Datengetriebene Attribution: Echte Cross Channel Optimierung

Mittlerweile sollte sich jeder Online-Marketer schon einmal die Frage gestellt haben, ob die „Last Cookie Wins“-Methode die richtige ist, um Werbeerfolg auf die einzelnen Werbekanäle zu verteilen. Die Antwort muss fast jedes Mal lauten: nein.

Auch andere statische Ansätze wie das „Gleichverteilungs-“ oder „Badewannen“-Modell können per Definition nur eine Annäherung zu einer realistischen Erfolgszurechnung der Werbeaktivitäten liefern. Datengetriebene Attributionsmodelle zeigen: es gibt enorme Wechselwirkungen zwischen den Kanälen sowie starke Unterschiede in der Performance innerhalb einzelner Kanäle, die statische Modelle nicht abdecken können.

Warum ist die statistische, dynamische Attribution den statischen, einfachen Ansätzen überlegen?

Diese Frage lässt sich schnell mit ein paar Gegenfragen beantworten:

• Wie beurteilen Sie die Wirkungen der View-Kontakte in dem Display-, Retargeting- oder Affiliate-Kanal?
• Wie berücksichtigen Sie die unterschiedlichen Effekte der Werbung auf verschiedene Kundesegmente (beispielsweise Neukunde oder Bestandskunde)?
• Wie integrieren Sie die Cross Channel Effekte der einzelnen Werbekanäle?
• Wie unterscheiden Sie die zeitlichen Schwankungen der Effektstärken der einzelnen Werbekanäle?

Mit einfachen „Last Cookie Wins“- oder „Badewannen“-Modellen haben Sie keine statistisch fundierte Möglichkeit, diese oben skizzierten Fragen zu beantworten und folglich den Werbeerfolg realistisch auf die unterschiedlichen Kanäle zu verteilen. Sie beurteilen Ihren Werbeerfolg demnach falsch und verschenken echte Optimierungspotentiale.

Datengetriebene, statistische Modelle ermöglichen eine wesentlich realistischere Attribution des Werbeerfolgs auf Werbekanäle, Publisher oder einzelne Werbemittel. Die oben skizzierten Fragestellungen lassen sich mit ihnen umfassend beantworten.

Ein datengetriebener Attributionsansatz bietet beispielsweise die folgenden Möglichkeiten, eine ganzheitliche Betrachtung aller Marketingaktivitäten zu gewährleisten:

• Integrierte Betrachtung von View- und Klick-Aktivitäten in einem Modell
• Modellierung aller Werbekanäle (Online und Offline) bis auf Werbemittel- beziehungsweise Spot-Ebene inklusive Berücksichtigung ihrer Wechselwirkungen mit anderen Online- / Offline-Kanälen
• Integration von Onpage-Daten (zum Beispiel nutzerindividuelle „Time on Site“ oder Navigationspfade)
• Zeitliche Berücksichtigung der unterschiedlichen werblichen Effektstärken auf das Kaufverhalten (beispielsweise Unterscheidung in direkte, kurzfristige und langfristige Effektstärken einzelner Werbekanäle)
• Integration von nutzerspezifischen Informationen (beispielsweise Alter, Geschlecht, Einkommen oder Kundenhistorie)
• Modellierung von zeitlichen Schwankungen (beispielsweise wochentägliche Schwankungen oder saisonale Trends)

Überraschungen und Optimierungspotentiale

Die Betrachtung der Werbewirkung nach diesem Ansatz ermöglicht im Nachgang eine Aktualisierung statistischer Kennzahlen (beispielsweise CPO) bis auf Kanal-, Publisher oder TV-Spot-Ebene. Eine Gegenüberstellung der bereinigten Attributionsergebnisse zu den bisherigen Ansätzen kann dann wiederum aufzeigen, welche Kanäle, Kampagnen oder Publisher bisher eine Über- oder Unterbewertung erfahren haben und entsprechende Potentiale zur Optimierung der Budgetverteilung für die nächste Periode beinhalten:

• Welche Publisher haben den stärksten Einfluss auf die Conversions und bieten die größten Potentiale?
• Wo ist die Wirkung der View-Kontakte besonders positiv / negativ?
• Welcher TV-Spot hat den größten Einfluss auf die Neukundengewinnung?
• Wie groß ist der Einfluss der Katalog-Sendungen auf andere Werbemittel?

In früheren Untersuchungen gab es die ein oder andere Überraschung in der Bewertung der Werbekanal-Performance. Hier haben beispielsweise View-Kontakte im Retargeting einen größeren Einfluss auf die Conversions als Klick-Kontakte, die Generic-SEA-Kampagne ist die einzige SEA-Kampagne, die bisher unter- und nicht überbewertet wurde, oder der Sommer-TV-Spot funktioniert besonders gut bei Bestandskunden.

Das neue Wissen über das Zusammenspiel aller Online- und Offline-Werbeaktivitäten muss im Anschluss aber auch angewendet werden: Frequency Caps müssen angepasst, maxCPC-Gebote korrigiert und Marketingbudgets verschoben werden. Adference bietet hier umfangreiche Möglichkeiten an, die Cross Channel Media Optimierung durchzuführen:

• Projektbasierte Cross Channel Media Optimierung
• Darstellung der Attribution im Adference Dashboard
• Workshops für eine vertiefende Analyse und Optimierung bestehender Mediaaktivitäten

Der Aufwand der detaillierten, statistischen Werbewirkungsmodellierung lohnt sich: Sie haben eine umfassende Performance-Übersicht Ihrer einzelnen Werbemaßnahmen und können ihre nächsten Media-Entscheidungen optimieren.