Was Attributierung misst und was nicht
Ein Attributionsmodell ist eine Regel, um den Kredit für eine Konversion – beispielsweise einen Verkauf oder einen Geschäftskontakt – auf die Kanäle und Interaktionen zu verteilen, die dieser Handlung vorausgingen. Es dient dazu, die Lesart der Kundenreise zu strukturieren und Kampagnen zu vergleichen; es beweist jedoch nicht von selbst, dass ein Kanal den Kauf verursacht hat.
Der Unterschied ist wichtig: Ein Bericht kann Kredit an eine Suche, eine Anzeige oder eine E-Mail zuweisen, aber diese Zuweisung hängt davon ab, welche Interaktionen erfasst wurden und welche Regeln gewählt wurden. Deshalb ist Attributierung ein Werkzeug, um datenbasierte Entscheidungen zu treffen, und keine perfekte Messung der inkrementellen Wirkung jedes Kanals.
Vier Modelle und ihre Verteilungskriterien
| Modell |
Wie der Kredit verteilt wird |
Wann es nützlich sein kann |
Hauptgrenze |
| Letzte Interaktion |
Weist 100 % der Kredit auf die letzte erfasste Interaktion vor der Konversion zu. |
Kurze Kaufzyklen oder Analysen, die sich auf den letzten Kontakt konzentrieren. |
Kann Kanäle unterbewerten, die die Marke bekannt gemacht oder bei der Bewertung des Angebots geholfen haben. |
| Erste Interaktion |
Weist 100 % der Kredit auf den ersten erfassten Kontakt zu. |
Um zu beobachten, welche Kanäle Reisen starten oder neue Interessenten anziehen. |
Spiegelt nicht die Interaktionen wider, die geholfen haben, den Verkauf abzuschließen. |
| Linear |
Verteilt den Kredit gleichmäßig auf die erfassten Kontaktpunkte. |
Reisen mit mehreren relevanten Interaktionen und Bedarf an einer einfachen Gesamtlesart. |
Geht davon aus, dass alle Kontakte gleich viel beitragen, obwohl ihre Funktion variieren kann. |
| Zeitlicher Abfall |
Gibt mehr Kredit an jüngere Interaktionen und weniger an ältere. |
Prozesse, bei denen Kontakte in der Nähe der Entscheidung besonders relevant erscheinen. |
Die Gewichtung begünstigt durch Design das Jüngste; es beweist nicht, dass es entscheidender war. |
Diese Modelle beantworten unterschiedliche Fragen. Die letzte Interaktion hilft zu identifizieren, was einer Konversion unmittelbar vorausging; die erste, was die Reise eröffnete; die lineare, wie der Kredit zwischen den erfassten Kontakten verteilt wird; und der Abfall, wie sich diese Verteilung ändert, wenn man dem Jüngsten mehr Gewicht gibt. Keines ist universell überlegen.
Auswahl basierend auf Vertriebszyklus und Kanälen
Bei einem schnellen Kauf mit wenigen Kontakten und einem relativ direkten Pfad kann die Attributierung der letzten Interaktion eine leicht zu pflegende operative Referenz sein. Dennoch lohnt es sich, sie mit der ersten Interaktion zu kontrastieren: Wenn der letzte Klick den gesamten Kredit erhält, können Entdeckungskanäle im Bericht unsichtbar bleiben.
Wenn der Verkauf Überlegung, Anfragen oder Vertriebsnachverfolgung erfordert, ist es wahrscheinlicher, dass mehrere Kontakte beteiligt sind. Ein lineares Modell bietet eine einfache Gesamtübersicht; das Abfallmodell ist nützlich, wenn man die Aktivität am nächsten zur Konversion als Analysehypothese priorisieren möchte. Die Wahl hängt davon ab, wie der Kunde kauft und welche Frage das Unternehmen lösen muss, nicht nur davon, wie viele Kanäle es nutzt.
Zum Beispiel kann ein KMU, das Dienste über Anzeigen, Website-Besuche, E-Mails und Vertriebsgespräche verkauft, vergleichen, welcher Kanal am Anfang und welcher am Ende der erfassten Reisen erscheint. Wenn beide Modelle unterschiedliche Lesarten bieten, ist dieser Unterschied nützliche Information: Er zeigt, dass das Ergebnis von der Verteilungsregel abhängt und dass man das Budget nicht anhand eines einzigen Berichts entscheiden sollte.
Daten vorbereiten, bevor man Ergebnisse interpretiert
Die Qualität der Analyse hängt davon ab, dass Kontakte und Konversionen konsistent erfasst werden. Ein CRM kann die Informationen zum Lead und dessen kommerzielle Entwicklung zentralisieren; die Web-Analytik kann helfen, Besuche und Traffic-Quellen zu erfassen. Damit diese Daten vergleichbar sind:
- Definieren Sie, was als Konversion zählt: eine Anfrage, eine Chance, ein Verkauf oder ein anderes relevantes Ergebnis.
- Halten Sie konsistente Kriterien ein, um die Herkunft der Leads und die Kanäle zu identifizieren.
- Verbinden Sie, wenn möglich, die Marketingdaten mit dem kommerziellen Fortschritt und dem endgültigen Verkauf.
- Prüfen Sie, welche Interaktionen außerhalb der Erfassung bleiben. Wenn eine Person das Gerät wechselt, telefonisch kontaktiert oder über eine nicht identifizierte Quelle kommt, kann die beobachtete Reise unvollständig sein.
- Vergleichen Sie die Modelle über denselben Zeitraum, dasselbe Ziel und denselben Datensatz; andernfalls könnten die Unterschiede auf Messänderungen und nicht auf das Verhalten der Kanäle zurückzuführen sein.
Die Analyse in Budgetentscheidungen umwandeln
Attributierung hilft, Fragen zu strukturieren, wie welche Kanäle in den Reisen erscheinen, die in einem Verkauf enden, und welche zur Gewinnung von Kontakten beitragen. Um diese Lesart mit dem ROI zu verknüpfen, werden auch die Kosten jedes Kanals und ein definiertes kommerzielles Ergebnis benötigt. Das Zählen zugewiesener Konversionen reicht nicht aus, um die Rentabilität zu kennen: Eine Kampagne kann Kontakte generieren, die nicht zu Kunden werden, und die beschriebenen Modelle verteilen nicht notwendigerweise die Marge oder den zukünftigen Kundennwert.
Eine vorsichtige Praxis besteht darin, ein Hauptmodell entsprechend dem Vertriebszyklus auszuwählen, es während des Vergleichszeitraums stabil zu halten und seine Ergebnisse mit einem anderen Modell zu kontrastieren. Wenn sich die Rangfolge der Kanäle stark ändert, vermeiden Sie es, eine einzige Kreditverteilung als endgültige Wahrheit darzustellen. Nutzen Sie die Diskrepanz, um die Reise, die Qualität der Erfassung und die geschäftliche Frage, die Sie beantworten möchten, zu überprüfen.
In einem KMU ist die beste Wahl oft das Modell, das das Team mit zuverlässigen Daten versorgen und konsistent nutzen kann. Mit einer einfachen Regel zu beginnen und die Nachverfolgung zu verbessern, kann mehr Klarheit bringen als die Einführung eines ausgefeilten Schemas mit unvollständigen Informationen.