Marketing Attribution

Was ist Marketing Attribution?

Marketing Attribution ist der Prozess, der identifiziert, welche Marketing-Kanäle, Kampagnen und Touchpoints zu einer Konversion oder einem Abschluss beigetragen haben. Attribution weist spezifischen Interaktionen entlang der Customer Journey Kredit zu — damit Operatoren das Budget in Kanäle lenken können, die tatsächlich Umsatz produzieren, nicht nur Klicks oder Impressionen zu niedrigen Kosten.

Im B2B-SaaS-Kontext ist Marketing Attribution die methodische Grundlage für Budgetentscheidungen: Welche Kanäle erhalten mehr Budget? Welche Kampagnen werden skaliert? Welche Zielgruppen werden weiter bearbeitet? Ohne Attribution sind diese Entscheidungen auf Intuition angewiesen statt auf Daten. Mit schlechter Attribution — einem Modell, das die Wirklichkeit nicht korrekt abbildet — werden sie auf falscher Datenbasis getroffen, was oft schlimmer ist als keine Daten.

In Deutschland, Österreich und der Schweiz ist Marketing Attribution durch spezifische Faktoren komplexer als in anderen Märkten: strenge DSGVO-Anforderungen mit Auswirkungen auf Tracking-Umfang, hoher Safari-Marktanteil mit Intelligent Tracking Prevention (ITP), kritische Haltung der DACH-B2B-Buyer gegenüber personalisierten Werbeformaten und — im B2B-Segment — ein erheblicher Anteil des Kaufprozesses über nicht-digitale Kanäle wie Messen, Empfehlungen und persönliche Vertriebsgespräche.

Die Attribution-Modelle im Überblick

First-Touch Attribution

First-Touch Attribution gibt 100 % des Konversionskredits an den ersten Touchpoint — den Kanal oder die Kampagne, über die ein potenzieller Käufer erstmals mit dem Unternehmen in Kontakt kam. Dieses Modell ist einfach zu implementieren und eignet sich, um zu verstehen, welche Kanäle Aufmerksamkeit generieren und neue Buyer in den Funnel bringen. Es überschätzt systematisch Awareness-Kanäle und ignoriert die gesamte Consideration- und Entscheidungsphase.

Last-Touch Attribution

Last-Touch Attribution gibt 100 % des Kredits an den letzten Touchpoint vor der Konversion. Es war historisch das meistgenutzte Modell, weil es einfach zu implementieren ist: Der letzte Klick bekommt den Kredit. Last-Touch bevorzugt Retargeting-Kampagnen und Branded Search — Kanäle, die am Ende des Kaufprozesses stehen — und unterschätzt Awareness- und Consideration-Kanäle. Nach iOS 14.5 hat Last-Touch ein zusätzliches Problem: Es kann einen Großteil der iOS-Touchpoints nicht mehr messen, was zu strukturellen Verzerrungen führt.

Linear Attribution

Linear Attribution verteilt den Konversionskredit gleichmäßig auf alle erfassten Touchpoints entlang des Buyer Journey. Ein Käufer, der über eine LinkedIn-Anzeige, einen organischen Blogpost, eine Google-Search-Anzeige und einen direkten Besuch konvertiert, vergibt 25 % Kredit an jeden dieser Touchpoints. Linear Attribution berücksichtigt den gesamten Funnel, gewichtet aber alle Touchpoints gleich — unabhängig davon, ob ein Touchpoint tatsächlich ausschlaggebend war.

Time-Decay Attribution

Time-Decay Attribution gewichtet spätere Touchpoints stärker als frühere. Die Annahme: Je näher ein Touchpoint an der Konversion liegt, desto mehr hat er dazu beigetragen. Das Modell ist intuitiv für kurze Kaufzyklen, kann aber in B2B-SaaS-Kontexten mit langen Kaufzyklen Awareness-Kanäle zu stark abwerten — obwohl diese die initiale Kaufentscheidung ausgelöst haben.

Position-Based Attribution (W-Shaped)

Position-Based Attribution gibt je 40 % des Kredits an den First Touch und den Close Touch und verteilt die verbleibenden 20 % auf alle Touchpoints dazwischen. Es ist ein pragmatischer Kompromiss: Es erkennt die Bedeutung des ersten Kontakts (Awareness) und des abschlussnahen Moments (Entscheidung) an, ohne die Touchpoints in der Mitte zu ignorieren. Im DACH-B2B-SaaS-Kontext mit Kaufzyklen von 60–180 Tagen ist Position-Based Attribution häufig der Ausgangspunkt für teams, die von Last-Touch wegkommen wollen.

Data-Driven Attribution

Data-Driven Attribution nutzt Machine-Learning-Algorithmen, um den tatsächlichen statistischen Beitrag jedes Touchpoints zur Konversion zu berechnen — basierend auf historischen Konversionsdaten. Es lernt, welche Touchpoint-Kombinationen in der Vergangenheit zu Abschlüssen geführt haben, und gewichtet aktuelle Touchpoints entsprechend. Data-Driven Attribution ist das präziseste Modell, hat aber Mindestanforderungen an das Datenvolumen: typischerweise 400–600 Konversionen pro Monat und 1.000+ Touchpoints für statistisch valide Ergebnisse.

Wie iOS 14.5 die Last-Click-Attribution gebrochen hat

Im April 2021 führte Apple mit iOS 14.5 das App Tracking Transparency-Framework (ATT) ein. Seitdem müssen alle iOS-Apps explizit um Erlaubnis bitten, den IDFA (Identifier for Advertisers) zu nutzen, bevor sie Nutzer über Apps hinweg tracken dürfen. Die Ergebnisse waren erheblich: Innerhalb weniger Monate hatten 60–75 % der iOS-Nutzer die Tracking-Erlaubnis verweigert.

Die Konsequenz für Marketing Attribution war strukturell: Meta (Facebook, Instagram), TikTok und andere mobile Plattformen konnten keine vollständigen Conversion-Pfade mehr für iOS-Nutzer messen. Kampagnen, die auf Pixel-basiertem Last-Click-Tracking beruhten, zeigten scheinbar sinkende Konversionsraten — nicht weil die Kampagnen schlechter geworden wären, sondern weil ein Großteil der Konversionen nicht mehr messbar war. Schätzungen zufolge sind 30–60 % der iOS-Conversions nach April 2021 in Standard-Last-Click-Reporting unsichtbar geworden.

Dieses Problem hat die Diskussion um alternative Attributionsmethoden in der DACH-B2B-SaaS-Community erheblich beschleunigt. Teams, die bis 2021 mit Last-Click-Attribution zufrieden waren, mussten ihre Methodik überdenken.

Der DACH-Standard nach iOS 14.5: Blended ROAS und Data-Driven

Im DACH-B2B-SaaS-Markt haben sich nach iOS 14.5 zwei Ansätze als De-facto-Standard etabliert:

Erstens der Blended ROAS als Gesamtmaßstab: Gesamtumsatz geteilt durch Gesamte Werbeausgaben, kanalübergreifend ohne Attribution. Ein Blended ROAS von 4 bedeutet, dass für jeden investierten Euro Werbung 4 Euro Umsatz generiert wurden. Blended ROAS löst das iOS-14.5-Problem nicht, umgeht es aber: Es ist vollständig plattform-unabhängig und basiert auf Finanzdaten, nicht auf Pixel-Tracking. Es erlaubt Marketing-Teams und COOs, die Effizienz des gesamten Marketing-Mix zu beurteilen, ohne sich auf plattformspezifische Attributionsdaten verlassen zu müssen.

Zweitens Data-Driven Attribution als kanalspezifische Methodik, ergänzt durch Marketing Mix Modeling (MMM) für Teams mit ausreichendem Datenvolumen. MMM ist eine statistisch-ökonometrische Methode, die den Beitrag verschiedener Marketing-Aktivitäten zum Umsatz schätzt, ohne auf individuelles Nutzer-Tracking angewiesen zu sein — und damit DSGVO-konform und iOS-unabhängig. Für DACH-B2B-SaaS-Teams mit MRR über 500.000 € ist MMM ein sinnvoller Ansatz, um Attribution über längere Zeiträume und über alle Kanäle hinweg zu modellieren.

Benchmarks und Richtwerte

Wie Fairview Marketing Attribution einsetzt

Fairview integriert Marketing-Touchpoint-Daten aus den angebundenen Werbekanälen, dem CRM und dem Billing-System und berechnet Attribution auf drei Ebenen: kanalübergreifender Blended ROAS als Gesamtmaßstab, Multi-Touch Attribution (konfigurierbar nach Modell) für kanalspezifische Bewertungen und Revenue Attribution auf abgeschlossenem Umsatz für die Qualitätsbewertung einzelner Kanäle.

Das Besondere am Fairview-Ansatz ist die Verbindung von Marketing Attribution und tatsächlichem Umsatz: COOs und Marketingleiter sehen nicht nur, welcher Kanal die meisten Leads gebracht hat, sondern welcher Kanal Kunden mit dem höchsten NRR, der niedrigsten Churn-Rate und dem kürzesten CAC-Payback produziert. Diese Verbindung ist mit reiner Marketing Attribution — die an der Konversion endet — nicht möglich.