Amazon Ads will Werbewirkung stärker über den unmittelbaren Attribution-Zeitraum hinaus messen. Digiday berichtet am 1. Oktober 2026, dass Amazon bei einer Analyse von mehr als zwei Millionen Kampagnen zu dem Ergebnis kam, dass rund 20 Prozent des Markenwerts erst nach dem üblichen Attributionsfenster sichtbar werden.
Long-Term Sales rechnet bis zu zwölf Monate weiter
Amazon beschreibt seine Kennzahl Long-Term Sales als ad-attribuierte Metrik, die direkte Verkäufe mit dem prognostizierten Wert von Kundeninteraktionen über die folgenden zwölf Monate verbindet.
Dafür betrachtet Amazon unter anderem neue Marken-Kunden und frühe Signale wie Markensuchen oder Warenkörbe. Historische Kaufmuster sollen daraus ableiten, welchen zusätzlichen Umsatz eine Kampagne langfristig auslösen könnte.
Für Media-Teams ist das attraktiv, weil Upper-Funnel-Werbung damit näher an einen monetären Wert rückt. Gleichzeitig bleibt Long-Term Sales eine modellierte Prognose und kein bereits realisierter Umsatz.
Agenturen wollen die Prognose gegen eigene Daten prüfen
Genau hier liegt laut Digiday die Reibung. Einige Agenturen nutzen die Kennzahl, um Effekte jenseits klassischer Last-Click-Modelle besser zu verstehen. Andere vergleichen Amazons Prognosen mit Marketing-Mix-Modellen, D2C-Umsätzen oder stationären Verkäufen und bleiben vorsichtig, wenn die Werte nicht übereinstimmen.
Das Grundproblem kennen Werbetreibende auch aus anderen automatisierten Media-Systemen: Je mehr eine Plattform selbst optimiert und misst, desto wichtiger wird eine unabhängige Kontrollschicht. Dazu passt unsere Einordnung zu KI im Media Buying.
Auch im Retail-Media-Markt wird Offsite-Wirkung wichtiger. Walmart Connect baut CTV, Social und Offsite aus, während bei ChatGPT Ads aktuell noch Messlücken größere Budgets bremsen.
Was Marketer daraus mitnehmen sollten
Long-Term Sales kann hilfreich sein, wenn Kampagnen nicht nur auf unmittelbare Käufe optimiert werden. Für Budgetentscheidungen sollte die Kennzahl aber gemeinsam mit eigenen Umsatz-, CRM- und Incrementality-Daten betrachtet werden.
Die zentrale Frage lautet nicht, ob eine Plattform langfristigen Wert modellieren kann, sondern wie gut sich diese Prognose später gegen tatsächliche Verkäufe validieren lässt.