Warum Cross-Device Tracking und Data-Driven Marketing Attribution zusammen gehören

geschrieben von János Moldvay
data

Das Tracking von Nutzern ist beinahe so alt, wie das Internet selbst. Es stößt jedoch immer mehr an seine Grenzen, weil es auf klassischen Cookies basiert. Hier knüpft Cross-Device Tracking an, das auch im Zusammenhang mit datengetriebener Marketing Attribution unabdingbar ist. Wozu es dient, welches Modell präferiert werden sollte und welche Cross-Device Anbieter es gibt, lesen Sie in diesem Beitrag.

"If I were to summarize. Incentivizing your visitors to log into their account with you is the only clean permission based way to track them across devices."

Avinash Kaushik


Dieses Zitat, das von dem indischen Unternehmer und Autor Avinash Kaushik stammt, fasst sehr gut zusammen, worum es in diesem Beitrag geht. Wenn Sie also weniger als 11 Minuten Lesezeit mitbringen, denken Sie einfach an Avinashs Aussage.

Was ist Cross-Device Tracking und wozu dient es?

Cross-Device Tracking bedeutet, die digitalen Marketing Kontakte eines Benutzers über verschiedene Geräte hinweg zu messen bzw. zu tracken. Insbesondere im E-Commerce-Bereich ist das Cross-Device Tracking eine beliebte und bewährte Methode, um das Kauf- und Abbruchverhalten der Kunden zu analysieren und mit entsprechenden (oft automatisierten) Maßnahmen zu begleiten. Ziel des Cross-Device Trackings ist es, die unterschiedlichen Kontaktpunkte zu einer einzigen User Journey zusammenzuführen.

Ein Beispiel: Angenommen, als Betreiber eines E-Commerce-Shops werben Sie auf Facebook und Google AdWords. Auf dem Weg zur Arbeit klickt ein Kunde, der gerade auf seinem Smartphone im Netz surft, auf eine Ihrer Anzeigen in der mobilen Facebook-App. Im Laufe des Arbeitstages recherchiert dieser Kunde über sein MacBook weitere Informationen zu Ihrem Produkt über die Google Suchmaschine. Dort wird ihm eine Ihrer Google AdWords-Anzeigen ausgespielt, auf die er ebenfalls klickt und schließlich das Produkt über sein MacBook bestellt.

Die Herausforderung ist nun mehr, den Facebook-Anzeigenklick aus der Mobile App mit dem Google AdWords Klick sowie der Produktbestellung über das MacBook zusammenzuführen. Mit dem Zweck, die Werbewirkung der mobilen Facebook-Anzeige auf diese spezielle Customer Journey und die Kaufentscheidung zu berücksichtigen.

Hätte der Kunde die Werbekampagnen auf dem gleichen Gerät angeklickt, würde ein gängiges Cookie-Tracking ermöglichen, die beiden Werbeinteraktionen mit den Bestellungen zu verknüpfen. Das Setzen eines Cookies über verschiedene Geräten hinweg, ist jedoch nicht möglich, da Cookies per Definition an ein bestimmtes Gerät und sogar an den Browser gebunden sind. Grundsätzlich gibt es zwei verschiedene Ansätze, um Benutzer geräteübergreifend zu tracken. Das deterministische sowie das probabilistische Modell.

Cross-Device Tracking mit deterministischem Modell

Für die Plattformriesen Google, Facebook und Amazon ist es recht einfach einzusehen, welche Benutzer ihre Apps über verschiedene Geräten nutzen. Weil die Nutzer in der Regel während der Nutzung dieser Apps über einen eigenen Zugang (z. B. Gmail, Facebook) angemeldet sind.

Facebook kann z. B. einsehen, welche Websites Sie auf Gerät A besucht haben (z. B. Flüge nach Kapstadt via Desktop über Ihr MacBook) und Sie mit entsprechenden Anzeigen (Billigflüge nach Kapstadt) innerhalb der mobilen Facebook-App auf Gerät B (z. B. Ihrem Smartphone) ansprechen.

Dieser Vorgang ist jedoch nicht allein für die drei Internetgiganten möglich. Potentiell kann jeder Werbetreibende diese Daten einsehen, dessen Werbung die Nutzer dazu motiviert, um sich in die App des jeweiligen Werbetreibenden einzuloggen. Die deterministische Methode beschreibt Avinash Kaushik in seinem obigen Zitat als den "einzigen sauberen, erlaubnisbasierten Weg, [....] über Geräte hinweg zu tracken".

Cross-Device Tracking (Deterministisch): Vor- und Nachteile

Die Vorteile des deterministischen Modells lauten wie folgt:

  • Genaueste Lösung für das Cross-Device Tracking hinsichtlich von False Positives (sehr geringe Rate an nicht zusammengehörigen Geräten).
  • Keine Blackbox im Hinblick auf den Matching-Algorithmus.

Die Nachteile des deterministischen Modells lauten wie folgt:

  • Google und Facebook als sogenannte Walled Gardens; die Plattformen horten ihre Daten hinter “umzäunten Gärten”. Das heißt, plattformspezifische, geräteübergreifende Informationen können nur für das Targeting innerhalb dieser Plattformen verwendet werden. Aus Sicht des Attribution Modelings macht dies keinen Sinn.

Welche Anbieter für Cross-Device Tracking (Deterministisch) gibt es?

  • Google
  • Facebook
  • Werbetreibende mit Login

Cross-Device Tracking mit probabilistischem Modell

Durch das Tracking von IP-Adressen, Standortdaten, Browsertyp, Betriebssystemen und Anzeigenanforderungen, ist es unter anderem möglich, statistische Modelle zu entwickeln, die mit einer gewissen Genauigkeit Rückschlüsse auf die Verknüpfung verschiedener Geräte mit einem einzelnen Benutzer ermöglichen.

Für die Entwicklung dieser probabilistischen Modelle werden zunächst deterministische Cross-Device Daten zu Trainingszwecken hinzugezogen. Das ist der Grund, warum viele Adtech-Unternehmen, die diese probabilistischen Ansätze anbieten, eine Kombination aus deterministischen und probabilistischen Cross-Device Tracking Ansätzen nutzen.

Stehen Werbetreibende vor der Entscheidung, mit einem Anbieter zusammenzuarbeiten, der ein probabilistisches Cross-Device Tracking anbietet, sollte folgendes beachtet werden: Es ist wichtig, genau zu verstehen, was “Accuracy”, also Genauigkeit, in diesem Zusammenhang bedeutet und was dieser Anbieter leisten kann. “Genauigkeit” wird z. B. in einem Artikel von AdExchanger wie folgt beschrieben:

"Accuracy is calculated as the number of matches correctly identified, as well as the number of non-matches correctly identified. In other words, it’s the number of times a probabilistic prediction was correct, but also includes ‘non-match’ predictions from the total pool of predictions it made."

Übersetzt heißt das, dass die berechnete Genauigkeit die Anzahl der “Matches” umfasst, also Übereinstimmungen, die korrekt identifiziert wurden, sowie die Anzahl der “Non-Matches”, also Abweichungen, die ebenfalls korrekt identifiziert wurden. Mit anderen Worten ist es die Anzahl der Male, in denen eine probabilistische Vorhersage richtig war, die dabei auch die abweichenden Vorhersagen aus dem gesamten Pool der getätigten Vorhersagen berücksichtigt. Die “Match Rate” misst, wie oft zwei oder mehr Geräte richtig zusammengeführt werden konnten, während die “Accuracy Rate” auch richtig identifizierte “Non-Matches” beinhaltet. Die angeführten Cross-Device Begriffe werden in diesem Adzine-Gastartikel von Roq.ad noch einmal näher erleutert.

Ein Beispiel: In einer Nielsen-Studie lag die Genauigkeit von Drawbridge (einem probabilistischen Cross-Device Anbieter, der seit dem Frühjahr 2019 zu LinkedIn gehört) bei 97,3%, was fantastisch klingt. Wenn man aber bedenkt, dass die “Match Rate” nur 10,3% betrug, relativiert sich die Situation: Von 100 tatsächlichen Übereinstimmungen zwischen den Geräten, kann der mit Drawbridge arbeitende Werbetreibende nur 10 identifizieren.

Das Problem ist selbstverständlich nicht, dass diese niedriger als die erwarteten “Matching”-Raten sind. Sondern der Umstand, wie Anbieter ihre Kunden mit einer selektiven Kommunikation von Kennzahlen manipulieren könnten. Die Art und Weise, wie statische Modelle für das Cross-Device Matching funktionieren ist, dass es einen Kompromiss zwischen der Präzision und der Übereinstimmungsrate (Sensitivität) gibt. Wenn z. B. sechs von acht probabilistisch berechneten Übereinstimmungen korrekt sind, also zwei Übereinstimmungen falsch waren, beträgt die Genauigkeit 75%.

Die Sensitivität oder Anpassungsrate meint hingegen, die Anzahl der tatsächlich verknüpften Geräte, welche richtig identifiziert werden. Um eine hohe Präzision zu erreichen, könnte man sich dafür entscheiden, Geräte nur dann aufeinander abzustimmen, wenn die berechnete Wahrscheinlichkeit für eine Übereinstimmung 99,99% beträgt. Dies würde jedoch in einer geringen Sensitivität und vielen verpassten Übereinstimmungen resultieren. Wenn eine besonders hohe Trefferquote erreicht werden soll, könnte andererseits jede mögliche Gerätekombination als übereinstimmend benannt werden – was im Umkehrschluss zu einer überhöhten und damit falschen Genauigkeit führen würde.

Cross-Device Tracking (Probabilistisch): Vor- und Nachteile

Die Vorteile des probabilistischen Modells lauten wie folgt:

  • Erweitert die Reichweite deterministischer geräteübergreifender Daten.
  • Kein Walled Garden, da Cross-Device Daten zur Zielerreichung über Werbeplattformen hinweg verwendet werden können.

Die Nachteile des probabilistischen Modells lauten wie folgt:

  • Entweder niedrige Match Rate oder hohe Fehlerquote beim Matching.
  • Problematische Genauigkeit.
  • Datenschutz-Bedenken, da der Matching-Algorithmus eine Blackbox ist.

Probabilistisches Cross-Device Tracking ist für das Ad-Targeting und das Marketing Attribution Modeling problematisch. Denn Ad-Targeting-Algorithmen und Systeme zur Benutzersegmentierung basieren meist auf statistischen Modellen. Das heißt, dass sie nur mit Wahrscheinlichkeiten arbeiten. Wie wahrscheinlich es z. B. ist, dass ein Benutzer zu einem bestimmten Kundensegment gehört oder wie hoch die Wahrscheinlichkeit ist, dass ein Benutzer an einer bestimmten Produktkategorie interessiert ist.

Die konkreten Algorithmen sowie die Targeting-Genauigkeit, die von Ad-Tech-Unternehmen angeboten werden, sind oftmals intransparent. Nutzer solcher Lösungen stehen demnach vor einer Blackbox. Werden probabilistische Cross-Device Tracking-Daten und probabilistische Ad-Targeting-Systeme miteinander kombiniert, verdoppelt sich die Anzahl der Blackboxes sogar. Herausfinden, welcher Teil des Systems funktioniert hat und welcher nicht, ist daher unglaublich schwierig.

Wie Sie wahrscheinlich bereits erkennen, gibt es für Anbieter viel Raum, um ihre Erfolgskennzahlen kreativ zu kommunizieren.

Welche Anbieter für Cross-Device Tracking (Probabilistisch) gibt es?

Warum das deterministische Modell für datengetriebene Marketing Attribution besser ist

Insbesondere im Zusammenhang mit Marketing Attribution sind probabilistische Cross-Device Daten kritisch. Weil die anspruchsvollsten Attribution Modeling Algorithmen ebenfalls auf statistischen Modellen beruhen. Eine weitere Herausforderung liegt darin, die zwei probabilistischen Systeme in den Fällen zu kombinieren, wo sehr genaue Attribution Umsatzzahlen erwartet werden. Darüber hinaus ist die Integration eines probabilistischen Cross-Device Anbieters mit Kosten verbunden und würde außerdem noch zusätzliche Kosten verursachen.

Nach unserer Erfahrung verwendet die Mehrheit erfolgreichster Digital-Marketing-Experten deterministische Cross-Device Daten. Mit dem Ziel, einen allgemeinen, Cross-Device Effekt auf Makroebene zu messen (z. B. 10% aller Desktop-Conversions haben zuvor auf eine Mobile Ad geklickt). Weil sie wissen, dass deterministische Cross-Device Daten den tatsächlichen Cross-Device Effekt unterschätzen und ihre Marketing Attribution Reports entsprechend anpassen.

Der Ansatz von Adtriba umfasst zudem: Das, was (deterministisch) gemessen werden kann, sollte auch gemessen werden. Unseren Kunden bieten wir deshalb ein User-ID-Tracking an, um deterministische Cross-Device Daten zu tracken. Beispielsweise beim Login, der Anmeldung, dem Check-out, der Newsletter-Anmeldung oder dem E-Mail-Klick. User Journeys werden dann geräteübergreifend zusammengeführt und durch unser Machine Learning-basiertes Attribution Modeling verarbeitet.

Zu allerletzt sollte noch einmal hervorgehoben werden, dass das Erfassen von deterministischen Cross-Device User Journeys mit einer ausreichenden Match Rate einen großen Wettbewerbsvorteil darstellt. Insbesondere in Kombination mit einem Marketing Attribution Report. Mobile-Kampagnen, die zuvor als unprofitabel erschienen, zeigen nun ihren tatsächlichen Einfluss auf die User Journey.


Möchten Sie mehr darüber erfahren, wie Adtriba Cross-Device Tracking einsetzt? Dann freuen wir uns über Ihre Kontaktaufnahme an: janos@adtriba.com. Gern können Sie auch eine Demo buchen, in der wir Ihre Fragen beantworten:

Jetzt Demo vereinbaren