Google Ads Attributionsmodelle erklärt: Welches passt zu dir?

Stell dir vor, ein Kunde kauft bei dir ein Paar Sneaker. Bevor er gekauft hat, hat er folgendes getan: Er hat zuerst auf eine Google-Suchanzeige für „Sneaker kaufen“ geklickt, dann zwei Tage später auf eine Remarketing-Anzeige, und schließlich direkt deine URL eingegeben und bestellt. Welcher dieser Touchpoints hat den Kauf „verursacht“? Genau das beantwortet ein Attributionsmodell.

Attribution ist die Methode, mit der Google Ads (und andere Plattformen) den Wert einer Conversion auf die verschiedenen Anzeigen-Interaktionen verteilen. Das klingt nach einer akademischen Frage, hat aber massive praktische Auswirkungen: Dein Attributionsmodell bestimmt, welche Keywords, Anzeigen und Kampagnen als „erfolgreich“ gelten – und damit, wohin dein Budget fließt.

Wenn du das Conversion-Tracking eingerichtet hast, wählt Google Ads ein Attributionsmodell für jede Conversion-Aktion. Dieses Modell bestimmt, wie Smart Bidding lernt und Gebote anpasst. Ein falsches Modell bedeutet, dass der Algorithmus auf Basis verzerrter Daten optimiert.

Last-Click Attribution war jahrelang der Standard in Google Ads. Das Prinzip ist simpel: Die letzte Anzeigen-Interaktion vor der Conversion bekommt 100% des Credits. Klingt logisch, ist aber in der Praxis problematisch – besonders bei längeren Customer Journeys.

Das Hauptproblem: Last Click ignoriert alle vorherigen Touchpoints komplett. Deine Brand-Kampagne, die den letzten Klick vor dem Kauf bekommt, sieht fantastisch aus. Aber die generische Suchanzeige, die den Nutzer überhaupt erst auf dich aufmerksam gemacht hat? Die bekommt null Credit – obwohl ohne sie der Kauf nie stattgefunden hätte.

In der Konsequenz führt Last-Click Attribution dazu, dass du systematisch zu viel Budget in Lower-Funnel-Kampagnen (Brand, Remarketing) steckst und zu wenig in Upper-Funnel-Kampagnen (generische Suche, YouTube, Display). Du erntest nur noch, ohne zu säen – und wunderst dich, warum das Wachstum stagniert.

Google Ads bietet aktuell zwei Hauptkategorien von Attributionsmodellen: regelbasierte Modelle (mit festen Verteilungsregeln) und das datengetriebene Modell (mit maschinellem Lernen). Seit 2023 hat Google die regelbasierten Modelle First Click, Linear, Time Decay und Position-based für neue Conversion-Aktionen entfernt. Bestehende Conversions mit diesen Modellen wurden auf Data-Driven umgestellt. Trotzdem ist es wichtig, die Logik aller Modelle zu verstehen.

Data-Driven Attribution (DDA) ist Googles klarer Favorit – und das aus gutem Grund. Während alle regelbasierten Modelle auf statischen Formeln basieren (40/20/40, gleichmäßig verteilt, etc.), lernt DDA aus deinen tatsächlichen Daten, welche Touchpoints wirklich Conversions antreiben.

Das Prinzip dahinter: Google vergleicht die Klick-Pfade von Nutzern, die konvertiert haben, mit denen, die nicht konvertiert haben. Wenn ein bestimmter Touchpoint (z.B. ein Klick auf eine YouTube-Anzeige) überproportional häufig bei konvertierenden Nutzern vorkommt, bekommt dieser Touchpoint mehr Credit. Das ist deutlich aussagekräftiger als eine pauschale 40/20/40-Verteilung.

Ein weiterer Vorteil: DDA berücksichtigt nicht nur die Reihenfolge der Touchpoints, sondern auch Faktoren wie Anzeigenformat, Gerätetyp, Zeitabstand zwischen Interaktionen und mehr. Das Modell wird kontinuierlich aktualisiert und passt sich an Veränderungen in deinem Account an.

Das Attributionsmodell und deine Gebotsstrategie arbeiten Hand in Hand. Smart Bidding (Target CPA, Target ROAS, Maximize Conversions) nutzt die Attributionsdaten, um zu entscheiden, wie viel bei jeder Auktion geboten wird. Das Attributionsmodell bestimmt dabei, welche Signale der Algorithmus als „wertvoll“ einstuft.

Konkretes Beispiel: Mit Last Click sieht Smart Bidding nur den letzten Klick als Conversion-Signal. Der Algorithmus bietet dann hauptsächlich hoch bei Brand-Keywords und Remarketing – weil dort die Conversions gezählt werden. Mit Data-Driven Attribution erkennt Smart Bidding dagegen auch den Wert von generischen Keywords und YouTube-Anzeigen und bietet dort angemessen hoch.

Das Ergebnis: Accounts, die von Last Click auf DDA umstellen, sehen typischerweise eine Budget-Verschiebung hin zu Upper-Funnel-Kampagnen. Das kann kurzfristig beunruhigend wirken (weniger Conversions bei Brand!), führt aber mittelfristig zu mehr Gesamtvolumen, weil der Funnel von oben besser gefüllt wird.

Da Google seit 2023 nur noch Last Click und Data-Driven als Optionen anbietet, ist die Entscheidung in der Praxis klar: Verwende Data-Driven Attribution. Trotzdem gibt es Szenarien, in denen du die Wahl bewusst treffen solltest – und in denen du zusätzliche Perspektiven brauchst.

Eine der häufigsten Fragen im Google-Ads-Alltag: Warum zeigen GA4 und Google Ads unterschiedliche Conversion-Zahlen? Die Antwort liegt in den fundamental unterschiedlichen Attributionsansätzen beider Plattformen. Das ist kein Fehler – es sind zwei verschiedene Perspektiven auf dieselbe Journey.

Ein konkretes Beispiel: Ein Nutzer klickt am Montag auf deine Google-Ads-Anzeige, kommt am Dienstag über eine organische Suche zurück und kauft am Mittwoch nach einem Klick auf einen Newsletter-Link. Google Ads gibt die Conversion an den Montags-Klick (es war der einzige Google-Ads-Touchpoint). GA4 verteilt den Credit auf alle drei Kanäle: Paid Search, Organic und E-Mail.

Ein weiterer wichtiger Unterschied ist die zeitliche Zuordnung: Google Ads ordnet die Conversion dem Zeitpunkt des Anzeigen-Klicks zu (Montag), während GA4 sie dem Zeitpunkt der Conversion zuordnet (Mittwoch). Das erklärt, warum die gleiche Conversion in beiden Plattformen an unterschiedlichen Tagen auftaucht. Mehr zu den Grundlagen der Metriken und KPIs in Google Ads findest du in unserem separaten Artikel.