Individuelle ConversioN Attribution Dezember / 2012
Effizienz-Boost f端r Online-Kampagnen
1
1. Einleitung Sowohl in der Werbewirkungsforschung als auch in der Praxis hat sich die Erkenntnis durchgesetzt, dass im Online-Marketing einzelne Werbekanäle nicht isoliert bewertet werden sollten. Die Interaktion der User mit Marken und Produkten erfolgt – getrieben durch ein zunehmend multimediales Konsumentenverhalten – über mehrere Kanäle hinweg, wodurch sich zahlreiche Kontaktpunkte mit den Werbemitteln eines Advertisers ergeben. Daher ist es zu kurz gedacht, bei der Wirkungsbetrachtung von Werbemaßnahmen einzelne Kanäle pauschal als effektiv oder ineffektiv zu bewerten. Vielmehr kommt es darauf an, das „große Ganze“ zu sehen und zu analysieren, wie und wann die jeweiligen Kanäle vom Konsumenten in den verschiedenen Phasen des Kaufprozesses genutzt werden. In der Betrachtung entfernt man sich vom einzelnen Kanal und wendet sich vielmehr der Conversion als Ausgangsbasis zu. Zum Einsatz kommen dabei Attributionsmodelle, anhand derer sich bestimmen lässt, welchen Anteil ein Werbekanal an einer Conversion hat. Während sich reichweitenstarke Display-Kampagnen eignen, um auf neue Produkte aufmerksam zu machen, stehen spezifische Suchanfragen oftmals am Ende des Entscheidungsprozesses. Nach dem häufig angewandten Last-Cookie-wins-Modell werden abschließenden Suchanfragen mehr Conversions zugewiesen (attribuiert) als ihnen tatsächlich „zusteht“. Dieses Prinzip ist daher nicht geeignet, um die Effektivität und Effizienz von Marketingmaßnahme valide zu bewerten.
Die richtige Wahl sind alternative Ansätze, die für Advertiser, Publisher und Agenturen gleichermaßen von Interesse sind. Da sich bei unterschiedlichen Attributionsmodellen jedoch auch unterschiedliche CPOs ergeben, muss für jeden Werbetreibenden die Frage lauten: Welches Modell ist für meine individuelle Situation adäquat?
2
2. Gängige Attributions-modelle Derzeit häufig genutzte, konventionelle Attributionsmodelle weisen die Conversions den einzelnen Kanälen allein nach der Reihenfolge des jeweiligen Werbemittelkontakts zu:
Last Cookie-wins-Modell
100%
100%
75%
Das Last-Cookie-wins-Modell ordnet sämtliche Conversions immer dem letzten Kontaktpunkt der Customer Journey zu.
50% 25% 0%
First Cookie-wins-Modell
100% 75%
Das First-Cookie-wins-Modell ordnet sämtliche Conversions immer dem ersten Kontaktpunkt der Customer Journey zu.
100%
50% 25% 0%
3
Gleichgewichtetes Modell
50% 25%
25%
25%
25%
25%
0%
Dieses Modell verteilt die Anteile jeder Conversion gleichmäßig auf alle Touchpoints. Wurde ein User beispielsweise an vier verschiedenen Touchpoints mit der Werbung angesprochen, ordnet man jedem Kontaktpunkt 25 Prozent des Conversion-Erfolgs zu.
Zeitlich abnehmendes Modell
50% 25%
35%
30%
20%
15%
0%
Bei diesem Modell nimmt die Gewichtung der Touchpoints im Zeitverlauf ab. Je näher ein Kontaktpunkt an einer Conversion liegt, desto niedriger wird er gewichtet. Die Gewichtung der Touchpoints wird dabei individuell festgelegt.
Zeitlich zunehmendes Modell
50% 25%
15%
20%
35%
30%
0%
4
Die Gewichtung nimmt im zeitlichen Verlauf zu. Je näher ein Kontaktpunkt an einer Conversion liegt, desto höher wird er gewichtet. Die Gewichtung der Touchpoints wird dabei individuell festgelegt
U-Modell
50% 25%
40%
40%
10%10%
40% 40%
10% 10%
0%
Beim U-Modell werden der erste und der letzte Touchpoint höher als alle anderen gewichtet. Der erste Kontaktpunkt wegen seiner Aufmerksamkeitswirkung, der letzte aufgrund des finalen Abschlusses. Sämtliche anderen Touchpoints können gleichmäßig niedriger bewertet werden. Die Gewichtung erfolgt auch hierbei individuell.
Welch gravierende Auswirkungen die unterschiedlichen Attributionsszenarien hinsichtlich der Leistungsbewertung der einzelnen Kanäle haben, lässt sich anhand einer beispielhaften Customer Journey darstellen: Touchpoint 1:
Touchpoint 2:
Touchpoint 2:
Touchpoint 4:
Klick auf Display Banner (Bannersichtung mit Klick)
Klick auf AffiliatePartner (Bannersichtung mit Klick)
SEA mit Klick auf das Produkt
URL-Eingabe mit Sale
Nach dem Last-Cookie-wins-Modell würden die Kanäle DisplayAdvertising und Affiliate-Marketing leer ausgehen, während beim First-Cookie-wins-Modell der Kanal Display-Advertising die gesamte Conversion erhielte. Bei einer gleichverteilten Attribution würden jedem Kontaktpunkt 33,3 Prozent der Conversion zugerechnet.
5
3. Welches Attributions modell sollte man nutzen? Ist der Entscheidungsprozess beim Konsumenten sehr kurz, spielen Attributionsmodelle eine nachrangige Rolle. Beispielsweise bestehen die Customer Journeys bei Buchkäufen zu über 95% aus nur einem Touchpoint. In diesen Fällen unterscheiden sich die Resultate bei den verschiedenen Attributionsmodellen nur marginal. In der Reisebranche stellt sich das Bild vollkommen anders dar. Der Entscheidungsprozess des Users kann hier mehrere Wochen andauern. Während der Recherche werden unter anderem verschiedenste Online-Dienste, wie Blogs, Portale, Preisvergleichsseiten etc., zu Rate gezogen. Dabei hat der User Kontakt mit einer Vielzahl an Werbemitteln und -formen. In solchen Fällen entscheidet das genutzte Attributionsmodell über den Budgeteinsatz und damit über die Gesamtperformance. Die Schwäche der oben aufgeführten Standard-Modelle besteht darin, dass sie gewissen Annahmen unterliegen und statischer Natur sind: Bei Modellen, welche die Kontaktpunkte am Ende stärker gewichten (LastCookie, zeitlich zunehmendes Modell) geht man davon aus, dass die Werbung am Ende des Entscheidungsprozesses für die Performance den höchsten Einfluss hat. Bei Modellen, welche die Kontaktpunkte am Anfang stärker gewichten (First-Cookie, zeitlich abnehmendes Modell) unterstellt man eine starke Branding-Wirkung am Anfang des Entscheidungsprozesses und macht diese für die Entscheidung des Users maßgeblich. Das U-Modell sowie das gleichgewichtete Modell sind ein Mix der anderen Modelle. Darüber hinaus unterstellt man mit diesen Modellen, dass bestimmte Kanäle immer an bestimmten Punkten des Entscheidungsprozesses genutzt werden – eine Markensuche beispielsweise immer am Ende des Prozesses stattfindet. Dies ist zwar nicht grundsätzlich verkehrt, greift aber zu kurz. Denn bei der Beurteilung der Wirkung von Marketing-Kanälen spielen weitere Faktoren, wie z. B. Interaktionsart (Klick/View), Werbemittelart, -größe und -position sowie vieles mehr eine wichtige Rolle.
Eine Lösung stellen hier individuell auf den jeweiligen Advertiser ausgerichtete Modelle dar. Diese sind dynamisch und beschränken sich nicht auf die Reihenfolge der Touchpoints. Vielmehr erlauben sie eine erweiterte Betrachtung hinsichtlich der eben genannten Faktoren.
6
4. Das individuelle Attributionsmodell Beim individuellen QUISMA Attributionsmodell handelt es sich um ein Bewertungsmuster, das, anders als bei pauschalen Verteilungsschlüsseln, für jede erfolgreiche Journey (Conversion) den genauen Wertbeitrag der einzelnen Online-Marketingkanäle ermittelt. Auf dieser Basis werden die Conversions „zerlegt“ und prozentual auf die jeweiligen Touchpoints verteilt. Für die Ermittlung der Wertbeiträge werden eine Reihe von Faktoren herangezogen:
Hauptfaktor
• Kanaleffektivität
Ermittlung der Wertbeiträge der einzelnen Kanäle auf generierte Con- versions
Die Ermittlung der Kanaleffektivität erfolgt über die Erstellung eines Modellings. Berücksichtigt werden die gesamten User-Journeys, inklusive derjenigen, die nicht zum Abschluss führten. Somit fließen sowohl Path-to-Conversion als auch Path-to-non-Conversion in das Ergebnis mit ein.
Weitere Faktoren
• Interaktionsart
Unterschiedliche Gewichtung der Interaktionsart nach View und Klick
• Touchpoints
Unterschiedliche Gewichtung der Kontaktpunkte nach Introducer, Influencer und Closer
• Werbemittelqualität
Unterschiedliche Gewichtung der Werbemittelqualität. Im Display- Advertising bspw. unterschiedliche Gewichtung nach Standalone Banner, Bewegtbild, Wallpaper etc. In der Suchmaschinenwerbung un- terschiedliche Gewichtung nach Keyword-Qualität in Abhängigkeit von der Anzeigenposition etc.
• Zeitlicher Abstand zwischen den Kontaktpunkten
Wenn bspw. innerhalb eines definierten Zeitraums die gleiche Interak- tion mehrmals vorkommt, zählt dies lediglich als eine Interaktion.
• Journey-Typ
Unterschiedliche Gewichtung der Journey nach Sale oder Lead Journey, wenn beides vorkommt 7
Liegen diese Informationen vor, wird ein Scoring-Modell zur Bewertung der Journeys aufgestellt. Das folgende Beispiel stellt dar, wie ein solches Scoring-Modell funktioniert. Hierfür werden fünf Journeys betrachtet, bei denen lediglich die Kanäle Display (Bannerwerbung) und SEA vorkommen. Zur Vereinfachung wird angenommen, dass ausschließlich die Kanaleffektivität in das Modell einfließt. Abbildung 1
Mit der Last-Cookie-wins-Methode gelangt man bei diesem Beispiel zu dem Ergebnis, dass SEA drei Conversions und Banner-Werbung zwei Conversions zugeschrieben werden.
8
Beispielhaftes Szenario zur Ermittlung der Anteile einzelner Kanäle an den Conversions.
Angenommen, die Analyse der Kanaleffektivität führte dazu, dass dem Kanal SEA ein Wertbeitrag von 70% und dem Kanal Banner-Advertising ein Wertbeitrag von 30% zugeschrieben wird. Dann ergibt sich für jede einzelne Customer Journey folgendes Bild: Abbildung 2
Für die erste Journey in Abbildung 2 wird die Conversion auf Banner-Werbung und Suchmaschinenwerbung verteilt. Banner-Werbung werden 56,25% und Suchmaschinenwerbung 43,75% der Conversion zugeschrieben. Bei der zweiten Journey erhält Banner-Werbung 17,65%, Suchmaschinenwerbung ist zu 82,35% an der Conversion beteiligt. Addiert man nun die Wertbeiträge jedes einzelnen Kanals über alle Journeys hinweg, so erhält man dessen Anteil an der Gesamtzahl der Conversions. Das bedeutet, dass von den fünf erreichten Conversions SEA 3,261 und Banner-Advertising 1,739 Anteile zugeschrieben werden. (Zur Erinnerung: Nach „Last-Cookie-Wins“ sähe die Verteilung 3:2 aus.) Die daraus resultierenden und sich von der Last-cookie-wins Attribution unterscheidenden CPOs werden wiederum zur optimalen Budgetallokation verwendet. 9
Übertragung des Modells auf bestehende Journeys und Ermittlung des Wertbeitrags der Kanäle innerhalb der Journeys.
Das QUISMA Attributionsmodell liefert somit ein individuelles Bewertungsmuster, das die Effektivität und Effizienz der einzelnen Kanäle aufzeigt – für jede einzelne Journey, für jeden einzelnen Touchpoint und für die Gesamtbetrachtung.
Das Modell lässt sich auch durch betriebswirtschaftliche Faktoren erweitern. Sind diese Werte für die Journeys bekannt, kann die Aussteuerung des Budgets um zusätzliche Parameter ergänzt werden. Man betrachtet die Situation dann nicht nur bis zur erfolgten Conversion, sondern ermittelt, welche Conversions für das Unternehmen am profitabelsten sind. Folgende Punkte können dabei berücksichtigt werden:
Betriebswirtschaftliche Faktoren
• Umsatzziel
Erweiterung des Modells in Abhängigkeit der Journeys nach dem Umsatz, den sie Erwirtschaften
• Kunden-Scoring
Weitere Verfeinerung des Modells in Abhängigkeit der Kundenbewertung der Advertiser. Optimierung nach Customer Lifetime Value und Customer Equity
Viele Advertiser führen unterschiedliche Produkte im Sortiment, die wiederum mit unterschiedlichen Deckungsbeiträgen oder Umsätzen verbunden sind. So verkauft Amazon beispielsweise Socken ebenso wie Waschmaschinen. Der erwirtschaftete Deckungsbeitrag unterscheidet sich bei beiden Produkten naturgemäß recht deutlich. Informationen wie diese können in die Bewertung von Journeys mit einfließen. Kanäle oder Kanalkombinationen, die zu höheren Umsätzen führen, lassen sich im Attributionsmodell stärker gewichten. In diesem Fall ist nicht mehr die Conversion das primäre Ziel, sondern der erzielte Deckungsbeitrag pro Journey.
10
5. RETAIL CASE STUDY Anwendung fand das individuelle Attributionsmodell beispielsweise bei der Erstellung eines Bewertungsmusters für die Branche „Retail“. Dabei flossen die Customer Journey-Daten von fünf Retail-Unternehmen in die Berechnung ein. Das Modell wurde auf Basis der jeweiligen Kanaleffektivität, der Interaktionsart (View oder Klick) und der Touchpoint-Position (Introducer, Influencer und Closer) berechnet. Die Sales-Anteile für die einzelnen Kanäle wurden auf dieser Grundlage ermittelt und mit denen der Last-Cookiewins-Methode verglichen:
Abbildung 3 sEA generic
11,95%
Produkt und Preissuchmaschinen
display Advertising
2,68%
10,35%
Sales Verteilung Last-Cookiewins-Attribution.
Affiliate marketing
14,15%
retargeting
10,67%
sEA brand
sEo generic
8,41%
41,80%
Abbildung 4 sEA generic
16,72%
Produkt und Preissuchmaschinen
9,44%
display Advertising
5,73%
Affiliate marketing
sEA brand
11,69%
36,52%
retargeting
8,81%
sEo generic
11,10%
11
Sales Verteilung nach individueller Attribution.
Im direkten Vergleich ergeben sich deutliche Veränderungen der Sales-Anteile der verschiedenen Kanäle. SEA Brand, Retargeting, Affiliate-Marketing sowie Produkt- und Preissuchmaschinen bekommen durch die neue Attribution weniger Sales zugeschrieben als im LastCookie-wins-Szenario. Bei den Kanälen SEO Generic, DisplayAdvertising und SEA Generic erhöhen sich dagegen die Anteile. Dies bewirkt zudem veränderte CPOs: Gesamtperformance der Kanäle
Kanal
Gesamtkosten
SEA Brand
Sales
(Last Cookie)
CPO
(Last Cookie)
Sales
(individuell)
CPO
(individuell)
CPO
Veränderung
1.020.000 €
699.682
1,46 €
611.224
1,67 €
14,47%
SEO Generic
610.000 €
140.748
4,33 €
185.787
3,28 €
-24,24%
Retargeting
756.000 €
178.524
4,23 €
147.466
5,13 €
21,06%
1.629.000 €
236.794
6,88 €
195.592
8,33 €
21,07%
Display Advertising
1.076.000 €
44.892
23,97 €
95.887
11,22 €
-53,18%
SEA Generic
3.603.000 €
199.965
18,02 €
279.951
12,87 €
-28,57%
Produkt- und Preissuchmaschinen
2.470.00 €
173.249
14,26 €
157.947
15,64€
9,69%
11.164.000 €
1.673.854
6,67€
1.673.854
Affiliate Marketing
Overall
6,67 €
Um nun die Effizienz des eingesetzten Marketingbudgets zu verbessern, lässt sich auf Basis der CPOs eine Um- bzw. Neuverteilung vornehmen. Hierbei sollte auf Kanalspezifika geachtet werden. Manche Kanäle sind nicht unendlich ausbaubar bzw. weisen eine stark ansteigende Grenzkostenkurve auf (z. B. SEA Brand, Retargeting).
Für unser Retail-Szenario würde die Strategie für die Umverteilung des Budgets folgendermaßen aussehen: Budgetseitig zu reduzierende Kanäle SEA Generic, Produkt- und Preissuchmaschinen
Budgetseitig zu steigernde Kanäle SEA Brand SEO Generic Retargeting, Affiliate-Marketing Display-Advertising 12
Zu beachten ist, dass die Umverteilung von Budgets ein heuristischer Prozess ist, bei dem man sich schrittweise dem optimalen Budget nähert. Durch kleine Budgetverschiebungen wird der Gesamt-Output an Conversions stetig optimiert.
6. FAZIT
Um valide Aussagen über den Return on Investment aller eingesetzten Online-Marketing-Kanäle treffen zu können, ist die Entwicklung individueller Attributionsmodelle unumgänglich. Nur so wird es möglich, Kanaleffektivität, Werbemittelqualität und Interaktionsart in die Leistungsbewertung mit einfließen zu lassen. Ein Modell, das nicht pauschal auf Touchpoint-Positionen abzielt, führt dazu, dass Online-Marketing-Kanäle in Bezug auf Effektivität und Effizienz valide bewertet werden. Dadurch werden Budgets weitaus effizienter ausgesteuert, was zu signifikanten Sales- und Umsatzsteigerungen führt, die häufig im zweistelligen Prozentbereich liegen.
13
München Düsseldorf Frankfurt a. M. Wien Zürich London Madrid Mailand Amsterdam
Warschau Paris Istanbul Moskau Brüssel Dubai Prag Bratislava
Creating Value & Performance in Digital QUISMA GmbH Rosenheimer Straße 145 D DE-81671 München +49 (0)89 442382-0 +49 (0)89 442382-999 info@quisma.com
BLOG