PERFORMANCE

Fünf Herausforderungen der User-Journey-Analyse

Von János Moldvay, 27. September 2016
Bearbeitung ADZINE, Quelle: unsplash.com Bild: Christian Spies,

Werbetreibende wollen wissen, welchen Beitrag die eingesetzten Werbe- und Marketingmaßnahmen auf die Conversion haben. Erst dann lassen sich auch für die Zukunft die Werbebudgets den einzelnen Marketingkanälen richtig zuordnen. Dazu bedarf es einer umfangreichen Analyse der sogenannten User Journeys. Doch noch immer tun sich die Marketingverantwortlichen damit schwer und unterliegen regelmäßig falschen Annahmen, die sich monetär negativ auswirken können. János Moldvay, CEO von Adtriba, stellt fünf typische Herausforderungen der User-Journey-Analyse vor.

1. Last Click Attribution

Ein grundsätzliches Problem, das wir beim Kunden häufig sehen, ist, dass eine Last Click Attribution vorgenommen wird. Dass ist so, als ob in der Fußballbundesliga nur die Spieler bezahlt werden würden, die ein Tor geschossen haben. Bei Kampagnen und Kanälen, die grundsätzlich weiter hinten im Funnel positioniert sind, wie beispielsweise Brand Search oder Retargeting, neigen Marketer dazu, den Last Click zu überbewerten. Kampagnen, die weiter oben im Funnel und weiter weg vom Conversion-Ereignis stattfinden, wie bspw. klassisches Display Advertising, werden durch Last Click unter- oder gar nicht bewertet. Das führt zu Fehlern in der Budgetallokation und zu verlorenen Umsätzen und Gewinnen. Wir haben Fälle erlebt, in denen dem Retargeting vier Mal zu viele Sales zugeschrieben wurde, was ungefähr einem monatlichen Einsparungspotenzial von 3.000,- bis 5.000,- EUR entspricht.

2. Statische Regeln oder komplexes, schwer wartbares Regelwerk

Um diese offensichtlichen Nachteile der Last-Click-Bewertung abzufedern, werden verschiedene statische Attributionsalternativen eingeführt, wie First Click, Linear, Badewanne oder Time Decay. Auch diese sind nur arbiträr gewählt, basieren nicht auf datenanalytischen und belastbaren Erkenntnissen und führen ebenfalls zu suboptimalen Marketingentscheidungen. Einige Unternehmen gehen sogar so weit, dass sie hochkomplexe Regelwerke erstellen, die sehr schwer zu warten sind und häufig Fehler enthalten. Teil eines solchen Regelwerkes kann bspw. sein, dass, wenn ein Käufer innerhalb von zehn Tagen vor der Conversion erst auf ein organisches Suchergebnis (SEO) geklickt hat und danach direkt vor dem Kauf auf eine Branded-AdWords-Kampagne geklickt wurde, die Conversion dann zu 70% SEO und nur zu 30% dem Last-Click-AdWords-Kontakt zugeschrieben wird.

3. Fehlende Berücksichtigung von nicht konvertierenden Journeys

Um die Werbewirkungen der digitalen Kampagnen und Kanäle zu verstehen, ist es essenziell, nicht nur Journeys zu berücksichtigen, die in einen Kauf münden (Customer Journeys), sondern auch die Journeys und Marketingtouchpoints, die zu keinem Kauf geführt haben. Nur so kann verstanden und erkannt werden, wie stark jede Kampagne auf die Sales eingewirkt hat. Das heißt, es müssen alle “User Journeys” berücksichtig werden. Die in den Abschnitten 1 und 2 beschriebenen Attributionsmethoden beinhalten nur Customer Journeys, was einen weiteren großen Nachteil dieser Vorgehensweisen darstellt.

4. Vermeintlich kostengünstige Attribution-Modelling-Lösungen

Wenn dann Bewusstsein da ist, dass ein datenbasiertes, dynamisches Attribution Modelling die beste Lösung ist, stellen Marketingverantwortliche häufig fest, dass die bestehenden Lösungen viel zu teuer und umständlich sind. Einige am Markt befindlichen Angebote kosten deutlich mehr als 100.000 EUR pro Jahr und richten sich an Unternehmen mit großen Marketingbudgets. Deren Lösung kann nicht eben mal getestet werden, bei Interesse an deren Produkt wird man erst einmal durch deren aufwendige Sales-Pipeline gedreht.

5. Verschiedene Werbeplattformen und verschiedene Reportings

Sobald mehr als ein Kanal genutzt wird, bspw. neben Google AdWords noch Facebook Ads, gibt es auch zwei verschiedene Dashboards und Reports, um die Performance der Kanäle und Kampagnen zu bewerten. Normalerweise wird deswegen dann auf Google Analytics zurückgegriffen. Hier ist nur in der teuren Premiumversion ein datengetriebenes Attribution Modelling verfügbar, bei dem den meisten Kunden allerdings die Transparenz, was die genaue Berechnung betrifft, zu gering ist. Zudem lassen sich in Google Analytics allgemein nur schwer die Kosten aus nicht Google-Kanälen integrieren. Dadurch ist eine Crosschannel-CPO- oder -ROI-Betrachtung nur umständlich möglich.

Foto: Adtriba / János Moldvay Über den Autor/die Autorin:

János Moldvay ist Mitbegründer und CEO von Adtriba, ein SaaS-Anbieter für User-Journey-Analysen und dynamisches Attribution Modelling. Nach dem Abschluss des Studiums der Wirtschaftsinformatik 2003 war János für dreieinhalb Jahre im Bereich Data Warehouse, CRM und Data Mining der Otto GmbH & Co. KG tätig. Danach hat er in drei Unternehmen (XING AG, Unique Digital GmbH, Jimdo GmbH) Datenteams aufgebaut und geführt. Zwischendurch absolvierte er 2010 einen MBA in Kapstadt. Seit 2011 beschäftigt János sich mit dem Thema Attribution Modelling, was Ende 2015 zur Gründung von Adtriba geführt hat.