Mit Google Analytics & Attributionsmodellen Google Ads effizienter nutzen

Sie sammeln Klicks durch Suchnetzwerkanzeigen, doch Conversions kommen nicht zustande? Anderseits bleiben Buchungen und Käufe aus, sobald Sie das Anzeigenbudget verringern? Google Analytics zeigt Ihnen durch eine Verknüpfung mit dem Google Ads Konto, welchen Einfluss Ihre Ads Buchungen auf die Customer Journey Ihrer Kunden haben, welche Keywords rentabel sind und über welche Kanäle Ihre Kunden zu Ihnen kommen. Analytics schafft einen kanalübergreifenden Vergleich Ihres Budgets, das Sie so effizienter nutzen können. Wie das geht und was es mit Attributionsmodellen auf sich hat, erfahren Sie in unserem Blogartikel oder von unseren ExpertInnen für Suchmaschinenwerbung.

Eine Kaufentscheidung dauert meist länger als nur einen Klick

Bei der Suche nach Produkten und Dienstleistungen kann sich die Customer Journey oftmals über einen längeren Zeitraum erstrecken. Gerade bei teureren Produkten recherchieren Nutzer häufig über mehrere Tage oder gar Wochen hinweg, bevor sie sich für einen Kauf entscheiden. Bis ein Nutzer folglich eine Conversion (z.B. einen Kauf oder weitere festgelegte Ziele) durchführt, hat er zumeist mehrere Touchpoints mit einem Unternehmen – das kann eine Anzeige in den sozialen Netzwerken sein, eine Content-Kampagne zur Information, eine Werbetafel oder eine Google Ads Anzeige.

Des Öfteren wird eine Conversion aber nur der letzten Interaktion in der Customer Journey zugerechnet – vorbereitende Kanäle spielen dann keine Rolle in der Auswertung. Gerade für Google Ads Anzeigen kann sich dieses Attributionsmodell negativ auswirken, da bezahlte Anzeigen zwar häufig für den Erstkontakt mit einem Unternehmen verantwortlich sind, wobei die eigentliche Conversion über einen anderen Kanal stattfindet. Somit bereitet Google Ads einige Conversions vor, aber diese werden letztendlich anderen Kanälen zugeordnet. Das führt nicht nur zu einer lückenhaften Auswertung, sondern auch zu einem schlechteren Abschneiden der bezahlten Anzeigen im Kanalvergleich.

Vorteile der Google Analytics Attributionsmodelle für Google Ads nutzen

Für eine genaue Analyse der Attributionsmodelle ist es wichtig, Ihr Google Ads Konto mit einem Google Analytics Konto zu verknüpfen. Im Gegensatz zu Google Analytics, werden Ihnen im Google Ads Konto nur Daten der bezahlten Suche bereitgestellt. Demgegenüber stellt Google Analytics ein kanalübergreifendes, ganzheitliches Webanalysetool dar, mit dem Sie Einsicht in die Webseiten-Zugriffe über alle Quellen haben (Bezahlt, Organisch, Soziale Netzwerke, Direkt etc.). Folglich können Sie über die Attributionsmodellierung in Google Analytics unterschiedliche Werbekanäle miteinander vergleichen, deren Vernetzung analysieren und Ihr Budget effizienter einsetzen.

Die Nutzung datengetriebener Attribution mit Google Analytics hat zusammengefasst folgende Vorteile für Sie:

  • Der Wert, der bei einer Conversion jeder Anzeige und jedem Keyword zugerechnet wird, ist besser kontrollierbar.
  • Bei der Analyse kann festgestellt werden, wie sich Nutzer bereits früher im Kaufprozess ansprechen lassen.
  • Es kann das Modell ausgewählt werden, das für das Suchverhalten Ihrer potentiellen Kunden am geeignetsten ist.
  • Allen Schritten im Suchprozess kann ein Conversion-Wert zugewiesen werden.
  • Aufgrund des kanalübergreifenden Vergleichs wird Ihr Budget effizienter eingesetzt.

Lineares Attributionsmodell am Beispiel einer Hotelbuchung

Angenommen, ein potentieller Kunde plant einen Urlaub in Bayern und sucht nach einem geeigneten Hotel. Am Anfang seiner Customer Journey ist er sich noch nicht darüber im Klaren, wohin genau die Reise gehen soll. Daher gibt er zunächst in der Google-Suche „hotel bayern“ ein. Über den Klick auf eine bezahlte Anzeige wird er auf die Webseite eines Hotels weitergeleitet. Ein paar Tage später kehrt er über ein soziales Netzwerk auf dieselbe Webseite zurück. Am gleichen Tag gibt er direkt die URL der Webseite in seinen Browser ein, um ohne Umwege auf die entsprechende Seite zu gelangen und schließt eine Buchung ab. In diesem Fall entstand der Erstkontakt durch eine bezahlte Anzeige, weshalb der Klick mit einem entsprechenden Attributionsmodell, wie zum Beispiel dem „Ersten Klick“, als Conversion gemessen werden kann.

Anhand der Messung in Google Analytics können außerdem die unterschiedlichen Kampagnen bzw. deren Keywords miteinander verglichen und somit die Customer Journey besser analysiert werden. So können Sie zum Beispiel auswerten, ob allgemeine Keywords, wie „hotel bayern“ oder spezifischere Keywords wie „4 sterne wellnesshotel allgäu“ zu mehr Conversions führen und ob Sie Ihr Budget richtig einsetzen.

Auswahl an sechs verschiedenen Attributionsmodellen

Abgestimmt auf die Ausrichtung Ihres Unternehmens wählen Sie das passende Google Attributionsmodell, mit dem Sie Ihre Kampagnen miteinander vergleichen können und Ihr Unternehmensziel zu erreichen. Die Modelle reichen von konservativen Bewertungen über wachstumsortientierte Ansätze bis hin zu individuellen, datenbasierten Modellen.

In Google Analytics können Sie daher aus sechs Attributionsmodellen wählen. Dabei legen Sie fest, welcher Wert jedem an einer Conversion beteiligten Klick zugerechnet werden soll. Sie entscheiden, ob Sie den gesamten Wert dem ersten oder letzten Kanal in der Customer Journey zuordnen lassen möchten, oder ob Sie die Conversion auf alle Touchpoints verteilen. Ein solches Modell, das den Wert einer Conversion auf mehrere Kontaktpfade verteilt, ist das lineare Modell. Hierbei wird der Wert prozentual gleichmäßig auf alle Kanäle aufgeteilt. Im vorherigen Beispiel wären es jeweils 33,33% für Google Ads, Soziale Netzwerke sowie für die organische Suche.

Welches das geeignetste Modell darstellt, lässt sich nicht so einfach beantworten. Die Auswahl hängt vor allem von Ihren eigenen Werbezielen und Unternehmensstrategien ab. Ist es Ihr Ziel, zunächst mehr Nutzer auf Ihr Unternehmen aufmerksam zu machen, so scheint Ihnen der erste Klick bedeutender zu sein. Dementgegen misst womöglich ein Hotelbetreiber jeder einzelnen Anzeigeninteraktion innerhalb des Kaufprozesses den gleichen Wert bei, da ihm die gesamte Interaktion im Kaufprozess wichtiger ist und er dadurch den Stellenwert der einzelnen Kanäle in der Customer Journey bewerten kann. Die Frage, was Sie mit Ihrer Werbestrategie erreichen möchten, ist demnach für die Modell-Auswahl von Bedeutung. 

Attributionsmodelle vergleichen und individuell auswählen

Zur Entscheidungshilfe steht Ihnen in Google Analytics ein Modell-Vergleichstool zur Verfügung, mit dem bis zu drei Attributionsmodelle gleichzeitig miteinander verglichen werden können. Ein solcher Vergleich lohnt sich zum Beispiel auch bei Onlineshops, bei denen sich Nutzer häufig nicht sofort für einen Kauf entscheiden und daher eine längere Customer Journey durchlaufen. Somit kann das komplexe Kaufverhalten besser ausgewertet und nachvollzogen werden, was eventuell sogar zur Veränderung der eigenen Geschäftsstrategie und Verlagerung von Marketing-Budgets führen kann, da diese an neue Erkenntnisse angepasst werden.

Nutzen Sie Google Analytics für Suchmaschinenwerbung

Wenn auch Sie bisher ungenutztes Potential aus Ihren Werbestrategien herausholen oder mehr über Google Analytics erfahren möchten, kontaktieren Sie uns und lassen Sie sich von unseren SEA-ExpertInnen beraten! 

Die Suche nach AGI führt KI Forschung an ihre Grenzen, verbindet technische Ambitionen mit ethischen Risiken und stellt Gesellschaften vor die Frage, wie universelle Maschinenintelligenz kontrolliert, ausgerichtet und sinnvoll in soziale und wirtschaftliche Strukturen eingebettet werden kann.
Weiterlesen
Mit der Transformer Architektur beginnt eine neue Ära, in der KI nicht nur versteht, sondern schöpft und dank Attention Mechanismen Texte, Bilder und Ideen generiert und so den Weg für moderne LLMs und kreative Anwendungen bereitet.
Weiterlesen
Der Deep-Learning-Boom entsteht aus Datenflut, GPU-Power und neuen Netzarchitekturen und entfesselt eine KI-Revolution, die Forschung und Industrie grundlegend verändert und den Übergang von symbolischer Logik zu selbstlernenden Systemen beschleunigt.
Weiterlesen
Nach Jahren des Stillstands erlebten neuronale Netze in den 1980ern mit Backpropagation eine Wiedergeburt. Mehrschichtige Netze lernten komplexe Muster automatisch, übertrafen Expertensysteme und legten den Grundstein für das spätere Deep Learning.
Weiterlesen
In den 1980er Jahren feierten Expertensysteme die KI kurzzeitig als wirtschaftlichen Erfolg. Hohe Wartungskosten, begrenzte Domänen und teure Hardware führten jedoch zum Scheitern und lösten den Zweiten KI Winter aus.
Weiterlesen
Ab etwa 1974 erlebt die symbolische KI eine Phase tiefer Ernüchterung. Die kombinatorische Explosion und gescheiterte Generalisierung aus Spielzeugwelten führen zu massiven Kürzungen der Fördergelder, ersten Rückzügen der Forschung und zum Ersten KI Winter.
Weiterlesen
In den 1960er Jahren dominiert die symbolische KI das Feld und erhebt die regelbasierte Manipulation von Symbolen zum Kern der Intelligenz. Programme wie Logic Theorist und GPS befeuern den Glauben, menschliches Denken vollständig in formale Strukturen übersetzen zu können.
Weiterlesen
xDer Dartmouth Workshop von 1956 definiert erstmals ein eigenes Forschungsfeld und gibt der Disziplin ihren Namen. Die Vision einer programmierbaren Intelligenz vereint führende Köpfe und markiert den Beginn einer Ära, geprägt von Ehrgeiz, Optimismus und bahnbrechenden Ideen.
Weiterlesen
In den frühen Nachkriegsjahren verschmelzen biologische Modelle, kybernetische Ideen und elektronische Architektur zu einem neuen Verständnis von Intelligenz. McCulloch, Pitts, Wiener und von Neumann schaffen die Grundlagen, auf denen moderne KI Systeme technisch und theoretisch aufbauen.
Weiterlesen
Alan Turing definiert inmitten der logischen Krise erstmals, was ein Algorithmus ist, und erschafft mit der universellen Maschine das Fundament der Informatik. Sein Modell legt die theoretischen Grenzen des Berechenbaren offen und prägt jede spätere KI Entwicklung maßgeblich.
Weiterlesen
Am Vorabend der modernen Informatik spitzte sich die Frage zu, was Berechnung überhaupt ist. Die Krise der Mathematik machte sichtbar, dass eine abstrakte Definition des Algorithmus fehlte und damit der letzte theoretische Schlüssel zur späteren KI Entwicklung weltweit.
Weiterlesen
Im 19. Jahrhundert entsteht durch die Erforschung von Reflexbögen und Nervenzellen erstmals ein mechanistisches Verständnis des Gehirns. Diese biologische Perspektive liefert die Blaupause künstlicher Neuronen und prägt die Grundlagen späterer Modelle lernfähiger KI-Systeme.
Weiterlesen
Kontakt
Leichte Sprache
crossmenu linkedin facebook pinterest youtube rss twitter instagram facebook-blank rss-blank linkedin-blank pinterest youtube twitter instagram