Verschiedene Methoden und Modelle machen die (Multi-Touch)-Attribution schwer fassbar. Die Auswahl der richtigen Lösung hängt von vielen Faktoren ab, deswegen ist es entscheidend die unterschiedlichen Ansätze und die Ergebnisse die sie liefern zu verstehen. Letztendlich hängt die Entscheidung auch davon ab was mit dem Output erreicht werden soll.

Wieso sollte Multi-Touch-Attribution eingesetzt werden?

Die Auswahl an Werbemöglichkeiten nimmt immer weiter zu, die Diversität im Marketing Mix nimmt dementsprechend zu und die Customer Journeys, also die Ketten aufeinanderfolgenden Berührungspunkte eines Kunden mit der Marke, werden länger. Gleichzeitig stagnieren die Marketing Budgets und es wird immer wichtiger die Marketingeffizienz zu steigern. Die Frage ist also welche Massnahme wieviel zu einem Kauf beigetragen hat. MTA beantwortet genau diese Frage indem die Effizienz jedes Kanals im digitalen Marketing Mix gemessen wird. Hierbei wird jeder Berührungspunkt mit der Marke entlang der Customer Journey erfasst und schließlich bewertet, meist mit einem Anteilswert der Konversion. Der Marketer kann hierdurch sehen welchen Einfluss jeder Kanal auf einen Verkauf hat. Die Datensilos der einzelnen Kanäle werden aufgebrochen, die Daten dedupliziert und die Kanäle vergleichbar.

Die Multi-Touch-Attribution grenzt sich zu traditionellen Attributionsansätzen wie Last-Touch, ab indem nicht nur dem letzten Marketing-Touchpoint der gesamte Konversion Wert zugeordnet wird. Eine Konversion muss in diesem Kontext nicht unbedingt ein Kauf sein, es kann auch ein Download, eine Newsletter Anmeldung oder ein anderes Ereignis gemeint sein.

Diese Erkenntnisse über die historische Performance können genutzt werden, um effizientere und effektivere Planungs- und Optimierungsentscheidungen für zukünftige und bestehende Kampagnen zu treffen.

Auswahl eines Modells

Die verschiedenen Arten von Multi-Touch-Attributionsmodellen unterschieden sich teilweise drastisch in Ihrer Genauigkeit. Eine grundlegende Unterscheidung wird zwischen regelbasierten und datengetriebenen Modellen getroffen.

Regelbasierte Modelle stützen sich auf die Position des Touchpoints in der Customer Journey, z.B. der letzte Touchpoint (last touch) ist der wichtigste, der erste und der letzte (U-Modell) sind die wichtigsten usw. (eine nähere Betrachtung unten). Diese Modelle sind meist sehr subjektiv, da der Marketer eines wählt das sein Thesen bestätigt. Zusätzlich sind regelbasierte Modelle sehr unflexibel und können so Kanalspezifika schlechter abbilden.

Im Gegensatz dazu verwenden algorithmische Methoden objektive, statistische Modellierungstechniken. Aber auch algorithmische Modelle unterscheiden sich in Bezug auf ihre Komplexität und Granularität ihrer Ergebnisse. Die größten Unterschiede finden sich in der Modellierungstiefe. Je nach Methode werden unterschiedlich viele Vergleichsdatensätze benötigt. Auf höheren Ebenen wie z.B. Kanalebene sind diese meist verfügbar, je tiefer wir jedoch in die Medienhierarchie einsteigen desto weniger werden es. Zum Beispiel wird es viele Journeys geben die aus einem Display und einem SEA Touchpoint bestehen, dafür aber wenige die aus einer Journey aus Banner1 und Keyword1 bestehen. Viele Attributionsmodelle berechnen deswegen den Wert auf Kampagnenebene und „vererben“ diesen Wert nach unten. Wird nun auf Keywordebene optimiert kann es zu unerwünschten Ergebnissen kommen. Ein zweiter wichtiger Punkt für die Entscheidung ist die Aktualität der Daten, werden die Werte monatlich berechnet oder mehrmals täglich?

Welches ist das richtige Modell

Die Implementierung einer umfassenden Attributionslösung ist immer mit viel Aufwand verbunden, das einheitlich Tracking und Einrichten der Plattform stellt immer eine Hürde da, deswegen sollte hier langfristig gedacht werden. Für einen groben Einblick und bei einem geringen Budget liefern regelbasierte Modelle wie eine Gleichverteilung dem Marketer erste Erkenntnisse. Fragen wie „Welcher Kanal unterstützt andere Kanäle?“ lassen sich schnell und einfach erkennen, die Ergebnisse sind leicht nachvollziehbar. Geht es jedoch um die Messung von Effizienz und wirklichen Optimierungsvorschlägen können datengetriebene Modelle mit Ihren wesentlich genaueren Ergebnissen Ihre Stärke ausspielen.

Weitere Fragen zur Auswahl des geeigneten Tools

Mindestens so wichtig wie das richtige Modell ist auch die Erfassung der einzelnen Touchpoints. Walled gardens, cookieless environements, multiple devices und strengere Datenschutzbestimmungen haben Einfluss auf die Qualität der zusammengesetzten Customer Journeys, der Partner sollte eine Antwort auf diese Herausforderungen bieten und auch beweisen können, dass die Datenqualität stimmt.

Addon:

Alt-Text hinzufügen

Regelbasierte Attribution (single touch)

• Last Touch: Bei einem Last-Touch-Modell erhält der letzte Touchpoint 100% des Eventwerts. Kann auch als Standard-Marketingmessmethode gesehen werden.
• First Touch: In einem First-Touch-Modell erhält der erste Touchpoint 100% des Eventwerts.

Regelbasierte Attribution (multi touch)

• Gleichmäßige Gewichtung: In einem gleichgewichteten Modell, auch bekannt als lineares Modell, erhalten alle Berührungspunkte den gleichen Wert. Es ist auch ein guter Ausgangspunkt für Marketingspezialisten, die neu in der Multi-Touch-Attribution sind und kein Verständnis für die typische Customer Journey haben.
• U-Modell: Auch bekannt als Badewanne. Der erste und letzte Berührungspunkt erhalten einen höheren Anteil als die dazwischen liegenden Berührungspunkte.
• Zeitverfall: In einem Modell mit Zeitverfall baut sich der Anteil allmählich auf oder ab.