Datengetriebene Attribution (DDA)

Was ist die datengetriebene Attribution (DDA)?

Die datengetriebene Attribution (DDA) ist ein Attributionsmodell, das den Wert einer Conversion mithilfe maschinellen Lernens auf mehrere Anzeigeninteraktionen verteilt. Das Modell analysiert Conversion-Pfade und Pfade ohne Abschluss, um zu bestimmen, welche Kontakte die Wahrscheinlichkeit eines Kaufs, einer Anfrage oder einer anderen Zielhandlung erhöht haben.

Die datengetriebene Attribution (DDA) bewertet in Google Ads, welchen Beitrag einzelne Anzeigenkontakte innerhalb einer Customer Journey leisten. Die englische Bezeichnung lautet Data-Driven Attribution. Im Gegensatz zu festen Regeln werden die Anteile nicht pauschal nach Position oder Zeitpunkt verteilt, sondern aus den verfügbaren Kontodaten abgeleitet.

Wie datengetriebene Attribution funktioniert

Die datengetriebene Attribution untersucht sowohl Conversion-Pfade als auch vergleichbare Pfade ohne Conversion. Das Modell erkennt daraus Muster: Wenn bestimmte Anzeigeninteraktionen regelmäßig in erfolgreichen Pfaden vorkommen und ihr Fehlen mit einer geringeren Abschlusswahrscheinlichkeit verbunden ist, erhalten diese Kontakte einen entsprechenden Anteil am Conversion-Wert. Die Gewichtung kann sich verändern, sobald neue Daten, Kampagnen oder Nutzerpfade hinzukommen.

DDA verteilt insgesamt 100 Prozent des Werts einer Conversion. Ein vereinfachtes Rechenbeispiel zeigt die Logik: Ein Nutzer klickt zuerst auf eine generische Suchanzeige, später auf eine Markenanzeige und kauft nach einem dritten Anzeigenkontakt. Das Modell könnte den Kontakten beispielsweise 20, 30 und 50 Prozent zurechnen. Bei einem Bestellwert von 200 Euro wären das 40, 60 und 100 Euro. Diese Werte sind nur ein Rechenbeispiel. Die tatsächlichen Anteile bestimmt der Algorithmus individuell.

Datengetriebene Attribution besitzt keine feste Formel, die du manuell auf jeden Conversion-Pfad anwenden kannst. Die grundlegende Rechnung lautet lediglich: Summe aller zugeordneten Anteile eines Abschlusses gleich 100 Prozent. Wie hoch der Anteil eines einzelnen Kontakts ausfällt, leitet das Modell aus den vorhandenen Conversion-Daten und Vergleichspfaden ab.

DDA und Last Click im Vergleich

Der Unterschied zwischen datengetriebener Attribution und Last Click liegt in der Verteilung des Conversion-Werts. Last Click schreibt den gesamten Wert dem letzten zuordenbaren Anzeigenkontakt zu. DDA kann auch frühere Kontakte berücksichtigen, wenn die Daten zeigen, dass diese Kontakte die Abschlusswahrscheinlichkeit beeinflusst haben. Dadurch erhalten Kampagnen zur ersten Nachfragebildung möglicherweise mehr Wert als in einer Last-Click-Auswertung.

Ein häufiger Denkfehler besteht darin, DDA mit einer vollständigen Abbildung der Customer Journey gleichzusetzen. Das Modell kann nur Interaktionen bewerten, die innerhalb des jeweiligen Messsystems erfasst und miteinander verknüpft werden. Nicht erfasste Telefonate, Besuche auf anderen Geräten, Offline-Kontakte oder abgelehnte Tracking-Einwilligungen können unvollständig bleiben. Prüfe deshalb zuerst die Tracking-Abdeckung, bevor du Unterschiede zwischen Attributionsmodellen als Leistungsänderung interpretierst.

AttributionsmodellVerteilung des Conversion-WertsTypische Aussage
Last Click100 Prozent für den letzten KontaktWelcher Kontakt lag unmittelbar vor dem Abschluss?
LinearGleicher Anteil für jeden KontaktWelche Kontakte waren am Pfad beteiligt?
ZeitverlaufSpätere Kontakte erhalten mehr WertWelche Kontakte lagen zeitlich nahe an der Conversion?
DatengetriebenVariable Anteile anhand beobachteter DatenWelche Kontakte erhöhten wahrscheinlich die Conversion-Chance?

Lineare Attribution und Zeitverlauf sind regelbasierte Vergleichsmodelle. Ob ein bestimmtes Modell in einer Plattform auswählbar ist, hängt von deren aktuellem Funktionsumfang ab. Für die fachliche Einordnung bleibt der Unterschied klar: Regelbasierte Modelle verteilen Werte nach einer vorgegebenen Logik, während DDA die Verteilung aus beobachteten Pfaden ableitet.

DDA in Google Ads 2026

Im SEA liefert datengetriebene Attribution differenziertere Signale für die Bewertung von Kampagnen, Anzeigengruppen, Keywords und Anzeigen. Conversion Tracking bildet dabei die technische Grundlage: Es verbindet eine Werbeinteraktion mit einer späteren Bestellung, Anfrage, Registrierung oder anderen Zielhandlung. Ohne korrekt ausgelöste Conversion-Aktionen kann auch ein datengetriebenes Modell keine belastbare Zuordnung herstellen.

Smart Bidding kann die zugeordneten Conversion-Daten für automatische Gebotsentscheidungen verwenden. Strategien wie Ziel-CPA oder Ziel-ROAS benötigen dafür klar definierte Haupt-Conversions und realistische Conversion-Werte. Ein Klick auf die Kontaktseite sollte beispielsweise nicht denselben Stellenwert erhalten wie ein qualifizierter Lead oder ein abgeschlossener Kauf.

  • Conversion-Aktionen: Erfasse Käufe, qualifizierte Anfragen oder Buchungen als primäre Ziele.
  • Conversion-Werte: Übermittle Bestellumsätze dynamisch und differenziere Leads nach ihrem wirtschaftlichen Wert.
  • Conversion-Fenster: Wähle einen Zeitraum, der zum tatsächlichen Entscheidungsprozess passt.
  • Tracking-Qualität: Prüfe Tags, Zählmethode, Consent-Signale und mögliche Doppelzählungen.

Das Conversion-Fenster legt fest, wie lange nach einer Anzeigeninteraktion eine Conversion noch zugerechnet werden darf. Ein kurzer Entscheidungsprozess im E-Commerce benötigt häufig einen anderen Betrachtungszeitraum als die Beschaffung einer B2B-Dienstleistung. Verfügbare Fenster können beispielsweise 7, 30 oder 90 Tage umfassen. Maßgeblich ist das reale Kaufverhalten, nicht ein pauschaler Standardwert.

Datengetriebene Attribution richtig messen

Messbar ist die Wirkung eines Modellwechsels, indem du die zugeordneten Conversions und Conversion-Werte nach Kampagne, Keyword und Funnel-Stufe vergleichst. Die SEA-Funktionen der Performance Suite können Google-Ads-Daten mit weiteren Marketingkennzahlen zusammenführen. Beurteile jedoch nicht nur die Verteilung im Konto, sondern gleiche Umsatz, qualifizierte Leads und Deckungsbeitrag mit deinem Shop- oder CRM-System ab.

Ein Modellwechsel erzeugt keine zusätzlichen Käufe. Datengetriebene Attribution verteilt vorhandene Conversions lediglich anders. Steigt der ausgewiesene Conversion-Wert einer generischen Kampagne nach dem Wechsel, bedeutet das zunächst, dass diese Kampagne nun mehr Anteil an vorhandenen Abschlüssen erhält. Ob die Kampagne tatsächlich zusätzlichen Umsatz verursacht, lässt sich erst durch Experimente, Kontrollgruppen oder regionale Tests untersuchen.

Attribution und Kausalität beantworten unterschiedliche Fragen. DDA schätzt, welche gemessenen Kontakte zu Conversion-Pfaden beigetragen haben. Eine Inkrementalitätsanalyse prüft dagegen, ob eine Conversion ohne die Werbung ebenfalls stattgefunden hätte. Nutze Attribution für die operative Kampagnensteuerung und kontrollierte Experimente für Budgetentscheidungen mit Kausalitätsanspruch.

Typische Fehler bei DDA

DDA verarbeitet die Signale, die du als Conversions vorgibst. Werden Seitenaufrufe, kurze Aufenthalte oder Scrolltiefe als primäre Ziele behandelt, kann das Modell Kampagnen auf leicht erreichbare Mikro-Conversions ausrichten. Hauptziele sollten deshalb einen nachvollziehbaren Geschäftswert besitzen. Mikro-Conversions eignen sich eher als sekundäre Kennzahlen zur Funnel-Analyse.

Doppelt erfasste Abschlüsse verfälschen die Attribution ebenfalls. Ein Kauf kann beispielsweise einmal über ein natives Google-Ads-Tag und zusätzlich über einen importierten Analytics-Event gezählt werden. Der Conversion-Wert und der ROAS erscheinen dann höher, obwohl nur eine Bestellung vorliegt. Lege für jedes Geschäftsziel ein eindeutiges Hauptsignal fest und führe Testabschlüsse durch.

Zu kurze Conversion-Fenster schneiden frühe Kontakte aus längeren Entscheidungsprozessen ab. Zu lange Fenster können dagegen Interaktionen verbinden, zwischen denen nur ein schwacher geschäftlicher Zusammenhang besteht. Vergleiche die Einstellung mit der üblichen Dauer vom ersten qualifizierten Kontakt bis zum Kauf oder Vertragsabschluss.

DDA für SEO, SEA und GEO

Datengetriebene Attribution innerhalb von Google Ads ist kein vollständiges Cross-Channel-Modell. Organische Google-Klicks, direkte Besuche, Newsletter, soziale Netzwerke und GEO, also Generative Engine Optimization, werden nur berücksichtigt, wenn das eingesetzte Analysesystem diese Kontakte erfassen und in gemeinsame Pfade einordnen kann. Eine reine Google-Ads-Auswertung beantwortet deshalb vor allem Fragen zur Wirkung gemessener Anzeigeninteraktionen.

Für SEO und SEA entsteht ein konkreter Nutzen, wenn du Keywords kanalübergreifend vergleichst. Ein generisches Keyword kann organisch den Erstkontakt erzeugen und später über eine Markenanzeige zur Conversion führen. Eine isolierte Last-Click-Auswertung würde vor allem die Markenanzeige aufwerten. Für eine belastbare Budgetentscheidung brauchst du zusätzlich organische Einstiege, Anzeigenkosten, Conversion-Werte und Geschäftsdaten.

Die Verzahnung beider Kanäle erläutert der Leitfaden zu SEO- und SEA-Synergien. Für die operative Umsetzung helfen außerdem klar definierte Tracking-Ziele, die im Rahmen einer strukturierten Google-Ads-Betreuung regelmäßig mit Umsatz- und Lead-Daten abgeglichen werden.

Häufige Fragen zur DDA

Ist datengetriebene Attribution besser als Last Click?

Datengetriebene Attribution bildet mehrstufige Anzeigenpfade differenzierter ab als Last Click, sofern genügend verwertbare Conversion-Daten vorhanden sind. Last Click bleibt leichter nachvollziehbar, schreibt aber den gesamten Wert dem letzten Kontakt zu und unterschätzt dadurch häufig frühere Anzeigeninteraktionen.

Wie viele Conversions braucht datengetriebene Attribution?

Eine allgemeingültige Mindestzahl lässt sich nicht für jedes Konto nennen, weil Plattformen Verfügbarkeit und Datenanforderungen verändern können. Prüfe direkt in der Conversion-Aktion, ob das Modell angeboten wird, und achte auf regelmäßige, korrekt erfasste Haupt-Conversions.

Warum ändern sich Conversion-Zahlen nach einem Modellwechsel?

Ein Modellwechsel verändert die zeitliche und kampagnenbezogene Zuordnung vorhandener Conversions. Besonders frühe Kontakte können mehr Wert erhalten, während der letzte Anzeigenkontakt weniger erhält. Der Modellwechsel allein erzeugt jedoch keine zusätzlichen Abschlüsse.

Kann DDA auch ohne Conversion Tracking funktionieren?

Nein, datengetriebene Attribution benötigt erfasste Conversion-Aktionen und zuordenbare Anzeigeninteraktionen. Fehlerhafte Tags, Doppelzählungen oder unpassende Ziele führen zu verzerrten Ergebnissen, weil das Modell diese Signale als Datengrundlage verwendet.

Berücksichtigt DDA organische Suchergebnisse?

Ein Google-Ads-Attributionsmodell bewertet grundsätzlich die im jeweiligen Werbesystem messbaren Anzeigeninteraktionen. Organische Suchkontakte benötigen eine kanalübergreifende Analyse, damit SEO, SEA und weitere Quellen gemeinsam betrachtet werden können.

Wie schnell sollte man DDA bewerten?

DDA sollte nicht unmittelbar nach einzelnen Tagen oder wenigen Abschlüssen bewertet werden. Nutze einen Zeitraum, der mindestens den typischen Kaufzyklus und das eingestellte Conversion-Fenster abdeckt, und vergleiche die Kontoauswertung zusätzlich mit Shop-, CRM- oder Umsatzdaten.

Wenn du Attribution, Conversion Tracking und Gebotsstrategien gemeinsam prüfen lassen möchtest, kannst du einen unverbindlichen Potenzialcheck anfragen.

Kostenloser Potenzialcheck


Sie haben noch Fragen?

Kontaktieren Sie uns

SEO Agentur kostenlose SEO Potentialanalyse


Weitere Inhalte