Full Customer Journey Analyse mit Analytics und DoubleClick

Den Wunsch, die Customer Journey vollständig erfassen zu können, gibt es schon länger. Im Rahmen von click-only Traffic oder auch Paid Traffic gibt es schon seit langem Lösungen. Allerdings war es historisch immer schwierig auch alle

  • Ad Views ohne Klicks,
  • generische Traffic-Kanäle und
  • geräteübergreifende Journeys

in einem holistischen Bild zu erfassen.
Mit der Integration von Google Analytics Premium und dem DoubleClick Campaign Manager (DCM) ist all dies JETZT verfügbar.

Alle Touchpoints im Kanal-Pfad enthalten (channel-path)

Wenn wir den folgenden Screenshot einer Multi-Channel-Funnel (MCF) Pfad Analyse in Google Analytics näher anschauen, werden wir einige Besonderheiten entdecken:

Kanal Pfad

Views / Ad Impressions

Alle Touchpoints, an denen der User in seiner Journey eine Display-Anzeige sah aber nicht klickte, sind mit dem Augensymbol gekennzeichnet. Beachten Sie, dass wir in diesem Fall sowohl die klassische Display-Anzeige als auch E-Mail Newsletter Öffnungen erfassen, die keinen unmittelbaren Klick auslösten. Das führt zu interessanten Erkenntnissen, wie in diesem Pfad sichtbar wird:

In diesem Szenario wurde der Newsletter zuerst geöffnet, hat aber offensichtlich nicht genug Aufmerksamkeit erregt um einen Klick zu triggern. Später unterstützte eine Display-Anzeige die User Journey derart, dass sie zu einer Wiederöffnung des E-Mails (diesmal mit Klick) und schließlich zu einer Conversion führte.

Suchen Sie nach Artikeln, wie man relevante Erkenntnisse aus Attributionsmodellen gewinnen kann, die zu einer Optimierung der Kampagnen und Media-Buchungen führen – oder fragen Sie uns 😉
Typische Fragen sind:

  • Wie tragen meine E-Mail-Kampagnen zu meinem Umsatz bei?
  • Welche anderen Kanäle sind von E-Mail beeinflusst?
  • Welche anderen Kanäle unterstützen, sodass E-Mail gut wirkt?

Und Natürlich:

Pfad-Länge und -Dauer, mit und ohne View Attribution

Wenn man mit unvollständigen Erkenntnissen (und Daten) aus der Customer Journey arbeitet, kommt man oft zu falschen Annahmen und Schlussfolgerungen. Hier als Beispiel der Vergleich der Pfad-Länge für ein bestimmtes Ziel, mit und ohne Berücksichtigung der View-only Kontakte (Ad Impressions ohne Klick):

Wir sehen, dass wir ohne Berücksichtigung der Views annehmen würden, dass wir weniger Kontakte als in Wahrheit brauchen – und übrigens nehmen wir dann in der Regel auch eine zu kurze Customer Journey Dauer an.

Dieser Irrtum wird noch schlimmer, wenn wir uns die Assists ansehen:

In dem Screenshot oben sind die Views NICHT enthalten und bekommen daher keine Attribution. Hier sehen wir nur 42 unterstützende Klicks zu den Conversions.

Wenn wir die gleichen Daten jetzt MIT den Ad-Views betrachten, sehen wir, dass die Anzeigen 895 Mal die Ziele unterstützten – 20-mal mehr:

Demzufolge erscheint der Display Kanal fälschlicherweise nahezu wertlos, wenn wir die Views nicht berücksichtigen. So eine falsche Schlussfolgerung würde dazu führen, die Medienausgaben für diesen Kanal zu verringern und das Budget zu den „performance“-Kanäle zu verlagern.

Wenn wir den Upper-Funnel nicht berücksichtigen, würde dies am Ende des Tages zu weniger Conversions und einem niedrigeren ROI führen. Ein schwerwiegender Fehler für die meisten Unternehmen.

Aber welchen Wert hat ein View?

Wir werden oft gefragt: „Aber hat ein einfacher Ad-View den gleichen Wert wie einen Klick?“ Das ist eine berechtige Frage, weil ein Klick ein klarer, unmittelbarer Hinweis auf das Interesse des Users ist, während eine Impression (View) nur die technische Auslieferung einer Anzeige am Browser des Users garantiert. Wir können nicht feststellen, ob die Anzeige tatsächlich gesehen wurde und ob sie den User überhaupt interessiert hat.

Daher bietet das Attribution-Modelling-Tool in Google Analytics die Option, die Modelle mehrfach anzupassen. Hier zeige ich lediglich die Optionen in Bezug auf Ad-Views:

Im obigen Beispiel bestimmen wir

  • dass im Allgemeinen einem View nur 50% des Werts eines Klicks zugerechnet wird (0.5),
  • ​wenn allerdings innerhalb von 10 Minuten nach einem View ein Klick erfolgt, sollten 150% zugerechnet werden (1.5)
  • und wenn ein Klick nicht zu einer Conversion zugeführt hat, aber einen Besuch mit höherem User Engagement ausgelöst hat (time on site > x:xx), sollten yyy% zugerechnet werden (im obigen Screenshot „off“)

Fazit

Dass die Zukunft des Marketings datengetrieben sein wird, ist mittlerweile allen klar. Nur mit Fragmenten an Daten zu arbeiten, führt zu falschen Entscheidungen. Eine 360° Integration aller Kanäle, die Berücksichtigung von Klicks UND Views sowie eine geräteübergreifende Analyse (Cross Device Journey) des Users, sind der Schlüssel zum Erfolg. Erst recht, wenn auch Offline Touchpoints mit erfasst werden.

Google Analytics Premium und DoubleClick bieten eine überlegene Lösung, die das Potential der Daten in einem gewohnt einfachen User Interface bereitstellt, sodass Unternehmen die richtigen Erkenntnisse für die besten Strategien gewinnen.
e-dialog ist der einzige Consulting und Reselling Partner für sowohl Google Analytics Premium als auch die DoubleClick Suite in D-A-CH.

Fragen Sie uns nach Lösungen für Ihr datengetriebenes Marketing!
www.e-dialog.at/e-dialog/kontakt
Oder kontaktieren Sie uns via kontakt@e-dialog.at

Kontakt

Hinterlassen Sie einen Kommentar:

2 Kommentare zu “Full Customer Journey Analyse mit Analytics und DoubleClick

  • Danke für den Artikel. Sehr interessant.
    Eine methodische Frage habe ich aber noch:
    Über die Wirkung von Ad Views wird ja immer noch heftig diskutiert.
    Ein methodisch sauberer Nachweis wäre wohl über Tests mit Kontrollgruppen ohne entsprechende Adviews möglich (unter ansonsten gleichen Bedingungen), um den inkrementellen Zusatzeffekt dieser Ad Views auch kausal zu messen. Gerade bei ohnehin langen Customer Journeys (Reiseplanung etc.) ist ja die Wahrscheinlichkeit, dass „irgendwann“ auch eine Display Anzeige ausgespielt wurde sehr hoch. Gibt es da entsprechende Erkenntnisse/Studien?

    Vielen Dank im voraus
    Gruß
    Gerald Dziersk

  • Guten Tag Herr Dziersk!
    Erstmal sorry für meine lange Reaktionszeit – Kommentarbeantwortungen gehen im Alltag leider (unentschuldigt) etwas unter :-/
    Ich kann Ihnen leider keine Studien liefern; was uns aber zur Verfügung steht, sind inzwischen wertvolle Attribute, die uns den Wert von Impressions erkennen lassen wie „Active View“ oder die Tatsache, wieviel Zeit zwischen View und der nächsten „stärkeren“ Interaktion vergangen ist. Damit lassen sich zwar auch noch keine perfekten Modelle abbilden – aber mit jedem Attribut werden wir besser 🙂
    vg
    Siegfried Stepke