Last-Click Attribuierung

Definition: Last-Click Attribuierung (auch: Last-Touch Attribution oder Last-Click Attribution) ist ein Attributionsmodell im digitalen Marketing, bei dem der gesamte Conversion-Credit – also der rechnerische Wert einer Konversion – vollständig dem letzten Anzeigenklick oder Touchpoint vor der Conversion zugeschrieben wird. Alle vorherigen Interaktionen des Nutzers mit Werbemitteln auf dem Weg zur Conversion erhalten keinerlei Credit. Das Modell war bis ca. 2018 der Standard in Google Ads und Google Analytics und ist in seiner Einfachheit intuitiv verständlich: Wer den Nutzer „über die Ziellinie gebracht" hat, erhält die volle Anerkennung. Die historische Dominanz von Last-Click in digitalen Plattformen ist technisch begründet: In den frühen Jahren des digitalen Marketings war Cross-Channel-Tracking noch nicht ausgereift, und Last-Click war das einzige zuverlässig implementierbare Modell. Mit fortschreitender Tracking-Infrastruktur und analytischen Fähigkeiten erkannte die Branche zunehmend die systematischen Verzerrungen von Last-Click. Forscher wie Randall Lewis (Google) und David Reiley dokumentierten in frühen akademischen Papieren (2011–2014), dass Last-Click die tatsächlichen Werbewirkungen entlang des Customer Journey erheblich verzerrt. Google begann 2017, datengetriebene Attribution (DDA) als Alternative anzubieten, und machte sie ab 2021 zur Standardempfehlung; seit 2023 ist datengetriebene Attribution die Standardeinstellung für neue Google-Ads-Konten. In Google Analytics 4 ist Last-Click nicht mehr die Standardeinstellung; stattdessen wird datengetriebene Attribution oder Data-Driven Attribution verwendet. Das Modell bleibt jedoch relevant für Situationen mit kurzen Kaufentscheidungsprozessen, technischen Einschränkungen des Trackings oder zur isolierten Bewertung abschlussstarker Touchpoints.

Erläuterung

Das fundamentale Problem der Last-Click Attribuierung ist ihre systematische Verzerrung des wahrgenommenen Werts von Marketingkanälen. In einem typischen Customer Journey eines E-Commerce-Nutzers – zunächst Entdeckung über YouTube-Werbung, dann eine organische Google-Suche, dann ein Display-Remarketing-Banner, dann eine Markensuche und schließlich der Kauf – erhält unter Last-Click ausschließlich die Markensuche den vollen Conversion-Credit, obwohl alle vorherigen Touchpoints zum Kauf beigetragen haben.

Diese Verzerrung führt in der Praxis zu systematischen Fehlentscheidungen: Upper-Funnel-Kanäle wie Display, YouTube und Social Ads erscheinen unter Last-Click unrentabel und werden unterinvestiert. Brand-Keywords und Remarketing-Kampagnen erscheinen überproportional wertvoll, da sie typischerweise die letzten Klicks vor einem Kauf auslösen. Das führt dazu, dass Unternehmen, die ausschließlich auf Last-Click-Basis optimieren, tendenziell ihre Awareness-Investitionen reduzieren – was langfristig die Markenbekanntheit und damit auch die Performance der Lower-Funnel-Kanäle schwächt.

Ein weiteres Problem ist die Interaktion mit Smart Bidding: Wenn Google Ads auf Last-Click-Attribution-Basis optimiert, lernt der Algorithmus, dass ausschließlich direkte Suchen nach dem Markennamen oder spezifischen Produkten zu Conversions führen. Dies veranlasst den Algorithmus, Gebote für Upper-Funnel-Keywords zu reduzieren und Brand-Keywords zu bevorzugen – eine Optimierungsschleife, die die Verzerrung verstärkt. Datengetriebene Attribution löst dieses Problem, indem der Algorithmus mit einem realistischeren Bild des Conversion-Werts jedes Touchpoints arbeitet.

Systematische Verzerrungen von Last-Click

Upper-Funnel-Unterbewertung: Display-Kampagnen, YouTube-Anzeigen und Discovery-Ads erhalten unter Last-Click kaum oder keinen Credit, auch wenn sie nachweislich Kaufprozesse initiieren; führt zu Unterinvestition in Awareness-Kanäle.
Brand-Keyword-Überbewertung: Nutzer suchen oft als letzten Schritt vor dem Kauf nach dem Markennamen; Brand-Keywords erscheinen daher unter Last-Click als die effizientesten Keywords, auch wenn der Kauf ohne den Brand-Klick trotzdem stattgefunden hätte.
Fehlende Cross-Channel-Sicht: Last-Click in Google Ads sieht nur Klicks auf Google-Anzeigen; Klicks auf Facebook, E-Mail-Links oder organische Ergebnisse, die vor dem letzten Google-Klick stattfanden, sind unsichtbar – das verzerrt das Bild noch weiter.
Benachteiligung langer Kaufzyklen: B2B-Produkte oder hochpreisige Konsumgüter mit mehrwöchigen Kaufprozessen sind unter Last-Click besonders schlecht abgebildet, da der erste Touchpoint (oft Awareness-Werbung) Wochen vor dem letzten Klick liegen kann.

Vergleich mit modernen Attributionsmodellen

Datengetriebene Attribution (DDA): Googles Machine-Learning-Modell verteilt Credit auf alle Touchpoints im Conversion-Pfad basierend auf deren statistischem Beitrag; erfordert mindestens 300 Conversions im Referenzzeitraum; heute Goldstandard in Google Ads und GA4.
Linear Attribution: Gleichmäßige Verteilung des Credits auf alle Touchpoints; einfach verständlich, aber ebenfalls vereinfachend; besser als Last-Click für die Würdigung aller beteiligten Kanäle.
Time Decay Attribution: Jüngere Touchpoints erhalten mehr Credit als frühere; besser als Last-Click für kurze Kaufzyklen, aber für lange Kaufprozesse immer noch verzerrt.
First-Click Attribution: Gegenteil von Last-Click; attribuiert den gesamten Wert dem ersten Touchpoint; überschätzt systematisch Awareness-Kanäle; nützlich zur isolierten Bewertung von Top-of-Funnel-Aktivitäten.

Praxistipp: Wechseln Sie in Google Ads zu datengetriebener Attribution (Einstellung unter „Conversion-Aktionen" im Bereich „Attributionsmodell"), sofern Ihr Konto mindestens 300 Conversions in 30 Tagen verzeichnet. Nutzen Sie danach den Modell-Vergleichsbericht in Google Ads, um zu analysieren, welche Keywords unter Last-Click deutlich weniger Credit erhalten als unter datengetriebener Attribution – diese Keywords sind wahrscheinlich wertvolle Upper-Funnel-Treiber, die Sie bisher unterschätzt und möglicherweise zu niedrig geboten haben. Dieser Wechsel allein verbessert erfahrungsgemäß die Smart-Bidding-Performance um 5–15 %.