Es gibt einen Moment, der jedes Vertrauen in Marketing-Attribution erschüttert: Du fragst eine neue Kundin, wie sie auf dich gekommen ist. Sie sagt "eine Kollegin hat euch empfohlen, dann habe ich euch gegoogelt". Dein Dashboard hat denselben Vorgang längst verbucht - als "Organic Search". Die Empfehlung, der eigentliche Grund, taucht nirgends auf. Marketing-Attribution verspricht, jedem Kanal seinen Anteil am Umsatz zuzuweisen. 2026 ist der ehrliche Befund: Ein Teil davon ist messbar, ein Teil war es nie - und wer beides verwechselt, optimiert auf das falsche Signal.
Das ist kein Grund, das Messen aufzugeben. Es ist ein Grund, genauer hinzusehen, welche Zahl eine Messung ist und welche nur ein Modell. Fangen wir mit der Lücke an.
Wie groß ist die Lücke zwischen Dashboard und Wirklichkeit?
Größer, als die meisten wahrhaben wollen. Die US-Agentur Refine Labs hat in ihrer Studie "The Attribution Mirage" zwölf Monate lang die eigene Pipeline doppelt gemessen: einmal per Attributions-Software, einmal per Selbstauskunft der Käufer ("Wie hast du von uns gehört?"). 620 Anfragen, 21,5 Millionen Dollar Abschlussvolumen. Das Ergebnis: Die Software schrieb 78 Prozent der Conversions der Websuche zu - die Käufer selbst nannten die Suche nur in 12 Prozent der Fälle. 85 Prozent verorteten ihren Erstkontakt stattdessen in Kanälen, die kein Pixel sieht: Social Media, Podcast, Community, Empfehlung. Der Podcast, laut Selbstauskunft für 53 Prozent des Umsatzes verantwortlich, existierte in der Software-Attribution schlicht nicht: null Prozent.
Fairerweise: Das sind die Daten eines einzelnen US-B2B-Anbieters aus zwölf Monaten, keine Weltformel. Aber der Mechanismus dahinter ist universell. Software-Attribution misst den letzten technisch sichtbaren Klick vor der Conversion - und der ist fast immer eine Suche nach deinem Namen oder ein Direktaufruf. Was davor lag, die eigentliche Entscheidung entlang der Customer Journey, bleibt dunkel. Dein Dashboard belohnt systematisch den Kanal, der erntet, und übersieht den, der sät.
Was kannst du 2026 technisch überhaupt noch tracken?
Weniger, als die Dashboards suggerieren - und das liegt nicht an deinem Setup. Auf iOS müssen Apps seit 2021 um Erlaubnis fragen, bevor sie Nutzer über Apps hinweg tracken. AppsFlyer meldete im April 2025, dass global 50 Prozent der Nutzer zustimmen, in Deutschland 47 Prozent. Anders gesagt: Rund die Hälfte deiner mobilen Zielgruppe ist für kanalübergreifendes Tracking unsichtbar - und welche Hälfte, entscheidet nicht dein Analytics-Tool, sondern der Nutzer.
Bei den Cookies ist die Lage kurioser. Google hat am 22. April 2025 offiziell erklärt, Third-Party-Cookies in Chrome doch nicht abzuschaffen - nach Jahren angekündigter Deadlines. Entwarnung ist das trotzdem keine: Safari und Firefox blockieren Drittanbieter-Cookies längst standardmäßig, und in der EU steht zwischen dir und jedem Tracking-Skript ein Consent-Banner, das viele Besucher ablehnen. Deine Analytics sehen also nicht "die Besucher", sondern die Teilmenge, die auf dem richtigen Browser unterwegs war und zugestimmt hat. Jede Conversion-Rate, die du daraus ableitest, trägt diesen blinden Fleck in sich - auch beim Retargeting, das auf denselben Signalen aufbaut.
Warum reden plötzlich wieder alle über Marketing-Mix-Modeling?
Weil die Branche leise zugibt, dass Klick-Tracking allein die Frage nicht beantwortet. Marketing-Mix-Modeling, kurz MMM, schätzt den Beitrag deiner Kanäle statistisch aus aggregierten Daten - Ausgaben rein, Umsatz raus, ganz ohne Cookies. Die Methode ist Jahrzehnte alt und galt lange als Konzern-Werkzeug. Dass ausgerechnet Google im Januar 2025 sein eigenes MMM "Meridian" als Open Source für alle freigegeben hat, ist das ehrlichste Eingeständnis des größten Werbekonzerns der Welt: Wer Wirkung verstehen will, braucht mehr als Attributions-Pixel.
Für kleine und mittlere Teams gehört zur Ehrlichkeit aber auch das: MMM braucht lange Datenreihen, nennenswerte Budgets auf mehreren Kanälen und jemanden, der das Modell versteht. Unter ein paar tausend Euro Monatsbudget pro Kanal gibt es schlicht zu wenig Signal zum Modellieren. Die Richtung stimmt trotzdem auch im Kleinen: weg von der Illusion, jeden Klick einzeln zu verfolgen, hin zu der Frage, ob der Funnel insgesamt mehr abschließt, wenn du einen Kanal hoch- oder runterdrehst.
Was kannst du stattdessen zuverlässig messen?
Vier Dinge tragen, und keines davon ist exotisch. Erstens: UTM-Parameter auf allem, was du selbst verschickst und schaltest - konsistent benannt statt kreativ improvisiert. Sie machen deine eigenen Kampagnen sauber unterscheidbar; nur beim organischen Entdecktwerden helfen sie naturgemäß nicht. Zweitens: ein Pflichtfeld "Wie hast du von uns gehört?" in jedem Formular. Genau diese Selbstauskunft hat in der Refine-Labs-Studie den Podcast sichtbar gemacht, den die Software auf null schätzte - freie Texteingabe schlägt dabei jedes Dropdown. Drittens: First-Party-Daten in einem gepflegten CRM, in dem Quelle und Selbstauskunft am Kontakt hängen und bis zum Abschluss mitlaufen. Viertens: die Geschäftszahlen selbst - Anfragen, Termine, Abschlüsse pro Monat. Die sind unbestechlich, weil sie kein Modell brauchen.
Und lern die Gegenprobe: Unterscheide gemessene Zahlen von modellierten. Eine eingegangene Anfrage ist ein Fakt. Ein "zugeschriebener Umsatz je Kanal" ist eine Schätzung nach Rechenregel - genauso wie beliebte Drittanbieter-Werte à la Domain Authority, die Autorität nur simulieren. Modelle dürfen Entscheidungen informieren. Fakten sollten sie treffen.
Drei Hebel für ehrliche Attribution
Frag deine Kunden, statt nur zu tracken. Ein Pflichtfeld "Wie hast du von uns gehört?" kostet eine Stunde Einrichtung und deckt die Kanäle auf, die kein Pixel sieht. Werte es monatlich neben der Software-Attribution aus - die Differenz zwischen beiden ist die interessanteste Zahl in deinem Reporting.
Bring Disziplin in das, was du kontrollierst. Einheitliche UTM-Konventionen, saubere Quellenfelder im CRM, ein A/B-Test statt drei paralleler Änderungen. Du kannst nicht alles messen - umso wichtiger, dass das Messbare stimmt.
Entscheide auf Ebene der Geschäftszahlen. Ob ein Kanal bleibt, sollte davon abhängen, was mit Anfragen und Abschlüssen passiert, wenn du ihn veränderst - nicht davon, welchen Anteil ihm ein Modell zuweist. Kanal einen Monat hochdrehen, Geschäftszahlen beobachten, dann entscheiden: Das ist der Inkrementalitäts-Test für Teams ohne Data-Science-Abteilung.
Attribution 2026 heißt nicht, die perfekte Zuordnung zu finden - die gab es nie. Es heißt, mit offenen Augen zu messen, was messbar ist, und den Rest ehrlich als Schätzung zu behandeln. Wenn du wissen willst, wie ein Messaufbau für dein Team konkret aussieht, sprich mit uns - Termin direkt online buchen. 📊