Attributionsmodelle im Marketing 2026: Wie jedes Modell einen Verkauf verteilt und welches du nutzen solltest

Ein Attributionsmodell ist eine Regel, die den Verdienst an einer Conversion auf die vorherigen Kontaktpunkte verteilt. Eine Kundin klickt am Montag eine TikTok-Anzeige, sieht am Mittwoch ein Instagram-Reel und sucht am Freitag bei Google nach deiner Marke, bevor sie kauft. Das Modell entscheidet, ob TikTok, Meta oder Google den Kauf bekommt oder wie viel davon.

Multi-Touch-Attribution ist der Oberbegriff für Modelle, die den Verdienst auf mehrere Kontaktpunkte aufteilen. Linear, zeitbasiert, positionsbasiert und datengetrieben gehören dazu. Last Click und First Click sind Single-Touch-Modelle.

Ein Beispiel macht den Unterschied sichtbar. Eine Bestellung über 100 € kam nach vier Kontakten zustande: TikTok-Anzeige, Meta-Anzeige, Newsletter-Klick und Google-Markensuche.

Die zeitbasierte Spalte ist eine Beispielaufteilung, die genauen Gewichte hängen von der Halbwertszeit ab, die ein Tool nutzt. Die datengetriebene Attribution hat keine feste Aufteilung, sie wird aus den Conversion-Pfaden deines Kontos berechnet.

Google hat 2023 vier regelbasierte Modelle abgeschaltet: First Click, linear, zeitbasiert und positionsbasiert. Google Ads bietet heute datengetrieben und Last Click an, datengetrieben ist bei den meisten Conversion-Aktionen Standard (Google Ads-Hilfe). Conversion-Aktionen mit den alten Modellen wurden auf datengetriebene Attribution umgestellt. Bei der Ankündigung im April 2023 nannte Google als Grund, dass weniger als 3 % der Conversion-Aktionen in Google Ads diese vier Modelle nutzten (Search Engine Journal, 10.04.2023).

GA4 hat dieselben vier Modelle bis November 2023 entfernt (Google Analytics-Hilfe). Als Berichts-Attributionsmodell stehen in GA4 datengetrieben, Last Click über bezahlte und organische Kanäle sowie Last Click nur für bezahlte Google-Kanäle zur Wahl. Der Lookback-Zeitraum liegt für Akquisitions-Schlüsselereignisse standardmäßig bei 30 Tagen (optional 7), für alle anderen bei 90 Tagen (optional 30 oder 60).

Wer 2026 den Erstkontakt sehen will, braucht eigene Daten: beim ersten Besuch gespeicherte UTM-Parameter, ein First-Party-Pixel oder ein CRM, das die Lead-Quelle festhält. Google selbst geht einen anderen Weg und hat auf der Google Marketing Live am 20.05.2026 angekündigt, sein Open-Source-Marketing-Mix-Modell Meridian in Google Analytics 360 zu integrieren (Google, 20.05.2026).

Meta nutzt eigene Attributionseinstellungen. Standard für neue Anzeigengruppen, die auf Website-Conversions optimieren, ist 2026: 7 Tage nach Klick, 1 Tag nach Engage-through, 1 Tag nach View. Metas Hilfeseite nennt diese Optionen, aber keinen Standard; den Standard dokumentieren Praktiker wie Jon Loomer (10.03.2026). Zwei Änderungen haben das geprägt.

• Seit dem 12.01.2026 liefert Meta in der Ads Insights API keine Daten mehr für 7 Tage und 28 Tage nach View, angekündigt im Oktober 2025 auf Metas Entwickler-Blog. Klickfenster von 1, 7 und 28 Tagen, 1 Tag Engaged View und 1 Tag nach View bleiben dort verfügbar (Meta for Developers, 16.10.2025). Im Werbeanzeigenmanager selbst stehen für Website-Conversions 1 oder 7 Tage nach Klick und 1 Tag nach View zur Wahl (Meta Business Hilfebereich).
• Am 03.03.2026 hat Meta angekündigt, dass Click-through bei Website- und Ladengeschäft-Conversions nur noch Link-Klicks zählt, schrittweise ab Ende März 2026. Likes, Shares und Saves wandern in die Engage-through-Attribution (vorher Engaged-View), die Video-Schwelle sinkt von 10 auf 5 Sekunden (Meta, 03.03.2026).

Dazu bietet Meta die inkrementelle Attribution an. Sie schätzt, welche Conversions eine Anzeige ausgelöst hat, statt alle zu zählen, die danach passiert sind, und lässt sich für Berichte oder als Optimierungseinstellung nutzen (Meta Business-Hilfebereich, Social Media Today, September 2025). Das Modell ist mit Metas Lift-Studien trainiert und damit näher an Kausalität als Zeitfenster. Es bleibt aber Meta, das die eigene Arbeit benotet.

Jede Plattform sieht nur ihre eigenen Kontaktpunkte und schreibt sich den Kauf gut, sobald sie beteiligt war. Meta sieht die Google-Suche nicht. Googles datengetriebenes Modell verteilt nur zwischen Google-Anzeigen, nicht zwischen Google und Meta. GA4 sieht Sitzungen auf der Website, aber keine Anzeigen-Views. Zählst du die drei Berichte zusammen, zählst du dieselbe Bestellung mehrfach.

In echten Daten sieht das so aus. Eine Connected-Car-App steuert ihre Werbung seit dem 14.09.2026 mit demselben Agenten-System wie Marketing AIgency, in 9 Märkten. In Deutschland beanspruchten Meta, Google und TikTok im September 2026 zusammen das 2,2-Fache des Umsatzes, den die Firma tatsächlich gemacht hat. Google allein meldete 31,3 Tsd. €, die Firma erzielte 23,4 Tsd. €. Die ganze Rechnung und die Formel für deinen eigenen Überzählungsfaktor findest du im Leitfaden zum echten ROAS.

Die Forschung zeigt dasselbe Muster. Eine Studie mit 15 großen Werbeexperimenten bei Facebook ergab, dass gängige Beobachtungsmethoden den in randomisierten Tests gemessenen Effekt oft nicht trafen (Gordon et al., Marketing Science, 2019).

Attribution verfolgt einzelne Pfade. Marketing-Mix-Modelle (MMM) und Inkrementalitätstests schätzen, was deine Ausgaben bewirkt haben. Sie beantworten verschiedene Fragen, deshalb nutzen gute Setups beides.

• Conversion Lift: Meta teilt Nutzer in eine Gruppe mit und eine ohne Anzeigen (Meta). Googles nutzerbasierter Conversion Lift braucht mindestens 5.000 $ Budget und 1.000 beobachtete Conversions (Google Ads-Hilfe).
• Geo-Tests: Anzeigen in einigen Regionen abschalten und vergleichen, etwa mit Metas Open-Source-Tool GeoLift (GitHub).
• MMM: Open-Source-Modelle wie Googles Meridian (GitHub) und Metas Robyn (GitHub) schätzen den Beitrag je Kanal aus Ausgaben und Umsatz über die Zeit.

Leg eine Umsatzquelle als Wahrheit fest, nutze die Plattform-Attribution für Entscheidungen innerhalb jeder Plattform und teste vor großen Budgetverschiebungen. Welches Modell in Google oder Meta eingestellt ist, zählt weniger als diese Disziplin.

1. Firmenzahl festlegen. Nettoumsatz aus dem Shop oder qualifizierte Leads und Abschlüsse aus dem CRM. Daran wird das Budget gemessen.
2. Google auf datengetrieben und Meta auf Standard lassen, solange du keinen Grund für etwas anderes hast. Beständigkeit schlägt das theoretisch beste Modell.
3. First-Party-Daten erfassen. UTM-Parameter an jeder Anzeige, ein First-Party-Pixel auf der eigenen Domain und serverseitige Events wie Metas Conversions API, eingerichtet wie in unserer Anleitung Conversions API einrichten.
4. Kunden fragen. Eine Kaufumfrage mit einer Frage (Wie hast du von uns gehört?) erfasst Podcasts, Empfehlungen und TikToks, die jemand auf einem anderen Handy gesehen hat.
5. Wöchentlich vergleichen. Den gemeldeten Umsatz jeder Plattform neben die Firmenzahl legen und den Überzählungsfaktor verfolgen.
6. Vor großen Schritten testen. Bevor du einen großen Teil des Budgets verschiebst, einen Lift- oder Geo-Test auf dem Kanal fahren, den du kürzen oder ausbauen willst.

Du nutzt Performance Max bei Google? Dort gilt dieselbe Logik, siehe PMax Kampagne messen.

Die Agenten von Marketing AIgency steuern auf die Firmenzahl, also echten Umsatz oder echte Leads aus Shopify, CRM, Google Sheet oder einem First-Party-Pixel, statt auf den Plattform-ROAS. Jeder Vorschlag landet mit Daten und Begründung in einer Freigabe-Warteschlange. Das Add-on Attribution ergänzt ein First-Party-Pixel, eine Kaufumfrage nach dem Kauf, die Rückspielung von Käufen an Meta per Conversions API und Geo-Lift-Tests. So siehst du, welcher Kanal wirklich verkauft, und Meta bekommt bessere Signale. Die Pläne haben feste Monatspreise ohne Anteil am Werbebudget, siehe Preise.