Datengetriebene Marketing Attribution – einfach erklärt

geschrieben von János Moldvay
marketingattribution_einfacherklärt

Es gibt unzählige Modelle für Marketing Attribution. Seien es klassische, statische oder dynamische, datengetriebene Attributionsmodelle – jedes hat seine Vor- und Nachteile. In diesem Beitrag geben wir Ihnen eine Orientierungshilfe, damit Sie entscheiden können, welches für Sie das richtige Attributionsmodell ist.

Die Customer Journey unserer Heldin Donna

Um das Verständnis für die verschiedenen Szenarien zu erleichtern, gehen wir gemeinsam auf eine Reise mit unserer Heldin Donna. Donna repräsentiert eine potentielle Kundin entlang Ihrer Customer Journey. Ihr Wunsch: Im Netz das perfekte Hochzeitskleid zu finden.

customer_journey_helding_donna

Auf dem Weg zur Conversion klickt Donna zuerst auf eine Paid Anzeige bei Google, anschließend auf einen Facebook-Post, später auf einen Newsletter-Link und dann auf einen gesponserten Tweet. Bis Donna schließlich Ihren Online-Shop besucht (via Direct), um ihr favourisiertes Kleid zu kaufen. Die Frage, die sich dabei stellt: Wie sollte jeder dieser einzelnen Schritte – also Marketing-Touchpoints – bewertet werden?customer_journey_auf_dem_weg_zur_conversion

Klassische Modelle für Marketing Attribution

Klasse Attributionsmodelle verteilen, sprich attribuieren 100 Prozent des Wertes für eine Conversion auf einen einzelnen Marketing-Touchpoint. Sie stellen dabei die Basis aller Attributionsmodelle dar und werden bis heute am häufigsten angewandt. Warum das problematisch ist, erfahren Sie im weiteren Verlauf des Beitrags.

Das Last-Click-Modell

Das Last-Click-Modell weist 100 Prozent des Wertes für eines Conversion dem letzten Touchpoint vor der Conversion zu. Alle anderen Touchpoints in der Customer Journey berücksichtigt es dabei nicht. Die Mehrheit der Marketing-Manager bewerten ihr Online-Marketing auf Basis einer statischen Last-Click-Betrachtung. Es stellt die Grundlage in vielen standardmäßigen Analysetools dar. In unserer Geschichte von Donna wäre dies die direkte Suche.

Das First-Click-Modell

Das First-Click-Modell attribuiert 100 Prozent des Wertes für eine Conversion auf den ersten Touchpoint, unabhängig von seiner Art. Alle anderen Klicks zwischen dem ersten Klick und der Conversion ignoriert es. Übrigens, in unserer geschichte wäre dieser Schritt die bezahlte Suche.

Das Attributionsmodell letzter indirekter Klick

Das Attributionsmodell des letzten, indirekte Klicks funktioniert wie das vorherige. Jedoch ohne direkten Traffic. Der gesamte Wert an der Conversion werden so dem gesponserten Tweet (der zweite Social Media Schritt) zugewiesen.

Das Attributionsmodell letzter Google Ads/Bing/Facebook/Twitter/etc. Klick

Diese Attributionsmodelle konzentrieren sich auf die zuletzt angeklickte Anzeige, bevor eine Conversion passiert. Sie sind sehr stark von einem bestimmten Kanal abhängig. Alle anderen Touchpoints werden ignoriert. Ein Beispiel: Im Zusammenhang mit einem letzten Google AdWords-Klick würden dem ersten Touchpoint 100 Prozent des Wertes an der Conversion zugewiesen werden (es ist die einzige geklickte Google AdWords-Anzeige in diesem Szenario). Dieses Modell ist nützlich, wenn Ihr Job auf einen bestimmten Kanal ausgerichtet ist (als Social Media Manager sind Sie vielleicht nur an der zuletzt geklickten Anzeige auf Facebook oder Twitter interessiert).

Multi-Touch-Attributionsmodelle

Weitaus umfangreicher (und zugleich spannender) als klassische Marketing-Attributionsmodelle, ist Multi-Touch-Attribution: Diese Modelle betrachten die Customer Journey ganzheitlich und verteilen den Wert an einer Conversion auf die verschiedenen Touchpoints.


Das könnte Sie auch interessieren: Die 10 wichtigsten Marketing Attribution Anbieter


Das lineare Attributionsmodell

Das lineare Attributionsmodell berücksichtigt jeden einzelnen Touchpoint während der gesamten Kundenreise. Dabei werden sie jedoch gleichmäßig gutgeschrieben – die jeweiligen Auswirkungen der einzelnen Touchpoints werden nicht berücksichtigt. In diesem Fall erhält jeder Schritt 20 Prozent des Wertes an der Conversion.

Das Time-Decay-Modell

Beim Time-Decay-Modell, also dem Zeitverlauf, werden denjenigen Touchpoints ein höherer Wert an der Conversion zugeschrieben, die der Conversion am nächsten sind. Übertragen wir dies auf die Geschichte von Donna, würde Direct Search 30 Prozent des Wertes an der Conversion erhalten, während der bezahlten Suche nur 5 Prozent zugewiesen werden würden. Der größte Nachteil dieses Musters ist die beinahe vollständige Nichtberücksichtigung des Awareness-Faktors, der meist beim ersten (und damit sehr wesentlichen) Touchpoint geschieht.

Das positionsbasierte Attributionsmodell

Das positionsbasierte Attributionsmodell, auch U-förmige- oder Badewannen-Verteilung genannt, attribuiert 40 Prozent des Wertes an der Conversion auf den ersten und letzten Touchpoint. Die restlichen 20 Prozent werden gleichmäßig auf die anderen Touchpoints verteilt. In unserem Beispiel erhalten so Paid Search und Direct Search jeweils 40 Prozent, während die anderen Touchpoints jeweils 6,67 Prozent erhalten. Obwohl das positionsbasierte Attributionsmodell ein sehr fortschrittliches Attributionsmodell ist, handelt es sich hierbei auch um ein statisches Attributionsmodell. Das heißt, dass die Werte-Verteilung vorab festgelegt ist. Die Auswirkungen der einzelnen Touchpoints werden hinsichtlich ihres jeweiligen tatsächlichen Wertes an der Conversion nicht berücksichtigt.


Das könnte Sie außerdem interessieren: Drei Tipps, um die richtige Marketing Attribution Lösung zu finden


Datengetriebene Marketing Attribution

Datengetriebene, also algorithmische Marketing Attribution, ist wie der Rolls Royce unter den Attributionsmodellen. Die Gründe: Das datengetriebene Attributionsmodell berücksichtigt einerseits jeden Marketing-Touchpoint in der Customer Journey. Darüber hinaus erhält jeder einzelne Touchpoint einen individuellen Wert an der Conversion. Möchte man auf Data-Driven Marketing Attribution setzen, benötigt es die Zusammenarbeit mit Data Scientists, um Algorithmen zu entwickeln, auf dessen Basis das Modell läuft. Außerdem sind sie in der Lage, jeden einzelnen Touchpoint in der Customer Journey einzuschätzen. Je mehr Kundendaten gesammelt werden sollen, desto mehr Algorithmen werden hierzu benötigt. Zum Beispiel im Zusammenhang mit Cross-Device Tracking oder TV Attribution. Werden bestimmte Bereiche miteinander verknüpft, können zudem auch Offline-Kanäle gemessen werden. Angenommen, Donna geht an einer angeschlossenen, scrollenden Werbetafel vorbei, mit ihrem Smartphone in der Tasche. Fortschrittliche Attribution kann die Nähe der beiden verknüpften Objekte erkennen und einschätzen, dass die Anzeige auf der Tafel ein Teil ihrer Kundenreise ist.

Welches ist das richtige Attributionsmodell?

Stehen Marketing-Teams vor der Entscheidung für das richtige Modell für Marketing Attribution, sollte zunächst festgehalten werden, dass diese Frage nicht so leicht zu beantworten ist. Es kommt darauf an, wie sie ihre Daten messen und entsprechend bewerten wollen. Das Wichtigste dabei ist, dass Marketer wissen, mit welchem Attributionsmodell sie die Relevanz ihrer Marketing-Reportings verstehen.

Fakt ist, algorithmische Marketing Attribution ist dabei genauer als statische Attributionsmodelle, wie z. B. Last- oder First-Click, Time-Decay oder Positionsbasiert. Algorithmische, sprich datengetriebene Attribution hilft, die Herausforderungen hinsichtlich Cross-Channel und Cross-Device-Nutzern zu überwinden. Anders formuliert, Marketer sehen, wie sie Kunden anziehen können, unabhängig von Kanälen und der Anzahl der genutzten Geräte. Selbst die zögerndsten Kunden sind unter ihrem Radar.

Ein Nachteil jedoch ist, dass datengetriebene Marketing Attribution mit weitaus mehr Kosten verbunden ist, als statische Attributionsmodelle. Weil sich diese Modelle insbesondere an Unternehmen mit hohen Werbebudgets richten. Hinzu kommt der Aufwand; die Entwicklung und Pflege von Algorithmen verursacht hohe technische und personelle Kosten. Unternehmen kann es daher mehrere Hunderttausend Euro im Jahr kosten, um die wertvollen Daten zu erhalten.

Eine weitere Herausforderung bei maßgeschneiderten Attributionsmodellen stellt die Zeit dar, bis greifbare Daten zur Verfügung stehen. Normalerweise dauert es ein paar Wochen, aber es kann auch Monate dauern. Für kleinere Unternehmen ist es daher eine ernsthafte Vorabinvestition.


Das könnte Sie außerdem interessieren: Worauf (noch) zu achten ist, wenn es um die Entscheidung für die richtige Marketing Attributionslösung geht


Welche preisgünstigen Möglichkeiten für datengetriebene Marketing Attribution gibt es?

Start-ups und KMU’s leisten sich womöglich keine datengetriebene Marketing Attribution. Wenn ihre Werbe- und Marketingaktivitäten aber bereits zu umfassend und zu komplex sind, um sich auf eine kostenlose Analytics-Lösung, wie z. B. Google Analytics oder Bing’s Webmaster Tool zu verlassen, ist dies eine Überlegung Wert.

Wir bei Adtriba haben uns deshalb dazu entschieden, eine preisgünstige und unabhängige Lösung für datengetriebene Marketing Attribution anzubieten. Unser Machine Learning Algorithmus ermöglicht, dass die ersten Customer Journey Daten bereits nach 24 Stunden einsehbar sind.


Möchten Sie mehr zu Adtriba erfahren? Wir freuen uns über Ihre Kontaktaufnahme an: janos@adtriba.com. Oder Buchung unserer Demo, in der wir gern Ihre Fragen beantworten:

Jetzt Demo vereinbaren