Neue Wege der Customer Journey-Analyse juni / 2011
1
1. Einleitung Die Customer Journey ist derzeit eines der Top-Themen der OnlineBranche. Viele Agenturen beschäftigen sich mit dieser Thematik, denn die „Reise des Kunden“ zu kennen, bedeutet Werbemittel gezielt in bestimmte Kanäle aussteuern zu können und die Zielgruppen dort abzuholen, wo sie sich aufhalten. Die Customer Journey-Analyse ist eine beliebte Methode, um herauszufinden, wo man das Marketingbudget am effizientesten einsetzen kann, damit Abverkäufe gesteigert und die Werbekosten auf lange Sicht signifikant gesenkt werden. Um festzustellen, über welche Kanäle Kunden zum Produkt finden, setzen Agenturen standardmäßig leistungsfähige technische Tools ein, mit denen User-Pfade aufgedeckt werden. Doch ist diese Analyse der Customer Journey auf Basis von technischen Lösungen mit Restriktionen behaftet, die im schlimmsten Fall die tatsächliche Abbildung des Kundenpfades unmöglich machen. Die mit dieser Analyse verbundenen Risiken haben QUISMA zur Erforschung alternativer Ansätze geführt. Im Zuge dessen hat sich ergeben, dass sich das sogenannte Modelling als die beste Methode für eine gezielte Aussteuerung eignet. Bei diesem aus der klassischen Media-Planung stammenden Ansatz geht es darum zu verstehen, inwieweit die einzelnen Kanäle auf die Sales-Generierung einzahlen. Murat Cavus, Senior Manager Marketing Intelligence bei QUISMA, erläutert im Folgenden die Ziele der Customer Journey-Analyse und die Restriktionen, denen Trackingtechnologien unterworfen sind. Des Weiteren wird die kanalübergreifende Optimierung vorgestellt, die auf der Basis des Modellings eine gezielte Budgetallokation ermöglicht.
2
2. Die Grenzen der klassischen Customer Journey-Analyse
Die Customer Journey-Analyse beschreibt den Weg des Kunden vom ersten Kontakt mit einem Produkt bis hin zum Kaufabschluss. Zu wissen, welche Pfade die Kunden in der Regel im Internet gehen, unterstützt Unternehmen dabei, ihre Werbemaßnahmen gezielt auf jene Werbekanäle zu konzentrieren, welche von der Zielgruppe besonders genutzt werden. Werbetreibende, die den größten Teil des Weges ihrer User kennen, haben einen großen Vorteil: Sie können ihre Maßnahmen auf ihr Kundenportfolio aussteuern und wissen, welche Kombinationen erfolgversprechend sind. Dieses Wissen versetzt sie in die Lage, ihre Budgets effizient aussteuern zu können und ausschließlich anhand der Erfolgsaussichten in bestimmte Werbekanäle zu investieren. Der Erfolg schlägt sich später in gesteigerten Abverkäufen sowie in der Senkung der Marketingratios und der Costs-per-order nieder. Alle im Online-Umfeld tätigen Agenturen setzen bei der Abbildung der Customer Journey ihrer Kunden derzeit auf eine technische Lösung. Die Kundenpfade werden über Tracking-Systeme abgebildet. Allerdings ergeben sich für Budget-Allokationen dadurch von Anfang an Schwierigkeiten: Zunächst einmal führt diese Methode nur dann zu einem erfolgreichen Ergebnis, wenn der Werbetreibende ausschließlich das Internet zur Kommunikation einsetzt und dabei alle Maßnahmen in einem einzigen Tracking-System steuert und überwacht. Aber auch abseits der Limitierung auf ein einziges Medium ergeben sich Probleme, welche die Abbildung der Kundenpfade erschweren oder verwässern und damit zwangsläufig zu Verfälschungen führen. Unternehmen und Agenturen sollten daher bei ihren Budget-Entscheidungen zur Aussteuerung von Werbekampagnen mit Tracking-Systemen zwingend folgende Restriktionen berücksichtigen: 3
Device-Wechsel können von Tracking-Systemen nicht abgebildet werden Mit einer technischen Tracking-Lösung lassen sich Device-Wechsel nicht berücksichtigen. Die meisten User nutzen aber heutzutage unterschiedliche Endgeräte (Mobiltelefon, Laptop, Tablet PCs etc.), um sich im Internet über Produkte zu informieren. So wird ein Nutzer beispielsweise bereits am BüroPC auf ein bestimmtes Produkt aufmerksam, vertieft die Recherche dann auf dem eigenen PC zu Hause, informiert sich zusätzlich über sein Smartphone und schließt den Kauf schlussendlich über den Computer im Büro ab. Dieser Pfad kann mit Tracking-Systemen nicht nachvollzogen werden, da diese lediglich einzelne Unique-IDs erfassen können. Das führt dazu, dass dem User mit jedem Device eine andere Unique-ID zugeschrieben wird. Für das obige Beispiel würde das bedeuten, dass lediglich der erste und der letzte Klick vom System erfasst und demselben User zugeschrieben werden können. Der Weg des Kunden kann somit nicht komplett dargestellt und nachvollzogen werden. Durch diese Einschränkung ergeben sich automatisch Fehler in der Darstellung des Kundenpfades. Die Beiträge der einzelnen Kanäle werden nicht abgebildet, da nicht alle User-Klicks und damit auch nicht der gesamte Weg erfassbar ist. Somit ist die Customer Journey lückenhaft, was eine optimale Budgetallokation erschwert bzw. verhindert.
Cookie-Löschungen können nicht berücksichtigt werden Eine ähnliche Problematik entsteht bei Usern, die ihre Cookies regelmäßig löschen, denn Löschungen begünstigen eine Verzerrung der Customer Journey, weil Kundenpfade nicht vollständig abgebildet werden können. Lediglich die Aktivitäten nach der Löschung wären identifizierbar. Falls der Kunde vor der Löschung der Cookies auf das Produkt aufmerksam geworden ist, gehen diese Berührungspunkte verloren.
Externe Faktoren können nicht mit in die Kalkulation einfließen Externe Faktoren, wie beispielsweise Offline-Werbeaktivitäten, können von Tracking-Systemen nicht erfasst werden. Kontaktpunkte, die der User mit Werbung im TV, in Zeitungen oder Zeitschriften hat, sind mit Online-Trackingsystemen nicht abbildbar. Hinzu kommt, dass auch Sonderangebote oder saisonale Schwankungen nicht erfasst und somit auch nicht berücksichtigt werden können.
4
Nutzung von unterschiedlichen Tracking-Systemen verschiedener Anbieter Setzen Unternehmen verschiedene Anbieter zum Tracken ihrer OnlineWerbeaktivitäten ein, so lässt sich die Customer Journey nur bedingt abbilden. Trackt beispielsweise Anbieter A die Display- und Affiliate-Aktivitäten, während die SEA- und SEO-Aktivitäten von Anbieter B überwacht werden, so kann jeder nur seinen Verantwortungsbereich kohärent darstellen. Eine ganzheitliche Beratung zur optimalen Budgetallokation ist in diesem Fall nicht möglich. Auch diese Restriktion führt zu einem verzerrten Ergebnis und verhindert eine realitätsgetreue Darstellung.
Auch QUISMA bietet derzeit die Customer Journey-Analyse über Tracking-Systeme an. Doch aufgrund der oben beschriebenen Restriktionen haben wir nach einem alternativen Ansatz gesucht, den wir im Modelling sehen. Dieses ist frei von den oben beschriebenen Problemen und begünstigt eine reelle Darstellung der Customer Journey unter Einbezug aller relevanten Faktoren.
3. Modelling Beim Modelling-Ansatz handelt es sich um ein multivariates Analyseverfahren, bei dem mehrere Faktoren – wie Sales, Werbeausgaben, saisonale Effekte, Preis etc. – in einen Wirkungszusammenhang gestellt werden. Ziel dieser Datenzusammenführung ist es, den Return on Investment von Faktoren im Hinblick auf die erzielten Abverkäufe zu analysieren, um daraus resultierend Handlungsempfehlungen für eine optimale Budgetallokation ableiten zu können.
5
Im Modelling-Ansatz wird der Wertbeitrag jedes einzelnen Kanals bei der Sales-Generierung errechnet. Einzelne Pfade werden nicht nachgebildet. Vielmehr geht es darum, Wirkungszusammenhänge und Wertbeiträge jedes einzelnen Kanals und jedes externen Faktors zu errechnen. Das sogenannte QUISMA-Modelling ist ein multivariates Analyseverfahren, bei dem die Abverkäufe einerseits und die Einflussfaktoren – wie bspw. Online-Werbeaktivitäten, Offline-Werbeaktivitäten und externe Faktoren – andererseits in einen Wirkungszusammenhang gestellt werden. Das Modelling bildet eine neutrale Grundlage für eine optimale Budgetallokation, weil die tatsächlichen Abverkäufe mit den gesamten Daten, die über die Werbeaktivitäten gesammelt wurden, in einen direkten Wirkungszusammenhang gestellt werden. Das Resultat ist eine exakte Darstellung des Wertbeitrags jeder einzelnen Aktivität auf die generierten Sales. Der größte Vorteil des Modellings gegenüber Tracking-Systemen ist aber, dass auch Offline-Aktivitäten (TV, Print) sowie externe Faktoren (saisonale Effekte, Wettbewerbsaktivitäten, Markttrends, Preise etc.) mit in den Sales-Generierungsprozess einbezogen werden können. Die folgende Abbildung stellt beispielhaft dar, welche Inhalte in ein Modelling aufgenommen werden können:
Beispielhafte Inhalte eines Modellings / Quelle: QUISMA
Affiliate SEO
Display
SEA
Sales Preis
TV
Markttrends
Saisonale Effekte Wettbewerb
6
Online-Werbeaktivitäten können beispielsweise Search Engine Advertising, Search Engine Optimization, Display Advertising oder Affiliate-Marketing sein. Zudem können aufgrund ihrer vertriebsfördernden Wirkung auch Aktivitäten im Bereich Conversion-Optimierung in die Modellierung integriert werden. Konventionelle Werbeaktivitäten werden hauptsächlich im Bereich Print und TV subsummiert, welche gewöhnlich in Form von GRPs in die Bewertung einfließen. Neben den Werbeaktivitäten besteht die Möglichkeit, auch externe Faktoren mit einzuschließen, wie beispielsweise das Preismanagement, saisonale Effekte, makroökonomische Faktoren, Wetter, Public Relations etc. Das Modelling erlaubt, anhand von Daten aus der Vergangenheit Prognosen für die Zukunft abzuleiten. Nachdem der Einfluss der einzelnen Faktoren auf die Abverkäufe prognostiziert wurde, können auf Basis der Modellrechnung die Daten in die Zukunft projiziert werden. Der Sales-Verlauf kann in Abhängigkeit der Daten dargestellt werden. Auf Basis des Modells lässt sich erkennen, wie sich einzelne Änderungen auf die Abverkäufe auswirken. In der Folge kann das Werbebudget für zukünftige Maßnahmen mit dem Ziel der Gewinnmaximierung assoziiert werden. Werbende Unternehmen können das Modelling demnach als Tool einsetzen, um zukünftige Marketing- und Investitionsentscheidungen besser zu planen. Aus einer Modellierung gehen bessere strategische Entscheidungen hervor, da komplexe Zusammenhänge aufgedeckt werden, die mit einfachen deskriptiven Analysen nicht zu erkennen sind. Im klassischen Bereich wird häufig auf die Modelling-Methode zurückgegriffen, da es dem strategischen Management bessere Entscheidungsgrundlagen als herkömmliche Tools und Ansätze liefert. QUISMA gehört zu den ersten Agenturen, die Modelling auch auf den Online-Bereich übertragen, um investitionsintensive Entscheidungen besser planen und strukturieren zu können als das bisher möglich ist. Zusammengefasst beantwortet das Modelling die folgenden Fragen:
• Wie hoch ist der Return on Investment meiner Online- und • • •
Offline-Marketingaktivitäten? Welche meiner Werbekanäle bieten das größte Wachstumspotenzial? Wie allokiere ich mein Werbebudget optimal auf verschiedene Werbeträger? Wie wirkt sich klassische Werbung auf das Kaufverhalten in meinem Online-Shop aus?
7
4. Regressionsanalyse Modelling basiert auf dem ökonometrischen Modell der Regressionsanalyse, die für alle Handlungsempfehlungen als Fundament dient und Werbetreibenden realistische Prognosen liefert. Die Regressionsanalyse selbst ist eines der am häufigsten verwendeten multivariaten Analyseverfahren. Die Methodik untersucht die Abhängigkeit zwischen einer abhängigen Variable und einer oder mehrerer unabhängiger Variablen. Mit Hilfe der Regressionsanalyse können Zusammenhänge aufgedeckt werden, die mit einfachen Datenanalysen nicht zu erkennen sind. Zudem können auf Basis dieser Analysemethodik für die zukünftige Entwicklung Prognosen abgeleitet werden. Die Regressionsanalyse findet in den Wirtschaftswissenschaften vielfältige Anwendung, so wird sie beispielsweise zur Beantwortung folgender Fragestellungen eingesetzt:
• Schätzung der Abhängigkeit der Absatzmenge eines Produktes • •
von Einstellungen bestimmter Zielgruppen Schätzung der Abhängigkeit der Absatzmenge eines Produktes vom Preisniveau Schätzung der Abhängigkeit der Absatzmenge eines Produktes vom Werbebudget, Preis und Außendiensttätigkeiten
Die Regressionsanalyse ist deshalb besonders vorteilhaft, weil eine einzige abhängige Variable gleichzeitig ins Verhältnis zu einer oder mehreren unabhängigen Variablen gestellt werden kann. Somit kann eine ganzheitliche Erklärung abgegeben und der Verlauf der abhängigen Variablen besser erklärt werden. Im Falle des Modellings werden die getätigten Abverkäufe mit den Werbeaktivitäten ins Verhältnis gesetzt. Damit werden die Abverkäufe als Resultat aller Werbeaktivitäten modelliert. Zur Abschätzung des Abverkaufs im Rahmen des Modellings wird auf eine lineare Regressionsanalyse zurückgegriffen. Die lineare Regressionsanalyse unterstellt zwischen der abhängigen Variable, welche metrisch-skaliert ist, und einer oder mehrerer unabhängiger Variablen einen linearen Zusammenhang.
8
Die Regressionsfunktion lautet wie folgt:
(1) yi= b0 + ∑k∈Kbk * xk,i + ei
wobei: yi:
Wert der i-ten Beobachtung für die abhängige Variable, bspw. Sales
x(k,i): Wert der i-ten Beobachtung für die k-te unabhängige Variable, bspw. Klicks auf SEA-Adwords oder Klicks auf Display-Banner b0:
Konstante der Regressionsfunktion, bspw. Sales, die ohne Werbeleistung entstanden wären
bk:
Regressionskoeffizient zur Abbildung des Einflusses der k-ten unabhängigen Variable, bspw. wie stark ist der Einfluss von SEA Adwords-Kampagnen auf die Gesamtperformance (Sales)
ei:
Residium der i-ten Beobachtung
I: K:
Indexmenge der Beobachtungen Indexmenge der Variablen
Um eine Regressionsanalyse durchzuführen, müssen die Werte der abhängigen Variable Yi sowie der unabhängigen Variablen Xk,i vorliegen. Ohne diese Werte wäre eine Regressionsanalyse nicht möglich. Alle anderen Werte, wie die Konstante der Regressionsfunktion b0, die Regressionskoeffizienten bk (k∈K) und die Residuen ei (i∈I), werden im Rahmen der Regressionsanalyse geschätzt.
9
Für die Schätzung der Regressionsfunktion wird auf komplexe mathematische Algorithmen zurückgegriffen. Hinter diesen Methoden stehen enorme Rechenaufwände. Daher greift man in der Regel auf leistungsstarke Statistikprogramme zurück, um den funktionalen Zusammenhang schätzen zu können. Liegen die Daten vor, können sie in die Programme eingelesen und analysiert werden. Aus dem Ergebnis der Regressionsanalyse können anschließend die Zusammenhänge abgeleitet und interpretiert werden. Die Herausforderung bei der Regressionsanalyse liegt jedoch nicht in der Schätzung der Funktion (welche vom Programm automatisch durchgeführt wird) und der Interpretation der Ergebnisse, sondern in der gesamten Vorarbeit. Darunter fallen:
• die Aufstellung von Hypothesen zu den funktionalen • • •
Zusammenhängen, die Auswahl einer Schätzungsmethodik in Abhängigkeit von den aufgestellten Hypothesen, die Datenerhebung, die Datenaufbereitung, bei der die Daten so bearbeitet werden, dass sie in der ausgewählten Untersuchung verwendet werden können.
Für diese Tätigkeiten ist ein enormer Zeitaufwand einzuplanen. Ist die Vorgehensweise jedoch sorgfältig durchdacht und durchgeführt, kann die Regressionsfunktion unproblematisch geschätzt und anschließend interpretiert werden. Auf Basis der Interpretationen können Handlungsempfehlungen formuliert werden, die auf festen mathematischen Fakten beruhen, welche mit herkömmlichen Analysen nicht identifiziert und abgeleitet werden könnten. Im folgenden Kapitel wird am Beispiel eines Kunden erläutert, wie die Sales auf Basis eines Modellings bei gleichzeitiger Abnahme der Marketingratio gesteigert wurden.
10
6. Empirische Evidenz Schon seit Anfang 2009 betreut QUISMA die gesamten Online-Aktivitäten eines führenden deutschen Online-Fashion-Stores. Die Leistungen beinhalten ganzjährige awareness- und abverkaufssteigernde Maßnahmen sowie die komplette Mediaplanung, inklusive der optimalen Aussteuerung der Marketingbudgets. QUISMA hat zur Aussteuerung des Budgets auf das Modelling zurückgegriffen und dabei die Regressionsanalyse angewendet. Hierbei wurden die Abverkäufe als Resultat der Kundenaktivitäten modelliert. Als Aktivitäten wurden die Investitionen in die gebuchten Kanäle herangezogen. Diese sind Affiliate-Marketing, Display-Advertising, Retargeting, Suchmaschinenwerbung und Suchmaschinenoptimierung. QUISMA hat zur optimalen Aussteuerung der Budgets sowohl die Performance der einzelnen Kanäle als auch den Einfluss der Kanäle auf die Gesamtperformance untersucht. Diese Vorgehensweise machte es möglich, bei der Budget-Allokation komplette Useraktivitäten zu berücksichtigen und crossmediale Effekte zwischen den Kanälen zu erkennen. Unter Berücksichtigung cross-medialer Effekte wurde zunächst für den Zeitraum Januar 2009 bis Juni 2010 ein Modelling errechnet, auf dessen Basis die Einflüsse der Kanäle auf die Gesamtperformance erfasst wurden. Auf der Grundlage dieser Ergebnisse wurde das Budget bei nahezu gleichbleibendem Umfang für die letzten beiden Quartale des Jahres 2010 neu ausgesteuert und mit den letzten beiden Quartalen des Jahres 2009 verglichen. Budgetallokation der Ausgangssituation: Affiliate Marketing
15%
Retargeting
5%
SEA
50%
SEO
10%
Budgetallokation der Ausgangssituation Q3-Q4 2009 Quelle: QUISMA
Display Advertising
20%
11
Im Geschäftsjahr 2009 wurde die Hälfte der Budgets in den Bereich SEA investiert. Mit dem Ziel die Awareness zu steigern, wurde vor allem in generische Keywords investiert. Andere Werbekanäle wurden dabei eher nachrangig betrachtet. Der Schwerpunkt auf den SEA-Kanal führte dazu, dass sich die Marketing-Ratio zunehmend verschlechterte. Budgetallokation auf Basis des Modellings: Affiliate Marketing
15%
Retargeting
5%
SEA
38%
SEO
12% Budgetallokation auf Basis des Modellings Q3-Q4 2010 Quelle: QUISMA
Display Advertising
30%
Die Modellierung ergab, dass der Kanal Display-Advertising Sales in anderen Kanälen initiiert, wovon insbesondere die Kanäle Retargeting, SEA und SEO profitieren. Durch die, mithilfe des Modellings identifizierten, Cross-OverEffekte wurde das Budget zu Gunsten von Display-Advertising umverteilt und das SEA-Budget deutlich gesenkt. Die durch das Modelling erzielten Ergebnisse sind bemerkenswert. Obwohl bis auf Display-Advertising (in starkem Maße erhöht) und SEO (marginal erhöht) die Budgets in allen Kanälen gesenkt wurden, haben die erzielten Sales kaum oder gar nicht abgenommen. Dagegen initiierte Display-Advertising Sales in den Kanälen SEA, SEO und Retargeting.
12
Sales
10.000 7.500 5.000 2.500 0
9.326
SEA
3.206
DisplayAdvertising
3.261
SEO
1.362
Retargeting
1.456
Sales Gesch채ftsjahr (Q3-Q4) 2009, Quelle: QUISMA
AffiliateMarketing
Sales
10.000 7.500 5.000 2.500 0
9.312
SEA
3.455
DisplayAdvertising
6.191
SEO
2.695
Retargeting
1.425
AffiliateMarketing
13
Sales Gesch채ftsjahr (Q3-Q4) 2010, Quelle: QUISMA
Bei einem Vergleich der beiden letzten Quartale der Jahre 2009 und 2010 ist festzustellen, dass die Abverk채ufe bei nahezu gleichbleibenden Budgets um 24% gesteigert werden konnten, w채hrend die Marketingratio um 43% gefallen ist. Sales
30.000
+24%
20.000 10.000
18.611
23.078
Sales-Steigerung Quelle: QUISMA
0 MR 2010 Q3-Q4
MR 2009 Q3-Q4
Marketingratio
15%
-43%
10% 5%
13,13%
7,50% R체ckgang Marketingratio Quelle: QUISMA
0 MR 2009 Q3-Q4
MR 2010 Q3-Q4
14
7. Fazit Eine effiziente Allokation der Werbebudgets auf verschiedene Online-Kanäle ist vor allem für Kunden, die hohe Summen in Online-Werbung investieren, unumgänglich. Die alleinige Allokation auf der Grundlage von technologischen Lösungen erweist sich hierbei als suboptimal, denn viele Unternehmen, die große Budgets für Online-Werbung einsetzen, investieren gleichzeitig in Offline-Werbemaßnahmen (TV und Print). Technologische Lösungen würden in diesem Fall die Offline-Werbung vollkommen vernachlässigen. Zudem führen Restriktionen wie Device-Wechsel, Cookie-Löschungen und Tracking über verschiedene Anbieter zu fehlerhaften Schlussfolgerungen bezüglich der wirklichen Customer Journey. Aufgrund dieser Limitierungen gestaltet sich eine effiziente Budgetallokation auf die verschiedenen Werbemittel problematisch. Im Gegensatz dazu wird beim Modelling-Ansatz der Beitrag jedes einzelnen Kanals bei der Sale-Generierung errechnet. Einzelne Pfade werden nicht nachgebildet. Vielmehr geht es darum, Wirkungszusammenhänge und Wertbeiträge jedes einzelnen Kanals (Online- und Offline) und jedes externen Faktors zu errechnen. Das Modelling bildet eine neutrale Grundlage für eine optimale Budgetallokation, weil die tatsächlichen Abverkäufe mit den gesamten Daten, die über die Werbeaktivitäten gesammelt wurden, in einen direkten Wirkungszusammenhang gestellt werden. Das Resultat ist eine exakte Darstellung des Wertbeitrags jeder einzelnen Aktivität auf die generierten Sales. Der größte Vorteil des Modellings gegenüber Tracking-Systemen ist aber, dass auch Offline-Aktivitäten (TV, Print) sowie externe Faktoren (saisonale Effekte, Wettbewerbsaktivitäten, Markttrends, Preise etc.) in den Sales-Generierungsprozess miteinbezogen werden können.
Somit ist klar: „Modelling ist die nächste Stufe der Customer Journey-Analyse.“
15
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