Ein praktischer Leitfaden zur Multi-Touch-Attribution

Die Customer Journey umfasst mehrere Interaktionen zwischen dem Kunden und dem Händler oder Dienstleister.

Wir nennen jede Interaktion in der Customer Journey einen Touchpoint.

Laut Salesforce.com sind im B2B-Bereich durchschnittlich sechs bis acht Berührungen erforderlich, um einen Lead zu generieren.

Bei einem Kundenkauf ist die Anzahl der Touchpoints noch höher.

Multi-Touch-Attribution ist der Mechanismus zur Bewertung des Beitrags jedes Berührungspunkts zur Konversion und weist jedem Berührungspunkt, der an der Customer Journey beteiligt ist, die entsprechenden Credits zu.

Die Durchführung einer Multi-Touch-Attributionsanalyse kann Marketern helfen, die Customer Journey zu verstehen und Möglichkeiten zur weiteren Optimierung der Konversionspfade zu identifizieren.

In diesem Artikel lernen Sie die Grundlagen der Multi-Touch-Attribution und die Schritte zur Durchführung einer Multi-Touch-Attributionsanalyse mit leicht zugänglichen Tools kennen.

Was Sie vor der Durchführung einer Multi-Touch-Zuordnungsanalyse beachten sollten

Definieren Sie das Geschäftsziel

Was möchten Sie mit der Multi-Touch-Attributionsanalyse erreichen?

Möchten Sie den Return on Investment (ROI) eines bestimmten Marketingkanals bewerten, die Reise Ihrer Kunden verstehen oder kritische Seiten Ihrer Website für A/B-Tests identifizieren?

Unterschiedliche Geschäftsziele können unterschiedliche Attributionsanalyseansätze erfordern.

Wenn Sie von Anfang an definieren, was Sie erreichen möchten, können Sie die Ergebnisse schneller erzielen.

Konversion definieren

Conversion ist die gewünschte Aktion, die Ihre Kunden ausführen sollen.

Bei E-Commerce-Websites handelt es sich in der Regel um einen Kauf, der durch das Ereignis „Bestellabschluss“ definiert wird.

Für andere Branchen kann es sich um eine Kontoanmeldung oder ein Abonnement handeln.

Unterschiedliche Conversion-Typen haben wahrscheinlich unterschiedliche Conversion-Pfade.

Wenn Sie Multi-Touch-Attribution für mehrere gewünschte Aktionen durchführen möchten, würde ich empfehlen, sie in verschiedene Analysen zu unterteilen, um Verwirrung zu vermeiden.

Berührungspunkt definieren

Berührungspunkt kann jede Interaktion zwischen Ihrer Marke und Ihren Kunden sein.

Wenn Sie zum ersten Mal eine Multi-Touch-Attributionsanalyse durchführen, würde ich empfehlen, sie als Besuch Ihrer Website über einen bestimmten Marketingkanal zu definieren. Die kanalbasierte Attribution ist einfach durchzuführen und könnte Ihnen einen Überblick über die Customer Journey geben.

Wenn Sie verstehen möchten, wie Ihre Kunden mit Ihrer Website interagieren, würde ich empfehlen, Touchpoints basierend auf Seitenaufrufen auf Ihrer Website zu definieren.

Wenn Sie Interaktionen außerhalb der Website einbeziehen möchten, z. B. die Installation einer mobilen App, das Öffnen von E-Mails oder soziale Interaktionen, können Sie diese Ereignisse in Ihre Berührungspunktdefinition aufnehmen, sofern Sie über die Daten verfügen.

Unabhängig von Ihrer Touchpoint-Definition ist der Zuordnungsmechanismus derselbe. Je granularer die Touchpoints definiert sind, desto detaillierter ist die Attributionsanalyse.

In diesem Leitfaden konzentrieren wir uns auf die kanalbasierte und seitenaufrufbasierte Zuordnung.

Sie erfahren, wie Sie Google Analytics und ein anderes Open-Source-Tool verwenden, um diese Attributionsanalysen durchzuführen.

Eine Einführung in Multi-Touch-Attributionsmodelle

Die Möglichkeiten, Touchpoints für ihre Konversionsbeiträge zuzuordnen, werden als Attributionsmodelle bezeichnet.

Das einfachste Zuordnungsmodell besteht darin, entweder dem ersten Berührungspunkt, der den Kunden anfänglich einbindet, oder dem letzten Berührungspunkt, der die Konversion vorantreibt, die gesamte Anerkennung zuzusprechen.

Diese beiden Modelle werden als First-Touch-Attributionsmodell bzw. Last-Touch-Attributionsmodell bezeichnet.

Offensichtlich ist weder das First-Touch- noch das Last-Touch-Zuordnungsmodell „fair“ gegenüber den übrigen Touchpoints.

Wie wäre es dann mit einer gleichmäßigen Verteilung des Guthabens auf alle Berührungspunkte, die an der Konversion eines Kunden beteiligt sind? Das klingt vernünftig – und genau so funktioniert das lineare Attributionsmodell.

Eine gleichmäßige Verteilung der Punkte auf alle Berührungspunkte setzt jedoch voraus, dass die Berührungspunkte gleich wichtig sind, was ebenfalls nicht „fair“ erscheint.

Einige argumentieren, dass die Berührungspunkte am Ende der Conversion-Pfade wichtiger sind, während andere das Gegenteil befürworten. Als Ergebnis haben wir das positionsbasierte Attributionsmodell, das es Vermarktern ermöglicht, Touchpoints basierend auf ihren Positionen in den Konversionspfaden unterschiedlich zu gewichten.

Alle oben genannten Modelle fallen unter die Kategorie der heuristischen oder regelbasierten Attributionsmodelle.

Zusätzlich zu den heuristischen Modellen haben wir eine weitere Modellkategorie namens datengetriebene Attribution, die jetzt das in Google Analytics verwendete Standardmodell ist.

Was ist datengesteuerte Attribution?

Wie unterscheidet sich die datengetriebene Attribution von den heuristischen Attributionsmodellen?

Hier sind einige Highlights der Unterschiede:

• In einem heuristischen Modell ist die Attributionsregel vorbestimmt. Unabhängig vom First-Touch-, Last-Touch-, linearen oder positionsbasierten Modell werden die Attributionsregeln im Voraus festgelegt und dann auf die Daten angewendet. In einem datengesteuerten Attributionsmodell wird die Attributionsregel basierend auf historischen Daten erstellt und ist daher für jedes Szenario einzigartig.
• Ein heuristisches Modell betrachtet nur die Pfade, die zu einer Konvertierung führen, und ignoriert die nicht konvertierenden Pfade. Ein datengesteuertes Modell verwendet Daten sowohl aus konvertierenden als auch nicht konvertierenden Pfaden.
• Ein heuristisches Modell ordnet Conversions einem Kanal zu, basierend darauf, wie viele Berührungen ein Berührungspunkt in Bezug auf die Attributionsregeln hat. In einem datengetriebenen Modell erfolgt die Zuordnung basierend auf der Wirkung der Berührungen jedes Berührungspunkts.

So bewerten Sie die Wirkung eines Berührungspunkts

Ein gängiger Algorithmus, der von der datengesteuerten Attribution verwendet wird, heißt Markov-Kette. Das Herzstück des Markov-Ketten-Algorithmus ist ein Konzept, das als Entfernungseffekt bezeichnet wird.

Der Entfernungseffekt ist, wie der Name schon sagt, die Auswirkung auf die Konversionsrate, wenn ein Berührungspunkt aus den Pfaddaten entfernt wird.

Dieser Artikel geht nicht auf die mathematischen Details des Markov-Ketten-Algorithmus ein.

Unten ist ein Beispiel, das veranschaulicht, wie der Algorithmus die Konvertierung jedem Berührungspunkt zuordnet.

Der Entfernungseffekt

Angenommen, wir haben ein Szenario, in dem 100 Conversions von 1.000 Besuchern über 3 Kanäle, Kanal A, B und C, auf eine Website kommen. In diesem Fall beträgt die Conversion-Rate 10 %.

Wenn ein bestimmter Kanal aus den Konversionspfaden entfernt wird, werden die Pfade, die diesen bestimmten Kanal betreffen, intuitiv „abgeschnitten“ und enden insgesamt mit weniger Konversionen.

Wenn die Conversion-Rate auf 5 %, 2 % bzw. 1 % gesenkt wird, wenn die Kanäle A, B und C aus den Daten entfernt werden, können wir den Entfernungseffekt als prozentualen Rückgang der Conversion-Rate für einen bestimmten Kanal berechnen wird mit der Formel entfernt:

Bild vom Autor, November 2022

Der letzte Schritt besteht dann darin, jedem Kanal Conversions zuzuordnen, basierend auf dem Anteil des Entfernungseffekts jedes Kanals. Hier ist das Zuordnungsergebnis:

Kurz gesagt, die datengetriebene Zuordnung stützt sich nicht auf die Anzahl oder Position der Berührungspunkte, sondern auf die Auswirkung dieser Berührungspunkte auf die Konversion als Grundlage der Zuordnung.

Multi-Touch-Attribution mit Google Analytics

Genug der Theorien, schauen wir uns an, wie wir das allgegenwärtige Google Analytics verwenden können, um Multi-Touch-Attributionsanalysen durchzuführen.

Da Google Universal Analytics (UA) ab Juli 2023 nicht mehr unterstützt, basiert dieses Tutorial auf Google Analytics 4 (GA4) und wir verwenden das Merchandise Store-Demokonto von Google als Beispiel.

In GA4 befinden sich die Attribution-Berichte unter Advertising Snapshot, wie unten im linken Navigationsmenü gezeigt.

Nach der Landung auf der Advertising Snapshot-Seite ist der erste Schritt die Auswahl eines geeigneten Conversion-Ereignisses.

GA4 schließt standardmäßig alle Conversion-Ereignisse für seine Attributionsberichte ein.

Um Verwirrung zu vermeiden, empfehle ich dringend, nur ein Conversion-Ereignis („Kauf“ im Beispiel unten) für die Analyse auszuwählen.

Screenshot von GA4, November 2022

Verstehen Sie die Conversion-Pfade in GA4

Unter dem Abschnitt "Attribution" in der linken Navigationsleiste können Sie den Bericht "Conversion-Pfade" öffnen.

Scrollen Sie nach unten zur Conversion-Pfad-Tabelle, die alle Pfade anzeigt, die zur Conversion führen.

Oben in dieser Tabelle finden Sie die durchschnittliche Anzahl der Tage und die Anzahl der Berührungspunkte, die zu Conversions führen.

Screenshot von GA4, November 2022  

In diesem Beispiel sehen Sie, dass Google-Kunden im Durchschnitt fast 9 Tage und 6 Besuche benötigen, bevor sie einen Kauf im Merchandise Store tätigen.

Finden Sie den Beitrag jedes Kanals in GA4

Klicken Sie als Nächstes auf den Bericht „Alle Kanäle“ unter dem Abschnitt „Leistung“ in der linken Navigationsleiste.

In diesem Bericht finden Sie die zugeordneten Conversions für jeden Kanal Ihres ausgewählten Conversion-Ereignisses – in diesem Fall „Kauf“.

Screenshot von GA4, November 2022

Nun wissen Sie, dass die organische Suche zusammen mit Direct und E-Mail die meisten Käufe im Merchandise Store von Google vorangetrieben hat.

Untersuchen Sie die Ergebnisse verschiedener Attributionsmodelle in GA4

Standardmäßig verwendet GA4 das datengesteuerte Attributionsmodell, um zu bestimmen, wie viele Credits jeder Kanal erhält. Sie können jedoch untersuchen, wie unterschiedliche Attributionsmodelle Credits für jeden Kanal zuweisen.

Klicken Sie in der linken Navigationsleiste unter dem Abschnitt Zuordnung auf Modellvergleich.

Wenn Sie beispielsweise das datengesteuerte Attributionsmodell mit dem First-Touch-Attributionsmodell (in der folgenden Abbildung als „First-Click-Modell“ bezeichnet) vergleichen, können Sie sehen, dass der organischen Suche unter dem First-Click-Modell (735) mehr Conversions zugeschrieben werden als den Daten -angetriebenes Modell (646,80).

Auf der anderen Seite hat E-Mail mehr zugeordnete Konversionen unter dem datengesteuerten Zuordnungsmodell (727,82) als das Modell des ersten Klicks (552).

Screenshot von GA4, November 2022

Die Daten zeigen uns, dass die organische Suche eine wichtige Rolle dabei spielt, potenzielle Kunden in das Geschäft zu locken, aber sie benötigt Hilfe von anderen Kanälen, um Besucher zu konvertieren (dh damit Kunden tatsächlich Einkäufe tätigen).

Auf der anderen Seite interagiert E-Mail von Natur aus mit Besuchern, die die Website zuvor besucht haben, und hilft dabei, wiederkehrende Besucher zu konvertieren, die ursprünglich über andere Kanäle auf die Website gekommen sind.

Welches Attributionsmodell ist das Beste?

Eine häufig gestellte Frage beim Vergleich von Attributionsmodellen ist, welches Attributionsmodell das beste ist. Ich würde argumentieren, dass dies die falsche Frage für Vermarkter ist.

Die Wahrheit ist, dass kein Modell absolut besser ist als die anderen, da jedes Modell einen Aspekt der Customer Journey veranschaulicht. Vermarkter sollten nach eigenem Ermessen mehrere Modelle nutzen.

Von der kanalbasierten zur seitenaufrufbasierten Zuordnung

Google Analytics ist einfach zu verwenden, funktioniert aber gut für die kanalbasierte Zuordnung.

Wenn Sie besser verstehen möchten, wie Kunden vor der Konvertierung durch Ihre Website navigieren und welche Seiten ihre Entscheidungen beeinflussen, müssen Sie eine Attributionsanalyse zu Seitenaufrufen durchführen.

Obwohl Google Analytics keine auf Seitenaufrufen basierende Zuordnung unterstützt, gibt es andere Tools, die Sie verwenden können.

Wir haben kürzlich eine solche Seitenaufruf-basierte Attributionsanalyse auf der Website von AdRoll durchgeführt, und ich würde Ihnen gerne die Schritte mitteilen, die wir durchlaufen haben, und was wir dabei gelernt haben.

Sammeln Sie Seitenaufruf-Sequenzdaten

Der erste und herausforderndste Schritt besteht darin, Daten über die Reihenfolge der Seitenaufrufe für jeden Besucher Ihrer Website zu sammeln.

Die meisten Webanalysesysteme zeichnen diese Daten in irgendeiner Form auf. Wenn Ihr Analysesystem keine Möglichkeit bietet, die Daten aus der Benutzeroberfläche zu extrahieren, müssen Sie die Daten möglicherweise aus der Datenbank des Systems abrufen.

Ähnlich wie bei den Schritten, die wir bei GA4 durchlaufen haben, besteht der erste Schritt darin, die Konvertierung zu definieren. Bei der Pageview-basierten Attributionsanalyse müssen Sie auch die Seiten identifizieren, die Teil des Conversion-Prozesses sind.

Beispielsweise sind bei einer E-Commerce-Website mit Online-Kauf als Conversion-Ereignis die Einkaufswagenseite, die Rechnungsseite und die Bestellbestätigungsseite Teil des Conversion-Prozesses, da jede Conversion diese Seiten durchläuft.

Sie sollten diese Seiten aus den Seitenaufrufdaten ausschließen, da Sie keine Attributionsanalyse benötigen, um festzustellen, ob diese Seiten für die Konversion Ihrer Kunden wichtig sind.

Der Zweck dieser Analyse besteht darin, zu verstehen, welche Seiten Ihre potenziellen Kunden vor dem Konversionsereignis besucht haben und wie sie die Entscheidungen der Kunden beeinflusst haben.

Bereiten Sie Ihre Daten für die Attributionsanalyse vor

Sobald die Daten fertig sind, besteht der nächste Schritt darin, Ihre Daten in das folgende vierspaltige Format zusammenzufassen und zu manipulieren. Hier ist ein Beispiel.

Screenshot vom Autor, November 2022

Die Spalte Pfad zeigt alle Seitenaufrufsequenzen. Sie können jede eindeutige Seitenkennung verwenden, aber ich würde empfehlen, die URL oder den Seitenpfad zu verwenden, da Sie damit das Ergebnis anhand der URL-Struktur nach Seitentypen analysieren können. „>“ ist ein Trennzeichen, das zwischen Seiten verwendet wird.

Die Spalte Total_Conversions zeigt die Gesamtzahl der Conversions, zu denen ein bestimmter Pageview-Pfad geführt hat.

Die Spalte „Total_Conversion_Value“ zeigt den gesamten monetären Wert der Conversions aus einem bestimmten Seitenaufrufpfad. Diese Spalte ist optional und gilt hauptsächlich für E-Commerce-Websites.

Die Spalte „Total_Null“ zeigt, wie oft ein bestimmter Pageview-Pfad insgesamt nicht konvertiert werden konnte.

Erstellen Sie Ihre Attributionsmodelle auf Seitenebene

Um die Attributionsmodelle zu erstellen, nutzen wir die Open-Source-Bibliothek namens ChannelAttribution.

Obwohl diese Bibliothek ursprünglich für die Verwendung in den Programmiersprachen R und Python erstellt wurde, stellen die Autoren jetzt eine kostenlose Web-App dafür bereit, sodass wir diese Bibliothek verwenden können, ohne Code schreiben zu müssen.

Nachdem Sie sich bei der Web-App angemeldet haben, können Sie Ihre Daten hochladen und mit dem Erstellen der Modelle beginnen.

Für Erstbenutzer würde ich empfehlen, für einen Testlauf auf die Schaltfläche Demodaten laden zu klicken. Prüfen Sie unbedingt die Parameterkonfiguration mit den Demodaten.

Screenshot vom Autor, November 2022

Wenn Sie fertig sind, klicken Sie auf die Schaltfläche Ausführen, um die Modelle zu erstellen.

Sobald die Modelle erstellt sind, werden Sie zur Registerkarte „Ausgabe“ weitergeleitet, auf der die Attributionsergebnisse von vier verschiedenen Attributionsmodellen angezeigt werden – First-Touch, Last-Touch, Linear und Data-Drive (Markov-Kette).

Denken Sie daran, die Ergebnisdaten zur weiteren Analyse herunterzuladen.

Zu Ihrer Information: Obwohl dieses Tool ChannelAttribution heißt, ist es nicht auf kanalspezifische Daten beschränkt.

Da der Zuordnungsmodellierungsmechanismus unabhängig von der Art der ihm übergebenen Daten ist, würde er Conversions Kanälen zuordnen, wenn kanalspezifische Daten bereitgestellt werden, und Webseiten, wenn Seitenaufrufdaten bereitgestellt werden.

Analysieren Sie Ihre Attributionsdaten

Organisieren Sie Seiten in Seitengruppen

Je nach Anzahl der Seiten Ihrer Website kann es sinnvoller sein, Ihre Attributionsdaten zunächst nach Seitengruppen anstatt nach einzelnen Seiten zu analysieren.

Eine Seitengruppe kann so wenig wie nur eine Seite bis zu beliebig vielen Seiten enthalten, solange es für Sie sinnvoll ist.

Nehmen wir als Beispiel die Website von AdRoll: Wir haben eine Homepage-Gruppe, die nur die Homepage enthält, und eine Blog-Gruppe, die alle unsere Blog-Einträge enthält.

Bei E-Commerce-Websites können Sie Ihre Seiten auch nach Produktkategorien gruppieren.

Beginnend mit Seitengruppen anstelle von einzelnen Seiten können Vermarkter einen Überblick über die Attributionsergebnisse über verschiedene Teile der Website hinweg erhalten. Sie können bei Bedarf jederzeit von der Seitengruppe auf einzelne Seiten aufschlüsseln.

Identifizieren Sie die Ein- und Ausgänge der Conversion-Pfade

Kommen wir nach all der Datenaufbereitung und Modellbildung zum spaßigen Teil – der Analyse.

Ich würde vorschlagen, zunächst die Seiten zu identifizieren, auf denen Ihre potenziellen Kunden Ihre Website aufrufen, und die Seiten, die sie zur Konvertierung anleiten, indem Sie die Muster der First-Touch- und Last-Touch-Zuordnungsmodelle untersuchen.

Seiten mit besonders hohen First-Touch- und Last-Touch-Zuordnungswerten sind die Start- bzw. Endpunkte der Conversion-Pfade. Dies nenne ich Gateway-Seiten.

Stellen Sie sicher, dass diese Seiten für die Konvertierung optimiert sind.

Beachten Sie, dass diese Art von Gateway-Seite möglicherweise kein sehr hohes Verkehrsaufkommen aufweist.

Als SaaS-Plattform weist beispielsweise die Preisseite von AdRoll im Vergleich zu einigen anderen Seiten der Website kein hohes Verkehrsaufkommen auf, aber es ist die Seite, die viele Besucher vor der Konvertierung besucht haben.

Finden Sie andere Seiten mit starkem Einfluss auf die Entscheidungen der Kunden

Nach den Einstiegsseiten ist der nächste Schritt, herauszufinden, welche anderen Seiten einen hohen Einfluss auf die Entscheidungen Ihrer Kunden haben.

Für diese Analyse suchen wir nach Nicht-Gateway-Seiten mit hohem Zuordnungswert unter den Markov-Chain-Modellen.

Am Beispiel der Gruppe von Produkt-Feature-Seiten auf AdRoll.com zeigt das Muster ihres Attributionswerts über die vier Modelle hinweg (siehe unten), dass sie den höchsten Attributionswert nach dem Markov-Kettenmodell haben, gefolgt vom linearen Modell.

Dies ist ein Hinweis darauf, dass sie in der Mitte der Konversionspfade besucht werden und eine wichtige Rolle bei der Beeinflussung der Kundenentscheidungen gespielt haben.

Bild vom Autor, November 2022

Diese Seitentypen sind auch erstklassige Kandidaten für die Conversion-Rate-Optimierung (CRO).

Sie von Ihren Website-Besuchern leichter zu entdecken und ihre Inhalte überzeugender zu machen, würde dazu beitragen, Ihre Konversionsrate zu steigern.

Zur Wiederholung

Die Multi-Touch-Attribution ermöglicht es einem Unternehmen, den Beitrag verschiedener Marketingkanäle zu verstehen und Möglichkeiten zur weiteren Optimierung der Konversionspfade zu identifizieren.

Starten Sie einfach mit Google Analytics für die kanalbasierte Attribution. Untersuchen Sie dann den Conversion-Pfad eines Kunden mit seitenaufrufbasierter Zuordnung genauer.

Machen Sie sich keine Gedanken über die Auswahl des besten Attributionsmodells.

Nutzen Sie mehrere Attributionsmodelle, da jedes Attributionsmodell unterschiedliche Aspekte der Customer Journey zeigt.

Mehr Ressourcen:

• Ein vollständiger Leitfaden für B2B-Multitouch-Attributionsmodelle
• B2B-Keyword-Recherche richtig gemacht mit praktischen Beispielen
• Multichannel-B2B-Leadgenerierung: 8 Schritte zum Erfolg

Ausgewähltes Bild: Schwarzer Lachs/Shutterstock