Attributionsmodelle sind die Regeln, die festlegen, wie der Kredit für einen Kauf oder eine Conversion auf die Anzeigen und Kanäle verteilt wird, die eine Kundin auf ihrem Weg berührt hat. Last Click ist das verbreitetste Attributionsmodell und das täuschendste: Es gibt 100 % des Kredits dem letzten Kontakt und nullt die Kanäle, die die Reise eröffnet haben. In diesem Guide finden Sie, wie Attributionsmodelle funktionieren, wo die Grenzen des Data-Driven-Modells von GA4 liegen und welche Messung zu welcher Entscheidung gehört.
Was ist ein Attributionsmodell?
Ein Attributionsmodell ist die Regel oder der Algorithmus, der den Conversion-Kredit auf die Touchpoints einer konvertierenden Customer Journey verteilt (Anzeigenklicks, Videoaufrufe, E-Mails...). Beispiel: Eine Kundin sieht Ihr TikTok-Video, sucht drei Tage später Ihre Marke bei Google und kauft. Last Click gibt der Suche 100 % des Kredits; Multi-Touch-Modelle verteilen ihn über die Reise. Die Modellwahl ist kein Reporting-Detail: Sie ist die Hauptgröße, die entscheidet, welcher Kanal mehr Budget bekommt.
Warum täuscht Last Click?
Last Click belohnt den Kanal, der dem Kauf am nächsten liegt, meist Brand-Suche und Retargeting, denn wer schon entschieden hat, geht im letzten Schritt dort durch. Branchenanalysen zeigen, dass Last Click den Beitrag von Paid Search um 40-65 % überzeichnet und dass 60-80 % der Brand-Search-Klicks auch ohne Anzeige konvertiert wären. Discovery-Kanäle (Social Video, Display, Content) werden systematisch bestraft: Sie zünden die Lunte, den Kredit kassiert der Abschlusskanal.
Welche Attributionsmodelle bleiben in GA4?
Ende 2023 hat GA4 vier Modelle entfernt: First Click, linear, zeitlicher Verlauf und positionsbasiert. Zwei Optionen bleiben: Data-Driven Attribution (DDA, der Standard) und Last-Click-Varianten. Die Frage 'welches Modell wähle ich' ist in GA4 damit weitgehend beantwortet; die echte Frage ist, ob das Data-Driven-Modell in Ihrem Konto überhaupt greift.
Wie funktioniert Data-Driven Attribution, und wo endet sie?
Das Data-Driven-Modell vergleicht historische Conversion-Pfade und schätzt den Beitrag jedes Touchpoints zur Conversion-Wahrscheinlichkeit (Shapley-Ansatz mit Gewicht auf jüngeren Kontakten). Es ist deutlich fairer als Last Click, hat aber eine strukturelle Grenze: Es misst Korrelation, nicht Kausalität. 'Hat die Anzeige gesehen und gekauft' ist nicht dasselbe wie 'hat wegen der Anzeige gekauft'. Gegen kontrollierte Experimente können klickbasierte Modelle (DDA eingeschlossen) die Wirkung um das 2- bis 10-Fache überzeichnen; deshalb bleibt der Inkrementalitätstest der letzte Schiedsrichter großer Budgetentscheidungen.
Warum zeigen die Plattformen unterschiedliche Zahlen?
Jede Plattform zählt ihre Conversions mit eigenem Fenster: Metas Standard ist 7 Tage Klick + 1 Tag View; Google schaut auf die eigenen Klicks; GA4 ist sitzungsbasiert und sieht alle Kanäle. Derselbe Kauf kann bei Meta und bei Google in der Spalte landen, weshalb die Summe der Plattformberichte den echten Umsatz übersteigt. Das ist kein Betrug, sondern ein Definitionsunterschied; die Details stehen im Artikel zur GA4-Google-Ads-Abweichung. Die Lösung ist nicht, der Zahl einer Plattform zu glauben, sondern ein gemeinsames Dach zu bauen: MER (Gesamtumsatz ÷ gesamte Werbeausgaben) ist die einfachste Größe dieses Dachs.
Vier Plattformen unter einem Dach vergleichen
Ads Sensor führt Meta-, Google-, TikTok-, Criteo- und GA4-Daten in einem Panel zusammen, berechnet Kanalvergleich und MER für Sie und überwacht Anomalien rund um die Uhr.
Welches Modell sollten Sie in der Praxis nutzen?
Es gibt kein einzig richtiges Modell; was funktioniert, ist eine Leiter, auf der jede Messung ihren eigenen Job macht. Stand 2026 liegt die Verbreitung von Multi-Touch-Attribution bei 47 %, die von Media-Mix-Modeling bei 26 %; die Richtung ist klar: geschichtete Messung statt Glauben an ein Modell.
- Plattform-Dashboards für die Richtung lesen: in sich konsistent, nützlich für Creative- und Zielgruppenvergleich; den absoluten Beitragsclaims nicht trauen.
- Kanalvergleich im Data-Driven-Modell von GA4: das einzige kostenlose Dach, das eine Regel auf alle Kanäle anwendet (400-Conversions-Schwelle beachten).
- MER zur Obergröße machen: Gesamtumsatz ÷ Gesamtausgaben hängt an keinem Modell; der Monatstrend sagt die Wahrheit des Geschäfts.
- Brand-Suche separat verfolgen: Brand und generisch in einer Kampagne zu mischen versteckt die Last-Click-Inflation; trennen und Brand vorsichtig lesen.
- Große Entscheidungen an Experimente binden: Ob ein Kanal abgeschaltet oder sein Budget verdoppelt wird, entscheidet ein Inkrementalitätstest, kein Modell.
Kurz: Ein Attributionsmodell ist eine Linse, keine Wahrheitsmaschine; die Last-Click-Linse vergrößert Abschlusskanäle und löscht Discovery-Kanäle. Wechseln Sie auf Data-Driven, halten Sie MER oben, binden Sie große Entscheidungen an Experimente. Wenn Sie diesen Vergleich nicht von Hand führen wollen, bewerben Sie sich für die Ads Sensor-Beta und sehen Sie vier Plattformen + GA4 in einem Panel mit KI-Einordnung.