Attribution heute: was noch funktioniert – und was du ersetzen musst

Attribution war lange ein Versprechen: Jede Conversion lässt sich lückenlos der Anzeige zuordnen, die sie ausgelöst hat – und Budget fließt einfach dorthin, wo die Zahlen am besten sind. Dieses Versprechen ist gebrochen. Consent-Banner, Browser-Schutz und geräteübergreifende Kaufwege haben die Datenbasis ausgedünnt, auf der die klassische Messlogik ruht. Trotzdem wäre es falsch, Attribution komplett abzuschreiben: Für bestimmte Aufgaben funktioniert sie weiterhin gut. Dieser Guide zeigt, warum die alte Logik bröckelt, was sie noch leistet, wo sie dich täuscht – und mit welchem pragmatischen Dreiklang du sie ersetzt.

Warum klassische Attribution bröckelt

Vier Entwicklungen höhlen die lückenlose Zuordnung gleichzeitig aus:

Consent-Lücken. Ein relevanter Teil deiner Besucher lehnt Tracking schlicht ab. Diese Nutzer kaufen trotzdem – aber ihre Journey ist für die Messung unsichtbar. Attribution sieht also nie das ganze Bild, sondern nur den Ausschnitt mit Einwilligung.

Browser-Schutzmechanismen. Moderne Browser begrenzen die Lebensdauer von Cookies und beschneiden Tracking-Parameter. Ein Klick von vor zwei Wochen lässt sich für viele Messsysteme schlicht nicht mehr mit dem heutigen Kauf verknüpfen.

Geräteübergreifende Journeys. Die Anzeige wird abends auf dem Handy gesehen, gekauft wird am nächsten Tag am Laptop. Ohne Login-Brücke reißt die Kette – und der Kauf erscheint als Direktzugriff aus dem Nichts.

Plattformen messen sich selbst. Meta bewertet Metas Beitrag, Google bewertet Googles Beitrag. Jede Plattform hat ein strukturelles Interesse daran, sich Conversions zuzuschreiben – und tut das großzügig. Addiert ergeben die Selbstauskünfte regelmäßig mehr Umsatz, als tatsächlich existiert.

Im Alltag zeigt sich das als vertrautes Ärgernis: Ads Manager, Web-Analytics und Shop-Backend nennen für denselben Zeitraum drei verschiedene Zahlen – und jede ist nach ihrer eigenen Logik korrekt. Wer versucht, diese Sichten vollständig in Übereinstimmung zu bringen, verliert Zeit an eine Frage, die sich nicht mehr sauber beantworten lässt.

Die Plattformen füllen die entstandenen Lücken zunehmend mit Modellierung: Wo Daten fehlen, werden Conversions geschätzt. Das ist besser als nichts – aber aus einer Messung wird damit eine Hochrechnung. Ein Teil der Lücken lässt sich technisch abmildern: Wer Pixel und Conversions API parallel betreibt und seine Event Match Quality im Blick behält, gibt den Systemen die bestmögliche Datenbasis – wie das geht, zeigt unser Guide Meta Pixel und CAPI einrichten. Aber auch das beste Setup ändert nichts am Grundproblem: Die lückenlose, neutrale Zuordnung über alle Kanäle hinweg gibt es nicht mehr.

Was Plattform-Attribution noch gut kann

Abschreiben solltest du die Plattform-Messung deshalb nicht – du musst nur ihre Stärken kennen. Zwei Aufgaben erledigt sie weiterhin zuverlässig:

Relative Vergleiche innerhalb eines Kanals. Ob Creative A besser performt als Creative B, beantwortet die Plattform-Attribution belastbar. Beide laufen unter denselben Messbedingungen, mit derselben Zuschreibungslogik und denselben blinden Flecken – der Vergleich bleibt fair, auch wenn die absoluten Zahlen überzeichnet sind. Dasselbe gilt für Kampagne gegen Kampagne oder Zielgruppe gegen Zielgruppe im selben Konto.

Kurzfristige Optimierungssignale. Der Algorithmus braucht schnelles Feedback, um Auslieferung und Budget zu steuern. Dafür sind die Plattform-Conversions das beste verfügbare Signal – nicht, weil sie die Wahrheit sind, sondern weil sie schnell, konsistent und in großer Menge vorliegen.

Aus demselben Grund hat sich ein kurzes Attributionsfenster wie 1-Day-Click als bewusst konservative Konvention bewährt: Es zählt nur Conversions, die unmittelbar auf einen Klick folgen, und überzeichnet den Beitrag der Anzeige damit deutlich weniger als lange Fenster mit View-Zuschreibung. Bei unserer eigenen Marke SASSYCLASSY steuern wir zum Beispiel auf ein ROAS-Ziel über 4 auf 1-Day-Click-Basis – nicht weil dieses Fenster die volle Wirkung abbildet, sondern gerade weil es streng ist und die Zahl damit belastbar bleibt.

Was sie nicht mehr kann

Zwei Aufgaben darfst du der Plattform-Attribution dagegen nicht mehr anvertrauen:

Kanalübergreifende Wahrheit. Welcher Kanal welchen Anteil am Gesamtumsatz verdient, kann keine Plattform beantworten – jede sieht nur sich selbst und schreibt sich großzügig zu. Das gilt umso mehr, je stärker die Kanäle zusammenspielen: Die Anzeige weckt das Interesse, die Suche schließt den Kauf ab – und beide Plattformen feiern dieselbe Bestellung. Wer Budgets zwischen Kanälen allein anhand der In-Platform-Zahlen verteilt, lässt Schiedsrichter entscheiden, die selbst mitspielen.

Inkrementalität. Attribution beantwortet, welche Conversions Kontakt mit einer Anzeige hatten – nicht, welche ohne die Anzeige ausgeblieben wären. Der Klassiker ist die Retargeting-Anzeige kurz vor einem ohnehin geplanten Kauf: perfekt attribuiert, null zusätzlicher Umsatz. Zuordnung ist nicht Verursachung.

Der pragmatische Dreiklang als Ersatz

Was an die Stelle der einen großen Attributions-Wahrheit tritt, ist kein neues Tool, sondern eine Arbeitsteilung aus drei Ebenen:

1. Plattform-Attribution für die Optimierung im Kanal. Innerhalb von Meta, Google oder TikTok entscheidet die Plattform-Messung, welche Creatives, Kampagnen und Zielgruppen Budget bekommen. Hier ist sie stark, schnell und ausreichend fair.

2. MER und Shop-Backend für die Gesamtsicht. Ob dein Marketing als Ganzes effizient arbeitet, beantwortet die MER: Gesamtumsatz aus dem Shop-Backend geteilt durch den gesamten Werbespend – immun gegen jede Zuschreibungslogik. Warum diese Kennzahl der bessere Nordstern ist, begründen wir im Artikel MER statt ROAS.

3. Gelegentliche Inkrementalitätstests als Realitäts-Anker. Punktuelle Experimente – Holdouts, Geo-Splits, Lift-Tests – prüfen, ob ein Kanal wirklich zusätzlichen Umsatz erzeugt oder sich nur erfolgreich zuschreibt. Wie du solche Tests ohne Data-Science-Team fährst, zeigt der Artikel Inkrementalität testen.

Jede Ebene beantwortet eine eigene Frage: Was funktioniert im Kanal? Wie effizient ist das Ganze? Und ist der Effekt echt? Keine der drei ersetzt die anderen – zusammen ersetzen sie die Attribution alter Schule.

In der Praxis heißt das auch: Die drei Ebenen haben verschiedene Rhythmen. Die Plattform-Optimierung läuft kontinuierlich, die MER liest du wöchentlich, Inkrementalitätstests fährst du punktuell – etwa bevor ein Kanal deutlich skaliert werden soll. Wer alle drei mit derselben Frequenz behandelt, überfordert sein Team und verwässert die Aussagekraft jeder einzelnen Ebene.

Post-Purchase-Umfragen: das günstige Korrektiv

Ergänzend zum Dreiklang lohnt ein Werkzeug, das technisch banal und erstaunlich aufschlussreich ist: die Frage „Wie hast du uns entdeckt?“ direkt nach dem Kauf. Eine kurze Auswahl im Checkout oder auf der Danke-Seite genügt.

Die Antworten sind methodisch unsauber – Menschen erinnern sich falsch, nennen den letzten Kontakt statt des ersten oder klicken irgendetwas an. Aber als Korrektiv sind sie wertvoll: Wenn ein Kanal in der Attribution kaum auftaucht, aber von Kunden ständig genannt wird – typisch für Podcast, TikTok oder Empfehlungen –, ist das ein starker Hinweis auf einen blinden Fleck deiner Messung. Umgekehrt gilt dasselbe. Es geht nicht um exakte Prozentwerte, sondern um systematische Diskrepanzen zwischen dem, was die Messung sagt, und dem, was Kunden sagen.

Für die Umsetzung reichen wenige feste Antwortoptionen plus ein Freitextfeld. Entscheidend ist, Frage und Optionen über die Zeit konstant zu halten – nur so werden Verschiebungen zwischen den Kanälen sichtbar. Und: Werte die Antworten regelmäßig aus, statt sie nur zu sammeln. Eine Umfrage, die niemand liest, ist so nützlich wie ein Dashboard, das keiner pflegt.

Attributionsfenster: bewusst wählen, konsistent halten

Ein letzter Hebel wird regelmäßig unterschätzt: der Umgang mit dem Attributionsfenster selbst. Je nach Fenster ändern sich die ausgewiesenen Conversions erheblich – dieselbe Kampagne kann je nach Einstellung stark oder schwach aussehen, ohne dass sich an der Realität irgendetwas geändert hätte.

Daraus folgen zwei Regeln. Erstens: Wähle das Fenster bewusst und passend zu deinem Kaufzyklus – kurze, klickbasierte Fenster für die konservative Steuerung, längere nur dort, wo lange Entscheidungswege sie begründen. Zweitens, und wichtiger: Bleib dabei. Wer das Fenster wechselt, sobald die Zahlen enttäuschen, macht seine Zeitreihen unbrauchbar und belügt sich in Zeitlupe selbst. Ein konsistent gemessenes, bewusst konservatives Fenster ist mehr wert als das theoretisch perfekte, das ständig neu justiert wird.

Dokumentiere die Entscheidung außerdem schriftlich – inklusive der Begründung. Das klingt bürokratisch, verhindert aber die schleichende Neujustierung, wenn Zahlen unter Druck geraten, und hält Berichte über Monate hinweg vergleichbar.

Fazit

Attribution ist nicht tot – sie ist degradiert worden: vom Wahrheitssystem zum Optimierungswerkzeug. Innerhalb eines Kanals bleibt sie nützlich, für Creative-Vergleiche und als Signalquelle des Algorithmus. Die Fragen, die über Budgets entscheiden – welcher Kanal trägt wirklich bei, wie effizient ist das Ganze –, beantwortet heute der Dreiklang aus Plattform-Attribution im Kanal, MER auf Basis des Shop-Backends und gelegentlichen Inkrementalitätstests, ergänzt um Post-Purchase-Umfragen als Korrektiv. Wenn du wissen willst, wie belastbar deine Messung aufgestellt ist – vom Tracking-Setup bis zur Fenster-Konfiguration –, zeigt dir unser kostenloser Account-Check, wo du stehst.