Warum Mobile App Attribution für erfolgreiche Mobile Ad Kampagnen essentiell ist

geschrieben von Theresa Glöde
mobileapp

Mobile Ads sind einer der größten Wachstumstreiber der Werbebranche. Prognosen zufolge sollen die Ausgaben für mobile Werbung weltweit im Jahr 2020 bereits bei über 270 Milliarden US-Dollar liegen. Vielen Mobile Marketern fehlt es jedoch an spezifischem Wissen, wie sie das volle Potenzial ihrer Mobile Ad Kampagnen nutzen können. Die Lösung könnte sein: Machine Learning-basierte Mobile App Attribution.

Was genau ist Mobile App Attribution?

Um das volle Marketingpotenzial zu erkennen, nimmt Attribution wie bereits für die Webwelt, auch für das Mobile App Marketing immer mehr an Bedeutung zu. Mobile App Attribution ist dabei für alle relevant, die über eine App verfügen und diese mit entsprechendem Marketingbudget bewerben.

Mobile App Attribution meint, Conversion Events den verantwortlichen Werbemaßnahmen bezogen auf die Mobile App zuzuordnen. Ziel ist es herauszufinden, wie groß der Einfluss einzelner Touchpoints auf bestimmte Interaktionen ist; wie z. B. App-Installationen oder Transaktionen in der App. Dadurch erhalten Mobile Marketer genaue Einblicke dazu, welche Mobile Ads sich auszahlen und welche nicht.

Warum sollten Mobile Marketer auf Mobile App Attribution setzen?

Wenn überhaupt die Wirksamkeit von Werbemaßnahmen auf das Online Business getrackt wird, dann meist nur so, dass der Erfolg einer Maßnahme dem letzten Touchpoint angerechnet wird. Oftmals, weil Marketer es nicht besser wissen oder nicht anders bemessen können. Die Folgen sind verzerrte Ergebnisse über die Maßnahmeneffizienz und verbrannte Werbebudgets. Ein Beispiel:

Der Konzern Procter & Gamble reduzierte seine digitalen Werbeausgaben um mehr als 200 Millionen US-Dollar – ohne dabei einen negativen Einfluss auf das Wachstum zu verzeichnen. Weil Sichtbarkeit und Transparenz über die Maßnahmeneffizienz zuvor fehlten, haben sie jahrelang Werbebudgets schlichtweg verschwendet. Dieses Dilemma lässt sich auch auf die Mobilewelt übertragen.


“Google und Facebook verfügen über die Entscheidungsmacht, um sich selbst den Klick zuzuschreiben, der letztendlich zur Conversion geführt hat”.

János Moldvay, Co-Founder & CEO von Adtriba


Fehlende Transparenz bei mobilen User Journey Daten und deren Messung

Im Vergleich zum Web existiert für Mobile nach wie vor sehr viel Intransparenz über die User Journey Daten und die richtige Bewertungsmethode für mobile Daten. Das ist problematisch.

Einerseits setzen viele Mobile Marketer auf statische (und damit irreführende) Attributionsmodelle; wie z. B. Last Click oder First Click. Viel gravierender ist aber der Fakt, dass die Datenkraken Google und Facebook für Mobile keine unabhängige Messung ermöglichen. Google und Facebook, die auch als Self-Attributing Networks (SANs) bezeichnet werden, verfügen über die Entscheidungsmacht, um sich selbst den Klick zuzuschreiben, der letztendlich zur Conversion geführt hat. Damit bewerten die US-Techgiganten sich schlichtweg selbst, was der Bezeichnung “SANs” zwangsläufig einen ironischen Unterton verleiht.

Diese Herangehensweise unterscheidet sich damit deutlich von der Webwelt, wo wir wissen, woher der Klick stammt und hierzu nicht zusätzlich bei Google oder Facebook anfragen müssen.


Warum Mobile App Attribution wichtig ist, erfahren Sie auch in diesem Video:


Mobile App Attribution schützt implizit vor Mobile Ad Fraud

Eine weitere Herausforderung für die Mobile Branche ist der rasante Anstieg von Werbeklickbetrug (Ad Fraud). W&V veröffentlichte erst kürzlich in einem Beitrag eine Zahl, die wahrscheinlich jeden Mobile Marketer aufhorchen lässt: Bei Mobile Ads herrschen Ad-Fraud-Raten von um die 30 Prozent. Was bedeutet diese Zahl für Mobile Marketer?

Mobile Performance Metriken, wie beispielsweise Clicks oder App-Installs, sind dabei besonders betrugsanfällig. Und die Maschen, wie Betrüger bei ihren Manipulationen vorgehen, noch viel tückischer. Laut dem Mobile-Attribution-Anbieter AppsFlyer gehen beim App-Download-Fraud 51 Prozent alleine auf den DeviceID Reset Fraud zurück. Für Unternehmen können dadurch Schäden in Milliardenhöhe entstehen, wie im Beispiel von Procter&Gamble.

Auch wenn es keine Garantie gibt, Ad Fraud nicht zum Opfer zu fallen, kann Mobile App Attribution implizit davor schützen, den fatalen Folgen nicht zu unterliegen. Und zwar so: Indem sich Mobile App Attribution von der Optimierung auf kurzfristige Mobile Marketing Ziele wegbewegt (z. B. Clicks oder App-Installationen), hinzu der Optimierung auf langfristige Ziele wie Retention Rate oder Customer-Lifetime-Value (CLV).

Der Erfolgsschlüssel im App-Marketing: Mit Mobile App Attribution den CLV optimieren

App-Anbieter stehen außerdem vor der Herausforderung, neben den Top-5-Apps wie Facebook, WhatsApp, Instagram & Co zu bestehen. Zwar gehören gerade im Smartphone-Zeitalter Apps zu den besten Möglichkeiten, um Nutzer zu erreichen: Etwa 86 Prozent ihrer mobilen Nutzungszeit verbringen Nutzer laut GfK-Zahlen in Apps. Ganze 85 Prozent gehen jedoch auf die Top-Five zurück. Die Mobile-Engagement-Plattform Localytics kommt zudem zu dem Ergebnis, dass 71 Prozent aller App-User die heruntergeladene App bereits nach 90 Tagen nicht mehr nutzen.


Das könnte Sie auch interessieren: Wie FlixBus mit CLV Attribution seinen ROAS in Social um 233% steigern konnte


Die Lösung: Machine Learning-basierte Mobile App Attribution

Wer also mit seiner App erfolgreich sein möchte, benötigt eine entsprechende App-Marketing Strategie, die bewertet, welche Maßnahmen die Retention Rate sowie den CLV erhöhen. Konkret heißt das: Mobile Marketer sollten ihre Kampagnen direkt auf CLV optimieren, anstelle kurzfristiger Mobile Marketing Ziele.

Hierzu braucht es entsprechende Daten Einsichten. Attribution mit Machine Learning kann diese Insights liefern: Indem konvertierende und nicht-konvertierende User Journeys verarbeitet werden, erhalten Mobile Marketer ein umfassendes Verständnis dafür, welche Mobile Ads besonders positiv auf Kunden wirken (und welche nicht). Synergien und Interaktionen zwischen den einzelnen Touchpoints können bewertet sowie Muster dahingehend erkannt werden, wie die einzelnen Touchpoints auf den CLV wirken.

Für Mobile Marketer bedeutet das: Die konkreten Mobile Ad Ziele sollten mit Mobile App Attribution gemessen werden. Optimalerweise Cross-Channel und Cross-Device. Sowie Machine Learning-basiert. Denn dadurch werden Customer Journeys weitaus umfassender abgebildet, als es statische Attributionsmodelle jemals erlauben.

Zusammengefasst: 3 Gründe, die für Mobile App Attribution mit Machine Learning sprechen

Warum Machine Learning-basierte Mobile App Attribution Mobile Marketer dabei unterstützt, das volle Potenzial ihrer mobilen Werbekampagnen herauszuholen, möchten folgende drei Argumente aufzeigen:

  1. Mobile Marketer können Mobile Ad Kampagnen deutlich umfassender bewerten, Budgets optimal verteilen und dadurch den Return on Invest (ROI) steigern.
  2. Mobile Marketer können die besten Kunden für sich gewinnen. Indem Mobile App Attribution ermöglicht, zu erkennen, welche mobilen Anzeigen zu einer hohen Retention Rate beitragen oder welche den CLV nachhaltig steigern.
  3. Mobile Marketer können ihre Kampagnen von Mobile Ad Fraud beseitigen. Indem sich der Fokus von kurzfristigen Mobile Marketing Zielen wegbewegt, hinzu der Optimierung auf Retention Rate oder CLV.

Adtriba unterstützt Unternehmen dabei, mit Machine Learning-basierter Marketing Attribution bessere Entscheidungen zu treffen. Möchten Sie mehr erfahren? Wir freuen uns über Ihre Kontaktaufnahme: janos@adtriba.com. Oder Buchung unserer Demo, in der wir gern Ihre Fragen beantworten:

Jetzt Demo vereinbaren