Leistungen / Data & Automation / Attribution & Dashboards
Attribution, die zeigt was wirklich wirkt — nicht was bequem ist.
Plattform-Reports zeigen jedem Kanal seine eigene Wahrheit. Ich baue Cross-Channel-Attribution mit Incrementality-Tests und Live-Dashboards — damit das Budget zur Wirkung wandert, nicht zum lautesten Reporting.
Cross-Channel-Sicht
Eine Wahrheit statt fünf Plattform-Behauptungen. Klar, woher der Kunde wirklich kommt.
Incrementality-Tests
Misst, ob ein Kanal wirklich Sales verursacht — nicht nur Conversions sich zurechnet, die sowieso passiert wären.
Live-Dashboard
Looker Studio mit allen Channels, CAC, ROAS-Trend, Kohorten. Kein monatliches PDF, keine Slide-Schlachten.
Was du buchen kannst
Sechs Bausteine, einzeln oder als Paket
Start meist mit dem Attribution-Audit. Die Modell-Wahl entscheidet sich an deinem Channel-Mix und deiner Datenreife.
Attribution-Audit
Channel-Wahrheits-Vergleich, Reporting-Lücken, Modell-Status (Last-Click / Data-Driven / MMM).
Modell-Wahl
Last-Click für kleine Setups, Data-Driven für mittlere, Media-Mix-Modeling ab 1M Budget. Mit Entscheidungs-Matrix.
Data-Pipeline
GA4-BigQuery-Export, Shop-Daten, Ad-Plattform-APIs in einem Warehouse. dbt-Transformationen.
Dashboard-Build
Looker Studio oder Metabase mit Channel-Mix, Kohort-Analyse, LTV-Trend, CAC-Payback.
Incrementality-Tests
Geo-Holdouts, Channel-Pausen mit Lift-Messung. Methodik für überschneidende Audiences.
Team-Onboarding
Dashboard-Lese-Workshop, Decision-Framework, monatlicher Review-Sync. Self-Service-Reife.
Wie unterscheiden wir uns?
Drei Wege, Attribution zu bauen
Spezial-Tool, Plattform-Reports oder eigene Pipeline — alle drei haben ihre Phase. Hier die ehrliche Gegenüberstellung.
| Attribution-Tool Tracify, Triple Whale, Cometly | Plattform-Reports GA4 + Ad-Plattformen direkt | Truong Suarez Eigene Pipeline + Setup-Hand | |
|---|---|---|---|
| Setup-Aufwand | Niedrig (Plug-and-Play) | Sehr niedrig | Mittel (2–4 Wochen Setup) |
| Modell-Flexibilität | Tool-Defaults, limitiert | Jede Plattform ihr eigenes Modell | Last-Click / Data-Driven / MMM beliebig kombiniert |
| Incrementality | Vorhanden (z. B. Tracify) | Nicht möglich | Geo-Holdouts + Channel-Pausen-Methodik |
| Daten-Ownership | Tool-Datenbank | Plattform-Silos | Dein BigQuery, dein Looker, dein dbt |
| Beste Phase | DTC mit standardisierten Channels | Start-Phase, kleine Budgets | Wachsendes Setup, > 5 Channels, eigene BI-Reife |
Vergleich basiert auf öffentlich verfügbaren Informationen, Stand 2026. Wenn ein Tool oder Plattform-Reporting für deine Konstellation besser passt, sage ich dir das im Erstgespräch.
Wie wir arbeiten
Fünf Phasen, ein Ansprechpartner
Audit zuerst, dann Pipeline. Modell und Incrementality kommen, wenn die Daten fließen.
Audit
Channel-Diskrepanzen, Modell-Status, Daten-Reife. Output: Triage-Report.
Pipeline
BigQuery-Setup, GA4-Export, Ad-API-Connections, dbt-Transformationen. Output: Data-Warehouse.
Dashboard
Looker Studio mit Channel-Mix, Kohort, LTV. Output: Live-Dashboard.
Incrementality
Erste Geo-Holdouts, Pausen-Tests, MMM-Erstauswertung. Output: belastbare Wirkung pro Kanal.
Refresh
Modell-Adjust, neue Channels integrieren, Methodik aktualisieren.
Stack
Womit wir arbeiten
Keine Black-Box-Tools. Alles, was wir nutzen, kannst du selbst betreiben — wenn du es willst.
Warehouse
- BigQuery (Standard)
- Snowflake (Enterprise)
- Postgres + dbt (kleinere Setups)
Ingestion
- GA4 BigQuery Export
- Fivetran / Airbyte
- Custom-APIs (Meta, TikTok, etc.)
- Shopify / WooCommerce
Transformation
- dbt
- SQL
- Python (Notebooks)
- MMM-Frameworks (Robyn, LightweightMMM)
Visualisierung
- Looker Studio
- Metabase
- Mode Analytics
- Streamlit (Custom)
Empfohlener Einstieg
Zwei Wege, je nachdem wo du stehst
Für bestehende Reports zeigt der Tracking-Audit die Diskrepanzen. Für den Pipeline-Aufbau ist der Growth-Sprint passender.
Für dich, wenn
Deine Reports widersprechen sich
GA4 sagt X, Meta sagt Y, der Shop sagt Z. Du willst wissen, welche Wahrheit gilt und wie ein konsistentes Reporting aufgesetzt wird.
5–7 Tage · Report + 30-Min-Call
Starter-Audit / Tracking
- – Channel-Diskrepanzen-Analyse
- – Modell-Status-Check
- – Reporting-Lücken aufgedeckt
- – Top-3-Quick-Wins
Für dich, wenn
Pipeline + Dashboard sind neu
Du willst ein eigenes Attribution-Setup mit BigQuery, dbt und Looker Studio. Du brauchst Architektur, Pipeline-Plan und Modell-Empfehlung.
2 Wochen · Report + Workshop
Growth-Sprint
- – Pipeline-Architektur (Warehouse, Ingestion)
- – Modell-Empfehlung (Last-Click / DDA / MMM)
- – Dashboard-Konzept (Charts, Kohorten)
- – Incrementality-Test-Plan
- – Half-Day-Workshop zum Handover
Unsicher? Die Symptom-Triage auf der Audit-Seite hilft bei der Wahl. Der Audit-Preis wird auf ein Folgeprojekt angerechnet.
Wann das relevant wird
Typische Ausgangspunkte
Drei wiederkehrende Situationen, in denen Attribution & Dashboards das richtige Werkzeug sind.
Cross-Channel
Sales-Daten multikanal
Wenn jeder Kanal sich selbst die Conversion zurechnet — wie eine konsistente Wahrheit aufgebaut wird.
Skalierung
Ads skalieren nicht mehr
Wenn Last-Click-Reports dich in die falsche Richtung schicken — was bessere Attribution ändert.
Tracking
Tracking trotz Consent-Verlust
Server-Side-Setup mit gehashten Conversions als Datengrundlage für belastbare Attribution — DSGVO-konform.
FAQ
Was Kunden vor der ersten Zusammenarbeit oft fragen
Last-Click, Data-Driven oder MMM — was passt für mich?
Last-Click bei < 100k € Jahresbudget und 1–3 Kanälen (schnell, einfach, genügend). Data-Driven Attribution ab 100k € und 4–7 Kanälen (GA4 oder Custom). Media-Mix-Modeling ab 1M € oder bei starker Offline-Komponente (TV, OOH). Oft kombiniere ich DDA + leichtes MMM.
Brauche ich Incrementality-Tests wirklich?
Wenn dein größter Channel > 30 % Budget hat: ja. Geo-Holdouts oder Channel-Pausen zeigen oft, dass nur 20–40 % des ROAS inkrementell sind — der Rest waren Conversions, die sowieso passiert wären. Bei kleinen Setups (< 50k € Budget/Monat) eher Direct-Response-Tests statt formaler Incrementality.
Reicht nicht GA4 + Plattform-Reports?
Für kleinere Setups: ja. GA4 + sauberes Channel-Mapping ist eine valide Baseline. Sobald 4+ Channels mit gegenseitigen Overlap-Audiences laufen, fangen die Reports an sich gegenseitig auszuschließen — dann lohnt eine eigene Pipeline mit Source-of-Truth-Logik.
Tracify oder eigene Pipeline?
Tracify für DTC-E-Commerce, wo Setup-Zeit knapp ist und AI-Attribution gewollt ist. Eigene Pipeline für Mittelstand mit BI-Reife, Multi-Brand-Komplexität oder spezifischen Branchen-KPIs (LTV, Kohorten, Subskriptions-Churn).
Wie viel Pflege braucht das Dashboard?
Wenn die Pipeline einmal läuft: 2–4 Stunden pro Monat für Daten-Anomalien-Check, neues Kampagnen-Tagging, Quartals-Reviews. Bei strukturellen Änderungen (neue Plattform, neue Audience-Logik) kommt ein Modul dazu. Ich biete Pflege als optionalen Retainer oder übergebe an dein Data-Team.
Lass uns sprechen
Drei Wege — je nachdem wo du stehst.