Attributionsmodelle: welches Modell ist das Richtige?


Die Attributionsmodelle
Das First-Click-Modell
- Fokus auf Erstkontakt.
- Nutzung: Produkt-Launch sowie Generierung von mehr Aufmerksamkeit (z. B. für Marke, Produkt).
- Aber: Berührungspunkte, die zeitlich gesehen, dichter an der Conversion liegen, bleiben irrelevant.
Das lineare Modell
- Fokus: Conversion und Revenue werden für alle Berührungspunkte im Conversion-Funnel gleichermaßen bewertet.
- Nutzbar: Vereinfachter Einstieg bei erstmaliger Nutzung von Attributionsmodellen aufgrund der gleichmäßigen Verteilung der Werbemaßnahmen in der Attribution.
- Aber: Kein Fokus auf einen Marketing-Kanal oder einen Punkt in der Customer Journey, ungeachtet dessen, ob ein Kanal zu einem Zeitpunkt stärker beworben wird.
Das First-Click-Modell
- Fokus auf den letzten Kontakt.
- Nutzbar: dient als Datengrundlage für eine gängige Vielzahl von Web-Analyse-Tools.
- Aber: Berührungspunkte, die zeitlich weit vor der Conversion stattfanden, werden größtenteils außer Acht gelassen
Das positionsabhängige Modell
- Fokus variiert auf den stärksten Kanal.
- Nutzung: sehr gezielte Abbildung über die Verteilung der jeweiligen Werbemaßnahmen innerhalb der Customer Journey.
- Aber: Analyse und Umsetzung erfordern viel Fachwissen über alle Kanäle hinweg sowie analytisches Verständnis, erheblicher zeitlicher Aufwand ist zu erwarten
Warum nicht einfach das Last-Click-Modell?
Das Modell des Last-Click-Verfahrens wurde in der Vergangenheit als besonders erfolgreich erachtet und dementsprechend häufig eingesetzt. Die Argumentation basierte dabei jeweils auf der Annahme, dass der/die Nutzer:in erst durch den letzten Werbemittelkontakt/“Last-Click“ überzeugt wurde und dieser demnach die Conversion ausgelöst hat. Die Nähe zur Conversion ist hier zeitlich gesehen am dichtesten und wird positiver bewertet.
Dabei bleiben jedoch alle anderen Berührungspunkte der zeitlich vorangegangenen Werbemaßnahmen gänzlich unberücksichtigt. Dies ist kritisch zu betrachten, da beispielweise ein Kauf nicht zwangsweise auf dem unmittelbar davor liegenden Stillen eines Bedürfnisses beruhen muss, sondern auch initial geweckt werden kann.
Wie in dem eingangs erklärten Beispiel mit der Sonnenbrille hätte der/die Nutzer:in vielleicht ohne das Plakat und die ausgiebige Internetrecherche keine Sonnenbrille gekauft. Demnach haben auch die anderen Werbemaßnahmen in der Customer Journey einen gewichteten Anteil am Umsatz der gekauften Sonnenbrille. Nach dem „Last-Click-Modell“ würde die Conversion – und demzufolge auch der Umsatz – hingegen zu 100% der Google-Shopping-Kampagne zugeordnet werden.
Gerade bei beratungsintensiven Produkten oder Produkten, die eine längere Bedenkzeit kundenseitig benötigen, findet in der Regel eine deutlich höhere Anzahl an Berührungspunkten statt. Und jeder dieser Berührungspunkte hat dann seinen Beitrag zum Erfolg/zur Conversion beigetragen und sollte im Attributionsmodell beachtet werden.
Für die Identifikation eines Attributionsmodells unterstützt Google Analytics bei Analysen und kann die Daten für die jeweiligen Modelle vergleichen.
Fazit & Best Practice
Die Frage, ob es sich für Unternehmen lohnt, ein Attributionsmodells zu nutzen, sollte eindeutig mit JA beantwortet werden. Welches Modell hingegen das richtige ist, ist individuell bestimmbar. Für die Identifizierung eines geeigneten Modells empfiehlt es sich, folgende Checkliste durchzugehen:
- Herausforderung angehen: Wahl eines geeigneten Attributionsmodells.
- Einheitliches Tracking implementieren.
- Zuordnung von Nutzer:innen aus Offline-Kampagnen.
- Kundenanalysen durchführen und Nutzerverhalten bestimmen.
- Wertung der unterschiedlichen Kontakte (Bezug auf Impressions vs. Klick, Zeitpunkt usw.).
- Testläufe mit unterschiedlichen Modellen und Gewichtungen.
- Regelmäßige Überprüfung, ob gewähltes Modell noch aktuell ist.
Anfangs empfiehlt es sich, ein bestehendes Modell zu testen. Wenn genügend Daten zum Auswerten gesammelt wurden, können auch eigene Gewichtungen mit subjektiven Faktoren optimaler für die Unternehmensstrategie gewählt werden.