Display Advertising

Auswertung: 71% der Conversions auf Sichtkontakte, nicht auf Clicks zurückzuführen

Erstaunliche Zahlen: Auswertung zur Werbewirkung im Real-Time Advertising führt 71% aller Conversions auf Views, statt auf Clicks zurück.

eyes

Helga Birna Jónasdóttir /
Flickr, CC BY 2.0

Im Zuge der Auswertung sollte die Werbeerfolgsmessung einer Display-Kampagne genauer unter die Lupe genommen werden. Eine Real-Time Advertising Kampagne der Firma reichelt elektronik GmbH & Co. KG diente dabei als Untersuchungsgrundlage, um den Beitrag der View- und Click-Interaktionen zur Conversion zu ermitteln.

Die Kampagnenausspielung und Daten Auswertung wurde von d3media, deutscher Spezialdienstleister für datengetriebenes Display Advertising, in  Zusammenarbeit mit Adference, eine Ausgründung von Statistikexperten der Leuphana Universität, durchgeführt. Dafür wurden die vollständigen User Journeys gemessen und analysiert.

RTA-Views erhöhen langfristige Kaufwahrscheinlichkeit signifikant

In dieser spezifischen Untersuchung hatten die RTA-Views einen entscheidenden Beitrag am Gesamtwerbeerfolg der Kampagne und konnten die langfristige Kaufwahrscheinlichkeit deutlich erhöhen. Schlussendlich wurden 71 Prozent aller RTA-Conversions nicht durch Clicks, sondern durch Views ausgelöst. Konventionelle Betrachtungsmethoden und Bewertungsmodelle bilden solchen Wirkbeitrag nicht vollständig ab und mindern zu Unrecht den Beitrag von RTA zur Conversion.

Bedarf an  innovativen Modellen zur Conversion Zuordnung

Jens Jokschat, CEO d3media AG, meint, dass “die Last Cookie Wins”-Methode, bei der der Werbeerfolg zu 100 Prozent dem letzten Werbekanal einer User Journey zugerechnet wird, nicht mehr ausreicht, um den Erfolg von zusammenspielenden Werbekanälen zu erklären”. Wissenschaftliche Modelle, wie in dieser Auswertung verwendet, werden noch viel zu selten zur Untersuchung der Customer Journey eingesetzt. Das meint auch Dr. Florian Nottorf, Geschäftsführer und CTO Adference,: “Jenseits überholter Last-Cookie Modelle, die immer noch die gängige Messpraxis der DSPs, AdServer- und Web-Analyse Tools darstellen […] wie User Journey Daten zu bewerten sind”, wird das Zusammenspiel neuer Modelle wie “bspw. die “First Cookie Wins”-, “Gleichverteilungs”- oder “Badewannen”-Methode” zum übergreifenden Ansatz der Werbeerfolgsmessung nötig.

Wie im Display Advertising üblich haben auch die letztendlich kaufenden Nutzer nur verhältnismäßig selten auf die Displayanzeigen geklickt, wurden jedoch offensichtlich trotzdem von diesen beeinflusst und zum Kauf gebracht.

Steigerung des RTA Anteil im Media Mix gerechtfertigt

Die beiden Geschäftsführer Jokschat und Nottorf sind sich einig, dass die tatsächliche Werbewirkung von RTA-Kampagnen durch unzureichende Modelle unterschätzt wird und Bedarf an umfassenderen Methoden vorhanden ist, um den Anteil von Real-Time Advertising im Online Media Mix langfristig zu steigern.

Quelle: intern

Über Marc Stahlmann

Marc Stahlmann

Marc Stahlmann ist Geschäftsführer von OnlineMarketing.de, dem größten Digitalportal zum Thema Online Marketing. Als studierter Betriebswirt, Startup-Fan und Online Marketer ist er vertraut mit dem aktuellen Marktgeschehen. Zudem ist er Mitgründer und Organisator vom Online-Karrieretag, der größten Karriereveranstaltung für die Digitalbranche.

Ein Gedanke zu „Auswertung: 71% der Conversions auf Sichtkontakte, nicht auf Clicks zurückzuführen

  1. Florian Nottorf

    @Daniel Brückner, Bitte entschuldige meine späte Antwort. Ich bin jetzt erst auf deinen Kommentar aufmerksam geworden.

    Zu Frage 1: Wir haben das gesamte Inventory ausgewählt – das bedeutet, es gab keinerlei Filterung nach bestimmten Kanälen oder dergleichen. Uns lag ein sehr detaillierter und vollständiger Datensatz vor (inkl. Views, Clicks, Onpage, etc.) Was wir hier kommunizieren ist allerdings nur das Attributionsergebnis vom RTA.

    Zu Frage 2: Wir von Adference haben in jahrelanger Forschungsarbeit ein eigenes Modell entwickelt (also jenseits der Badewanne oder einer sonstigen Auszählungsheuristik). Den Kern des Ansatzes kannst du u.a. hier in diesem Paper nachlesen (http://www.staff.science.uu.nl/~Vlaan107/ecis/files/ECIS2013-0251-paper.pdf). Das Besondere an unserem Ansatz:
    • Integrierte Betrachtung von View- und Click-Aktivitäten in einem Modell
    • Modellierung aller Werbekanäle (Online und Offline) bis auf Werbemittel- bzw. Spot-Ebene inkl. Berücksichtigung ihrer Wechselwirkungen mit anderen Online- / Offline-Kanälen
    • Integration von Onpage-Daten (bspw. nutzerindividuelle “Time on Site” oder Navigationspfade)
    • Zeitliche Berücksichtigung der unterschiedlichen werblichen Effektstärken auf das Kaufverhalten (bspw. Unterscheidung in direkte, kurzfristige und langfristige Effektstärken einzelner Werbekanäle)
    • Integration von nutzerspezifischen Informationen (bspw. Alter, Geschlecht, Einkommen oder Kundenhistorie)
    • Modellierung von zeitlichen Schwankungen (bspw. wochentägliche Schwankungen oder saisonale Trends)

    Zu Frage 3: Diese Beantwortung der Frage macht ja nur Sinn, wenn man weiß, wie stark das Engagement von Reichelt in den anderen Werbe-Kanälen war. Wir wissen das natürlich, ist aber für die “Story” der Werbewirkung von RTA-Views unerheblich, oder?

    Wenn du weitere Fragen hast, melde dich einfach: nottorf@adference.com

    Viele Grüße,
    Florian Nottorf

    Antworten

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.