MediaMind hat kürzlich seine Partnerschaft mit Encore Media Metrics angekündigt, die zum Ziel hat, Attribution für Marketingfachkräfte über alle Stufen einer Online-Werbekampagne hinweg transparenter zu gestalten. Die Integration der Encore-Lösung in die Plattform von MediaMind ermöglicht Werbetreibenden und Agenturen den einfachen Zugang zu Attribution-Reportings, die anzeigen, welche Werbemaßnahmen erfolgreich oder weniger erfolgreich waren, um dadurch schnell und einfach gezielte Investitionen in die erfolgreichsten Werbeanzeigen umsetzen zu können. Im Folgenden finden Sie den ersten einer Reihe von Artikeln über Attribution, verfasst von Steve Latham, Gründer und CEO von Encore Media Metrics.

 

Steve Latham, Media Metrics

Attribution ist ein heißes Thema! Der Schwerpunkt der Marketingarbeit verlagert sich zunehmend auf die Messung und Optimierung von Maßnahmen und setzt damit Attribution an die Spitze der Prioritätenliste für das Jahr 2012. Wie es aber mit so vielen Dingen der Fall ist, hat Attribution viele Facetten und wird von unterschiedlichen Stellen verschieden interpretiert. In diesem und in zukünftigen Posts werde ich versuchen, etwas Licht ins Dunkel dieses Themas zu bringen und Marketingfachleuten dabei zu helfen, diese komplizierte und sich rasant wandelnde Disziplin besser zu verstehen.

Definieren wir zunächst den Begriff Attribution als den Vorgang, jeder Interaktion im Path-to-Conversion eines Benutzers Erfolgswerte zuzuschreiben. Bei diesen Interaktionen kann es sich beispielsweise um Display-Werbung, bezahlte und natürliche Suchzugriffe, E-Mails, Social Media oder andere Medien handeln. Um Online-Marketing-Maßnahmen effektiv optimieren zu können, müssen wir die tatsächliche Leistung eines jeden Kanals, Mittlers und Keywords sowie jeder Platzierung messen, und ihnen in der finalen Analyse die entsprechenden Erfolgswerte zuweisen. Während die Branche sich im Allgemeinen über das Problem (die Messung des letzten Kontaktpunktes ist völlig unzureichend) und die Ziele (Erfolgswerte müssen richtig zugewiesen werden) einig ist, gibt es viele unterschiedliche Meinungen dazu, welcher Ansatz am besten für die Lösung des Problems geeignet ist. Mit dem Ziel der Aufklärung und der Vermittlung eines tieferen Verständnisses (statt der Selbstdarstellung) möchte ich nun meine eigene Perspektive darstellen.

Analyse von Path-to-Conversions

Die Analyse von Path-to-Conversion ist derzeit sehr gefragt und oft auf Platz 1 der Wunschliste von Marketingfachleuten anzutreffen. Im Unterschied zur Website-spezifischen Konversionspfad-Analyse geht es bei der medienorientierten Konversionspfad-Analyse um die Untersuchung der digitalen Kanäle, die den Kunden im gesamten Konversions-Zyklus beeinflussen. Kurz gesagt, Mediaplaner möchten eine Gesamteinschätzung aller Kontaktpunkte (wir nennen sie „Assists“) sehen, die zu einer Conversion führen.

Zur Erfassung der für die Darstellung von Path-to-Conversions erforderlichen Daten müssen Impression-Cookies (werden von Ihrem Adserver gesetzt, wenn ein Benutzer mit Display-Werbung in Kontakt kommt) und Ihre Website-Besucher-Cookies (werden von Ihrer Website-Analytics-Software gesetzt) einander zugeordnet werden. Eine weitere entscheidende Voraussetzung für die Analyse von Path-to-Conversion und für eine erfolgreiche Attribution ist die Erfassung und Verwaltung aller Einzelheiten jeder Impression oder jedes Besuchs in  Form Zeitprotokollen.

Sobald Ihnen der detaillierte Verlauf der Impressions, Klicks, Besuche und Aktionen für jeden Besucher vorliegt, können Sie die Daten für jede Conversion abrufen und somit den Path-to-Conversion visualisieren.

In der nachstehenden Tabelle ist der „Durchschnittspfad“ für alle Besucher angegeben sowie die gemeinsamen Pfade von vier einzelnen Conversion-Gruppen (die Daten wurden durch einen Algorithmus aus dem Bereich des maschinellen Lernens in verschiedene natürliche Cluster eingeteilt). Den Daten kann man entnehmen, dass bei einer „Durchschnittsconversion“ 6,8 Display-Werbungengesehen wurden und die Website 2,9-mal besucht wurde, bevor die Conversion stattfand. Dabei sind 0,4 Besuche auf natürliche Suchzugriffe, weitere 0,4 Besuche auf bezahlte Suchzugriffe und 0,9 Besuche auf Display-Werbung zurückzuführen.

Die meisten Marketingfachleute geben sich mit Path-to-Conversions zufrieden, die nach Kanälen aufgeschlüsselt sind. Es ist jedoch ein zunehmendes Interesse an der Aufschlüsselung nach Mittlern und Platzierungen zu verzeichnen und erwartungsgemäß wird diese Aufschlüsselungsart in Zukunft gängiger werden.

Die Path-to-Conversion-Analyse ist ein guter Ausgangspunkt für die Verwirklichung einer kanalübergreifenden oder Full-Funnel-Attribution und bietet eine gute Basis für die (erforderlichen) tiefgreifenderen Analysen. Es gibt jedoch einige Einschränkungen, über die man sich im Klaren sein sollte, wenn man Konversionspfade betrachtet.

In erster Linie ist zu berücksichtigen, dass Durchschnittswerte irreführend sein können und es in der Regel eine breite Verteilung der Pfade gibt, die von den Mittelwerten nicht dargestellt wird. Im oben dargestellten Fall ist die durchschnittliche Anzahl der Impressions 6,8 – in den einzelnen Gruppen variiert dieser Wert jedoch zwischen 1,5 und 20 (eine sehr breite Variationsspanne). Gleichermaßen ist zu beobachten, dass im Durchschnitt 70 % der Interaktionen auf Display-Werbung zurückzuführen sind, dieser Wert innerhalb der vier Cluster jedoch zwischen 38 % und 88 % variiert.

Zweitens muss beachtet werden, dass die Konversionspfad-Analyse zwar sehr aufschlussreich ist (und in unserem Fall dazu beitragen könnte, Ihre Investition in Display-Werbung zu begründen), Sie benötigen jedoch weitaus detailliertere Informationen, um die Wirksamkeit einer Kampagne wirklich zu verstehen und eine effektive Strategie zur Optimierung Ihres Medienplans festzulegen. Und das ist der Punkt, an dem Attribution ins Spiel kommt.

Die Grenzen von Path-to-Conversions überschreiten und vollständige Attribution erreichen

Wenn Ihnen der Path-to-Conversion jedes Besuchers in allen Einzelheiten bekannt ist, verfügen Sie bereits über die erforderlichen Daten für eine tiefgreifendere Analyse. Was Sie jetzt noch benötigen, ist ein Modell, das allen Impression- und Klick-Assists auf sinnvolle und begründete Weise Erfolgswerte zuweist.

An dieser Stelle betreten wir in den Bereich, der derzeit durch Diskussionen und Kontroversen nach dem Motto „meine Logik macht mehr Sinn, als deine“ gekennzeichnet ist. Und tatsächlich gibt es Attributionsmodelle in allen Formen und Größenordnungen; bei einigen handelt es sich um individuell erarbeitete und geschützte Modelle und wiederum andere basieren auf allgemein bekannten Methoden. Es gibt zwar keinen allgemein anerkannten Algorithmus, der sozusagen den goldenen Standard für Attributionsmodelle darstellt, aber es gibt eine Vielzahl von Lösungsansätzen, die sehr zufriedenstellende Ergebnisse liefern. Die gute Nachricht dabei ist, dass Sie keine Genauigkeit von 99,9 % für Ihre Lösung benötigen, um Erfolge zu erzielen. Schon eine Lösung mit einer Genauigkeit von 90 % reicht aus und ist noch dazu rentabler.

Werfen wir doch einen Blick auf die Fragen, die Ihr Attributionsmodell beantworten sollte, ohne dabei allzu sehr auf die Theorien zur Erstellung von Attributionsmodellen einzugehen.

• Was ist die tatsächliche Leistung eines jeden Kanals, Mittlers, Keywords und einer jeden Platzierung (d. h. wie viele erfolgreiche Conversions sind jeweils auf die einzelnen Kanäle zurückzuführen)?
• Wie hoch sind die zurechenbaren Costs per Action (oder die erzielte Rendite) für jeden Kanal, Mittler, für jedes Keyword und jede Platzierung? (siehe nachstehender Beispielbericht)
• Wie viele Impressions sind notwendig, um einen Besuch und/oder eine Conversion herbeizuführen? (d. h. wie hoch ist die optimale Häufigkeitsverteilung?)
• Inwiefern variiert die optimale Häufigkeitsverteilung je nach Mittler oder Platzierung?
• Wie hoch ist die aktuelle Häufigkeitsverteilung (und wie viele Impressionen sind unnötig)?
• Welcher Erfassungszeitraum ist angemessen (wie weit darf ein Impression- oder Klick-Assist zeitlich zurückliegen, um Erfolgswerte zugewiesen zu bekommen)?

Mit den Antworten auf all diese Fragen wird die Kampagnen-Optimierung zum Kinderspiel: Investieren Sie Ihr Budget in die leistungsstärksten Kandidaten und passen Sie die Häufigkeitsverteilung an, um unnötige Kosten zu reduzieren und die Reichweite zu erhöhen. Zwar gibt es noch viele weitere Faktoren und Attribute zu messen, mit diesen grundlegenden Schritten können Sie jedoch bereits tiefe Einsichten gewinnen und eine starke Verbesserung der Performance erzielen.

Ich hoffe, dass sich den meisten von Ihnen der Unterschied zwischen einer Path-To-Conversion-Analyse und einem Attributionsmodell nun klarer darstellt. Ich halte Sie auf dem Laufenden – bleiben Sie dran und gewinnen Sie weitere Einblicke!

Steve Latham
@encoremetrics