Customer Lifetime Value in der Attribution: Kanäle am Kundenwert messen
Kanäle am Kundenwert zu messen statt an der Erstbestellung verändert, welche Kanäle sich lohnen. Ein Kanal, der günstige Einmalkäufer bringt, sieht im Bestell-Reporting gut aus. Ein Kanal, der treue Stammkunden bringt, sieht dort oft schlechter aus, obwohl er langfristig mehr Umsatz bringt. Dieser Artikel zeigt, was der Customer Lifetime Value an der Attribution ändert, wie du Wiederkäufe dem richtigen Kanal zuordnest und welche Daten du dafür brauchst.
Worum es geht: die Bestellung ist nicht das Ende der Geschichte
Die meisten Reports bewerten einen Werbekanal danach, wie viel Umsatz die Bestellungen bringen, die er auslöst. Das klingt vernünftig, hat aber einen blinden Fleck: Die Bewertung endet mit dem Kauf. Was der gewonnene Kunde danach tut, ob er nie wieder bestellt oder über Jahre regelmäßig nachkauft, taucht in dieser Rechnung nicht auf. Genau diesen Teil holt der Customer Lifetime Value in die Bewertung, also der Gesamtumsatz, den ein Kunde über die Dauer der Kundenbeziehung generiert.
Für die Attribution, also die Zuordnung von Umsatz zu Werbekanälen, ist das ein Perspektivwechsel. Statt zu fragen, welcher Kanal die einzelne Bestellung ausgelöst hat, fragst du, welcher Kanal Kunden bringt, die langfristig Wert schaffen. Beide Fragen sind berechtigt, aber sie führen zu unterschiedlichen Budget-Entscheidungen. Ein Kanal kann bei der ersten Frage gewinnen und bei der zweiten verlieren.
Relevant wird der Unterschied überall dort, wo Kunden wiederkommen können: bei Verbrauchsartikeln, Nachfüllprodukten, Mode, Tierbedarf, Nahrungsergänzung oder Abo-Modellen. Je größer der Anteil des Umsatzes, der aus Wiederkäufen stammt, desto stärker verzerrt eine Bewertung, die nur die Erstbestellung sieht.
Zurück zum Überblick: Multi-Touch Attribution, der vollständige Leitfaden. Im Glossar: Customer Lifetime Value.
Erstbestellung vs. Kundenwert: zwei Bewertungsmaßstäbe
Der übliche Maßstab ist der Bestellwert: Eine Bestellung über 80 Euro wird nach dem gewählten Attributionsmodell auf die beteiligten Kanäle verteilt, fertig. Auf diesem Maßstab beruhen die gängigen Kennzahlen, allen voran der ROAS, also der Umsatz pro eingesetztem Werbe-Euro. Er ist schnell verfügbar und für die kurzfristige Steuerung unverzichtbar.
Der zweite Maßstab ist der Kundenwert. Hier wird dem Akquise-Kanal nicht der Wert der ersten Bestellung zugerechnet, sondern der Umsatz des gewonnenen Kunden über einen definierten Zeitraum, zum Beispiel über die ersten zwölf Monate. Wiederkäufe zählen mit, auch wenn sie später über ganz andere Wege zustande kommen, etwa über den Newsletter oder den direkten Shop-Besuch.
Wichtig ist: Der zweite Maßstab ersetzt den ersten nicht, er ergänzt ihn. Für die Frage, ob eine Kampagne diese Woche profitabel läuft, bleibt der Bestell-ROAS die richtige Größe. Für die Frage, in welchen Kanal du dauerhaft Akquise-Budget steckst, ist der Kundenwert der ehrlichere Maßstab. Wer nur den ersten kennt, optimiert systematisch auf billige Erstbestellungen, und die stammen überdurchschnittlich oft von Käufern, die nie wiederkommen.
Verwandt, aber nicht identisch ist die Unterscheidung zwischen Umsatz und Marge: Auch der Kundenwert lässt sich statt auf Umsatz- auf Deckungsbeitragsbasis rechnen, dann wird aus der Umsatzbetrachtung eine Profitbetrachtung über die Kundenbeziehung.
Die Umsatz-vs.-Marge-Frage im Detail: ROAS vs. POAS im E-Commerce.
Rechenbeispiel: derselbe Kanal, zwei Urteile
Ein vereinfachtes Beispiel mit fiktiven Zahlen macht den Unterschied greifbar. Angenommen, zwei Kanäle gewinnen jeweils 100 Neukunden im Monat, bei identischen Werbekosten von 4.000 Euro.
Kanal A ist ein Gutschein-Umfeld. Die 100 Neukunden bestellen im Schnitt für 80 Euro, macht 8.000 Euro Erstbestellumsatz und einen ROAS von 2,0. Allerdings kommen viele dieser Käufer wegen des Rabatts und bestellen danach kaum wieder: Über die folgenden zwölf Monate kommen im Schnitt nur 20 Euro Umsatz pro Kunde dazu. Der Zwölf-Monats-Kundenwert liegt damit bei 100 Euro pro Kunde, also 10.000 Euro je Monatskohorte.
Kanal B ist ein Content- und Social-Umfeld. Die 100 Neukunden bestellen im Schnitt nur für 60 Euro, macht 6.000 Euro Erstbestellumsatz und einen ROAS von 1,5. Diese Kunden kaufen aber deutlich häufiger nach: Im Schnitt kommen 120 Euro Umsatz pro Kunde in den folgenden zwölf Monaten dazu. Der Zwölf-Monats-Kundenwert liegt bei 180 Euro pro Kunde, also 18.000 Euro je Monatskohorte.
Im Bestell-Reporting gewinnt Kanal A klar: ROAS 2,0 gegen 1,5. Wer danach steuert, verschiebt Budget von B nach A. Auf Kundenwert-Basis dreht sich das Bild um, denn Kanal B liefert fast das Doppelte an Umsatz pro eingesetztem Werbe-Euro, sobald die Wiederkäufe mitzählen. Beide Rechnungen sind korrekt, sie beantworten nur verschiedene Fragen. Das Problem entsteht, wenn die langfristige Budget-Frage mit der kurzfristigen Rechnung beantwortet wird.
Die Zahlen sind erfunden, der Mechanismus dahinter ist es nicht: Kanäle unterscheiden sich real darin, welche Art von Kunden sie bringen. Wie groß der Effekt bei dir ist, zeigt erst die eigene Bestellhistorie.
Wie sich Attributionsmodelle auf die Verteilung derselben Bestellung auswirken, rechnest du im Attribution-Rechner durch.
Voraussetzungen: Wiederkäufe dem richtigen Kanal zuordnen
CLV-Attribution steht und fällt mit einer Frage: Erkennst du, dass die Bestellung von heute und die Bestellung von vor vier Monaten vom selben Kunden stammen? Erst diese Verbindung erlaubt es, den Wiederkauf dem Kanal zuzurechnen, der den Kunden ursprünglich gewonnen hat.
Ein stabiles Kunden-Merkmal
Cookies reichen dafür nicht, denn zwischen zwei Käufen liegen oft Monate, und so lange überlebt kein Browser-Cookie zuverlässig. Du brauchst ein Merkmal, das Bestellungen dauerhaft verbindet. In der Praxis ist das die E-Mail-Adresse aus dem Checkout oder die Kundennummer aus dem Shop-System. Beides liegt bei jeder Bestellung ohnehin vor, es muss nur konsequent mit den Tracking-Daten zusammengeführt werden.
Eine First-Party-Datenbasis mit Historie
Die Zuordnung braucht einen Ort, an dem Touchpoints und Bestellungen über lange Zeiträume zusammenlaufen. Werbeplattformen sind dafür ungeeignet, weil ihre Attributionsfenster nach Tagen oder wenigen Wochen enden und jede Plattform nur die eigenen Kontakte sieht. Eine eigene, server-seitig befüllte Datenbasis kennt dagegen die komplette Bestellhistorie pro Kunde und den Akquise-Kanal der ersten Bestellung, und genau diese Kombination macht die CLV-Rechnung möglich.
Sauber getrennte Neu- und Bestandskunden
Damit die Rechnung stimmt, muss jede Bestellung als Erst- oder Wiederkauf erkannt werden. Sonst feiert ein Retargeting-Kanal Bestandskunden-Bestellungen als Neukunden-Erfolge, und die Akquise-Kanäle wirken schwächer, als sie sind. Die Unterscheidung ist mit einer sauberen Kundenzuordnung ein Nebenprodukt: Gibt es zur E-Mail-Adresse schon eine frühere Bestellung, ist es ein Wiederkauf.
Wie die Journey-Zuordnung über Kanäle hinweg funktioniert: Customer-Journey-Tracking. Wenn Kunden zwischen Geräten wechseln: Cross-Device-Tracking.
So bringst du den CLV in die Attribution
Der Einstieg ist weniger ein Software-Projekt als eine Auswertungs-Entscheidung. Diese Reihenfolge hat sich bewährt.
- Schritt 1: Kohorten nach Akquise-Kanal bilden. Gruppiere Neukunden nach dem Monat und dem Kanal ihrer ersten Bestellung. Diese Kohorten sind die Grundeinheit jeder CLV-Betrachtung.
- Schritt 2: Umsatz je Kohorte über die Zeit verfolgen. Summiere pro Kohorte den Umsatz nach 3, 6 und 12 Monaten. Schon dieser einfache Vergleich zeigt, welche Kanäle Einmalkäufer und welche Stammkunden bringen.
- Schritt 3: Zeitraum festlegen. Ein CLV ohne Zeitraum ist nicht steuerbar. Für die Kanalbewertung hat sich ein Fenster von zwölf Monaten als guter Kompromiss zwischen Aussagekraft und Wartezeit etabliert; bei kurzen Kaufzyklen reichen auch sechs Monate.
- Schritt 4: Mit dem Attributionsmodell kombinieren. CLV ersetzt das Attributionsmodell nicht, es ändert den Wert, der verteilt wird. Statt des Erstbestellwerts verteilst du den Kundenwert auf die Touchpoints der Akquise-Journey, nach demselben Modell wie bisher.
- Schritt 5: Prognose ergänzen, wenn Historie da ist. Sobald genug Kohorten durchgelaufen sind, lässt sich der spätere Kundenwert aus frühen Signalen schätzen. Damit wird der CLV von einer Rückschau zu einer Steuerungsgröße, die du direkt ins Bidding geben kannst.
Ab Schritt 5 schließt sich der Kreis zur Kampagnensteuerung: Google Ads und Meta können auf übergebene Werte optimieren, und wer dort statt des Bestellwerts einen prognostizierten Kundenwert übergibt, richtet Smart Bidding auf wertvolle Kunden statt auf billige Bestellungen aus.
Das Setup dafür als Dienstleistung: wertbasiertes Bidding mit Customer Match und Predicted LTV. Welches Attributionsmodell den Wert verteilt: Attributionsmodell auswählen.
Häufige Fehler bei der CLV-Attribution
Drei Fehler tauchen bei der Einführung immer wieder auf und lassen sich alle vermeiden, wenn man sie kennt.
Fehler 1: den CLV ohne Zeitraum verwenden
Ein "Lifetime" Value ohne definiertes Fenster ist eine Zahl, die nie fertig wird und sich nicht vergleichen lässt. Eine Kohorte aus dem letzten Jahr hatte zwölf Monate Zeit, Umsatz zu sammeln, eine aus dem letzten Quartal erst drei. Wer beide ungewichtet vergleicht, hält ältere Kanäle automatisch für bessere. Deshalb immer mit festen Fenstern arbeiten, etwa dem Sechs- oder Zwölf-Monats-Wert, und nur gleich alte Kohorten vergleichen.
Fehler 2: Bestandskunden-Umsatz doppelt vergeben
Wenn der Wiederkauf eines Kunden sowohl dem ursprünglichen Akquise-Kanal als auch dem Kanal des Wiederkaufs voll zugerechnet wird, zählt derselbe Umsatz doppelt, und in Summe steht mehr Umsatz im Reporting, als der Shop je gesehen hat. Es braucht eine bewusste Regel: entweder der Wiederkauf gehört zur Akquise-Betrachtung des ursprünglichen Kanals, oder er wird als eigene Journey behandelt, aber nicht beides gleichzeitig in derselben Auswertung.
Fehler 3: auf die Prognose steuern, ohne sie zu prüfen
Ein prognostizierter Kundenwert ist ein Modellwert, keine Messung. Läuft die Prognose ungeprüft ins Bidding, steuert das Budget auf eine Annahme, die niemand mehr hinterfragt. Der Abgleich ist einfach: Regelmäßig die prognostizierten Werte vergangener Kohorten neben die inzwischen realisierten legen. Weicht die Prognose systematisch nach oben oder unten ab, wird das Modell nachjustiert, bevor es weiter Budget verteilt.
Ob deine Datenbasis für die Kundenzuordnung schon trägt, zeigt das kostenlose Website-Audit.
Häufige Fragen zur CLV-Attribution
Was bedeutet Customer Lifetime Value in der Attribution?
Klassische Attribution verteilt den Wert einer einzelnen Bestellung auf die beteiligten Kanäle. CLV-Attribution erweitert den Blick: Dem Kanal, der einen Kunden gewonnen hat, wird nicht nur die Erstbestellung zugerechnet, sondern der Umsatz, den dieser Kunde über die gesamte Kundenbeziehung generiert, also auch Wiederkäufe. Damit beantwortet sie eine andere Frage: nicht "welcher Kanal hat diese Bestellung ausgelöst", sondern "welcher Kanal bringt Kunden, die langfristig Wert schaffen".
Reicht es nicht, Kanäle am ROAS zu messen?
Der ROAS auf Basis der Erstbestellung ist ein guter Startpunkt, aber er ist blind für alles, was nach der ersten Bestellung passiert. Zwei Kanäle mit identischem ROAS können völlig unterschiedlich wertvoll sein, wenn der eine Einmalkäufer bringt und der andere Kunden, die regelmäßig nachkaufen. Je höher deine Wiederkaufrate, desto größer wird dieser blinde Fleck. Bei einem Sortiment ohne nennenswerte Wiederkäufe ändert der CLV-Blick dagegen wenig, dann bleibt der Bestell-ROAS die passende Größe.
Realisierter oder prognostizierter CLV: was nehme ich?
Der realisierte CLV summiert die tatsächlichen Bestellungen eines Kunden auf und ist damit exakt, aber langsam: Er ist erst nach Monaten aussagekräftig. Der prognostizierte CLV schätzt den künftigen Wert aus frühen Signalen wie Erstbestellwert, Kategorie und Kaufverhalten vergleichbarer Kunden, ist dafür sofort verfügbar, aber ein Modellwert mit Unsicherheit. In der Praxis ergänzen sich beide: Prognose für die laufende Steuerung, realisierte Werte als regelmäßiger Abgleich, ob die Prognose die Realität trifft.
Brauche ich ein Kundenkonto, um Wiederkäufe zuzuordnen?
Nein, aber du brauchst ein stabiles Merkmal, das Bestellungen derselben Person verbindet. In der Praxis ist das meist die E-Mail-Adresse aus dem Checkout, auch bei Gastbestellungen. Ein Kundenkonto macht die Zuordnung zuverlässiger, weil es Tippfehler und wechselnde Adressen reduziert. Wichtig ist außerdem eine First-Party-Datenbasis, in der die Bestellungen zusammenlaufen, denn ein Cookie allein überlebt die Monate zwischen zwei Käufen in der Regel nicht.
Wie lange dauert es, bis CLV-Zahlen belastbar sind?
Das hängt von deinem Kaufzyklus ab. Als Faustregel brauchst du mindestens einen typischen Wiederkaufzyklus an Historie, besser zwei: Wer alle drei Monate nachkauft, liefert nach sechs Monaten ein erstes belastbares Bild, bei jährlichen Käufen dauert es entsprechend länger. Deshalb lohnt es sich, früh mit dem Sammeln zu beginnen, auch wenn du die Auswertung erst später einführst. Jeder Monat sauber zugeordneter Bestellhistorie verkürzt die Wartezeit auf belastbare Zahlen.
Kann ich den Kundenwert direkt an Google Ads übergeben?
Ja. Google Ads kann mit wertbasiertem Bidding auf übergebene Conversion-Werte optimieren, und statt des Bestellwerts kannst du dort einen prognostizierten Kundenwert übergeben. Smart Bidding sucht dann Kunden, die dem Profil deiner wertvollen Bestandskunden ähneln, statt nur billige Erstbestellungen einzusammeln. Wie das Setup mit Customer Match und Predicted LTV aussieht, zeigt unsere Lösungsseite zum wertbasierten Bidding.