von
János Moldvay
Wer die weitverbreitete Last-Click-Attribution mit einem datengesteuerten Modell für Marketing Attribution vergleicht, erkennt, wie gefährlich das Festhalten an der Last-Click-Attribution sein kann. Wird nur die letzte Marketinginteraktion vor einer Conversion berücksichtigt, ist das vergleichbar mit dem Bezahlen nur der Spieler, die einen Touchdown in der NFL erzielt haben. Jeder erfahrene Marketer weiß, dass eine Last-Click-Attribution falsch ist und zu einer suboptimalen Budgetallokation sowie einem ineffizienten Marketingmanagement führt. Wie falsch Last-Click und weitere statische Attributionsmodelle sind, erfahren Sie in diesem Beitrag.
Im Vergleich: Statische und dynamische Marketing Attribution
Als Anbieter einer dynamischen, Machine Learning-basierten Attributionslösung haben wir die Möglichkeit, die Antwort auf folgende Frage zu berechnen: Wie falsch ist die Bewertung nach Last-Click und weiteren statischen Modellen für Marketing Attribution tatsächlich? Konkret bedeutet das: Wir schauten uns alle Kunden von Adtriba in unserem Dashboard an, um herauszufinden, wie viele Conversions einem Marketing-Kanal auf der Grundlage des letzten Klicks zugeordnet werden. Anschließend verglichen wir diese Last-Click-Attribution mit der Anzahl der Conversions, die dem gleichen Kanal nach dem Adtriba-Attributionsmodell zugeordnet wurden.
Zusätzlich sahen wir uns an, wie sehr sich die Zahl von drei anderen gängigen statischen Attributionsmodellen unterscheidet: First-Click, Linear und Positionsbasiert bzw. U-förmig. Die Mehrheit der Marketer, mit denen wir sprechen, bewertet Marketing-Kampagnen noch immer nach der Last-Click-Betrachtung. Vereinzelt sind sie bereits einen Schritt weiter und setzen z. B. auf das positionsbasierte Attributionsmodell. Weil dieses weniger falsch erscheint, als Last-Click. Fraglich ist, ob die alternativen Regeln, dem dieses Modell folgt, das positionsbasierte Attributionsmodell zu einem besseren macht? Die folgenden zwei Diagramme zeigen die Über- bzw. Unterbewertung von verschiedenen Marketing-Kanälen anhand von statischer Attribution, im Vergleich mit dem dynamischen, datengetriebenen Marketing Attributionsmodell von Adtriba:
59,10% mediane Differenz für Display/Last-Click bedeutet, dass für 50% der Adtriba-Kunden Display um mindestens 59,10% aufgrund von Last-Click unterbewertet wurde. Ein Beispiel: Adtriba-Attributionsmodell: 1000 Conversions, Last-Click-Modell: 409 Conversions.
Die Ergebnisse besagen, dass Organic Search und Social in allen statischen Attributionsmodellen überbewertet wurden. Darüber hinaus gibt es keine erkennbaren Muster, die anhand dieser Statistik identifiziert werden können. Was wiederum die Beliebigkeit statischer Attribution untermauert.
Der gravierendste Fehler regelbasierter, statischer Attributionsmodelle ist, dass sie nicht alle erfolglosen, sprich nicht-konvertierenden Marketing-Touchpoints berücksichtigen. Das heißt, dass sie die Effizienz einer bestimmten Marketingkampagne überhaupt nicht erkennen können. Übertragen wir dieses Szenario auf den Fußball: Die einzelnen Spieler würden Sie mit Sicherheit immer nach ihrer Effizienz bewerten, also ihre erfolgreichen und erfolglosen Spielzüge analysieren – richtig? Mittelfeldspieler werden danach bewertet, wie hoch ihre Passquote ist. Abwehrspieler danach, wie häufig sie im Zweikampf gewonnen haben usw. Tun sie dies also nicht, ist die Customer Journey Analyse und die Analyse der Marketingeffizienz vollständig voreingenommen und aus Datensicht schlichtweg falsch.
Paid Search Brand Kampagnen sind im Durchschnitt um 30 Prozent überbewertet
Es gab eine ziemlich kontroverse und intensive Diskussion über die richtige Marketing Attribution bei Paid Search Brand Kampagnen. Viele größere Marken führten Tests durch und fanden heraus, dass Brand Search Kampagnen bei ihnen deutlich überbewertet waren. Fakt ist, Marken-Recherchen finden tendenziell im unteren Funnel der Customer Journey statt, d.h. in der Nähe der Conversion. Offensichtlich führt dies dazu, dass Brand Search Kampagnen von einer Last-Click-Attribution profitieren und daher oftmals überbewertet werden. Wir bei Adtriba untersuchten deshalb, ob wir dafür in den Customer Journey Daten unserer Kunden Hinweise finden würden. Folgendes fanden wir heraus: Paid Search Brand Kampagnen sind nach der Last-Click-Betrachtung und im Vergleich mit dem Adtriba-Attributionsmodell im Durchschnitt um 30 Prozent überbewertet.
In diesem Zusammenhang ist es wichtig zu verstehen, dass es sich hierbei um hochaggregierte Statistiken handelt, die darauf abzielen, zu veranschaulichen, wie gefährlich das Festhalten an Last-Click (oder einem anderen statischen Attributionsmodell) sein kann. Diese Zahlen sind keineswegs umsetzbare Erkenntnisse, die dazu geeignet sind, operative Maßnahmen abzuleiten. Nur weil Affiliate-Kampagnen insgesamt überbewertet wurden, bedeutet das z. B. nicht, dass die Ausgaben in allen Affiliates reduziert werden sollten. Diese Zahlen rechtfertigen auch keine Erhöhung der Ausgaben in allen Display-Werbekampagnen. Aus den zuvor beschriebenen Erkenntnissen lässt sich dennoch eines ableiten: Werbetreibende sollten auf dynamische, datengesteuerte Marketing Attribution setzen.
Das Ziel von Marketing Attribution ist dabei nicht, eine einzigartige und absolute Wahrheit zu erzeugen. Vielmehr ist die Arbeit an der Attributionsmodellierung ein kontinuierlicher Prozess, um bessere Marketing-Entscheidungen zu treffen. Die Budgetallokation für Marketing-Kampagnen zu optimieren. Und den Marketing-ROI zu verbessern. Fernab von statischer Marketing Attribution und ausgehend von einem dynamischen, datengesteuerten Ansatz bedeutet dies vor allem eines: die richtige Richtung einzuschlagen.