Eine der größten Herausforderungen für Marketingfachleute von heute ist die Erstellung präziser Attributionsmodelle. Du musst wissen, welche Marketingkanäle am effektivsten sind, um dein Budget sinnvoll einzusetzen, aber es ist schwierig, Daten zu erhalten, die die Customer Journey wirklich widerspiegeln.
Es ist frustrierend, Zeit damit zu verbringen, deine Attributionsmodelle zu implementieren und deine Analyse-Dashboards zu konfigurieren, nur um dann festzustellen, dass die Daten eigentlich nichts aussagen. Wenn das passiert, liegt das nicht unbedingt an dem von dir gewählten Attributionsmodell oder den Tools. Wahrscheinlich liegt das Problem bei den Links, die du in deinen Marketingkampagnen verwendest.
Viele Attributionsmodelle versagen, weil die Links, die über E-Mail-Newsletter, Social-Media-Kampagnen und SMS-Nachrichten geteilt werden, keine einheitlichen UTM-Parameter enthalten. Ohne diese Tags kannst du nicht erkennen, woher dein Web-Traffic tatsächlich kommt.
In diesem Leitfaden besprechen wir die besten Strategien für Attributionsmodelle, warum sie nicht immer funktionieren und wie du das Problem mit UTM-Parametern und Link-Governance beheben kannst.
*Die unten genannten Marken und Beispiele sind uns bei unseren Online-Recherchen für diesen Artikel aufgefallen.
Wichtigste Erkenntnisse:
- Attributionsmodelle sind nur so genau wie die ihnen zugrunde liegenden Link-Daten, und die meisten Attributionsprobleme sind in Wirklichkeit versteckte Link-Probleme.
- Jedes wichtige Attributionsmodell geht von einer anderen Annahme darüber aus, wie der Verdienst verteilt werden sollte; die Wahl des richtigen Modells beginnt damit, dass du verstehst, welche geschäftliche Frage du eigentlich beantworten möchtest.
- UTM-Governance ist keine optionale Infrastruktur; sie ist die Voraussetzung dafür, dass jedes Attributionsmodell kanalübergreifend vergleichbare, vertrauenswürdige Daten liefert.
- Bitly-Kampagnen, Bitly-Links und Bitly Analytics bieten Marketing-Teams eine zentrale Plattform, um die Erstellung von Links zu steuern, die Konsistenz der UTM-Parameter sicherzustellen und Klickdaten abzurufen, ohne dass jedes Teammitglied jedes Mal die Tags korrekt setzen muss.
- Der häufigste Fehler bei der Attribution ist kein Modellierungsproblem. Das ist ein Problem der Datenqualität, das keine Analyseplattform im Nachhinein beheben kann.
Was Attributionsmodellierung eigentlich ist (und was sie nicht ist)
Unter Attributionsmodellierung versteht man die Zuordnung von Konversionen zu bestimmten Marketingmaßnahmen oder Kontaktpunkten. Das hilft Marketingteams dabei, herauszufinden, welche Strategien den größten Umsatz generieren, und unterstützt datengestützte Entscheidungen für zukünftige Kampagnen.
Es gibt viele verschiedene Attributionsmodelle zur Auswahl, und sie alle sind auf genaue Marketingdaten angewiesen, um richtig zu funktionieren. Zwei Teams könnten dieselben Marketing-Attributionsmodelle verwenden, aber je nach den eingehenden Daten völlig unterschiedliche Ergebnisse erzielen.
Wenn Marketingteams viel zu tun haben, kann die Attributionsmodellierung leicht ins Hintertreffen geraten, was es schwierig macht, die Customer Journey wirklich zu verstehen. Attributionsmodellierung ist keine einzelne Funktion in deinem Marketing-Analysetool, kein Bericht, den du am Ende jeder Kampagne erstellen musst, und auch keine automatisierte Funktion in verbundenen Werbeplattformen.
Damit Attributionsmodelle echte Ergebnisse liefern, brauchst du eine kontinuierliche Strategie zur Datenerfassung, die bei jeder Kampagne funktioniert. Anstatt zu versuchen, Attributionsprobleme erst nach dem Start von Kampagnen zu beheben, sollten Marketingteams gemeinsam mit Datenexperten im Vorfeld eine robuste Link-Infrastruktur aufbauen.
Wenn du proaktiv vorgehst, kannst du von Anfang an genaue Kundendaten sammeln. Bitly Analytics unterstützt diesen Prozess, indem es dir einen umfassenden Einblick in die Interaktion mit deinen Links bietet. Du kannst die Daten einsehen, die in deine Attributionsmodelle einfließen, und Probleme erkennen, bevor sie zu Ungenauigkeiten führen.
Die wichtigsten Attributionsmodelle und wann man sie jeweils einsetzt
Es stehen mehrere Marketing-Attributionsmodelle zur Auswahl, und jedes verwendet eine andere Methode, um festzustellen, welche Marketingaktivitäten zu Conversions führen. Es gibt nicht das eine beste Attributionsmodell – welche Option für dich die richtige ist, hängt von den Marketingkanälen ab, die du nutzt, von der Länge deines Verkaufstrichters und von deinen Geschäftszielen.
Auch wenn du bereits ein Attributionsmodell hast, ist es vielleicht nicht für jede Situation geeignet. Hier sind die gängigsten Marketing-Attributionsmodelle und wann man sie jeweils einsetzt.
First-Touch- und Last-Touch-Attribution
Bei der First-Touch-Attribution wird der erste Marketing-Touchpoint, mit dem ein potenzieller Kunde in Kontakt kommt, als ausschlaggebend für die Konversion gewertet. Dieser Ansatz eignet sich gut für Marken mit kurzen Verkaufszyklen, wie zum Beispiel B2C-Einzelhandelsmarken. Das ist auch hilfreich, wenn du herausfinden willst, welche Strategien das Interesse deiner Zielgruppe wecken und potenzielle Kunden in den oberen Teil des Verkaufstrichters führen.
Allerdings funktionieren First-Touch-Attributionsmodelle bei Marken mit langen, komplexen Verkaufstrichtern nicht besonders gut. Zum Beispiel kommen B2B-Käufer vor dem Kaufabschluss durchschnittlich mit 10 Marketingkanälen in Kontakt. In diesem Fall gibt die First-Touch-Attribution nur einen kleinen Teil des Gesamtbildes wieder.
Die Last-Touch-Attribution ist das Gegenteil davon. Bei diesem Modell wird der letzte Kontaktpunkt, mit dem ein potenzieller Kunde vor seiner Konversion interagiert hat, als ausschlaggebend gewertet. Dieser Ansatz ist besonders dann sinnvoll, wenn du herausfinden möchtest, was zum Abschluss eines Geschäfts führt oder bestimmte Handlungen auslöst.
Ein Last-Touch-Modell berücksichtigt jedoch nicht die Marketingkanäle, die für die Bekanntmachung sorgen und Leads pflegen – beides ist entscheidend, um deine Vertriebspipeline gefüllt zu halten. Wenn du ausschließlich Last-Touch-Attributionsmodelle verwendest, führt das zu einer verzerrten Verteilung deines Marketingbudgets, die der Markenbekanntheit nicht zuträglich ist.
First-Touch- und Last-Touch-Attributionsmodelle sind unkompliziert und einfach umzusetzen, weshalb sie bei vielen Marken sehr beliebt sind. Auf den ersten Blick scheinen beide genaue Ergebnisse zu liefern, und sie lassen sich der Geschäftsleitung leicht erklären. Heutzutage verfügen die meisten Marken jedoch über Multi-Touch-Verkaufstrichter, bei denen verschiedene Marketingkanäle zusammenwirken, um Kunden zu gewinnen.
Ein First- oder Last-Touch-Attributionsmodell gewichtet bestimmte Kontaktpunkte zu stark, sodass du keinen genauen Einblick in deinen Verkaufstrichter erhältst. Diese Attributionsmodelle funktionieren zudem bereits mit nur einem UTM-Parameter, sodass du Probleme mit deiner Linkstruktur möglicherweise erst bemerkt, wenn es schon zu spät ist.
Lineare, zeitabhängige und positionsbasierte Attribution
Lineare, zeitbasierte und positionsbasierte Attribution sind beliebte Multi-Touch-Attributionsmodelle, die einen besseren Einblick in komplexe moderne Verkaufstrichter bieten.
Bei der linearen Attribution werden alle Berührungspunkte im Verkaufstrichter gleich gewichtet, daher eignet sie sich gut, wenn du Einblick in jeden einzelnen Schritt haben möchtest. Ein lineares Attributionsmodell unterscheidet jedoch nicht zwischen Touchpoints mit hoher und solchen mit geringer Wirkung, sodass du am Ende möglicherweise zu viel in Marketingkanäle investierst, die kaum Umsatz generieren.
Bei der zeitabhängigen Attribution wird den Touchpoints, die der Konversion am nächsten liegen, der größte Anteil zugeschrieben, während der erste Touchpoint den geringsten Anteil erhält. Ein Attributionsmodell mit zeitlicher Abwertung eignet sich gut, wenn du einen kurzen Verkaufszyklus hast und Kunden ihre Kaufentscheidung kurz nach der Entdeckung deiner Marke treffen. Das ist jedoch nicht ideal für lange Verkaufszyklen, bei denen Inhalte für den oberen Teil des Trichters notwendig sind, um Vertrauen bei deiner Zielgruppe aufzubauen.
Bei der positionsbasierten Attribution (auch als U-förmige Attribution bezeichnet) wird der größte Anteil des Verdienstes dem ersten und dem letzten Touchpoint in deinem Verkaufstrichter zugewiesen, während der Rest auf die Touchpoints in der Mitte des Trichters verteilt wird. Die erste und die letzte Interaktion erhalten in der Regel jeweils 40 % der Conversion-Wertung, während sich die übrigen Touchpoints die restlichen 20 % teilen. Du kannst das genaue Gewicht jedoch an dein Geschäftsmodell anpassen.
Dieses Modell gewichtet die Markenbekanntheit in der Anfangsphase und die endgültigen Konversionen gleichermaßen und berücksichtigt die Lead-Pflege in der Mitte des Trichters, ohne diese Berührungspunkte überzubewerten. Da positionsbasierte Attributionsmodelle jedoch komplex sind, benötigen sie saubere Daten von jedem Touchpoint, um richtig zu funktionieren.
Allerdings musst du, damit eines dieser Attributionsmodelle funktioniert, jeden einzelnen Touchpoint auf dem Weg von der Entdeckung bis zur Konversion erfassen. Wenn auch nur bei einem einzigen Kontaktpunkt ein nachverfolgbarer UTM-Link fehlt, bringt das dein Attributionsmodell und deine zukünftige Marketingstrategie durcheinander.
Datengestützte Attribution
Bei der datengesteuerten Attribution werden mithilfe von maschinellem Lernen die historischen Conversion-Daten deiner Marke ausgewertet und anschließend den Marketing-Touchpoints in diesen Daten, die zu Conversions geführt haben, der entsprechende Beitrag zugewiesen. Der größte Vorteil dieses Modells ist, dass es nicht feststeht. Es ordnet den Kontaktpunkten auf der Grundlage des tatsächlichen Conversion-Pfads deiner Marke einen Wert zu.
Ein datengestütztes Modell benötigt jedoch ein beträchtliches Conversion-Volumen, um richtig zu funktionieren. Auch wenn die genauen Anforderungen je nach Plattform variieren, brauchst du in der Regel mindestens 200 Konversionen pro Monat.
Viele Marketing-Analysetools, darunter auch Google Analytics, verfügen mittlerweile über eigene datengestützte Attributions-Tools. Die Ergebnisse sind jedoch nur so genau wie die Daten, auf denen sie basieren.
Eine effektive datengestützte Attribution beginnt mit einer einheitlichen Linkstruktur und eindeutigen UTM-Parametern. Bitly Analytics liefert für dieses Modell eine eigene Quelle validierter Klick- und Scan-Daten und stellt so sicher, dass die Attribution auf einer vollständigen und genauen Nachverfolgung basiert.
Es kann verlockend sein, die Attribution zu automatisieren, ohne wirklich zu verstehen, woher die Daten stammen. Damit datengestützte Attribution jedoch umsetzbare Ergebnisse liefert, muss dein Marketingteam wissen, was hinter den Kulissen vor sich geht, und in der Lage sein, der Unternehmensleitung wesentliche Verschiebungen bei der Zuordnung der Verdienste zu erklären.
Attribution in einer Welt der First-Party-Daten
In der Vergangenheit stützten sich viele Marketing-Attributionsmodelle stark auf Daten von Drittanbietern. Allerdings werden Daten von Drittanbietern für Marketingteams immer schwerer zugänglich. Viele Webbrowser stellen die Verwendung von Cookies von Drittanbietern schrittweise ein, um neue Datenschutzgesetze einzuhalten und den sich wandelnden Erwartungen der Verbraucher gerecht zu werden.
Diese Änderung bedeutet, dass Marketing-Attributionsmodelle möglicherweise an Genauigkeit verlieren. Verhaltensdaten von Websites Dritter und Marketingkanälen sind nicht immer verfügbar, was es schwierig macht, einen vollständigen Überblick über den gesamten Verkaufstrichter zu erhalten. Das ist besonders schwierig, wenn dein Attributionsmodell stark auf webseitenübergreifende Verhaltensdaten angewiesen ist, für deren Erfassung Cookies erforderlich sind.
Erstanbieter-Daten sind eine nachhaltigere Alternative. Anstatt sich auf externe Plattformen zu verlassen, stammen First-Party-Daten aus direkten Interaktionen mit deiner Marke im Internet. Mit First-Party-Daten musst du dir keine Sorgen machen, dass sich ändernde Browser-Einschränkungen deine Attributionsmodelle beeinträchtigen könnten. Du hast die volle Kontrolle über deine Daten und erhältst so einen genaueren Einblick in deine Kundeninteraktionen.
Bitly Links mit eingebetteten UTM-Parametern helfen dir dabei, First-Party-Signaldaten aus deiner gesamten Marketingstrategie zu sammeln. Du kannst Bitly Links in E-Mails, digitale Anzeigen, Social-Media-Beiträge, SMS-Nachrichten und vieles mehr einfügen. Wenn Besucher auf deine Website klicken, kannst du genau nachverfolgen, woher diese Klicks stammen, was eine klarere Zuordnung ermöglicht.
Warum die Attribution immer wieder versagt (und wo das eigentliche Problem liegt)
Attribution ist ein leistungsstarkes Instrument zur Optimierung deiner Marketingstrategie. Dennoch geben nur 31 % der Marketingfachleute an, dass sie „äußerst zuversichtlich“ in Bezug auf ihre aktuellen Attributionsmodelle sind.
Wenn die Attribution nicht funktioniert, gehen viele Marketingfachleute davon aus, dass sie ein anderes Attributionsmodell oder eine andere Analyseplattform benötigen. Das Problem liegt jedoch oft in den Daten, mit denen dein Attributionsmodell gefüttert wird.
Es kommt häufig vor, dass Marketingfachleute bestehende Content-Marketing- und Anzeigenkonfigurationen übernehmen, die unzuverlässige Daten liefern. Um das Problem zu beheben, musst du noch einmal von vorne anfangen und dir deine Infrastruktur genauer ansehen. Hier sind einige der häufigsten Probleme bei der Attribution, mit denen Marketingfachleute konfrontiert sind, und wie man sie angeht.
Das Problem der Link-Kennzeichnung
Links mit UTM-Tracking-Tags bilden das Rückgrat vieler Attributionsmodelle. Doch in der Eile, neue Marketinginhalte zu veröffentlichen, wenden viele Teams keine einheitlichen Namenskonventionen für UTM-Parameter an – oder vergessen ganz, sie zu setzen. Das führt zu fragmentierten Daten, die die tatsächliche Marketingleistung nicht widerspiegeln.
Angenommen, du startest eine E-Mail-Kampagne, die 10.000 Klicks auf deine Website generiert. Die Hälfte der Links ist mit „utm_source=email“ versehen, die andere Hälfte mit „utm_source=Email“.
Analytics-Plattformen behandeln diese Tags als zwei separate Quellen, sodass deiner E-Mail-Kampagne nur die Hälfte der ihr zustehenden Anerkennung für deinen Web-Traffic zugeschrieben wird. Schon ein einziger Großbuchstabe kann deine Leistungsdaten und zukünftige Entscheidungen negativ beeinflussen.
Das ist kein Problem, das du nachträglich in deiner Analyseplattform beheben kannst. Du musst das von vornherein verhindern, indem du einheitliche Namenskonventionen für deine Links festlegst und befolgst. Mit Bitly Analytics kannst du alle deine Tags ganz einfach an einem Ort einsehen, sodass du Probleme beheben kannst, bevor sie sich negativ auf dein Attributionsmodell auswirken.
Das Multifunktionswerkzeug-Problem
In großen Teams erstellen und kürzen Marketingmitarbeiter Links für verschiedene Marketingkanäle oft mit dem Tool ihrer Wahl, anstatt eine Plattform mit festgelegten Regeln für die Linkverwaltung zu nutzen. Das führt schnell zu Links mit widersprüchlichen UTM-Strukturen, die von Analysetools nicht sinnvoll ausgewertet werden können.
Ein zentralisiertes Link-Management im gesamten Unternehmen ist für präzise Attributionsmodelle unerlässlich. Du kannst Bitly Links und Bitly-Kampagnen als einheitliche Attributionsinfrastruktur nutzen. Zusammen ermöglichen sie es dir, jeden Link zu erstellen, zu organisieren und zu verfolgen, was die Umsetzung einer einheitlichen Strategie erleichtert.
Um Reibungsverluste zwischen den Teams und über Zeitzonen hinweg zu minimieren, erstelle ein Dokument zur Link-Governance, auf das alle zugreifen können. Halte die Regeln einfach und logisch, damit jeder sie mit minimaler Anleitung befolgen kann.
Das Problem mit dem nächtlichen Verkehr
Von „Dark Traffic“ spricht man, wenn Klicks auf deiner Website in deinem Marketing-Analysetool ohne Referrer angezeigt werden. Dadurch lässt sich nicht feststellen, woher dein Publikum kommt und ob deine Marketingstrategie funktioniert.
Manche Messaging-Apps, E-Mail-Clients und mobile Webumgebungen entfernen Referrer-Header, bevor Klicks erfasst werden, was zu „Dark Traffic“ führt. Analysetools erfassen diese Klicks oft als direkten Website-Traffic, wodurch der Wert deines gesamten externen Marketing-Traffics geschmälert wird.
Dieses Phänomen ist in den letzten Jahren immer häufiger geworden. Eine Studie aus dem Jahr 2023 ergab, dass TikTok, WhatsApp, Slack und Discord ihren Referral-Traffic in 100 % der Fälle nicht weiterverfolgten.
Wenn du deinen Links UTM-Parameter hinzufügst, vermeidest du dieses Problem, da die Analysetools die Klicks auch dann erfassen können, wenn der Referrer-Header entfernt wird. Das ist ein Muss, wenn du über SMS, WhatsApp oder Slack mit deinem Publikum kommunizierst.
Aufbau der Governance-Ebene für Links, die die Attribution ermöglicht
Eine solide Link-Infrastruktur bildet die Grundlage für eine effektive Marketing-Attribution. Auch wenn es etwas Zeit kostet, eine Link-Governance aufzubauen, hilft sie dir dabei, deine Zielgruppe besser zu verstehen und datengestützte Marketingentscheidungen zu treffen, um deinen ROI zu steigern. So richtest du Link-Governance-Ebenen ein, die eine genaue Zuordnung ermöglichen.
Festlegung einer UTM-Namenskonvention
Wenn du die Qualität deiner Attributionsdaten deutlich verbessern möchtest, ist die Einführung von UTM-Namenskonventionen einer der wirksamsten Schritte, die du unternehmen kannst. Konsistente UTM-Tags sorgen dafür, dass jeder Klick mit der richtigen Verweisquelle erfasst wird.
Es gibt vier Arten von UTM-Parametern:
- utm_source: Zeigt an, woher der Link-Traffic stammt, zum Beispiel von Google Ads oder Facebook.
- utm_medium: Gibt die verwendete Marketingstrategie an, z. B. Social Media, E-Mail oder CPC.
- utm_campaign: Gibt die konkrete Marketingkampagne an, aus der der Klick stammt, zum Beispiel „holiday_sale“.
- utm_content: Identifiziert bestimmte Inhaltstypen in einem A/B-Test oder Kampagnen-Asset mit mehreren Links.
Lege unternehmensweite UTM-Namenskonventionen fest, um sicherzustellen, dass deine Analysetools jeden Link lesen können. Hier sind ein paar grundlegende Tipps für den Einstieg:
- Verwende immer Kleinbuchstaben.
- Verwende bei Tags, die aus mehreren Wörtern bestehen, Bindestriche statt Leerzeichen.
- Verwende einheitliche Abkürzungen für wiederkehrende Quellen, wie zum Beispiel „em“ für E-Mail und „pd“ für bezahlte Social-Media-Werbung.
Dokumentiere deine UTM-Namenskonventionen sorgfältig und integriere sie in deinen Workflow zur Linkerstellung, damit die Teams die Richtlinien nicht ignorieren können. Wenn du die Namenskonventionen ändern musst, plane genügend Zeit ein, um dein Team entsprechend zu schulen und die Links anzupassen.
Mit Bitly-Kampagnen Kampagnenlinks organisieren und verwalten
Mit Bitly Campaigns kannst du deine Links übersichtlich organisieren, indem du sie bestimmten Kampagnen zuordnest. So kann dein Team schnell die Klickleistung einer gesamten Kampagne einsehen, anstatt Daten über verschiedene Kanäle und Plattformen hinweg vergleichen zu müssen.
Damit die Kampagnenlinks für Marketing-Attributionsmodelle einheitlich und strukturiert bleiben, solltest du die Kampagnenmanager bitten, für jeden Kanal innerhalb der Kampagne Links mit den entsprechenden UTM-Parametern zu erstellen. Verteile diese Links dann an die Kanalbetreiber, anstatt sie ihre eigenen Links erstellen zu lassen.
Mit Bitly Campaigns kannst du deine Links ganz einfach überprüfen und Fehler noch vor dem Start der Kampagne erkennen. Sobald die Kampagnen beendet sind, kannst du deine Attributionsergebnisse mit dem Klickvolumen der Kampagnen und den Interaktionskennzahlen abgleichen, um die Genauigkeit zu überprüfen.
Bitly Analytics zur Überprüfung Attributionsdaten
Mit Bitly Analytics kannst du verschiedene wichtige Datenpunkte nachverfolgen, darunter:
- Klickvolumen auf Link- und Kampagnenebene
- Klicks nach Gerätetyp (Android vs. iOS, Mobilgeräte vs. Desktop)
- Klicks nach geografischem Standort (Stadt/Land)
- Klicke auf die Referrer-Quelle
- Entwicklung der Mitarbeiterbindung im Zeitverlauf
(Um diese Kennzahlen zu erfassen, müssen alle Links über Bitly generiert werden, und du benötigst einen entsprechenden kostenpflichtigen Tarif.)
Mit diesen Informationen kannst du die Daten in deinem Analysetool überprüfen. Wenn du zum Beispiel feststellst, dass ein Kampagnenlink in Bitly 5.000 Klicks anzeigt, in Google Analytics aber nur 2.000, ist das ein Zeichen dafür, dass du deine Kampagnen überprüfen solltest. Achte auf falsch konfigurierte Links, defekte Tracking-Pixel oder Probleme mit der Landingpage, die diese Lücke verursachen könnten.
Zuschreibung nach Kanal: E-Mail, SMS und bezahlte Social-Media-Werbung
Attributionsstrategien funktionieren je nach Kanal und Kontaktpunkt unterschiedlich. Zusätzlich zu deinen UTM-Namenskonventionen gibt es also einige kanalspezifische Best Practices, die du konsequent anwenden musst, um genaue Attributionsergebnisse zu erhalten.
E-Mail-Zuordnung
E-Mail-Newsletter und Werbeaktionen sind ein wirksames Mittel, um Besucher auf deine Website zu lenken, doch die meisten E-Mail-Programme blockieren die Referrer-Header von Links. Das bedeutet, dass du UTM-Parameter verwenden musst, damit deine E-Mail-Klicks in deiner Analyseplattform nicht als Direktverkehr angezeigt werden. UTM-Parameter helfen dir auch dabei, den Traffic aus weitergeleiteten E-Mails nachzuverfolgen.
Wenn du UTM-Tags für diesen Kanal einrichtest:
- utm_medium sollte immer „email“ lauten.
- utm_source sollte die Art der E-Mail angeben, zum Beispiel „Newsletter“ oder „Nurture“.
- Wenn du mehrere Links in derselben E-Mail hast, verwende „utm_content“, um sie voneinander zu unterscheiden.
Achte darauf, dass du für jede Position in der E-Mail einen eigenen, mit Tags versehenen Bitly Link erstellst und diese zur einfacheren Verwaltung in einer Kampagne zusammenfasst.
Zuweisung von SMS und Messaging-Apps
Messaging-Apps wie WhatsApp, Slack und iMessage entfernen fast immer die Referrer-Header aus dem Web-Traffic, sodass im Vergleich zu anderen Marketingkanälen ein hohes Risiko für Dark Traffic besteht. Konsistente UTM-Parameter helfen dir dabei, eine korrekte Zuordnung sicherzustellen.
Für diesen Kanal
- utm_medium sollte immer „sms“ lauten.
- utm_source sollte die jeweilige Messaging-Plattform angeben.
- „utm_campaign“ sollte eine Kampagnen-ID enthalten, die mit deinen anderen Marketingkanälen übereinstimmt.
Wenn du deine SMS-Nachrichten verfasst, musst du dich an eine kurze Zeichenanzahl halten. Mit Bitly kannst du URLs kürzen, sodass du Links einfügen kannst, ohne wertvollen Platz zu verschwenden. Markenspezifische Kurz-Domains (verfügbar in den kostenpflichtigen Bitly-Tarifen) sorgen dafür, dass deine Links einheitlich und professionell aussehen.
Attribution bei bezahlten Social-Media-Kampagnen
Die Attribution bei bezahlten Social-Media-Kampagnen ist ein komplexer Prozess. Viele Social-Media-Plattformen, darunter Meta, TikTok und LinkedIn, verfügen über eigene Algorithmen und Attributionsmodelle, die sich wahrscheinlich von den derzeitigen Attributionsmodellen deines Unternehmens unterscheiden. Wenn du widersprüchliche Ergebnisse erhältst, ist es schwer zu sagen, welche Inhalte tatsächlich für Interaktion sorgen.
Anstatt dich ausschließlich auf die Attributionsfunktionen der einzelnen Social-Media-Plattformen zu verlassen, solltest du versuchen, Links mit UTM-Parametern in deine bezahlten Social-Media-Anzeigen einzubauen. Damit erhältst du unabhängige First-Party-Daten, mit denen du deine bestehenden Attributionsmodelle füttern kannst.
Viele Social-Media-Plattformen fügen deinen Social-Media-Beiträgen automatisch Klick-ID-Parameter hinzu, was zu Konflikten mit deinen UTM-Parametern führen kann. Um das zu vermeiden, füge die UTM-Parameter manuell in jede Anzeigen-URL ein, anstatt dich auf die automatische Kennzeichnung zu verlassen. Verwende Bitly Links, um lange Ziel-URLs für die mobile Nutzung zu verkürzen, ohne die UTM-Parameter zu verändern.
So wählst du die richtigen Attributionsmodelle
Denk daran, dass dein aktuelles Attributionsmodell möglicherweise nicht mehr zur langfristigen Strategie deines Unternehmens passt. Sobald du über eine solide Link-Infrastruktur und entsprechende Steuerungsmechanismen verfügst, kannst du ein Attributionsmodell wählen, das besser zu deinen Marketingzielen passt.
So wählst du das beste Attributionsmodell aus und führst den Wechsel durch, ohne deinen Betrieb zu stören.
Das Modell an deinen Trichter und deine Ziele anpassen
Schau dir zunächst deinen aktuellen Verkaufstrichter ganzheitlich an, um herauszufinden, welche Attributionsmodelle zum Verhalten deiner Zielgruppe passen:
- Wie lange dauert dein durchschnittlicher Verkaufszyklus? Wie lange dauert es im Durchschnitt vom ersten Kontakt bis zum letzten Kontakt?
- Wie viele verschiedene Berührungspunkte umfasst dein Conversion-Pfad in der Regel? Sind all diese Berührungspunkte gleich wichtig?
- Ist dein Hauptziel die Steigerung der Markenbekanntheit, die endgültige Konversion oder die Kundenbindung über den gesamten Trichter hinweg?
- Hast du genug monatliche Konversionen, damit die datengestützte Attribution zuverlässig ist?
Wenn du einen kurzen, einfachen Verkaufstrichter hast, reicht ein Single-Touch-Attributionsmodell möglicherweise aus, um die leistungsstärksten Marketingkanäle zu identifizieren. Wenn du jedoch einen komplexen Verkaufstrichter mit mehreren Kontaktpunkten hast, brauchst du ein Modell, das kanal- oder geräteübergreifende Attribution unterstützt.
Um dich zwischen linearen, zeitabhängigen und U-förmigen Attributionsmodellen zu entscheiden, überlege dir, wie Verbraucher normalerweise mit deinen Marketinginhalten interagieren und in welchem Zusammenhang das mit deinen Zielen steht. Ist der Weg durch den Trichter relativ unkompliziert, oder hängt das von einer hohen Markenbekanntheit ab?
Wenn du ein hohes Konversionsvolumen hast und über ein Analyse-Tool verfügst, das dies unterstützt, kannst du auch ein datengesteuertes Attributionsmodell implementieren. Dieser Ansatz ist bei komplexen, nichtlinearen Verkaufstrichtern sehr effektiv, aber für eine genaue Attribution brauchst du eine solide Link-Infrastruktur und saubere Daten.
Überprüfe deine Attributionsmodelle vierteljährlich, um sicherzustellen, dass sie nach wie vor zutreffend sind und deinen Teams wertvolle Erkenntnisse liefern.
So wechselst du das Modell, ohne deine Berichterstattung zu beeinträchtigen
Das richtige Attributionsmodell für dein Unternehmen kann sich ändern, wenn du neue Marketingkanäle erschließt oder neue Produkte auf den Markt bringst. Wenn du in der Vergangenheit mit ungenauen Zuordnungen oder fehlerhaften Tags zu kämpfen hattest, ist dies auch eine hervorragende Gelegenheit, deine Link-Infrastruktur zu optimieren.
Der Wechsel zu einem neuen Modell wird jedoch vorübergehend deine Analysedaten beeinträchtigen. Wenn du deine historischen Daten durch ein neues Attributionsmodell laufen lässt, erhältst du andere Ergebnisse als beim ersten Mal. Das macht es sehr schwierig, die Entwicklung im Laufe der Zeit nachzuverfolgen.
Um Störungen zu vermeiden, lass dein neues Attributionsmodell mindestens einen vollständigen Kampagnenzyklus lang parallel zu deinem alten laufen. Dokumentiere die Unterschiede in den Ergebnissen der beiden Modelle während dieser Zeit – das erleichtert es, den wichtigsten Beteiligten die Änderungen zu erklären.
Eine einseitige Zusammenfassung darüber, warum du das Attributionsmodell gewechselt hast, was sich dabei geändert hat und was in Zukunft zu erwarten ist, kann dir helfen, alle Beteiligten bei künftigen Marketingkampagnen auf dem Laufenden zu halten.
Wie man Attributionsdaten in Budgetentscheidungen und Berichte für die Unternehmensleitung umsetzt
Vielbeschäftigte Führungsteams stützen sich bei Budgetentscheidungen oft auf aktuelle Berichte zur Marketing-Attribution. Wenn du über saubere Attributionsdaten aus deiner Link-Infrastruktur verfügst, hast du mehr Zeit für Analysen und Berichte.
Um die nötigen Mittel für zukünftige Kampagnen zu erhalten, muss dein Marketingteam die Attributionsdaten in Berichte umsetzen, die die Fragen der Stakeholder beantworten und umsetzbare Empfehlungen liefern, um die zukünftige Strategie voranzutreiben. So präsentierst du deine Attributionsdaten der Geschäftsleitung.
Die Verknüpfung von Attribution mit Entscheidungen über Kanalinvestitionen
Deine Attributionsberichte sollten der Unternehmensleitung aufzeigen, welche Marketingkanäle notwendig sind, um den Verkaufstrichter am Laufen zu halten, anstatt nur den Kanal hervorzuheben, über den der letzte Klick erfolgte.
Anstatt Marketingkanäle einfach nur zu bewerten, zeig, wie jeder einzelne zu Conversions beiträgt und wie sie zusammenwirken. Finde heraus, welche Kanäle die größte Bekanntheit generieren, welche in der Regel zur endgültigen Conversion führen und welche am häufigsten im mittleren Teil des Trichters auftauchen. Das hilft der Unternehmensleitung zu verstehen, warum jeder Kanal für das Wachstum notwendig ist.
Wenn du das Attributionsmodell gewechselt hast, sollte dein Bericht die vorgenommenen Änderungen aufschlüsseln und darlegen, wie sich diese auf dein Budget auswirken. Unterstütze deine Attributionsanalyse mit Klickdaten aus deinen Bitly-Kampagnen, um mehr Kontext zu liefern, insbesondere wenn Unklarheiten bezüglich der Ergebnisse bestehen.
Erstelle Attributionsberichte, die die Führungskräfte auch wirklich nutzen werden
Rohe Attributionsdaten sind für Führungskräfte nicht hilfreich, vor allem, wenn sie ohne Kontext präsentiert werden. Die nützlichsten Attributionsberichte beantworten konkrete geschäftliche Fragen und heben wichtige Kennzahlen hervor.
Probier dieses Framework aus, um Attributionsberichte zu erstellen, die der Unternehmensleitung helfen, effektive Entscheidungen zu treffen:
- Beginne mit der Gesamtzahl der Conversions für den Zeitraum, um die geschäftlichen Auswirkungen deiner Marketingmaßnahmen hervorzuheben.
- Schlüssele die Conversion-Zahlen nach Kanälen auf und zeige dabei einige Kanäle auf, bei denen sich der Beitrag in diesem Zeitraum verändert hat.
- Gib auf der Grundlage der Daten umsetzbare Empfehlungen, zum Beispiel, das Budget für bestimmte Kanäle zu erhöhen oder zu senken oder eine neue Strategie zu testen, um die Konversionsrate zu steigern.
Monatliche Berichte funktionieren für die meisten Teams gut, da sie die Führungskräfte auf dem Laufenden halten, ohne sie mit Daten zu überhäufen. Quartalsberichte können detailliertere Aufschlüsselungen zur Genauigkeit der Attributionsmodelle enthalten.
Damit das Reporting sinnvoll ist, müssen UTM-Parameter, Link-Governance und Attributionsmodelle über einen längeren Zeitraum hinweg konsistent bleiben. Dokumentiere die Änderungen im Bericht ausführlich, um den Kontext zu verdeutlichen.
Quellenangabe in der Praxis: Wie gute Daten eigentlich aussehen
Wenn in all deinen Marketingkampagnen eine einheitliche Infrastruktur vorhanden ist, wird die Datenzuordnung zum Kinderspiel. So sieht das in der Praxis aus:
Vorher: Dein Marketingteam führt Kampagnen über E-Mail, bezahlte Social-Media-Kanäle und SMS durch. Jeder Kanal wird von einem anderen Teammitglied betreut, daher werden die Links mit drei verschiedenen Tools erstellt, und es gibt kein einheitliches Benennungssystem.
In deiner Analyseplattform siehst du 4.200 zugewiesene Sitzungen und 3.800 direkte Sitzungen, da die E-Mail-Links nicht richtig getaggt wurden. Das Attributionsmodell deutet darauf hin, dass E-Mails hinter den Erwartungen zurückblieben und der direkte Traffic die meisten Conversions generierte, was jedoch nicht das tatsächliche Kundenverhalten widerspiegelt.
Danach: Du führst dieselbe Kampagne über dieselben drei Kanäle durch, aber dein Team erstellt jeden Link in Bitly im Rahmen einer übergreifenden Bitly-Kampagne und verwendet dabei einheitliche UTM-Namenskonventionen.
Bitly Analytics zeigt insgesamt 8.000 Klicks für die Kampagne über alle Kanäle hinweg an, und dein Analysetool zeigt 8.000 zugeordnete Sitzungen an, von denen jede korrekt gekennzeichnet ist. Das Attributionsmodell liefert präzise Ergebnisse, die fundierte Entscheidungen ermöglichen.
Attributionsmodelle funktionieren nur, wenn die zugrunde liegenden Daten stimmen
Die größte Herausforderung bei der Attributionsmodellierung besteht nicht darin, das richtige Modell oder Analysetool auszuwählen. Es geht darum, Daten zu sammeln, die das Verhalten deiner Zielgruppe genau widerspiegeln. Wenn du jetzt eine strenge Link-Governance einführst, kannst du vermeiden, dass du am Ende deiner nächsten Kampagne Schadensbegrenzung betreiben musst. Stattdessen kannst du zukunftsorientierte strategische Entscheidungen treffen, die auf Daten basieren, denen du vertraust.
Bitly bietet Marketingteams die Tools, um eine Link-Infrastruktur aufzubauen und Attributionsdaten zu validieren – ganz ohne maßgeschneiderte Lösung. Mit Bitly Links kannst du Kampagnenlinks in großer Zahl erstellen und dabei einheitliche Namenskonventionen durchsetzen. Mit Bitly Campaigns kannst du deine Links übersichtlich organisieren, und mit Bitly Analytics kannst du die Interaktionen mit deinen Links in Echtzeit verfolgen.
Gemeinsam helfen dir die Tools von Bitly dabei, eine präzise und vertrauenswürdige Link-Struktur aufzubauen, die eine klare Zuordnung ermöglicht. Anstatt zu versuchen, unübersichtliche, unvollständige Daten in das Attributionsmodell zu pressen, das ihnen am ehesten Sinn verleiht, kannst du das Modell wählen, das deine langfristige Strategie tatsächlich unterstützt.
Bist du bereit herauszufinden, was deine Conversions wirklich antreibt? Leg noch heute mit Bitly los.
FAQs
Was ist Attributionsmodellierung im Marketing?
Die Attributionsmodellierung ist die Methode, mit der Marketingfachleute den Touchpoints, die einer Conversion vorausgingen, den entsprechenden Anteil an dieser Conversion zuweisen. Das Modell legt fest, nach welcher Logik die Zuordnung erfolgt – ob die gesamte Zuordnung der ersten Interaktion, der letzten oder über den gesamten Pfad verteilt wird. Das Modell selbst ist nur so nützlich wie die Daten, mit denen es gefüttert wird: Uneinheitlich getaggte Links und fehlende UTM-Parameter führen zu Attributionsergebnissen, die kein Modell als zuverlässig ausweisen kann.
Was ist das genaueste Attributionsmodell?
Die datengesteuerte Attribution gilt allgemein als die genaueste Methode, da sie die Zuordnung der Konversionswerte auf der Grundlage der tatsächlichen Ergebnisse in deinem spezifischen Trichter vornimmt, anstatt eine feste Regel anzuwenden. Es erfordert ein ausreichendes Konvertierungsvolumen, um statistisch zuverlässig zu sein, und hängt vollständig von sauberen, einheitlich getaggten Eingabedaten ab. Für Teams, die noch nicht über das nötige Datenvolumen oder die erforderliche Datenqualität verfügen, um eine datengesteuerte Attribution zu unterstützen, ist ein positionsbasiertes Modell oft der praktischste Mittelweg.
Was ist der Unterschied zwischen First-Touch- und Last-Touch-Attribution?
Bei der First-Touch-Attribution wird der erste Kontakt, den ein potenzieller Kunde mit deiner Marke hatte, als ausschlaggebend gewertet. Das macht diese Methode besonders nützlich, um die Bekanntheit und die Kanäle am Anfang des Trichters zu bewerten. Bei der Last-Touch-Attribution wird der letzte Kontakt vor der Konversion als ausschlaggebend gewertet, was hilfreich ist, um zu verstehen, was zum Abschluss eines Geschäfts führt. Beide sind einfach umzusetzen und zu erklären, aber beide verzerren systematisch die Budgetentscheidungen, wenn sie als einziges Modell in einem Multi-Touch-Trichter verwendet werden.
Warum weisen meine Attributionsdaten so viel direkten Traffic auf?
Direkte Traffic-Spitzen sind meist ein Anzeichen für „Dark Traffic“: Klicks, die über Kanäle wie SMS, E-Mail-Clients oder Messaging-Apps erfolgen, bei denen die Referrer-Header entfernt werden, bevor der Klick deine Analyseplattform erreicht. Die im Link selbst eingebetteten UTM-Parameter werden beim Klick mitübergeben, unabhängig davon, ob die Referrer-Header entfernt werden – deshalb ist das Tagging auf Link-Ebene die einzige zuverlässige Lösung. Wenn deine Kampagnen Links ohne Tags oder mit inkonsistenten Tags versenden, wird der Direktverkehr immer überhöht angezeigt.
Wie verbessern UTM-Parameter die Attributionsmodellierung?
UTM-Parameter fügen dem Link direkt Kennungen für Quelle, Medium, Kampagne und Inhalt hinzu, sodass jeder Klick bereits mit den Informationen versehen bei der Analyseplattform ankommt, die das Attributionsmodell benötigt, um die Zuordnung korrekt vorzunehmen. Ohne UTM-Parameter lassen sich Klicks aus verschiedenen Kanälen nicht unterscheiden, und das Modell verteilt die Zuordnung auf der Grundlage unvollständiger Daten. Eine einheitliche UTM-Namenskonvention, die durch einen zentralisierten Workflow zur Link-Erstellung durchgesetzt wird, ist der direkteste Weg, um die Qualität der Attributionsdaten im gesamten Marketingteam zu verbessern.
