Du har sikkert hørt ordet attribusjon tidligere. I denne artikkelen forteller vi hvordan en attribusjonsmodell virker og hvorfor dere bør vurdere det som en naturlig del av markedsføringen. En datadrevet attribusjonsmodell gir dere mye bedre innblikk i hvordan markedsføringskronene leverer, og forteller nøyaktig hvilken investering som til slutt førte til selve konverteringen – selve salget.
Modellen som viser ’hva som sørget for selve konverteringen’
Av Linus Larsson, Head of Digital Marketing and Analytics, Knowit Experience, Gøteborg
Vår generelle oppfordring er å fordele markedsføringsbudsjettet basert på datadrevne beslutninger og økt avkastning!
Hvordan de fleste evaluerer inntekter og kanaler i dag
Kanskje den vanligste måten å vurdere hvordan en kampanje på nettet har prestert, er å gå inn i Google Analytics, eller tilsvarende verktøy, og generere en rapport med trafikkilder. Der trekker du fra inntektene fra den respektive trafikkilden og sammenligner med kostnaden per nådd individ. Deretter kan det bestemmes om avkastningen var over eller under målet.
I noen tilfeller kan du også koble transaksjonsdata fra Google Analytics direkte inn i kampanjeverktøyet og lese resultatene der i stedet. Det gjør det ofte lettere å justere kampanjene direkte i verktøyet og optimalisere basert på avkastning. Problemet med denne typen analyse er at man går glipp av de gangene kampanjen påvirket en besøkende på et tidligere tidspunkt, enn når den faktiske transaksjonen ble fullført.
La oss ta et eksempel
Et selskap investerer i en Google-kampanje for å treffe dem som søker for eksempel hoteller i Stockholm. Noen i markedsavdelingen bestemmer seg for å aktivere en remarketingkampanje for de som besøkte nettstedet. Etter å ha fullført kampanjen og analysert resultatene i Google Analytics, ser man at Google-kampanjen oppnådde en avkastning på 220 prosent, mens remarketingkampanjen hadde en avkastning på opptil 1,800 prosent. Konklusjonen til markedsavdelingen er at Google-kampanjen ikke ga tilstrekkelig resultat til å fortsette å annonsere, mens remarketingkampanjen er en gullgruve som det skal skal investeres enda mer i. Neste måned investerer dere i stedet to ganger i remarketing og ingenting på Google-kampanjen. Når kampanjen analyseres etter månedsskiftet, innser dere at avkastningen har falt til 400 prosent. For argumentets skyld har jeg overdrevet disse tallene; vanligvis er det ikke så store forskjeller, men du har kanskje sett lignende trender tidligere i annonseringen din? Hva kom dere fremt til? Er det den endrete markedsføringen i andre kanaler som har påvirket, eller har dere valgt å tolke det som det økte budsjettet ovenfor eller bare funnet ut at det er en tilfeldighet? Det er nå det er på tide å snakke om attribusjon!
Hva er attribusjon?
Attribusjon definerer en verdi for et kontaktpunkt basert på virkningen det har på et mål som er satt for aktiviteten, for eksempel en fullført transaksjon. Hvis du for eksempel besøkte nettstedet fire ganger fra fire forskjellige kilder og handlet for 800 kroner, kan du dele verdien av hver enkelt kilde og dermed tildele dem en verdi på 200 kroner hver. Denne typen modell kalles lineær tildeling, noe som betyr at du tildeler hvert kontaktpunkt verdien av transaksjonen delt på antall kontaktpunkter den besøkende brukte for å få tilgang til nettstedet før kjøpet ble gjort. Det er mange modeller for attribusjon og ulike modeller passer ulike aktiviteter.
Den vanligste attribusjonsmodellen er den ’siste-klikk’-modellen, som de fleste bruker i dag, og er standard i Google Analytics. Det betyr derfor at hele verdien av en transaksjon er gitt til den kanalen den besøkende kom fra når transaksjonen ble fullført.
Nå bør du involvere en av markedsfolkene dine før du leser videre
Den motsatte modellen er ’første-klikk’-modellen, som ganske riktig, tildeler hele verdien til kanalen den besøkende kom fra ved sitt første besøk. I noen tilfeller kan det være viktigere å måle effektiviteten av en kampanje som skal finne nye kunder, og i så tilfellet, passer denne modellen veldig bra. Et problem med denne modellen kan være at en besøkende har brukt flere enheter. Fordi analyseverktøy benytter informasjonskapsler for å spore brukere, er en person som bruker både mobil og datamaskin registrert som to unike brukere. Dette betyr at den første kanalen den besøkende kom fra når du bruker attribusjonsmodeller, kanskje ikke er den første, men bare den første på den enheten. En bruker kan da se en kampanje på mobilen sin, og deretter besøke nettstedet ved å skrive inn en URL på datamaskinen og deretter handle. Det finnes imidlertid måter å forbedre denne typen sporing på, blant annet ved å benytte "bruker-ID" i Google Analytics.
To andre vanlige modeller er en posisjonsbasert modell og en theta-modell. En posisjonsbasert modell tildeler 40 prosent av verdien av en transaksjon til både det første og det siste kontaktpunktet. De resterende 20 prosent er jevnt fordelt mellom de mellomliggende kontaktpunktene. En theta-modell tilordner det første kontaktpunktet den laveste verdien og deretter øker verdien for hvert kontaktpunkt.
Datadrevne beslutninger trumfer alt
Det er mange modeller innen attribusjon som kan brukes og Google Analytics tillater brukeren å lage modeller basert på hva som er mest effektivt for virksomheten. For å komplisere ytterligere, tenkte jeg også å gå gjennom den datadrevne modellen. Dette er en utrolig kraftig modell som analyserer hvert trinn i de forskjellige konverteringsbanene, og tilordner en verdi til hvert enkelt kontaktpunkt basert på virkningen av det bestemte kontaktpunktet i konverteringen. Denne modellen er ikke tilgjengelig i standardversjonen av Google Analytics, men brukes i Google Analytics 360. Dere kan også gjøre denne typen attribusjonsmodellering manuelt, men det kan ta lang tid og er svært komplisert. Mange som jobber med datadrevet attribusjonsmodellering, er basert på kooperativ spillteori, som systematisk identifiserer forholdene som genererer de beste resultatene og hvordan de forskjellige konverteringsbanene påvirkes dersom et kontaktpunkt slettes. På denne måten kan du identifisere hvor mye verdi hvert enkelt kontaktpunkt skal tilordnes, og kan således måle den faktiske effekten av en kampanje betydelig mer nøyaktig.
Derfor bør attribusjon være en selvfølge
Ved å implementere en attribusjonsmodell som er tilpasset virksomheten, eller en data-drevet attribusjonsmodell, får du mye bedre innsikt i markedsføringen. Du kan se effekten av de ulike kampanjene på totalt salg, i stedet for bare å se på det siste kontaktpunktet. Tenk på deg selv; Hvor mange ganger har du ikke klikket på en annonse eller lenke, kom inn på et nettsted og begynte å tenke på å kjøpe et eller annet, men ikke helt fullført handelen? Kanskje du havner på det samme nettstedet dagen etterpå. Skriver du da inn URL-adressen i nettleseren eller Googler du for å komme inn i nettbutikken for å gjennomføre handelen? I disse tilfellene, uten attribusjon, kan ikke virksomheten deres tilskrive selve handelen til den annonsen som faktisk opprettet kjøpsinteressen fra begynnelsen. Når du implementerer en passende attribusjonsmodell, kan du derfor fordele markedsbudsjettet til de kanalene som faktisk bidrar til det høyeste salget, og dermed øke avkastningen betydelig.