Last Click Attribution — Was ist das?
Last Click Attribution ordnet eine Conversion dem letzten Klick vor dem Kauf zu, unabhängig davon, über welche anderen Kanäle der Nutzer vorher mit deinen Anzeigen interagiert hat. Dieses veraltete Modell war bis Oktober 2019 der Standard in Google Ads und zeigt nur den finalen Touchpoint der Customer Journey.
Ausführliche Erklärung
Last Click Attribution ist ein Attributionsmodell, das ausschließlich dem letzten Klick vor einer Conversion den vollen Credit zuweist. Das bedeutet: Alle vorherigen Interaktionen eines Nutzers mit deinen Anzeigen werden komplett ignoriert. Diese vereinfachte Sichtweise war lange Zeit der Standard in Google Ads, weil sie technisch einfach umsetzbar war und vermeintlich klare Ergebnisse lieferte.
Doch diese scheinbare Klarheit ist trügerisch. In der Realität durchlaufen Kunden heute komplexe Customer Journeys mit mehreren Touchpoints, bevor sie eine Kaufentscheidung treffen. Besonders im DACH-Markt, wo Verbraucher traditionell sehr gründlich recherchieren, kann eine Customer Journey über Wochen oder sogar Monate dauern. Ein typisches Beispiel: Ein Kunde sucht nach "beste Kaffeemaschine", klickt auf deine generische Anzeige, informiert sich auf der Website, verlässt sie aber ohne Kauf. Eine Woche später sieht er deine Display-Anzeige auf einer Nachrichtenseite, klickt aber nicht darauf. Weitere drei Tage später googelt er deinen Markennamen, klickt auf die Brand-Anzeige und kauft schließlich eine Kaffeemaschine für 450 Euro.
Bei Last Click Attribution würde nur die Brand-Kampagne den Credit für diese 450 Euro Conversion bekommen. Die generische Suchanzeige, die den ersten wichtigen Kontakt herstellte, und die Display-Anzeige, die das Bewusstsein verstärkte, bekommen null Credit. Das führt zu völlig verzerrten Erkenntnissen über die Performance deiner Kampagnen.
Diese Verzerrung hat konkrete Auswirkungen auf deine Budgetentscheidungen: Du siehst nur, dass Brand-Kampagnen "am besten" performen, weil sie die meisten Last-Click-Conversions haben. Daraufhin könntest du fälschlicherweise mehr Budget in Brand-Keywords investieren und weniger in generische oder Display-Kampagnen. Dabei übersehen du, dass Brand-Kampagnen oft nur deshalb funktionieren, weil andere Kampagnen vorher die Grundarbeit geleistet haben.
Besonders problematisch wird Last Click Attribution bei längeren B2B-Verkaufszyklen oder hochpreisigen Produkten. Ein Unternehmen, das eine neue CRM-Software sucht, klickt möglicherweise über mehrere Wochen hinweg auf verschiedene deiner Anzeigen: zuerst auf eine generische Suchanzeige für "CRM Software Vergleich", dann auf eine Remarketing-Anzeige, später auf eine LinkedIn-Anzeige, und kauft schließlich nach einem Klick auf eine Brand-Anzeige. Last Click Attribution würde hier nur der Brand-Anzeige den Erfolg zuschreiben.
Google hat diese Problematik erkannt und im Oktober 2019 das datengetriebene Attributionsmodell als neuen Standard eingeführt. Dieses Modell nutzt Machine Learning, um den Beitrag jedes Touchpoints zur Conversion zu bewerten. Trotzdem ist Last Click Attribution nicht völlig nutzlos: Für sehr kurze Kaufzyklen, impulsive Käufe oder reine Performance-Analysen bestimmter Kampagnen kann es durchaus noch Erkenntnisse liefern.
Wichtig zu verstehen ist auch der historische Kontext: Alle Google Ads Daten vor Oktober 2019 basieren auf Last Click Attribution. Wenn du also historische Performance-Daten analysierst oder mit aktuellen Zahlen vergleichst, musst du diesen Modellwechsel berücksichtigen. Sonst ziehst du falsche Schlüsse über Performance-Trends oder Kampagnen-Entwicklungen.
Praxis-Beispiel aus dem DACH-Markt
Ein deutscher Online-Shop für Heimwerker-Bedarf hatte seit Jahren seine Google Ads Strategie auf Last Click Attribution aufgebaut. Das Unternehmen betrieb verschiedene Kampagnentypen: generische Suchkampagnen für Keywords wie "Bohrmaschine kaufen", Display-Remarketing, Shopping-Anzeigen und Brand-Kampagnen.
Nach dem Last Click Modell sahen die monatlichen Zahlen so aus: Brand-Kampagnen generierten 180 Conversions mit einem CPA von 15 Euro und einem ROAS von 8,2. Die generischen Suchkampagnen zeigten nur 45 Conversions bei einem CPA von 85 Euro und einem ROAS von 1,8. Display-Remarketing hatte 25 Conversions mit einem CPA von 120 Euro und einem ROAS von 1,4.
Basierend auf diesen Zahlen verschob das Unternehmen mehr Budget zu den "erfolgreichen" Brand-Kampagnen und reduzierte die Ausgaben für generische Keywords um 40 Prozent sowie für Display-Remarketing um 60 Prozent. Das schien logisch: Warum Budget für Kampagnen mit schlechtem ROAS verschwenden?
Nach der Umstellung auf datengetriebene Attribution änderte sich das Bild dramatisch: Die Assisted Conversions Analyse zeigte, dass 78 Prozent der Brand-Conversions vorher durch generische Suchkampagnen oder Display-Remarketing beeinflusst wurden. Von den 180 monatlichen Brand-Conversions waren nur 52 "reine" Brand-Conversions ohne vorherige Touchpoints.
Die generischen Kampagnen hatten zwar nur 45 Last-Click-Conversions, aber 156 Assisted Conversions generiert. Der wahre Beitrag zur Gesamt-Performance war also viel höher. Ähnlich bei Display-Remarketing: 25 Last-Click-Conversions, aber 89 wichtige Assists bei der Customer Journey.
Nach der Rückkehr zur ursprünglichen Budget-Allokation und der Optimierung basierend auf datengetriebener Attribution stieg der Gesamt-ROAS des Accounts von 2,8 auf 4,1. Die monatlichen Conversions erhöhten sich von 250 auf 340, weil nun die gesamte Customer Journey berücksichtigt wurde.
Schritt-für-Schritt Anleitung
Historische Last Click Daten analysieren
Gehe in Google Ads zu "Tools und Einstellungen > Messung > Attributionsmodelle". Wähle den gewünschten Zeitraum und stelle das Attributionsmodell auf "Letzter Klick". Exportiere diese Daten in eine Excel-Tabelle und dokumentiere die Performance aller Kampagnen unter Last Click Attribution. Achte besonders auf Kampagnen mit sehr niedrigen oder sehr hohen ROAS-Werten, da diese oft am stärksten von der Modellverzerrung betroffen sind. Diese Baseline brauchst du später für den Vergleich mit anderen Attributionsmodellen.
Assisted Conversions auswerten
Navigiere zu "Tools und Einstellungen > Messung > Attribution > Pfadanalyse". Hier siehst du die kompletten Customer Journeys deiner Nutzer. Filtere nach Kampagnen, die bei Last Click Attribution schlecht abgeschnitten haben, aber möglicherweise wichtige Assists liefern. Schaue dir besonders die "Assisted Conversions" und die "Assisted Conversion Rate" an. Kampagnen mit hohen Assisted Conversions aber niedrigen Last-Click-Conversions sind typische Opfer der Last Click Verzerrung und verdienen mehr Budget-Aufmerksamkeit.
Modellvergleich durchführen
Gehe zu "Attributionsmodelle" und wähle "Modellvergleichstool". Stelle Last Click Attribution dem datengetriebenen Modell gegenüber. Analysiere die Unterschiede bei Conversions und Conversion-Wert pro Kampagne. Kampagnen, die beim datengetriebenen Modell deutlich besser abschneiden, wurden unter Last Click Attribution unterbewertet. Dokumentiere diese Erkenntnisse und berechne, wie sich deine Budget-Allokation ändern müsste, um die wahre Performance widerzuspiegeln.
Time Lag Reports prüfen
Unter "Tools und Einstellungen > Messung > Attribution" findest du "Time Lag Reports". Diese zeigen dir, wie lange die Customer Journey von der ersten Interaktion bis zur Conversion dauert. Bei längeren Zeiträumen (über 7 Tage) ist Last Click Attribution besonders unzuverlässig. Nutze diese Erkenntnisse, um das passende Conversion-Fenster für deine Kampagnen zu wählen und um zu verstehen, warum Last Click Attribution für dein Business ungeeignet ist.
Strategische Entscheidungen ableiten
Basierend auf deiner Analyse, erstelle einen Aktionsplan für die Budget-Umverteilung. Identifiziere Kampagnen, die mehr Budget verdienen (hohe Assists, niedrige Last-Click-Performance) und solche, die möglicherweise überbewertet sind (hohe Last-Click-Performance, aber wenige Assists). Dokumentiere deine Erkenntnisse in einem Report und teile sie mit allen Stakeholdern, um das Verständnis für die Wichtigkeit moderner Attributionsmodelle zu schaffen.
Häufige Fehler bei Last Click Attribution
Historische Daten falsch interpretieren
Viele Advertiser vergleichen ihre aktuellen datengetriebenen Attributionszahlen direkt mit historischen Last Click Daten und wundern sich über dramatische Änderungen. Dabei vergessen sie, dass sich das Attributionsmodell geändert hat. Wenn deine Brand-Kampagnen plötzlich weniger Conversions zeigen und deine generischen Kampagnen mehr, liegt das nicht an schlechterer Performance, sondern an der faireren Attribution. Dieser Fehler führt zu panischen Budget-Umschichtungen und falschen strategischen Entscheidungen.
Last Click für alle Kampagnentypen nutzen
Manche Advertiser nutzen Last Click Attribution noch immer als Standard für alle Kampagnen, weil es "einfacher zu verstehen" sei. Das ist besonders fatal bei Display-, Video- oder Upper-Funnel-Kampagnen, die selten Last-Click-Conversions generieren, aber wichtige Awareness schaffen. Diese Kampagnen werden systematisch unterbewertet und erhalten zu wenig Budget, obwohl sie essentiell für den gesamten Marketing-Funnel sind. Das Ergebnis: eine unausgewogene Marketing-Strategie, die nur auf Bottom-Funnel-Performance optimiert ist.
Brand-Kampagnen überbewerten
Last Click Attribution macht Brand-Kampagnen zu scheinbaren Superhelden mit unschlagbaren ROAS-Werten. Viele Advertiser investieren daraufhin übermäßig in Brand-Keywords und vernachlässigen die Kundenakquise durch generische Keywords. Das Problem: Brand-Traffic ist oft bereits "warmer" Traffic von Nutzern, die das Unternehmen schon kennen. Ohne kontinuierliche Investitionen in generische Kampagnen schrumpft langfristig das Brand-Suchvolumen, weil weniger neue Kunden das Unternehmen kennenlernen.
Assisted Conversions ignorieren
Ein klassischer Fehler ist es, nur Last-Click-Metriken zu betrachten und Assisted Conversions komplett zu ignorieren. Kampagnen mit vielen Assists aber wenigen Last-Click-Conversions werden als "schlecht performend" eingestuft und erhalten Budgetkürzungen. Dabei leisten diese Kampagnen oft wichtige Vorarbeit für andere Kanäle. Ohne die Assisted-Conversions-Analyse verstehst du nicht die wahren Zusammenhänge zwischen deinen Kampagnen und optimierst nur auf den letzten Schritt der Customer Journey.
Praxis-Tipp: So nutzt du Last Click Attribution richtig
Nutze Last Click Attribution heute nur noch für sehr spezifische Analysen, niemals als Haupt-Attributionsmodell. Wenn du die Performance bestimmter Endpunkt-Kampagnen isoliert betrachten willst - zum Beispiel um zu verstehen, welche Brand-Keywords tatsächlich direkte Conversions ohne vorherige Touchpoints generieren - dann kann Last Click durchaus sinnvoll sein.
Profi-Tipp: Erstelle dir ein Custom Dashboard, das verschiedene Attributionsmodelle parallel anzeigt. So siehst du auf einen Blick, wie stark sich die Performance-Bewertung deiner Kampagnen je nach Modell unterscheidet. Besonders aufschlussreich ist der Vergleich zwischen Last Click, First Click und datengetriebener Attribution. Kampagnen mit großen Unterschieden zwischen diesen Modellen sind oft die interessantesten für strategische Optimierungen.
Fortgeschrittene Strategie: Verwende Last Click Attribution auch für Incrementality Tests. Wenn du eine neue Kampagne testest und deren incrementalen Beitrag messen willst, kann Last Click dir zeigen, wie viele direkte Conversions diese Kampagne ohne Assists von anderen Kanälen generiert. Das hilft dir zu verstehen, ob die Kampagne wirklich zusätzliches Business bringt oder nur Conversions von anderen Kanälen "stiehlt".
Wichtig: Kommuniziere mit deinen Stakeholdern immer transparent über Attributionsmodelle. Viele Entscheidungsträger verstehen nicht, warum sich Zahlen plötzlich ändern, wenn man von Last Click auf datengetriebene Attribution wechselt. Erkläre den Unterschied anhand konkreter Customer Journeys und zeige, wie das neue Modell zu besseren strategischen Entscheidungen führt.
Häufig gestellte Fragen
Verwandte Begriffe
Weiterlesen
Du willst Last Click Attribution optimieren?
Unser Google Ads Audit zeigt dir genau, wo du stehst und was du verbessern kannst.
Google Ads Audit sichern