von
János Moldvay
Wer im Fernsehen Werbung schaltet, der sollte auch den Kampagnenerfolg messen können. Das heißt: Den tatsächlichen Wert der Werbespots zusätzlichen Käufen und Umsätzen zuweisen. Hier kommt Cross-Channel TV Attribution ins Spiel.
Herausforderungen bei der Optimierung von TV-Kampagnen
Die Zeiten sind längst vorbei, in denen eine hohe Werbeerinnerung (Brand Recall) oder Wiedererkennung (Brand Recognition) die wichtigsten Kennzahlen zur Bewertung der Effektivität und Effizienz von TV-Kampagnen darstellen. Weil immer mehr Marketing-Manager auf datengetriebene Analysen setzen, braucht es hier deshalb alternative KPI's und Bewertungsmethoden.
Bei der klassischen TV-Werbung besteht die Herausforderung darin, zu erkennen, welche Nutzer einen TV-Werbespot tatsächlich gesehen haben. Noch gibt es keine deterministische Methode, um einen Nutzer, der einen TV-Werbespot gesehen hat, mit seinen Interaktionen auf der Website des Werbetreibenden zusammenzuführen.
Technisch gesehen bedeutet das, dass es im TV-Bereich keinen Unique Identifier (z. B. Cookie-ID) gibt, der einem Nutzer zugeordnet werden kann, welcher eine App oder Website besucht hat. Deshalb greift man hier auf statistische Methoden zurück.
Mit programmatischer und adressierbarer TV-Werbung über OTT oder Streaming-Dienste ist dies einfacher. Weil mehr Informationen über den TV-Ad-Viewer getrackt werden können, z. B. die IP. Die Herausforderung aber bleibt auch hier, dass viele Menschen eine Anzeige im TV sehen – das beworbene Produkt jedoch über ein anderes Gerät bestellen, z. B. über ihren Laptop oder Smartphone. Der Vorteil ist, dass das Cross-Device Tracking (von der adressierbaren TV-Werbung bis zum Gerät, auf dem der Kauf getätigt wurde) in diesem Fall wesentlich einfacher ist. Dies liegt u. a. daran, dass die Wahrscheinlichkeit höher ist, dass sich beide Geräte im gleichen IP-Netz befinden.
Das könnte Sie auch interessieren:
Case Study: Wie Spring mit Hilfe unserer Unified Marketing Measurement Lösung seinen ROAS für TV um 256% steigern konnte.
Wie funktioniert Cross-Channel TV Attribution?
Allgemein gibt es zwei unterschiedliche Ansätze für die Bewertung der Auswirkungen auf Umsatz und Performance durch TV-Werbung. Diese lauten wie folgt:
Die Mikroperspektive
Die Mikroperspektive umfasst die Bewertung auf Benutzerebene sowie das Tracking aller Touchpoints und Interaktionen. Dabei werden die Ausstrahlungszeitpunkte der TV-Spots im Zusammenhang mit den Website- oder App-Besuchen sowie weiteren Aktivitäten angeschaut. Dieser Ansatz ermöglicht die Bewertung dessen, wie sich das Sehen des TV-Spots auf die direkte Reaktion eines Nutzers innerhalb der Minute nach dem Werbespot auswirkt. Dabei wird davon ausgegangen, dass der TV-Spot den Nutzer dazu anregt, die Website des Werbetreibenden innerhalb der nächsten paar Minuten zu besuchen, nachdem dieser den TV-Spot gesehen hat. Diese Perspektive berücksichtigt jedoch nicht die länger anhaltenden Markeneffekte, die ein TV-Spot auf einen Nutzer haben könnte, welche diesen dazu bewegt, die Website des Werbetreibenden z. B. erst oder wieder zwei Wochen nach dem TV-Spot zu besuchen.
Die Makroperspektive
Die Makroperspektive berücksichtigt die aggregierten Besuche/Leads/Verkaufsdaten, z.B. auf einer täglichen wöchentlichen oder monatlichen Aggregationsebene. Es ist hierbei nicht erforderlich, TV-Spots den Nutzern direkt zuzuordnen. Diese Analyse ermöglicht die Beurteilung der Gesamtwirkung (Direct Response und Branding) von TV-Werbung. Methoden wie das Marketing Mix Modeling (MMM) und die erweiterte Zeitreihenprognose können hier eingesetzt werden. Der Nachteil dieser Vorgehensweise ist, dass sie weitaus weniger genau und nicht in allen Fällen anwendbar ist. Je nach Produkt und Art der TV-Werbung, Branding oder Direct Response-orientiert, kommt eine der beiden Methoden zum Einsatz. Es gibt außerdem Fälle, in denen eine Kombination beider Ansätze sinnvoll sein kann. Beispielsweise um zu verstehen, welche zusätzlichen Auswirkungen das Fernsehen auf die Markenbildung hat.
Mikroperspektive – Benutzerbasierte TV Attribution
Im Allgemeinen wird bei diesem Ansatz die Ausstrahlung eines TV-Spots mit einem statistisch signifikanten Anstieg der Besucherzahl pro Minute auf der Website des Werbetreibenden in Beziehung gesetzt. Dabei werden alle Besuche und Besucher von SEO, SEA Brand und Direct berücksichtigt. Traffic aus anderen Quellen, wie z. B. aus Retargeting-Kampagnen oder E-Mails, wird dabei meist nicht direkt durch TV-Werbung verursacht.
Die größte Herausforderung besteht darin, einen Ausgangswert zu bestimmen, um zu verstehen, wie die Anzahl der Website-Besuche nach einem TV-Spot aussehen würde. Konkret bedeutet das: Wenn der Ausgangswert auf 1000 Besuche pro Minute berechnet wird und die tatsächliche Anzahl der Besuche pro Minute nach einem TV-Spot 3000 Besuche beträgt, dann kann man daraus schließen, dass 2000 Besuche durch diesen TV-Spot passiert sind.
Adtriba berechnet den Ausgangswert dynamisch auf Minutenbasis, indem es die aktuellsten Daten aus den Zeiten verwendet, die nicht von TV-Werbung beeinflusst werden. Durch den Vergleich des Ausgangswertes mit der tatsächlichen Besucherzahl, berechnet der TV-Zuordnungsalgorithmus von Adtriba, ob es für jede Minute eine statistisch signifikante Steigerung der Besucherzahl gab.
Insbesondere wird darauf geachtet, dass Ausreißer und Minuten, in denen ein signifikanter Anstieg festgestellt wurde, die weitere Ausgangswertberechnung nicht verzerren. Diese rollierende Erfassung von statistisch signifikanten Peaks (eng.: lifts), ermöglicht eine dynamische Einstellung der Anzahl der Minuten, die nach der Ausstrahlung des TV-Spots zu berücksichtigen sind. In der Regel berücksichtigen TV-Analytics-Anbieter immer einen statischen Zeitrahmen, z. B. 4 oder 8 Minuten, was zu einer Über- oder Unterbewertung der Performance der TV-Werbung führen kann.
Ist das Zeitfenster beispielsweise auf 4 Minuten festgelegt. Die tatsächliche und messbare Wirkung des TV-Spots dauerte jedoch 7 Minuten. Dann können alle Besuche in der 5. bis 7. Minute und spätere Conversions aus diesen Besuchen nicht diesem TV-Spot zugeordnet werden.
Anzahl der einzelnen Besucher pro Minute, Ausgangswert und Peaks (Signal)
Im obigen Diagramm wird jede Minute mit einem signifikanten Peak mit dem Label "Signal" versehen. Die grüne Linie zeigt den dynamisch berechneten Ausgangswert. Um 21:01 Uhr wurde ein TV-Spot ausgestrahlt, in Minute 21:02 war der Ausgangswert 3 einmalige Besuche pro Minute, die tatsächliche Anzahl der Besuche betrug jedoch 111. Im Ergebnis führt das zu einem Anstieg von 36 (=(111-3)/3 und einer 97,3% (=108/111) Wahrscheinlichkeit für jeden Besucher auf der Website des Werbetreibenden in Minute 21:02 aufgrund dieses TV-Spots. Wenn einer dieser 111 Besucher in Zukunft bestellt, können 97,3% dieses Umsatzes diesem speziellen TV-Spot zugeordnet werden. Ein Beispiel: Wenn es in Zukunft 20 Bestellungen von diesen 111 Besuchern gibt, können diesem TV-Spot 19 zugeordnet werden.
Nur die Einbeziehung von Minuten mit statistisch signifikanten Steigerungen bei der TV-Attribution ist entscheidend. Andernfalls ist eine Überbewertung von TV-Spots auf kleineren (in Bezug auf Reichweite und GRP) Fernsehsendern mit höherer Frequenz sehr wahrscheinlich. Benutzer mit hoher Konvertierungs- und Kaufwahrscheinlichkeit neigen dazu, mehr Besuche auf der Website des Werbetreibenden per se zu haben, z. B. weil sie Details über das Produkt recherchieren. Ein TV-Spot, der 10 Mal pro Stunde auf einem kleinen Fernsehsender ausgestrahlt wird, hat eine höhere Wahrscheinlichkeit, in den Minuten unmittelbar vor einem Besuch eines kaufenden Nutzers gezeigt zu werden, als ein TV-Spot, der einmal pro Stunde auf einem großen Fernsehsender gezeigt wird. Wenn die Signifikanz des Peaks nicht berücksichtigt wird, kann dies dazu führen, dass einem kleinen TV-Sender zu viele Conversions gutgeschrieben werden.
Es ist zudem wichtig, keinen statischen Ausgangswert festzulegen; z. B. durch die Berechnung des Medians. Oder noch gravierender den Mittelwert der Besucherzahlen im Zeitraum oder Monat vor Beginn der TV-Sendungen. Dies könnte dazu führen, dass der Erfolg von TV-Werbung deutlich überbewertet wird. TV-Werbung hat nicht nur einen direkten Einfluss auf die Anzahl der Website-Besucher des Werbetreibenden nach dem TV-Spot, sondern erhöht auch die Gesamtzahl der Besucher. Wer das nicht mitberücksichtigt, würde die Effizienz eines einzelnen TV-Spots überbewerten.
Ein Beispiel: Eine TV-Kampagne hat im Februar begonnen und Spot A wird am 10. März um 15 Uhr ausgestrahlt; es gibt einen bedeutenden Anstieg, der zu 1200 Besuchen um 15:01 Uhr führt. Die durchschnittliche Anzahl der Besuche vor Beginn der TV-Kampagne im Februar lag bei 500 Besuchen pro Minute. Der dynamische Ausgangswert umfasst 800 Besuche um 14:59 Uhr. Die festgelegte Medianmethode würde hier 700 ansteigende Besuche messen, während der dynamische Ansatz diesem Zeitpunkt 400 Besuche zuweisen würde.
Wie funktioniert Attribution für überschneidende TV-Werbespots?
Bei TV-Spots, die sich überschneiden, wird in der Attribution das sogenannte Peak- bzw. Upliftmuster jedes einzelnen TV-Spots berücksichtigt. Also wenn dies ohne Überschneidung zu einem weiteren TV-Spot erscheint, wird dies für eine gewichtete Verteilung des Anstiegs zwischen den TV-Spots genutzt. Ein Beispiel: Spot A, der um 15.00 Uhr ausgestrahlt wird, führt zu einem anschließenden deutlichen Anstieg der Besucherzahl in den nächsten Minuten. Spot B, der um 15:03 Uhr ausgestrahlt wird, resultiert ebenfalls in einem signifikanten Anstieg für die nächsten Minuten. Die Peak- bzw. Upliftmuster für Spot A und Spot B, wenn diese ohne Überschneidung ausgestrahlt werden, sind in der folgenden Tabelle dargestellt:
Tabelle 1 – Durchschnittlicher Peak bzw. Uplift pro Minute nach der Ausstrahlung des TV-Spots
Tabelle 1 Beispiel: In Minute 4 beträgt der Besucheranstieg nach der Ausstrahlung des TV-Spot A im Durchschnitt 9. D.h. wenn der Ausgangswert 20 Besuche pro Minute beträgt, erfolgen im Durchschnitt über alle vergangenen Ausstrahlungen von Spot A 200 (= (Uplift+1)*Ausgangswert) Besuche pro Minute.
Tabelle 2 – Attribution der Besucher- und Besuchswahrscheinlichkeit für überschneidende TV-Spots
Ein Beispiel bezogen auf Tabelle 2:
- Um 15:04 Uhr, Minute 5 nach der Ausstrahlung von TV-Spot A (durchschnittlicher Uplift von 8, siehe Tabelle 1)
- und Minute 2 nach der Ausstrahlung von TV-Spot B (durchschnittlicher Uplift von 9),
- es sind 155-20 = 135 zusätzliche Besuche,
- davon 8/(8+9) = 47% (64), die auf den TV-Spot A entfallen
- und 9/(8+9)= 53% (71) auf TV-Spot B.
- Dies führt zu einer 41%igen (=64/135) Wahrscheinlichkeit, dass jeder Nutzer um 15:04 Uhr aufgrund des TV-Spots A (bzw. 46% für Spot B) die Website besucht.
Hieraus resultiert eine Schätzung darüber, wie wahrscheinlich es ist, dass ein Besucher den TV-Spot gesehen hat und die Website aufgrund dessen besucht hat. Diese Wahrscheinlichkeit können wir auf zwei Arten nutzen, welche im folgenden Abschnitt näher erläutert werden.
Die isolierte TV Attribution
Der erste Ansatz umfasst die isolierte Schätzung der Auswirkungen der TV-Spots, ohne Berücksichtigung weiterer Marketing-Touchpoints. Diese Vorgehensweise verfolgen auch die Mehrheit der TV-Analytics-Anbieter, TV-Sender sowie Agenturen. Problematisch hierbei ist, dass diese Methode die Gefahr einer Überbewertung der Werbewirksamkeit des Fernsehspots birgt, indem weitere Marketing-Touchpoints nicht berücksichtigt werden.
Um die Anzahl der Conversions zu schätzen, die einem bestimmten TV-Spot auf diese Weise zugewiesen werden sollten, werden alle Nutzer, welche die Website nach diesem TV-Spot in den Minuten mit signifikanten Uplifts besuchen, zu dieser TV-Spot-Kohorte gehörig gekennzeichnet. Bestellt also ein Nutzer aus dieser Kohorte ein Produkt, wird diese Bestellung diesem TV-Spot zugeordnet, gewichtet mit der Wahrscheinlichkeit, dass dieser Nutzer tatsächlich aufgrund dieses TV-Spots auf die Website gekommen ist.
Ein Beispiel basierend auf den Daten aus Tabelle 2: Angenommen, dass von allen 155 Benutzern, welche die Website um 15:05 Uhr besucht haben, 10 Benutzer eine Bestellung etwas später abschließen. Dann würden 2,5 (25%) dieser Aufträge TV-Spot A und 6,3 TV-Spot B zugewiesen werden. Ebenso trifft dies für alle Minuten mit signifikanten Uplifts nach der Ausstrahlung von TV-Spot A zu, um die Attribution der Gesamtkonversion für TV-Spot A zu berechnen. Wenn ein Nutzer die Website nach dem TV-Spot mehrfach besucht hat – zunächst an einem Montag, ein weiteres Mal am Dienstag – so würde die Wertzuweisung entsprechend aufgeteilt werden. Basierend auf den Uplift-Gewichtungen jedes einzelnen TV-Spots, wenn diese ohne Überschneidung mit anderen TV-Spots ausgestrahlt werden.
Integrierte und Cross-Channel TV Attribution
Der zweite Ansatz besteht darin, die potenziellen TV-Werbe-Touchpoints auf Benutzerebene in die Analyse der User Journey und in das Attribution Modeling zu integrieren. Diese Vorgehensweise ermöglicht, dass der Erfolg von TV-Werbung in einem ganzheitlichen, kanalübergreifenden Kontext bewertet wird. Durch die oben beschriebenen Berechnungen wissen wir für jeden Nutzer, der die Website des Werbetreibenden besucht, wie hoch die Wahrscheinlichkeit ist, dass dies auf den angesehenen TV-Spot zurückzuführen ist.
Auf das obige Beispiel aus Tabelle 2 bezogen, nehmen wir an, dass ein Benutzer die Website um 15:03 Uhr besucht hat. Mit einer 45%igen Wahrscheinlichkeit ist der Besuch auf Spot A und mit einer 40%igen Wahrscheinlichkeit auf Spot B zurückzuführen. Diese beiden TV-Werbeanzeigen werden in die User Journey dieses Benutzers integriert. Wenn dieser Benutzer einen weiteren Paid Search Click hat, etwas in den Warenkorb legt und dann das Produkt direkt nach dem Klick auf eine Retargeting-Kampagne kauft, würde seine spezielle User Journey wie folgt aussehen:
User Journey mit zwei potentiellen und gewichteten TV Ad Views
Die Integration von TV-Spot-Touchpoints in die User Journey Analyse liefert Erkenntnisse darüber, welche weiteren Marketing-Touchpoints Teil der Customer Journey sind, die von TV-Kampagnen beeinflusst werden können. So lässt sich beispielsweise nachvollziehen, in welchen Bereichen die Ausgaben für digitale Marketingkampagnen erhöht werden müssen, sodass der Traffic eines bestimmten Fernsehsenders Conversions mündet. Kunden von Adtriba ermöglicht es, das Zusammenspiel von TV-Werbung und digitalen Marketing-Kanälen auf User Journey und Detailebene zu analysieren.
Für Werbetreibende ist hierbei insbesondere die Kombination von User Level TV Attribution mit CLV Attribution interessant. Auf diese Weise kann nicht nur der Einfluss von Fernsehspots auf Erstaufträge, sondern auch auf alle folgenden, sprich den Customer-Lifetime-Value (zu Deutsch: Kundenlebenswert) beurteilt werden. Ein Beispiel: Nehmen wir an, ein Fernsehsender zieht bisher erfolgreich Erstbesteller an, jedoch keine Nutzer, die wiederholt kaufen. Mit Hilfe von CLV Attribution verbessert sich seine Wettbewerbsposition jedoch im Vergleich zu einem TV-Sender, der weniger neue Kunden anzieht, aber durch eine bessere Gewinnung von Wiederholungskäufern höhere CLV’s generiert. Erst CLV-basierte TV Attribution befähigt zu einer ganzheitlichen Performance-Optimierung von TV-Anzeigen.
Die folgenden Diagramme aus dem Adtriba-Dashboard sind Beispiele für die Art der Analyse, die durch diesen integrierten Ansatz möglich ist:
Adtriba Performance Report inklusive TV als Kanal im Vergleich mit anderen Marketing-Kanälen
Adtriba Customer Journey Analyse: User Journeys mit einem TV-Ad-View als erste Interaktion
Adtriba Funnel Analyse: In welchem Teil der Customer Journey TV-Ad-Views stattfinden
Adtriba bietet zwei Möglichkeiten für die die Performance-Analyse einer TV-Werbekampagne; die isolierte sowie integrierte TV Attribution. Grundsätzlich sollte der integrierte Ansatz bevorzugt werden. Insbesondere zum Vergleich mit bestehenden Tools oder dem, was TV-Agenturen oder -Sender ermöglichen, bieten wir auch die isolierte Perspektive.
Möchten Sie mehr darüber erfahren, wie Adtriba TV-Werbung in das User Journey Modeling integriert? Dann freuen wir uns über Ihre Kontaktaufnahme.