Attribution modelling og marketing attribution er en strategisk gamechanger i data-drevet marketing

Attribution modelling, eller på dansk, attributions-modellering, er på ingen måde nyt, men får nu for alvor den opmærksomhed det fortjener. 

Vi har spurgt mere end 1.000 virksomheder og under 1% brug gør i dag brug af marketing attribution i deres digital marketing strategi.

Det er ikke kun ærgerligt fordi det betyder et væld af fejlkonklusioner, men det betyder også et massivt uforløst potentiale. Marketing attribution og attributions modellerering er nemlig intet mindre end en game-changer i data-drevet digital markedsføring.

Lad os kigge på hvorfor.

Forbrugeren har de seneste 10 år fordoblet deres digitale touch points, og medtages offline, er antallet mangedoblet. Vi frasorterer i højere grad den markedsføring vi eksponeres for, vi laver mere research og vi hopper rundt i markant flere kanaler frem mod den endelige konvertering. Derfor giver det heller ikke mening at arbejde med én digital kanal i en silo uden at indsatsen hænger tæt sammen med de øvrige digital marketingsaktiviterer. Det er med andre ord, helt essentielt at være opmærksom på den enorme værdi der ligger at binde kanalerne sammen, hvilken effekt de har på hinanden i en kunderejse og hvordan kanaler kan bidrage til hinandens effekt.

Arbejdes og måles der alene på en enkelt kanal og agerer du på baggrund af disse data, træffer du sandsynligvis en række fejlkonklusioner og famler i blinde. Med attribution modelling får du både indsigt i hele kunderejsen og kan også ret nøjagtigt træffe beslutninger om hvorvidt en aktivitet reelt set bidrager med værdi, trods den ikke kan aflæses som værende last-click før konverteringen.

Uden attribution modelling og marketing attribution analyserer du data baseret på sidste klik. Med andre ord får den seneste og sidste kilde lige inden en konvertering, al kreditten. Klikker en bruger på en Facebook annonce og konverterer, ja så får Facebook al æren for konverteringen. Og agerer du på baggrund af det vil dermed typisk skrue op for adspendet hos Facebook, såfremt CAC, CLV og ROI er positiv. Det kan dog være et problem. Reelt set kan der være touch points før det, som fik brugeren modnet til at klikke på Facebook-annoncen. Men disse kanaler får ingen kredit herfor. Men det kan de få. Med attribution modelling.

Med attribution modelling analyserer I derimod hele kunderejsen med de respektive touch points frem til det sidste klik. Klikker en bruger på en Google annonce, herefter på en FB annonce, laver en organisk Google søgning og klikker så et link i dit nyhedsbrev og konverterer, ja så få alle kanaler en del af æren og tilskrives en andel af værdien.

På alle kunder i KYNETIC arbejder vi med marketing attribution som standard enten via GA, FB eller anden  tracking-software og bruger det løbende til at evaluere og justere vores 360 graders indsats. Gentagende gange har vi enten opskaleret eller slukket for aktiviteter som uden attributionsmodellering pegede på det modsatte. Og generelt oplever vi typisk et løft i ROI på 15-47% ved brug af attribution modelling fremfor traditionelle attributionsmetoder.

Vidste du at:

Attribution stammer fra pyskologiens attrbutionsteori, som fra starten af 19-tallet blev brugt til at forklare individers handlinger og adfærd. Attribution modelling er i dag et begreb der er essentielt i digital markedsføring, hvori attribution marketing benyttes på tværs af alle discipliner til at identificere handlinger og touch points, som i en eller anden grad bidrager til at opnå et ønsket mål. Med attribution modellering og marketing attribution opnås en forståelse for hvilke touch points, hvilken kombination af touch points og deres rækkefølge der skal til for at påvirke målgruppen til at udvise en given adfærd, som ultimativt ender i en konvertering i form af et lead eller et salg.

Eksempler på brug af marketing attribution i praksis

Når du arbejder med marketing attribution, skal der typisk træffes en række valg både om system til måling af data

De typiske modeller og deres fordele og ulemper har jeg listet herunder:

Marketing attribution analyse af 2 mio session og +24.000 transaktioner med Google Analytics positionsbaseret model og statiske data. 

Herunder ses dataene fra Google Analytics med små 2 milliioner sessions fra en af vores kunder og mere end 24.000 ordrer. Med andre ord et ret omfattende datasat. Direkte trafik og email er de best performande kanaler og typisk vil det største fokus jvf. data være her.

Men ved at benytte marketing attribution, ser vi et helt andet billede. I dette tilfælde benytter vi Google Analytics som værktøj, bruger en positionsbaseret attributions model med en statisk databehandling (hvilket med så store datamængder giver en data validitet på +95%).

Ved at gøre det kan vi nu analysere os frem til at Organisk Search , Paid Search og Social har markant højere værdi end hvad en standard last-click model fortæller os. Og det gør os i stand til at prioritere indsats, budget og aktiviteter mere effektivt.

Data-drevet marketing attribution med brug af machine learning

Marketing attribution er i sagens natur altid data-drevet, men for at gøre forvirringen total, er det også et teknisk begreb. Der er nenmlig marketing attribution med statiske attributionsmodeller som eksemplet før og så er der data-drevet marketing attribution, som dækker over at der gøres brug af machine learning til at analysere dataene, forstå sammenhænge og forudse mønstre.

Data-drevet marketing attribution omtales af nogen som den overlegne variant, men det er ikke altid tilfældet. Eksempelvis kan statiske modeller være mindst lige så gode, hvis man har data nok. SAmtidig er de data-drevne modeller kun tilgængelige i enten Facebook Insight eller 3. parts-systemer der skal købes. Og bruger man Facebook’s variant, så fungerer den kun på Facebooks egne kanaler såsom Facebook Ads, Instagram, Messenger mm. Samtidig kræverr det at man stoler på Facebook’s metode til at måle data, hvilket i flere undersøgelser og stikprøver har vist sig at være misvisende , da de over-attribuerer annoncevisninger

Når det er sagt, er Facebooks værktøj stadig et glimrende værktøj, og som vi kommer ind på senere, har med deres people-based tracking metode, gode forudsætninger for at kunne levere data og indsigt til ret væsenliger optimeringsmulgheder.

I eksemplet herunder ses brugen af data-drevet marketing attribution via Facebooks Attributionsværktøj, hvor vi har analyseret en mindre kampagne for en kunde.

Analyseres dataene bare igennem en klassisk last-click model, har Facebook-kampagnen resulteret i 8 konverteringer/salg. Med andre ord en kampagne uden succes, som bør slukkes eller optimeres væsentligt.

Analyserer vi derimod effekten over hele kunderejsen med brug af Facebooks datadrevne attribution, kan vi se at Facebook-kanalerne har været involveret i 113 konverteringer. Med andre ord en langt større indflydelse og effekt. Derfor giver det bedst mening at fortsætte og sågar skalere kampagnen.

Vælg den rette marketing attributionsmodel til jeres forretning

Der findes flere forskellige attributionsmodeller, som hver især tilskriver forskelligt for hvert touch point frem til konverteringen og det er samtidigt muligt at udvikle sine egne modeller, der passer til ens virksomhed og produktmix. Det vigtigste er at tage aktiv stilling til en passende model og bruge den løbende i sin marketingstrategi.

De typiske modeller og deres fordele og ulemper har jeg listet herunder:

1. Sidste interaktion / Last interaction

Sidste interaktion attributionsmodellen – også kaldet last click, tilskriver hele konverteringsværdien til den seneste kanal/kampagne, som brugeren kommer fra op til købet. Det vil sige at klikkes der på en Google Ads annonce og der sker en konverterer, så får Google Ads hele æren herfor. Sidste interaktion er standard setup i Google Analytics.

Fordele ved sidste-klik attributionsmodellering:

• Har i mere end 10 år været standarden i webanalyse og bruges stadig den dag i dag mere end 75% af alle virksomheder.
• Data er sammenlignelig bag ud i tid og med andre virksomheder.
• Fortæller hvad der i low-funnel skaber en konvertering og kan virke fint, hvis man udelukkende er interesseret i en kortsigtet ultra low-funnel indsats baseret på korte kunderejser.

Ulemper ved sidste-klik attributionsmodellering:

• Tager ikke højde for kunderejsen og at det faktum at en bruger typisk har flere touch points inden en konvertering.
• Leder til fejlkonklusioner, da du med denne model vil slukke for de dele af dine marketingmix, som ikke bidrager med det sidste klik. Problemet er at de sagtens kunne være årsagen til brugeren overhovedet kom så langt i deres kunderejse. Vi anbefaler derfor aldrig at bruge last-click som sin standard attributionsmodel.

2. Første interaktion / First interaction

Første interaktion tilskriver 100% af værdien til den kanal/kampagne, som brugeren først klikkede på i deres kunderejse. Det vil sige det der skaber opmærksomheden. Klikker en bruger først på en Google Ads annonce, og herefter i dit nyhedsbrev, vil Google Ads tilskrives hele æren for konverteringen.

Fordele ved første klik attributionsmodellering:

• Denne attributionsmodel er også ret simpel, men kan være fin i en strategi, der udelukkende fokuserer på at øge efterspørgslen, da alt optimeres mod hvad der først introducerer jeres brand og produkter til målgruppen uafhængigt om det konverterer.

Ulemper ved første klik attributionsmodellering:

• Giver ikke mange optimeringsmuligheder efterfølgende, indsatsen kobles ikke med hvad der reelt driver konverteringer og indtjening.
• Kan ikke bruges i samspil med  en CLV- og CAC strategi
• Vi anbefaler generelt ikke denne attributionsmodel, da den ligesom sidste interaktion, er for simpel og ikke inddrager hele kunderejsen.

3. Sidste ikke direkte klik

Sidste ikke direkte-klik attributionsmodellering giver 100% af æren og dermed konverteringstilskrivningen til det sidste touch point, der skaber konverteringen, som ikke er et direkte klik. Direkte kliks sker typisk når en bruger kender jer og er købsmoden, hvorefter de går direkte ind på jeres website. Denne del har I dog mindre kontrol over i jeres marketingmix, da direkte trafik typisk er en afledt effekt.

Fordele ved sidste ikke-direkte klik attributionsmodellering:

• Direkte trafik er typisk en svær størrelse. I princippet bør direkte trafik alene indeholde trafik, der kommer fra brugere der indtaster jeres adresse web-adresse i browseren og går direkte ind på websitet. I virkeligheden finder andre data desværre også vej i denne kategori. Derfor giver sidste ikke direkte attribution den fordel, at den mindst valide kanal hvad angår datavaliditet, tages ud af ligningen.
• Er typisk bedre en last-interaktion, da indsatsen fokuseres mere på skabe efterspørgslen fremmod at brugeren selv går direkte ind og køber.

Ulemper ved sidste ikke-direkte klik attributionsmodellering:

• Besøgende der går direkte ind på dit website, udviser en adfærd der eksakt den samme som besøgende der google dit brand. Med andre ord direkte trafik, siger noget om brugernes adfærd som ikke entydigt er kendetegnede for denne kanal. Det er dermed kun det halve billede.
• Der kan skabes masser af konvertering og salg direkte fra kanaler eller kunderejser der ikke inkluderer direkte-trafik. Derfor er det ikke hensigtsmæssigt at det netop er denne specifikke kanal, der krediteres alene.

4. Lineær attribution

Alle touch points får en ligelig værditilskrivning. Er der 5 touch points eksempel e-mail, betalt, organisk, direkte og social, frem mod en konvertering, får de hver 20% værditilskrivning. Denne model er den simpleste attributionsmodel, hvor der arbejdes med værditilskrivning til flere touch points.

Fordele ved lineær attributionsmodellering:

• God model, da den krediterer alle marketing kanaler/kampagner i de forskellige skridt ned igennem marketingtragten.
• Er standard og ligetil at arbejde med i de fleste virksomheder og langt bedre end en last click model. Hvis du er i tvivl, er denne model, et godt sted at starte.

Ulempe ved lineær attributionsmodellering:

• Modellen tager ikke forholdsvis hensyn til at visse touch points kan være mere værd end andre. Det kan være komplekst at forstå hvor meget de enkelte touch bidrager i en længere kunderejse, men en typisk huskeregel er at de første og sidste touch points typisk er lidt mere værd end dem ind imellem.

5. Tidsfordeling / henfaldstid / time decay attribution

Denne model tilskriver også de forskellige touch points, men vægter tilskrivningen efter hvor tæt brugeren er på konverteringen. Jo tættere på købet, jo højere tilskrivning af værdi.

Fordele ved tidsfordelt attributionsmodellering:

• Denne model er en af vores favoritter, da tager højde for at brugeren skal modnes frem til en konvertering, giver alle touch points kredit via en simpel algoritme og samtidig belønner de touch points, tættest på konverteringen, med den største vægtning.
• Tager højde for at ikke belønne unødvendigt meget til diverse fejl-klik på ads, bannere, video mv. og uinteresserede brugere, der stopper deres kunderejse efter kort tid.

Ulemper ved tidsfordelt attributionsmodellering:

• Er ligesom de andre attributionsmodeller ikke 100% præcis
• Første klik, er typisk vigtigt i en kunderejse. Både for at skabe opmærksomheden, men også for at tracke brugeren til efterfølgende retargeting mv. Dette belønner denne model ikke i særlig i høj grad.

6. Positionsbasere attribution / Position based

Positionsbaseret attrinbution er ligesom tidsfordeling en af vores favoritter blandt standard-modellerne. Modellen tilskriver værdi baseret på deres sekventielle position i kunderejsen. Typisk vil den første og sidste interaktion tilskrives med den største værdi. Er der 5 touch points, vil touch point 1 og 5, få en større procentuel kredit af den samlede konvertering end touch 2,3 og 4.

Fordele ved positionsbaseret attributionsmodellering:

• En stærk model, der tager højde for flere touch points og via en algoritme automatisk tilskriver værdi til alle trin i kunderejsen.
• Er særlig god, da den tilskriver det vigtige første klik og den vigtige sidste konverterende klik, højere end de andre touch points. Det vil sige at det der vækker opmærksomheden eller indhenter den besøgende og det der afslutter kunderejsen i form af en konvertering automatisk får en større værdi. Denne model bruger vi hyppigst blandt standardmodellerne.

Ulemper ved positionsbaseret attributionsmodellering:

• Sker den vigtig interaktion mellem første og sidste klik, som overbeviser brugeren om de skal købe eller bestille eksempelvis i morgen, vil denne interaktion tilskrives med mindre værdi, end morgendagens sidste klik.

7. Skræddersyet attributionsmodellering

Ikke to virksomheder er ens, men deres kunderejser kan sagtens være sammenlignelige. Trods det kan det ofte give mening, at kortlægge og udarbejde sin egen attributionsmodel, der tilskriver og vægter værdi efter en model, der passer lige til jeres forretning.

Fordele ved skræddersyet/custom attributionsmodellering:

• Der kan laves en attributionsmodel der tilskriver alle touch points og samtidig vægte hvert led i kunderejsen, så det passer til jeres typiske kunderejser, salgsprocesser og marketingmix. Dermed bliver modellen mere præcis og jeres efterfølgende data-drevne beslutninger bedre.
• Vi anbefaler ofte en skræddersyet model for højeste præcision.

Ulemper ved skræddersyet/custom attributionsmodellering:

• Tager tid at sætte op og teste
• Det kræver en vis indsigt i jeres virksomhed, kunderejser og markedsføring, før det giver mening at lave en skræddersyet model.
• At lave sin egen attributionsmodel og sammensætte den rette vægtning kan være komplekst og bør altid testes.

Identificering af relevante mønstre med attribution modelling

Selvom det kan være svært at generalisere, er der en altid en række mønstre, som er relevante, for de fleste virksomheder, at identificere og undersøge nærmere ved brug af attribution modelling. Med attribution modellering er det muligt at analysere jeres data dybere og få en større forståelse for jeres kunders adfærd.

Jeg har herunder listet de mønstre, som vi oftest støder på i vores analysearbejde og de teser de kan besvare:

Konverteringer fra direkte trafik à Er dit brand så stærkt som du tror det er?

Andelen af direkte trafik og konverteringer fra direkte trafik, bruges ofte til at give et fingerprej om hvor stærkt dit brand er. Analyser data via en attributionsmodel og afklar om I har samme tal herefter.

Annonceringens reelle bidrag à Hvad får du reelt ud af dine annonceringskroner?

De virksomheder der bruger mange annonceringskroner, har styr på deres CPC, CPM, CAC, ROAS og ROI. Men typisk aflæses ROI, ROAS og CAC efter last-click metrics. Analyser jeres annonceringskanaler via en attributionsmodel og afklar hvor meget de enkelte betalte kanaler reelt set bidrager. Her bliver de fleste typisk overrasket.

Identificer top-funnel-værdien à Hvad assisterer mest dine konverteringer og er god til at skabe opmærksomhed tidligt i kunderejsen?

De fleste fokuser meget på low-funnel og høste konverteringer i markedet, men glem ikke værdien i at arbejde med top-funnel, skabe et brand, skabe opmærksomhed og øge efterspørgslen i markedet. For at gå data-drevet til værks, så brug en attributionsmodel på jeres data, og se hvilke kanaler og aktiviteter, der er særlig gode til at assistere frem mod konverteringen. Læs mere om tragtbaseret digital marketing strategi i vores uddybende guide hertil her.

Identificere low-funnel-værdien à Hvad er godt til at lukke salget?
Modsat top-funnel, så brug en attributionmodel til at kortlægge kanaler og aktiviteter, der er særligt gode til at lukke salget og få konverteringen i hus.

Konverteringstier à Hvilken rækkefølge af touch points virker bedst?
Arbejdes der med attributionsmodeller, får I også adgang til data om konverteringsstier. Det vil sige en trin for trin, hvilken sekventielle kanalsammensætning, der performer bedst. Brug den til at lave reverse-engineering på jeres marketingstrategi og operationelle marketingindsats.

Konverteringsstier eksklusiv direkte à Hvilke sekventielle kunderejser baseret på kanaler skaber flest konverteringer
Direkte trafik kan være en svær størrelse og påvirkes typisk af jeres generelle marketingmix, samt top-funnel indsats. Tages denne kanal ud af ligningen i rapporten for konverteringstier, kan I se hvilke kanalen der sekventielt skaber flest konverteringer.

Konverteringstid à Hvor lange er vores typiske kunderejser og hvornår konverterer flest?
En særdeles brugbar information til jeres annoncerings- og marketing automation-setup er tid. Forståelse for tid, giver forståelse for timing og giver jeres fundamentet for rette kontekst. Brug rapporten med konverteringstid til at se længden på jeres typiske kunderejser og hvor mange dage der skal til for at konvertere de fleste. Herefter kan jeres marketingindsats skræddersyes hertil.

Enheder à Optimer jeres annoncer på tværs af mobil og desktop

Brug ‘Flere enheder’ rapporten i Facebook attribution til at finde ud hvor mange brugere deres konverterer på eksempelvis desktop efter de har set en annonce på mobilen, og omvendt. Brug efterfølgende den viden til at optimere målretning og frekvens I jeres annoncering – eksempelvis i Google Ads

Værktøjerne til at arbejde med attributionsmodellering

Hvis I ikke allerede arbejder med attributionsmodellering, vil jeg anbefale det, som absolut en af de vigtigste strategiske indsatsområder i jeres marketingstrategi for de kommende år. Har I styr på modellerne og hvordan I løbende vil måle på dem, skal I have dem implementeret i jeres hverdag.

Der findes forskellige værktøjer til at arbejde attribution modelling. Vi benytter flere forskellige heriblandt også en række betalingsværktøjer, som giver udvidede muligheder for dataanalyse, data-visualisering og hurtigere afkodning af hvad der virker og ikke virker.

I kan desværre sjældent stole 100% på ét værktøj alene, da de forskellige data (sessions, kanaler mv.) behandles forskelligt. Derfor vælger vi typisk et lead-system og supplerer med flere systemer til at identificere mønstre og dermed holder dataene op mod hinanden på tværs af systemer. Det giver både mere valide data og bedre konklusioner, som i sidste ende betyder større besparelser og højere indtjening.

Når det er sagt, kan I komme langt med systemer i typisk har adgang til i dag såsom Google Analytics og Facebook Insight.

Lad os se nærmere på dem.