Attribution
Wie rechnet das datengetriebene Modell?
Es berechnet den Entzugseffekt: Für jeden Kanal wird gerechnet, wie viel seltener ein Weg im Modell zur Conversion führt, wenn man den Kanal aus deinen Wegen herausnimmt; normiert auf die Summe eins ergibt das seinen Anteil. In die Rechnung gehen auch die Wege ohne Conversion ein, und genau sie machen den Unterschied zu einer festen Regel aus. Es bleibt eine Zuordnung: Ob Käufe ohne den Kanal ausgeblieben wären, sagt nur ein Experiment.
Welches Verfahren steckt dahinter, was setzt es voraus, und wo endet es?
Das Verfahren in vier Schritten
- 01Aus allen Wegen eines Zeitraums wird eine Kette gebaut: vom Start über die Kanäle zur Conversion oder zum Abbruch. Ein Weg endet an einer Bestellung oder Anfrage; was danach kommt, etwa der Besuch aus der Versandmail, beginnt einen neuen Weg und bekommt für diese Bestellung nichts. Zielschritte wie eine Newsletter-Anmeldung beenden keinen Weg. Es zählen Klicks, Besuche und, wenn Post-View eingeschaltet ist, sichtbare Impressionen. Aufeinanderfolgende Kontakte desselben Kanals zählen als einer.
- 02Aus der Kette ergibt sich, wie wahrscheinlich ein Weg zur Conversion führt. Das ist der Ausgangswert.
- 03Dann wird ein Kanal entfernt: Jeder Weg, der über ihn lief, endet ohne Conversion. Die Wahrscheinlichkeit wird erneut gerechnet. Der anteilige Rückgang ist der Entzugseffekt dieses Kanals.
- 04Die Entzugseffekte aller Kanäle werden auf die Summe eins normiert. Das ergibt die Anteile.
Ein Beispiel zum Nachrechnen
Hundert Wege, achtzig davon mit Conversion: 60-mal nur Suche mit Conversion, 20-mal Display und danach Suche mit Conversion, 20-mal nur Display ohne Conversion.
| Kanal | Wahrscheinlichkeit ohne ihn | Entzugseffekt | Anteil |
|---|---|---|---|
| Ausgangswert | 0,80 | – | – |
| Suche entfernt | 0,00 | 100 % | 80 % |
| Display entfernt | 0,60 | 25 % | 20 % |
„Gleichverteilt“ gäbe Display 12,5 Prozent: In den zwanzig konvertierten Wegen mit zwei Kontakten je die Hälfte, macht zehn von achtzig. Das datengetriebene Modell gibt ihm zwanzig Prozent, weil er in den nicht konvertierten Wegen allein steht und damit unterscheidet. Dieselben Zahlen prüft ein Test gegen dieselbe Funktion, die auch deine Daten rechnet.
Was das Modell voraussetzt
- Mindestens 100 Wege, 20 Conversions und zwei Kanäle in 90 Tagen. Das ist eine Freischaltschwelle und kein Beleg dafür, dass die Zahl aussagekräftig ist. Knapp über der Schwelle schwankt sie von Tag zu Tag deutlich.
- Die Grundlage wird einmal täglich neu gerechnet. Wer die Schwelle heute überschreitet, sieht das Modell am nächsten Tag.
- Es gibt kein Konfidenzintervall. Eine Spanne auszuweisen, die wir nicht messen, wäre eine erfundene Genauigkeit; wer wissen will, wie stabil die Zahl ist, vergleicht zwei Zeiträume.
Wo es an seine Grenze kommt
- Laufen alle Wege streng der Reihe nach (erst A, dann B, sonst nichts), bricht das Entfernen jedes Glieds die Kette. Beide Kanäle bekommen dasselbe, und das Ergebnis gleicht „Gleichverteilt“. Richtig gerechnet, und trotzdem keine Erkenntnis.
- Der Entzugseffekt beschreibt, wie stark ein Kanal in den beobachteten Wegen unterscheidet, und nicht, wie viel Umsatz er verursacht hat. Ob die Käufe ohne ihn ausgeblieben wären, sagt nur ein Experiment.
- Kanäle ohne messbaren Kontakt kommen nicht vor. Was nicht gemessen wurde, kann auch dieses Modell nicht berücksichtigen.
Hinweis
Warum Markow und nicht Shapley: Der Shapley-Wert bräuchte 2^n Koalitionen, bei zwanzig Kanälen über eine Million je Auswertung. Vor allem kennt er in der üblichen Formulierung nur Kanäle aus konvertierten Wegen; die Wege ohne Conversion gingen gar nicht ein, und damit fiele der halbe Nutzen weg.
Zuletzt geprüft am 17.10.2026
Im Kundenportal
Ebenfalls gefragt
- Was ist der Entzugseffekt?
- Welcher Algorithmus steckt hinter datengetrieben?
- Warum brauche ich 100 Wege?
- Ist datengetrieben genauer?
- Rechnet ihr mit Shapley-Werten?
- Zählt ein Besuch nach dem Kauf im datengetriebenen Modell?
Weiterführende Artikel
- Wie rechnen die Attributionsmodelle?
Welche Modelle gibt es und wie verteilen sie den Anteil?
Es gibt sieben Modelle: Sechs verteilen eine Conversion nach einer festen, offengelegten Regel, das siebte liest die Regel aus deinen eigenen Wegen ab. Findet ein Modell passende Kontakte, verteilt es den Wert der Conversion vollständig auf sie; findet es keinen, bleibt sie „nicht zugeordnet“ und steht getrennt. Zugeordnet und nicht zugeordnet ergeben zusammen alle Conversions, die es rechnet.
- Wie lese ich den Modellvergleich?
Sieben Modelle verteilen dieselben Conversions verschieden. Wie lese ich den Vergleich?
Die Seite vergleicht zwei Modelle auf denselben Conversions: je Kanal den Anteil unter Modell A (deinem Standardmodell) und unter Modell B, dazu die Veränderung in Prozentpunkten. Die Unterschiede entstehen durch die Verteilungsregel und belegen keine zusätzliche Werbewirkung.
- Wie messe ich, was die Werbung wirklich gebracht hat?
Kann Metrunio die Wirkung von Werbung messen und nicht nur zuordnen?
Mit einem Experiment: den Wechselversuch gibt es ab Growth, zwei Kampagnengruppen ab Scale und im Agenturtarif. Ein Experiment vergleicht zwei Gruppen, die sich in genau einer Sache unterscheiden sollen, und misst den Unterschied samt Unsicherheit. Attribution beantwortet diese Frage nicht: Sie sagt, wem eine Conversion zugeschrieben wird, nicht ob es sie ohne die Werbung auch gegeben hätte.