Multi-Touch-Attribution (MTA)

Was ist Multi-Touch-Attribution?

Multi-Touch-Attribution (MTA) ist die Messung, bei der die Gutschrift eines Verkaufs auf die verschiedenen Werbemaßnahmen verteilt wird, mit denen ein Kunde in Berührung gekommen ist, bevor die Konversion erfolgte. Es gibt verschiedene Methoden, um zu entscheiden, wie viel Gewicht jedem Touchpoint gegeben wird, aber jede Methode erfordert Cookies, um zu verfolgen, welchen Touchpoints ein bestimmter Kunde begegnet ist. Das bedeutet, dass Cookies erforderlich sind, um die MTA zu einer effektiven Methode zur Messung der Kampagnenleistung zu machen.

Warum ist Multi-Touch-Attribution so wichtig?

Bei den meisten Customer Journeys finden mehrere Interaktionen statt, bevor es zu einem Kauf kommt. Ein Kunde entdeckt eine Marke vielleicht über eine Anzeige in den sozialen Medien, besucht die Website über ein Suchergebnis, klickt später auf eine Display-Anzeige und tätigt schließlich den Kauf, nachdem er eine E-Mail erhalten hat. Die Multi-Touch-Attribution hilft Marketingfachleuten zu verstehen, wie diese Berührungspunkte zusammenwirken, anstatt den gesamten Erfolg einer einzigen Interaktion zuzuschreiben.

Durch die Verteilung der Zuordnung über die gesamte Customer Journey hinweg kann MTA einen umfassenderen Überblick über die Marketingleistung bieten. Diese Erkenntnisse helfen Marketingfachleuten dabei, die Wirksamkeit der Kanäle zu bewerten, die Budgetverteilung zu optimieren und herauszufinden, welche Kampagnenkombinationen am ehesten zu Conversions führen. Zwar ist kein Attributionsmodell perfekt, doch bietet MTA einen differenzierteren Ansatz als die ausschließliche Verwendung von First-Touch- oder Last-Touch-Attribution.

Was sind die gängigsten Multi-Touch-Attributionsmodelle?

Es gibt verschiedene Arten von Multi-Touch-Attributionsmodellen, die den Beitrag zur Konversion entlang der Customer Journey jeweils unterschiedlich zuweisen. Zu den Attributionsmodellen gehören:

• Bei der linearen Attribution wird der Verdienst gleichmäßig auf alle Kontaktpunkte verteilt, mit denen ein Kunde vor der Konversion in Berührung kommt.
• Bei der zeitabhängigen Attribution wird Interaktionen, die näher am Konversionsereignis stattfinden, mehr Gewicht beigemessen, da davon ausgegangen wird, dass die jüngsten Kontaktpunkte einen stärkeren Einfluss auf die endgültige Entscheidung haben.
• Bei der U-förmigen Attribution (positionsbasiert) wird den ersten und letzten Interaktionen mehr Gewicht beigemessen, während der verbleibende Anteil auf die dazwischenliegenden Touchpoints verteilt wird.
• Die W-förmige Attribution erweitert das U-förmige Modell, indem sie auch einem wichtigen Meilenstein-Touchpoint, wie beispielsweise einer Lead-Generierung oder der Schaffung einer Verkaufschance, einen erheblichen Anteil zuweist.
• Mit benutzerdefinierten Attributionsmodellen können Unternehmen ihre eigenen Gewichtsregeln erstellen, die auf Geschäftszielen, Kundenverhalten und historischen Leistungsdaten basieren.

Was sind die häufigsten Herausforderungen bei der Multi-Touch-Attribution?

Die Multi-Touch-Attribution kann zwar wertvolle Erkenntnisse liefern, bringt aber auch einige Herausforderungen mit sich:

• Datenschutzbeschränkungen: MTA nutzt Cookies und Nutzer-Tracking, die aufgrund von Datenschutzbestimmungen und Änderungen bei den Browsern zunehmend eingeschränkt werden.
• Unvollständige Customer Journeys: Kunden wechseln oft zwischen verschiedenen Geräten und Kanälen, was es schwierig macht, jeden Kontaktpunkt zu erfassen.
• Unterschiede bei den Attributionsmodellen: Verschiedene Attributionsmodelle können die Zuordnung von Verdiensten unterschiedlich handhaben, was zu unterschiedlichen Ergebnissen führt.
• Korrelation vs. Kausalität: MTA zeigt, welche Berührungspunkte vor einer Conversion vorhanden waren, aber nicht unbedingt, welche davon sie verursacht haben.

Wie wird sich die Multi-Touch-Attribution in einer Welt ohne Köchinnen und Köche verändern?

Ohne Cookies wird es extrem schwierig sein, ein MTA-Modell zur Analyse von Kundeninteraktionen weiter zu verwenden. Werbetreibende können nicht mehr genau wissen, wie die einzelnen Customer Journeys aussehen, was das Modell weitgehend unwirksam macht. Innerhalb von Walled Garden-Ökosystemen wird Multi-Touch-Attribution jedoch weiterhin nützlich sein. Beispiele hierfür sind Google, Facebook und Amazon, in denen Werbetreibende die Customer Journey innerhalb dieser Ökosysteme mithilfe anderer Tracking-Informationen verfolgen können.

Was ist der Unterschied zwischen Inkrementalitätstests und Multi-Touch-Attribution?

Beim Inkrementalitäts-Testing wird ein experimenteller Ansatz verwendet, um herauszufinden, wo Werbegelder am meisten Wirkung zeigen. Während sich MTA auf ein klares Bild der Kundenkontaktpunkte stützt, wird beim Inkrementalitäts-Testing experimentiert, um herauszufinden, welche Auswirkungen bestimmte Werbestrategien auf die Verkaufsergebnisse haben. Der Ansatz ähnelt dem traditionellen A/B-Testing, bei dem Werbetreibende die Wirkung ihrer Werbung mit einer Test-/Kontrollmethode überprüfen, um herauszufinden, welche Werbung zu höheren Umsätzen führt und welche wenig oder gar keine Wirkung hat. Inkrementelle Tests funktionieren ohne Cookies, was sie wichtig macht, da die Datenschutzbestimmungen ihre Verwendung immer weiter einschränken.

Inkrementelle Tests lösen auch das Problem, dass man nicht wissen kann, welche Touchpoints eine kausale Beziehung zu den Kunden haben und welche möglicherweise einen echten Effekt hatten oder nicht. Eine Anzeige, die auf einer Website geschaltet wurde, die ein Kunde besucht hat, nachdem er eine Anzeige auf einer anderen Website gesehen hat, aber bevor er einen Kauf getätigt hat, muss nicht unbedingt zu einem Verkauf geführt haben, und es ist äußerst schwierig, mit Sicherheit zu sagen, welche Anzeigen der eigentliche Auslöser waren. Inkrementelle Tests konzentrieren sich darauf, kausale Zusammenhänge zu finden, was es einfacher macht, genau zu bestimmen, welche Werbung wirksam ist.