Attribution-Lift-Index

Attribution Lift Index (ALI) ist eine Kennzahl für Lift-Effekte, die eine konkrete, nützliche Frage beantworten soll: Hat dieses SEO- oder Growth-Engagement tatsächlich zu inkrementellen Ergebnissen geführt – oder wurde ihm im Reporting nur die Anerkennung zugeschrieben? Die gängige Formel lautet (Testergebnis - Gruppenergebnis der Kontrolle) / Gruppenergebnis der Kontrolle x 100. Mathe ist einfach. Die Umsetzung ist hart.

Für SEO-Teams ist ALI besonders dann entscheidend, wenn es darum geht, Planungszeit im Roadmap-Entwurf, Content-Budgets oder eine sechsstellige Migrations-„Clean-up“-Maßnahme zu verteidigen. Ahrefs, Semrush und die Google Search Console können Sichtbarkeitsgewinne zeigen. Sie können jedoch die Kausalität nicht allein belegen.

Was ALI tatsächlich misst

ALI vergleicht eine behandelte Gruppe mit einer statistisch ähnlich zusammengesetzten, unbehandelten Gruppe. Das kann bedeuten: Seiten, Regionen, Nutzerkohorten oder Produktkategorien. Wenn die Testgruppe die Conversions um 18% steigert, während die Kontrollgruppe um 10% wächst, ist der inkrementelle Lift die Differenz – nicht das reine Headline-Wachstum.

Hier werden die meisten Teams schlampig. Sie nennen jede Steigerung nach dem Launch „Lift“. Das ist es nicht. Ohne eine Kontrollgruppe hast du zwar Trenddaten, aber kein Kausalitätsbeleg.

Wofür SEO-Teams ALI nutzen

• Content-Launches: Haben 80 neue Vergleichsseiten wirklich net-new Demos erzeugt – oder nur die bereits vorhandene Nachfrage nach der Marke abgefangen?
• Technisches SEO: Hat ein Relaunch/Umstellung des internen Linkings den Umsatz pro Sitzung verbessert – oder nur die Crawl-Tiefe in Screaming Frog?
• Arbeiten an SERP-Features: Hat strukturiertes Auszeichnen (Schema Markup) tatsächlich zu mehr Transaktionen geführt – oder lediglich zu mehr Rich-Result-Impressions in der GSC?
• Brand-Defense-Projekte: Hat GEO-ähnlicher Content den Lift bei Brand-Suchen erhöht, nachdem Nutzer*innen zuvor durch KI-Antworten damit konfrontiert wurden?

Gute Beispiele sind meist langweilig. Änderungen an Kategorie-Templates. Bedienelemente für die Facettennavigation. Rollouts von lokalen Landingpages über 20 bis 50 passende Märkte hinweg. Genau dort spielt ALI seine Stärke aus.

So führst du es aus, ohne dich selbst zu täuschen

Nimm Holdout-Tests, Geo-Splits oder gematchte URL-Gruppen. Für mittelgroße Websites brauchst du in der Regel genug Volumen, um mindestens einen Effekt von 5% bis 10% mit 90% bis 95% Sicherheit nachweisen zu können. Wenn dein Seitenset nur 500 Klicks pro Monat bekommt, ist ALI größtenteils Theater.

Die Google Search Console ist oft die Eingangsgröße am oberen Ende des Funnels – nicht die alleinige Quelle der Wahrheit für Business-Ergebnisse. Kombiniere sie mit GA4, BigQuery, CRM-Daten oder Backend-Umsatzdaten. Verwende Screaming Frog, um sicherzustellen, dass die Implementierung zwischen Test- und Kontrollgruppe wirklich gleich ist. Nutze Ahrefs oder Semrush, um Offpage-Volatilität zu überwachen, die die Auswertung verfälschen kann.

Eine ehrliche Einschränkung: SEO ist chaotisch. Algorithmus-Updates, PR-Spikes, Saisonalität, E-Mail-Kampagnen und bezahltes Retargeting können Lift-Tests schnell verzerren. Googles John Mueller hat wiederholt gesagt, dass Google Websites nicht so misst, wie SEO-Tools es tun – und das ist hier relevant: Änderungen der Drittanbieter-Sichtbarkeit von Moz, Ahrefs oder Semrush sind Kontext, aber kein Beleg.

Wie ein gutes ALI aussieht

Ein sinnvoller ALI-Resultat ist konkret: +12,4% inkrementelle Anmeldungen über 42 Tage, 95% Konfidenz, über 320 behandelte URLs gegenüber 320 gematchten Kontrollen. Das ist budgettauglicher Evidenzgrad.

Ein schwaches ALI-Ergebnis klingt eher so: „Die Klicks sind gestiegen, nachdem wir den Content veröffentlicht haben.“ Okay. Nicht kausal. Nicht vorstandsreif.

Noch eine Einschränkung. ALI bricht ein, wenn sich Kanäle stark überlappen. SEO, Paid Search, E-Mail und Direktzugriffe beeinflussen oft denselben Conversion-Pfad. In solchen Fällen ist ALI weiterhin nützlich – aber nur, wenn du die Intervention eng definierst und breitere Konfidenzintervalle akzeptierst, als Stakeholder normalerweise erwarten.