Attributionsmodelle machen Marketingerfolge sichtbar. Sie zeigen die einzelnen Kontaktpunkte in der Customer Journey auf. Doch eine Herausforderung dabei bleibt immer noch, die verschiedenen Marketing-Kanäle, die zum Verkauf geführt haben, richtig zu bewerten.
Die verschiedenen Modelle bieten dabei unterschiedliche Vorteile und welche sich für dich eignen, kann sehr von deinem Unternehmen und insbesondere deinem Produkt abhängen. Daher werden wir im Folgenden die einzelnen Attributionsmodelle in Google Ads genauer beleuchten.
Last-Click-Modell
Das Last-Click-Attributionsmodell erfreute sich lange Zeit ganz besonderer Beliebtheit. Hier wird der letzte Kanal vor dem Kauf bspw. die Google Ads Kampagne als relevanteste für die Kaufentscheidung eingestuft und mit 100% bewertet.
Der Vorteil am Last-Click-Modell ist, dass viele Web-Tools nach wie vor darauf ausgelegt werden. Außerdem werden bestimmte Google Ads Anzeigen wie Display und Anrufanzeigen immer mit diesem Modell dargestellt.
Der Vorteil ist daher, dass es dadurch einfacher wird, die eigenen Statistiken mit anderen Daten, sowie Such- und Displaykampagnen untereinander zu vergleichen.
Nachteil ist, dass unter Umständen Marketingkanäle die für die Kaufentscheidung wichtig waren geringer bewertet werden, nur weil Sie am Anfang der Customer-Journey standen und dafür andere Kanäle künstlich aufgebläht werden.
Gerade bei Beratungsintensiven und teureren Produkten, über deren Anschaffung man vielleicht erstmal ein paar Nächte schläft, bevor man schließlich kauft, ist das Modell daher nicht zu empfehlen.
Beispielsweise könnten die Informationen die der Kunde über die SEO-Texte erhalten hat, dazu geführt haben, dass sich der Kunde für deine Marke entscheidet, diese Bemühungen werden aber mit 0% bewertet, da der Kunde vor dem Kauf auf die Google Ads Kampagne geklickt hat.
First-Click-Modell
Das First-Click Modell fokussiert sich, wie der Name bereits vermuten lässt, auf den ersten Kontakt, den ein Kunde mit einem Produkt hat. Die Probleme bei diesem Attributionsmodell sind, wie man sich vorstellen kann, ähnlich wie beim Last-Click Modell, da auch hier nur einem Kanal die volle Beachtung geschenkt wird.
100% fallen auf den ersten Werbekanal mit dem der Kunde in Kontakt gekommen ist. Das scheint jetzt eher nachteilig zu sein, trotzdem gibt es bestimmte Situationen, bei denen First-Click durchaus seine Berechtigung hat.
Bei bspw. einem Produktlaunch, oder einer Kampagne welche die Aufmerksamkeit für die Brand steigern soll, kann dieses Modell das richtige sein.
Linear
Beim linearen Attributionsmodell kommen allen Kanälen mit denen der Kunde vor dem Kauf in Kontakt gekommen ist, die gleiche Wertigkeit zu.
Wenn zwischen Erstkontakt & finalem Kauf z. B. 5 Kanäle lagen, kommen jedem Kanal 20% zu.
Vorteil an diesem Modell ist, dass es sehr einfach ist und sich daher ganz besonders für Einsteiger eignet. Die Tatsache, dass jedem Kanal Relevanz zukommt, birgt dabei sowohl Vorteile als auch Nachteile. Es wird kein Kanal ausgelassen, potentiell werden aber auch Kanäle mit einer geringen Relevanz künstlich aufgeblasen.
Positionsabhängiges Attributionsmodell
Beim Positionsabhängigen Attributionsmodell kommen den einzelnen Marketingkanälen unterschiedliche Gewichtungen zu, ganz abhängig davon, wo sie sich im Verkaufsfunnel befinden.
Hier wird dabei ausgegangen, dass der erste und der letzte Kontakt besonders wichtig sind. So kommen auf den ersten Klick etwa 30% der Gewichtung und auf den letzten 50%. Die restlichen Prozent teilen sich auf die Kontakte, die auf den ersten Klick folgen auf. Die Klicks kurz vor dem Letzten werden hingegen mit 0% bewertet.
Das Modell erlaubt eine bessere Bewertung der wichtigsten Marketingkanäle. Für Einsteiger ist es eventuell nicht so geeignet, da es viel analytisches Verständnis fordert, um die Ergebnisse auszuwerten.
Positionsbasierte Attribution lohnt sich vor allem dann, wenn vor allem Online-Marketing genutzt wird. Da Out of Home oder Fernsehwerbung schwierig gemessen werden kann und so bei diesem Attributionsmodell völlig außen vor steht, fallen die dadurch entstandenen Erfolge unter Umständen unter den Tisch und solltest du dich allein auf diese Daten fokussieren, gehst du eventuell dazu über, Marketing zu kappen, das eigentlich funktioniert hat.
Zeitverlauf
Je kürzer vor der Kaufentscheidung ein Kunde mit einem bestimmten Marketingkanal in Kontakt kam, desto besser wird dieser bewertet, wenn du mit dem Zeitverlauf Modell arbeiten.
Datenbasierte Attribution
Dieses Modell lässt sich nur bei Konten einführen, die bereits länger bestehen und schon einige Daten sammeln konnten. Es erlaubt dir ein Attributionsmodell aufzubauen, dass sich nach den Daten deines Unternehmens richtet.
Die Vorteile sind klar: Hier wird es viel leichter, die Marketingkanäle nach deiner Relevanz zu bewerten. Allerdings setzt das Implementieren dieses Modells ebenfalls ein hohes Datenverständnis voraus.
Die Implementierung eines bestimmten Attributionsmodells setzt eine gute Kenntnis deines Unternehmens und deines Produkts voraus. Je nachdem, was du mit deinem Marketing vorhast, bieten sich auch verschiedene Modelle stärker an.
Anfänger können darüber nachdenken, einfachere Modelle wie das Linear-Modell oder auch Last-Click-Modell zu nutzen. Linear ist einfach verständlich und Last-Click erlaubt eine leichtere Vergleichbarkeit mit Web Tools.
In Google Ads kannst du die einzelnen Modelle beleuchten, indem du bei Tools auf Attribution klickst.
Klicke dann auf Attributionsmodellierung.
Hier bietet sich die Möglichkeit, jeweils 2 Modelle miteinander zu vergleichen. Dabei kannst du die Vergleiche auf Kontoebene, Kampagnenebene, Anzeigengruppenebene, oder auch Keywordebene vergleichen.
Wenn du dich für ein bestimmtes Attributionsmodell entschieden hast, erfolgt die Implementierung wie folgt:
Klicke zunächst auf die Conversion die Sie ändern wollen, um auf die Conversion-Einstellungen zu gelangen.
Unten siehst du dein derzeitiges Attributionsmodell, wenn du auf Einstellungen bearbeiten klickst, kannst du dieses ändern.
Klicke auf das Modell für das du dich entschieden hast und klicke auf speichern.
