Zum Hauptinhalt springen

Wann welches Attributionsmodell verwenden?

Frank Birzle avatar
Verfasst von Frank Birzle
Vor über einer Woche aktualisiert

Hinweis: Dieser Artikel wurde automatisch übersetzt. 🤖

Dieses Video beantwortet:

  • Wie die verschiedenen Attributionsmodelle in Klar funktionieren & wie sie Bestellungen den Touchpoints/Kanälen zuordnen

  • Welches Attributionsmodell wann verwendet werden sollte

Attributionsmodelle erklärt

Wir betrachten diese spezifische Customer Journey, um die Attributionsmodelle durchzugehen:

Statische Attributionsmodelle

  • Letzter Kontakt - der letzte Touchpoint erhält den gesamten Wert -> 100% E-Mail-Automatisierung in diesem Fall

  • Erster Kontakt - der erste Touchpoint erhält den gesamten Wert -> 100% TikTok in diesem Fall

  • Linear - jeder Touchpoint erhält den gleichen Anteil am Gesamtwert -> 20% für jeden der 5 Touchpoints

  • U-förmig - der erste und letzte Touchpoint erhalten etwas mehr, andere Touchpoints dazwischen erhalten weniger, aber einen gleichmäßig verteilten Teil des Wertes -> 30% TikTok, je 13% Facebook Paid, Influencer und Branded Paid Search, 30% E-Mail-Automatisierung

  • Einzigartig - voller Wert für jeden Touchpoint -> 100% TikTok, 100% Facebook, 100% Influencer, 100% Branded Paid Search, 100% E-Mail-Automatisierung

Dynamische Attributionsmodelle (Klar unique)

  • Datengesteuert - dynamische Neuverteilung des Wertes von Touchpoints basierend auf der auf der Seite verbrachten Zeit, der Nutzerabsicht, dem Kanaltyp, der Reihenfolge der Kanäle und Zeitverzögerungen sowie auch Zero-Party-Daten wie Rabattcodes und Antworten aus Umfragen nach dem Kauf (PPS)

    • Wenn der in den Zero-Party-Daten erwähnte Touchpoint (in einem Rabattcode oder einer PPS-Antwort) noch nicht in der Journey vorhanden ist, fügen wir einen neuen Touchpoint hinzu und fügen ihn als letzten oder ersten Touchpoint zur Journey hinzu

  • Marketing-Mix-Modell (aufbauend auf dem datengesteuerten Modell) - Berücksichtigung von Korrelationen zwischen Kanälen und Neuverteilung von Branded/Direct Traffic auf die ursprüngliche Quelle, wo die Nachfrage generiert wurde, basierend auf einem Machine-Learning-Algorithmus

    • PPS-Antworten, Korrelationen der Auswirkungen von Ausgaben, Impressionen und Engagement auf den Branded Traffic und die Conversions

Wann welches Attributionsmodell verwenden?

  • Einzigartig: kann für die tägliche Optimierung nützlich sein, "welche Creatives haben eine Art von Auswirkung auf eine Conversion"

  • Wir würden nicht empfehlen, sich auf die anderen statischen Modelle zu verlassen, da die Realität weitaus dynamischer und unschärfer ist

  • Datengesteuert in Kombination mit dem Marketing-Mix-Modell: gibt dir ein Verständnis dafür, welche Marketingkanäle tatsächlich Conversions fördern -> um das Marketingbudget den Kanälen zuzuweisen, die in der User Journey am relevantesten & effektivsten sind

    • MMM besonders nützlich für kurze User Journeys, die hauptsächlich von Branded/Direct-Kanälen angetrieben zu werden scheinen (basierend auf beobachtbaren Klicks)

    • Berücksichtigung von Dingen, die keinen "Touchpoint" generieren, wie Mundpropaganda als neuer Kanal (hauptsächlich über PPS)

    • Neuverteilung von Direct / Branded Traffic auf die ursprüngliche Quelle, in der die Nachfrage generiert wurde

    -> Verstehen, was die wirkliche Auswirkung meiner Marketingkanäle ist und welche von ihnen tatsächlich Conversions fördern

    -> Beste Option zur Zuweisung des Marketingbudgets, da sie alles berücksichtigt

Hat dies deine Frage beantwortet?