Blog > Holistic Cross-Channel Campaigns > Traffic Attribution Modeling in Google Analytics - leichter durch Visualisierung

Traffic Attribution Modeling in Google Analytics - leichter durch Visualisierung

von Siegfried Stepke

12. August 2013

Lesedauer: 5 Minuten

Management Summary

Holistic Cross-Channel Campaigns

Die Zeit der Silos ist vorbei! Wir helfen Ihnen, eine holistische Betrachtungsweise und Strategie für digitale Kampagnen zu entwickeln.

Mehr Erfahren

Google bietet schon lange in Analytics mit den Multi Channel Funnels (dt.: Multi-Channel-Trichter) den Einstieg in die Customer Journey Analyse. Heuer haben sie eines draufgelegt und das Attribution Modeling Tool zum Erstellen und Vergleichen unterschiedlicher Zuordnungsmodelle freigeschaltet.

Das ist für Online- und Performance-Marketer extrem wichtig und hilfreich – und gleichermaßen komplex.

Dieser Artikel zeigt, wie durch eine einfache Visualisierung wesentlich leichter Insights gewonnen werden können.

Vorarbeiten - Modelle wählen und erstellen

Im Tool können bis zu drei Modelle gleichzeitig miteinander verglichen werden. Wir wollen für dieses Beispiel den Anfang, die Mitte und den Abschluß gegenüberstellen. Dazu wählen wir

Erste Interaktion (First Interaktion) – Standard Modell
Supporter – ein eigenes Modell
Letzter indirekter Klick (Last Non-Direct Click) – Standard Modell

Die “Supporter” sollen alles in der Mitte abbilden. Dafür legen wir ein neues Modell auf Basis des Models “Position Based” aus und passen es so an, dass 100% der Zuordnung auf die mittleren Interaktionen gezählt werden:

Ob als 3. Modell “Letzte Interaktion” oder “Letzter indirekter Klick” gewählt wird, macht nochmals einen Unterschied, da im letzteren Fall die “directs” etwas abgewertet werden – die Implikation davon sollte man in eigenen Vergleichen betrachten.

Hier nun das von Google Analytics berechnete Ergebnis:

Durch die Farbverläufe zeigt sich sofort, welcher Kanal eher

vorbereitend
unterstützend
oder abschließend

wirkt.

In unserem Beispiel sehen wir in den Zeilen 5 und 6, dass E-Mail und die organische Suche (ohne Brand Keywords!) überhaupt keine einleitenden Kanäle sind, aber stark unterstützend und im Abschluß wirken. Die Zeilen 1-3 zeigen in diesem Fall eine extreme Stärke in allen Brand-Channels unterstützt durch die bezahlte Suche.

Die Zahlen sprechen ja für sich! Oder?

Natürlich kann man daraus mit Übung und Zeit etwas ablesen; und die beiden Differenz-Spalten an der rechen Seite helfen – auch durch die hilfreichen Pfeilchen.

Aber ist jedem klar, was man hier sieht und – viel wichtiger – was man daraus ableiten kann?

Mir nicht. Deshalb klicke ich auf das kleine graue Icon oben in der Mitte (gleich unter dem “Conversions & Value” Dropdown. Und dann sehe ich das:

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.

Was kann ich aus den Attributionsmodellen ableiten

So what? Diese ersten Erkenntnisse sind erstens einmal eine gute Analyse der IST-Situation. Und in Folge können wir durch Drill-downs in die Details gehen.

Welche Search-Kampagnen helfen wo und wie stark? Damit jemand über Brand Search abschließt – welche Kanäle sind davor wichtig? Wenn ich die E-Mail Frequenz verändere, was passiert dann? (Um nur ein paar Fragen zu nennen…)

Dieses reale Beispiel zeigt nicht nur die Erkenntnismöglichkeiten, sondern auch die Komplexität von Veränderungen: Den oben sichtbaren Brand-Schwerpunkt wird man schwerlich von heute auf morgen abstellen können – aber ab jetzt gezielt und mit sofortiger Kontrollschleife.

Ich will das auch!

Super!

Um dies selber zu machen, genügt unser Plugin für Googles Chrome Browser namens Table Booster. Es kann hier im Chrome-Store gratis installiert werden. Was das alles noch kann, wenn man Google Analytics bedient, kann hier nachgelesen werden. Bitte bewerten Sie das Plugin im Chrome Store – vielen Dank!!

Wenn wir Ihnen bei der Analyse Ihrer Customer Journeys helfen sollen: kontaktieren Sie uns gerne – das ist unser (spannender) Job 🙂

Google bietet schon lange in Analytics mit den Multi Channel Funnels (dt.: Multi-Channel-Trichter) den Einstieg in die Customer Journey Analyse. Heuer haben sie eines draufgelegt und das Attribution Modeling Tool zum Erstellen und Vergleichen unterschiedlicher Zuordnungsmodelle freigeschaltet.

Das ist für Online- und Performance-Marketer extrem wichtig und hilfreich – und gleichermaßen komplex.

Dieser Artikel zeigt, wie durch eine einfache Visualisierung wesentlich leichter Insights gewonnen werden können.

Vorarbeiten – Modelle wählen und erstellen

Im Tool können bis zu drei Modelle gleichzeitig miteinander verglichen werden. Wir wollen für dieses Beispiel den Anfang, die Mitte und den Abschluß gegenüberstellen. Dazu wählen wir

Erste Interaktion (First Interaktion) – Standard Modell
Supporter – ein eigenes Modell
Letzter indirekter Klick (Last Non-Direct Click) – Standard Modell

Die “Supporter” sollen alles in der Mitte abbilden. Dafür legen wir ein neues Modell auf Basis des Models “Position Based” aus und passen es so an, dass 100% der Zuordnung auf die mittleren Interaktionen gezählt werden:

Ob als 3. Modell “Letzte Interaktion” oder “Letzter indirekter Klick” gewählt wird, macht nochmals einen Unterschied, da im letzteren Fall die “directs” etwas abgewertet werden – die Implikation davon sollte man in eigenen Vergleichen betrachten.

Hier nun das von Google Analytics berechnete Ergebnis:

Anmerkung: Natürlich arbeiten wir mit einer individuellen Channel Gruppierung, die hier “custom grouping” heisst – das ist eine weitere extreme Stärke von diesem Tool. Hier haben wir beispielsweise “brand search” als eigenen Channel herausgezogen, weil es aus meiner Sicht nicht in den gleichen Topf wie die generischen Suchen gehört!

Die Zahlen sprechen ja für sich! Oder?

Natürlich kann man daraus mit Übung und Zeit etwas ablesen; und die beiden Differenz-Spalten an der rechen Seite helfen – auch durch die hilfreichen Pfeilchen.

Aber ist jedem klar, was man hier sieht und – viel wichtiger – was man daraus ableiten kann?

Mir nicht. Deshalb klicke ich auf das kleine graue Icon oben in der Mitte (gleich unter dem “Conversions & Value” Dropdown. Und dann sehe ich das:

Durch die Farbverläufe zeigt sich sofort, welcher Kanal eher

vorbereitend
unterstützend
oder abschließend

wirkt. In unserem Beispiel sehen wir in den Zeilen 5 und 6, dass E-Mail und die organische Suche (ohne Brand Keywords!) überhaupt keine einleitenden Kanäle sind, aber stark unterstützend und im Abschluß wirken. Die Zeilen 1-3 zeigen in diesem Fall eine extreme Stärke in allen Brand-Channels unterstützt durch die bezahlte Suche.

Was kann ich aus den Attributionsmodellen ableiten

So what? Diese ersten Erkenntnisse sind erstens einmal eine gute Analyse der IST-Situation. Und in Folge können wir durch Drill-downs in die Details gehen.

Welche Search-Kampagnen helfen wo und wie stark? Damit jemand über Brand Search abschließt – welche Kanäle sind davor wichtig? Wenn ich die E-Mail Frequenz verändere, was passiert dann? (Um nur ein paar Fragen zu nennen…)

Dieses reale Beispiel zeigt nicht nur die Erkenntnismöglichkeiten, sondern auch die Komplexität von Veränderungen: Den oben sichtbaren Brand-Schwerpunkt wird man schwerlich von heute auf morgen abstellen können – aber ab jetzt gezielt und mit sofortiger Kontrollschleife.

Ich will das auch!

Super!

Um dies selber zu machen, genügt unser Plugin für Googles Chrome Browser namens Table Booster. Es kann hier im Chrome-Store gratis installiert werden. Was das alles noch kann, wenn man Google Analytics bedient, kann hier nachgelesen werden. Bitte bewerten Sie das Plugin im Chrome Store – vielen Dank!!

Wenn wir Ihnen bei der Analyse Ihrer Customer Journeys helfen sollen: kontaktieren Sie uns gerne – das ist unser (spannender) Job 🙂

Und wenn Sie noch 10 Sekunden Zeit haben, dann freue ich mich, wenn Sie den Artikel sharen:

Kampagne anfragen

Bereit für Ihr neues Projekt?

Wir freuen uns auf Ihre Anfrage und beraten Sie gerne unverbindlich! Füllen Sie dazu einfach das Kontaktformular aus oder rufen uns direkt an.

Jetzt kontaktieren

Traffic Attribution Modeling in Google Analytics - leichter durch Visualisierung

Management Summary

Vorarbeiten - Modelle wählen und erstellen

Die Zahlen sprechen ja für sich! Oder?

Was kann ich aus den Attributionsmodellen ableiten

Ich will das auch!

Vorarbeiten – Modelle wählen und erstellen

Die Zahlen sprechen ja für sich! Oder?

Was kann ich aus den Attributionsmodellen ableiten

Ich will das auch!

Weitere Themen