Attributionsmodelle im E-Commerce: Last Click, linear und mehr

Ein Attributionsmodell ist die Regel, die entscheidet, welche Marketing-Touches den Credit für eine Bestellung bekommen. Im E-Commerce gibt Last Click den gesamten Credit dem letzten Klick vor dem Kauf, First Click gibt ihn dem ersten Klick, Linear verteilt ihn gleichmäßig, und datengestützte Modelle verteilen ihn anhand von Statistiken aus vielen Customer Journeys.

Das Modell, das du wählst, kann den ROAS eines Kanals stärker verändern als jede Änderung an einer Kampagne. Dieser Leitfaden rechnet eine Customer Journey mit allen gängigen Modellen durch, samt Zahlen. Danach erklärt er die datengestützte Attribution in Google Ads, warum sich jede Werbeplattform selbst den Erfolg gutschreibt, die zwölf Modelle in ROASaurus und welches Modell zu welcher Frage passt.

Was ist ein Attributionsmodell?

Vor den meisten Onlinebestellungen kommt ein Kunde mehr als einmal mit deinem Marketing in Berührung. Jeder Besuch, der von einer Anzeige, einer E-Mail oder einem Link mit einer Click-ID oder UTM-Parametern kommt, ist ein Touch. Ein Attributionsmodell nimmt die Touches innerhalb eines Lookback-Fensters, zum Beispiel der 7 Tage vor der Bestellung, und verteilt den Umsatz der Bestellung auf sie. Die Anteile einer Bestellung ergeben immer die ganze Bestellung.

Alle Beispiele in diesem Leitfaden verwenden dieselbe Journey. Ein Kunde gibt eine Bestellung über $120 auf:

Single-Touch-Modelle: Last Click und First Click

Last Click

Last Click gibt 100% der Bestellung dem jüngsten Touch. In der Journey bekommt die E-Mail zum verlassenen Warenkorb $120 und die drei Anzeigen nichts. Last Click ist einfach und leicht zu prüfen, und er zeigt, welche Kanäle Verkäufe abschließen. Seine Schwäche ist ebenso klar: Er schreibt den Anzeigen, die den Kunden gefunden haben, nie etwas gut. Bei Last Click wirken Prospecting-Kampagnen schwach, während Markensuche, Retargeting und E-Mail stark aussehen.

First Click

First Click gibt 100% der Bestellung dem ersten Touch innerhalb des Fensters. In der Journey bekommt die TikTok-Anzeige $120. First Click zeigt, welche Kanäle neue Leute bringen. Er ignoriert alles, was nach dem ersten Besuch passiert ist, darunter das Retargeting und die E-Mail, die den Kunden zurückgeholt haben. Außerdem hängt er vom Fenster ab: Bei einem Fenster von 4 Tagen fällt der TikTok-Klick fünf Tage vor der Bestellung heraus, und die Meta-Anzeige wird zum ersten Klick.

Multi-Touch-Modelle: linear, Time Decay und positionsbasiert

Multi-Touch-Modelle verteilen die Bestellung auf mehrere Touches. Sie unterscheiden sich darin, wie sie jeden einzelnen gewichten.

Linear

Linear verteilt die Bestellung gleichmäßig. Bei vier Touches bekommt jeder 25%, also $30. Das Modell ist leicht zu erklären und behandelt jeden Kanal gleich. Es gibt aber auch einer Erinnerungs-E-Mail denselben Credit wie der Anzeige, die den Kunden gefunden hat.

Time Decay

Time Decay gibt Touches mehr Credit, die näher an der Bestellung liegen. Eine gängige Variante nutzt eine Halbwertszeit von 7 Tagen: Ein Klick 7 Tage vor der Bestellung bekommt das halbe Gewicht eines Klicks am Tag der Bestellung. In der Journey betragen die Gewichte 0.61 für TikTok, 0.74 für Meta, 0.91 für Google und 1.00 für die E-Mail. Geteilt durch ihre Summe von 3.26 ergibt das für TikTok 18.7%, für Meta 22.8%, für Google 27.8% und für die E-Mail 30.7% der $120.

Positionsbasiert

Positionsbasiert, auch U-förmig genannt, gibt 40% dem ersten Touch, 40% dem letzten Touch und verteilt die übrigen 20% auf die Touches dazwischen. In der Journey bekommen TikTok und die E-Mail je $48, Meta und Google je $12.

Eine Customer Journey durch alle Modelle

Hier ist dieselbe Bestellung über $120 unter jedem Modell, einschließlich Total Impact, das auch die Umfrageantwort nutzt und weiter unten erklärt wird.

Über einen Monat summieren sich diese Unterschiede. Ein Kanal, der Journeys startet, kann bei Last Click unprofitabel und bei Linear profitabel aussehen, mit denselben Bestellungen und denselben Ausgaben.

Datengestützte Attribution in Google Ads

Ein datengestütztes Modell folgt keiner festen Regel. Es lernt die Verteilung aus deinen Daten. Google Ads beschreibt seine Version so, dass der Credit anhand deiner bisherigen Daten für jede Conversion-Aktion verteilt wird. Es vergleicht die Pfade von Kunden, die konvertieren, mit den Pfaden von Kunden, die nicht konvertieren, und gibt den Keywords, Anzeigen und Kampagnen mehr Credit, die eine Conversion wahrscheinlicher machen.

Datengestützt ist in Google Ads inzwischen der Standard für die meisten Conversion-Aktionen. Google unterstützt dort First Click, Linear, Time Decay und positionsbasierte Modelle nicht mehr. Conversion-Aktionen, die sie genutzt haben, wurden auf datengestützt umgestellt, die Wahl in Google Ads lautet also datengestützt oder Last Click. Das Modell kommt mit weniger Daten aus, aber für die besten Ergebnisse empfiehlt Google mindestens 200 Conversions und 2,000 Anzeigeninteraktionen innerhalb von 30 Tagen.

Für einen Webshop sind zwei Grenzen wichtig. Erstens sieht das Modell nur Interaktionen mit deinen Google-Anzeigen. Es verteilt den Credit zwischen deinen Google-Kampagnen, kann Google aber nicht gegen Meta, TikTok oder E-Mail abwägen. Zweitens siehst du das Ergebnis, aber nicht die Regel, sodass du nicht prüfen kannst, warum eine Kampagne mehr Credit bekommen hat als eine andere.

Selbstzuschreibung der Plattformen: Warum sich jede Plattform den Erfolg selbst gutschreibt

Jede Werbeplattform betreibt ihre eigene Attribution, mit ihren eigenen Daten und ihren eigenen Fenstern. Die Standard-Attributionseinstellung von Meta für neue Anzeigengruppen ist 7-Tage-Klick oder 1-Tag-Ansicht, und die Reporting-API kann auch 1-Tag-Klick, 28-Tage-Klick und 1-Tag-Engaged-View zurückgeben. Google Ads verwendet datengestützte Attribution oder Last Click auf Google-Interaktionen. Jede Plattform sieht nur ihre eigenen Touches, deshalb schreibt sich jede die gesamte Bestellung gut, die sie berührt hat.

Deshalb ergeben die Summen in deinen Werbekonten meist mehr als den Umsatz deines Shops. Den vollständigen Abgleich findest du in Warum der Ads Manager mehr Verkäufe anzeigt als Shopify. Um Kanäle miteinander zu vergleichen, brauchst du ein Modell, das auf deinen eigenen Bestelldaten läuft und jede Bestellung nur einmal gutschreibt.

Attributionsmodelle in ROASaurus

ROASaurus speichert jeden Besuch, der mit einer Click-ID oder mit UTM-Parametern landet, als Touch. Geht eine Bestellung ein, schreibt es die Touches des zugeordneten Besuchers innerhalb deines Lookback-Fensters gut. Gibt es keinen Browser-Touch, zum Beispiel wegen eines Adblockers oder weil der Besucher Marketing-Cookies abgelehnt hat, greift es auf die Click-IDs und UTMs in der Adresse der Landingpage zurück, die mit der Bestellung gespeichert wurde. Shopify speichert diese Adresse bei jeder Bestellung, und andere Webshops können sie über die Bestell-API senden. ROASaurus nutzt sie nur in den eigenen Berichten; sie wird nicht an die Werbeplattformen gesendet. Bestellungen ohne jeden Touch zählen als direkt. Im Attributionsbericht kannst du zwischen zwölf Modellen wählen. Diese sechs funktionieren wie in der Journey oben:

Die anderen sechs sind Last Non-Direct Click, das auch Besuche über organische Suche, Social Media und Verweise zählt; Linear Paid, das die Bestellung nur auf bezahlte Anzeigenklicks verteilt; Any Click, das jedem geklickten Kanal die ganze Bestellung gibt, sodass die Zeilen mehr als deinen Umsatz ergeben; Clicks & views, das den Klicks modellierte Anzeigenansichten hinzufügt; und zwei datengetriebene Modelle.

Die datengetriebenen Modelle in ROASaurus

Die Modelle Markov-Kette und Shapley-Wert lernen die Aufteilung aus den eigenen Journeys deines Shops. Jede Bestellung mit ihren Klicks ist ein Pfad, der konvertiert hat, und Klicks, auf die innerhalb des Lookback-Fensters keine Bestellung folgte, sind Pfade, die nicht konvertiert haben. Das Markov-Modell schreibt jedem Kanal Credit danach gut, wie viel Conversion-Wahrscheinlichkeit verloren geht, wenn dieser Kanal entfernt wird. Das Shapley-Modell schreibt jedem Kanal Credit nach seinem durchschnittlichen Beitrag über die Kombinationen von Kanälen in deinen Journeys gut. Anders als das Modell in Google Ads wägen sie Google gegen Meta, TikTok und E-Mail ab. Sie trainieren auf mindestens 90 Tagen, und bei weniger als 30 Bestellungen mit Klicks oder bei Klicks aus nur einem Kanal verteilen sie den Credit linear und weisen oberhalb des Berichts darauf hin.

Wie Total Impact die Umfrage nach dem Kauf nutzt

Klicks verpassen einen Teil dessen, was einen Verkauf antreibt: einen Podcast, die Empfehlung eines Freundes oder eine Videoanzeige, die jemand gesehen, aber nicht angeklickt hat. Total Impact ergänzt, was der Kunde selbst sagt. In Shopify hat ROASaurus einen Umfrageblock für die Dankeseite, der fragt: „Wie hast du von uns erfahren?“. Antworten wie Facebook oder Instagram, TikTok, Google-Suche, YouTube, ein Freund, E-Mail oder ein Podcast werden Kanälen zugeordnet. Andere Plattformen können Antworten an die Surveys-API senden.

In der Journey hat der Kunde TikTok geantwortet. Der Umfrageanteil von 50% geht an TikTok, und die anderen 50% teilen sich die vier Klicks, also je $15. TikTok landet damit bei $60 + $15 = $75. Hätte der Kunde „ein Podcast“ geantwortet, bekäme der Podcast $60, ein Kanal, den kein Klick überhaupt zeigt. Im Kampagnenbericht erscheint der Umfrageanteil in einer eigenen Zeile unter dem Kanal, weil eine Antwort einen Kanal nennt und keine Kampagne. Attribution per Umfrage nach dem Kauf erklärt, wie du die Frage und ihre Antworten einrichtest.

Lookback-Fenster und Grenzen

Jeder Shop hat sein eigenes Lookback-Fenster, von 1 bis 90 Tagen, standardmäßig 7 Tage, oder unbegrenzt. Der Bericht kann zwischen 1, 7, 14, 28, 30, 60 und 90 Tagen wechseln, sodass du siehst, wie viel Credit sich verschiebt, wenn das Fenster größer wird. View-Through-Conversions zählen nur bei Clicks & views oder wenn du einem anderen Modell modellierte Ansichten hinzufügst: ROASaurus ordnet die View-Through-Käufe, die die Werbeplattformen melden, Bestellungen ohne Klick von dieser Plattform zu, als Schätzung, die es auch so kennzeichnet. Die Details stehen in So funktioniert Attribution.

Welches Attributionsmodell solltest du verwenden?

Kein Modell passt zu jeder Frage. Wähle das Modell, das zu der Entscheidung passt, die vor dir liegt, und halte das Fenster gleich, wenn du vergleichst.

Drei Gewohnheiten halten Modellvergleiche ehrlich. Ändere immer nur eine Sache: Wechsle nie das Modell und das Fenster zugleich. Vergleiche Kanäle innerhalb eines Modells, nicht den Last-Click-Wert eines Kanals mit dem linearen Wert eines anderen. Und beurteile den Profit am Bruttogewinn, nicht am Umsatz: Ein Kanal mit hohem ROAS bei Produkten mit niedriger Marge kann trotzdem Geld verlieren.

Quellen

1. Google Ads Help: About attribution models
2. Google Ads Help: About data-driven attribution
3. Meta for Developers: Ads Insights API Metric Availability Updates
4. Meta Business Help Center: How conversions are attributed in Commerce Manager

In ROASaurus

• Attribution in ROASaurus
• Hilfe: So funktioniert die Attribution
• Server-Side-Tracking

Weiterlesen