Attribution

Warum das zählt

Im Geschäftskundenbereich liegen zwischen dem ersten Kontakt und der Anfrage oft Wochen und mehrere Berührungspunkte: eine Suche, ein Fachbeitrag, eine Empfehlung, ein späterer direkter Aufruf. Wer nur den letzten Schritt zählt, schreibt den gesamten Erfolg dem direkten Aufruf zu und hält alles andere für wirkungslos.

Die Folge ist regelmäßig eine Fehlsteuerung: Kanäle, die früh im Entscheidungsprozess wirken, werden gekürzt, weil sie in der Auswertung nicht auftauchen. Genau das passiert häufig mit Inhalten, die Wissensfragen beantworten. Sie erzeugen selten direkt eine Anfrage, aber sie entscheiden darüber, wer überhaupt in die engere Auswahl kommt.

Attribution ist deshalb keine Fleißaufgabe für das Berichtswesen. Sie bestimmt, welche Maßnahmen im nächsten Jahr Geld bekommen und welche gestrichen werden.

Wie es funktioniert

Ein Attributionsmodell ist die Rechenregel, nach der ein Ergebnis auf mehrere Berührungspunkte verteilt wird. Dieselbe Kette aus Suche, Fachbeitrag und direktem Aufruf sieht je nach Modell völlig anders aus.

Die Auswahl ist enger geworden. In Google Analytics 4 stehen nur noch drei Modelle zur Verfügung: die datengetriebene Attribution, der letzte Klick über bezahlte und organische Kanäle sowie der letzte Klick über bezahlte Google-Kanäle. Erster Klick, linear, zeitlich gewichtet und positionsbasiert sind laut Googles Dokumentation zu den Attributionsmodellen seit November 2023 nicht mehr wählbar. Wer sie vergleichen will, braucht eine eigene Auswertung außerhalb von Analytics.

Jedes Modell arbeitet zusätzlich mit einem Rückblickzeitraum. Er legt fest, wie weit zurück ein Berührungspunkt überhaupt noch angerechnet werden darf. In Google Analytics 4 sind für die meisten Schlüsselereignisse standardmäßig 90 Tage eingestellt, alternativ lassen sich 30 oder 60 Tage wählen; für Akquisitionsereignisse gelten standardmäßig 30 Tage. Das ist im Hilfeartikel zum Rückblickzeitraum dokumentiert. Für Investitionsgüter mit Entscheidungswegen über mehrere Monate bedeutet das: Der erste Kontakt liegt regelmäßig außerhalb des Fensters und wird niemals zugerechnet, egal welches Modell eingestellt ist.

In der Praxis

Attribution im Mittelstand scheitert selten am Modell und fast immer an der Datenlage. Diese vier Schritte, in dieser Reihenfolge, liefern ein belastbareres Bild als jede Modellumstellung.

1. Die Herkunft direkt erfragen. Eine Pflichtfrage im Anfrageformular und eine feste Frage im Erstgespräch: Wie sind Sie auf uns gekommen? Die Antworten sind ungenau. Sie erfassen aber auch die Wege, die keine Messung sieht, etwa Empfehlungen und Erwähnungen in KI-Antworten. Erkennbar wird das Ergebnis, sobald über mehrere Monate dieselben Nennungen wiederkehren.

2. Den Anteil „direkt“ prüfen. Sehen Sie in der Kanalübersicht nach, wie groß der Anteil der Zugriffe ohne Herkunftsangabe ist. Ein hoher Wert ist ein Messproblem, kein Erfolg. Er markiert genau die Menge an Besuchern, über deren Weg Sie nichts wissen.

3. Verstehen, warum die Herkunft fehlt. Browser übertragen die Herkunft absichtlich nur noch verkürzt. Chrome verwendet seit Version 85 aus dem August 2020 die Voreinstellung strict-origin-when-cross-origin. Bei einem Aufruf auf eine fremde Domain wird nur noch die Herkunftsdomain übertragen, nicht mehr die konkrete Seite, wie Google im Chrome-Entwicklerblog erläutert. Führt der Weg von einer HTTPS-Seite auf eine unverschlüsselte HTTP-Seite, wird gar nichts übertragen.

Aufruf von: https://fachportal.example/beitraege/waermebehandlung
Ziel:       https://ihre-domain.de/leistungen

Übertragen:       https://fachportal.example/
Nicht übertragen: /beitraege/waermebehandlung

Sie sehen also, dass ein Portal Besucher schickt, aber nicht mehr, welcher Beitrag es war. Aufrufe aus E-Mail-Programmen, aus PDF-Dateien und aus Desktop-Anwendungen kommen häufig ganz ohne Herkunftsangabe an und landen deshalb im Topf „direkt“.

4. Markensuchen und KI-Oberflächen beobachten. Wenn ein Sprachmodell Ihr Unternehmen nennt und der Interessent Sie danach direkt sucht, ist die Ursache die KI-Antwort, und die Messung zeigt eine Markensuche. Ein steigendes Suchvolumen zum eigenen Firmennamen ist deshalb ein brauchbarer Hilfsindikator. Für Googles eigene KI-Oberflächen gibt es zusätzlich harte Zahlen: Klicks auf externe Links in einem AI Overview und im AI Mode zählt die Search Console als reguläre Klicks im Leistungsbericht. Wie sich die Sichtbarkeit in Sprachmodellen darüber hinaus erfassen lässt, steht im Ratgeber zum Messen der KI-Sichtbarkeit.

Belastbar wird das Bild erst aus der Kombination: Messung für die Kanäle, die sie erfasst, das Gespräch für alles andere.

Häufige Fehler

Nur den letzten Kontakt zählen. Der häufigste Fehler, und in Google Analytics 4 seit dem Wegfall der übrigen Modelle sogar der bequemste. Er führt dazu, dass früh wirkende Kanäle systematisch unterschätzt werden.

Den Rückblickzeitraum nie geprüft haben. Bei Verkaufszyklen von sechs Monaten liegt der auslösende Kontakt außerhalb jedes einstellbaren Fensters. Die Zahlen sind dann nicht falsch, sie beantworten nur eine andere Frage.

Der Messung mehr glauben als dem Gespräch. Bei Anfragen im Geschäftskundenbereich ist die Frage nach der Herkunft oft aussagekräftiger als jedes Werkzeug.

Direkte Aufrufe für Zufall halten. Sie sind meist das Ergebnis eines vorherigen Kontakts, der technisch nicht erfasst wurde.

Kanäle isoliert bewerten. Sie wirken zusammen. Ein Kanal, der allein selten zum Abschluss führt, kann für den Weg dorthin unverzichtbar sein.

Abgrenzung

Attribution ist nicht dasselbe wie Reichweitenmessung. Reichweite sagt, wie viele Menschen erreicht wurden. Attribution sagt, welchen Anteil eine Berührung am Ergebnis hatte.

Sie ist auch nicht dasselbe wie die Conversion Rate. Die Conversion Rate misst, welcher Anteil der Besucher zu Anfragen wird. Attribution verteilt eine bereits eingegangene Anfrage auf ihre Vorgeschichte. Die eine Kennzahl bewertet eine Seite, die andere einen Weg.

Von der Prompt-Sichtbarkeit unterscheidet sich Attribution durch die Blickrichtung. Prompt-Sichtbarkeit misst, ob Sie in KI-Antworten überhaupt vorkommen. Attribution fragt, was dieses Vorkommen wirtschaftlich gebracht hat.

Und Attribution ist keine exakte Wissenschaft. Jedes Modell vereinfacht einen Entscheidungsprozess, der im Kopf eines Menschen stattfindet. Wer belastbare Steuerung will, betrachtet Verläufe über längere Zeiträume statt einzelner zugeordneter Anfragen, siehe Wirtschaftlichkeit im SEO.