Dieser Beitrag erschien ursprünglich auf Fourth Source.
Skai Analyse der weltweiten bezahlten Suchwerbung im Einzelhandel während der Weihnachtseinkaufssaison 2014 zeigt, dass 48 % der Klicks auf Anzeigen und 28 % der Konversionen auf mobile Geräte (Telefone und Tablets) entfielen. Diese Zahlen verdeutlichen die wachsende Bedeutung des mobilen Marketings, aber es ist wahrscheinlich, dass mobile Werbung und Werbeaktivitäten einen noch größeren Einfluss auf die endgültige Konversion haben.
Eine der größten Herausforderungen für Online-Werbetreibende und Publisher ist es, die tatsächliche Wirkung von Anzeigen zu messen, die auf verschiedenen Geräten angeklickt werden, bevor es zum endgültigen Kauf oder zur Konversion kommt, da die Verbraucherinnen und Verbraucher mittlerweile eine Vielzahl von Geräten nutzen, um online zu gehen.
Das Ausmaß der Herausforderung wird durch eine im letzten Jahr veröffentlichte GfK-Studie verdeutlicht, die besagt, dass 60 % der erwachsenen Onliner mindestens zwei Geräte pro Tag nutzen. Ein Viertel (25 %) der Online-Amerikaner und ein Fünftel (20 %) der Online-Briten nutzen sogar drei Geräte. Und was noch wichtiger ist: 40 % der Menschen in beiden Ländern beginnen manchmal eine Aktivität auf einem Gerät, um sie dann auf einem anderen zu beenden.
Wie ist es also möglich, die Auswirkungen von Anzeigen, die auf verschiedenen Geräten gesehen und angeklickt wurden, zu entschlüsseln und einzuschätzen, bevor es zum endgültigen Verkauf oder zur Konversion kommt? Wie du dir vorstellen kannst, versuchen viele Unternehmen, dieses Rätsel der geräteübergreifenden Zuordnung zu lösen.
Ein Ansatz - das sogenannte deterministische Modell - gleicht die Aktivitäten von angemeldeten Nutzern über mehrere Geräte hinweg ab. Wenn eine Person zum Beispiel dieselbe E-Mail-Adresse verwendet, um sich bei einer App und einer Website anzumelden, ist es möglich, einen geräteübergreifenden Abgleich vorzunehmen. Solange eine Nutzerin oder ein Nutzer geräteübergreifend mit eindeutigen Identifikatoren wie einer E-Mail-Adresse eingeloggt ist, können Werbetreibende und Publisher dies nutzen, um ihre Aktivitäten über mehrere Bildschirme hinweg zu verfolgen.
Google verwendet diesen deterministischen Ansatz in seinem Bericht "Geschätzte Gesamtumwandlungen " für Suchanzeigen, die von verschiedenen Geräten aus angeklickt werden. Auch Facebook verwendet den deterministischen Ansatz in seinem Cross-Device-Reporting für Facebook-Anzeigen, damit Werbetreibende sehen können, wie sich die Nutzer zwischen den Geräten bewegen.
Die Verwendung von eingeloggten Daten kann sehr genau sein, aber das Problem bei diesem Ansatz ist, dass nur wenige Unternehmen Zugang zu genügend Daten haben, um aussagekräftig zu sein. Es stimmt auch, dass nicht alle Nutzer/innen über alle Geräte hinweg eingeloggt bleiben - oder dass einige Personen mehrere Logins haben oder unterschiedliche Benutzernamen und E-Mail-Adressen auf verschiedenen Geräten verwenden.
Der andere Ansatz, um die Herausforderung der geräteübergreifenden Zuordnung zu bewältigen, ist der probabilistische Abgleich, der von Unternehmen wie Drawbridge verwendet wird. Beim probabilistischen Abgleich werden verschiedene nicht permanente, vom Nutzer zurücksetzbare Datenpunkte wie Gerätetyp, Betriebssystem, IP-Adresse, Wi-Fi-Netzwerk, Cookies usw. gesammelt und mithilfe von Big-Data-Anwendungen und maschinellem Lernen algorithmisch einer Person oder einem Haushalt geräteübergreifend zugeordnet.
Wenn sich zum Beispiel ein Telefon, ein Tablet und ein Laptop jeden Werktag an denselben Orten mit denselben Wi-Fi-Hotspots verbinden, kann man wahrscheinlich davon ausgehen, dass sie alle zu demselben Pendler gehören. Tatsächlich haben probabilistische Methoden eine Trefferquote von bis zu 97 % bei der Zuordnung von Geräten.
Kein Ansatz und keine Lösung ist jedoch zu 100 % perfekt, und Unternehmen sollten sich bemühen, so viele Daten wie möglich zu nutzen, um Erkenntnisse über geräteübergreifende Konversionen und Verkäufe zu gewinnen.
Es ist auch wichtig, daran zu denken, dass die korrekte Zuordnung von Krediten zu mobilen und anderen Geräten entlang der Purchase Journey nur einen Teil der Herausforderung für Cross-Device-Vermarkter löst. Der nächste Schritt besteht darin, flexible Prozesse und Technologien einzurichten, die Echtzeitentscheidungen auf der Grundlage dieser Attributionsinformationen unterstützen. So sollten Marken beispielsweise in der Lage sein, ihre Attributions-Engine mit ihrer Bid-Management-Plattform zu verbinden, um ihre digitalen Werbeausgaben in Echtzeit anpassen zu können.