Wie ein Marketing-Attributionsmodell Gutschriften auf Touchpoints verteilt

Was ist ein Marketing-Attributionsmodell?

Analytics-Teams wählen ein Marketing-Attributionsmodell, um festzulegen, wie die Gutschrift für eine Conversion auf die vorausgegangenen Touchpoints verteilt wird. Das Modell beobachtet nichts Neues: Es wendet eine feste Regel auf Daten an, die Ihr Analytics bereits erfasst hat, und schreibt dann einen Prozentwert neben jeden Kanal. Wählen Sie das Modell, bevor Sie Kanäle vergleichen, denn zwei Modelle, die dasselbe Session-Log lesen, nennen zwei verschiedene Sieger.

Ein Kauf über $1,200 kann auf einen Blogbeitrag aus der Suche folgen, auf eine LinkedIn-Anzeige, die fünf Tage später geklickt wird, und auf einen Newsletter, der am Morgen des Checkouts geöffnet wird. Die Zahlung ist eine Zahl, und das Modell macht drei daraus. Flowsery liest das Zahlungsereignis selbst über Umsatzattribution aus Stripe, Paddle, Polar, Lemon Squeezy und Shopify, sodass der aufgeteilte Betrag der Betrag ist, der tatsächlich verbucht wurde.

Was ist der Unterschied zwischen Single-Touch- und Multi-Touch-Attribution?

Single-Touch-Attribution gibt einem Touchpoint 100 Prozent der Gutschrift und jedem anderen Touchpoint null. Multi-Touch-Attribution verteilt dieselbe Conversion auf zwei oder mehr Touchpoints mit Gewichten, die sich zu 100 Prozent summieren. Single-Touch kostet im Betrieb nichts und niemand streitet über die Arithmetik; Multi-Touch-Attribution rechtfertigt ihre Komplexität, sobald der Kaufzyklus länger dauert als eine Session.

First Touch und Last Touch sind die beiden Single-Touch-Modelle, und sie beantworten gegensätzliche Fragen. Der Vergleich von First Touch gegen Last Touch stellt die Gutschrift für die Entdeckung gegen die Gutschrift für den Abschluss, weshalb Acquisition und Demand Gen über ein Dashboard streiten.

Wie teilt jedes Attributionsmodell dieselbe Journey auf?

Lassen Sie eine identische Journey durch die sieben benannten Modelle laufen, und derselbe Touchpoint schwankt von 100 Prozent auf null. Die Journey: Tag 1, organische Suche zu einem Blogbeitrag; Tag 4, eine LinkedIn-Anzeige; Tag 9, ein Newsletter-Klick; Tag 12, ein Direktbesuch, der konvertiert.

Die ersten sechs Zeilen sind Arithmetik und lassen sich auf Ihren Daten exakt reproduzieren. Die datengetriebene Zeile ist die berechnete Ausgabe eines Accounts, keine feste Regel, Ihre Zahlen werden also abweichen. Lesen Sie die Spalte Organisch von oben nach unten: Dieser Blogbeitrag ist 100 Prozent des Kaufs wert, 40 Prozent, 13.3 Prozent oder nichts, und kein einziges Byte der Session-Daten hat sich geändert.

Wie berechnen Time Decay und positionsbasierte Modelle ihre Gewichte?

Time Decay gibt jedem Touchpoint ein Rohgewicht, das sich einmal pro Halbwertszeit halbiert, und normalisiert die Gewichte dann auf eine Summe von 100 Prozent.

weight = 0.5 ^ (days before conversion / half-life)

Bei sieben Tagen Halbwertszeit und der Conversion an Tag 12 liegt der organische Touch 11 Tage zurück, sein Rohgewicht ist also 0.5 ^ (11 / 7) = 0.336. Die LinkedIn-Anzeige erreicht 0.453, der Newsletter 0.743, der Direktbesuch 1.000. Diese summieren sich zu 2.532, Organisch nimmt also 0.336 / 2.532 = 13.3 Prozent. Verkürzen Sie die Halbwertszeit auf drei Tage, und Organisch fällt auf 4.5 Prozent, ohne dass sich an der Kampagne etwas ändert.

Positionsbasiert braucht keine Feinjustierung. Es gibt 40 Prozent an den ersten Touch, 40 Prozent an den letzten und verteilt die verbleibenden 20 Prozent auf die mittleren Touches: 10 Prozent je Touch bei zweien, 6.7 Prozent je Touch bei dreien. Linear ist noch einfacher: 100 geteilt durch die Anzahl der Touchpoints.

Was ist ein Attributionsfenster und wie verändert es die Antwort?

Ein Attributionsfenster ist das maximale Alter, das ein Touchpoint haben darf, um noch für eine Gutschrift infrage zu kommen, und es löscht Zeilen, bevor das Modell läuft. Verkleinern Sie das Attributionsfenster auf der obigen Journey auf sieben Tage, und der organische Touch an Tag 1 und der LinkedIn-Touch an Tag 4 hören auf zu existieren: Der Newsletter und der Direktbesuch teilen die vollen 100 Prozent neu auf, unter Linear springt der Newsletter also von 25 Prozent auf 50 Prozent und Organisch fällt auf null.

Das Fenster wiegt so schwer wie das Modell, und es ist die Einstellung, die Teams ungeprüft aus einem Plattform-Standardwert übernehmen. Messen Sie Ihre mediane Dauer vom ersten Touch bis zum Kauf und setzen Sie das Fenster darüber.

Warum ist jedes Attributionsmodell eine Schätzung?

Jedes Modell ist eine Schätzung, weil die Touchpoint-Liste schon unvollständig ist, bevor die Regel angewendet wird. Browser-Limits kappen die frühe Historie: Apples Intelligent Tracking Prevention begrenzt per Skript gesetzte First-Party-Cookies in Safari auf sieben Tage, und Mozillas Total Cookie Protection blockiert Third-Party-Cookies in Firefox standardmäßig, ein Browser kann also die erste Hälfte einer 30-tägigen Journey vergessen. Geräteübergreifende Lücken schneiden tiefer: Ein Telefon, das die Anzeige gesehen hat, und ein Laptop, auf dem der Checkout lief, sind zwei anonyme Besucher, bis sich die Person auf beiden anmeldet.

Adblocker, private Fenster, In-App-Browser und Links, die ohne UTM-Parameter geteilt werden, entfernen weitere Zeilen, und in Chats eingefügte Links kommen als Direct Traffic an. Flowsery ist von Grund auf cookiefrei und in der EU gehostet, was das Consent-Banner aus dem Messpfad nimmt, und trotzdem sieht es keinen Kauf auf einem Gerät, das der Anzeige nie begegnet ist. Lesen Sie die Modellausgabe als Rangfolge, nach der Sie handeln, nicht als Hauptbuch, das Sie prüfen.

Was ist selbstberichtete Attribution und warum betreiben Teams sie parallel?

Selbstberichtete Attribution ist eine Frage im Signup- oder Checkout-Formular, die den Käufer fragt, wo er von Ihnen gehört hat, gespeichert auf dem Kundendatensatz. Sie existiert, weil Klickdaten präzise sind in dem, was sie erfasst haben, und blind für alles andere: eine Podcast-Erwähnung, eine Slack-Community, ein Konferenzvortrag, die Empfehlung eines Kollegen. Kein Skript sieht das.

Teams betreiben beides, weil sich die Fehlerprofile aufheben. Klickdaten sind granular und abgeschnitten; die Formularantwort ist unscharf, trägt Erinnerungsverzerrung und deckt die dunklen Kanäle ab. Vergleichen Sie beide monatlich, und wenn das Formular immer wieder einen Kanal nennt, den Ihre datengetriebene Attribution nahe null bewertet, haben Sie einen blinden Fleck gefunden, keinen verwirrten Käufer.

Welches Marketing-Attributionsmodell sollten Sie wählen?

Wählen Sie das Modell, das zur Länge Ihres Verkaufszyklus passt. Zyklen unter einer Woche mit ein oder zwei Touchpoints verlieren unter Last Non-Direct fast nichts, und der Betrieb kostet nichts. Zyklen über 30 Tage mit vier oder mehr Touchpoints brauchen Positionsbasiert, oder Datengetrieben, sobald Sie genug Pfade haben, dass sich seine Gewichte zwischen Aktualisierungen nicht mehr bewegen.

Veröffentlichen Sie ein Modell als Hauszahl, damit Budgetdebatten eine gemeinsame Referenz haben, und behalten Sie First Touch und Last Touch daneben als Grenzen der ehrlichen Spanne. Ein Kanal, der unter allen dreien gewinnt, verdient mehr Budget. Ein Kanal, der unter einem gewinnt, sagt Ihnen etwas über das Modell, nicht über den Kanal.

Häufig gestellte Fragen

Was ist der Unterschied zwischen einem Attributionsmodell und einem Attributionsfenster?

Das Modell entscheidet, wie die Gutschrift auf die infrage kommenden Touchpoints verteilt wird. Das Fenster entscheidet, welche Touchpoints überhaupt infrage kommen, indem es begrenzt, wie weit ein Touch zurückliegen darf und trotzdem zählt. Das Fenster läuft zuerst, ein kurzes setzt also Kanäle auf null, die das Modell gut bezahlt hätte.

Welches Attributionsmodell ist am genauesten?

Keines ist genau, weil keines Kausalität beobachtet. Jedes wendet eine Annahme auf eine unvollständige Touchpoint-Liste an, die eigentliche Frage ist also, welche Annahme zu Ihrem Kaufzyklus passt. Datengetrieben passt, wenn Sie das Pfadvolumen haben; Positionsbasiert ist der stärkste Standard, wenn nicht.

Warum melden meine Werbeplattform und mein Analytics-Tool unterschiedliche Zahlen?

Werbeplattformen attribuieren gegen ihren eigenen eingeloggten Identitätsgraphen und zählen View-Through-Conversions innerhalb ihrer eigenen Lookback-Einstellungen. Analytics-Tools attribuieren pro Session, verwenden standardmäßig Last Non-Direct und sehen nie eine Impression, die keinen Klick erzeugt hat. Derselbe Kauf wird zweimal beansprucht, weshalb die von Plattformen gemeldeten Conversions in der Summe über Ihrer echten Bestellzahl liegen.

Wie viele Touchpoints braucht ein datengetriebenes Modell?

Genug konvertierende und nicht konvertierende Pfade, dass sich die berechneten Gewichte zwischen Aktualisierungen nicht mehr verschieben. Beobachten Sie zwei oder drei aufeinanderfolgende Neuberechnungen: Schwankt der Anteil eines Kanals ohne Kampagnenänderung um mehrere Punkte, passt das Modell Rauschen an. Fallen Sie auf Positionsbasiert zurück, bis das Volumen aufholt.

Ignoriert Last-Non-Direct-Attribution den Direct Traffic vollständig?

Last Non-Direct überspringt den direkten Touch und bezahlt den vorherigen identifizierbaren Kanal. Es existiert, weil vieles von dem, was Analytics als direkt kennzeichnet, falsch attribuierter Traffic ist: ein entfernter Referrer, ein Link aus einer Chat-App, eine gebookmarkte URL. Der Nachteil ist, dass echte Direktbesuche nie als gutgeschriebener Kanal auftauchen.

Kann ich mehr als ein Attributionsmodell gleichzeitig verwenden?

Mehrere Modelle gegen dieselben Conversion-Daten laufen zu lassen ist der Sinn der obigen Tabelle. Bestimmen Sie eines als gemeldete Zahl, damit Budgetentscheidungen eine einzige Referenz haben, und behalten Sie First Touch und Last Touch daneben als Spanne. Ein Kanal, der unter jedem Modell in den Top drei liegt, ist ein sicherer Ort für mehr Ausgaben.

Erfordert ein Wechsel des Attributionsmodells eine neue Erfassung?

Nein. Ein Modell ist eine Regel, die auf bereits erfasste Analysedaten angewendet wird, keine neue Messung, daher liefert derselbe Touchpoint-Log unter positionsbasiert einfach andere Prozentsätze als unter First Touch. An Ihren Tags oder Pixeln ändert sich nichts.

Wie berechnet Flowsery den Umsatz hinter jedem Touchpoint?

Flowsery liest das Zahlungsereignis selbst über Umsatzattribution-Integrationen mit Stripe, Paddle, Polar, Lemon Squeezy und Shopify aus. Der Betrag, der auf die Touchpoints aufgeteilt wird, ist der Betrag, der tatsächlich abgerechnet wurde, nicht eine Schätzung aus dem eigenen Klick-Log einer Werbeplattform.

Wie lang sollte ein Attributionsfenster sein?

Setzen Sie es länger als Ihre mediane Anzahl Tage vom ersten Touchpoint bis zum Kauf, nicht die Standardeinstellung einer Plattform. Ein Fenster, das kürzer als dieser Median ist, löscht echte Touchpoints, bevor das Modell überhaupt läuft, so wie ein siebentägiges Fenster einen organischen Touch von Tag 1 in einer 12-tägigen Journey verschwinden lässt.

Wie teilt das positionsbasierte Modell die mittleren 20 Prozent bei drei statt zwei Touchpoints auf?

Positionsbasiert gibt immer 40 Prozent an den ersten und 40 Prozent an den letzten Touch, sodass 20 Prozent für alles dazwischen bleiben. Bei zwei mittleren Touchpoints bekommt jeder 10 Prozent, kommt ein dritter dazu, sinkt jeder Anteil auf 6,7 Prozent.