Warum Single-Channel-Attributionsmodelle für CMOs eine Sackgasse sind

Durch den Zugriff auf eine riesige Menge an Kundendaten können sich Marketingexperten ein ganzheitliches Bild von den Vorgängen machen. Marketer können beispielsweise genau herausfinden, wie Kunden mit Ihrer Marke interagieren, die Wahrscheinlichkeit vorhersagen, dass ein Benutzer etwas kaufen wird (und wann), abschätzen, welchen Umsatz Kunden bringen werden, und bestimmen, welche Kanäle für die Interaktion mit Kunden am besten geeignet sind. Aber das ist nur eine Seite der Medaille. Auf der anderen Seite wird Werbung teurer und die Aufmerksamkeit der Verbraucher wird immer schwieriger.

Die technologisch fortschrittlichsten Vermarkter werden dieses Rennen gewinnen, und die Zuordnung spielt eine wichtige Rolle bei der Bewertung der Effektivität von Werbekanälen. Dieser Artikel erklärt, warum Single-Channel-Attributionsmodelle ein Weg ins Nirgendwo sind und warum selbst datengetriebene Modelle für erfolgreiches Marketing nicht ausreichen.

Mit der Entwicklung der Technologie, dem Auftauchen von immer mehr Marketingkanälen (online und offline) und dem Übergang von Unternehmen zum Internet aufgrund der Pandemie ist es für Marken von entscheidender Bedeutung zu verstehen, woher ihre Kunden kommen und wie und wann Kunden konvertieren . Hier kommt die Marketing-Attribution ins Spiel.

In der Marketinganalyse geht es bei der Attribution darum, den Wert zu bewerten, den Werbekanäle bringen. Dies ist eine der kritischen Aufgaben von Digital Marketern. Wieso den? Wie die Studie von Gartner aus dem Jahr 2020 zeigt, sind mehr als 80 % der Marketingbudgets für digitale Kanäle vorgesehen. Einfach ausgedrückt, Millionen von Dollar werden für Werbung ausgegeben, und Unternehmen wollen natürlich sicher sein, dass diese Ausgaben Kunden und Einnahmen bringen.

Das Ziel der Attribution besteht darin, den Beitrag eines Kanals zu Conversions zu definieren – seine Rolle dabei, Kunden zum nächsten Schritt des Trichters zu führen oder Käufe anzukurbeln – und jedem Trichterschritt einen Wert zuzuweisen.

Marken verwenden Marketinganalysen, um zu definieren, wie, wo und wann ein Kunde mit einem Unternehmen interagiert, und verwenden die Zuordnung, um die Kanaleffizienz zu bewerten. Dank dieser Daten können Vermarkter dann Werbekampagnen ändern und verbessern.

Es gibt viele verschiedene Arten von Attributionsmodellen , und es ist erwähnenswert, dass es nicht ein einziges richtiges Modell gibt. Üblicherweise werden Attributionsmodelle nach der Logik klassifiziert, nach der sie den Wert berechnen. Zu den Arten von Attributionsmodellen gehören:

• Positionsbasierte Attributionsmodelle – Time Decay, Position-Based
• Algorithmische Attributionsmodelle – Data-Driven, Markov Chains
• Single-Channel- Zuordnungsmodelle – Letzter Klick, Erster Klick
• Multi-Channel- Attributionsmodelle – Linear, Time Decay

Die meisten Unternehmen verwenden Single-Channel-Attributionsmodelle. Diese Modelle wurden schon immer verwendet, warum also etwas ändern, das zu funktionieren scheint? Single-Channel-Modelle sind einfach, Standard in Google Analytics (Universal) und machen es einfach zu verstehen, wie der Wert verteilt ist.

Hier ist ein Beispiel dafür, wie der Conversion-Wert in Single-Channel-Attributionsmodellen verteilt wird:

Allerdings können diese Modelle nur einen Kanal auswerten. Sie vereinfachen den Omnichannel-Kundenweg zum Kauf zu sehr, was zu schwerwiegenden Missverständnissen führt und sicherlich nicht die tatsächliche Situation widerspiegelt.

Wenn wir uns zum Beispiel den Path-Bericht eines Multichannel-Händlers mit einer moderaten Anzahl von Website-Besuchern ansehen, können wir sehen, welcher Anteil der Einnahmen durch die getätigten Bestellungen beim ersten Besuch generiert wird. Hier bringen Multichannel-Pfade mit zwei und mehr Visits 72% der Einnahmen.

Im Durchschnitt dauert es sieben bis neun Touchpoints (die besten Performer können dies auf fünf reduzieren), bis ein Kunde konvertiert. Offensichtlich beeinflusst jeder dieser Touchpoints (Kanäle) die Conversion-Wahrscheinlichkeit. Logisch, dass hier der Einfluss aller Kanäle auf den Käufer berücksichtigt werden muss.

Bei der Verwendung von Single-Channel-Attributionsmodellen werden jedoch verschiedene Stufen des Trichters ignoriert. Das Ignorieren dessen, was am Anfang, in der Mitte und am Ende des Verkaufstrichters passiert, kann zu falschen Managemententscheidungen und finanziellen Verlusten führen.

Neben Single-Channel-Attributionsmodellen sind datengetriebene Modelle sehr beliebt. Zu den bekanntesten Beispielen gehören das Data-Driven-Modell von Google, das Conversion-Lift-Modell von Facebook und Campaign Lift von Nielsen.

Datengesteuerte Modelle spiegeln den Einfluss jeder Quelle auf den Conversion-Pfad genauer wider. Sie sind schnell, anpassungsfähig und objektiver als Single-Channel-Modelle, weil sie alle Daten zu Nutzerinteraktionen mit Marken berücksichtigen. In einer Multi-Channel-Umgebung überzeugen alle Berührungspunkte Kunden vom Kauf eines Produkts, aber ihr Einfluss ist eindeutig nicht gleich. Dementsprechend hinterlassen einfache, traditionelle Attributionsmodelle große Lücken bei der Analyse von Daten und geben kein vollständiges Bild von dem, was vor sich geht.

Die datengesteuerte Attribution vergleicht Benutzerpfade anhand von Daten aller Benutzer (sowohl derjenigen, die eine Conversion durchgeführt haben, als auch derjenigen, die dies nicht getan haben). Mit diesem Ansatz können Marketer abschätzen, in welchem ​​Fall die Wahrscheinlichkeit einer Conversion höher ist.

Als Ergebnis berechnet das Modell die Conversion-Gewichtung jedes Kanals im Pfad des Benutzers, unabhängig von seiner Position.

Zu den Nachteilen datengesteuerter Modelle gehört die Tatsache, dass der Algorithmus genügend Daten empfangen muss, um die genauesten Ergebnisse anzuzeigen. Damit ein Modell eine zuverlässige Schätzung liefern kann, benötigt es viele historische und Marktdaten. Mindestens 12 Berührungspunkte sind erforderlich, um eine hohe Genauigkeit in datengetriebenen Attributionsmodellen zu erreichen.

Zusammenfassend können wir sagen, dass ein Single-Channel-Modell meistens zu falschen Managemententscheidungen führt, da diese Entscheidungen nicht das Gesamtbild berücksichtigen. Daher ist ein datengetriebenes Modell besser als ein einkanaliges Modell. Der Perfektion sind jedoch keine Grenzen gesetzt. Fortgeschrittenere Optionen berücksichtigen die Wahrscheinlichkeit von Conversions und werden mit maschinellen Lerntechnologien anhand von Marktdaten trainiert.

Das größte Problem bei datengetriebenen Attributionsmodellen ist, dass zu viele Daten für die Analyse benötigt werden. An der Kommunikation mit dem Kunden beteiligt sich nicht ein Kanal, sondern eine ganze Reihe von Medienquellen in unterschiedlichen Variationen. Um zum Beispiel die ROI-Metrik zu messen, muss ein Vermarkter dieses ganze Orchester irgendwie verwalten.

Hier retten Attributionsmodelle für maschinelles Lernen (ML) den Tag! Modelle, die maschinelles Lernen und Marktdaten verwenden, haben den Ansatz der Zuordnung grundlegend verändert. ML-Modelle können auf Unternehmen zugeschnitten werden, um ein möglichst vollständiges und wahrheitsgetreues Bild vom Kaufweg eines Kunden zu erhalten. Mit einem Anstieg der Internetverkäufe um mehr als 70 % im Jahresvergleich zwischen 2019 und 2020 ist ein ML-Modell ein Muss für jeden Vermarkter.

Alle Daten, die für Marketing Analytics benötigt werden und deren Menge täglich zunimmt, können ohne den Einsatz von maschinellem Lernen nicht verarbeitet werden. Mit seiner Hilfe müssen sich Vermarkter auf der Suche nach nützlichen Erkenntnissen nicht mehr durch ein Zahlenlabyrinth quälen.

Schließlich ist es für Unternehmen wichtig, nicht nur zu verstehen, welche Kanäle nicht funktionieren, sondern auch zu verstehen, welche funktionieren, damit sie ihre Budgets nicht blindlings zuweisen.

Laut der Studie „Digital Marketing Insights for CMOs in 2021“ von Gartner glauben 84 % der CMOs, dass der Einsatz von maschinellem Lernen und künstlicher Intelligenz die Marketingfunktionalität verbessert. Gleichzeitig nutzen nur 17 % der Fachleute umfassend KI/ML-Fähigkeiten.

Das OWOX BI-Team hat an mehr als 27.000 Projekten gearbeitet und versteht, dass jedes Unternehmen seine eigenen Zuordnungsanforderungen hat und dass es keine eindeutige Antwort für alle gibt. Für ein Unternehmen ist ein Single-Channel-Modell geeignet. Einige Unternehmen benötigen eine datengesteuerte Option. Und für die anderen ist eine Marketing-Mix-Optimierung (MMO) notwendig.

Theorie geht immer Hand in Hand mit der Praxis. Das OWOX-Modell zeichnet sich durch erhöhte Geschwindigkeit und hervorragende Prognosequalität aus, da es auf Marktdaten aus Zehntausenden von Projekten trainiert wurde. Die Verwendung von ML-Zuordnung und automatischem Import von Zielgruppen half einem unserer Kunden, seinen ROI um das 2,2-fache zu steigern.

OWOX hat kürzlich eine aktualisierte Version seines Attributionsmodells herausgebracht. Was sind die Vorteile dieses neuen Modells?

1. Sie müssen Trichterschritte nicht manuell auswählen. Das Modell selbst bestimmt den Beitrag von Kampagnen basierend auf der Wahrscheinlichkeit von Conversions.
2. Sie erhalten eine Prognose des Wertes für beliebige Sitzungen. Mit dem neuen Modell können Sie die Frage beantworten , wie viele Conversions würde ich in Zukunft erhalten, wenn ich diese Kampagne heute deaktivieren würde? Dieser Ansatz hilft Ihnen, die Deaktivierung zurückgestellter Kampagnen zu vermeiden und ineffiziente Kampagnen schneller auszuschalten.

3. Die Berechnungslogik ist absolut transparent. Offener Datentransformationscode ermöglicht es Ihnen, beliebige Unternehmensmerkmale zu berücksichtigen. OWOX-Kunden können notwendige Änderungen am Code vornehmen, während der Dienst Daten aus Marketingquellen (Anzeigendienste, Anrufdienste, CRMs) aktualisiert, sie mit Kostendaten von verschiedenen Anzeigenplattformen kombiniert und die erforderlichen Berichte erstellt.

Attributionsmodelle ermöglichen Ihnen die Kontrolle der Marketingkanäle und helfen Ihnen zu verstehen, wie genau Ihre Berichte die Effektivität Ihres Marketings zeigen und wie Sie Ihr Marketing über die wirklich wichtigen Berührungspunkte hinweg optimieren können.

Vermarkter müssen sicher sein, dass jede Aktion den Kunden der Conversion näher bringt. Sie können Attributionsmodelle verwenden, um die profitabelsten Marketingkampagnen zu ermitteln, je nachdem, wie viel Sie in sie investiert haben.

Welches Modell Sie wählen, hängt von Ihrer Branche, den Zielen Ihres Unternehmens und der Größe Ihres Unternehmens ab. Eines ist jedoch sicher: Keines dieser Modelle kann 100% genaue Ergebnisse garantieren.