Angenommen, ein B2B-SaaS-Unternehmen im Mittelstand öffnet im Oktober seinen Quellenbericht und sieht, dass der Direct Traffic im dritten Quartal in Folge der am schnellsten wachsende Kanal ist. Niemand hat eine Markenkampagne gestartet. Niemand tippt die URL aus dem Gedächtnis ein. Mein Eindruck ist, dass ein guter Teil dieser Kategorie aus Käufern besteht, die einen KI-Assistenten nach einer Shortlist gefragt haben, auf einen Link geklickt haben und ohne jede Angabe zur Herkunft angekommen sind.
In diesem Beitrag geht es um die KI-Referral-Attribution in HubSpot als operative Entscheidung. Meine These: Sie gehört in das RevOps-Datenmodell und nicht in den Analytics-Backlog.
Was mit einem KI-Besuch passiert, bevor er Ihr CRM erreicht
Ein KI-Referral ist ein Besuch, der von einem Link innerhalb einer Assistentenantwort ausgeht, etwa in ChatGPT, Perplexity, Gemini oder Google AI Overviews. Es gibt drei Wege, auf denen dieser Besuch seine Kennzeichnung verliert.
Der erste ist der Referrer. Desktop-Apps, In-App-Browser und kopierte Links übermitteln oft gar keinen Referrer, sodass der Besuch aussieht, als hätte jemand Ihre Adresse eingetippt. Der zweite ist der UTM-Parameter. Manche Assistenten hängen ein Quell-Tag an ausgehende Links an, viele tun es nicht, und das Verhalten ändert sich zwischen App-Versionen. Zum genauen Anteil pro Assistent kann ich Ihnen keine belastbare Antwort geben, und wer eine exakte Zahl nennt, rät.
Der dritte ist die Klassifizierung. Wenn ein Referrer von einer Domain eintrifft, die Ihr Tracking noch nie gesehen hat, landet er je nach Ihren Kanalregeln in einer generischen Referral-Kategorie oder wird einem anderen Kanal zugeschlagen. Die Dokumentation von Google zur Standard-Kanalgruppe zeigt, wie regelbasiert diese Zuordnung ist: Ein Besuch erhält die Bezeichnung, die die Regeln ihm geben, nicht die, die der Weg des Käufers verdient hätte.
Warum die KI-Referral-Attribution in HubSpot eine Frage des Datenmodells ist
Hier wird aus einem lästigen Reporting-Problem ein RevOps-Problem. Die ursprüngliche Quelle eines Kontakts wird beim Anlegen des Datensatzes gesetzt und danach nicht mehr überschrieben. Wurde der Besuch am ersten Tag als direkt abgelegt, erbt jeder spätere Bericht diesen Fehler. Ein besseres Dashboard korrigiert die Ansicht, aber nicht den Datensatz.
Wir behandeln es deshalb als Entscheidung zum Datenmodell, damit Sie später eine Frage beantworten können, die das aktuelle Setup nicht beantwortet: Bei wie vielen der in diesem Jahr abgeschlossenen Deals war ein KI-Assistent irgendwo im Verlauf beteiligt? Dafür muss der Assistenten-Kontakt als eigener Wert gespeichert werden und darf nicht nachträglich aus einem Kanalnamen abgeleitet werden.
Genau das leistet eine dedizierte Quelleneigenschaft. Sie erfasst den Assistenten-Touchpoint auf Kontaktebene, wird an den Deal weitergegeben und hat eine schriftlich festgelegte Regel dafür, welche Quelle gewinnt, wenn zwei einander widersprechen. Diese drei Bausteine, Erfassung, Speicherung und Vorrang, sind die eigentliche Entscheidung. Die Tag-Änderungen auf der Website sind der kleine Teil. Wie die Plattform das Source-Tracking handhabt, können Sie in der HubSpot-Wissensdatenbank nachlesen, doch welche Vorrangregel zu Ihrem Vertriebsprozess passt, verrät Ihnen die Dokumentation nicht. Das ist eine Einschätzung Ihres Geschäfts.
Was die Lücke Sie kostet
Die Kosten zeigen sich in der Budgetdiskussion. Ein Kunde sagte uns kürzlich, sein Marketingbudget für 2026 sei bereits vollständig verplant, die eigentliche Planung betreffe also 2027. Das ist eine häufige Situation. Das Argument für 2027 gewinnt man mit Belegen, und wenn Ihre KI-gestützte Pipeline im Direct-Traffic steckt, gehen Sie in diesen Raum, ohne sie zeigen zu können.
Es funktioniert auch umgekehrt. Ein Done-for-you-Anbieter berichtet öffentlich, ein Kunde sei innerhalb von vier Wochen von 550 auf über 2.300 KI-vermittelte Testzugänge gekommen. Das ist eine selbst berichtete Zahl ohne veröffentlichte Methode, und ich würde sie auch so behandeln. Beachten Sie aber, was sie voraussetzt: dass jemand KI-vermittelte Testzugänge zuverlässig zählt. Die meisten Teams können das über ihren eigenen Funnel bislang nicht behaupten.
Auch weiter unten im Prozess entstehen Lecks. Ein anderer Kunde beschrieb einen möglichen Fehler bei der Speicherung von UTM-Werten beim Anlegen eines Kontos, wodurch die Quelle genau in dem Moment verloren ging, in dem es darauf ankam. Die Erfassung am Rand hilft nur, wenn der Wert bis in den Datensatz erhalten bleibt.
Wie ich den Aufwand bemessen würde
Meine Faustregel lautet: Ab 100.000 Werbebudget im Monat empfehle ich immer einen Anbieter für Multi-Touch-Attribution. Darunter sprechen wir über Offline-Quellenattribution, was in der Praxis eine saubere Eigenschaft, eine klare Vorrangregel und eine monatliche Prüfung des Direct-Anteils bedeutet.
Für ein Team, das vom gründergeführten Vertrieb zu zwei Account Executives wächst, wäre alles Aufwendigere meines Erachtens übertrieben. Eine Eigenschaft und eine Prüfung genügen, um die Konturen zu erkennen. Bei einem Unternehmen mit längerem Verkaufszyklus und mehreren Beteiligten pro Deal sollte der Assistenten-Touchpoint am Deal und an den Kontakten der Buying Group hinterlegt sein, nicht nur bei der ersten Person, die ein Formular ausgefüllt hat.
Eine Einschränkung muss ich machen. Im Direct Traffic stecken seit jeher Dark Social, Lesezeichen und nicht getrackte E-Mails, und nicht das gesamte Wachstum geht auf KI zurück. Ob man will oder nicht: 100 Prozent werden Sie nicht erreichen. Ziel ist der Schritt von „unbekannt“ zu „wahrscheinlich KI, markiert und nachprüfbar“ und dass Sie den Direct-Anteil nicht länger als Ort behandeln, an dem Pipeline verschwindet.
Wo eingebettete Arbeit ins Spiel kommt
Die Reihenfolge ist wichtig, daher hier unser Vorgehen. Phase eins ist die Prüfung, was der Direct-Anteil heute enthält, und die Einigung auf die Vorrangregel. Phase zwei ist der Aufbau von Erfassung und Speicherung, damit der Wert vom Besuch bis zum Closed-won erhalten bleibt. Phase drei ist eine schlanke monatliche Prüfung, meist wenige Stunden, die sich mit der Zeit zurückbildet, sobald die Routine sitzt.
Bei Checkpoint GTM arbeiten wir eingebettet, statt nur zu beraten. Das ist hier wichtig, weil es sich um ein Projekt aus vielen kleinen, miteinander verbundenen Änderungen an Website, Formularen, CRM-Eigenschaften und Reporting handelt. Eine Präsentation mit dem Satz „KI-Traffic tracken“ bewegt davon nichts. Jemand muss die Eigenschaft verantworten, sie dokumentieren und Auskunft geben, wenn der Vertrieb fragt, warum ein Deal so markiert ist.
Meine Empfehlung: Treffen Sie die Entscheidung, bevor Sie mehr Inhalte für die KI-Suche produzieren, nicht danach. Wer in Zitierungen durch Assistenten investiert und nicht sehen kann, was diese Zitierungen bewirken, bezahlt für Sichtbarkeit, die er nicht belegen kann. Mehr dazu, wie wir über die operative Ebene denken, finden Sie in unseren weiteren Beiträgen zu RevOps.
Carolina Decastri