945218 omkblogooptimization 17 092021
  • Magazin
  • Videos
  • Reviews
  • Speaker
  • Jobs
  • Podcasts
  • Konferenz
Menü
  • Magazin
  • Videos
  • Reviews
  • Speaker
  • Jobs
  • Podcasts
  • Konferenz
Login
945218 omkblogooptimization 17 092021
  • Magazin
  • Videos
  • Reviews
  • Speaker
  • Jobs
  • Podcasts
  • Konferenz
Menü
  • Magazin
  • Videos
  • Reviews
  • Speaker
  • Jobs
  • Podcasts
  • Konferenz

Home > Gastbeitrag > Data Deep Dive! Leitfaden zur Attribution – Analytisch die Marketingstrategie optimieren

Data Deep Dive! Leitfaden zur Attribution – Analytisch die Marketingstrategie optimieren

Mai 13, 2022
in Gastbeitrag
Reading Time: 6 mins read
137 3
A A
Data Deep Dive! Leitfaden zur Attribution – Analytisch die Marketingstrategie optimieren

Data Deep Dive! Leitfaden zur Attribution – Analytisch die Marketingstrategie optimieren

1.4k
VIEWS
Share on FacebookShare on TwitterShare on LinkedInShare on PinterestShare on Whatsapp

Du möchtest wissen, welche Marketingmaßnahme zu einer Conversion geführt hat und wie groß der Anteil am Erfolg war? Mithilfe von Attributionsmodellen kannst du diesen Sachverhalt einfach darstellen. Gastautor Kawa Mohammad, Data Analytics Consultant bei e-dynamics, gibt dir dabei eine Einführung in die unterschiedlichen Modelle und zeigt dir Vor- und Nachteile auf.

Angenommen wir haben das Champions League Finalspiel diesen Sommer verfolgt, welches 3:2 ausging. Wir sind Teil der TV-Expertenrunde, die das Spiel im Anschluss haarklein analysiert. Die Siegermannschaft steht dabei offensichtlich im Fokus. Es geht vor allem um die vier Spieler, die an den drei entscheidenden Toren beteiligt waren und die Frage: Welchen Anteil hatten die einzelnen Spieler an den Toren?

Abbildung 1 - Die Drei Tore der Siegermannschaft
Abbildung 1 – Die Drei Tore der Siegermannschaft

Übertragen wir das obige Beispiel nun auf das Marketing der heutigen Zeit, so stellen die verschiedenen Spieler die unterschiedlichen Kanäle, die für Kampagnen und Werbung genutzt werden, dar. Das Schießen eines Tores bzw. der Sieg ist das Ziel, eine Conversion zu generieren. Die Passabfolge im Fußballspiel kann hierbei durch eine äquivalente Customer Journey ersetzt werden. Die Experten sind die Analysten, die nun bewerten, welchen Anteil die verschiedenen Kanäle an der Conversion haben. Diese Zuweisung der Conversion nennt man Attribution. Wir stellen Euch heute einige Standardmodelle, die sich im Laufe der Zeit in der Attribution etabliert haben sowie die Data Driven Attribution anhand unseres Fußball-Beispiels vor.

Abbildung 2 - Customer Journey zum Tor
Abbildung 2 – Customer Journey zum Tor

Die Standardmodelle der Attribution

Um in die Standardmodelle einzuführen, werden wir nun beispielhaft jedem Spieler zuordnen, welchen konkreten Anteil er an dem geschossenen Tor erhalten würde.

Single-Touch Attributions Modelle

Last-Touch

Die Credits gehen an den Channel der Session, in dem die Conversion stattgefunden hat, d.h. an den letzten „Channelkontakt“ mit der eigentlichen Conversion. Im obigen Beispiel ist das der Direct-Channel.

First-Touch

Die Conversion wird dem ersten Channel der Customer Journey gutgeschrieben, da durch ihn das Interesse und die Aufmerksamkeit des Users angeregt wurde. Im obigen Beispiel ist das die E-Mail-Kampagne.

Last Non-Direct-Click

Die Conversion wird dem zuletzt bekannten (Non-Direct) Channel zugeordnet. In diesem Fall bleibt die Information, die zu einem Direct-Besuch geführt hat, erhalten und potenziell hoher Direct-Traffic am Ende der Customer Journey wird nicht überschätzt.

Abbildung 3 – Conversions nach Standard Attributionsmodell
Abbildung 3 – Conversions nach Standard Attributionsmodell

Multi-Touch Attribution Model

Fußball ist ein Mannschaftssport. In den seltensten Fällen kann der Sieg auf einen einzelnen Spieler zurückgeführt werden. Genauso verhält es sich mit dem Zusammenspiel der verschiedenen Kanäle. Die Single-Touch Modelle geben oftmals die verschiedenen Einflüsse und das Zusammenspiel der einzelnen Kanäle nicht exakt wieder. Beim Multi-Touch Ansatz wird nun versucht, jeden Kontakt mit dem Produkt, auf dem Weg zur Conversion, in einem gewissen Maße zu berücksichtigen, d.h. die Conversion wird nicht zu 100% einem einzelnen Channel zugeordnet, sondern anteilig auf die Channels verteilt. Die verschiedenen Kanäle werden je nach Modell unterschiedlich gewichtet. Nachfolgend findet ihr zwei Beispiele einer Multi-Touch Attribution.

Linear-Touch

Der lineare Ansatz sieht vor, dass alle Kontakte gleich stark gewichtet werden und denselben Beitrag zur Conversion leisten. Daher wird jedem Channel pro Anzahl an Sessions in der Customer Journey der gleiche Anteil zugeteilt. Zwar ist dieser Ansatz schon erheblich objektiver als das Single-Touch Modell, jedoch nicht besonders aussagekräftig, falls ein Kanal besonders heraussticht.

U-Model

Hier wird nun versucht, die Vorteile von First-, Last- und Linear-Touch zu kombinieren. Alle Kanäle, mit denen der Kunde in Kontakt getreten ist, haben ihn schlussendlich zur Kaufentscheidung bewegt und werden demnach berücksichtigt. Hierbei haben der erste und der letzte Kontakt den größten Anteil an der Conversion, da der First-Touch das Interesse geweckt und der Last-Touch den Kunden zum Kauf bewegt hat.

ÄhnlicheArtikel

pco x OMKB: Cyberwar is around the corner.

Cyberwar is around the corner. So bereitest du dich vor und schließt kritische Lücken

Fazit zu den Standardmodellen

Anhand unseres pragmatischen Beispiels werden die Vor- und Nachteile der verschiedenen Modelle ersichtlich: Je nachdem, welches Modell von uns ausgewählt wird, wird ein bestimmter Kanal begünstigt bzw. benachteiligt, indem die Gewichtung der Kanäle umverteilt wird. Wichtig ist hierbei, dass insgesamt bei keinem Modell Conversions verloren gehen – auch wenn es bei der Auswertung von einzelnen Kanälen bei einem Modellwechsel große Unterschiede geben kann. Alle Modelle sind in ihrem Sinne begründet und korrekt, allerdings können in der Unternehmenspraxis starke Interessenskonflikte resultieren, da sich jede Partei die bestmögliche Bewertung für ihren Channel wünscht.

Eine fundierte und objektive Analyse über die Performance der Kanäle, deren Effektivität und Beitrag zur Conversion kann demnach nur bedingt erfolgen. Sollen komplexe Zusammenhänge einer Website dargestellt werden, kann die Anwendung simpler Standardmodelle zu groben Fehlannahmen führen. Daher schlagen wir euch nun einen Weg vor, der weg von den Standardmodellen hin zur datengetriebenen Attribution geht. Seid Ihr bereit für einen Data Deep Dive?

Data Driven Attribution

Um euch die datengetriebene Attribution verständlich vorstellen zu können, wenden wir die Methoden wieder auf alle drei geschossenen Tore unserer Siegermannschaft an.

Shapley Value

Eine Herangehensweise, bei der man versucht, die Tore auf die einzelnen Spieler zu verteilen ist der sogenannte „Shapley Value“. Um den konkreten Anteil an den Toren eines Spielers ermitteln zu können, wird berechnet, inwiefern sich die Tore verändern würden, wenn ein Spieler zu einem Team von anderen Spielern hinzugefügt werden würde. Zu diesem Zweck wird zunächst die Anzahl der Möglichkeiten ermittelt, vier Spieler auf vier Plätze zu verteilen.

Abbildung 4 - Anzahl der möglichen Fälle
Abbildung 4 – Anzahl der möglichen Fälle

Daraus ergeben sich in unserem Beispiel genau 24 Fälle. Möchten wir den Wert von E-Mail ausrechnen, betrachten wir eine Menge an Spielern ohne E-Mail und die Anzahl der Tore x, die diese Gruppe schießt. Anschließend fügen wir den Spieler E-Mail zu dieser Gruppe hinzu und berechnen wie viele Tore y mit Email geschossen werden. Die Differenz z = y-x ist der Mehrwert des Spielers E-Mail in dieser Gruppenkonstellation.

Abbildung 5 – Aufteilung der Tore auf die Spieler mittels Shapley Value
Abbildung 5 – Aufteilung der Tore auf die Spieler mittels Shapley Value

Wir verzichten in unserem Beispiel auf die Reihenfolge der Spieler, d.h. die Gruppe [S, P, D] schießt genau wie die Gruppe [S, D, P] ein Tor. Fügt man nun beiden Gruppen den Spieler E-Mail hinzu, so schießt die erweiterte Gruppe drei Tore und wir erhalten in beiden Fällen einen Mehrwert von zwei Toren. Geht man nun alle Fälle durch, addiert die jeweiligen Mehrwerte auf und dividiert diesen Wert mit der Gesamtanzahl an Fällen, ergibt sich der Anteil des Spielers E-Mail an den drei geschossenen Toren. Somit kommt E-Mail auf insgesamt 0,58 geschossene Tore.

Markov-Ketten

Die Markov-Ketten betrachten den Fall, dass ein Spieler aus der gesamten Gruppe entfernt wird. Dies wird auch „Removal Effect“ genannt. In anderen Worten: Man berechnet den Verlust an Toren, der entsteht, wenn ein Spieler ausfällt. Im ersten Schritt betrachten wir die sogenannten „Channeleinstiege“, sprich das Einleiten der Tore. Anschließend berechnen wir die Wahrscheinlichkeiten aller Pässe und Tore. Der Einfachheit halber betrachten wir nur die tatsächlichen Pässe und Tore. Um den Anteil des Spielers E-Mail an den drei Toren zu berechnen, werden wir ihn aus dem Spiel nehmen. Die Grafik kann somit wie folgt vereinfacht werden.

Abbildung 6 - Vereinfachter Graph nach Herausnahme von E-Mail
Abbildung 6 – Vereinfachter Graph nach Herausnahme von E-Mail

Die Anzahl der Tore fällt von eins (drei Tore wurden geschossen) auf 0,33 (die beiden Spieler Direct und Paid Search schießen nur ein Tor). Wir verzeichnen somit einen Verlust von 0,67, sprich es werden zwei Tore weniger geschossen. Der Anteil von E-Mail an den drei Toren kann nun wie folgt berechnet werden: Anzahl aller geschossener Tore multipliziert mit dem Verlust von E-Mail dividiert durch die Summe der Verluste der einzelnen Spieler, ergibt: 0,74 Tore.

Abbildung 7 - Aufteilung der Tore mittels Markov-Ketten
Abbildung 7 – Aufteilung der Tore mittels Markov-Ketten

Fazit zur Data Driven Attribution

Wir haben gesehen, dass bei der datengetriebenen Attribution viel Vorarbeit geleistet werden muss. Ein weiterer Nachteil ist, dass die oben eingeführten Verfahren sehr schnell komplex werden können. So würden wir z.B. beim Shapley Value auf rund 720 zu betrachtende Fälle kommen, wenn wir sieben Spieler berücksichtigen. Das hat zur Folge, dass solche Verfahren sehr zeit- und rechenintensiv sind. Neben der benötigten Expertise, um solche Verfahren fehlerfrei und korrekt anwenden zu können, wird somit auch viel Kapazität einverlangt. Sollen zusätzlich Offline Channel berücksichtigt werden, sind diese beiden Verfahren praktisch nicht mehr anwendbar.

Daher empfehlen wir zunächst die Standardmodelle anzuwenden. Hierdurch lernt man seine Kunden kennen, kann die Customer Journey nachvollziehen und hat bereits einen groben Überblick, wie die einzelnen Kanäle „performen“ könnten. Reicht dies nicht aus und kommt man mit den Standardmodellen an sein Limit, empfehlen wir zur DDA überzugehen. Hierdurch erhält man eine objektive Betrachtungsweise und vermeidet Interessenskonflikte innerhalb des Unternehmens. Beide oben vorgestellten Modelle sind relativ leicht implementierbar und können sehr gut interpretiert werden. Dabei kann sogar die Reihenfolge der besuchten Kanäle bei der Customer Journey berücksichtigt werden. Ein weiterer Vorteil ist, dass die tatsächliche Menge an Conversions neu auf die Kanäle verteilt wird. Die Markov-Ketten bieten zusätzlich die Möglichkeit einer Visualisierung der Channel-Wechselwirkungen anhand übersichtlicher Graphen. Entscheidet man sich für die Lineare Regression, so können neben dem Channel-Traffic auch alle anderen Daten in das Modell einfließen, wodurch Einflüsse einzelner Merkmale gut herausgestellt werden können. Die Resultate können anhand der Daten statistisch belegt werden, die im optimalen Fall nicht nur eine Beschreibung des Beobachtungszeitraums, sondern auch Empfehlungen und Vorhersagen liefern.

Kawa Mohammad, Gastautor
Wer ist Kawa Mohammad?

Kawa Mohammad bereichert das Data Analytics Team von e-dynamics seit 2017 als Consultant und ist ein wahrer Experte auf dem Gebiet der Herleitung und Anwendung datengetriebener Modelle. Zuvor hat er Wirtschaftsmathematik an der RWTH Aachen studiert und war bereits währenddessen als Werkstudent in unserem Digital Analytics Team tätig. Ein echtes Eigengewächs!

Was macht e-dynamics?

Seit mehr als 20 Jahren ist e-dynamics der Spezialist für Digital Analytics und Web Intelligence. Als führendes, unabhängiges Beratungsunternehmen im deutschsprachigen Markt nutzen und interpretieren wir den Datenstrom digitaler Kanäle. Das Ergebnis sind wertvolle Handlungsempfehlungen für Vertrieb und Marketing – für mehr Transparenz und fundierte unternehmerische Entscheidungen.

Welche Vorteile können durch Attributionsmodelle entstehen?

Durch Attributionsmodelle können die Kanäle ausfindig gemacht werden, die maßgeblich an einer Conversion beteiligt sind und dementsprechend den potenziellen Kunden gezielter und auch früher ansprechen. Strategien können abgeleitet werden und nach Bedarf Budgetanpassungen gemacht werden.

Dir hat dieser Artikel gefallen? Erfahre von den ABOUT YOU Guys wie der E-Commerce Riese sein Performance Marketing steuert.

Tags: attributionattributionsmodelldeep divee-dynamicskawa mohammadmarketingstrategie
Share6Tweet4Share1Pin1Send

Ähnliche Artikel

pco x OMKB: Cyberwar is around the corner.
Gastbeitrag

Cyberwar is around the corner. So bereitest du dich vor und schließt kritische Lücken

Die aktuell angespitzte Situation zeigt, dass oberflächliche technische IT-Sicherheitslösungen nicht...

Mehr anzeigen

Stay connected

Beliebte Artikel

  • Philipp Peitsch

    Wie idealo CEO Philipp Peitsch, Google mit einer 500 Millionen Euro Klage in die Schranken weisen will

    41 shares
    Share 16 Tweet 10
  • Lena Jüngst: Air up steigt mit Gehirn-Trick rasant zum 100 Millionen-Startup auf

    37 shares
    Share 15 Tweet 9
  • Darum ist Clubhouse nach Anfangs-Furore so krachend gefloppt – Hype-Initiator Philipp Klöckner im OMKB Talk

    36 shares
    Share 14 Tweet 9
  • Lieferando: Marktführer trotz Lieferdienste-Kampf & Mrd.-Investments für Startups. Katharina Hauke im Interview

    31 shares
    Share 12 Tweet 8
  • Bald größer als Zalando? So zündet ABOUT YOU die Wachstumsrakete

    29 shares
    Share 12 Tweet 7
  • Europa-Chef Nikolay Kolev: Die Zukunft ist hybrid. Ist WeWork der neue Standard?

    29 shares
    Share 12 Tweet 7
  • Johannes Kliesch von SNOCKS: Mit Socken und Unterwäsche zum 10+ Millionen-Business

    27 shares
    Share 11 Tweet 7
  • Machineseeker-CMO Sven Schmidt: Deutschen Gründern fehlt es eindeutig an Storytelling- und Sales-DNA

    25 shares
    Share 10 Tweet 6
  • E-Bikes zum Discounterpreis: Andy Weinzierl startet mit SUSHI Bikes und prominenten Investoren durch

    25 shares
    Share 10 Tweet 6
  • TIER – 2 Mrd. $ Bewertung & Marktführer trotz Faktor 10 weniger Budget als Wettbewerb. Philip Reinckens im Interview

    24 shares
    Share 10 Tweet 6
OMKB Reviews - Gutschein

Angesagte Stories

Marketing-Profi Andre Alpar auf der OMKB 2022 im Talk über Tech-Trends, Investments und Zukunftschancen

Online-Marketing-Autorität Andre Alpar – Klartext zu NFTs, KI, Content-Marketing und zum Gefecht um die Voice-Dominanz

pco x OMKB: Cyberwar is around the corner.

Cyberwar is around the corner. So bereitest du dich vor und schließt kritische Lücken

OTTO: Plattform statt Marktplatz. Der Schlüssel heißt Tech-Kompetenz. Principal Innovation Jörg Heinemann im OMKB-Talk.

Plattform schlägt Marktplatz: So diversifiziert OTTO mit Tech-Kompetenz ggü. Amazon. Innovation Evangelist Jörg Heinemann im Talk

Abgeschrieben? Wie Snapchat ein bullisches Wachstum hinlegt und erneut angreift. Jan Müller im Talk

Abgeschrieben? Wie Snapchat ein bullisches Wachstum hinlegt und erneut angreift. Jan Müller im Talk

Metaverse-Wettrennen: Noch völlig unklar, ob facebook/Meta überhaupt relevanter Player wird. Florian Heinemann von Project A im Talk

Metaverse-Wettrennen: Noch völlig unklar, ob facebook/Meta überhaupt relevanter Player wird. Florian Heinemann von Project A im Talk

Mehr Traffic als Google! Wie TikTok das Social Game dramatisch verändert mit Thomas Wlazik.

Mehr Traffic als Google! Wie TikTok das Social Game dramatisch verändert mit Thomas Wlazik

Julia Klietzing und Klaus Schmaeing von Burger King

Grünes Fast Food: Nur geniales Marketing oder nachhaltiger Change? Julia Klietzing und Klaus Schmaeing von Burger King im Interview

Saruul Krause-Jentsch, Head of Studios bei Spotify

Spotify leitet Next-Level-Podcast Ära ein. Diese neuen Features werden kommen. Saruul Krause-Jentsch im Interview

Data Deep Dive! Leitfaden zur Attribution – Analytisch die Marketingstrategie optimieren

Data Deep Dive! Leitfaden zur Attribution – Analytisch die Marketingstrategie optimieren

SUSHI Bikes: So rollt das Start Up urbane Mobilität neu auf! Interview mit Andy Weinzierl und Vera von Zworowsky

Influencer, TV, Search… So skaliert das E-Mobility Startup SUSHI Bikes. Interview mit Andy Weinzierl und Vera von Zworowsky

omkb-logo-white

Abonnieren

Wir versorgen dich mit den spannendsten Themen, die die Digital Marketing Szene bewegen.

Media

  • Podcast
  • Videos
  • Feed
  • Feed
  • Feed

Meet

  • Konferenz
  • Events
  • Feed
  • Feed
  • Feed

Content

  • Speaker
  • Reviews
  • Jobs
  • Feed
  • Feed

OMKB

  • Partnerschaft
  • Impressum
  • Datenschutz
  • Sitemap
  • Feed

OMKB ist eine eingetragene Marke der Think11