So wählen und testen Sie ein Attributionsmodell

Wenn ein Vermarkter vor der Herausforderung steht, eine bestimmte Anzahl von Conversions zu erzielen, ohne das Budget zu überschreiten, muss er sicherstellen, dass das von ihm angewendete Attributionsmodell ihm dabei hilft, die richtigen Entscheidungen zu treffen und die Logik des Modells zu verstehen. Dabei können viele Fehler gemacht werden, die zu Zeit- und Geldverlusten führen.

In diesem Artikel haben wir Informationen zusammengestellt, die Ihnen helfen, moderne Attributionsmodelle zu vergleichen und anzuwenden, um das Marketing Ihres Unternehmens auf die nächste Stufe zu heben.

Da Benutzer möglicherweise mit mehreren Werbekampagnen interagieren, müssen Sie ein Attributionsmodell anwenden, um die Anzahl und den Wert der Conversions zu schätzen, die sich aus jeder Kampagne ergeben. Mit einem Attributionsmodell können Sie den Conversion-Wert auf Kampagnen verteilen, mit denen ein Benutzer vor der Konvertierung interagiert hat.

Was erwarten wir von einem Attributionsmodell? Es sollte genau und verständlich sein. Die meisten bekannten Modelle erfüllen jedoch nur eine dieser Anforderungen.

Zum Beispiel ist das beliebteste Last-Touch-Attributionsmodell (letzter Klick, letzter indirekter Klick) ziemlich klar: Der letzten Kampagne wird der gesamte Wert beigemessen. Aber es hat einen offensichtlichen Nachteil: Es ignoriert den Beitrag aller Kampagnen außer der letzten.

Viele Menschen verwenden zugeordnete Conversions , insbesondere um Display-Kampagnen zu bewerten. Dieses Modell ist auch klar genug: Es gibt den Konversionswert für jede Kampagne an, mit der der Benutzer interagiert hat. Aber eine solche Einschätzung ist extrem ungenau, da sie nur das Vorhandensein einer Kampagne in der Kette berücksichtigt und den Grad ihres Einflusses ignoriert.

Beispielsweise erhalten Reichweitenkampagnen den Wert aller Conversions von Benutzern, die die Kampagnenbanner sehen. Dadurch übersteigt die Anzahl der zugeordneten Conversions die tatsächliche Anzahl der Conversions deutlich.

Moderne Dienste priorisieren die Genauigkeit und entwickeln probabilistische Attributionsmodelle . Zum Beispiel wirbt Google für sein datengesteuertes Modell, Facebook für Conversion Lift und Nielsen für Campaign Lift.

Diese Modelle haben einen gemeinsamen Ansatz: Sie messen, inwieweit eine bestimmte Kampagne die Conversion-Wahrscheinlichkeit erhöht hat, und bestimmen entsprechend ihren Wert. Dies macht die Bewertung objektiver, lässt aber viele offene Fragen für Werbetreibende offen, da die Modelle wie eine Blackbox aussehen und es nur begrenzte oder keine Debugging-Möglichkeiten gibt.

Bei OWOX entwickeln wir seit 2015 ein probabilistisches Attributionsmodell. Das OWOX-Attributionsmodell basiert auf maschinellem Lernen. Es wertet Werbekampagnen auf Benutzersitzungsebene aus, berücksichtigt ihren Beitrag zum Trichter und ermöglicht es Vermarktern, verwaltete Kanäle und das Conversion-Fenster festzulegen sowie CRM-Daten zu verbinden.

Wir haben kürzlich eine neue Version des OWOX BI-Zuordnungsmodells eingeführt, das Best Practices zusammenführt und wichtige Geschäftsvorteile bietet:

1. Das Modell bestimmt den Beitrag von Kampagnen basierend auf der Conversion-Wahrscheinlichkeit und erfordert keine manuelle Auswahl von Trichterschritten. Im Beispiel unten hatte der Benutzer in der ersten Sitzung des bezahlten Suchkanals eine Conversion-Chance von 20 %; in der zweiten Sitzung aus dem Retargeting-Kanal stieg die Wahrscheinlichkeit auf 70 %; und in der dritten Sitzung konvertierte der Benutzer.

Der Wert jeder Sitzung entspricht der Erhöhung der Wahrscheinlichkeit einer Conversion durch den Benutzer im Vergleich zur vorherigen Sitzung. In diesem Fall:

• Die erste Sitzung aus der bezahlten Suche erhält 20 % des Conversion-Werts, da sie die Wahrscheinlichkeit von 0 % auf 20 % erhöht hat.
• die zweite Sitzung mit Retargeting erhält 50 % des Conversion-Werts, da sie die Wahrscheinlichkeit von 20 % auf 70 % erhöht
• Die dritte Sitzung mit E-Mail erhält die restlichen 30 % des Conversion-Werts

In jedem probabilistischen Attributionsmodell ist die Genauigkeit bei der Vorhersage der Wahrscheinlichkeit einer Conversion das Wichtigste. Die maschinellen Lernalgorithmen von OWOX BI sind äußerst genau, was durch die Ergebnisse von iProspect und Eldorado bestätigt wird, die diese Algorithmen verwendeten, um eine 2,2-fache Steigerung des ROI zu erzielen.

2. Der zweite Vorteil der neuen Version des OWOX-Zuordnungsmodells ist die Fähigkeit, den Wert auch jener Sitzungen vorherzusagen, die noch nicht zu einer Conversion geführt haben:

Mit dieser Prognose können Sie herausfinden, wie viele Conversions Sie in Zukunft von einer Werbekampagne erwarten können, wenn Sie die Kampagne heute deaktivieren.

Auf diese Weise können Sie schneller Entscheidungen treffen, um leistungsschwache Kampagnen zu deaktivieren, und nicht versehentlich verzögerte Kampagnen deaktivieren.

Die Vorhersagegenauigkeit eines Modells hängt nicht nur von den Algorithmen ab, sondern auch von der Größe der Trainingsstichprobe. Die Steigerung der Geschwindigkeit und Qualität der Prognosen für das OWOX-Modell wurde durch das Training des Modells in Zehntausenden von Projekten erreicht.

3. Vor allem, um die Berechnungslogik so transparent wie möglich zu machen und alle Besonderheiten eines bestimmten Unternehmens zu berücksichtigen, haben wir den Datentransformationscode für alle Kunden geöffnet. Sie können Änderungen am Code selbst vornehmen, und OWOX BI kümmert sich um regelmäßige Datenaktualisierungen, kombiniert die Kosten von Werbekampagnen und stellt alle erforderlichen Berichte bereit. Sie können sich über die Vorteile der Umwandlung von Daten in dbt (Datenerstellungstool) informieren, indem Sie sich für eine Demo anmelden.

Bei der Auswertung von Kampagnen mit unterschiedlichen Attributionsmodellen sind unterschiedliche Ergebnisse zu erwarten. Daher stellt sich zwangsläufig die Frage: Welches Attributionsmodell soll man wählen und welches zeigt den richtigen Weg auf?

Tatsächlich braucht ein Marketer keinen Kompass, der nach links oder rechts zeigt, sondern ein vollwertiges Navigationssystem, das Routen unter Berücksichtigung von Staus und der erforderlichen Ankunftszeit berechnet und empfiehlt. Dies ist ein Attributionsmodell, das es einem Unternehmen ermöglicht, ein Ziel basierend auf bestimmten Empfehlungen zu erreichen.

Darüber hinaus kann die Verwaltung Ihres Werbebudgets ohne Berücksichtigung der Kanalkapazität Sie in eine Sackgasse führen, genau wie ein Kompass, der die Landschaft nicht berücksichtigt. Die meisten Vermarkter wissen, dass niedrige Kosten pro Conversion nicht ausreichen, um eine Entscheidung zur Erhöhung des Budgets zu treffen. Beispielsweise können Markenkampagnen niedrige Kosten pro Conversion haben, aber ihre Kapazität ist erschöpft, sodass eine Erhöhung Ihres Budgets die Conversions nicht erhöht.

Das obige Diagramm zeigt, wie die Anzahl der Conversions in den Kampagnen A und B vom in diese Kampagnen investierten Budget abhängt. Beachten Sie, dass der aktuelle CPA von Kampagne A geringer ist als der von Kampagne B. Die nächste Conversion in Kanal A kostet jedoch mehr als in Kanal B!

Um die Attribution anzuwenden, müssen Sie daher nicht nur die aktuelle Leistung des Kanals kennen, sondern auch, wie sich das Gesamtergebnis ändert, wenn Sie das Budget für jeden Kanal, jede Kampagne und jedes Keyword erhöhen oder verringern.

Mit einem solchen Modell in ihrem Projekt kann das Marketingteam die passende Wachstumsstrategie wählen:

1. Erzielen Sie die gleiche Anzahl an Conversions, indem Sie Ihr Budget kürzen.
2. Erhöhen Sie die Anzahl der Conversions mit demselben Budget.
3. Erhöhen Sie die Anzahl der Conversions mit demselben CPA.

Dadurch erhalten Sie nicht nur Empfehlungen zur Umverteilung des Budgets, sondern auch das prognostizierte Ergebnis.

Die Hauptfrage bleibt: Wie können Sie die Kapazitätskurve für jedes Keyword kennen? Bei OWOX BI verwenden wir Marktdaten von Zehntausenden von Projekten, um ein Modell zu trainieren, das diese Frage beantwortet, wenn die Region und Nische eines Projekts gegeben sind. Unserer Erfahrung nach reichen die Daten eines Monats selbst bei großen Projekten nicht aus, um eine qualitativ hochwertige Prognose zu erhalten.

Die zentralen Thesen:

1. Ein Attributionsmodell bewertet Werbekampagnen, gibt aber keine Empfehlungen zur Umverteilung des Werbebudgets.
2. Um Empfehlungen zu erhalten, müssen Sie die Kapazität von Kampagnen und die Werbestrategie kennen.
3. Das beste Attributionsmodell basiert auf Empfehlungen, die es Ihrem Unternehmen ermöglichen, ein bestimmtes Ziel zu erreichen.

Möglichkeiten zur Steigerung der Kanalkapazität (Medien) und häufige Fehler bei der Festlegung von Zielen für Agenturen (letzter Klick) verdienen besondere Aufmerksamkeit (und Artikel). Schreiben Sie in die Kommentare, worüber Sie in unseren nächsten Artikeln lesen möchten.

Wenn Sie mehr über das OWOX-Attributionsmodell erfahren möchten, melden Sie sich für eine Demo an. Wir beantworten gerne alle Ihre Fragen.