Kurz gesagt
- MTA verteilt Conversion-Umsatz auf alle Touchpoints davor, gemäß einem gewählten Modell
- Braucht Tracking auf Nutzerebene und ist daher denselben Lücken ausgesetzt, die jedes Tracking treffen
- „Multi-Touch“ ist eine Modellklasse (linear, Time-Decay, U-förmig, Data-Driven), kein einzelner Algorithmus
- Auf der MTA-Ebene widersprechen sich In-Platform-Reporting und unabhängige Realität am lautesten
Warum MTA zählt
Last-Click-Attribution gibt drastisch zu viel Credit an den Kanal, der zufällig am unteren Ende des Funnels steht, meist Branded Search und Direct. MTA existiert, um diese Verzerrung zu korrigieren, indem der Credit über die gesamte Journey verteilt wird.
Für die Paid-Media-Optimierung ist MTA das, was dir sagt „diese Prospecting-Kampagne zählt, auch wenn sie nicht den letzten Klick bekommt“. Ohne sie kürzt du systematisch das Budget genau der Kanäle, die tatsächlich neue Kunden entdecken lassen.
Wie MTA funktioniert
Schritt eins ist Tracking auf Nutzerebene: Jeder Touchpoint (Ad View, Klick, E-Mail, organischer Besuch) wird an eine Nutzeridentität geknüpft, idealerweise geräteübergreifend.
Schritt zwei ist der Aufbau der Journey: Die Touchpoints jedes Nutzers, der in einer Conversion endet, werden zeitlich geordnet aneinandergereiht. Das ist die Journey.
Schritt drei ist die Credit-Verteilung: Ein Attributionsmodell, linear, Time-Decay, U-förmig, Data-Driven oder custom, teilt den Conversion-Umsatz auf die Touchpoints der Journey auf.
Schritt vier ist die Aggregation: Credits pro Touchpoint summieren sich zu Credits pro Kampagne, die sich zu Credits pro Kanal summieren, die sich zu deiner obersten Attributionssicht summieren.
MTA vs. MMM
Die beiden beantworten unterschiedliche Fragen:
- MTA, „Welche Kanäle haben in den Journeys, die ich getrackt habe, zur Conversion beigetragen?“
- MMM, „Welche Kanäle haben über all meine Ausgaben hinweg, inklusive der Kunden, die ich nicht tracken konnte, inkrementellen Umsatz getrieben?“
MTA ist taktisch. MMM ist strategisch. Sie ergänzen sich, sie konkurrieren nicht. Die besten Measurement-Stacks 2026 nutzen MMM, um den Budgetrahmen pro Kanal zu setzen, und MTA, um innerhalb dieses Rahmens zu optimieren.
Was MTA killt
Dieselben drei Dinge, die jedes Tracking-basierte System killen:
- ITP, ETP und andere Browser-Privacy-Mechanismen löschen Cookies und verkürzen die Speicherdauer
- Ad-Blocker verhindern, dass das Pixel überhaupt feuert
- Serverseitiger Datenverlust, Pixel-Timing, Netzwerkfehler, Fehler beim Identity Stitching
Zusammen entfernen diese typischerweise 30 bis 40 % der Touchpoints aus dem Journey-Log. Welches Modell du auch obendrauf legst, es arbeitet auf einer Stichprobe, nicht auf der Wahrheit.
Häufige Fehler
- In-Platform-MTA vertrauen. Jede Plattform nutzt ein Modell, das ihr selbst nützt. Fahre eine unabhängige MTA-Ebene.
- Ein Modell wählen, das du nicht erklären kannst. „Data-Driven“ klingt verlockend, aber wenn niemand erklären kann, warum ein Kanal den Credit bekommen hat, den er bekommen hat, vertraut das Team der Zahl nicht.
- MTA fahren, ohne zuerst das Tracking zu reparieren. Ausgefeiltes Modell + kaputte Daten = ausgefeilte falsche Antwort.
FAQ zu MTA (Multi-Touch Attribution)
Was macht Multi-Touch-Attribution (MTA)?
MTA verteilt Conversion-Umsatz auf jeden Touchpoint einer Customer Journey, nicht nur auf den letzten Klick. Sie korrigiert die Verzerrung von Last-Click zugunsten von Branded Search und Direct.
Ist MTA dasselbe wie Data-Driven-Attribution?
Data-Driven-Attribution ist ein spezifischer Typ von MTA, das Modell lernt die Gewichte aus Conversion-Daten. Linear, Time-Decay und U-förmig sind ebenfalls alles MTA-Modelle.
Warum widerspricht MTA dem In-Platform-Reporting?
Jede Plattform wendet ihr eigenes Attributionsmodell an, das ihr selbst nützt. Eine unabhängige MTA-Ebene wendet ein einziges konsistentes Modell über alle Kanäle an, sodass sich die Credits auf 100 % des Umsatzes summieren.