Attribution: Wo sind die Werbegelder effizient eingesetzt?

Stellen wir uns folgende alltägliche Situation vor: Frau K. surft im Web, dabei stößt sie auf ein Werbebanner für ein spezielles Parfum. Da Frau K. diesen Duft schon immer mal ausprobieren wollte, klickt sie auf das Banner und gelangt so zum Shop eines großen Kosmetik-Retailers. Dort allerdings überlegt sie es sich noch einmal anders und verlässt wieder die Seite, ohne etwas zu kaufen. In den nächsten Tagen erreichen Frau K. viele Anzeigen mit diesem Angebot, die sie scheinbar unberührt lassen. Doch einige Zeit später – ihr altes Parfum ist gerade ausgegangen – erinnert sich Frau K. wieder an das Angebot und geht über eine Suchmaschine gezielt auf die Seite des Kosmetikhändlers. Dieses Mal bietet ihr der Shop den Flakon sogar zu einem noch günstigeren Preis an, sodass Frau K. erfreut zuschlägt.

Der Händler könnte jetzt einfach mit der erfolgreichen Transaktion zufrieden sein. Er will aber wissen, wie es überhaupt dazu gekommen ist und bedient sich dabei der so genannten Attribution: Im ersten Schritt rekonstruiert er die Customer Journey von Frau K. zu seinem Shop und stellt dabei fest, dass Display-Werbung, Retargeting und SEA involviert waren. In der Folge analysiert er auch, welchen Beitrag jeder einzelne dieser Touchpoints zu der späteren Konversion von Frau K. geleistet hat. All diese Informationen helfen dem Shopbetreiber, seine Marketing-Maßnahmen intelligenter einzusetzen und dementsprechend die Verteilung seines Werbebudgets zu optimieren.

Werbungtreibende haben die Wahl zwischen zwei Arten von Attribution: der datengetriebenen und der regelbasierten Attribution. „Die regelbasierten Attributions-Modelle beruhen auf Simulationen, die sich lediglich auf abgeschlossene Customer Journeys beziehen“, erklärt Dimitrios Haratsis, CEO von AdClear. „Das heißt, nicht abgeschlossene Customer Journeys werden im Modell der Simulierung nicht berücksichtigt, damit ist das Bild der Kanalperformance trügerisch und wahrscheinlich auch irreführend.“ Oder anders ausgedrückt: Bei den vordefinierten, regelbasierten Modellen bleibt der wahre Wert der Touchpoints im Einzelfall unbekannt.

Wesentlich genauer und individueller ist dagegen die dynamische Attribution, fährt Haratsis fort. Bei diesem datengetriebenen (Data-driven) Berechnungs- und Analyseverfahren werden, basierend auf mathematischen Algorithmen, permanent sämtliche Kundenketten individuell betrachtet, also sowohl die abgeschlossenen als auch die nicht abgeschlossenen Customer Journeys, und nach Metriken mit einem Erklärungsgehalt für die Konversion (Conversion) durchforstet. „Bei dieser Methode wird die Realität bestmöglich abgebildet und der wahre Wert eines jeden Kanals in der jeweiligen Customer Journey ermittelt“, sagt Frank Rauchfuß, CEO und Geschäftsführer von intelliAd Media. Daher fließen auch Faktoren wie Zeitabstände zwischen Klicks und Konversion und Cross-Channel-Effekte in die Berechnung mit ein. Die Wirkung eines TV-Spots kann beispielsweise über einen zeitnahen Traffic-Anstieg auf der Website festgestellt werden. Eine Rolle spielt dabei auch, wie bestimmte Kanäle in Kombination miteinander funktionieren. Diese Erkenntnisse helfen nicht nur dabei, künftige Kampagnen besser zu planen, sondern auch, laufende Kampagnen zu optimieren und so auch aus monetärer Sicht effektiver zu gestalten.

„Die Attribution an sich ist immer eine Retrospektive“, betont Haratsis. „Allerdings ist eine datengetriebene und intelligente Attribution die Grundlage für Prognosen, die dann in Echtzeit, sprich simultan passieren.“ Dank der immer wieder neu errechneten Erkenntnisse aus der Vergangenheit kann sofort auf bestimmte Ereignisse in der Customer Journey reagiert und im besten Falle der User-Intent sogar antizipiert werden. Würde beispielsweise im anfangs beschriebenen Fall von Frau K. der Datenschatz, der sich aus unzähligen gleich verlaufenen Customer Journeys zusammensetzt, ergeben, dass Frau K. ihren Einkauf wahrscheinlich doch wieder abbrechen würde, dann könnte ihr im Shop noch schnell ein spezieller Gutschein oder ein auf sie abgestimmtes Angebot als zusätzlicher Kaufanreiz zugespielt werden.

Data-driven Attribution lohnt sich aber nur, wenn der Werbungtreibende genügend Kundenkontakte und ein entsprechendes Budget zur Verfügung hat. Daher nutzen bislang nach Schätzung von Rauchfuß nur 10 bis 20 Prozent der Kunden dieses datengetriebene Modell.

Die Standard-Attributionsmodelle

• Das Last-Click-Modell beispielsweise weist dem letzten Werbemittel auf dem Weg zur Konversion den kompletten Verdienst (und eventuell auch das Budget) zu, beim First-Click-Ansatz zählt entsprechend nur der erste Berührungspunkt. Diese Single-Source-Methoden gelten aber als sehr ungenau, da sie alle anderen Touchpoints – und nur die wenigsten Customer Journeys bestehen aus nur einer Station – komplett vernachlässigen. Dennoch sind diese Modelle nach wie vor am weitesten verbreitet.

• Beim linearen Modell werden alle Kontaktpunkte gleich stark gewichtet.

• Eine Mischung aus all diesen Methoden ist das U-Modell (auch „Badewanne“ genannt“): Hier wird allen Touchpoints ein Anteil am Erfolg angerechnet, wobei die erste und die letzte Interaktion höher eingestuft werden.

• Beim stufenförmigen Modell steigt der Einfluss der Werbemittel und somit sein Wert vom ersten Kontakt bis zum Kauf proportional.

• Hinzu kommen schließlich Modelle, die im Vorfeld individuell nach den Kundenbedürfnissen definiert werden.