Data-Driven Attribution (DDA)

Data-Driven Attribution ist ein KI-basiertes Modell in Google Ads, das den tatsächlichen Beitrag jedes Touchpoints zur Conversion berechnet — statt den Erfolg pauschal dem letzten Klick zuzuschreiben. DDA ersetzt die veralteten Attributionsmodelle und liefert realistischere Daten für die Budget-Allokation zwischen Kanälen und Kampagnen.

Definition

Data-Driven Attribution (DDA) ist ein maschinelles Lernverfahren zur Bewertung von Marketingkanälen, das den individuellen Beitrag einzelner Kontaktpunkte (Touchpoints) zu einer Zielhandlung (Conversion) berechnet. Im Gegensatz zu regelbasierten Modellen nutzt DDA historische Kontodaten, um die tatsächliche Gewichtung jedes Klicks oder jeder Anzeigeninteraktion entlang der Customer Journey (Kundenreise) dynamisch zu ermitteln.

Bedeutung

Die Relevanz von DDA resultiert aus der zunehmenden Komplexität digitaler Kaufprozesse, bei denen Nutzer vor einem Abschluss oft über mehrere Kanäle wie Suchmaschinen, soziale Netzwerke und direkte Website-Aufrufe interagieren. Große Werbeplattformen wie Google Ads haben DDA als Standard-Attributionsmodell etabliert, um die Schwächen starrer Modelle wie „Last Click“ (letzter Klick vor dem Kauf) zu kompensieren. Dies ermöglicht eine datenbasierte Budgetallokation auf Basis der tatsächlichen inkrementellen Wirkung einzelner Kampagnen.

Funktionsweise

DDA analysiert sowohl konvertierende als auch nicht-konvertierende Pfade innerhalb eines definierten Zeitraums. Algorithmen vergleichen dabei Sequenzen von Touchpoints miteinander, um Muster zu erkennen. Wenn beispielsweise eine bestimmte Display-Anzeige (grafische Werbeeinblendung) in Pfaden mit erfolgreichen Abschlüssen signifikant häufiger vorkommt als in abgebrochenen Pfaden, weist das Modell dieser Anzeige einen höheren prozentualen Anteil am Gesamterfolg zu. Die Berechnung basiert häufig auf dem Shapley-Wert, einem Konzept aus der kooperativen Spieltheorie, das den marginalen Beitrag jedes Akteurs zu einem Gesamtergebnis mathematisch isoliert. Die Gewichtungen der einzelnen Kanäle werden kontinuierlich durch neu eintreffende Daten aktualisiert.

Praxisbeispiel

Ein B2B-Softwareanbieter schaltet parallel generische Suchnetzwerk-Anzeigen, Retargeting-Banner (Wiederansprache von Website-Besuchern) und E-Mail-Kampagnen. Ein Nutzer klickt zuerst auf eine Suchanzeige, interagiert Tage später mit einem Retargeting-Banner und schließt ein Abonnement schließlich über einen Link im Newsletter ab. Das DDA-Modell ordnet den Conversion-Wert nicht zu 100 Prozent dem Newsletter zu, sondern berechnet auf Basis historischer Daten beispielsweise 30 Prozent für die Suchanzeige, 20 Prozent für das Banner und 50 Prozent für die E-Mail.

Verwandte Begriffe

  • Customer Journey: Beschreibt den gesamten Weg eines Nutzers über verschiedene Kontaktpunkte bis zur Zielhandlung, der durch DDA messbar gemacht wird.
  • Last-Click-Attribution: Ein traditionelles, regelbasiertes Modell, das den gesamten Conversion-Wert ausschließlich dem letzten Kontaktpunkt zuweist und durch DDA zunehmend abgelöst wird.
  • Shapley-Wert: Ein mathematisches Verfahren zur fairen Verteilung eines Gesamtertrags, das die algorithmische Grundlage vieler DDA-Modelle bildet.
  • Conversion-Tracking: Die technische Erfassung von Zielhandlungen auf einer Website, die als zwingende Datengrundlage für das Training von DDA-Algorithmen dient.