Install-Attribution ist der Prozess, jedem neuen App-Install die Anzeige, Kampagne und das Netzwerk zuzuschreiben, das ihn ausgelöst hat. Es ist das zentrale Produkt jedes MMP und das Fundament jeder UA-Entscheidung — ohne verlässliche Attribution weiß man nicht, welche Kampagnen funktionieren, kann keine Gebote optimieren und kein Budget kanalübergreifend zuteilen.
Das Problem ist schwieriger als es klingt. Eine typische Install-Journey: Der Nutzer sieht eine TikTok-Anzeige, klickt nicht; sieht an Tag 3 eine Meta-Retargeting-Anzeige, klickt aber installiert nicht; sucht die Marke an Tag 5, sieht das App-Store-Listing organisch, installiert. Welche Quelle erhält Anerkennung? Verschiedene Attributionsregeln geben verschiedene Antworten — und die meisten Ad-Netzwerke werden den Install für sich beanspruchen, wenn gefragt, sodass ohne einen neutralen Schiedsrichter (das MMP) mehrere Netzwerke Anerkennung bekommen und man mehrfach für denselben Nutzer zahlt.
Gängige Attributionsregeln
- Last-Click-Attribution (Standard für die meisten MMPs): die letzte Anzeige, auf die der Nutzer vor dem Install geklickt hat (innerhalb des Fensters), erhält 100 % Anerkennung. Einfach, eindeutig, MMP-Standard, entspricht generell "der Anzeige, die den Install abgeschlossen hat".
- View-Through-Attribution: Anerkennung vergeben, wenn ein Nutzer eine Anzeige gesehen, aber nicht geklickt hat, und dann innerhalb eines kürzeren Fensters (1–24 Stunden) installiert hat. Schwächeres Signal als Click-Through. Oft als Tiebreaker eingesetzt, wenn keine Click-Attribution zutrifft.
- Multi-Touch-Attribution: Anerkennung über mehrere Touchpoints verteilt (linear, time-decay, positionsbasiert, datengesteuert). In der Theorie genauer, nach ATT schwieriger.
- First-Click-Attribution: Gegenteil von Last-Click — die erste geklickte Anzeige erhält Anerkennung. Weniger verbreitet; manchmal für "Demand-Generation"-Messungen verwendet.
- Engaged-View-Attribution: Videoanzeigen, die bis zu einem definierten Completion-Schwellenwert angeschaut wurden (oft 6 Sekunden oder 50 % Completion), erhalten Anerkennung für den Install. Verbreitet bei YouTube- und TikTok-Attribution.
iOS-Attribution nach ATT ist ein Flickenteppich
- SKAN-Postbacks für Installs aus SKAN-fähigen Ad-Netzwerken (die meisten großen Netzwerke inzwischen).
- MMP-Geräteebene-Attribution für Nutzer, die über ATT Opt-in gegeben haben (20–40 % der Nutzer).
- Apple-Search-Ads-Attribution-API speziell für Apple-Search-Ads-Kampagnen.
- First-Party-Signal — CRM-Matching, Web-to-App-Journey-Kontinuität via Deferred Deep Linking, vom Nutzer eingegebene Identifikatoren.
- Meta- und TikTok-interne Attribution — diese führen eigene User-Level-Attribution innerhalb ihrer Walled Gardens durch.
Die Aufgabe des MMP ist es, all das aufzunehmen, zu deduplizieren (damit derselbe Install nicht mehreren Quellen zugeschrieben wird) und eine einheitliche Ansicht zu erstellen.
Android-Attribution ist einfacher, weil GAID-basierte deterministische Attribution für die meisten Nutzer weiterhin funktioniert (~80–90 % der Android-Nutzer deaktivieren die Werbe-ID nicht). MMPs nutzen primär Install-Referrer (Googles offiziellen Mechanismus für Click-to-Install-Attribution) plus Geräte-Level-Matching. Privacy Sandbox für Android (schrittweiser Rollout) wird bis ~2027 SKAN-ähnliche aggregierte Attribution einführen.
Attributionsregel-Vergleich — wann welche gilt
| Regel | Funktionsweise | Stärken | Schwächen |
|---|---|---|---|
| Last-Click | Letzte geklickte Anzeige innerhalb des Fensters erhält 100 % Anerkennung | Einfach, eindeutig, MMP-Standard | Übergewichtet abschlussorientierte Kampagnen; ignoriert vorgelagerte Awareness |
| First-Click | Erste geklickte Anzeige innerhalb des Fensters erhält 100 % Anerkennung | Würdigt Demand-Generation-Arbeit | Übergewichtet initiale Awareness; ignoriert conversion-treibende Kontaktpunkte |
| View-Through | Anzeigenimpression (kein Klick) erhält Anerkennung, wenn Install innerhalb kürzerem Fenster (1–24 h) erfolgt | Erfasst Brand-/Video-Wirkung | Schwächeres Signal — Nutzer hat gesehen, aber nicht interagiert |
| Multi-Touch (linear) | Anerkennung gleichmäßig auf alle Touchpoints verteilt | Erkennt Funnel-Beitrag an | Schwierig cross-network nach ATT; lineare Gewichtung ist naiv |
| Multi-Touch (datengesteuert) | ML-Modell weist Gewichte basierend auf beobachteter Konversionskorrelation zu | Am genauesten, wenn funktionierend | Erfordert umfangreiche Daten + Plattformunterstützung |
| Engaged-View | Videoanzeigen bis zu definiertem Completion (z. B. 6 s oder 50 %) werden gutgeschrieben | Brücke zwischen Click und View-Through | Gängig bei YouTube + TikTok; weniger plattformübergreifend standardisiert |
MMP-Standard ist Last-Click innerhalb des Fensters (typischerweise 7–30 Tage). Reife Programme nutzen Multi-Touch + Inkrementalitätstests on top of Last-Click für strategische Entscheidungen, operieren aber auf Last-Click-Basis für tägliches UA-Bidding.