Marketing-Attribution für Shopify: der Operator-Guide
Ein praktisches Shopify-Attribution-Framework für Datenquellen, Modelle, UTMs, Order-Joins, Profit und saubere Budgetentscheidungen.
Marketing-Attribution für Shopify verbindet jede echte Bestellung mit den Marketing-Touchpoints davor und verteilt den Credit nach einer konsistenten Regel. Der Shop besitzt die Bestellung. Ad-Plattformen besitzen ihre Delivery-Daten. Die Attribution verbindet beides, ohne einer Seite zu erlauben, Umsatz zu erfinden.
Drei Wahrheiten, drei klare Jobs
Shopify erklärt selbst, dass First Interaction und Last Interaction unterschiedliche Referrer zeigen können. Die Shopify-Dokumentation zu Marketing-Reports beschreibt die verfügbaren Modelle und ihre Regeln.
Baue die Messkette in der richtigen Reihenfolge
- Campaign-Parameter standardisieren. Eine Naming Convention für Source, Medium, Campaign und Creative. Click IDs bleiben erhalten.
- Consented First-Party-Events sammeln. Landing, sinnvolle Interaktion und Conversion-Meilensteine auf der Shop-Domain erfassen.
- Checkout und Visitor verbinden. Eine stabile Cart- oder Checkout-ID ist stärker als IP-basierte Vermutungen.
- Order aus Shopify übernehmen. Umsatz, Refunds und Stornos kommen aus dem Commerce-System, nicht aus einem Browser-Event.
- Eine Evidence-Basis einfrieren. Jeder Report bewertet dieselben Touchpoints, dasselbe Fenster und denselben Order-Stand.
- Modell anwenden. First Click, Last Click, Linear oder ein dokumentierter Multi-Touch-Mix verändern Credit, aber nicht den Gesamtumsatz.
Welches Attribution-Modell passt?
- First Click für Discovery und Neukunden-Akquise.
- Last Non-Direct Click für den Touchpoint, der bestehende Nachfrage schließt.
- Linear oder begrenztes Multi-Touch für Journeys über Paid Social, Search und E-Mail.
- Incrementality-Tests für große Budgetverschiebungen. Attribution beschreibt beobachtete Pfade. Sie beweist keine Kausalität.
Shopify, Meta und Google können dieselbe Bestellung nach unterschiedlichen Regeln bewerten. Die Lösung ist nicht, ihre Zahlen zu mitteln. Die Lösung ist, Regeln und Evidence sichtbar zu machen.
Von attribuiertem Umsatz zu Profit
Umsatz-Attribution beantwortet, woher eine Bestellung kam. Sie beantwortet nicht, ob sie wirtschaftlich war.
Der Operator-View braucht zusätzlich:
- Netto-Umsatz nach Rabatten, Stornos und Refunds;
- Wareneinsatz;
- Versand, Fulfilment und Payment;
- Ad Spend;
- Neu- oder Bestandskunde;
- Kohortenwert, wenn Wiederkäufe relevant sind.
Damit wird aus ROAS ein Deckungsbeitrags-Read. Eine Kampagne kann auf attribuiertem Umsatz stark aussehen und nach Fulfilment plus Akquisekosten Geld verlieren.
Der wöchentliche Attribution-QA-Check
- Orders stimmen für denselben Zeitraum und dieselbe Zeitzone mit Shopify überein.
- Spend stimmt pro Plattform und Account-Währung.
- Direct und Unattributed bleiben sichtbar.
- Brand Search ist von Generic Search getrennt.
- Refund-Logik ist dokumentiert.
- Modell, Lookback Window und Zeitzone stehen im Report.
- UTMs und Click IDs überleben Redirect und Checkout.
- Eine Testbestellung erzeugt genau eine Conversion.
Wo nod. sitzt
nod. hält Platform Claims neben, aber außerhalb, des Attribution-Scores. Shopify besitzt die Order, die Plattform den Spend und der First-Party-Pixel rekonstruiert die consented Journey. Daraus entstehen MER, Real ROAS und Deckungsbeitrag CM1-CM3 auf derselben Evidence-Basis. Sieh dir nod. Performance oder die technische Erklärung zur nod. Attribution an.
Die Entscheidungsregel
Frage nicht, welches Dashboard recht hat. Frage, welche Quelle welches Faktum besitzt, welche Evidence ins Modell ging und ob das Ergebnis mit dem Shop reconciled. Sind diese drei Antworten sichtbar, ist die Zahl brauchbar. Sind sie versteckt, bleibt auch eine präzise Dezimalzahl eine Schätzung.