Kanalübergreifende Marketingmessung

Drei Glaskanäle führen zu einem gemeinsamen Ergebnis

By Patricia Jarmek Marketingstrategie und Analyse 10. Oktober 2026

9 Min. Lesezeit

Kunden nutzen mehrere Kanäle. Berichte zeigen oft nur einen.

Ein Kunde entdeckt eine Marke erstmals auf Instagram.

Einige Tage später sucht er bei Google nach weiteren Informationen, liest einen Fachartikel und besucht eine Produktseite.

Er kauft noch nicht.

In der folgenden Woche sieht er eine Remarketing-Anzeige, öffnet einen Newsletter und kehrt schließlich in den Onlineshop zurück.

Welcher Kanal hat den Kauf ausgelöst?

Instagram, das die Aufmerksamkeit geweckt hat? SEO, das bei der Recherche geholfen hat? Die bezahlte Anzeige, die an das Angebot erinnert hat? Oder der Newsletter unmittelbar vor dem Kauf?

Die Antwort hängt davon ab, was gemessen wird.

Die tatsächliche Customer Journey und die Darstellung in einem Werbebericht sind nicht zwangsläufig identisch.

Deshalb reicht es nicht aus, die Conversion-Zahlen verschiedener Plattformen zu addieren.

Warum Conversion-Zahlen nicht einfach addiert werden dürfen

Stellen wir uns einen Onlineshop vor, der in einem Monat 100 Bestellungen erhält.

Google Ads meldet 65 Conversions, Meta Ads meldet 50.

Das bedeutet nicht, dass 115 Bestellungen entstanden sind.

Ein einzelner Kauf kann mehreren Plattformen zugerechnet werden, weil diese unterschiedliche Daten, Attributionsregeln und Zeitfenster verwenden.

Ein Kunde kann zunächst auf eine Social-Media-Anzeige und später auf eine Suchanzeige klicken, bevor er kauft.

Beide Plattformen können nach ihren jeweiligen Regeln einen Beitrag zur Conversion beanspruchen.

Die tatsächliche Bestellung wurde jedoch nur einmal aufgegeben.

Deshalb müssen Unternehmen zwischen realen Geschäftsergebnissen und den von Werbeplattformen zugerechneten Conversions unterscheiden.

Für den E-Commerce sind die tatsächlichen Bestellungen relevant, einschließlich Stornierungen und Retouren.

Im B2B-Bereich sind häufig CRM-Daten zu qualifizierten Anfragen, Angeboten und abgeschlossenen Aufträgen aussagekräftiger.

Was bedeutet Attribution?

Attribution bezeichnet die Zuordnung von Conversion-Werten zu Marketinginteraktionen, die einer wichtigen Handlung vorausgegangen sind.

Beim Last-Click-Modell wird die Conversion dem letzten relevanten Kontakt zugerechnet.

Kommt ein Nutzer zuerst über Social Media, später über die organische Suche und schließlich über einen Newsletter, kann die gesamte Conversion dem E-Mail-Kanal zugeschrieben werden.

Das beweist nicht, dass die früheren Kontakte wertlos waren.

Es beschreibt lediglich die Regeln des gewählten Modells.

Google Analytics 4 bietet aktuell drei Attributionsmodelle in den entsprechenden Berichten: Data-driven Attribution, Paid and Organic Last Click sowie Google Paid Channels Last Click.

Die früheren Modelle First Click, Linear, Time Decay und Position-based sind seit November 2023 in den regulären GA4-Attributionsberichten nicht mehr verfügbar. [2]

Was verändert Data-driven Attribution?

Data-driven Attribution verwendet Daten und Modellierung, um den Beitrag verschiedener Interaktionen zu schätzen.

Anstatt die gesamte Conversion automatisch einem Kanal zuzuschreiben, kann das Modell den Wert auf mehrere Kontaktpunkte verteilen.

Deshalb erscheinen in Berichten manchmal Dezimalwerte.

Ein Kanal kann beispielsweise 0,4 und ein anderer 0,6 Attributionsanteile für einen Kauf erhalten.

Das bedeutet nicht, dass 0,4 Käufe stattgefunden haben.

Es gab einen Kauf, dessen Attributionswert aufgeteilt wurde.

Google erklärt, dass das Modell Informationen aus konvertierenden und nicht konvertierenden Pfaden verwendet, um die Beiträge einzelner Interaktionen zu bewerten. [2]

Allerdings bleibt eine wichtige Einschränkung bestehen.

Attribution beweist nicht automatisch, wie viele Verkäufe ohne eine bestimmte Marketingaktivität ausgeblieben wären.

Attribution und Inkrementalität sind unterschiedliche Konzepte

Ein Kunde kennt eine Marke bereits und hat sich für den Kauf entschieden.

Unmittelbar vor der Bestellung sucht er bei Google nach dem Markennamen, klickt auf eine bezahlte Anzeige und kauft.

Die Werbeplattform kann der Kampagne eine Conversion zuschreiben.

Aber hätte der Kunde auch ohne diese Anzeige gekauft?

Genau hier setzt die Inkrementalitätsmessung an.

Sie versucht zu ermitteln, welche zusätzlichen Geschäftsergebnisse tatsächlich durch eine Marketingaktivität entstanden sind.

Dazu können kontrollierte Experimente eingesetzt werden.

Bei geografischen Tests wird die Werbung beispielsweise in bestimmten Regionen verändert und mit geeigneten Kontrollregionen verglichen.

Googles Open-Source-Lösung Meridian GeoX unterstützt solche Experimente zur Schätzung inkrementeller Marketingeffekte. [11]

Attribution verteilt also die Anerkennung für eine Conversion.

Inkrementalität untersucht den zusätzlichen Effekt einer Maßnahme.

Beide Perspektiven sind nützlich, beantworten aber unterschiedliche Fragen.

Customer Journeys in GA4 analysieren

Google Analytics 4 bietet den Bericht Attribution paths.

Der Bericht zu Attributionspfaden für Schlüsselereignisse ist im Bereich Advertising von GA4 verfügbar.

Der Bericht zeigt die Abfolge von Interaktionen vor ausgewählten wichtigen Ereignissen.

Unternehmen können analysieren, welche Kanäle früh, in der Mitte oder am Ende einer beobachteten Conversion Journey auftreten.

Zusätzlich werden unter anderem die Anzahl der Kontaktpunkte und die Zeit bis zum wichtigen Ereignis dargestellt. [1]

Interessante Fragen sind:

Welche Kanäle gewinnen neue Besucher?

Welche unterstützen die Informationssuche?

Welche treten häufig unmittelbar vor einem Kauf auf?

Wie lange dauert die beobachtete Customer Journey?

Unterscheiden sich neue und wiederkehrende Kunden?

Dabei ist zu beachten, dass der Bericht keine vollständige Rekonstruktion aller Interaktionen liefert.

Er basiert auf den verfügbaren Daten und zeigt Pfade zu ausgewählten wichtigen Ereignissen.

Warum UTM-Parameter weiterhin wichtig sind

Komplexe Attributionsmodelle können unstrukturierte Kampagnendaten nicht automatisch korrigieren.

Wenn dieselbe Quelle in verschiedenen Kampagnen unterschiedlich benannt wird, entstehen unnötig getrennte Kategorien.

Deshalb sollten Unternehmen einheitliche Regeln für utm_source, utm_medium und utm_campaign verwenden.

Bei unterstützten Werbeplattformen muss außerdem berücksichtigt werden, wie manuelle UTM-Parameter und automatisches Tagging zusammenwirken.

Google weist darauf hin, dass unvollständige oder falsch kombinierte Parameter zu fehlerhaften Zuordnungen führen können. [3]

Saubere Kampagnennamen sind keine spektakuläre Innovation.

Sie gehören aber zu den Grundlagen zuverlässiger Analysen.

B2B-Marketing: Warum eine Anfrage noch kein Geschäftserfolg ist

Für Dienstleistungsunternehmen ist eine Kontaktanfrage häufig erst der Anfang des Verkaufsprozesses.

Stellen wir uns zwei Kampagnen vor.

Kampagne A erzeugt 40 Anfragen zu jeweils 20 Euro.

Kampagne B erzeugt 15 Anfragen zu jeweils 35 Euro.

Nach den Kosten pro Anfrage erscheint Kampagne A erfolgreicher.

Wenn aus Kampagne A jedoch zwei Kunden entstehen und aus Kampagne B sieben, verändert sich die Bewertung erheblich.

Deshalb sollte B2B-Marketing möglichst mit CRM-Daten verbunden werden.

Relevante Schritte sind beispielsweise qualifizierte Anfrage, Verkaufsgespräch, Angebot und Vertragsabschluss.

Google Ads unterstützt Offline-Conversion-Importe und Enhanced Conversions for Leads.

Seit dem 15. Juni 2026 gelten für bestimmte Uploads neue Anforderungen rund um die Data Manager API. Ältere Google Ads API-Integrationen sollten deshalb überprüft werden. [4], [6]

Die Verarbeitung und Übermittlung personenbezogener Daten muss dabei den geltenden Datenschutzanforderungen entsprechen.

Datenschutz begrenzt die Messbarkeit

Nicht jede Nutzerinteraktion lässt sich direkt erfassen.

Menschen können Analyse-Cookies ablehnen, Geräte wechseln oder Browser mit Tracking-Einschränkungen verwenden.

Google Consent Mode passt das Verhalten von Google-Tags an die Einwilligungsentscheidungen der Nutzer an.

Unter bestimmten Voraussetzungen kann GA4 Modellierung verwenden, um einen Teil nicht direkt beobachtbarer Daten zu schätzen.

Diese Möglichkeit steht jedoch nicht jeder Website zur Verfügung und ersetzt keine vollständige Beobachtung aller Interaktionen. [7], [8]

Consent Mode ersetzt außerdem weder eine gültige Einwilligung noch die Einhaltung der geltenden Datenschutzvorschriften.

Marketingberichte sollten deshalb als Kombination aus beobachteten Daten, Attributionsregeln und gegebenenfalls modellierten Schätzungen verstanden werden.

Wann ist Marketing Mix Modeling sinnvoll?

Marketing Mix Modeling, kurz MMM, verwendet statistische Methoden, um den Zusammenhang zwischen Marketinginvestitionen und Geschäftsergebnissen zu schätzen.

Dabei können unter anderem Saisonalität, Veränderungen der Nachfrage und zeitverzögerte Werbeeffekte berücksichtigt werden.

Google Meridian ist ein Open-Source-Framework für MMM, das unter anderem die Bewertung von Kanalbeiträgen, ROI und verschiedenen Budgetverteilungsszenarien unterstützt. [10]

Allerdings benötigen solche Modelle geeignete Daten und eine fachkundige Interpretation.

Für ein kleines Unternehmen mit wenigen Conversions ist eine saubere Grundmessung häufig wertvoller als ein komplexes Modell, für das die Datengrundlage noch nicht ausreicht.

Welche Kennzahlen sollten Unternehmen verfolgen?

Die relevanten Kennzahlen hängen vom Geschäftsmodell ab.

Im E-Commerce gehören dazu Umsatz, Bestellungen, Werbekosten, Kundenakquisitionskosten, Deckungsbeiträge und Wiederkaufswerte.

Im B2B-Bereich können qualifizierte Leads, Verkaufschancen, Abschlussquoten, Kundenwert und Dauer des Verkaufsprozesses wichtiger sein.

Zusätzlich sollte die Gesamtleistung betrachtet werden.

Das Verhältnis von Gesamtumsatz zu gesamten Werbeausgaben kann beispielsweise Hinweise auf die wirtschaftliche Effizienz liefern.

Es beweist jedoch nicht, wie viel Umsatz durch Werbung verursacht wurde, und ist nicht mit Gewinn gleichzusetzen.

Margen, Retouren und weitere Kosten müssen berücksichtigt werden.

Ein guter Marketingbericht sollte nicht möglichst viele Kennzahlen enthalten. Er sollte bessere Entscheidungen ermöglichen.

Ein sinnvolles Messsystem aufbauen

Am Anfang steht die Definition des tatsächlichen Geschäftsziels.

Danach folgen korrekt eingerichtete Analytics-Ereignisse, einheitliche Kampagnenkennzeichnungen, ein funktionierendes Einwilligungsmanagement und die Verbindung zu Geschäfts- oder CRM-Daten.

Vergleichen Sie Plattformberichte mit tatsächlichen Bestellungen und Abschlüssen.

Nutzen Sie Attributionsberichte, um beobachtete Customer Journeys besser zu verstehen.

Prüfen Sie bei geeigneter Datenlage und klarer wirtschaftlicher Fragestellung auch inkrementelle Effekte durch Experimente.

Komplexere statistische Modelle sollten erst dann eingesetzt werden, wenn sie einen konkreten zusätzlichen Erkenntnisgewinn bieten.

Fazit

Kunden denken nicht in Kategorien wie Paid Search, Organic Social oder E-Mail-Marketing.

Sie informieren sich, vergleichen Angebote, kehren zurück und kaufen, wenn sie ausreichend überzeugt sind.

Marketingmessung sollte diese Realität so gut wie möglich berücksichtigen.

Die entscheidende Frage ist nicht, welchem Kanal wir einen Verkauf zuschreiben können. Entscheidend ist, welche Marketingmaßnahmen tatsächlich zusätzlichen Wert schaffen.