Was selbstberichtete Attribution sieht und Klickdaten verpassen

Was ist selbstberichtete Attribution?

Einen Kunden zu fragen, wo er von Ihnen gehört hat, ist selbstberichtete Attribution, also eine Umfrageantwort bei Registrierung oder Checkout und kein Klick, den ein Tag aufgezeichnet hat. Das Feld lautet meist "Wie haben Sie von uns erfahren?", und sein Wert landet auf dem Kundendatensatz, nicht in der Analytics-Property. Es misst eine Erinnerung, und die Erinnerung ist der Punkt: Es ist das einzige Instrument, das einen Kanal sehen kann, der keinen Referrer, keinen UTM-String und kein Cookie hinterlassen hat.

Klickbasierte Attribution misst etwas Engeres und Verlässlicheres, nämlich den letzten taggbaren Kontakt vor dem Start einer Session. Das sind zwei verschiedene Fragen, und sie sollen sich widersprechen.

	Selbstberichtete Attribution	Klickbasierte Attribution
Messeinheit	Eine Antwort pro konvertierender Person	Eine Session oder ein Event
Gemessene Grundgesamtheit	Nur Konvertierende	Alle, die die Seite geladen haben
Sieht Offline- und private Kanäle	Ja	Nein
Sieht die tatsächliche Landingpage und Kampagne	Nein	Ja
Fehlermodus	Erinnerungsfehler und Fragendesign	Fehlender Referrer und verlorene Identifikatoren
Kann eine Rate liefern	Nein, es gibt keinen Nenner	Ja

Was misst sie, was Klicktracking nicht messen kann?

Sie misst Einfluss, der nie zu einem Klick wurde, den Ihr Tag lesen konnte. Vier Traffic-Familien verhalten sich so, und alle vier fallen in einem Analytics-Report in denselben Topf.

Google Analytics 4 definiert seinen Direct-Kanal über eine exakte Regel, veröffentlicht in der Referenz zur Standard-Kanalgruppe: Source exactly matches "(direct)" und Medium is one of ("(not set)", "(none)"). Das ist keine Kategorie von Absicht. Das ist die Abwesenheit von Beweisen. GA4 dokumentiert außerdem einen Auffangtopf: Unassigned "is the value Analytics uses when there are no other channel rules that match the event data". Zwischen beiden melden sich eine Podcast-Erwähnung, ein in eine private Slack-Nachricht eingefügter Link, ein Konferenzvortrag und die mündliche Empfehlung einer Kollegin völlig identisch. Der (direct) / (none) Topf in GA4 ist die Stelle, an der sie landen.

Eine neuere Besonderheit ist dokumentiert und widersinnig. GA4 hat einen Kanal AI Assistant für Zugriffe aus Quellen wie ChatGPT, Gemini, Deepseek, Copilot oder Grok ergänzt, der greift, wenn "the medium exactly matches ai-assistant". Dieselbe Referenz hält fest, dass dieser Kanal "excludes Google's AI Overviews and AI Mode", die stattdessen unter Organic Search zählen. Ein Kunde, der Sie über eine KI-Antwort gefunden hat, kann also je nach genutztem Assistenten in drei verschiedenen Kanälen abgelegt werden, und er kann trotzdem als Direct erscheinen, wenn er die Domain anschließend eingetippt hat. Fragen Sie ihn, und er sagt "ChatGPT".

Selbstberichtete Attribution ist außerdem die einzige Messung, die das Ablaufen eines Attributionsfensters überlebt. Ein Kunde, der eine Podcast-Werbung vierzehn Monate vor der Registrierung gehört hat, liegt außerhalb jedes Rückblickzeitraums, den irgendeine Plattform anbietet. Er wird trotzdem "Podcast" sagen.

Vier private Kanäle, ein Sammelbecken

Podcast-Erwähnung

Privater Slack-Link

Konferenzvortrag

Empfehlung eines Kollegen

(direct) / (none)

Warum verzerren die Antworten?

Die Antworten verzerren, weil das Feld eine Umfrage ist, und die Umfrageforschung misst diese Effekte seit Jahrzehnten. Die veröffentlichte Anleitung des Pew Research Center zum Schreiben von Umfragefragen dokumentiert jeden der folgenden Punkte mit Zahlen.

Eine Option anzubieten bläht sie auf. Nach der US-Präsidentschaftswahl 2008 fragte Pew in zwei Fassungen, welches Thema bei der Wahl am wichtigsten war. "When explicitly offered the economy as a response, more than half of respondents (58%) chose this answer; only 35% of those who responded to the open-ended version volunteered the economy." "Google" in Ihr Dropdown zu setzen ist derselbe Zug. Es wird gewinnen.

Eine geschlossene Liste verbirgt alles, was Sie vergessen haben. Im selben Experiment gaben von den Befragten mit geschlossener Liste "fewer than one-in-ten (8%) provided a response other than the five they were read. By contrast, fully 43% of those asked the open-ended version provided a response not listed in the closed-ended version of the question." Ein Feld "Sonstiges" mit einem einstelligen Anteil ist kein Beleg dafür, dass Ihre Liste vollständig ist.

Die Position in der Liste entscheidet Stimmen. Pew hält fest, dass "in telephone surveys respondents more frequently choose items heard later in a list (a recency effect), and in self-administered surveys, they tend to choose items at the top of the list (a primacy effect)". Ein Registrierungsformular ist eine selbst ausgefüllte Umfrage. Was oben steht, wird übergewichtet. Pews eigenes Gegenmittel ist die Randomisierung: "many sets of response options in Pew Research Center's surveys are programmed to be randomized to ensure that the options are not asked in the same order for each respondent."

Wie Sie die Kategorien schneiden, ändert den Sieger. In einer Pew-Umfrage vom Januar 2002 ergab die Frage, ob der Präsident sich auf Innen- oder Außenpolitik konzentrieren solle, 52 Prozent für Innenpolitik und 34 Prozent für Außenpolitik. Die Verengung von "Außenpolitik" auf "den Krieg gegen den Terror" drehte das auf 33 Prozent Innenpolitik und 52 Prozent Krieg gegen den Terror. Dasselbe passiert, wenn aus "Social Media" der Punkt "Ein LinkedIn-Beitrag von jemandem, mit dem ich arbeite" wird.

Menschen antworten so, dass sie vernünftig wirken. Pew nennt das Soziale-Erwünschtheits-Verzerrung: "People have a natural tendency to want to be accepted and liked, and this may lead people to provide inaccurate answers to questions that deal with sensitive subjects." Die Forschung zeigt, dass Befragte Kirchenbesuche, Spenden und ihre Wahlwahrscheinlichkeit überschätzen. In einem Registrierungsformular ist die schmeichelhafte Antwort "eine Freundin hat euch empfohlen" und die unschmeichelhafte "ich habe auf eine Anzeige geklickt".

Mehrfachauswahl verschlechtert die Qualität. Pew merkt an, dass "a 2019 Center study found that forced-choice questions tend to yield more accurate responses, especially for sensitive questions", und dass das Center Mehrfachauswahllisten deshalb generell meidet. Ein mehrfach auswählbares "Wie haben Sie von uns erfahren?" erzeugt mehr Auswahlen insgesamt und weniger Signal pro Auswahl.

Eine Verzerrung ist spezifisch für dieses Feld und nicht für Umfragen allgemein: Nur Konvertierende sehen es überhaupt. Es gibt keine Kontrollgruppe, die Daten können also keine Rate liefern. Sie können sagen, dass Podcast unter den Registrierten vor Reddit lag. Sie können nicht sagen, dass ein Podcast besser konvertiert, weil niemand die Podcast-Hörer gezählt hat, die sich nicht registriert haben.

Wie gleichen Teams sie mit Analytics ab?

Sie verbinden beides über einen gemeinsamen Schlüssel und lesen die Abweichungen als Landkarte, nicht als Fehler. Der Abgleich funktioniert nur, wenn die Antwort dort gespeichert wird, wo sie sich verbinden lässt.

1. Schreiben Sie die Antwort in ein Feld auf dem Kunden- oder Bestelldatensatz, neben dem Identifikator, auf den die Analytics- oder CRM-Seite ohnehin schlüsselt. Halten Sie den Freitext und die normalisierte Kategorie in zwei getrennten Spalten.
2. Erfassen Sie den klickseitigen Kanal im selben Moment auf demselben Datensatz. In GA4 ist das session_default_channel_group, das laut Dokumentation nach einem Modell "Paid and organic channels last click" ausgewertet wird und sich damit vom datengetriebenen Modell der eventbezogenen Dimension Default channel group unterscheidet.
3. Kreuztabellieren Sie beides. Die selbstberichtete Antwort in den Zeilen, der Klickkanal in den Spalten. Bilden Sie keinen Durchschnitt und mischen Sie beides nicht zu einem Prozentwert.
4. Lesen Sie drei Zellen. Selbstauskunft sagt Podcast und Klickkanal sagt Direct: ein dunkler Kanal wirkt, unsichtbar für das Tag. Selbstauskunft sagt Google und Klickkanal sagt Direct: eine Brand-Suche oder ein Lesezeichen, und der Topf Direct Traffic verdeckt verdiente Nachfrage. Selbstauskunft nennt eine Quelle, die Sie gar nicht betreiben: entweder ein Fehlklick in der Liste oder ein Affiliate, von dem Sie nichts wussten.
5. Führen Sie den Freitext unter "Sonstiges" getrennt und lesen Sie ihn jedes Quartal neu. Wenn eine Formulierung wiederkehrt, befördern Sie sie zur Listenoption und akzeptieren Sie, dass ihr Anteil aus Gründen springt, die mit echtem Wachstum nichts zu tun haben.

Zwei Leitplanken halten die Zahlen ehrlich. Randomisieren Sie die Reihenfolge der Optionen, damit sich der Primacy-Effekt über die Optionen verteilt, statt sich auf die erste zu konzentrieren, so wie Pew es selbst hält. Und lassen Sie das Feld optional, denn ein Pflichtfeld verwandelt "ich weiß es nicht mehr" in eine Vermutung, und eine Vermutung landet in Ihren Daten ununterscheidbar von einer Erinnerung.

Selbstberichtete Attribution ersetzt kein Marketing-Attributionsmodell, und die beiden werden sich nie einig. Wenn ein bezahlter Kanal in der Plattform groß und im Feld klein aussieht, lautet die ehrliche Lesart, dass die Anzeige Nachfrage abgegriffen hat, die ein anderer Kanal erzeugt hat. Diese Lücke ist der Befund, nicht die eine oder die andere Zahl.

Häufig gestellte Fragen

Wohin gehört das Feld "Wie haben Sie von uns erfahren"?

In den Registrierungs- oder Checkout-Schritt, nachdem die Conversion sonst gesichert ist, und optional. Weiter vorne kostet es Abschlüsse; nach der Zahlung verlieren Sie Befragte, die sofort gehen. Pews Hinweis zur Fragenreihenfolge greift unmittelbar: "earlier questions can unintentionally provide context for the questions that follow", ein Feld direkt hinter einer Liste von Integrationen oder Logos zieht also Antworten an, die genau diese nennen.

Sollte das Feld Freitext oder ein Dropdown sein?

Beides, in zwei Spalten. Ein Dropdown liefert über die Zeit vergleichbare Kategorien; Freitext ist der einzige Weg, einen Kanal zu finden, den Sie nicht erwartet haben. Pew dokumentiert den Zielkonflikt: Eine geschlossene Liste zog 58 Prozent für eine Option, die ungestützt nur 35 Prozent nannten, während 43 Prozent der offenen Antworten auf der geschlossenen Liste gar nicht vorkamen.

Warum widersprechen sich selbstberichtete Attribution und Google Analytics?

Weil sie verschiedene Grundgesamtheiten mit verschiedenen Instrumenten zählen. GA4 zählt Sessions und vergibt einen Kanal aus Referrer und UTM-Parametern und fällt auf Direct zurück, wenn Source exactly matches "(direct)" und das Medium (none) oder (not set) ist. Das Feld zählt konvertierende Personen und hält eine Erinnerung fest. Die breiteren Gründe, warum zwei Tools unterschiedliche Zahlen melden, stehen in warum Analytics-Tools unterschiedliche Zahlen zeigen.

Lässt sich aus selbstberichteter Attribution eine Conversion Rate berechnen?

Nein. Nur Konvertierende antworten, der Nenner existiert also nicht. Das Ergebnis ist eine Rangfolge unter Kunden und eine Liste von Kanälen zum Nachgehen, keine Rate. Jeder Prozentwert, den Sie daraus rechnen, ist ein Anteil an den Befragten, und so sollte er auf jedem Diagramm beschriftet sein.

Wie viele Optionen sollte die Liste haben?

Wenige. Pew rät, die Antwortoptionen "to a relatively small number, just four or perhaps five at most" zu halten, mit dem Hinweis, dass Menschen sich kaum mehr gleichzeitig merken können, ausgenommen faktische oder demografische Fragen, bei denen längere Listen helfen. Eine Liste mit zwanzig Einträgen misst vor allem, welche Einträge oben stehen.

Beseitigt das Randomisieren der Reihenfolge die Verzerrung?

Nein, es verteilt sie um. Pew ist deutlich: "Randomization of response items does not eliminate order effects, but it does ensure that this type of bias is spread randomly." Eine feste Reihenfolge konzentriert den Primacy-Vorteil dauerhaft auf einen Kanal, und das ist schlimmer, weil die aufgeblähte Option wie ein stabiler Trend aussieht.

Warum könnte jemand, der über ChatGPT zu Ihnen gefunden hat, als Direktzugriff auftauchen?

Der KI-Assistenten-Kanal von GA4 greift nur, wenn das Medium exakt "ai-assistant" lautet, und deckt Aufrufe von ChatGPT, Gemini, Deepseek, Copilot und Grok ab. Tippt dieselbe Person Ihre Domain anschließend direkt in den Browser statt auf einen getrackten Link zu klicken, verbucht GA4 stattdessen eine Direct-Sitzung. Die selbstberichtete Attribution schließt diese Lücke trotzdem, weil der Kunde einfach "ChatGPT" antwortet.

Was ist Social-Desirability-Bias bei einem Feld "Wie haben Sie von uns erfahren"?

Damit bezeichnet Pew die Tendenz, eine Antwort zu geben, die den Befragten sympathisch und akzeptiert erscheinen lässt, auch wenn sie nicht zutrifft. Auf einem Anmeldeformular klingt "ein Freund hat mich empfohlen" besser als "ich habe auf eine Anzeige geklickt", weshalb Befragte zur schmeichelhafteren Antwort tendieren. Pews Forschung zeigt dasselbe Muster bei überhöhten Angaben zu Kirchgang und Spenden.

Kann selbstberichtete Attribution einen Kunden erfassen, der erst über ein Jahr nach einer Anzeige konvertiert?

Sie kann, weil eine Erinnerung kein Lookback-Fenster kennt wie ein Cookie oder eine Werbeplattform. Ein Kunde, der vierzehn Monate vor der Anmeldung erstmals eine Podcast-Werbung gehört hat, liegt außerhalb jedes Attributionsfensters, das eine Plattform anbietet, antwortet aber trotzdem mit "Podcast". Klickbasierte Attribution hat für diese Zeitspanne nichts vorzuweisen.

Was ist Dark Social, und warum erfasst selbstberichtete Attribution es?

Dark Social bezeichnet Traffic, der keinen Referrer für ein Tag hinterlässt: eine Podcast-Erwähnung, ein in einer privaten Slack-Nachricht geteilter Link, ein Konferenzvortrag oder die mündliche Empfehlung eines Kollegen. Selbstberichtete Attribution erfasst das, weil sie die konvertierende Person direkt fragt, statt einen URL-Parameter auszulesen, der nie gesetzt wurde. Klicktracking verbucht alle vier im selben (direct)/(none)- oder Unassigned-Bucket in GA4.