Lange Zeit war die Sache einfach: Der letzte Klick vor dem Kauf bekam die volle Anerkennung – fertig. Last-Click-Attribution war einfach zu implementieren, in jedem Analytics-Tool als Standard hinterlegt und auf den ersten Blick logisch nachvollziehbar. Doch je komplexer Customer Journeys wurden, desto deutlicher zeigte sich: Dieses Modell erzählt nur einen winzigen Ausschnitt der eigentlichen Geschichte. Dieser Artikel erklärt, warum Last-Click an seine Grenzen stößt, welche Alternativen es gibt und wie moderne Unternehmen Attribution heute angehen.

Was Last-Click-Attribution eigentlich misst – und was nicht

Last-Click-Attribution schreibt einer Conversion zu 100 % den letzten Touchpoint vor dem Abschluss zu – meist einen Klick auf eine Anzeige, eine E-Mail oder einen organischen Suchtreffer. Das Modell ist beliebt, weil es technisch simpel ist: Viele Netzwerke definieren ein Conversion-Fenster wie „ein Klick oder Impression innerhalb der letzten 7 Tage zählt als unsere Conversion" und melden entsprechend.

Das Problem: Moderne Customer Journeys verlaufen über mehrere Kanäle, Geräte und Tage oder Wochen hinweg. Ein Nutzer sieht eine TikTok-Anzeige, klickt zwei Tage später auf eine Google-Suchanzeige und konvertiert schließlich nach einer Facebook-Impression. Last-Click-Attribution würde die gesamte Anerkennung Facebook zuschreiben – und die vorherigen Touchpoints komplett ignorieren, obwohl sie die Kaufentscheidung mitgeprägt haben.

Welche Kanäle besonders unterbewertet werden

Last-Click-Modelle benachteiligen systematisch Maßnahmen im oberen und mittleren Funnel: Display-Werbung, Online-Video, Influencer-Marketing und klassische Markenkampagnen. Diese Kanäle erzeugen selten den letzten Klick, tragen aber maßgeblich dazu bei, dass ein Kauf überhaupt in Erwägung gezogen wird. Das Ergebnis: Budgets werden auf Basis eines verzerrten Bildes verteilt – Performance-Kanäle erscheinen erfolgreicher, als sie tatsächlich sind, während Awareness-Maßnahmen unterfinanziert bleiben.

Die wichtigsten Attribution-Modelle jenseits von Last-Click

Als Reaktion auf diese Schwächen haben sich mehrere alternative Modelle etabliert, die jeweils unterschiedlich viel Gewicht auf einzelne Touchpoints legen.

First-Click-Attribution

Schreibt die gesamte Anerkennung dem allerersten Touchpoint zu, der eine Customer Journey ausgelöst hat. Sinnvoll, um zu verstehen, welche Kanäle neue Aufmerksamkeit erzeugen – blendet aber alle nachfolgenden Interaktionen komplett aus.

Linear Attribution

Verteilt die Anerkennung gleichmäßig auf alle Touchpoints einer Journey. Fair im Ansatz, berücksichtigt aber nicht, dass manche Interaktionen für die Kaufentscheidung tatsächlich wichtiger waren als andere.

Time-Decay-Attribution

Gewichtet Touchpoints näher am Conversion-Zeitpunkt stärker, erkennt frühere Interaktionen aber weiterhin an. Praktisch für Geschäftsmodelle mit kürzeren Entscheidungszyklen.

Position-Based-Attribution (U-Shaped)

Gibt dem ersten und letzten Touchpoint jeweils den größten Anteil und verteilt den Rest auf die mittleren Interaktionen. Ein Kompromiss zwischen „wer hat den Kontakt initiiert" und „wer hat den Abschluss gebracht".

Data-Driven-Attribution

Nutzt Machine-Learning-Modelle, um anhand tatsächlicher Konversionsdaten zu berechnen, wie viel Gewicht jeder Touchpoint verdient – basierend auf Signalen wie Zeit bis zur Conversion, Gerätetyp, Reihenfolge der Interaktionen und Anzahl der Werbekontakte. Google hat dieses Modell mittlerweile zum Standard für viele Conversion-Aktionen in Google Ads gemacht und mehrere regelbasierte Modelle schrittweise abgelöst.

Multi-Touch-Attribution: Die ganze Journey statt eines einzelnen Punkts

Der gemeinsame Nenner aller genannten Alternativen ist das Prinzip der Multi-Touch-Attribution (MTA): Statt einem einzigen Touchpoint die volle Anerkennung zu geben, wird die komplette Journey von der ersten Wahrnehmung bis zur Conversion abgebildet. Das ermöglicht Marketingteams, den Beitrag jedes einzelnen Touchpoints zu verstehen, Budgets fundierter zu verteilen und Kanäle zu identifizieren, die tatsächlich wertvolle Nutzer liefern – nicht nur den letzten Klick vor der Kasse.

Wichtig: Auch Multi-Touch-Attribution ist kein Allheilmittel. Sie modelliert statistische Muster, kann aber nicht immer die wahre Ursache eines Kaufs nachweisen. Genau deshalb setzen viele Unternehmen mittlerweile auf eine Kombination mehrerer Messmethoden statt auf ein einzelnes Modell.

Warum Attribution allein nicht mehr ausreicht

Mit dem Wegfall von Drittanbieter-Cookies und Apples App Tracking Transparency wurde die nutzerbasierte Verfolgung über Apps und Geräte hinweg erheblich eingeschränkt. Unternehmen wie Google und Meta reagierten mit aggregierten Messverfahren, modellierten Conversions und serverseitigen Tracking-Architekturen. Diese Entwicklung zeigt: Attribution allein – egal welches Modell – stößt zunehmend an technische Grenzen.

Media-Mix-Modeling als Ergänzung

Media-Mix-Modeling (MMM) nutzt statistische Analysen historischer, aggregierter Daten, um den Beitrag verschiedener Marketingaktivitäten zum Geschäftsergebnis zu schätzen – unabhängig von individuellem Nutzer-Tracking. MMM kann dabei auch Faktoren wie TV-Werbung, Preisänderungen, Saisonalität und makroökonomische Einflüsse einbeziehen. Der Nachteil: MMM bewertet langfristige Trends und eignet sich weniger, um die Wirkung einzelner, kurzfristiger Kampagnen zu bewerten.

Incrementality Testing als dritter Weg

Incrementality-Tests vergleichen die Ergebnisse einer Testgruppe, die eine Kampagne sieht, mit einer Kontrollgruppe, die sie nicht sieht. Erzielt die Testgruppe nachweislich mehr Conversions, lässt sich der tatsächliche, kausale Effekt der Kampagne belegen – nicht nur eine statistische Korrelation. Dieser Ansatz ist besonders wertvoll, weil er die größte Schwäche von MTA und MMM ausgleicht: Beide Modelle erkennen Muster, aber keine Kausalität.

Was das für die eigene Messstrategie bedeutet

Statt sich auf ein einzelnes Modell zu verlassen, kombinieren immer mehr Unternehmen mehrere Messansätze:

  • Multi-Touch-Attribution für ein detailliertes Bild einzelner Kanäle und Kampagnen
  • Media-Mix-Modeling für die langfristige Budgetplanung über alle Kanäle hinweg, inklusive Offline-Medien
  • Incrementality Testing zur Validierung, ob eine Maßnahme wirklich einen kausalen Effekt hat
  • Qualitative Signale wie „Wie sind Sie auf uns aufmerksam geworden?"-Formulare, die Touchpoints abdecken, die sich technisch nicht tracken lassen – etwa Mundpropaganda, Podcasts oder Offline-Werbung

Gerade im B2B-Bereich, wo Kaufentscheidungen selten linear verlaufen und mehrere Stakeholder zu unterschiedlichen Zeitpunkten involviert sind, liefert diese Kombination ein deutlich realistischeres Bild als jedes einzelne Modell für sich.

Häufig gestellte Fragen

Ist Last-Click-Attribution komplett nutzlos?

Nein. Für sehr kurze Kaufzyklen mit wenigen Touchpoints kann Last-Click weiterhin brauchbare Hinweise liefern. Problematisch wird es vor allem bei längeren, kanalübergreifenden Journeys, in denen das Modell systematisch bestimmte Kanäle benachteiligt.

Welches Attribution-Modell ist das „beste"?

Es gibt kein universell bestes Modell. Data-Driven-Attribution liefert in der Regel die genauesten Ergebnisse, setzt aber ausreichend Konversionsdaten voraus. Für viele Unternehmen ist eine Kombination aus MTA, MMM und Incrementality Testing realistischer als ein einzelnes Modell.

Warum reicht reines Klick-Tracking nicht mehr aus?

Weil viele kaufrelevante Touchpoints gar keinen Klick erzeugen – etwa eine Markenkampagne, ein gesehenes Video oder eine Empfehlung im Bekanntenkreis. Wer nur Klicks misst, unterschätzt systematisch den Wert von Awareness- und Brand-Building-Maßnahmen.

Wie hängt das mit dem Ende der Third-Party-Cookies zusammen?

Mit sinkender Verfügbarkeit von Drittanbieter-Cookies und strengeren Tracking-Beschränkungen wie Apples ATT wird deterministisches Tracking auf Nutzerebene zunehmend schwieriger. Aggregierte und modellierte Messverfahren wie MMM und Data-Driven-Attribution gewinnen deshalb an Bedeutung, weil sie weniger stark auf individuelles Tracking angewiesen sind.

Fazit

Last-Click-Attribution war nie falsch – sie war nur immer unvollständig. Mit wachsender Kanalvielfalt, strengeren Datenschutzvorgaben und komplexeren Customer Journeys wird diese Unvollständigkeit jedoch zum echten Risiko für die Budgetplanung. Unternehmen, die heute erfolgreich messen wollen, verlassen sich nicht mehr auf ein einzelnes Modell, sondern kombinieren Multi-Touch-Attribution, Media-Mix-Modeling und Incrementality Testing zu einem Gesamtbild – und erkennen damit auch die Kanäle an, die zwar nie den letzten Klick liefern, aber den Kauf trotzdem erst möglich gemacht haben.