#pcon Live Blog: Advanced Attribution & Predictive Customer Interaction

20160929-pcon-076

Dr. Alwin Haensel, Founder & Head of Business Analytics, hat kurz vor der letzten Pause an diesem spannenden Programmatic-Tag über das interessante Thema “Attribution & Predictive Customer Interaction” gesprochen. Die Firma von Dr. Haensel – Haensel AMS – bietet maßgeschneiderte Lösungen für seine Kunden, um folgende typische Fragen zu beantworten:

  • Wie setzen sich alle Kosten pro individueller Conversion zusammen (dies am besten aufgeteilt für Neu- und Stammkunden)?
  • Wie kann man einen Wettbewerbsvorteil durch Google Analytics erzeugen, da dieses Tool doch fast jeder verwendet?
  • Wie können SEA, Display oder Remarketing Kampagnen verbessert werden?

Attribution Modelling: Ein klassisches Beispiel

Ein Beispiel für eine typische Customer Journey wäre: Mail → Display Klick → direct → SEA → Conversion

Die Frage nun: Wie viel Wert bekommt welche Session / welcher Kanal? Vor allem da für SEA und Display bezahlt werden muss und man den Versand der Mails auch selbst steuern kann ist die Optimierung wichtig.

Um ein passendes Modell berechnen zu können müssen klarerweise zuerst einmal alle Daten vorhanden sein. Dann ist es möglich vom Zeitpunkt der Conversion in die Vergangenheit zu schauen und dann vorherige Sessions – vielleicht sogar über verschieden Devices – zu erkennen und auch die Dauer zwischen den Sessions.

Dr. Haensel betont, dass man bei Customer Journeys nicht in Schubladen gedacht werden darf. Eine bessere Analogie wäre ein Fußballspiel: Der Kunde ist der Ball, die Spieler sind die verschiedenen Kanäle und Kampagnen, das Tor die Conversion. Auch während einer Customer Journey hat jeder Spieler / Kanal eine andere Position und Stärken – und gemeinsam wird das Tor erzielt. Dabei ist zu bedenken, dass jede Customer Journey individuell ist, und jeder Spieler / Kanal bei jedem Spielzug / Session anders reagiert. Das Zusammenspiel zu optimieren versucht man dann mit Attribution Modelling.

Erfolg mit dem Initializer-Holder-Closer-Phasenmodell

Haensel AMS verwendet zum Erstellen ihrer Modelle das Initializer-Holder-Closer-Phasenmodell. In der Initializer-Phase beginnt die Journey. In der Holder-Phase passiert die Produktorientierung und die Conversion in der Closer-Phase. Es kann sein, dass in einer Phase mehrere Session passieren. Das Ergebnis dieses Modell ist, welcher Kanal / Kampagne / Keyword etc. zu welchem Zeitpunkt optimal performed.

Bei diesem Modell werden drei Fragen geklärt:

  • Wie viele Personen befinden sich auf welcher Stufe?
  • Wie hebe ich die diese in die nächste Phase?
  • Wie führe ich dies optimal durch (Kosten etc.) und wie hoch ist die Übergangswahrscheinlichkeit?

Erreicht wird dies durch Segmentierung, wobei hier offensichtlich der Eintrittskanal, die Produkte und die Gerätekategorie besonders wichtig ist.

20160929-pcon-078

Typische Probleme mit Attribution Modelling

Bei dem Thema Attribution Modelling scheint es zwei Probleme zu geben:

  1. Man fokussiert sich zu sehr auf die Vergangenheit
  2. Man betrachtet nur die Verkaufspfade, dabei könnte man auch sehr viel von den Besuchern lernen, welche (noch) nicht gekauft haben

Unconstraining: Nutzer stimulieren einen anderen Kanal zu nutzen

Ein weiterer Punkt während dieses Vortrags war “Unconstraining”, sprich den Nutzer zu stimulieren einen anderen Kanal zu benutzen. Ein Beispiel dazu ist, wenn Nutzer oft über teure generische Keywords auf die Seite kommen. Man könnte die Gebote verringern und die Frage ist dann, wie sich dies auswirkt:

  1. Der User klickt immer noch auf die Anzeigen, aber es wird billiger → gut
  2. Der User klickt auf organische Ergebnisse → gut, da gratis
  3. Der User klickt auf eine SEA Anzeige vom Wettbewerber und man verliert die mögliche Conversion → sehr schlecht

Ein typisches Projekt bei Haensel AMS könnte folgendermaßen aussehen: Es gibt eine Website mit implementierten Google Analytics, weitere Tools sind DC und AdWords.

  • Oft sind die Daten nicht besonders gut, da diese zum Beispiel nicht in Rohform vorliegen. Darum wird mittels Snowplow ein Event Tracking auf der Seite implementiert um die Daten in eine Cloud Lösung zu schicken, in welcher das Modell berechnet wird.
  • Über die AdWords API können dann Kosten und Impression Daten in die Cloud Lösung importiert werden, um dann eine Gebotsoptimierung in AdWords zu erzielen
  • Eine weitere Möglichkeit wäre Daten an Google Analytics aus der Cloud Lösung zu schicken, um dann dort auf Basis der Initializer-Holder-Closer-Phasen Audience Listen zu erstellen und diese dann weiter an AdWords und DC zu senden

Fazit: Was ist nun wichtig beim Attribution Modelling?

Zum Schluss wurde die Frage gestellt: Was ist wichtig? Dr. Haensel nennt folgende 3 Punkte:

  1. Den gesamten Webtraffic betrachten und auf die Zukunft fokussieren
  2. Ein gutes Modell entsteht und verifiziert sich aus den Daten (Vermeidung von self-fulfilling prophecy). Idealerweise passt sich das Modell auf Basis der Daten immer wieder an.
  3. Jeglichen Erfolg muss und kann man auch in den Daten erkennen

Folien nachlesen? Auf SlideShare.

Hinterlassen Sie einen Kommentar: