Business Case: Attribution 2.0
Online-Marketing: Online-Budgets optimal verteilen mit Attribution 2.0
Task
Es gibt viele Möglichkeiten, seine Budgets zu investieren – auch beim Online-Marketing. Oft stellt sich dabei die Frage, ob die gewählten Online-Marketing-Kanäle (SEO, Affiliate, SEM etc.) auch den gewünschten Effekt liefern: mehr Klicks, mehr Abonnements oder zusätzliche Bestellungen. Niemand möchte sein Geld zum Fenster hinauswerfen. Ein Attributionsmodell ist der statistische Weg, ein Resultat zuverlässig einer von vielen möglichen Ursachen zuzuordnen. Mit der Attribution 2.0 haben wir ein Modell entwickelt, das es erlaubt, die Marketing-Budgets optimal – also verursachungsgerecht – auf die Kanäle zu verteilen, die nachgewiesenermaßen einen wesentlichen Beitrag zum Erfolg liefern. Damit wissen Marketing-Entscheider*innen stets, wie sie den nächsten Euro optimal investieren.
Data
Für ein statistisches Attributionsmodell braucht es sogenannte Customer-Journey-Daten. Darunter versteht man detaillierte Daten über die unterschiedlichen Kontaktpunkte der potenziellen Kundschaft auf der Webseite: Das sind die Bewegungsdaten der Kund*innen auf der Webseite vom ersten Besuch an irgendeiner Stelle der Webseite bis hin zum Abschluss der Bestellung. Idealerweise werden diese Daten noch durch Off-Site-Kontakte (Kontaktpunkte der potenziellen Kundschaft außerhalb der eigenen Webseite, z.B. Banner-Werbung, auf die nicht geklickt wurde), Warenkorb-, CRM- und ggf. weitere externe Daten ergänzt. Im ersten Schritt findet eine Selektion der relevanten Merkmale statt. Die Datenmenge ist oft riesig und in den Bits und Bytes ist viel Rauschen enthalten: Das bedeutet, dass die wirklich relevanten Informationen häufig dünn gesät sind. Deswegen benötigt man viel Erfahrung, um die relevanten Daten zu selektieren. Nicht selten verfälschen Tracking-Artefakte die Daten. Solche Probleme müssen identifiziert und behoben werden, bevor die eigentliche Analyse beginnt.
Analytics
Nachdem die Daten entsprechend vorbereitet und validiert wurden, kommt unser statistisches Attributionsmodell 2.0 zum Einsatz. Das Modell hat eine anspruchsvolle Aufgabe: Es soll den Kaufprozess verstehen und die sog. "Conversion-Treiber" identifizieren. Dabei geht das Modell datengetrieben vor. Bildlich gesprochen werden dazu erfolglose und erfolgreiche Customer Journeys verglichen, um zu identifizieren, welche Faktoren die Conversion (also den erfolgreichen Kaufabschluss oder das Abonnieren eines Newsletters) begünstigen und welche sie verhindern. Anders als bei den bekannten Heuristiken "Last-Contact" (Single Source Attribution) oder der "Badewanne" (Fractional Attribution) ist dieses Verfahren fair und fundiert. Beides ist wichtig, weil die Attribution die Grundlage für die regelmäßige Verteilung eines großen Marketing-Budgets darstellt. Da vertraut man besser auf Fakten und nicht primär auf das Bauchgefühl. Zudem ist das Verfahren keine Black Box – im Gegenteil: Viele von der Attribution 2.0 identifizierten Regeln werden sich mit den Erfahrungen der Marketing-Experten aus der Fachabteilung decken. Unser Modell hat sich schon vielfach das Vertrauen von Marketing-Verantwortlichen verdient, weil sich die Modellgüte objektiv messen und beziffern lässt.
Solution
Im letzten Schritt wird die Attributionsmodellierung automatisiert und im System oder bei den Tracking-Anbieter*innen implementiert. Neben der Anwendung für Online-Kanäle besteht ebenfalls die Möglichkeit, mit Attribution 2.0 auch Offline-Kontakte beispielsweise aus TV- oder Katalogwerbung einzubeziehen. Mit Attribution 2.0 werden unterm Strich eine optimale Budget-Verteilung, Einsparungen durch die Identifikation unrentabler Kanäle und eine schnellere Bewertung neuer Partner*innen oder Kampagnen erzielt. Dabei ist das Attributionsmodell flexibel und kann immer weiter verfeinert werden. So wächst es mit Unternehmen und seinen Ansprüchen.