Die meisten Marketingbudgets werden noch immer am letzten Klick gemessen, obwohl Kunden einer Marke vor dem Kauf im TV, in der Suche, auf Social Media, über Affiliates und in KI-Assistenten begegnen. Dieser Beitrag zeigt, wo jeder Touchpoint in der Journey steht, warum selten ein einzelner Kanal allein gewinnt, welche Fallen naive Analysen in die Irre führen und wie ein probabilistisches Modell Online-, Offline- und KI-Touchpoints gemeinsam misst.
Wo jeder Touchpoint in der Customer Journey 2026 steht, einschließlich KI-Assistenten; warum Kanäle als Team gewinnen; drei Fallen, die naive Analysen in die Irre führen; wie ein probabilistisches Modell Online-, Offline- und KI-Touchpoints misst; wie es sich zur Media-Mix-Modellierung verhält; welche Kanäle es abdeckt; und wie es in den Produktivbetrieb kommt.
Ihre Kunden begegnen Ihnen an mehr Orten, als Ihr Reporting zeigt
Vor und nach dem Kauf durchlaufen Kunden mehrere Phasen. Jede Phase hat ihre eigenen Touchpoints, und viele der wichtigsten erzeugen nie einen Klick: der TV-Spot, die Außenwerbung (OOH) auf dem Weg zur Arbeit, der Katalog auf dem Küchentisch, das Gespräch in der Filiale. Und seit 2024 ist ein neuer hinzugekommen.
- Lineares TV & Connected TV (CTV)
- Radio
- Podcasts & Audio
- Außenwerbung (OOH) & Digital Out-of-Home (DOOH)
- PR
- Social Media & Creator
- Mundpropaganda
- KI-AssistentenNeu
- KI-Suche & KI-AntwortenNeu
- Suchmaschinen
- Preisvergleichsportale
- Websites & Bewertungen
- Katalog
- Persönliche Empfehlungen
- Onlineshop & Retail Media
- App
- Filiale
- Verkaufspersonal
- Telefon & Direktkontakt
- Kundenservice
- Newsletter & CRM
- App-Benachrichtigungen
- Beschwerdemanagement
- Bewertungen
- Treueprogramme
- Umfragen & Feedback
Tore schießt das Team
Wenn der Stürmer trifft, steht nur ein Name auf der Anzeigetafel. Doch das Tor begann beim Verteidiger, der den Ball erobert hat, und beim Mittelfeldspieler mit dem entscheidenden Pass. Last-Click-Attribution ist die Anzeigetafel: Sie belohnt, wer den Ball zuletzt berührt hat. Unser Modell arbeitet wie moderne Sportanalytik. Es vergleicht Spielzüge, die zum Tor geführt haben, mit denen, die es nicht taten, und bewertet jeden Spieler nach seinem tatsächlichen Beitrag. So kürzen Sie nicht länger Ihre Spielmacher und zahlen nicht zu viel für Abstauber.
TV, Radio, Außenwerbung (OOH), Display. Sie erobern den Ball und erzeugen die Nachfrage, auf der alles Weitere aufbaut.
Preisvergleichsportale, generische Suche, Katalog, Social Media, KI-Assistenten und KI-Suche. Sie bereiten die Chance vor.
Brand Search, Direct, E-Mail-Klick. Sie vollenden, was andere vorbereitet haben.
Ein Kanal allein gewinnt kein Spiel. Kanalkombinationen schon.
Warum naive Analysen in die Irre führen
- aAbendliche Conversion-Spitzen können fast vollständig auf Brand Search zurückgehen. Nimmt man sie heraus, verschwindet der Effekt.
- b„Cookie Bombing“: Manche Netzwerke liefern große Mengen billiger, kaum sichtbarer Impressions aus. Sie tauchen vor vielen Käufen als letzter „View“ auf und kassieren unter Last Touch den Wert, ohne jemanden beeinflusst zu haben. Ein datengetriebenes Modell deckt das auf.
- cDirekte Besuche erhalten keinen Wert: In Google Analytics wird eine Bestellung nach einem direkten Besuch dem vorherigen Klick zugerechnet, sehr oft einer bezahlten Suchanzeige, sofern es überhaupt einen anderen Kontakt gab. Diese Suchanzeige verkauft derselbe Anbieter. Wer sich allein auf dessen Messung verlässt, lässt den Verkäufer seine eigene Arbeit benoten.
Alle diese regelbasierten Verfahren betrachten nur Journeys, die zu einer Conversion geführt haben, und nur Klicks. Das sind Hypothesen, keine Analysen.
So arbeitet das Attributionsmodell
Attribution auf Nutzerebene, inklusive Offline-Kanälen und KI-Assistenten
Lernt aus Ihren Daten
Ein probabilistisches Modell vergleicht Journeys mit und ohne Conversion, schätzt, wie stark jeder Kanal die Kaufwahrscheinlichkeit tatsächlich erhöht, und verteilt den Wert jeder Conversion auf die Touchpoints des jeweiligen Nutzers.
Kombinationen statt Einzelkanäle
Kanalkombinationen mit höherer Response-Rate wiegen stärker. So sehen Sie, welche Kanalpaare als Team funktionieren, etwa TV und Brand Search oder Katalog und Filiale.
Stabil und gegengeprüft
Das probabilistische Modell wird direkt aus Ihren Journeys berechnet, nicht trainiert, es gibt also nichts zu überanpassen. Wir berechnen es auf vielen neu gezogenen Stichproben von Journeys neu, messen, wie stark sich jeder Kanalwert bewegt, und gleichen es mit dem geschätzten Regressionsmodell ab. Eine KPI muss reproduzierbar sein.
Aussagekräftige Merkmale
Über die reine Kanalpräsenz hinaus: Kontakthäufigkeit, Werbemittel, Platzierung oder Seitenkategorie, Tages- und Wochenzeit sowie die zeitliche Nähe zum Kauf.
Vollständige Journeys
Eine bessere sitzungsübergreifende Nutzererkennung führt wiederkehrende Besucher zu längeren Journeys zusammen, damit frühe Touchpoints nicht verloren gehen.
Ihre Geschäftsregeln obendrauf
Eine Nachbearbeitungsschicht wendet Ihre Regeln an, etwa den Ausschluss von Servicekontakten, eine Deckelung für Brand Search oder den Umgang mit Retouren und Stornos.
Reporting in jeder Dimension
Der Wert wird je Nutzer und Touchpoint zugeordnet und lässt sich nach Kanal, Netzwerk, Kampagne, Werbemittel, Funnel-Phase, Region oder Segment auswerten. Media-Mix-Modelle können das nicht.
Für große Datenmengen gebaut
Ausgelegt auf Milliarden Impressions und zig Millionen Nutzer, im Produktivbetrieb in Ihrer Cloud.
Jenseits des Klicks: Offline-Kanäle und KI-Assistenten
Hier gehen wir über rein digitale Attribution hinaus. Kanäle, die nie einen Klick erzeugen, fließen auf Nutzerebene ein.
TV und Radio
Response je Spot: der Traffic- und Conversion-Uplift in den Minuten nach jeder Ausstrahlung gegenüber einer Baseline, probabilistisch den Journeys zugeordnet, die in diesem Fenster aktiv waren.
OOH, Print und Kataloge
Regionale Reichweite plus Gutschein- und Aktionscodes, Katalog- und Mailing-IDs sowie QR-Codes, den Journeys zugeordnet.
Filialen und Callcenter
Offline-Umsätze und Anrufe, über Kundenkarten-IDs, Call Tracking oder gehashte Kennungen mit Online-Journeys verknüpft, datenschutzfreundlich und DSGVO-konform.
KI-Assistenten
Erkennbare KI-Zugriffe als eigener Kanal, Antworten aus Umfragen nach dem Kauf und der Uplift bei Brand Search und Direct.
Dieselben Journeys, zwei Sichtweisen
Illustrative Werte. Last Touch unterschätzt Display, überbewertet Netzwerk A (siehe Cookie Bombing oben) und Brand Search, sieht TV überhaupt nicht und verbucht KI-Assistenten als Direct Traffic.
Wo Media-Mix-Modellierung hingehört
Media-Mix-Modellierung ist ein valides Werkzeug, und wir nutzen ihre Stärken. Der Unterschied liegt in der Detailtiefe.
| Regelbasierte Attribution Last Click, linear usw. | Media-Mix-Modell | ProDataAI MTA auf Nutzerebene + Crossmedia-Optimierung | |
|---|---|---|---|
| Nutzt Journeys ohne Conversion | Nein | Nicht anwendbar (aggregierte Daten) | Ja |
| Lernt aus Ihren Daten | Nein | Ja | Ja |
| Einblick in Journeys auf Nutzerebene | Teilweise | Nein, aggregierte wöchentliche Kanaldaten | Ja |
| Misst das Zusammenspiel der Kanäle | Nein | Meist nicht: Jeder Kanal wird separat modelliert und aufsummiert | Ja: Kanalkombinationen und kanalübergreifende Effekte |
| Beliebige Reporting-Dimension (Netzwerk, Werbemittel, Segment) | Teilweise | Nein | Ja |
| Deckt Offline-Kanäle ab | Nein | Ja | Ja |
| Vorausschauende Budgetempfehlung mit Szenarien | Nein | Ja | Ja |
Media-Mix-Modelle arbeiten mit aggregierten Wochendaten und betrachten jeden Kanal für sich. Wir arbeiten auf Journey-Ebene und messen, wie sich Kanäle gegenseitig verstärken.
Wir verbinden die Stärken beider Ansätze, heute oft Unified Marketing Measurement genannt: die Offline-Abdeckung und Prognosefähigkeit eines Mix-Modells mit der Journey-Tiefe der Attribution.
Jeder Kanal, in den Sie investieren
Online
- SEO und SEA (Brand und generisch)
- KI-Assistenten und KI-SucheNeu
- Display-Netzwerke und Trading Desks
- Social Media und Creator
- Online-Video und Connected TV (CTV)
- Retail Media
- Affiliate und Preisvergleichsportale
- Newsletter und CRM-E-Mail
- Direct und App
Offline
- Lineares TV
- Radio und Audio
- Außenwerbung (OOH) und Digital Out-of-Home (DOOH)
- Kataloge
- Mailings
- Callcenter und Outbound-Telefonie
- Filialen
- Events und Messen
Wie ProDataAI unterstützt
Wir haben diese Art der Attribution für Werbetreibende aus Handel und Fashion, Telekommunikation, Reise und Online-Marktplätzen aufgebaut und im Produktivbetrieb betrieben. Das erste Gespräch ist kostenlos: Erzählen Sie uns von Ihrem Kanalmix und wie Sie heute messen, und wir sagen Ihnen offen, ob datengetriebene Attribution Ihre Budgetentscheidungen verändern würde.
Auf Ihre Kanäle angewendet. Unsere Lösung Multi-Touch-Attribution & Budgetoptimierung bringt das auf Ihren Daten in den Produktivbetrieb und macht daraus eine Budgetempfehlung. Zur Lösung →