funktioniert. Vereinfacht gesagt: Der Algorithmus analysiert alle historischen Daten in Ihrem Konto. Er vergleicht die Pfade von Nutzern, die konvertiert haben, mit den Pfaden von Nutzern, die nicht konvertiert haben.
Ein Beispiel: Das System erkennt, dass Nutzer, die zuerst auf Anzeige A und dann auf Anzeige B klicken, zu 10 % konvertieren. Nutzer, die nur auf Anzeige B klicken, konvertieren nur zu 2 %. Das Modell errechnet daraus mathematisch, dass Anzeige A einen signifikanten “Lift” (eine Steigerung der Wahrscheinlichkeit) erzeugt hat. Folglich weist das Modell Anzeige A einen entsprechenden Anteil an der Conversion zu – selbst wenn sie nicht der letzte Klick war. So wird der tatsächliche Beitrag jedes Touchpoints gewürdigt.
Was passierte mit „Erster Klick“, „Linear“ und „Zeitverlauf“?
Wer schon länger im Performance Marketing arbeitet, erinnert sich an Modelle wie “Erster Klick” (First Click), “Linear” (jeder Klick bekommt den gleichen Anteil), “Zeitverlauf” (Time Decay – je näher an der Conversion, desto mehr Wert) oder “Positionsbasiert” (Position-based – erster und letzter Klick bekommen am meisten).
Google hat diese regelbasierten Modelle weitestgehend aus den Konten entfernt. Die Begründung: Sie spiegeln die Realität nicht wider. Ein lineares Modell, das jedem Klick stumpf 25 % zuweist, ignoriert völlig, ob ein bestimmter Klick vielleicht völlig irrelevant für die Kaufentscheidung war. Aus meiner Sicht war die Abschaffung dieser Modelle ein logischer und richtiger Schritt in Richtung mehr Datenqualität.
Datengetriebene Attribution im Detail: Vorteile und Nachteile
Um die Tragweite der Entscheidung für ein Modell zu verdeutlichen, habe ich die wichtigsten Aspekte der beiden verbliebenen Hauptakteure gegenübergestellt.
| Kriterium | Letzter Klick (Last Click) | Datengetrieben (Data-Driven) |
|---|---|---|
| Logik | Starr, 100 % Wert auf den letzten Touchpoint. | Dynamisch, algorithmische Berechnung des tatsächlichen Einflusses. |
| Funnel-Fokus | Starker Fokus auf Bottom-of-Funnel (Brand, Retargeting). | Ganzheitlich, bewertet Upper-, Mid- und Lower-Funnel. |
| Transparenz | Sehr hoch. Es ist sofort klar, woher die Conversion stammt. | Gering (“Blackbox”). Die genaue Gewichtung durch die KI ist nicht im Detail nachvollziehbar. |
| Smart Bidding | Führt oft zu einer Überoptimierung auf Brand-Keywords. | Liefert dem Algorithmus die besten Signale für nachhaltiges Wachstum. |
Der größte Vorteil der datengetriebenen Attribution ist zweifellos die verbesserte Budgetallokation. Sie sehen endlich, welche generischen Keywords wirklich den Funnel füllen. Der größte Nachteil ist der Kontrollverlust. Sie müssen darauf vertrauen, dass Googles Algorithmus in Ihrem besten Interesse handelt. Zudem erfordert das Modell eine gewisse Datenmenge, um präzise arbeiten zu können, auch wenn Google die Mindestanforderungen (früher hunderte Conversions pro Monat) mittlerweile drastisch gesenkt hat.
Typische Fehlinterpretationen und Reporting-Konsequenzen
In meiner Praxis erlebe ich immer wieder, dass technische Entscheider und Marketing-Teams aneinander vorbeireden, weil sie die zugrundeliegenden Daten unterschiedlich interpretieren. Wenn Sie Attributionsmodelle einsetzen, müssen Sie die folgenden technischen Zusammenhänge zwingend verstehen.
Google Ads vs. Google Analytics 4 (Silo vs. Cross-Channel)
Wenn Sie Attribution anschließend in konkrete Budgetentscheidungen übersetzen wollen, passt dazu auch Google Ads Budget festlegen.
Ein klassischer Konflikt entsteht beim Abgleich der Zahlen zwischen Google Ads und Google Analytics 4 (GA4). Das Attributionsmodell in Google Ads ist standardmäßig ein “Silo”. Es bewertet in der Regel nur die Touchpoints, die innerhalb des Google Ads-Kosmos stattgefunden haben.
Wenn eine Customer Journey so aussieht: Google Ad Klick - > Social Media Ad Klick -> Organische Suche -> Kauf, dann wird Google Ads (selbst beim datengetriebenen Modell) die Conversion zu 100 % sich selbst zuschreiben, da es die anderen Kanäle schlichtweg ignoriert. GA4 hingegen sieht das große Ganze (Cross-Channel) und wird den Wert entsprechend auf Social Media, Organic und Paid Search aufteilen. Wundern Sie sich also nicht, wenn Google Ads Ihnen mehr Conversions ausweist als Ihr Web-Analyse-Tool. Beide haben recht – sie betrachten die Wahrheit nur aus unterschiedlichen Perspektiven.
Der Einfluss von Datenschutz und Consent Mode
Wir können heute nicht über Attributionsmodelle sprechen, ohne den Datenschutz zu erwähnen. Durch Cookie-Banner, den Google Consent Mode und Tracking-Einschränkungen (wie Apples ITP oder ATT) brechen uns die Touchpoints weg. Wenn ein Nutzer Cookies ablehnt, reißt die Customer Journey ab.
Hier zeigt die datengetriebene Attribution ihre nächste Stärke: das Conversion-Modeling. Wenn Google aufgrund fehlender Cookies nicht genau weiß, ob ein Klick zu einem Kauf geführt hat, nutzt das System die Daten der Nutzer, die zugestimmt haben, um die fehlenden Conversions hochzurechnen (zu modellieren). Das bedeutet für Ihr Reporting: Die Zahlen, die Sie im Konto sehen, sind zunehmend Wahrscheinlichkeitsberechnungen und keine harten, deterministischen Zählungen mehr. Wer hier noch auf den “Letzten Klick” pocht, verliert völlig den Bezug zur Realität der Datenlage.
Strategische Empfehlung: So gelingt der Wechsel
Falls Sie in Ihrem Konto historisch bedingt noch auf “Letzter Klick” setzen, empfehle ich dringend den Wechsel auf die datengetriebene Attribution. Gehen Sie dabei jedoch strategisch vor:
- Erwartungsmanagement: Kommunizieren Sie an alle Stakeholder, dass sich die Zahlen im Reporting verändern werden. Kampagnen, die vorher als “schlecht” galten, könnten plötzlich Conversions zugewiesen bekommen.
- Dezimalzahlen akzeptieren: Beim datengetriebenen Modell werden Conversions aufgeteilt. Wundern Sie sich nicht, wenn ein Keyword plötzlich “1,4 Conversions” hat. Das ist kein Fehler im System, sondern das Modell in Aktion.
- Ruhe bewahren: Wenn Sie das Modell umstellen, benötigt der Smart Bidding Algorithmus eine Lernphase (oft 14 bis 30 Tage). In dieser Zeit können die Kosten pro Conversion (CPA) schwanken. Greifen Sie nicht sofort manuell ein, sondern lassen Sie dem System Zeit, sich an die neuen Signale anzupassen.
Fazit: Die Illusion der perfekten Attribution
Die Suche nach dem perfekten Attributionsmodell ist die Suche nach dem Heiligen Gral – sie wird nie enden, weil es die absolute Wahrheit im komplexen Nutzerverhalten nicht gibt. Google Ads Attributionsmodelle sind Werkzeuge, um sich dieser Wahrheit bestmöglich anzunähern.
Meiner Erfahrung nach ist das Festhalten am “Letzten Klick” heute ein strategischer Fehler, der das Wachstum von B2B-Unternehmen massiv ausbremst. Die datengetriebene Attribution ist nicht fehlerfrei und erfordert ein Umdenken im Reporting, da wir uns von harten Zählungen hin zu Wahrscheinlichkeiten bewegen. Dennoch bietet sie die mit Abstand beste Grundlage, um Media-Budgets dorthin zu lenken, wo sie echten inkrementellen Wert schaffen – über die gesamte Customer Journey hinweg. Wer die Logik hinter diesen Modellen versteht, macht aus einem reinen Kostenblock einen echten Wachstumstreiber.