Marketing Attribution: Modelle, Praxis und B2B-Fokus

Marketing Attribution beantwortet die Frage: Welcher Marketing-Touchpoint hat eine Conversion verursacht? Klingt simpel, ist in der Praxis aber eine der schwierigsten Aufgaben im digitalen Marketing, besonders im B2B mit langen Sales-Cycles und mehreren Berührungspunkten. Dieser Artikel erklärt die wichtigsten Attribution-Modelle, ihre Stärken und Schwächen und welches Modell sich für welchen Account-Typ eignet.

Was ist Marketing Attribution?

Marketing Attribution ist die Methode, mit der du den Anteil verschiedener Marketing-Touchpoints am Erfolg einer Conversion bestimmst. Wenn ein Nutzer über eine LinkedIn-Anzeige zum ersten Mal von dir hört, eine Woche später über eine Google-Suche zurückkommt und drei Tage danach über einen Newsletter eine Demo-Anfrage absendet, welcher Kanal bekommt den Verdienst?

Die einfache Antwort wäre: der letzte. Genau das macht das Standard-Modell Last-Click Attribution. Es ist einfach, transparent und in fast jedem Tool die Default-Einstellung. Es hat nur ein Problem: Es spiegelt nicht die Realität wider, wie Kaufentscheidungen tatsächlich entstehen.

Attribution-Modelle verteilen den "Conversion-Wert" (Umsatz) nach unterschiedlicher Logik auf die beteiligten Touchpoints. Manche Modelle geben dem ersten Klick den Verdienst, andere dem letzten, wieder andere allen Touchpoints anteilig. Welches Modell sinnvoll ist, hängt von deinem Geschäftsmodell, deinem Marketing-Mix und vor allem deinem Sales-Cycle ab.

Warum Marketing Attribution im B2B besonders schwierig ist

Im B2C-E-Commerce ist Attribution oft simpel: Jemand sieht eine Anzeige, klickt, kauft, fertig. Drei Touchpoints in 10 Minuten, alle digital, alle messbar.

Im B2B sieht es anders aus. Aus über 40 betreuten Projekten kenne ich den typischen Pfad: 6 bis 12 Touchpoints über 4 bis 10 Wochen, verteilt auf 3 bis 5 Kanäle, mit mehreren Personen aus dem gleichen Unternehmen. Genau diese Komplexität macht klassische Attribution-Modelle problematisch.

Drei Probleme tauchen immer wieder auf:

Problem 1: Multi-Device-Pfade. Ein Geschäftsführer recherchiert am Smartphone über Mittag, schickt sich den Link selbst per E-Mail und kommt abends am Desktop zurück, um das Formular abzuschicken. Klassisches Tracking sieht zwei verschiedene Nutzer.

Problem 2: Offline-Touchpoints. Der Erstkontakt war auf einer Messe, das Folgegespräch am Telefon, die Conversion online. Zwei Drittel des Funnels sind unsichtbar.

Problem 3: Lange Lookback-Windows. Standard-Tracking-Cookies leben zwischen 30 und 90 Tage. Im B2B-Sales-Cycle ist das oft zu kurz. Server-Side Tracking mit First-Party-Cookies hilft (Detail im Spoke Server-Side Tracking erklärt), löst das Problem aber nicht vollständig.

Heißt: Attribution im B2B liefert nie die ganze Wahrheit. Aber die richtige Modellwahl macht den Unterschied zwischen "irreführend" und "ausreichend nah dran für gute Entscheidungen".

Die wichtigsten Attribution-Modelle im Überblick

Sechs Modelle dominieren die Praxis. Jedes hat eine spezifische Logik und damit Stärken und blinde Flecken.

Last-Click Attribution

Der letzte Touchpoint vor der Conversion bekommt 100% des Verdiensts.

Vorteil: einfach, transparent, in jedem Tool verfügbar.

Nachteil: ignoriert alle vorherigen Touchpoints, im B2B besonders problematisch, weil der "letzte Klick" oft eine Brand-Suche ist, die nur deshalb stattfindet, weil davor 8 andere Touchpoints stattfanden.

First-Click Attribution

‍Der erste Touchpoint bekommt 100%. Spiegelbild von Last-Click: gut, um Awareness-Kanäle zu bewerten, blind für die Closing-Phase.

Linear Attribution

‍Alle Touchpoints bekommen gleich viel Verdienst. Wenn 5 Touchpoints zu einer Conversion führten, bekommt jeder 20 %.

Vorteil: fair, ausgewogen.

Nachteil: behandelt einen unwichtigen Banner-Eindruck wie eine entscheidende Demo.

Position-Based Attribution

‍Erster und letzter Touchpoint bekommen jeweils 40%, alle dazwischen teilen sich die restlichen 20%.

Vorteil: belohnt Awareness und Closing gleichermaßen.

Nachteil: mittlere Touchpoints werden tendenziell unterbewertet.

Time Decay Attribution

‍Spätere Touchpoints bekommen mehr Gewicht als frühere. Logik: Was näher am Kauf liegt, hatte mehr Einfluss.

Vorteil: realistisch für transaktionale Käufe.

Nachteil: bei sehr langen Sales-Cycles wird der Awareness-Beitrag systematisch unterschätzt.

Data-Driven Attribution (DDA)

‍Algorithmus-basiertes Modell, das den Beitrag jedes Touchpoints anhand tatsächlicher Konversions-Daten berechnet. Google verwendet seit 2023 DDA als Standard in Google Ads (siehe offizielle Google-Doku zu Attribution-Modellen). Vorteil: am genauesten. Nachteil: braucht ausreichend Conversion-Volumen – im B2B oft eine Hürde.

Welches Attribution-Modell passt für dein B2B-Konto?

Die Modellwahl hängt von zwei Faktoren ab: Conversion-Volumen und Sales-Cycle-Länge.

Wenn du unter 30 Conversions pro Monat hast: Bleib bei einem regelbasierten Modell. Data-Driven Attribution braucht Datenvolumen und liefert sonst zufällige Gewichtungen.

Empfehlung: Position-Based als Default, weil es den typischen B2B-Funnel (Awareness → Mid-Funnel → Closing) am ehesten abbildet.

Wenn du über 30 Conversions pro Monat hast: Wechsel auf Data-Driven Attribution. Sie ist genauer als jedes regelbasierte Modell und passt sich an dein spezifisches Geschäft an. In Google Ads ist sie ohnehin der neue Standard.

Wenn dein Sales-Cycle über 60 Tage ist: Erweitere zusätzlich das Lookback-Window von Standard 30 Tagen auf 60 bis 90 Tage. Sonst werden Awareness-Kanäle systematisch unterschlagen.

Wenn du mehrere Kanäle parallel betreibst (Google Ads + LinkedIn + Newsletter): Reine Plattform-Attribution reicht nicht. Hier brauchst du Cross-Channel-Tracking über GA4 oder ein Marketing-Analytics-Tool wie Triple Whale (E-Commerce) oder Dreamdata (B2B).

Aus der Praxis: In meinen B2B-Setups arbeite ich meistens mit Data-Driven Attribution in Google Ads kombiniert mit GA4-Cross-Channel-Reports. Die finale Validierung passiert immer im CRM, dort sehe ich, welche Kanäle wirklich Pipeline und Umsatz erzeugen, nicht nur Klicks.

Wie du Marketing Attribution praktisch umsetzt

Saubere Attribution lebt von drei Bausteinen, die zusammenspielen.

Baustein 1: Sauberes Conversion Tracking

‍Bevor du über Attribution-Modelle nachdenkst, muss dein Conversion Tracking stehen. Falsche Conversion-Definitionen oder doppeltes Zählen ruinieren jedes Modell. Detail im Hub Conversion Tracking.

Baustein 2: UTM-Parameter konsequent setzen

Jeder Klick aus Newsletter, LinkedIn, Display und Co. braucht saubere UTM-Parameter, sonst landet er bei "Direct/None". Für Google Ads übernimmt Auto-Tagging den Job, alle anderen Kanäle müssen manuell getaggt werden. Detail im Spoke UTM-Parameter richtig nutzen.

Baustein 3: CRM als Wahrheits-Quelle

‍Im B2B entscheidet das CRM, ob ein Lead zu einem Kunden wurde. Wer Attribution ernst meint, importiert diese Information zurück nach Google Ads (Offline Conversion Import) und GA4. Erst dann optimiert dein Werbe-Tooling nicht nur auf Leads, sondern auf qualifizierte Abschlüsse.

Ein realistisches Setup für B2B sieht so aus: Google Ads mit Data-Driven Attribution und Enhanced Conversions, GA4 als Cross-Channel-Verteilungsbild, CRM mit definierten Lead-Stages und automatischer Rückspielung der Stage-Wechsel an Google Ads. Wer das hat, sieht nicht nur, welcher Kanal Anfragen bringt, sondern welcher Kanal echte Kunden bringt. Und das ist die einzige Frage, die wirklich zählt.

Häufige Fehler bei Marketing Attribution

Fehler 1: Last-Click als einziges Modell nutzen

Im B2B fast immer irreführend. Brand-Suchen werden überbewertet, Awareness-Kanäle unterbewertet, das Budget fließt in die falsche Richtung.

Fehler 2: Attribution-Modell wechseln, ohne Reports neu zu lesen

‍Wer von Last-Click auf Data-Driven wechselt, sieht plötzlich andere Zahlen für identische Kampagnen. Wer das nicht versteht, trifft falsche Schlüsse aus dem Vergleich.

Fehler 3: Kein CRM-Feedback einbauen

‍Online-Attribution ohne CRM-Validierung optimiert auf Leads, nicht auf Kunden. Das sind im B2B zwei unterschiedliche Dinge.

Häufige Fragen zur Marketing Attribution

Welches Attribution-Modell ist das beste?

Es gibt kein universell bestes Modell. Data-Driven Attribution ist technisch am genauesten, wenn du genug Daten hast (etwa 30+ Conversions pro Monat). Bei kleineren Konten ist Position-Based ein guter Default für B2B-Funnels.

Ist Last-Click Attribution noch zeitgemäß?

Für einfache transaktionale Käufe mit kurzem Sales-Cycle kann Last-Click ausreichen. Im B2B mit mehreren Touchpoints und Wochen zwischen Erstkontakt und Conversion ist es deutlich unterlegen. Wenn du heute startest, wähle besser ein Multi-Touch-Modell.

Was ist der Unterschied zwischen Attribution und Conversion Tracking?

Conversion Tracking ist die technische Erfassung, dass eine Conversion stattgefunden hat. Attribution ist die Logik, welchem Touchpoint der Verdienst zugeschrieben wird. Tracking liefert das Rohmaterial, Attribution interpretiert es.

Funktioniert Marketing Attribution DSGVO-konform?

Ja, aber sie hängt am Consent-Management. Wenn Nutzer das Tracking ablehnen, fallen ihre Touchpoints aus der Attribution-Berechnung raus. Tools wie Google Consent Mode v2 versuchen, diese Lücke modellhaft zu schließen mit unterschiedlicher Qualität je nach Setup.

Brauche ich teure Attribution-Tools für mein Setup?

Für die meisten B2B-Setups reichen Google Ads + GA4 + sauberes CRM. Dedizierte Marketing-Attribution-Tools (Triple Whale, Northbeam, Dreamdata) werden ab Budget-Bereichen von 25.000–50.000€ pro Monat relevant. Darunter ist der ROI selten gegeben.

Mehr zum Thema Conversion Tracking

Diese Beritrag gehört zum Hub Conversion Tracking für Google Ads. Verwandte Detail-Artikel:

• Conversion Tracking richtig aufsetzen
• Server-Side Tracking erklärt
• UTM-Parameter richtig nutzen
• Micro Conversions verstehen

Du willst deine Attribution-Daten auf den Prüfstand stellen?

Marketing Attribution ist im B2B selten ein Modell-Problem meistens ist es ein Daten-Problem. Falsches Tracking, fehlende UTMs, keine CRM-Anbindung. Erst wenn diese Bausteine sauber ineinandergreifen, liefert jedes Modell aussagekräftige Daten. Lass uns gern in einem 30 Minuten Call dein Setup prüfen.