Ein Kunde entdeckt dein Unternehmen durch die organische Suche. Zwei Wochen später klicken sie auf einen Social-Media-Beitrag. Dann kehren sie über eine bezahlte Suchanzeige zurück, öffnen eine E-Mail und geben schließlich vor dem Kauf Ihre Adresse in den Browser ein.
Eine Journey. Ein 100 Dollar Umsatz. Fünf Kanäle haben es berührt.
Stellen Sie nun eine einfache Frage: Welcher Kanal hat den Umsatz generiert?
In den Daten verbirgt sich keine neutrale Antwort. Es gibt lediglich eine Regelung zur Kreditvergabe. Ändern Sie die Regel, und derselbe Umsatz erzählt eine andere Geschichte.
Das ist der Teil, den Attributionsberichte oft zu leicht vergessen machen.
Eine Reise, fünf Touchpoints
Für ein konkretes Beispiel verwenden Sie diesen Pfad:
- Organische Suche, 28 Tage vor dem Kauf
- Organic Social, 14 Tage vor dem Kauf
- Bezahlte Suche, 7 Tage vor dem Kauf
- E-Mail, 2 Tage vor dem Kauf
- Direkt, zum Zeitpunkt der Konvertierung
Die Reihenfolge und der Zeitpunkt bleiben festgelegt. Der Einkaufswert bleibt bei 100 $. Lediglich das Attributionsmodell ändert sich.
Zenovay unterstützt derzeit fünf Modelle in der Umsatzansicht: Last Touch, First Touch, Linear, Positionsbasiert und Time Decay. Wir haben dieses Beispiel mit derselben Zuordnungsfunktion ausgeführt, die auch das Produkt verwendet.
Hier ist, was jedes Modell berichtet.
| Modell | Organische Suche | Organische Social Media | Bezahlte Suche | E Mail | Direkt |
|---|---|---|---|---|---|
| Last Touch | $0 | $0 | $0 | $0 | $100 |
| First Touch | $100 | $0 | $0 | $0 | $0 |
| Linear | $20 | $20 | $20 | $20 | $20 |
| Positionsbasiert | $40 | $6.67 | $6.67 | $6.66 | $40 |
| Time Decay | $2.37 | $9.50 | $18.99 | $31.16 | $37.98 |
Keine dieser Zeilen ändert den Verkauf. Jede Zeile beantwortet eine andere Frage dazu.
Last Touch fragt, welcher Kanal abgeschlossen hat
„Last Touch“ gibt dem letzten bekannten Kanal alle Ehre. Bei dieser Reise erhält Direct die vollen 100 US-Dollar.
Das kann nützlich sein, wenn die Frage operativ ist: Was hat den Kunden in dem Moment zurückgebracht, in dem er gekauft hat? Es ist auch einfach zu erklären und funktioniert, wenn nur der aktuelle Besuch verfügbar ist.
Aber es kann Entdeckungen verschwinden lassen. Organic Search stellte das Produkt vor. Soziale Netzwerke, bezahlte Suche und E-Mail hielten die Reise in Gang. Der Bericht gibt ihnen immer noch Null.
Bei Direct gibt es noch ein weiteres Problem. Ein direkter Besuch ist oft real, bedeutet aber nicht zwangsläufig, dass der Kunde ohne vorherige Einflussnahme angereist ist. Möglicherweise erinnerten sie sich an die Marke, nachdem sie die früheren Berührungen gesehen hatten. „Last Touch“ kann diese Geschichte nicht ausdrücken, wenn alles dem letzten Besuch zugeordnet wird.
First Touch fragt, welcher Kanal den Kontakt hergestellt hat
Die erste Berührung kehrt die Geschichte um. Die organische Suche erhält die vollen 100 US-Dollar, da es sich um den ersten bekannten Kanal auf der Reise handelte.
Diese Ansicht ist für die Entdeckung hilfreich. Es hilft bei der Beantwortung der Frage, welche Kanäle neue Menschen auf den messbaren Weg bringen. Dies kann insbesondere bei der Bewertung von Inhalten, Communities oder Kampagnen hilfreich sein, deren Hauptaufgabe darin besteht, Bewusstsein zu schaffen.
Sein blinder Fleck ist die Nähe. Ein früher Besuch hat den Kunden möglicherweise bekannt gemacht, aber eine spätere E-Mail oder eine bezahlte Kampagne hat möglicherweise die Arbeit erledigt, die das Interesse in Taten umwandelte. First Touch kann diesen Kredit nicht teilen.
Linear verteilt den Umsatz gleichmäßig
Die lineare Attribution verteilt den Verkauf gleichmäßig auf die fünf verschiedenen Kanäle. Jeder erhält 20 $.
Dies ist das ruhigste Modell im Set. Es erkennt jede gemessene Berührung an und vermeidet die Behauptung, dass eine Position immer wichtiger ist als eine andere.
Diese Fairness ist auch ihre Annahme. Ein schneller Social-Click erhält die gleiche Gutschrift wie die E-Mail, die zwei Tage vor dem Kauf geöffnet wurde. Gleiche Kreditwürdigkeit bedeutet nicht das Fehlen eines Urteils. Es ist ein Urteil, dass alle gemessenen Berührungen das gleiche Gewicht verdienen.
Positionsbasiert belohnt den Anfang und das Ende
Das positionsbasierte Modell von Zenovay gibt 40 Prozent an den ersten Kanal und 40 Prozent an den letzten. Die restlichen 20 Prozent verteilen sich auf die Kanäle in der Mitte.
In unserem Beispiel erhalten Organic Search und Direct jeweils 40 $. Organische soziale Netzwerke, bezahlte Suche und E-Mail teilen sich die restlichen 20 $.
Dieses Modell entspricht einer allgemeinen Marketingintuition: Entdeckung und Konvertierung sind am wichtigsten, während die Mitte hilft. Es bewahrt beide Enden der Reise, ohne alles dazwischen zu ignorieren.
Aber 40, 20 und 40 sind immer noch ausgewählte Gewichte. Es handelt sich dabei nicht um Tatsachen, die der Besucher im Kopf wahrnimmt.
Time Decay gewichtet aktuelle Kontakte stärker
Der Zeitverfall verleiht Berührungen, die näher an der Konvertierung liegen, mehr Anerkennung. Zenovay hat eine Halbwertszeit von sieben Tagen. Ein Touch sieben Tage vor dem Verkauf erhält die Hälfte des Rohgewichts eines Touchs bei der Umwandlung. Eine Berührung 14 Tage vorher erhält ein Viertel. Eine Berührung 28 Tage zuvor erhält ein Sechzehntel.
Nach der Normalisierung dieser Gewichtungen im Laufe dieser Reise erhält Direct 37,98 $, E-Mail 31,16 $, Paid Search 18,99 $, Organic Social 9,50 $ und Organic Search 2,37 $.
Dies ist nützlich, wenn die Wahrscheinlichkeit größer ist, dass kürzliche Berührungen eine Entscheidung beeinflussen. Es vermeidet auch die harte Klippe der letzten Berührung, bei der jede frühere Interaktion sofort null wert ist.
Dem Modell liegt immer noch die Überzeugung zugrunde: Die jüngsten Interaktionen verdienen mehr Anerkennung, und sieben Tage sind das richtige Tempo für den Verfall. Das passt möglicherweise zu einem Kaufzyklus und stellt einen anderen falsch dar.
Das Model sollte der Frage folgen
Teams fragen oft, welches Modell das richtige ist. Eine bessere Frage ist, welche Entscheidung der Bericht unterstützen muss.
Verwenden Sie die erste Berührung, wenn Sie Entdeckungen studieren. Verwenden Sie „Last Touch“, wenn Sie die endgültige Rendite oder den endgültigen Abschluss studieren. Verwenden Sie „Linear“, wenn Sie eine neutrale Ansicht aller gemessenen Teilnehmer wünschen. Verwenden Sie die Position basierend, wenn die ersten und letzten Berührungen strategisch wichtig sind. Verwenden Sie den Zeitverfall, wenn die Aktualität eine Rolle spielen sollte.
Der gefährliche Schritt besteht darin, das Modell zu wechseln, bis ein bevorzugter Kanal gut aussieht. Wenn eine bezahlte Kampagne beim letzten Kontakt enttäuscht, kann die Umstellung auf linear den Umsatz steigern, ohne dass sich ein einziger Kauf ändert. Die neue Nummer kann unter der neuen Regelung gültig sein und dennoch eine schlechte Vergleichsbasis mit der alten sein.
Wählen Sie zuerst die Frage aus. Halten Sie das Modell sichtbar. Vergleichen Sie Zeiträume, in denen unterschiedliche Regeln verwendet werden, nicht so, als ob die Messung unverändert wäre.
Historische Grenzen sind vor der Modellwahl von Bedeutung
Ein Multi-Touch-Modell kann nur den Berührungen, die das System verbinden kann, Guthaben zuweisen.
In Zenovay kann die Erstanbieter-Cookie-Verfolgung eine Reise über mehrere Tage hinweg speichern. Der Cookieless-Modus hat einen kürzeren Verlauf, sodass sein Multi-Touch-Ergebnis möglicherweise auf die Besuche beschränkt ist, die innerhalb des verfügbaren Fensters verknüpft werden können. Die Umsatzansicht markiert dies gegebenenfalls als begrenzten Verlauf.
Das macht die Berechnung nicht falsch. Dadurch wird die Grenze des Beweismaterials wichtig. Eine genaue Zuordnung über einen unvollständigen Pfad ist noch unvollständig.
„Last Touch“ reagiert weniger empfindlich auf das Fehlen früherer Vorgeschichte, da nur der letzte bekannte Touch erforderlich ist. Die Bedeutung der ersten Berührung ändert sich, wenn frühere Besuche nicht verfügbar sind. Linearer, positionsbasierter und zeitlicher Verfall kann die Gutschrift nur auf die Berührungen umverteilen, die sie sehen können.
Was wir in der Praxis vergleichen
Wir nutzen nicht ein einziges Modell als Maschine zur Wahrheitsfindung. Wir vergleichen Modelle, um herauszufinden, wo eine Schlussfolgerung fragil ist.
Wenn die organische Suche bei der ersten Berührung eine gute Leistung erbringt, bei Zeitverfall jedoch fast verschwindet, ist sie wahrscheinlich stark bei der Entdeckung und weit entfernt von der Konvertierung. Wenn E-Mails im Laufe der Zeit stark ansteigen, kann dies spät auf dem Weg hilfreich sein. Wenn ein Kanal über alle fünf Modelle hinweg sinnvoll bleibt, ist das Vertrauen in seine Rolle stärker.
Dieser Vergleich ist nützlicher, als über einen einzigen Gewinner zu streiten. Die Meinungsverschiedenheit zwischen Modellen ist Information.
Bevor wir einen Attributionsbericht bearbeiten, stellen wir uns nun vier Fragen:
- Welche Geschäftsfrage stellen wir?
- Welche Zuteilungsregel passt zu dieser Frage?
- Wie viel Besucherhistorie war tatsächlich verfügbar?
- Würde sich die Entscheidung unter einem anderen vernünftigen Modell ändern?
Wenn die Antwort auf die vierte Frage „Ja“ lautet, ist bei der Schlussfolgerung mehr Vorsicht geboten, nicht mehr Dezimalstellen.
Namensnennung ist eine Linse, keine Quittung
Der 100-Dollar-Verkauf fand einmal statt. Bei den fünf Berichten handelt es sich nicht um fünf konkurrierende Transaktionsdatensätze. Es handelt sich dabei um fünf Linsen, die über denselben Weg verteilt sind.
Eine gute Namensnennung macht das Objektiv deutlich. Es behält die zugrunde liegende Konvertierung bei, dokumentiert die Regel und zeigt dem Leser, wie stark die Antwort von dieser Regel abhängt.
Das Ziel besteht nicht darin, ein Modell zu finden, das die Diskussion beendet. Es geht darum, ein Modell zu wählen, das die Diskussion ehrlich macht.
