Attributiemodellen, een pittig onderwerp als het gaat om het begrijpen en toepassen hiervan. En met de komst van meer online platformen wordt de customer journey steeds complexer. Het is inmiddels heel gewoon dat de customer journey uit een aantal touchpoints op verschillende platformen bestaat. De uitdaging bij deze langdurige customer journeys is dan ook het bepalen hoeveel elk kanaal heeft bijgedragen aan de conversie.
Veel bedrijven gebruiken Google Analytics als het gaat om data-analyse en het bekijken van de prestaties van elk marketingkanaal. Alleen wat veel ondernemers niet inzien is dat Google Analytics attribueert volgens het Laatste klik attributiemodel. In dit model wordt alle waarde toegekend aan de laatste klik in de Customer Journey. Eigenlijk is dit niet helemaal fair. Om dit goed toe te lichten hebben wij een toepasselijk voorbeeld hierbij bedacht:
'Bij een voetbalwedstrijd kan een spits immers ook niet scoren zonder een goede voorzet van een andere speler. Ze hebben mensen verschillende touchpoints nodig om tot de uiteindelijke conversie te komen.'
Zo krijgen zoekwoorden, campagnes of marketingkanalen die eerder in het oriëntatieproces worden gebruikt veel minder conversies toegeschreven en hebben deze daardoor hogere kosten per conversie. Hierdoor zijn ondernemers vaak geneigd om deze niet meer op te nemen in hun marketingstrategie. En dat is zonde, want vaak zijn dit wel de zoekwoorden, campagnes of kanalen die ervoor zorgen dat de consument of de prospect in aanraking komt met jouw merk of product. Maar hoe kan je dit voorkomen en hoe kom je tot een eerlijke toeschrijving aan de verschillende marketingkanalen? Hiervoor kan je kiezen voor een Data-Driven attributiemodel.
Wat is attributie?
Om een goed beeld te krijgen van dit onderwerp, moeten we beginnen bij de basis: “Wat is attributie?”.
Attributie is een methodiek waarmee online marketeers waarde toekennen aan elk contactmoment dat een bijdrage heeft geleverd aan een uiteindelijke conversie. Zo levert conversie attributie een overzicht op, waarin je kunt zien hoe de diverse ‘touchpoints’ en interacties met online kanalen de customer journey van de consument beïnvloeden. Verschillende attributiemodellen voor online marketing Er zijn diverse modellen binnen online marketing, die bepalen hoe waarde wordt geattribueerd. Een aantal hiervan zie je in onderstaande afbeelding.
De keuze voor een attributiemodel verschilt. Zo kan de keuze bijvoorbeeld gebaseerd zijn op basis van de activiteiten van jouw bedrijf, of op basis van de kanalen die je inzet. Binnen Google Analytics wordt meestal het ‘laatste niet-direct klik’ attributiemodel toegepast. Binnen dit model wordt de volledige waarde toegekend aan het laatste kanaal waaruit door is geklikt, voorafgaand aan de conversie.
Wat is dan het Data Driven attributiemodel?
Het Data Driven Attribution-model is een algoritmisch model dat rekening houdt met elke klik voor de conversie. Door middel van Machine Learning. Het resulterende data-driven-model leert hoe verschillende contactpunten de conversie resultaten beïnvloeden. Het voorspelt hoeveel impact een kanaal zou kunnen hebben op een conversie, gebaseerd op de aanwezigheid, timing, het apparaattype, de hoeveelheid interacties met de advertentie, de volgorde van advertentieweergave en het type bestanden voor advertentiemateriaal.
Met een contrafeitelijke benadering contrasteert het data-driven-model wat er is gebeurd en wat er had kunnen gebeuren, om te bepalen welke contactpunten hoogstwaarschijnlijk de meeste conversies opleveren. Op basis van deze waarschijnlijkheid schrijft het model conversies toe aan deze contactpunten.
Voorbeeld: Kleding, de customer journey en het data-driven attributiemodel:
Stel je voor: tijdens het scrollen door je Facebook timeline kom je een advertentie tegen met een nieuwe collectie kleding. Een paar dagen later lees je een blog met daarin de nieuwste trends van dit seizoen, waarin kledingstukken worden gebruikt van dit merk. 's Avonds op de bank ga je op zoek naar leuke nieuwe kleding voor het volgende seizoen en zoek je op verschillende kledingmerken. Hierdoor kom je op veel verschillende kleding sites terecht. Door het vele aanbod, weet je nog niet precies wat je wil kopen. Je besluit eerst je kledingkast op te ruimen om een beter beeld te krijgen van welke kleding je nodig hebt.
Een aantal dagen en een opgeruimde kledingkast later, besluit je weer verder te gaan met je zoektocht naar nieuwe kleding. Dit keer zoek je op specifieke termen, omdat je nu precies weet welke kleuren en kledingstukken nog ontbreken in jouw garderobe. Je komt op de website van een merk die jouw aanspreekt. Maar dit merk heeft kleding met een iets duurder prijskaartje. Je twijfelt hierdoor en stelt toch je aankoop nog even uit. Vervolgens zie je wel op de site, dat als je je aanmeldt voor de nieuwsbrief dat je dan 10% korting krijgt. Dit doe je dan ook. Je ontvangt het mailtje met de kortingscode, maar je bent nu druk bezig met het avondeten. Je besluit dat je later die avond wel de kleding gaat bestellen met deze kortingscode. Wanneer je ‘s avonds op de bank zit en door je Facebook of Instagram tijdlijn scrollt, zie je ineens advertenties van de kledingstukken die je eerder die dag had bekeken. Hierdoor word je weer herinnerd aan het feit dat je een kortingscode in je mail hebt zitten. Je gebruikt de kortingscode uit de mail en bestelt een aantal nieuwe kledingstukken.
Aankoop gedaan!
Aan de hand van dit voorbeeld zijn er verschillende vragen die je stelt wanneer je met online marketing voor het kledingmerk bezig bent. Hoe waardevol is elk touchpoint binnen deze customer journey? En wat voor invloed heeft het als een van deze contactpunten niet op zou zijn getreden? Hoeveel waarde voegt het artikel op de blog toe? Om daar antwoord op te krijgen is per touchpoint de conversiewaarde van groot belang.
De waardetoekenning van data-driven-attributie
De vraag die nu waarschijnlijk bij je opkomt is: ’hoe wordt een data-driven attributiemodel (en daarmee de waardetoekenning) bepaald?’
Bij het data-driven attributiemodel wordt de waarde proportioneel bepaald, door het weglaten van het contactpunt in het conversiepad. Hierbij wordt gekeken naar wat er veranderd in de conversieratio wanneer de bezoeker niet met een bepaald marketingkanaal (display, facebook ads, instagram ads, search ads, blogs etc.) in aanraking is gekomen. Dit wordt ook wel een counterfactuele analyse genoemd.
Met het samenstellen van het gehele data-driven attributiemodel worden er vier lagen doorlopen:
1. Exposure
In de eerste laag wordt waarde toegekend op basis van de verandering van de conversieratio wanneer het kanaal zich niet voordoet in het conversiepad.
2. Frequency
In deze laag wordt de waarde gebaseerd op hoe de mogelijkheid voor een conversie verandert, wanneer een contactpunt van hetzelfde soort kanaal zich een bepaald aantal keer voordoet.
3. Recency
In de derde laag wordt waarde toegekend op basis van het voordoen van het contactpunt in een specifiek tijdsbestek.
4. Frequency at each value recency
In de laatste laag wordt waarde toegekend op basis van hoe vaak een contactpunt met een kanaal zich voordoet binnen een bepaald tijdsbestek.
Wat zijn nu de belangrijkste voor- en nadelen van werken met data-driven attributie?
Voordelen
- Data-driven-attributie geeft beter inzicht in welke generieke campagnes bijdragen aan de uiteindelijke conversie.
- Een groot gedeelte van het verkeer is mobiel en de uiteindelijke conversie vindt in veel gevallen niet plaats op mobiel. Met data-driven wordt beter inzichtelijk wat de bijdrage is geweest van mobiel op de eind conversie.
- Verschuiving naar de inzet van meer campagnes, marketingkanalen en zoektermen aan het begin van de customer journey, doordat je een beter inzicht krijgt in de rol hiervan in de gehele customer journey.
- Het biedt de mogelijkheid om bijvoorbeeld blogs van een website of meer informatieve content in te zetten. De bijdrage van deze campagnes wordt door het data-driven-model tenslotte inzichtelijker.
Nadelen
- Campagnes zijn moeilijker te managen, omdat een touchpoint tot 90 dagen terug nog (een deel van) de conversie toegekend kan krijgen.
- Het kan niet worden toegepast op historische data.
Toepassen en impact van het data-driven attributiemodel
Kiezen voor een ander attributiemodel is overigens niet simpelweg het aanklikken van een ander model. De keuze voor het data-driven attributiemodel vraagt om een andere kijk op het conversiepad en daarmee om een consequente en doordachte implementatie. In deze blog wordt vooral beschreven hoe het data-driven attributiemodel werkt, maar daarnaast is het belangrijk om bewust te zijn van de impact op andere aspecten. Hierbij kan je denken aan veranderingen in de data, de manier van analyse en de samenwerking tussen verschillende marketingkanalen binnen de customer journey.
Als je dit model toepast, dan is de verwachting dat je verbeteringen zal zien in de upper funnel marketingactiviteiten en een vermindering in de lower funnel marketingactiviteiten.
Wil je Data Driven attributie instellen voor jouw marketing campagnes of heb je vragen over Data Driven attributie? Neem dan contact met ons op!