Ein Attributionsmodell ist eine Regel, die festlegt, wie der Wert einer Conversion auf die beteiligten Kontaktpunkte einer Customer Journey verteilt wird. Es beantwortet die Frage, welcher Kanal welchen Anteil am Erfolg erhält — und entscheidet damit darüber, welche Maßnahmen als wirksam gelten.
Im Rahmen der Marketing-Automation und CRM-Steuerung bildet das Attributionsmodell die Grundlage für faire Budgetentscheidungen. Ohne eine bewusste Wahl des Modells werden Kanäle systematisch über- oder unterbewertet, weil die zugrunde liegende Rechenlogik selten neutral ist.
Definition und Funktion
Eine Conversion entsteht im B2B fast nie aus einem einzigen Kontaktpunkt. Ein typischer Verlauf führt von einer organischen Suche über einen Blogartikel, eine LinkedIn-Interaktion und einen Whitepaper-Download bis zum persönlichen Gespräch. Das Attributionsmodell legt fest, wie der Wert des Abschlusses auf diese Stationen entlang der Customer Journey verteilt wird.
Diese Verteilung ist keine technische Nebensache, sondern eine strategische Weichenstellung. Wer dem ersten Kontaktpunkt den vollen Wert zuschreibt, bewertet Awareness-Kanäle hoch. Wer dem letzten Kontaktpunkt den Wert gibt, belohnt abschlussnahe Kanäle. Beide Sichtweisen sind für sich genommen unvollständig.
Die gängigen Modelle im Überblick
Attributionsmodelle lassen sich grob in Single-Touch- und Multi-Touch-Ansätze einteilen. Die folgende Tabelle stellt die verbreitetsten Varianten gegenüber.
| Modell | Wertverteilung | Stärke | Schwäche |
|---|---|---|---|
| First-Touch | voller Wert auf den ersten Kontakt | bewertet Awareness-Kanäle | ignoriert spätere Phasen |
| Last-Touch | voller Wert auf den letzten Kontakt | einfach, abschlussnah | ignoriert frühe Phasen |
| Linear | gleicher Anteil je Kontaktpunkt | fair, einfach erklärbar | gewichtet alle Touchpoints gleich |
| Zeitabhängig | spätere Kontakte stärker gewichtet | bildet Abschlussnähe ab | unterschätzt frühe Phasen |
| Positionsbasiert | erster und letzter Kontakt höher | würdigt Ein- und Ausstieg | mittlere Phasen werden klein |
| Datengetrieben | Gewichtung aus echten Verläufen | realistisch, lernend | braucht viele Daten |
First-Touch und Last-Touch sind Single-Touch-Modelle, die den gesamten Wert auf einen einzigen Punkt legen. Lineare, zeitabhängige, positionsbasierte und datengetriebene Modelle zählen zur Multi-Touch-Attribution, weil sie den Wert auf mehrere Kontaktpunkte verteilen.
Anwendung im B2B
Im B2B sind Single-Touch-Modelle in den meisten Fällen ungeeignet. Da Kaufentscheidungen über Monate reifen und ein ganzes Buying-Center durchlaufen, würde ein Last-Touch-Modell etwa den Vertrieb belohnen und das Content-Marketing, das den Bedarf überhaupt erst geweckt hat, unsichtbar machen. Multi-Touch-Modelle bilden den realen Beitrag der Kanäle deutlich fairer ab.
Die Wahl des Modells hat direkte Folgen für die Budgetverteilung und für die Berechnung der Customer Acquisition Cost je Kanal. Wird ein Awareness-Kanal durch ein Last-Touch-Modell systematisch kleingerechnet, droht eine Fehlsteuerung: Das Budget wandert weg von genau dem Kanal, der die Demand Generation trägt. Ein passendes Modell ist damit Voraussetzung für eine belastbare Kanalbewertung.
Abgrenzung zu verwandten Begriffen
Das Attributionsmodell wird häufig mit dem Tracking selbst verwechselt. Tracking erfasst, welche Kontaktpunkte stattgefunden haben; das Attributionsmodell entscheidet, wie diese Punkte bewertet werden. Auch zur Multi-Touch-Attribution besteht eine Hierarchie: Multi-Touch-Attribution ist eine Klasse von Attributionsmodellen, nämlich all jene, die den Wert auf mehrere Punkte verteilen. Jedes Multi-Touch-Modell ist ein Attributionsmodell, aber nicht jedes Attributionsmodell ist Multi-Touch.
Häufige Fehler
Der häufigste Fehler ist die unreflektierte Nutzung des voreingestellten Last-Touch-Modells vieler Analyse-Tools. Es ist einfach, führt im B2B aber regelmäßig zu Fehlentscheidungen, weil es frühe Phasen ausblendet. Ebenso problematisch ist es, ein datengetriebenes Modell ohne ausreichende Datenbasis einzusetzen — bei wenigen Conversions werden die Gewichtungen instabil und zufällig.
Ein weiterer Fehler ist die Annahme, ein Attributionsmodell liefere objektive Wahrheit. Jedes Modell ist eine vereinfachende Annahme über die Wirklichkeit, besonders weil Offline-Kontaktpunkte wie Messen kaum messbar sind. Sinnvoll ist es deshalb, das gewählte Modell bewusst zu begründen, mehrere Modelle vergleichend zu betrachten und die Ergebnisse stets mit Augenmaß zu interpretieren.