Conversion Optimierung

Was muss geschehen, um Last Click ein Ende zu bereiten?

Ben Sidebottom, Director, Solution Architecture, EMEA bei Visual IQ, schlägt Alternativen für das veraltete Last-Click-Modell vor.

© anyaberkut - Fotolia.com

Da die Nutzung mehrerer Endgeräte immer gängiger wird – und viele Verbraucher eine Online-Aktivität auf einem vernetzten Gerät beginnen und auf einem anderen abschließen – müssen Marken den Pfad bis zur Conversion des Verbrauchers sowie die Wirkung ihrer Marketingstrategien auf allen Geräten besser verstehen lernen.

Das Last-Click-Modell ist veraltet

Der Smartphone-Commerce nimmt zu – 15 Prozent der deutschen Verbraucher melden, dass sie jeden Monat einen Kauf auf ihrem Smartphone tätigen. Doch das ist nur die eine Seite. Die Tatsache, dass tatsächliche Conversion Rates auf Smartphones immer noch niedriger sind als auf Desktops und Tablets bedeutet nicht, dass Smartphones keine Rolle auf dem Weg zur Conversion spielen. Display-, Social-Media- oder Video-Anzeigen werden häufig auf Smartphones betrachtet, und in vielen Fällen benutzen Verbraucher diese Geräte, um Produkte zu erforschen und Preise zu vergleichen, bevor sie auf einen größeren Screen umsteigen, um dort den Endkauf zu tätigen beziehungsweise eine andere Conversion auszuführen.

Natürlich ist es für große Unternehmen wichtig, sich einen besseren Überblick über die Consumer Journey durch sämtliche digitalen und herkömmlichen Medien zu verschaffen, wie die jüngsten Übernahmen von Attribution-Software-Unternehmen durch Google und AOL verdeutlichen. Die meisten Marken verlassen sich jedoch nach wie vor auf die veraltete Methode des Last Click, die dem letzten Medien-Touchpoint direkt vor der Conversion 100 Prozent des Konversionswertes zuweist.

Ohne klaren Überblick darüber, wie Kunden mit Medien interagieren, wissen Marken nicht, wo sie ihre Marketingbudgets investieren sollen, um maximale Rentabilität zu erzielen – warum also sind sie immer noch von Last Click abhängig und welche Alternativen gibt es?

Der Weg zur Conversion

Die meisten Online-Interaktionen verlaufen über mehrere Touchpoints – von Bewusstwerdung über Abwägung bis hin zur Conversion. So könnte das Bewusstsein eines Verbrauchers für eine bestimmte Marke durch eine Social-Media-Anzeige auf seinem Smartphone geweckt werden, woraufhin er die Anzeige anklickt, um den Laden zu besuchen und dort zu browsen. Im Laufe der nächsten Tage könnte er dann durch retargeted Display-Anzeigen erneut mit der Marke und den von ihm aufgerufenen Produkten in Kontakt gebracht werden. Ist er letztlich zur Conversion bereit, öffnet er möglicherweise seinen Laptop und sucht den Markenname auf Google, klickt auf eine gesponserte Liste und tätigt seinen Kauf (beziehunsgweise führt eine andere, kaufunabhängige Conversion aus). Mit dem etablierten Last-Click-Modell würde die Conversion ausschließlich dem letzten Touchpoint – der gesponserten Anzeige – zugeschrieben.

Last Click ist eindeutig eine unzulängliche Attributionsmethode, wird aber deshalb von Marken weiterverwendet, weil das Reporting einfach ist und es an geeigneten Alternativen mangelt. Manche Marken haben es mit Variationen probiert, bei denen die Konversion auf Grundlage von willkürlichen, regelbasierten Methodologien beliebigen Touchpoints zugewiesen wird. Diese Methodologien berücksichtigen nur die Position des Touchpoints innerhalb des Marketing-Trichters – zum Beispiel werden 50 Prozent dem ersten und 50 Prozent dem letzten Touchpoint zugewiesen – nicht jedoch die tatsächliche Wirkung, die der Touchpoint auf die letztendliche Conversion hat. Leider haben diese Modelle sich als ebenso mangelhaft und ungenau erwiesen wie Last Click.

Algorithmische Attribution als Alternative

Zum Glück für die Marken gibt es jetzt jedoch eine sehr viel fortschrittlichere Messlösung in Form algorithmischer Attribution. Diese Methode bietet Marken ein Machine-Learning-Modell, das auf der Analyse aller Attribute aller Touchpoints basiert, mit denen sowohl konvertierende als auch nicht-konvertierende Verbraucher auf sämtlichen Online- und Offline-Kanälen sowie auf ihren Geräten in Kontakt kommen. Außerdem kann die algorithmische Attribution Kombinationen unterschiedlicher Touchpoints analysieren, um die tatsächliche Wirkung zu quantifizieren, die jeder dieser Touchpoints auf die Endkonversion hat.

Erst wenn Marken verstehen, wie gut oder schlecht die unterschiedlichen Marketing-Touchpoints abschneiden – ungeachtet von Gerät, Medienpartner oder Position im Marketing-Trichter – können Sie fundierte Entscheidungen darüber treffen, wo sie ihr Budget am besten investieren. Außerdem kann ein fortschrittliches algorithmisches Attributionssystem über automatisierte tägliche Feeds mit programmatischem Mediabuying verknüpft werden und so die mangelhafte Last-Click-Optimierung durch Attribution-basierte Optimierung ersetzen, um die Rentabilität zu maximieren.

Marken halten an der Last-Click-Methode fest, weil diese Methode einfache Messwerte liefert und es lange keine tragfähige Alternative gab, doch mittlerweile hat die Marketingbranche als Ganzes akzeptiert, dass Last Click ein überholtes und unzulängliches Messmodell ist, das dem Fortschritt von kanalübergreifenden Marken im Wege steht. Die Übernahme fortschrittlicher, algorithmischer Attribution versetzt Marketer in die Lage, sich einen sehr viel klareren Überblick über den Weg zu verschaffen, den ihre Verbraucher bis zur Konversion zurücklegen, und ihre Ausgaben den jeweils leistungsstärksten Touchpoints zuzuteilen, um so für maximale Rentabilität zu sorgen.

Über Ben Sidebottom

visualiq.com/

Ben Sidebottom ist Director, Solution Architecture, beim kanalübergreifenden Marketing Attribution Softwareprovider Visual IQ. Sidebottom hat über acht Jahre Erfahrung im digitalen Sektor und war zuvor für MoneySuperMarket tätig, wo er für Design, Implementierung, Integration und Nutzung des Online-Marketing Technologie-Stacks der Marke zuständig war.

Schreibe einen Kommentar

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