Customer Journey Analyse mit Attribution Modelling

Von |2018-10-17T13:29:37+00:0018. Mai, 2016|Data Mining / Analytics|0 Kommentare

Let your dataset change your mindset!

Bevor es zum Abschluss eines Kaufs kommt, durchlaufen Kunden innerhalb ihrer Customer Journey zahlreiche Touchpoints. Dies erschwert den heutigen Marketiers die Entscheidung für den idealen Marketing-Mix: Welcher Kanal war für die Conversion verantwortlich und welcher sollte in Zukunft mit welchem Budget ausgestattet werden, um den Gesamterfolg des Unternehmens zu maximieren?

Beispielhafte Darstellung einer Customer Journey mit Illustrationen

Abbildung 1: Beispiel Customer Journey

Die Antwort auf diese komplexen Fragestellungen kann Attribution Modelling (auch: Zuordnungsmodellierung) liefern. In dem nun folgenden Beitrag werden hauptsächlich online Kanäle betrachtet, eine Anreicherung mit Offline-Marketing Daten ist allerdings ebenfalls möglich und wird in einem weiteren Beitrag behandelt.

Attribution Modelling wird im Online Marketing verwendet, um den einzelnen Touchpoints einer Customer Journey Wertigkeiten für Verkäufe und Conversions zuzuordnen. Gängige Webtracking-Lösungen wie Google Analytics, Adobe/Omniture oder von unserer PIA-Schwester econda besitzen bereits eine Vielzahl solcher Modelle.

Der Last Click Ansatz

Abbildung 1 veranschaulicht beispielhaft eine Customer Journey bei der der „Last Click“ also der letzte Touchpoint vor dem Kauf (Conversion) ein Anruf im Call Center war. Laut der „Last Click“ Regel wird dieser Kauf nun voll und ganz dem Kanal „Call Center“ zugeordnet. Diese Regel basiert auf einer sehr starken Annahme und lässt die anderen Touchpoints komplett außen vor, was intuitiv unrealistisch ist. Aus der Abbildung geht jedoch hervor, dass andere Touchpoints ebenfalls maßgeblich am Erfolg beteiligt waren – ähnlich wie im Fußball.

In diesem Beitrag zeigen wir Ihnen, wie Sie mehr aus Ihren Web- und E-Mail-Tracking Daten machen können und rein datengetrieben Informationen über die Performance Ihrer Werbekanäle gewinnen können, ohne zusätzliche Annahmen treffen zu müssen.

Betrachten wir analog dazu eine Passkette im Fußball (s. Abbildung 2). Thomas Müller schießt ein Tor für Deutschland! Nach dem „Last Click“ Verfahren bekäme Müller den kompletten Ruhm für das Tor gutgeschrieben. Ohne seine Mitspieler hätte er es aber kaum schaffen können. Im Teamsport Fußball wird der Ball ja durch alle Reihen nach vorne zu Müller getragen, sodass er das Tor schießen konnte.

Abbildung 2: Beispiel Multi-Touch Attribution im Fußball

Der Multi-Touch Ansatz

Der DYMATRIX Multi-Touch Ansatz betrachtet alle beteiligten Spieler (Touchpoints) vor der eigentlichen Conversion. Es werden alle Passwege betrachtet: die erfolgreichen, aber auch jene, die nicht mit einem Tor enden.

Im Online Marketing Kontext werden, im Vergleich zum „Last Click“ Verfahren, nicht nur tatsächlich konvertierte Ketten betrachtet, sondern auch nicht konvertierte. So werden Zusammenhänge rein empirisch abgebildet und man benötigt keine Annahmen (s. Abbildung 3).

Welche Daten benötigt man für die Auswertung?

Abbildung 3: Multi-Touch Ansatz vs. annahmebasierte Modelle

Als Datengrundlage für die Modellierung dienen reine Rohdaten, wie sie von jedem gängigen Tracking-Anbieter exportiert werden können. Methodisch wird ein mehrstufiger Ansatz verwendet.

Schritt 1: Betrachtung des Einflusses einzelner Touchpoints/Kanäle auf die Conversion-Wahrscheinlichkeit einer Journey
Schritt 2: Berechnung der Einflüsse von Kanalkombinationen höherer Ordnung

Somit können Wechselwirkungen zwischen Kanälen abgebildet werden. Eine Display-Anzeige alleine ist beispielsweise sehr schwach und konvertiert selten. Wenn sie aber in Verbindung mit einem Newsletter-Click stattgefunden hat, kann es durchaus sein, dass sie sehr gut performt.

Abbildung 4: Output des Use Cases

Rein datengetriebene Sicht auf die Performance der Kanäle – Welche Erkenntnisse liefert der neue Ansatz?

Vor der eigentlichen Modellierung können Erkenntnisse über die Zusammensetzung einzelner Journeys, die Häufigkeit und deren Performance gewonnen werden. Durch das Multi-Touch Modell kann zu jeder Bestellung ausgewiesen werden, zu welchem Anteil die einzelnen Touchpoints an der Conversion beteiligt waren (s. Abbildung 4). Dazu lässt sich auch jegliche Information ausweisen, die direkt an einer Conversion hängt, z.B. Umsatz, Kosten oder Deckungsbeitrag. Anschließend können die Gewichtungen pro Journey zusätzlich zu Zeitreihen aggregiert werden, welche die Basis für eine zukünftige Marketing-Budgetoptimierung bilden können. Stellt man anschließend die datengetriebene Betrachtung dem bisherigen Zuordnungsmodell gegenüber, erhält man Erkenntnisse zur Optimierung von Kosten oder Umsätzen zwischen den verschiedenen Touchpoints.

Hinterlassen Sie einen Kommentar

Unsere Themen interessieren Sie?
Gerne beantwortet unser Team Ihre weiteren Fragen!
close-link