Regression Based Attribution - Werbeerfolg zuweisen in der Post-Cookie-Ära

Dieser Artikel gibt eine Einführung zu Möglichkeiten der Attribution von Werbeerfolg ohne Cookies. Anhand der Regression Based Attribution zeigen wir Vorteile und Einsatzmöglichkeiten auf.

Wozu brauche ich eine Attribution?

Eine korrekte Attribution kann aufzeigen, welcher Kanal, welche Kampagne und welche Werbeformen für welchen Erfolg sorgen, wie effizient Werbemaßnahmen sind und ob die Verteilung von Budgets entlang des Marketing Funnels gerechtfertigt ist. Ineffizienzen können ausgehoben und die Performance gesteigert werden.

Attribution von Conversions in der Post-Cookie Ära

Während viele Post-Cookie-Ansätze versuchen, das verloren gegangene Bild einer satten 3P-cookie-Welt wiederherzustellen, wird eine Sache außen vor gelassen – die Attribution von Conversions. Werbekanäle, die im oberen Marketingfunnel angesiedelt sind und NutzerInnen inspirieren sollen, sind in besonderem Maße unterstützend, wenn es um Conversions geht. Display Banner, Videos oder Audio Ads werden ausgespielt, inspirieren und regen NutzerInnen häufig in einem Folgeschritt dazu an, die Services oder Produkte genauer zu betrachten oder einen Abschluss zu machen.

Aktuell sorgen 3P-Cookies dafür, dass vorbereitenden Kanälen diese Conversion zumindest anteilhaft zugewiesen werden kann. Klicken NutzerInnen auf Werbemittel und konvertieren, gibt es zahlreiche Lösungen, wie man diese Conversion attribuieren kann – auch ohne 3P-Cookies und Consent. Eine zukünftige Lücke, über die aber keiner redet, entsteht, wenn NutzerInnen nicht klicken. Und da das häufig für mehr als 99% der Impressionen einer Kampagne der Fall ist, ist die View-through-Conversion-Lücke nicht zu klein.

Mit Google Analytics 4 wird die datengetriebene Attribution zum Standard, sodass kanalübergreifend der Erfolg von Werbemaßnahmen zugeordnet werden kann. Dazu bedarf es jedoch Daten darüber, welchen Einfluss vorbereitende Kanäle haben. Und diese Daten fehlen ohne 3P-Cookies, sodass View-through Conversions und der Einfluss von Impressionen auf Conversions nicht erfasst werden.

Beispielhaft in Abbildung 1 eine Multi-Touch Customer Journey einer Conversion mit vier Touchpoints. Während mit Consent und Cookies entlang der kompletten Customer Journey die Conversion anteilhaft attribuiert werden kann (Abbildung 1a), würde ohne 3P-Cookies lediglich dem einzigen Klick der Customer Journey die Conversion zugewiesen (Abbildung 1b). Rückschlüsse aus solch einer lückenhaften Attribution sind trügerisch, da abschließende Kanäle überbewertet würden.

Abbildung 1) Multi-Touch Customer Journey einer Conversion mit vier Touchpoints

Werbeerfolg mit Regression Based Attribution zuweisen

Googles Attribution Reporting und auch ID Solutions können eine Möglichkeit sein, diese Lücke zu schließen. Das Attribution Reporting befindet sich noch in der Testphase, verspricht aber, ohne Third Party Cookies auch View-Through-Conversions mit Hilfe von Privacy-konformen Reports Werbemaßnahmen zuzuweisen. Die fehlende Durchdringung von ID Solutions sind für Werbetreibende und Publisher bisher der Grund, warum im Bestfall ein fragmentiertes Bild gezeichnet wird.

Während unsicher ist, wie sich die genannten Lösungsansätze etablieren, gibt es eine Möglichkeit, die bei stetigen Änderungen ihre Aussagekraft behält – die statistische Modellierung. Diese Modellierung ökonomischer Daten – auch bekannt als Ökonometrie – erfüllt den Anspruch, übergreifend über den Marketing Mix, alle digitalen Marketingmaßnahmen zu berücksichtigen und den Werbeerfolg entsprechend zu attribuieren. Neben der Attribution der digitalen Werbemaßnahmen, ist auch der Werbeerfolg und die nachfolgende Attribution von Werbeerfolg von offline Kanälen möglich. Dann redet man von Marketing Mix Modelling.

Eine Aufschlüsselung, wie Multi-Touch Attribution, die regressionsbasierte Attribution und Marketing Mix Modelling sich abgrenzen, ist in Abbildung 2 ersichtlich:

Abbildung 2) Attribution Methologies: From MTA to RBA & MMM

Will man den Zusammenhang zwischen zwei Variablen z.B. Input und Output verstehen, werden in der Ökonometrie Regressionen verwendet. Diese Methode ist in der Finanzbranche oder klassischen Mediaplanung bereits seit jeher etabliert.

Wir fokussieren uns in diesem Beitrag auf die regressionsbasierte Attribution, da die digitalen Kanäle uns präzise Daten zu In- & Output liefern und hier im Fokus stehen. Basierend auf bestehenden (first party) Daten, z.B. Budget, Impressionen, Klicks oder dem Endgerät, wird ein lineares Regressionsmodell erstellt. Vereinfacht gesagt ist das ein Modell, welches statistisch valide vorhersagen kann, welcher Input (z.B. Werbebudget) zu welchem Output (z.B. Conversions) führt (siehe Abbildung 2).

Abbildung 3) Vereinfachte Modellierung: Zusammenhang (Regression) zwischen den Variablen Werbeausgaben (Input) und Conversions (Output). Das Datum dient als Schlüssel, um die beiden Variablen in Zusammenhang zu bringen.

Abbildung 3) Vereinfachte Modellierung:

Darüber hinaus kann die Vorhersage des Modells heruntergebrochen werden auf die einzelnen Channels und sogar Strategien (wie z.B. Awareness oder Remarketing) oder Creatives. Anders als bei einer Attribution, die auf 3P-Cookies basiert, werden hier die Input-Daten der Werbetreibenden und die Output-Daten, also die Performance auf einer Webseite oder auch Offline, zusammengebracht. Anhand dessen lässt sich voraussagen, welchen Einfluss Kanäle und Strategien haben und sich so der Erfolg korrekt attribuieren, heute und in Zukunft.

Wie ein vereinfachtes Ergebnis der Attribution aussehen kann, zeigt Abbildung 3. Aus der Grafik wird ersichtlich, wie der Beitrag zu einem Output (z.B. Umsatz) bewertet wird. Diesen Umsatzbeitrag kann man dann mit dem eingesetzten Werbebudget ins Verhältnis setzen, um “Under Performer” und “Over Performer” zu erkennen und Rückschlüsse für die Budgetierung zu treffen.

In diesem Beispiel wären Search Ads und Social Ads somit “Under Performer” und Display Ads und besonders Youtube “Over Performer”. Ein nächster Schritt wäre die entsprechende Optimierung und Neuverteilung von Werbebudget. Eine regelmäßige Remodellierung, wie sie in der Cloud einfach möglich ist, kann dann fortlaufend Insights liefern, welcher Kanal wie effizient ist.

Abbildung 4) Beispielhaftes Ergebnis einer Attribution von Werbeerfolg und Kanalanalyse

Welche Vorteile ergeben sich durch die Regression Based Attribution?

Die Vorteile sind vielzählig. Die Lösung kommt ohne 3P- Cookies aus, ist datenbasiert und sogar Offline-Conversions und CRM-Daten können mit einbezogen werden. Zudem ist die Alternative sehr robust und behält ihre Aussagekraft unabhängig von den stetigen Änderungen der digitalen Werbebranche. Eine fortlaufende Remodellierung der Regression sichert eine korrekte und akkurate Attribution.

Ein großer Vorteil gegenüber der Attribution in gängigen Web-Analyse Tools wie Google Analytics ist, dass auch vermeintlich direkter und organischer Traffic auf einer Webseite berücksichtigt und Marketingmaßnahmen zugewiesen werden kann. Wenn ein Großteil direkter Traffic im Web Analyse Tool angezeigt wird, spricht das leider nicht unbedingt für eine starke Marke, sondern eher für das Problem, dass der Ursprung von Traffic nicht zugeordnet werden kann, was z.B. durch die Verwendung von Browsern oder Betriebssystemen, die 3P-Cookies blocken, passieren kann. Für ein vollständiges Bild zur Analyse der Kanaleffizienz bietet die regressionsbasierte Attribution eine alternativlose Möglichkeit, diesen Traffic zu attribuieren.

Doch damit nicht genug. Häufig spielen Saisonalitäten eine wichtige Rolle im Marketing, sodass Ereignisse wie Black-Friday, Ostern oder die Weihnachtszeit zu Ausreißern bei der Performance führen können. Für E-Commerce Kunden ist zudem der Umsatz an Wochenenden eventuell höher. Diese Schwankungen würden in einer Regression berücksichtigt und die Attribution um diese externen Faktoren bereinigt.

Abschließend ist der Vorteil einer solchen korrekten Attribution, dass Ineffizienzen aufgedeckt werden und durch datenbasierte Budgetverteilung, auf verschiedene Kanäle, Funnelstufen oder Werbemaßnahmen, Erfolg maximiert wird.

Die Nachteile?

Ein Nachteil der regressionsbasierten Attribution ist der initiale Aufwand der Modellierung. Die Daten aus allen Kanälen müssen korrekt zusammengebracht werden. Dafür bedarf es eines zentralen Ortes in der Cloud, wo die Daten modelliert werden können. Die Daten müssen bereinigt und korrekt zugeordnet werden, sodass das Modell und damit die Attribution valide ist. Um diesen Prozess zu starten, müssen sich Marketeers aller Kanäle mit den Data Analysten und Data Scientists genau abstimmen. Das Agieren in der Cloud ist ebenso wichtig wie fundiertes Wissen in BigQuery, SQL, Python und/oder R, um die Modellierung vorzunehmen und das richtige Regressionsmodell zu wählen.

Zusammenfassend beschränkt sich der Nachteil dieser Art von Attribution auf den initialen Aufwand. Da angelegte Modelle sich aber konstant re-modellieren und so eine Validität der Attribution sicherstellen, ist die Beständigkeit in einer fragmentierten Post-Cookie Ära der Grund, warum der ursprüngliche Aufwand Werbetreibende nicht abschrecken sollte. Ein komplettierter, kanalübergreifender Überblick über Werbekanäle erlaubt es, langfristig Ineffizienzen aufzudecken und auszuheben.

Das Gute? Wir können Sie dabei unterstützen!

Die Post-Cookie-Ära kommt – auch wenn das Datum mal verschoben wird. Jetzt ist die Zeit, Ihre Strategie und Tools darauf vorzubereiten. Wir unterstützen Sie beim Setup der Systeme, z.B. Implementierung von Google Analytics 4, Server Side Tracking, aber auch beim Aufbau einer Multi-Channel Consent-Management Strategie. Mit diesen Schritten stärken und sichern Sie Ihre Datenbasis, die Grundlage für alle Marketingentscheidungen, Analysen, Attribution Modelling (wie Regression Based Attribution) und Optimierungen.

Wir unterstützen Sie gerne mit der Expertise unseres Cloud & Data Science Teams sowie unserer Erfahrung mit der Google Marketing Platform bei der Auswahl und Implementierung der Attribution Modellierung. Gerne zeigen wir Ihnen auch, wie Sie mit Ihrem Datenschatz das Beste aus Ihren Kampagnen herausholen – kontaktieren Sie uns! kontakt@e-dialog.group

Regression Based Attribution - Werbeerfolg zuweisen in der Post-Cookie-Ära

Management Summary

Wozu brauche ich eine Attribution?

Attribution von Conversions in der Post-Cookie Ära

Werbeerfolg mit Regression Based Attribution zuweisen

Welche Vorteile ergeben sich durch die Regression Based Attribution?

Die Nachteile?

Das Gute? Wir können Sie dabei unterstützen!

Weitere Themen

Wie das Insourcing von Adtech-Lösungen Ihr Unternehmen stärkt

Looker technische Basics: Das A und O der Datenbereitstellung – Teil 1

Looker technische Basics: Das A und O der Datenbereitstellung – Teil 2

Google Gemini: Mit fortschrittlicher KI Geschäftspotenziale erschließen

Supply Path Optimierung mit nachhaltigem Inventar von OpenX

In Podcasts Werbung schalten – jetzt auch programmatisch

BigQuery Exporter in CM360 & DV360

Programmatic Audio Ads – “Geheimwaffe” für Ihre Marketingstrategie

GA4 Verknüpfung mit CM360 und DV360 – Prozess & Vorteile

Die häufigsten Targetingmöglichkeiten in DV360 – Ein umfassender Guide

Einfach besser sein – effektive Werbung ist simpel

Digital Marketing Trends 2024

Farbpsychologie – Die Magie der Farben in digitaler Werbung

DV360 vs. Google Ads – Welches Tool eignet sich für mein Unternehmen?

Attention based Bidding in DV360 – inklusive Beispiel-Algorithmen

Personalize or Perish: Warum Ads Personalisierung brauchen

Programmatic Audio: Wie Sie Reichweite und Awareness erhöhen können

Unsere Tipps für Paid Search Kampagnen Performance im Feiertagsgeschäft 2023

Kampagnentipps für die Peak Season 2023 – so funktioniert das Feiertagsgeschäft!

Google Gemini jetzt auch in Europa verfügbar – die Chatbot-Revolution

English Version: Google’s Gemini Enters Europe: Charting the Course for Chatbot Disruption

Format Gallery in Display & Video 360

YouTube Shorts Ads – Wie funktionieren sie?

Das Leben nach den 3rd-Party Cookies – Ein Leitfaden

Google Ads Data Hub (ADH) – Privacy first, Data-driven Advertising on steroids

Was sind Native Ads?