Treten Sie der Warteliste bei und erhalten Sie Sublim Business 3 Monate kostenlos  Angebot sichern

Webanalyse

Multi-Touch-Attribution: Definition und Modelle

Guillaume Sallé
Guillaume Sallé
Leiter Analytics-Content & Glossar

Aktualisiert am February 22, 2026

Kurzdefinition

Die Multi-Touch-Attribution ist ein Marketing-Attributionsmodell, das den Credit einer Conversion auf alle Touchpoints verteilt, die ein Nutzer mit einer Marke vor dem Kauf oder der Conversion hatte. Multi-Touch-Attribution beschreibt einen realistischeren und vollständigeren Ansatz als Single-Touch-Modelle (First-Click oder Last-Click), da sie anerkennt, dass die meisten Conversions das Ergebnis einer Reihe kumulierter Interaktionen sind.

Wie es funktioniert

In einer modernen Customer Journey kann ein Nutzer 5, 10 oder 20 Mal mit einer Marke interagieren, bevor er konvertiert. Die Multi-Touch-Attribution modelliert den Beitrag jedes dieser Touchpoints. Die wichtigsten Multi-Touch-Modelle sind: das lineare Modell (jeder Touchpoint erhält den gleichen Credit: 1/N der Conversion), das zeitlich abnehmende Modell oder Time-Decay (jüngere Interaktionen erhalten mehr Credit als frühere, gemäss einer Exponentialkurve), das positionsbasierte oder U-shaped Modell (40 % auf den ersten, 40 % auf den letzten, 20 % gleichmässig auf die Zwischenkontakte) und das W-shaped Modell (das einen dritten Gewichtungspunkt in der Lead-Qualifizierung hinzufügt). Die datengetriebene Attribution ist das fortschrittlichste Multi-Touch-Modell: Sie nutzt Machine-Learning-Algorithmen (oft basierend auf Shapley-Werten aus der Spieltheorie), um den realen Grenzbeitrag jedes Kanals zu schätzen, indem Pfade mit und ohne jeden Touchpoint verglichen werden. Dieses Modell benötigt ein grosses Datenvolumen (in der Regel > 3.000 Conversions), um zuverlässig zu sein.

Warum es wichtig ist

Multi-Touch-Attribution ist essenziell für Unternehmen, deren Verkaufszyklus mehrere Schritte und Kanäle umfasst. Ohne sie konzentrieren sich Budgets systematisch auf den letzten Kanal vor der Conversion (oft Brand-SEA oder Direktsuche), zum Nachteil der Top-Funnel-Kanäle, die jedoch unverzichtbar für die Förderung von Consideration und Wunsch sind. Für Marketing-Teams mit signifikanten Budgets zeigt der Wechsel von Last-Click zu Multi-Touch oft, dass SEO, Content und Social Media weit stärker zum Wert beitragen, als Last-Click-Berichte vermuten liessen. Das ist eine Revolution in der Budgetallokation.

Wie verbessern oder nutzen

Um eine effektive Multi-Touch-Attribution zu implementieren: Stellen Sie zunächst sicher, dass alle Touchpoints korrekt mit UTM-Parametern getaggt sind. Wählen Sie ein Modell passend zu Ihrem Verkaufszyklus: linear für kurze Zyklen, positionsbasiert für mittlere, datengetrieben für lange Zyklen mit vielen Daten. Nutzen Sie ein dediziertes Tool (GA4, Northbeam, Triple Whale oder Rockerbox), wenn Ihr Conversion-Volumen es rechtfertigt. Vergleichen Sie regelmässig Multi-Touch-Erkenntnisse mit Ihren CRM-Daten, um zu validieren, dass die durch die Attribution aufgewerteten Kanäle wirklich qualitativ hochwertige Kunden generieren (nicht nur Volumen).

Mit Sublim

Sublim erfasst alle Traffic-Quellen jeder Sitzung dank UTM-Parametern und serverseitigen Referrer-Daten. Während Sublim sich in seinen nativen Berichten auf First-Touch- und Last-Touch-Attribution konzentriert, ermöglichen die granular exportierbaren Daten den Aufbau individueller Multi-Touch-Attributionsanalysen – cookielos und vollständig DSGVO-konform.

Häufig gestellte Fragen

Was ist der Unterschied zwischen Multi-Touch- und Multi-Channel-Attribution?

Multi-Touch- und Multi-Channel-Attribution beschreiben oft dasselbe Konzept: den Credit einer Conversion auf mehrere Kanäle oder Touchpoints zu verteilen. 'Multi-Touch' betont die einzelnen Interaktionen (jeder Klick, jede Impression), 'Multi-Channel' die Kanäle (SEO, SEA, E-Mail). In der Praxis werden beide Begriffe oft synonym verwendet.

Ist das datengetriebene Modell immer das beste?

Das datengetriebene Modell ist theoretisch am präzisesten, benötigt aber ein hohes Datenvolumen (mindestens 3.000 Conversions in 30 Tagen in GA4) und eine lückenlose Datenerfassung. Bei Sites mit geringem Conversion-Volumen ist ein gut angewandtes positionsbasiertes oder lineares Modell oft zuverlässiger als ein datengetriebenes Modell, das auf zu wenigen Daten trainiert ist.

Wie geht Multi-Touch-Attribution mit Cross-Device-Pfaden um?

Das ist die Hauptgrenze der Multi-Touch-Attribution: Ohne persistente Cross-Device-Kennung (Nutzer-Login) werden Mobile- und Desktop-Interaktionen als unterschiedliche Nutzer behandelt. Das fragmentiert reale Pfade und unterschätzt den Beitrag von Kanälen, die hauptsächlich mobil genutzt werden (Social, Suche). Teilweise Lösungen sind Login-basierte Kohorten und probabilistische Modelle.

Verwandte Begriffe

Multi-Touch-Attribution: Definition und Modelle, Sublim | Sublim Analytics