CLV Attribution: Erste Erkenntnisse und Optimierungspotenziale

geschrieben von János Moldvay
2_erste erkenntnisse_clv attribution-1

Customer-Lifetime-Value (CLV) Attribution meint, Marketingressourcen nicht auf der Grundlage kurzfristiger Gewinne, sondern auf der des CLV zuweisen. In unserem letzten Blogbeitrag haben wir CLV-basierte Attribution aus konzeptioneller Sicht erläutert. Mit diesem Beitrag zeigen wir, wie CLV Attribution anhand von Adtriba, einer SaaS-Lösung für datengetriebenes Attribution Modeling, funktioniert.

So funktioniert CLV Attribution mit Adtriba

Im Performance- sowie im Recommendations-Bereich des Adtriba-Dashboards kann problemlos zwischen der Standard-Attribution- sowie der CLV-Attribution-Ansicht hin und her gewechselt werden. Außerdem kann die CLV-Attribution-Ansicht auch für Adtriba’s Google Ads Export aktiviert werden, um das AdWords Gebotsmanagement anhand des CLV-Ansatzes zu optimieren. Weiterhin kann der Customer Journey Export mit den Attributions Gewichtungen ganz einfach auf CLV Attribution umgestellt werden.

Wie bereits im ersten Blogbeitrag zu CLV Attribution erläutert, kann festgehalten werden, dass die "Summe der Einnahmen" ein geeigneter Stellvertreter für den CLV ist. Für eine vollständige CLV-Analyse müssen jedoch auch die Kosten und Betriebsmargen je Kunde berücksichtigt werden. Dies ist möglich, indem der Customer Journey Export, einschließlich der CLV Attributions Gewichtungen, mit solchen Daten aus dem Backend und den CRM-Systemen kombiniert wird.

Erste Erkenntnisse: Mehr Conversions im oberen Funnel durch CLV Attribution

Die Analyse der Daten einiger unserer Kunden zeigt: Durch den Vergleich zwischen der Standard-Attribution- mit der CLV-Attribution-Ansicht ergeben sich erste interessante Erkenntnisse. Ohne sich zunächst auf die Daten zu konzentrieren und CLV Attribution aus rein theoretischer Perspektive zu betrachten, würde man davon ausgehen; dass die Kanäle im unteren Funnel (z. B. SEA Brand, Retargeting und Direct) gegenüber denen im oberen Funnel (z. B. Non-Brand Paid Search, Display und Social) hinsichtlich des Anteils an der Conversion verlieren würden.

In diesem Beitrag geht es erste Erkenntnisse CLV-basierter Attribution. Eine vollständige Analyse aller Kunden wird demnach ausgeklammert. Die folgenden Statistiken basieren zudem nur auf einer Auswahl der Adtriba-Nutzer:

Reduzierung der Conversions, die auf:

  • Direct (-17%)
  • und Paid Search – Brand (-19%)

attribuiert werden.

Erhöhung der Conversions, die auf:

  • Paid Search – Brand (8%),
  • Display (10%)
  • und Social (3%)

attribuiert werden.

Diese ersten Erkenntnisse bestätigen die Annahme, dass Marketing-Kampagnen im oberen Funnel anfällig für Conversions sind und Marketing-Kampagnen im unteren Funnel dazu neigen, Conversions durch CLV Attribution zu verlieren.

Wir freuen uns sehr darüber, dass unsere Kunden mit diesen verbesserten Analysen arbeiten und umsetzbare Erkenntnisse dank CLV Attribution gewinnen. Denn resultieren aus den Erkenntnissen keine konkreten Marketing-Maßnahmen, dann ist auch die innovativste CLV Attribution Analyse wertlos.


Adtriba unterstützt Unternehmen dabei, mit Machine Learning-basierter Marketing Attribution bessere Entscheidungen zu treffen. Möchten Sie mehr erfahren? Wir freuen uns über Ihre Kontaktaufnahme an: janos@adtriba.com. Oder Buchung unserer Demo, in der wir gern Ihre Fragen beantworten:

Jetzt Demo vereinbaren