Einführung
Die präzise Bewertung von Marketingmaßnahmen stellt Unternehmen zunehmend vor Herausforderungen. Sind traditionelle Bewertungsmodelle wie das Last-Click- oder das datengetriebene Attributionsmodell inzwischen überholt? Werden ältere Ansätze wie das trackingunabhängige MMM (Marketing Mix Modeling) wieder durch erweiterte ML-Modelle auf den Markt gebracht? Kann serverseitiges Tracking helfen, die wachsenden Datenlücken zu schließen?
Oder liegt der Best-Practice-Ansatz in einem hybriden Modell, das eine optimale Verteilung des Werbebudgets ermöglicht?
Langjährige Erfahrungen in diesem Bereich zeigen, was es bedeutet, wenn der Cookie-Consent auf einmal essenzielle Daten blockiert. Ebenso sind die Herausforderungen bekannt, wenn detaillierte Tracking-Ansätze nicht mehr vollständig umsetzbar sind.
Der Startpunkt: Datengetriebene Attribution (DDA)
Schon seit einigen Jahren bieten Anbieter wie Google die Möglichkeit, mittels UTM-Parametern und weiteren Daten auf der Website Customer Journeys zu analysieren. Mithilfe statistischer Verfahren werden daraus datengetriebene Modelle zur Bewertung der Performance einzelner Kampagnen erstellt.
Herausforderungen der cookiebasierten Attribution
Diese Modelle basieren primär auf Cookies, die im Browser der Nutzer gespeichert und anschließend ausgewertet werden. Doch sowohl das gestiegene Datenschutzbewusstsein der Nutzer als auch strengere Vorgaben durch die EU-DSGVO führen zu erheblichen Einschränkungen bei der Datenerhebung.
Nur etwa ein Viertel der Nutzer willigt in vollständiges Tracking ein (Quelle).
Moderne Ansätze zur Conversion-Zuordnung
Moderne Bewertungsverfahren setzen deshalb nicht mehr ausschließlich auf First-Party-Cookies. Stattdessen werden mithilfe statistischer Modelle die fehlenden Informationen hochgerechnet. Praxiserfahrungen zeigen, dass sich durch die Kombination aus Google Analytics 4 (GA4), internen Systemen und BigQuery eine Conversion-Zuordnung von bis zu 70 % realisieren lässt.
Moderne Tracking-Modelle basieren auf:
- First-Party-Cookies
- Statistischer Modellierung in GA4
- User-Pseudo-ID aus GA4, angereichert durch BigQuery-Integration
Zudem lassen sich mit den Rohdaten aus BigQuery Wiederkaufwahrscheinlichkeiten ermitteln und durch Verknüpfung mit Transaktionsdaten (z.B. Bestellnummern) an interne CRM-Systeme anbinden – für eine ganzheitliche Sicht auf Kunden, Bestellungen und Produktleistung.
Marketing-Mix-Modelling (MMM)
Ein alternativer Bewertungsansatz ist das Marketing-Mix-Modelling, z. B. mit Google Meridian (Quelle). Das Open-Source-Tool eignet sich besonders gut für datenschutzkonforme Attribution – ganz ohne Nutzer-Tracking, Cookies oder geräteübergreifende IDs.
MMM-Datengrundlage
Stattdessen nutzt MMM:
- Aggregierte Mediaspendings
- Saisonale Einflüsse
- Umsatzzahlen
Das Modell erlaubt die Bewertung auch klassischer Kanäle wie TV oder Print.
Wichtige Parameter beim MMM-Aufbau
Annahmen (Priors): Etwa: „Google Ads beeinflusst den Umsatz zu 10–30 %" – diese Hypothesen werden im Modell getestet.
Decay-Faktoren: Bestimmen, wann eine Kampagne ihre maximale Wirkung entfaltet (z. B. 2–3 Tage nach TV-Ausstrahlung).
Sättigungseffekte: Analysieren, ab welchem Punkt weitere Werbeausgaben kaum Zusatznutzen bringen.
💡 Wichtiger Hinweis: Ein MMM-Modell wie Meridian kann auf aggregierter Ebene sehr aussagekräftig sein – vorausgesetzt, die Inputdaten sind qualitativ hochwertig (z. B. Clicks, Kosten, Impressions pro Maßnahme). Die Modellierung auf zu granularer Ebene birgt Risiken wie Overfitting oder Multikollinearität.
Deshalb sollten Maßnahmen idealerweise auf einer höheren Aggregationsebene zusammengefasst werden (z. B. Google Ads, Meta, TV, Aktionen).
Hybride Modelle als Königsweg
Während Attributionsmodelle detaillierte Einsichten liefern, können sie bei zu hoher Kampagnendichte ebenfalls unpräzise werden. In solchen Fällen ähneln sie stark dem Last-Click-Modell.
Die optimale Kombination
Fazit: Die Königsdisziplin ist ein hybrider Ansatz – serverseitiges Tracking in Kombination mit GA4 für operative Entscheidungen und ein MMM-Modell (z. B. Meridian) für strategische Entscheidungen auf aggregierter Ebene.
Erfolgreicher Aufbau eines Bewertungsmodells
1. Tracking-Grundlage schaffen
→ Integration eines Tag Managers (Tag & Consent Manager)
2. Data Architecture & Infrastructure
→ Für skalierbare, zentralisierte Datenverarbeitung
3. Schnittstellen zu Marketing-Providern
→ z. B. Google, Meta, Criteo, etc.
4. Standardisierte Naming-Convention
→ Für konsistente Datenstrukturierung
Technologie-Stack für moderne Attribution
- Attribution Tools: Google Analytics 4, Adobe Analytics
- MMM-Lösungen: Google Meridian, Meta Robyn
- Data Processing: BigQuery, Snowflake, dbt
- Orchestrierung: Apache Airflow, Prefect
Fazit
Die Zukunft der Marketing Attribution liegt nicht in einem einzigen Modell, sondern in der intelligenten Kombination verschiedener Ansätze. Hybride Modelle ermöglichen es, sowohl operative als auch strategische Entscheidungen auf einer soliden Datenbasis zu treffen – auch in Zeiten zunehmender Datenschutzbestimmungen.