Start KnowHow Online Marketing Attribution Modelling – Was ist der wahre Wert deiner Marketingkanäle?

Attribution Modelling – Was ist der wahre Wert deiner Marketingkanäle?

Von
Octavio Carneiro Azevedo
05.12.2022
Lesedauer: 9 min
Attribution Modelling – Was ist der wahre Wert deiner Marketingkanäle?

Den Wert der Online-Marketing-Aktivitäten zu bestimmen, scheint auf den ersten Blick vielleicht einfach. In Google Analytics oder dem Tool deiner Wahl reinschauen – und schon siehst du, wie viele Conversions z. B. Google Ads generiert hat.

Doch was genau wird da eigentlich gemessen? 

Ich kaufe selten spontan über die erstbeste Google Anzeige ein. In meiner naiven Annahme, dass es dir genau so geht: Wie findest du heraus, was die ganzen Marketingkanäle wert sind?

Gif mit Schriftzug "Let's take a closer look"

Quelle

Was ist Attribution?

Fangen wir ganz von vorn an.

Der Begriff Attribution stammt aus der Psychologie und beschreibt die Zuordnung von bestimmten Fähigkeiten, also Attributen, zu vermuteten Ursachen von Handlungen. 

Einfacher: Im Marketing geht es dabei darum, den ursächlichen Marketingkanal für eine Conversion (z. B. ein Kauf oder eine Kontaktanfrage) zu finden.

Weil es in der Regel mehrere Touchpoints gibt, spricht man auch vom Multi-Channel-Attribution-Modelling

Multi-Channel-Attribution

Spätestens jetzt muss ich auf die grandiose Arbeit von Avinash Kaushik verweisen, dem Vorreiter & -Denker in Sachen Web Analyse. Einige der Konzepte in diesem Artikel stammen von ihm.

In den meisten Analytics Tools gibt es ein Attributionsproblem: Eine Conversion wird in der Regel der letzten Trafficquelle zugeordnet, über die ein Nutzer auf die Website kam. Dadurch geben wir einem Kanal die gesamte Anerkennung für eine Conversion. 

Tipp: Schau dir doch mal in deinem Analytics Tool den Bericht der Top-Conversion-Pfade an. Was siehst du?

Screenshot aus Google Analytics, der die Multi-Channel-Gruppierungspfade farblich zeigt sowie die Anzahl der daraus entstandenden Conversions in absoluten und relativen Zahlen

Wahrscheinlich siehst du, dass die Pfadlänge größer als 1 ist, also mehrere Touchpoints (Kanäle) zur Conversion geführt haben. Bei der Zuweisung des Conversion-Werts werden also eine Menge Touchpoints ignoriert.

Wie können wir also bestimmen, welchen Anteil die einzelnen Marketingkanäle an einer Conversion haben? 

Die unterschiedlichen Multi-Channel-Attributions-Modelle

Avinash Kaushik beschreibt drei Arten von Multi-Channel-Attributions-Modellen. Wir werden uns zwar auf eins davon fokussieren, aber um dich zum Träumen zu bringen und damit du weißt, was möglich ist, stelle ich alle drei vor.

MCA-O2S: Multi-Channel-Attribution – Online to Store

Bei diesem Modell gilt es herauszufinden, wie die Onlinewerbung den Offlinehandel beeinflusst

Beispiel: wie viele Nutzer, die einen Reisekatalog über eine Google Ad bestellt haben, buchen am Ende eine Reise? 

Dieses Modell erfordert komplexe Experimente sowie viel Zeit und Geld.

MCA-AMS: Multi-Channel-Attribution – Across Multiple Screens

Bei diesem Modell ist es das Ziel, Nutzer Geräteübergreifend zu erfassen. Dafür ist Cross-Device-Tracking notwendig. Es sollen die Nutzer und nicht nur die Geräte erfasst werden. Dabei geht es nicht nur um Online-Geräte, sondern auch Offline-Geräte, etwa:

  • Smartphone (online)
  • Laptop (online)
  • TV (offline)
Das ist unglaublich schwer umzusetzen und bedarf eines hohen technischen Aufwands, wie dem Einsatz eines Data Warehouse. 

MCA-ADC: Multi-Channel-Attribution – Across Digital Channels

Wenn wir im Digital Marketing Umfeld von Multi-Channel-Attribution sprechen, dann meinen wir in der Regel dieses Modell

Bei diesem Modell werden üblicherweise Geräte und nicht Nutzer erfasst. Das Ziel ist klar: Wir möchten herausfinden, welche Kanäle an den Conversions beteiligt sind. Mit diesem Modell arbeiten auch die gängigsten Webanalyse-Tools, wie Google Analytics.

Die gängigsten MCA-ADC-Modelle in Kürze

ModellGrafikBeschreibung
Last InteractionLast Interaction am Beispiel von 5 Balken. Der letzte Balken hat hat den größten Piek.Bei dem wohl meistgenutzten Attributionsmodell wird der letzten Interaktion, also dem letzten Marketing-Touchpoint, der gesamte Erfolg einer Conversion zugeschrieben.
Last Non-Direct ClickLast Non-Direct Click am Beispiel von 5 Balken, wovon der vorletzte am größten dargestellt ist.Bei dem Standard in Universal Analytics wird der letzten Interaktion der gesamte Erfolg einer Conversion zugeschrieben. Ausnahme: Die letzte Interaktion war kein „Direct“ Zugriff. Dann wird die Conversion dem vorherigen Non-Direct Touchpoint zugeschrieben.
Last Google Ads ClickLast Google Ads Click am Beispiel von Balken, wobei der vorletzte am größten dargestellt wird. Das Modell für alle, die ihre Google Ads Performance schön rechnen wollen. Hier wird die Conversion immer dem letzten Google Ads Touchpoint zugeordnet.
First InteractionFrist Interaction am Beispiel von 5 Balken, wovon der erste in der Reihe am höchsten steht und die restlichen unten verbleiben.Analog zur Last Interaction werden die Conversions in diesem Modell dem ersten Touchpoint zugeschrieben.
LinearLinear am Beispiel von Balken die alle gleich viel an Höhe gewonnen haben. Dieses Modell verteilt den Erfolg einer Conversion gleichmäßig auf alle Marketing-Touchpoints. 
Time DecayTime Declay als Balkendiagram mit in abstufender Größe von rechts nach linksDieses Modell weist den Erfolg einer Conversion den einzelnen Touchpoints im Zeitverlauf zu. Je näher ein Marketingkanal an der Conversion dran ist, desto mehr Zuspruch erhält er und andersherum.
Position BasedPosition Based am Beispiel von Balken, wo die beiden äußeren größer dargestellt sind als die drei in der Mitte. Standardmäßig schreibt das positionsbasierte Modell der ersten und der letzten Interaktion 40 % des Erfolgs zu. Die restlichen 20 % werden gleichmäßig auf alle Interaktionen in der Mitte verteilt.

 

Welches dieser statischen MCA-ADC-Modelle ist nun das beste?

Keines davon ist so richtig gut, denn immer bleibt etwas auf der Strecke liegen oder wird ganz und gar ignoriert.

  • Die Last Interaction Modelle und das First Interaction Modell geben einem einzigen Marketing-Touchpoint die gesamte Anerkennung für eine Conversion und ignorieren die Customer Journey über mehrere Touchpoints komplett. Das Standard Position Based Modell reiht sich hier mit ein. 
  • Das Lineare Modell weist allen Touchpoints denselben Wert zu, das kommt der Sache schon näher. Trotzdem: Nicht jeder Touchpoint trägt gleich viel zur Conversion bei.
  • Das Time Decay Modell ist meiner Meinung nach das beste Standard Attributionsmodell. Es erscheint sinnvoll, dass ein Marketing-Touchpoint umso weniger Anerkennung erhält, je weiter er zurückliegt. 

Um Avinash Kaushik an dieser Stelle zu zitieren:

„After all, if the touch points were magnificent, why did they not convert?“

Zum Glück leben wir im Zeitalter, in dem die Weichen für die Terminator Apokalypse gestellt werden. Schauen wir uns also an, wie uns Machine Learning und AIs bei der Attribution helfen können.

Gif aus Terminator

Quelle

Data Driven Attribution

Mit Google Analytics 4 haben auch der kleine Mann und die kleine Frau die Möglichkeit, mithilfe von 

  • Algorithmen
  • maschinellem Lernen
  • und künstlicher Intelligenz

ihr Attributionsmodell auf die nächste Ebene zu heben.

Das ist ein unglaublicher Mehrwert! 

Die Data Driven Attribution in GA4
Ein algorithmisches Modell, das alle Touchpoints berücksichtigt, bei denen Conversion-Events auf der Webseite beobachtet wurden. Es führt dann eine Modellierung durch, um jedem Kanal Kredit zuzuweisen.

Dafür vergleicht das Programm verschiedene Conversion-Pfade ähnlicher Nutzer miteinander, um den Einfluss der verschiedenen Kanäle und deren Conversion-Wahrscheinlichkeit zu bestimmen.

Wie hoch ist z. B. die Conversion-Wahrscheinlichkeit eines Nutzers, der eine Anzeige gesehen hat, verglichen mit einem ähnlichen Nutzer, der sie nicht gesehen hat?

„Es werden damit also die kontrafaktischen Leistungsverbesserungen durch die Präsenz von Google Anzeigen berechnet. Hierzu werden Daten aus randomisierten, kontrollierten Tests verwendet.“
– Google, Quelle

Hier ein Beispiel von Google:

Beispiel von Google: In der Abbildung unten führt die Kombination aus Anzeigenpräsenz 1 (bezahlte Suche), Anzeigenpräsenz 2 (Soziale Netzwerke), Anzeigenpräsenz 3 (Affiliate) und Anzeigenpräsenz 4 (Suche) zu einer Conversion-Wahrscheinlichkeit von 3 %. Wenn Anzeigenpräsenz 4 nicht auftritt, sinkt die Wahrscheinlichkeit auf 2 %. Anzeigenpräsenz 4 erhöht also die Conversion-Wahrscheinlichkeit um 50 %. Nun werden noch die anderen Kombinationen untersucht und die Ergebnisse als Attributionsgewichtungen verwendet.

Quelle

Doch ist auch bei der Data Driven Attribution nicht alles Gold, was glänzt. Generell benötigt man Unmengen an Daten, um solch ein Modell zuverlässig ans Laufen zu bekommen. GA4 bietet dieses Modell direkt ab Start und auch für kleine Webseiten mit wenig Traffic an.

Was da also attribuiert wird, ist eine große Blackbox! 

Der Satz über die randomisierten, kontrollierten Tests, aus der Google Dokumentation lässt darauf schließen, dass es verschiedene algorithmische Modelle gibt, die mit anderen Analytics-Daten erstellt wurden. Basierend darauf, wird das passendste Modell auf das jeweilige Analytics-Konto angewendet.

Wie schön das Ganze in GA4 aussieht, sehen wir in der nächsten Abbildung. Du findest die Reports in GA4 links im Menü unter Werbung → Conversion Pfade. In der Datentabelle der Top-Conversion-Pfade siehst du,

  1. an welcher Stelle eine Quelle ist
  2. und wie groß ihr Anteil an der Conversion ist. 

Screenshot aus Google Analytics mit farblich gekennzeichnetem Channel Grouping


Kleiner „Pro“-Tipp:
Du siehst bei dir auf den ersten Seiten nur eine Pfadlänge von 1. Das liegt an der immer kürzer werdenden Cookie-Lebensdauer und diversen anderen Data-Protection-Maßnahmen. 
Unser Tipp daher: Server-Side-Tracking. Damit kannst du die Datenqualität und die Qualität der Attribution-Analyse deutlich verbessern. Die Cookie-Lebensdauer von serverseitig gesetzten Cookies ist deutlich länger.
 

Noch hilfreicher für einen schnellen Überblick, welche Kanäle Conversions initiieren, unterstützen und abschließen, gibt die folgende Daten-Visualisierung. Achtet darauf, dass ihr nur eine Conversion für den Vergleich auswählt, z. B.:

  • nur die Transaktion oder nur die Newsletteranmeldung
  • nicht die Transaktion und die Newsletteranmeldung

Screenshot aus Google Analytics mit dem Cross-channel data-driven model, das frühe, mittlere und späte Touchpoints berücksichtigt.

Damit die Data Driven Attribution optimal funktioniert, brauchst du zwei Dinge:

  1. Viele Daten. Dafür hat Google anscheinend auch für Webseiten mit wenig Traffic & Conversions eine Lösung parat.
  2. Gute Daten. Ein sauberes Tracking-Setup ist das Fundament für eine aussagekräftige Attribution.

Wie der Weg dorthin aussieht, schauen wir uns jetzt an. 

Der Weg zur aussagekräftigen Attribution

Auf dem Weg zu aussagekräftigen Attribution empfehle ich einen Blick auf die „Digital Attribution's Ladder of Awesomeness“ von Avinash Kaushik. Diese ist eine Art Schritt-für-Schritt-Anleitung, die dich bis zum heiligen Gral der Attribution führen kann. 

Zu beachten ist, dass du keine Stufe der „Treppe“ überspringen solltest. Erst, wenn du eine Stufe vollkommen beherrschst, steigst du auf die nächste Stufe. 

Ich gehe hier nicht auf alle Stufen ein, aber dieses Treppen-Modell veranschaulicht wunderschön, wo man gerade steht und welcher der nächste logische Schritt ist.

 Screenshot „Digital Attribution's Ladder of Awesomeness“ von Avinash Kaushik

Als allererstes musst du die optimalen Metriken für die eigene Unternehmung erarbeiten und definieren Dabei können verschiedene Frameworks helfen, wie die Funnel-Frameworks See-Think-Do-Care oder das AARRR-Framework. Das ist das Fundament jeglicher Web-Analyse sowie jeglichen Online Marketings – absolute Pflicht und keine Kür!

Nicht selten erleben wir in unserem Agenturalltag, dass Neukunden nicht wissen, was genau hinter den Conversions und Events in deren Google Analytics steckt. 

Hast du die erste Stufe erklommen und sicheren Halt, geht es weiter. Zusätzlich zu den (Macro-)Conversions benötigst du aussagekräftige Micro-Conversions. Das können Events sein wie: 

  • ein Newsletter Signup
  • ein Blog-Kommentar
  • die Wiedergabe eines Videos
  • … 

Zu den ersten beiden Stufen gehört eine saubere technische Implementierung des Trackings, um eine möglichst hohe Datenqualität zu erhalten.

Erst ab der dritten Stufe geht es so langsam in Richtung Attribution. 

Kleiner „Pro“-Tipp:
In Google Analytics 4 gibt es „Empfohlene Ereignisse“. Immer wenn du ein neues Event in GA4 anlegst, solltest du nachschauen, ob eines der empfohlenen Ereignisse passt. Hintergrund sind die KI & Machine Learning Funktionen. Die Maschine hat durch diese klar definierten Events einen Bezug zur Interaktion des Nutzers. 

Attribution Analysis …

… oder: Wie ich das Ganze jetzt analysiere.

Erstelle auf der Grundlage der obigen Analyse und des noch folgenden Inputs eine Hypothese, wie du das Online Marketing Budget besser auf die verschiedenen Marketingkanäle verteilst. Teste diese Hypothese mit einem Teil deines Budgets und messe die Ergebnisse.

Für eine bessere Vergleichbarkeit der Kanäle solltest du den CPA und nicht die Anzahl der Conversions verwenden. Der CPA verleiht der Analyse mehr Tiefe, da ein Kanal mehr Conversions generieren, aber gleichzeitig weniger profitabel sein kann.

Um das möglichst gut machen zu können, musst du möglichst alle Kosten ins Analyse-Tool hochladen. Wenn möglich, nicht nur die Paid Media Kosten, sondern auch die Owned Media Kosten, etwa für den Newsletter.

Die Top-Conversion-Pfade können spannend sein, doch gibt es so viele mögliche Pfade, dass es schwer ist, daraus wirkliche Trends abzulesen. Trotzdem solltest du da mal einen Blick reinwerfen, um ein Gefühl für die unterschiedlichsten User-Journeys zu erhalten.

Da Gefühle in der Web-Analyse so eine Sache sind, gibt es in GA4 einen Bericht, den ich bereits vorgestellt habe und der es hervorragend zusammenfasst. Alle Touchpoints aller Pfade werden in drei Segmente unterteilt: 

- Early touchpoints = Die ersten 25 % der Touchpoints im Pfad.

- Mid touchpoints = Die mittleren 50 % der Touchpoints im Pfad.

- Late touchpoints = Die letzten 25 % der Touchpoints im Pfad

Screenshot aus Google Analytics mit den frühen, mittleren und letzten Touchpoints im Pfad

Mit dieser Visualisierung lassen sich die Daten viel besser auswerten, gerade im Hinblick auf deine Hypothesen.

Ebenfalls sehr stark ist der Vergleich verschiedener Attributionsmodelle. Im unten stehenden Beispiel wird Time Decay mit Data-Driven verglichen. Du kannst sehen:

  • Bei der Verwendung von Time Decay wurde die Zuteilung für den Paid Search Kanal, im Vergleich zu Data-Driven, auf andere Kanäle verteilt.
  • Der Paid Search Kanal bekommt bei Data-Driven 9,7 % weniger Conversions zugewiesen.

Screenshot aus Google Analytics mit Vergleich von Time Decay mit Data-Driven und die daraus resultierenden berechneten Conversions

 
Die Multi-Channel-Attribution und Analyse ist kein einmaliger Vorgang, sondern etwas, das du ständig tun musst. Jede Woche oder alle zwei Wochen solltest du dir die Daten anschauen und Empfehlungen für Änderungen herleiten.

Fazit

Auf den ersten Blick scheint das Thema einfach zu sein, doch auf den zweiten Blick wird man überrollt von der Tiefe und Komplexität. Wenn du dich an die „Digital Attribution's Ladder of Awesomeness“ von Avinash Kaushik hältst, kannst du dein Attributions-Game Schritt für Schritt verbessern.
 

Dabei ist die Qualität der Daten wichtiger als die Quantität. Ein sauberes Tracking-Setup  ist daher die Grundlage.

Die Zukunft gehört ganz klar der datengetriebenen Attribution!

Durch Machine Learning können wir Muster in großen Datensätzen besser denn je erkennen. Kein anderes Modell ist in der Lage, so akkurat den Einfluss eines Kanals an einer Conversion zu bestimmen und die Auswirkungen aller Touchpoints zu vermitteln.

Trotzdem ist die Datengetriebene Attribution eine Blackbox, zumindest im Fall von GA4. Es lohnt sich immer, die Ergebnisse mit anderen Attributionsmodellen zu vergleichen.

Am Ende geht es darum, sein Marketingbudget so effizient wie möglich zu nutzen und sich im besten Fall einen echten Wettbewerbsvorteil zu erarbeiten.

Für alle, die Blut geleckt haben und sich die volle Dröhnung Attributions-Nerd-Talk geben möchten. Hier ein sehr spannendes (aus Web Analysten Sicht zumindest :D) Video über Multi-Touch Attribution.
 

Du möchtest jetzt durchstarten und brauchst Hilfe bei der Strategie, Tracking-Umsetzung oder der Datenanalyse? Unsere Experten können dir sicherlich helfen. Meld dich ganz unverbindlich bei uns!

https://www.trafficdesign.de/sites/default/files/styles/twittercard/public/knowhow_artikel_atribution_modelling_4.jpg?itok=jAzD9DLL
Fanden Sie den Artikel hilfreich?
Durchschnitt: 5 (5 votes)
Bild des Benutzers octavio
Octavio Carneiro Azevedo
Digitale Trends und die schnelle Entwicklung neuer Technologien haben mich schon immer fasziniert. Sei es eine geniale neue Plattform oder einfach ein extrem schlauer Growth Hack, den ich unseren Kunden ans Herz legen kann. Wenn ich dann mal genug von der digitalen Schnelllebigkeit habe, flüchte ich mich für etwas Müßiggang in die analoge Welt.

Brauchen Sie Unterstützung bei diesem Thema?

Sprechen Sie uns unverbindlich an und lassen Sie sich von uns beraten.

Anfrage schicken »


Kommentieren Sie diesen Artikel!

Schreiben Sie einen Kommentar und Sie bekommen zeitnah eine Rückmeldung von uns.

Kommentar verfassen