Attribution – Data-Driven-Design of the Future

Attribution – Lösungskomponente im datengetriebenen Marketing

Das heutige (Online-)Marketing hat schier keine Grenzen. Digitale Kommunikation ist etabliert. Unternehmen von heute oder ihre Agenturen setzen unterschiedliche Kommunikations- und Verkaufskanäle mit verschiedenen Technologie- und Serviceanbietern ein, um ihre Ziele zu erreichen.

Die Basis hierfür sind meistens Daten, auf deren Basis immer öfter sogar automatisiert Entscheidungen getroffen werden. Doch Technologien allein reichen nicht, um diese Daten zu erheben, zu verarbeiten und in Entscheidungen zu transformieren. Der richtige Einsatz entscheidet zwischen Erfolg und Misserfolg. Folgende Abbildung veranschaulicht die Kernbereiche des heutigen datengetriebenen Marketings.

Durch die Vielzahl an ausführenden Instanzen pro Disziplin und Komponente entstehen verschiedene „Wahrheiten” und Steuerungsansätze, die das datengetriebene Marketing sehr komplex werden lassen.

Die Aufgabe einer Attribution von morgen, die Entscheidungen ermöglicht, ist somit, diese Komponenten in Einklang zu bringen. Es muss eine Währung geschaffen werden, die Cross-Channel und Cross-Device-Verhalten von Kunden berücksichtigt. Abbildung 2 veranschaulicht die wichtigsten Aufgaben bzw. den entscheidenden Kernbeitrag von Attribution für das zukünftige datengetriebene Marketing.

Die Attribution von morgen entschlüsselt die Steuerung von Marketing, indem sie beide Welten – Marketing bzw. Media und Analytics – die gleiche Sprache sprechen lässt. Nur so können beide ein gemeinsames Verständnis über Zielstellungen, Strategien und KPI-Definition aufbauen, um voneinander zu lernen und gemeinsam zu agieren. Häufig erfordert dies einen Aufbau von Kompetenzen, sogar neuen Teams, wie z. B. Programmierer in der Marketing-Abteilung, die ganze Datenprozesse konzipieren und implementieren können, oder ein Kampagnenmanager, der die Datenerhebung in Google Analytics an der Steuerung eines Affiliate-Netzwerks ausrichtet.

Durch die Möglichkeit, mittels Daten bzw. Reports unmittelbar Entscheidungen zu treffen, müssen Handlungsmöglichkeiten wie Budget-Entscheidungsrahmen, Taktiken oder spezifische Targeting-Tests nicht nur definiert, sondern Teams auch dazu bevollmächtigt werden. Die Attributionsinstanz ermöglicht diese Entscheidungen, indem sie diese vom Management priorisieren und freigeben lässt, aber auch neue Prozesse etabliert, wie regelmäßige Optimierungs-Jour-fixe zwischen Media und Analytics. So entstehen laufend neue Ideen, Taktiken, gar datengetriebene Strategien mit großen Potenzialen aus den operativen Teams heraus, die die täglichen Ursache-Wirkungs-Zusammenhänge erleben und Steuerungsmöglichkeiten kennen. Das Zusammenspiel von Marketing und Analytics mit neuen bevollmächtigten Teams benötigt jedoch Technologien, die das ganzheitliche Messen, Bewerten und Steuern ermöglichen. Durch die Vielzahl an Media-Anbietern, die fast alle ihre eigene Messmethode brauchen, um ihren vollen Funktionsumfang zu ermöglichen (z. B. automatisierter Einkauf, Cross-Device-Messung), müssen in fast allen Projekten individuelle Verknüpfungen zwischen Technologien aus der Marketing- und Analytics-Welt geschaffen werden. Ein Beispiel: Preissuchmaschinen werden über Produkt-Feeds gesteuert. Ein Attributions-Tool kann durch eine Verknüpfung mit dem Produkt-Feed den Feed pro Portal direkt entsprechend dem Attributionsergebnis mit einer Entscheidungsgrundlage beliefern, welches Produkt in diesem Portal zu welchem Zeitpunkt ein- oder ausgeblendet werden soll.

Googles FABB

Im ersten Teil dieses Beitrags in der letzten Ausgabe wurde Googles FABB-Prozess – the Future of Attribution Based Bidding – vorgestellt.

FABB ist ein Prozess, der die Komplexität dieser genannten Zielstellungen und Kernaufgaben reduziert, um die Attribution in die Organisation zu implementieren.

Ergebnisse des FABB-Prozesses sind:

• Implementierung einer Datenerhebung, die die Logiken der Media-Steuerung pro Kanal und Anbieter abbildet.
• Eine Verknüpfung der Media-Steuerungs- und Analytics-Tools, oft mittels neuer Datenprozesse und Technologien.
• Etablierung eines konstanten Media-Optimierungsprogramms mit einem höchstmöglichen Grad an Automatisierung.

Die Kernphasen von FABB sind im Schaubild in Abbildung 3 dargestellt. Assess und Collect werden im weiteren Verlauf als Step-by-step-Guides erläutert, die restlichen werden im dritten Teil dieser Reihe in der nächsten Ausgabe genauer dargestellt.

Wichtig hervorzuheben ist, dass

• FABB medienübergreifend agiert, also auch Owned Media wie z. B. Newsletter oder SEO optimiert;
• FABB-Logiken auch punktuell angewendet werden können, d. h., je nachdem, wie weit ein Unternehmen sein Attributionsprogramm bereits entwickelt oder die Organisation bereit ist zu gehen, können einzelne Phasen aus diesem Artikel angewendet werden.

Für die optimale Einschätzung, wo die Organisation steht und welche Phase relevant ist, bietet dieser Artikel pro Phase Schlüsselfragen, die vor dem Voranschreiten bei der Entwicklung eines FABB-Attributionsprogrammes zu klären sind. Sind diese Punkte bereits geklärt, kann der Leser unmittelbar mit dem nächsten Punkt fortfahren.

Assess

Tabelle 1 FABB–Fragen-Status: Assess

Die Assess-Phase ist die Planungs-Phase, der Startpunkt des Vorhabens. Die Dauer dieser Phase kann stark variieren, denn sie dauert im Prinzip vom Trigger „Ich glaube, ich brauche das/ich glaube, ich muss etwas ändern” bis zum Zustand „Ich weiß, was ich wie mit wem erreichen will” an. Je nach Gegebenheit kann dies zwischen zwei Wochen und mehr als sechs Monaten dauern. Beeinflusst wird dies vor allem von Ressourcenverfügbarkeiten und der Absicht aller Beteiligten, zu implementieren.

Bedarfsanalyse in fünf Minuten für Cross-Channel- und/oder Cross-Device-Attribution

Der schnellste Weg, um Bedarf für die Anwendung von Cross-Channel-Attribution zu identifizieren, führt über folgende Insights:

CROSS-CHANNEL-ATTRIBUTIONS-BEDARF IDENTIFIZIEREN MIT ADWORDS, GOOGLE ANALYTICS UND DOUBLECLICK

Heutzutage nutzen Kunden unterschiedliche und mehrere Kanäle, bis sie ein Produkt kaufen, und brauchen auch länger als eine Session, bis sie konvertieren. Ob das so ist, zeigen die folgenden zwei Reports – Path Length und Time Lag (Abbildung 4).

CROSS-DEVICE-ATTRIBUTIONS-BEDARF MIT GOOGLE ANALYTICS IDENTIFIZIEREN

Das Grundproblem in der Bewertung deviceübergreifender Customer Journeys ist, dass jedes Endgerät unterschiedlich gemessen bzw. über Cookies identifiziert wird. So kann der Device-Wechsel nicht ohne andere Identifizierung erfolgen und in der Attributionsanalyse über den letzten Klick hinaus können die Geräte und Kanäle auf dem vorangegangenen Gerät nicht berücksichtigt werden.

Über den Vergleich der Sessions wie auch der Conversion-Rate per Device kann folgende These bestätigt werden: Der Kunde von heute ist ein Mobile-Nutzer. Angebotszugang und Marketing müssen schnell nachziehen. Mobile wird zum Wettbewerbsvorteil und Attribution zum Enabler.

Mobile gewinnt massiv an Bedeutung für den heutigen Kunden, das zeigt der starke Anstieg an Sessions. Leider sinken die Conversion-Raten für Mobile und parallel steigen die Raten für Desktop-Sessions wie auch die Rate an Käufen, die über Desktop bereits in der ersten Session konvertieren. Dies zeigen die Metriken in den Trendgrafiken in Abbildung 5 und Abbildung 6.

Dies heißt nicht, dass man Desktop höher als Mobile in der Marketing-Kommunikation priorisieren sollte, denn viele Kunden starten inzwischen mobil, brechen den Kaufprozess aber ab und konvertieren dann auf dem Desktop. Gründe für den Abbruch gibt es viele (lt. einer Studie nutzen 90 % aller Smartphone-Nutzer die Produktsuche, während sie eine andere Tätigkeit ausführen; siehe einfach.st/twg3). Ohne Mobile gäbe es also keine Desktop-Conversions, Mobile ist im Moment also noch der elementare Assistgeber wie im Basketball oder Fußball.

Beide Analysen können erweitert werden, um das Potenzial für die Attribution von Marketing zu verdeutlichen, indem man durch eine Segmentierung (Conversion-Segment in Google Analytics) das Ergebnis für Kanäle, die durch monetären Einsatz oder anderen Mitteleinsatz (Zeit) gesteuert werden können, filtert (Beispiel-Segment in Google Analytics wäre: Any Interaction + Channel Grouping mit CPC oder Display oder other Advertising).

Grundsätzlich sollte für die Analyse des Themas Cross-Device-Bedarf mit Google Analytics der Zeitraum länger gewählt werden und mit einbezogen werden, ob die Website überhaupt für Mobile optimiert ist.

Für Adwords-Nutzer kann der Cross-Device-Bedarf auch unmittelbar in Adwords über die Conversion-Spalte ermittelt werden: Cross-Device-Conversion im Verhältnis zur All-Conversion-Spalte (Details dazu unter goo.gl/KFvL3A).

Wenn die ersten Reports diese Ergebnisse aufweisen, kann von Bedarf ausgegangen werden.

Ergebnis  - Assess-Phase:

• Potenzialanalyse und erste Priorisierung
• Offizielles Management Commitment und nächste Steuerungsmeetings
• Projektzielstellung (gegenseitiges Commitment)
• Benennung der Teams und Verantwortlichkeiten
• Technologie-Evaluation und klare Rollenzuweisung
• Definition und Priorisierung der Arbeitspakete
• Projektplan und Prozessdefinition

Projekt-Zielstellungen

Die Zielstellung von Attributionsprojekten ist wie auch bei anderen Projekten maßgeblich für die Implementierung. Man kann zwischen drei übergreifenden Zielergebnissen unterscheiden, die auch aufeinander aufbauen.

Ziel – ENABLE

Schaffung einer kompletten, konsistenten und korrekten Datenbasis.

Ziel – INSIGHT

Neue Erkenntnisse schaffen - welcher Kanal hat welche Rolle, welche sind über- oder unterbewertet, welcher Kanal und Kanalkombination hat welchen Beitrag auf das Gesamtergebnis? Das Ziel der Entscheidung ist sekundär bzw. die optimierte Steuerung als Ergebnis wird noch nicht geplant. Ein Outcome aus dieser Phase könnte die Etablierung von Attributionskennzahlen im Standardreporting sein.

Ziel – ACTION

Die Organisation will die Insights in Taten überführen und entsprechend das Marketing steuern. Es kann zwischen regelmäßiger, aber nicht laufender Optimierung und konstanter Optimierung auf Basis von Attributionsinsights unterschieden werden. Bei regelmäßiger Optimierung handelt es sich zumeist um Allokationen bei der Planung. Die Insights werden generiert, Allokationen von Budget entschieden und Priorisierung umgesetzt. Hierbei lauert eine Gefahr: Im Vergleich zur konstanten Optimierung und anschließenden Maßnahmen werden Entscheidungen im Tagegeschäft auf Basis falscher Entscheidungen gefällt, z. B. Last-Cookie-Allokation aus dem Media-Buying-Tool. Deshalb erfordert die konstante Optimierung eine fortlaufende Information der Buying- und anderen Steuerungstools. Das heißt, die Wertbeiträge eines generierten Touchpoints müssen pro Conversion ermittelt und an die Steuerungsinstanzen übergeben werden. Eine abgemilderte und nicht voll integrierte Lösung ist es, wenn Attributionsinsights bei jeder Entscheidung einbezogen werden, aber nur über Multiplikatoren bei der Gebotsdefinition (Beispiel: Jede Conversion in meinem Remarketing-Tool muss mit Faktor X multipliziert werden. Faktor ist der Anteil an anderen Kanälen/Touchpoints, die im Durchschnitt an einer Conversion beteiligt sind).

Die Zielstellung ACTION wird häufig bereits in der Planungsphase politisch heikel, denn sie bedingt ein teamübergreifendes Commitment, tatsächlich die Steuerung zu verändern. Dies wird aller Voraussicht nach Budget-Allokationen erfordern, die wiederum eine Veränderung der Inzentivierungen nach sich ziehen können und/oder Auswirkungen auf in- und externe Verträge haben (z. B. Zielvereinbarungen mit Marketing-Dienstleistern). Hier wird vor allem das Management Commitment wichtig, aber auch eine sehr offene Einstellung aller Beteiligten, wie auch das Management von Erwartungen durch die Projektleitung und Attributionsspezialisten.

Einigt man sich auf ACTION und sind managementseitig alle Weichen gestellt, ist es zwingend erforderlich, sich auf mess- und optimierbare Kennzahlen und Ziele festzulegen, mögliche Optimierungsmaßnahmen zu definieren oder nach Projektverlauf zu identifizieren und diese laufend zu überprüfen.

Es werden drei Arten von Kennzahlen unterschieden:

• Projektkennzahlen: z. B. Umsetzungszeit und Go-live-Timings, verfügbares Budget und Personalbedarf etc.
• Media-Kennzahlen: z. B. ROAS (Return on Adspend), KUR (Kosten-Umsatz-Relation), CPA (Cost per Action) etc
• Prozess-Kennzahlen: z. B. Datenmanagement-Aufwendungen (Zeit/Kosten), Geschwindigkeit Marketingprozess, Time to Launch, Time to Insight)

Typische Ergebnisse/Kennzahlen von Projekten sind in Abbildung 7 dargestellt – hier werden links Effizienzkennzahlen und rechts Effektivität deutlich.

Auf die Definition dienlicher und aussagekräftiger Media-Kennzahlen ist besonders zu achten, wie auch auf die Zieldefinition.

Bei den Media-Kennzahlen ist zu beachten, welche davon zu welchem Zeitpunkt in welcher Granularität im attribuierenden System vorhanden sind. Beispiele für verzögerte Informationen sind:

• Retouren/Storni/Zahlungsrückläufer (offline/asynchrone Events) – bereinigte Conversions (pragmatisch können für die Vorberechnung historische Mittelwerte herangezogen werden)
• Kosten der eingesetzten Media (wenn gewollt, sind diese bei direkt angebundenen Systemen kein Problem, aber sie müssen teilweise importiert werden)
• COGS (Cost of Goods Sold) und daraus folgend Margen (direkte Margen, extra Boni durch Absatz-Staffeln, WKZ – Einnahmen aus Werbekostenzuschuss)
• Asynchrone Transaktionen wie Aboverlängerungen, Callcenter-Verkäufe/Upsells

Basierend auf den zur Verfügung stehenden Daten gilt insbesondere für Media-Kennzahlen Robustheit bei Saisonalitäten und starken Volumenänderungen. Hierfür werden relative Kennzahlen eingesetzt.

• Absolut – zur Kontrolle des Volumens
  • Conversions (absolute Zahl)
  • Revenue

Kennzahlen für die Optimierung von Media durch Attribution

Relativ (ohne Kosten)

• Session2Order-Conversion (Google Analytics Standard)
• Visitor2Order-Conversion
• Click2Order-Conversion

Relativ (mit Kosten)

• KUR: Kosten/Umsatz
• ROAS: Umsatz/Kosten
• CPA: Cost per Action

Generell sollte die Media-Optimierung folgende Ziele forcieren:

• Effizienz: Konstanter Verlauf oder Anzahl der Zielkennzahl (z. B. Conversions) bei reduziertem Einsatzinvest. Beispiel: Wenn man das Budget um 50 % reduziert, gehen die Conversions um < 50 % zurück.
• Effektivität: Konstanter Anstieg der Zielkennzahl bei erhöhtem Einsatzinvest. Beispiel: Wenn man das Budget um 50 % erhöht, steigen die Conversions um ca. 50 %-

Doch selbst wenn man z. B. eine KUR – Kosten-Umsatz-Relation – wählt und sich auf eine Zielstellung wie „Senkung um 25 %” einigt, empfiehlt es sich, bereits am Anfang ein Testszenario auf Basis eines Geo-Tests zu definieren, um den Einfluss durch die geänderte Steuerung klar zu isolieren.

Priorisierung

Die Arbeitspakete ergeben sich übergeordnet aus dem FABB-Phasenmodell, jedoch empfiehlt es sich, folgende Kriterien für die Implementierung zu berücksichtigen:

• Channel mit zu erwartenden größtmöglichen Änderungen (vorher stark über-/unterbewertet).
• Channel mit ausgewogenen positiven Effekten (Effektivitäts- oder Effizienzgewinn), aber vor allem schneller Implementierung, um erste Erfolge des Projektes aufzuzeigen.

Teams

Folgende Teamkonstellationen sind typisch für Attributionsprojekte. Hervorzuheben ist die geänderte und zukünftig laufende Zusammenarbeit zwischen Media und Analytics, aber auch die Empfehlung für einen dedizierten Projektmanager zur Einhaltung der Prozess- und Projektkennzahlen.

Technologien

Die zuvor schon genannten Marketing- und Analytics-Technologien können sehr vielfältig sein.

Eine Unterscheidung zwischen Media-Plattform mit Attributionsfunktionen und Attributionstechnologie mit Anbindung an Media-Plattformen ist hierbei zielführend. Beide Arten können die Single Source of Truth der Attribution werden. Folgende Darstellung zeigt mögliche technologische Lösungen, die für die Attribution zumeist kombiniert werden:

Zusatz Dataprozessing: Diese Tools komplettieren bestehende Systeme. Es sind meist programmatische Anwendungen, die Daten aus Analytics an Media-Tools übergeben oder aber Datenberechnungs- und Visualisierungs-Tools, die eine Informationsgewinnung oder operative Optimierung ermöglichen. Gründe hierfür sind, dass Media- und Analytics-Tools häufig nicht alle Funktionen abbilden oder integrieren. Ein Tool für die Datenprozessierung exportiert Daten aus Analytics, verarbeitet die Daten (Format, Berechnung etc.) und importiert sie in weitere Systeme. Oder das Attributionsmodell wird im eigenen System mit Statistiksoftware oder dem Data Warehouse (DWH) berechnet.

Für die Attribution wird häufig die BezeichnungSingle Source of Truth (SST) verwendet. Eine SST sollte folgende Funktionen mitbringen und die zentral genutzte Informationsbasis für Optimierungen sein.

• Erfassung aller Clicks auf allen möglichen Granularitäten
• Bestmögliches Impression-Tracking
• Unbegrenzte Speicherung und Bereitstellung von Daten inkl. Rohdaten über APIs
• Anwendung von Attributionsmodellen, regelbasiert oder algorithmisch
• Ggf. dynamische Steuerung von Media-Pixeln

Einige Attributionstechnologien haben auch eine Integration mit Media-Plattformen, um das Bidding auf Basis der Attribution zu ermöglichen. Aufgrund der Vielfalt der Anbieter pro Kanaltyp ist dies nie für alle Anbieter möglich, somit muss die Attribution Wege schaffen, die Plattformen mit den relevanten Daten zu versorgen (siehe Dataprocessing)

Reicht meine Cookie-Weiche nicht als Attribution?

Die Cookie-Weiche entstand, als man mehr als einen Performance-Kanal einsetzte und vor dem Problem der Deduplizierung stand. Performance-Partner (wie z. B. Affiliates) werden auf Basis der ihnen zugeordneten Transaktionen vergütet. Ein Marketer möchte natürlich nicht zweimal für dieselbe Transaktion bezahlen. Die Entscheidung, wem die Transaktion zugeordnet wird, wurde dann häufig nach dem „Last-Cookie-wins”-Prinzip dem letzten Partner zugeordnet. Dieses Modell ist aber in modernen Systemen nicht mehr umsetzbar, da auch asynchrone Informationen in die Attribution einbezogen werden müssen. Die Cookie-Weiche der Transaktionsseite kann sich dann auf die Aufgabe beschränken, Realtime-Feedback für algorithmische Systeme parallel zu geben und vertragliche Anforderungen zu erfüllen.

Ihre Aufgabe wird dann von einem „objektiven” Attributionssystem kontinuierlich gemessen und kann so einfach angepasst werden.

Folgende Grafik stellt unter diesem Gesichtspunkt die Phasen der Conversion-Bewertung und die Steuerung von Marketingkanälen dar.

Collect

Tabelle 2 FABB – Fragen-Status: Collect

Die Phase Collect des FABB-Prozesses dreht sich um die Datenerhebung und Gruppierung von Media-Kanälen. Ziel ist die Schaffung einer sauberen Datenbasis für die Bewertung und Optimierungaller Marketingmaßnahmen.

Die Umsetzungszeit hängt sehr von der Anzahl der betriebenen Media-Kanäle und -Vendoren sowie von den Aufwänden bei den erweiterten Prozessen der Linkerstellung ab. Nach einer initialen Verankerung des Messansatzes und häufig kompletten Erweiterung der Implementierung muss somit sichergestellt werden, dass bei jedem neuen Link auch der Prozess eingehalten wird. Das erfordert eine klare Zuweisung von Verantwortlichkeit für die Erstellung und Qualitätssicherung vor dem Live-Gang jeder Media-Platzierung.

Ergebnis - Collect-Phase :

• Verknüpfung der Information eines Marketing-Kanals mit allen Steuerungsinformationen, z. B.: Der Link kommt von Marketing-Kanal Typ A (z. B. Display), gehört zur Kampagne B, bei Anbieter C wurde eine Werbeform D gekauft und die Optimierung erfolgt auf Basis der Information E).
  • Die Links können in kontrollierte und unkontrollierte Links unterschieden werden; siehe Beispiele unten.
• Sicherstellung der Erfassung aller echten ersten Seitenaufrufe (Session-Start).
• Vollständiger und korrekter Aufruf der Ziel-/Transaktions-Seite, welche dedupliziert, konsistent und mit dem Attributions- und ERP-System abgeglichen werden können muss.

Eine weitere Dimension, die stark die Datenqualität beeinflusst, sind Seitenaufrufe, die in Wirklichkeit nicht gezählt werden sollten. Beispiele:

• “False positive“ Seitenaufruf, z. B. durch https/http- oder Domain-Wechsel zu Payment-Anbietern.
• “False negative“ Seitenaufruf, z. B. gekaufter Traffic auf eine externe Landingpage oder Seite eines Kooperationspartners ohne Tracking.

Exkurs – Benutzer statt Cookies

Benutzer zu tracken und nicht nur Browser, ist bei vielen Marketern aktuell eine große Hürde der Implementierung.

Das sogenannte Cross-Device-Tracking und die Attribution können mit Google-Produkten prinzipiell über zwei Wege erfolgen.

• Identifizierung des Nutzers über das Log-in im Google-Netzwerk. Diese Messung erfolgt durch Konsens des Nutzers auf der Google-Plattform und bietet die Möglichkeit, das Cross-Device-Verhalten des Benutzers über die Suchmaschine zur Website mit einem Konfidenzintervall von 95 % zu messen. Diese Ergebnisse können auch attribuiert werden – mehr hier: https://goo.gl/DnpVqq .

• Identifizierung des Nutzers auf der Website des Marketers. Die Messung erfolgt durch verschiedene Methoden wie z. B. das Log-in. Dies kann mittels Google Analytics umgesetzt werden – mehr hier: goo.gl/VmqxPy. Die Messung und Attribution kann dann über Google-Suchmaschinen hinaus (alle Media-Plattformen) erfolgen, der Konsens des Nutzers muss jedoch mit dem Websitebetreiber erfolgen. Auch ist bei Websites, die nicht zwingend eine Identifizierung erfordern, und Raten von < 10 % Identifikation mit deutlich weniger Repräsentativität zu rechnen. Es ist daher sehr wichtig, dass die Nutzer auf ihre Eigenschaften analysiert und diese mit den Unternehmenszielgruppen abgeglichen werden. Dabei spielt auch eine Rolle, wo sich der Nutzer auf seiner Customer Journey befindet, damit man nicht nur Newsletter-Kunden, die kurz vor dem Kauf stehen, identifiziert.

Folgendes Schaubild verdeutlicht die beiden Funktionsansätze (oben Adwords/DLCK, unten XDevice mit Analytics). Hervorzuheben sind Umfang Media und daraus resultierende Allokation.

Kontrolle der Links & Übermittlung von „actionablen” Informationen

Viele Unternehmen kennen wochenlange Projekte, um ein (Link-)Tracking-Konzept mit oft sehr granularen Informationen zu erstellen. Das Konzept und häufig aufwendig gestaltete Linkbuilder sollen in allen Kaskaden von Quelle über Creative oder Adform auf jeden Link angewendet werden, auch wenn manche Informationen nicht vorliegen.

Der FABB-Ansatz sieht dies pragmatischer und definiert die Link-Tracking-Anforderungen entsprechend jedem Media-Anbieter und den Steuerungsmöglichkeiten.

Dabei werden einzig drei Pflichtinformationen definiert, wovon zwei vordefiniert (Source & Medium) und eine Teilinformation (Decision-Information) entsprechend der individuellen Steuerung gepflegt werden.

Folgende Abbildung veranschaulicht das Prinzip, welche Informationen pro Link an das Attributionssystem übergeben werden müssen.

Insbesondere die Decision-Information wird entscheidend für die Optimierung, sie soll „actionable” sein. Das heißt, dass über nur einen Report mit der Kombination aus folgenden zwei Dimensionen in Google Analytics, eine Entscheidung möglich werden soll, die im Zusammenspiel mit der Media-Plattform die Platzierung eines Links direkt optimieren kann.

• Dimension 1 & 2: Source/Medium + Decision-Information
• Metrik: Ziel-Kennzahl, z. B. ROAS

Ein Beispiel: Source = Preissuchmaschine A, Medium: Produktfeed B, Decision-Information = SKU 12345, da auf dieser Information Budgets entschieden bzw. die Steuerung für diese Quelle ausgeführt werden. Weitere Beispiele für die Decision-Information sind in der Grafik dargestellt.

Die Attribution erarbeitet diese Information gemeinsam mit der Marketingsteigerung pro Kanalanbieter, dabei kann es pro AdTyp oder Targeting (Medium) zu unterschiedlichen Decision-IDs kommen, je nachdem, wie diese gesteuert werden.

Eine einfache Methode, um die Implementierung des Link-Trackings je Media-Plattform zu unterscheiden, besteht darin, in

• Kontrollierte (Links, die aus Media-Plattformen gesetzt, beim Seitenaufruf von z. B. Google Analytics erkannt und in Reports verfügbar werden und
• unkontrollierte Links  (z.B. Aufrufe von organischen Suchergebnisse, Referrern oder Direkt)

 unterscheiden werden.

Erstellung von Link-Informationen für kontrollierte Links

Im Falle von Google Adwords und Doubleclick kann man die relevanten Link-Informationen sowie weitere Metriken wie Kosten oder Impressionsvolumen über das sogenannte Auto-Tagging an Google Analytics übergeben. Mehr hierzu unter goo.gl/cBVRck. Die Parameter werden manuelle Kampagnen-Parameter genannt (siehe goo.gl/iabn4m).

Für alle anderen kontrollierten Links aus Paid und Owned Media müssten trackbare Links erstellt werden. Jede URL erhält dann trackbare Parameter angehängt (utm_*).

Für Google Analytics sehen diese wie folgt aus:
URL?utm_source=Quelle&utm_medium=Ad-Typ&utm_campaign= (im Konzept freie Info zur Maßnahmengruppierung) &utm_content= (im Konzept Transfer-Info) &utm_term= (im Konzept Decision-Info)

Unter der URL goo.gl/bIKq74 wird ein Linkbuilder für die konsistente und skalierte Generierung von trackbaren Links für die Attribution bereitgestellt (Hinweis: Zum Ansehen oder Verwenden durch eine Kopie wird ein Google Account benötigt).

Dieser Linkbuilder soll das Prinzip verdeutlichen, dass eine strukturierte Auswertung eine strukturierte Eingabe erfordert. Eine individuelle Anpassung ist durch das Kopieren des Dokuments jederzeit möglich.

Anforderungen:

• Komplett, konsistent und Eingabefehler vermeidend
• Zentrale Administration
• Webbasiert für dezentrale Benutzung
• Sollte abteilungs- oder länderspezifische Konventionen berücksichtigen (z. B. im Kampagnen-Namen)