DokumentationAnalytics-Komponentenleitfaden

Metriktyp und Attribution metric-type-attribution

Last update: Sun Jul 06 2025 00:00:00 GMT+0000 (Coordinated Universal Time)

Erstellt für:

  • Benutzende
  • Admin

Sie können den Metriktyp und das Attributionsmodell für eine Metrik in der Definition einer berechneten Metrik konfigurieren.

  1. Wählen Sie in der Metrikkomponente Einstellung aus.

  2. Im Popup-Dialogfeld:

    Metriktyp und Attribution

    • Geben Sie den Metriktyp an:

      table 0-row-2 1-row-2 2-row-2
      Metriktyp Definition
      Standard

      Wenn eine Formel aus einer einzelnen Standardmetrik besteht, zeigt sie die gleichen Daten wie das nicht berechnete Metrikgegenstück an. Standardmetriken eignen sich zum Erstellen berechneter Metriken, die speziell für die einzelnen Zeileneinträge gelten.

      Zum Beispiel teilt Ereignis Bestellungen Geteilt durch Ereignis Besuche die Bestellungen für diesen spezifischen Zeileneintrag durch die Anzahl der Besuche für diesen spezifischen Zeileneintrag.

      Gesamtsumme

      Verwenden Sie die Gesamtsumme für den Berichtszeitraum in jedem Zeileneintrag. Wenn eine Formel aus einer einzelnen Gesamtsummenmetrik besteht, zeigt sie dieselbe Gesamtsummenzahl für jeden Zeileneintrag an. Gesamtsummenmetriken sind hilfreich, wenn Sie berechnete Metriken erstellen möchten, die mit den Gesamtdaten verglichen werden.

      Zum Beispiel zeigt Ereignis Bestellungen Geteilt durch Ereignis Gesamtbesuche den Anteil der Bestellungen im Verhältnis zu allen Besuchen und nicht nur die Besuche für den spezifischen Zeileneintrag an. In diesem Beispiel geben Sie die Gesamtsumme für die Metrik Ereignis Besuche in Ihrer berechneten Metrik an, die sie automatisch in Ereignis Gesamtbesuche umwandelt.

    • Geben Sie die Attribution an.

      1. Sie haben folgende Möglichkeiten:

        • Deaktivieren Sie Nicht standardmäßiges Zuordnungsmodell verwenden, um das standardmäßige Spalten-Attributionsmodell Letztkontakt mit einem Lookback-Fenster von 30 Tagen zu verwenden.

        • Aktivieren Sie Nicht standardmäßiges Zuordnungsmodell verwenden. Im Dialogfeld Attributionsmodell mit Spalten

          • Wählen Sie ein Modell aus den Attributionsmodellen aus.
          • Wählen Sie einen Container aus den Optionen für Container aus.
          • Wählen Sie ein Lookback-Fenster aus den Optionen für Lookback-Fenster aus. Wenn Sie Benutzerdefinierte Zeit auswählen, können Sie den Zeitraum in Minuten bis zu Quartalen festlegen.

      2. Wählen Sie Anwenden, um das nicht standardmäßige Attributionsmodell anzuwenden. Wählen Sie zum Abbrechen die Option „Abbrechen“ aus.

      Wenn Sie bereits ein nicht standardmäßiges Attributionsmodell definiert haben, wählen Sie Bearbeiten aus, um die Auswahl zu ändern.

Unter Beispiel finden Sie ein Beispiel für die Verwendung von Attributionsmodellen, Containern und Lookback-Fenstern.

Attributionsmodelle attribution-models

Ein Attributionsmodell bestimmt, welchen Dimensionselementen eine Metrik zugeschrieben wird, wenn im Lookback-Fenster einer Metrik mehrere Werte angezeigt werden. Attributionsmodelle werden nur angewendet, wenn im Lookback-Fenster mehrere Dimensionselemente festgelegt sind. Wenn nur ein einzelnes Dimensionselement festgelegt ist, werden diesem Dimensionselement unabhängig vom verwendeten Attributionsmodell 100 % zugeschrieben.

Symbol
Attributionsmodell
Definition
Letztkontakt
Letztkontakt
100 % werden dem Touchpoint zugeschrieben, der zuletzt vor der Konversion aufgetreten ist. Dieses Attributionsmodell ist in der Regel der Standardwert für jede Metrik, bei der kein anderes Attributionsmodell angegeben ist. Organisationen verwenden dieses Modell in der Regel, wenn die Konversionszeit relativ kurz ist, z. B. bei der Analyse interner Suchbegriffe.
Erstkontakt
Erstkontakt
100 % werden dem Touchpoint zugeschrieben, der zuerst im Attributions-Lookback-Fenster angezeigt wird. Organisationen verwenden dieses Modell in der Regel, um Markenwahrnehmung oder Kundenakquise zu verstehen.
Linear
Linear
Ermöglicht dieselbe Gewichtung für jeden Touchpoint, der vor einer Konversion erfolgte. Dies ist nützlich, wenn die Konversionszyklen länger sind oder häufiger Kundeninteraktionen erfordern. Organisationen verwenden dieses Attributionsmodell in der Regel zur Messung der Effektivität von App-Benachrichtigungen oder mit abonnementbasierten Produkten.
Beitrag
Beitrag
100 % Gewichtung für alle eindeutigen Touchpoints. Da jedem Touchpoint zu 100 % Gewichtung zugeschrieben werden, summieren sich die Daten von Metriken in der Regel auf mehr als 100 %. Wenn ein Dimensionselement mehrmals separat angezeigt wird, was zu einer Konversion führt, werden die Werte auf 100 % dedupliziert. Dieses Attributionsmodell ist ideal in Situationen, in denen Sie verstehen möchten, welchen Touchpoints Kundinnen und Kunden am meisten ausgesetzt sind. Medienunternehmen verwenden dieses Modell in der Regel zur Berechnung der Inhaltsgeschwindigkeit. Einzelhandelsunternehmen verwenden dieses Modell in der Regel, um zu verstehen, welche Teile ihrer Site für die Konversion von entscheidender Bedeutung sind.
Selber Kontakt
Selber Kontakt
100 % werden demselben Ereignis zugeschrieben, bei dem die Konversion erfolgte. Wenn ein Touchpoint nicht bei demselben Ereignis erfolgt wie eine Konversion, wird er unter „Keine“ zusammengefasst. Dieses Attributionsmodell wird manchmal damit gleichgesetzt, dass gar kein Attributionsmodell vorhanden ist. Dies ist nützlich in Szenarien, in denen Werte von anderen Ereignissen nicht beeinflussen sollen, wie eine Metrik Dimensionselementen eine Gewichtung zuschreibt. Produkt- oder Design-Teams können dieses Modell verwenden, um die Effektivität einer Seite zu bewerten, auf der die Konversion auftritt.
U-Form
U-Form
Der ersten Interaktion werden 40 % zugeschrieben, der letzten Interaktion 40 %. Die verbleibenden 20 % werden auf alle dazwischen liegenden Touchpoints aufgeteilt. Bei Konversionen mit einem einzigen Touchpoint werden diesem 100 % zugeschrieben. Bei Konversionen mit zwei Touchpoints werden jedem 50 % zugeschrieben. Dieses Attributionsmodell eignet sich am besten für Szenarien, in denen Sie der ersten und letzten Interaktion den höchsten Wert zuweisen, aber zusätzliche Interaktionen dazwischen nicht völlig ausschließen möchten.
J-Kurve
J-Kurve
Der letzten Interaktion werden 60 % zugeschrieben, der ersten Interaktion werden 20 % zugeschrieben. Die restlichen 20 % werden auf alle dazwischen liegenden Touchpoints aufgeteilt. Bei Konversionen mit einem einzigen Touchpoint werden diesem 100 % zugeschrieben. Bei Konversionen mit zwei Touchpoints werden der letzten Interaktion 75 % zugeschrieben und der ersten 25 %. Ähnlich wie „U-Form“ begünstigt dieses Attributionsmodell die erste und die letzte Interaktion, wobei die letzte Interaktion stark bevorzugt wird.
Umgekehrtes J
Umgekehrtes J
Der ersten Interaktion werden 60 % zugeschrieben, der letzten Interaktion 20 %. Die verbleibenden 20 % werden auf alle dazwischen liegenden Touchpoints aufgeteilt. Bei Konversionen mit einem einzigen Touchpoint werden diesem 100 % zugeschrieben. Bei Konversionen mit zwei Touchpoints werden der ersten Interaktion 75 % zugeschrieben und der letzten 25 %. Ähnlich wie „J-Form“ begünstigt dieses Attributionsmodell die erste und die letzte Interaktion, wobei die erste Interaktion stark bevorzugt wird.
Zeitverfall
Zeitverfall
Folgt einem exponentiellen Abfall mit einem benutzerdefinierten Parameter für die Halbwertszeit, wobei der Standardwert 7 Tage ist. Die Gewichtung der einzelnen Kanäle hängt von der Zeit ab, die zwischen dem Beginn des Touchpoints und der letztendlichen Konversion verstrichen ist. Die Formel, die zur Bestimmung der Gewichtung verwendet wird, lautet 2^(-t/halflife), wobei t die Zeit zwischen einem Touchpoint und einer Konversion ist. Alle Touchpoints werden dann auf 100 % normalisiert. Ideal für Szenarien, in denen die Attribution anhand eines bestimmten und bedeutenden Ereignisses gemessen werden soll. Je später eine Konversion nach einem Marketing-Ereignis erfolgt, desto geringer ist die zugeschriebene Gewichtung.
Benutzerspezifisch
Anpassen
Ermöglicht Ihnen die Angabe der Gewichtungen, die Sie für den ersten Touchpoint, den letzten Touchpoint und dazwischen liegende Touchpoints festlegen möchten. Die angegebenen Werte werden auf 100 % normalisiert, selbst wenn die eingegebenen benutzerdefinierten Zahlen zusammen nicht 100 ergeben. Bei Konversionen mit einem einzigen Touchpoint werden diesem 100 % zugeschrieben. Bei Interaktionen mit zwei Touchpoints wird der mittlere Parameter ignoriert. Die ersten und letzten Touchpoints werden dann auf 100 % normalisiert und die Gewichtung wird entsprechend zugeschrieben. Dieses Modell ist ideal für Analystinnen und Analysten, die eine vollständige Kontrolle über ihr Attributionsmodell wünschen und spezielle Bedürfnisse haben, die andere Zuordnungsmodelle nicht erfüllen.
Algorithmisch
Algorithmisch
Verwendet statistische Verfahren, um die optimale Zuordnung für die ausgewählte Metrik dynamisch zu bestimmen. Der für die Zuordnung verwendete Algorithmus basiert auf der Harsanyi-Dividende aus der kooperativen Spieltheorie. Die Harsanyi-Dividende ist eine Verallgemeinerung der Shapley-Wertlösung (die nach Lloyd Shapley, einem Nobelpreisträger für Ökonomie, benannt wurde) zur Verteilung von Gutschriften unter den Spielern in einem Spiel mit ungleichen Beiträgen zum Ergebnis.
Auf hoher Ebene wird die Attribution als eine Koalition von Spielenden berechnet, an die ein Überschuss gerecht verteilt werden muss. Die Überschusshöhe jeder Koalition wird nach dem Überschuss bestimmt, der zuvor von jeder Unterkoalition (oder zuvor teilnehmenden Dimensionselementen) rekursiv erzeugt wurde. Weitere Informationen finden Sie in John Harsanyis und Lloyd Shapleys Originaldokumenten:
Shapley, Lloyd S. (1953). A value for n-person games. Contributions to the Theory of Games, 2(28), 307-317.
Harsanyi, John C. (1963). A simplified bargaining model for the n-person cooperative game. International Economic Review 4(2), 194-220.

Container container

Ein Attributionscontainer definiert den gewünschten Umfang für die Attribution . Mögliche Optionen sind:

  • Besuch: Betrachtet Konversionen aus dem Umfang des Besuchs-Containers.
  • Besucher: Betrachtet Konversionen aus dem Umfang des Besucher-Containers.

Lookback-Fenster lookback-winwow

Ein Lookback-Fenster ist der Zeitraum, der für eine Konversion rückblickend bei der Erfassung von Touchpoints berücksichtigt werden sollte. Wenn ein Dimensionselement außerhalb des Lookback-Fensters festgelegt wird, wird der Wert in keine Attributionsberechnungen einbezogen.

  • 14 Tage: Blickt bis zu 14 Tage nach dem Zeitpunkt zurück, an dem die Konversion stattgefunden hat.
  • 30 Tage: Blickt bis zu 30 Tage nach dem Zeitpunkt zurück, an dem die Konversion stattgefunden hat.
  • 60 Tage: Blickt bis zu 60 Tage nach dem Zeitpunkt zurück, an dem die Konversion stattgefunden hat.
  • 90 Tage: Blickt bis zu 90 Tage nach dem Zeitpunkt zurück, an dem die Konversion stattgefunden hat.
  • Benutzerdefinierte Zeit: Ermöglicht es Ihnen, ein benutzerdefiniertes Lookback-Fenster ab dem Zeitpunkt festzulegen, an dem eine Konversion stattgefunden hat. Sie können die Anzahl der Minuten, Stunden, Tage, Wochen, Monate oder Quartale angeben. Beispiel: Bei einer Konversion am 20. Februar würde ein Lookback-Fenster von fünf Tagen alle Touchpoints der Dimension vom 15. bis 20. Februar im Attributionsmodell auswerten.

Beispiel

Sehen Sie sich folgendes Beispiel an:

  1. Am 15. September gelangt ein Besucher über Paid Search zu Ihrer Site und verlässt sie dann.
  2. Am 18. September gelangt der Besucher erneut über einen Link in sozialen Medien zu Ihrer Site, den er von einem Freund erhalten hat. Er fügt mehrere Artikel zum Warenkorb hinzu, erwirbt aber nichts.
  3. Am 24. September sendet Ihr Marketing-Team eine E-Mail mit einem Coupon für einige der Artikel im Warenkorb. Der Coupon wird angewendet, der Besucher ruft aber mehrere andere Websites auf, um zu sehen, ob andere Coupons verfügbar sind. Er findet einen weiteren über eine Display-Anzeige und kauft dann letztendlich für 50 Euro ein.

Je nach Attributionsmodell erhalten Container und Kanäle unterschiedliche Gutschriften. Beispiele finden Sie in der folgenden Tabelle:

Modell
Container
Lookback-Fenster
Erklärung
First Touch
Besuch
30 Tage
Die Attribution betrachtet nur den dritten Besuch. E-Mail kam vor Display-Anzeige, sodass E-Mail 100 % des Kaufs von 50 US-Dollar zugeschrieben werden.
First Touch
Besucher
30 Tage
Die Attribution untersucht alle drei Besuche. Paid Search kam zuerst, sodass Paid Search 100 % des Kaufs von 50 $ zugeschrieben werden.
Linear
Besuch
30 Tage
Das Guthaben wird zwischen E-Mail und Anzeige aufgeteilt. Beiden Kanälen werden jeweils 25 Euro zugeschrieben.
Linear
Besucher
30 Tage
Die Gutschrift wird aufgeteilt in Paid Search, Social Media, E-Mail und Display. Jedem Kanal werden für diesen Kauf 12,50 $ zugeschrieben.
J-förmig
Besucher
30 Tage

Die Gutschrift wird aufgeteilt in Paid Search, Social Media, E-Mail und Display.

  • Der Display-Anzeige werden 60 %, also 30 Euro, zugeschrieben.
  • Paid Search werden 20 %, also 10 Euro, zugeschrieben.
  • Die restlichen 20 % werden zwischen Social Media und E-Mail aufgeteilt (jeweils 5 Euro).
Zeitverfall
Besucher
30 Tage
  • Abstand von null Tagen zwischen Display-Touchpoint und Konversion. 2^(-0/7) = 1
  • Abstand von null Tagen zwischen E-Mail-Touchpoint und Konversion. 2^(-0/7) = 1
  • Abstand von sechs Tagen zwischen Social Media-Touchpoint und Konversion. 2^(-6/7) = 0.552
  • Abstand von 9 Tagen zwischen Paid Search-Touchpoint und Konversion. 2^(-9/7) = 0.41 Die Normalisierung dieser Werte führt zu Folgendem:
    • Display-Anzeige: 33,8 %, 16,88 Euro
    • E-Mail: 33,8 %, 16,88 Euro
    • Social Media: 18,6 %, 9,32 Euro
    • Paid Search: 13,8 %, 6,92 Euro

Konversionsereignisse, die in der Regel Ganzzahlen aufweisen, werden aufgeteilt, wenn die Gewichtung mehr als einem Kanal zugeschrieben wird. Wenn beispielsweise zwei Kanäle mit einem linearen Attributionsmodell zu einer Bestellung beitragen, erhalten beide Kanäle 0,5 dieser Bestellung. Diese Teilmetriken werden über alle Personen summiert und dann zur Berichterstellung auf die nächste Ganzzahl gerundet.

recommendation-more-help
46b8682c-fda6-4669-9355-1a44923e549e