Ratgeber

Attribution-Shortfalls: Warum Attributionsmodelle nur die halbe Wahrheit erzählen

(Foto: Shutterstock)

Die Customer-Journey-Attribution rückt in den Fokus werbetreibender Unternehmen. Um Marketingbudgets möglichst effizient zu investieren, soll folgende Analyse der Customer-Journey dabei helfen, Streuverluste im Marketingmix zu minimieren. Ein Beitrag für unseren Schwerpunkt Online-Marketing.

Unter der Customer-Journey versteht man in diesem Fall die vorangegangene Interaktion der Kunden mit einzelnen Werbemaßnahmen im Hinblick auf deren Kaufverhalten. Dadurch soll die Effizienz einzelner Marketingmaßnahmen und der daraus resultierende ROI „gerechter“ bewertet werden können. Während bei der durchaus noch in zahlreichen Unternehmen gängigen Last-Click-Attribution, bei der Käufer oder Abschlüsse jeweils dem letzten bekannten Klick- beziehungsweise Marketing-Kanal zugeordnet werden, sollen bei der Customer-Journey-Attribution möglichst alle Werbekontakte berücksichtigt werden, die vor einem Kauf stattgefunden haben.

In der Praxis könnte das etwa so aussehen: Ein Kunde sucht über eine Suchmaschine nach einem bestimmten Produkt und klickt auf die Suchanzeige eines Onlineshops. Er setzt sich zwar mit dem Produkt auseinander, kauft aber erstmal noch nicht. Später sucht er für dieses Produkt nach dem günstigsten Preis über eine Preissuchmaschine und kommt so wieder auf die Website des Shops. Er kauft aber auch diesmal noch nicht und recherchiert erst noch die Vor- und Nachteile des Produkts, etwa auf einem Videoportal oder einem Blog. Er trifft anschließend seine Kaufentscheidung und gibt die URL des Onlineshops, die er sich bei seinen vorherigen Besuchen gemerkt hat, direkt in seinen Browser ein und kauft. In einer reinen Last-Click-Betrachtung hätte sich dieser Kunde wie aus dem Nichts materialisiert und die vorangegangenen Kontakte würden bei der Analyse wie dieser Kauf zustande gekommen ist nicht berücksichtigt. Der Effekt der Marketingmaßnahmen in der Such- beziehungsweise Preissuchmaschine würde an dieser Stelle unterschätzt werden. Bei der Customer-Journey-Analyse würde je nach Modell ein bestimmter Teil des Umsatzes diesen vorangegangen Maßnahmen attribuiert werden. Damit kann der Effekt dieser Marketingmaßnahmen etwa in Gestalt des ROI sichtbar gemacht werden.

In der Theorie hört sich das erst mal sehr gut an. So ist es auch nicht verwunderlich, dass immer mehr Unternehmen auf diese Attributionsmodelle setzen und aktuell eine ganze Industrie um das Thema entsteht. Die Auswahl an Firmen, die unterschiedliche technische Lösungen exklusiv zum Thema Attribution anbieten, wird immer größer. Auch die Modelle beziehungsweise Algorithmen, die den Anteil eines Touchpoints innerhalb der Customer-Journey bestimmen, werden immer ausgefeilter. Mittlerweile bieten Tracking-Lösungen dynamische, sogenannte datengetriebene Modelle an, und auch die Anzahl an berücksichtigten Parametern nimmt immer stärker zu. Doch wie zuverlässig sind diese Systeme in der Praxis? Liefern sie wirklich die Erkenntnisse, die man sich auf den ersten Blick von ihnen verspricht? Es lohnt sich, genauer hinzusehen:

Touchpoints müssen zugeordnet werden

Damit eine Customer-Journey wie im oben geschilderten Beispiel überhaupt in dieser Form ausgewertet werden kann, muss man zuerst technisch in der Lage sein, alle Touchpoints einem bestimmten Kunden zuordnen zu können. Zwar bieten alle gängigen Tracking-Lösungen genau diese User-Identifikation an, der Teufel steckt hier aber im Detail. Die allermeisten Tracking-Lösungen greifen hierfür immer noch auf die bereits in die Jahre gekommene Cookie-Technologie zurück. Diese mittlerweile mehr als 25 Jahre alte Technologie hat jedoch ein zunehmendes Problem: Cookies werden client-seitig im Browser des Nutzers gespeichert. Das heißt, das Tracking-Tool kann den User nur dann wiedererkennen, wenn er mit dem gleichen Browser auf die Seite zugreift und seine Cookies in der Zwischenzeit nicht gelöscht hat. Wenn also im vorherigen Beispiel die ersten Kontakte über ein Smartphone und der Kauf über einen Desktop-PC stattgefunden hätte, dann wäre ein Großteil der Touchpoints in der Customer-Journey technisch nicht mehr zuzuordnen. Diese Cross-Device-Problematik ist bekannt aber bei weitem nicht der einzige Fall bei dem eine Customer-Journey-Auswertung technisch nicht greift. In der Praxis ist eine immer weitere Diversifizierung der Traffic-Quellen zu beobachten. Vor allem der Anteil an sogenanntem In-App-Traffic, also Zugriffe, die nicht mehr über einen klassischen Browser, sondern direkt innerhalb einer Mobile-App stattfinden, nimmt rasant zu. Mobile-Apps speichern in der Regel keine Cookies, das heißt, diese Touchpoints können in der Regel keiner Customer-Journey zugeordnet werden. Hinzu kommt eine zusätzliche Sensibilisierung beim Thema Datenschutz spätestens seit Einführung der DSGVO. Einige Browser löschen bereits die Cookies ihrer Nutzer nach dem Schließen automatisch. Es ist zu erwarten, dass Cookies zur Identifikation einzelner Nutzer immer mehr an Bedeutung verlieren. Andere Technologien wie Finger-Printing könnten diese Problematik zu einem gewissen Grad auffangen, hätten aber ähnlich gelagerte Probleme beim Device-Tracking. Die eindeutige Identifikation von Usern über mehrere Endgeräte hinweg wird in Zeiten zunehmenden Datenschutzes ebenfalls immer unwahrscheinlicher.

Was bedeutet das für die Ausgangslage der Customer-Journey-Attribution? Die zur Verfügung stehenden Daten eignen sich heute in den seltensten Fällen dazu, eine akkurate Auskunft über die Effizienz der einzelnen Marketingmaßnahmen zu geben. Im Umkehrschluss bergen diese vermeintlichen Erkenntnisse auch ein gewisses Risiko, da nicht selten die Marketing-Budgets auf Basis eben dieser Auswertungen auf die einzelnen Maßnahmen verteilt werden und somit gegebenenfalls ineffizient investiert werden. Wer an dieser Stelle seine Daten nicht hinterfragt, läuft leicht in die Falle.

Wie es um die eigene Datenbasis bestellt ist, kann man sehr leicht selber analysieren, indem man sich die durchschnittliche Path-Length, also die durchschnittliche Anzahl der Kontakte vor einem Kauf, anschaut. Diese Analyse bieten gängige Tracking-Tools wie etwa Google Analytics standardmäßig. Nicht selten wird man ein ähnliches Bild wie in der Beispiel-Grafik sehen. Schnell ist zu erkennen, dass der überwiegende Anteil der Abschlüsse über einen einzigen Touchpoint beziehungsweise Click zustande kommt. Geht man dann noch einen Schritt weiter, stellt man nicht selten fests, dass ein Großteil dieser Touchpoints entweder direkte Seitenaufrufe (Direct) oder Marketingmaßnahmen sind, die mit hoher Wahrscheinlichkeit eher am Ende einer Customer-Journey stehen. Damit wäre man für einen Großteil seiner Daten wieder bei einer Last-Click-Attribution, ob man will oder nicht.

Geringe Datenbasis als Problem

Ein weiterer gravierender Nachteil der reinen Customer-Journey-Analyse ist die geringe Datenbasis per se. Da hier nur die Erfolgsfälle, also Datenpunkte, die direkt mit einem Kaufabschluss in Verbindung gebracht werden können, untersucht werden, wird nicht selten der überwiegende Teil der Daten, oft mehr als 95 Prozent, ignoriert. Es gibt zwar Lösungen, die nach eigener Aussage auch die erfolglosen Customer-Journeys untersuchen, der Erkenntnisgewinn hierdurch ist aber durch die bereits erwähnte fragmentierte Datenbasis in gleichem Maße limitiert.

Als das Thema Customer-Journey-Attribution vor mehr als zehn Jahren aufkam, waren die technischen Rahmenbedingungen noch deutlich einfacher. Mobile-Traffic konnte noch weitestgehend vernachlässigt werden und etwa 90 Prozent des Desktop-Traffics kam über den Internet Explorer. Unter diesen Voraussetzungen waren noch deutlich validere Erkenntnisse möglich. Die grundsätzliche Methodik funktioniert theoretisch zwar nach wie vor, allerdings haben sich die technischen Rahmenbedingungen stark geändert, was die verfügbare Datenbasis für diese Art der Analyse zunehmend unbrauchbar macht.

Unterm Strich kann die Customer-Journey-Analyse beziehungsweise -Attribution allerdings immer noch durchaus wertvolle Erkenntnisse liefern. Bei ausreichender Datenmenge lassen sich Synergieeffekte einzelner Marketingmaßnahmen identifizieren. Man sollte diese Daten aber niemals isoliert, sondern immer im Zusammenhang mit der gesamten Datenbasis sehen. Vor allem die Analyse des User-Engagements mit der eigenen Seite beziehungsweise den eigenen Produkten lässt im Regelfall solide Rückschlüsse über den tatsächlichen Effekt einzelner Marketingmaßnahmen zu.

Fazit: Wer heute Wachstumspotenziale und performante Traffic-Quellen identifizieren will, muss neue Wege gehen und vor allem alle verfügbaren Daten berücksichtigen und hinterfragen. Dazu sollte das Gesamtbild und nicht nur ein kleiner Ausschnitt der Daten betrachtet werden. Der gesunde Menschenverstand beziehungsweise unternehmerische Instinkt bildet eine sicherere Basis als ein blindes Verlassen auf Algorithmen.

Bitte beachte unsere Community-Richtlinien

Wir freuen uns über kontroverse Diskussionen, die gerne auch mal hitzig geführt werden dürfen. Beleidigende, grob anstößige, rassistische und strafrechtlich relevante Äußerungen und Beiträge tolerieren wir nicht. Bitte achte darauf, dass du keine Texte veröffentlichst, für die du keine ausdrückliche Erlaubnis des Urhebers hast. Ebenfalls nicht erlaubt ist der Missbrauch der Webangebote unter t3n.de als Werbeplattform. Die Nennung von Produktnamen, Herstellern, Dienstleistern und Websites ist nur dann zulässig, wenn damit nicht vorrangig der Zweck der Werbung verfolgt wird. Wir behalten uns vor, Beiträge, die diese Regeln verletzen, zu löschen und Accounts zeitweilig oder auf Dauer zu sperren.

Trotz all dieser notwendigen Regeln: Diskutiere kontrovers, sage anderen deine Meinung, trage mit weiterführenden Informationen zum Wissensaustausch bei, aber bleibe dabei fair und respektiere die Meinung anderer. Wir wünschen Dir viel Spaß mit den Webangeboten von t3n und freuen uns auf spannende Beiträge.

Dein t3n-Team

Schreib den ersten Kommentar!

Melde dich mit deinem t3n Account an oder fülle die unteren Felder aus.

Bitte schalte deinen Adblocker für t3n.de aus!

Hey du! Schön, dass du hier bist. 😊

Bitte schalte deinen Adblocker für t3n.de aus, um diesen Artikel zu lesen.

Wir sind ein unabhängiger Publisher mit einem Team bestehend aus 65 fantastischen Menschen, aber ohne riesigen Konzern im Rücken. Banner und ähnliche Werbemittel sind für unsere Finanzierung sehr wichtig.

Danke für deine Unterstützung.

Digitales High Five,
Stephan Dörner (Chefredakteur t3n.de) & das gesamte t3n-Team

Anleitung zur Deaktivierung