• Was leistet die Spieltheorie in der Marketing-Attribution?
• Relevanz – das Stichwort für erfolgreiche Werbung

DATA
Was leistet die Spieltheorie in der Marketing-Attribution?

Frederik Timm

Über die Customer-Journey-Analyse versuchen Marketer herauszufinden, wie sie die einzelnen Marketingkanäle budgetieren müssen, um den Nutzer zur Konversion zu bewegen. Ein Begriff, der in diesem Zusammenhang immer wieder aufpoppt, ist die sogenannte Spieltheorie, ein Entscheidungsmodell aus der Mathematik. Doch bei näherem Hinsehen entpuppt sich die Spieltheorie im Bereich der Martketing-Attribution als Buzzword.

Was ist die Spieltheorie?

Die „Spieltheorie“ ist eine mathematische Methode, die das rationale Entscheidungsverhalten in sozialen Konfliktsituationen davon ableitet, dass der Erfolg des Einzelnen nicht nur vom eigenen Handeln, sondern auch von den Aktionen anderer abhängt.

Auf die Marketing-Attribution bezogen würde dies so zu verstehen sein: Die erfolgreiche Customer Journey hängt nicht nur von einem Touchpoint ab, wie es das Abrechnungsmodell „Last Cookie Wins“ vorsieht, sondern ergibt sich auch aus dem Zusammenwirken zwischen den verschiedenen Touchpoints beziehungsweise Werbeschaltungen auf allen Kanälen. Es wird also nicht nur das Werbemittel, auf das die Konversion folgt, als maßgeblich für den Erfolg gesehen, sondern auch die Werbekontakte davor. Wenn nun zum Beispiel ein bestimmter Touchpoint in 1000 Customer Journeys immer drei Schritte vor der tatsächlichen Konversion ermittelt wurde, dann wird ihm ein entsprechend positiver Beitrag für die Konversion zugeordnet, der bei der späteren Attribution des Marketingbudgets berücksichtigt werden sollte.

Die Spieltheorie in der Marketing-Attribution - Mehr Schein als Sein?

Anbieter von Marketing- und Attributionssoftware arbeiten mit Algorithmen, die nicht selten auch Ansätze der Spieltheorie verwenden sollen. Für die Marketing-Attribution werden in der Regel erfolgreiche Customer Journeys analysiert und die Touchpoints bewertet. Es stellt sich die Frage nach einer schlüssigen Analogie zur angeführten Entscheidungstheorie. Gefragt sind ja Entscheidungshilfen für den Advertiser durch die Prognose des Konsumentenverhaltens, das wiederum nur aufgrund von Wahrscheinlichkeiten vorhergesagt werden kann.

Der Geschäftsführer von exactag, Jörn Grunert, klärt auf: „Bei der Spieltheorie handelt es sich um ein Buzzword. Im reinen spieltheoretischen Ansatz kann man nur die erfolgreichen Customer Journeys bewerten und das auch nur in der Retroperspektive. Das Problem ist, wenn man nur erfolgreiche Ketten beziehungsweise Customer Journeys bewertet und die nicht erfolgreichen Ketten außer Acht lässt, kann es sein, dass man aus den Daten falsche Schlüsse zieht. Deshalb sind wir dem Ansatz gefolgt, sämtliche Ketten anzuschauen und Wahrscheinlichkeiten aufgrund der bisher gesammelten Daten zu berechnen. Unser Unternehmen nutzt fünf Prozent der Spieltheorie. Der Rest setzt sich aus Informations- und Wahrscheinlichkeitstheorie zusammen.“

Spieltheorie vs. Regressionsanalyse

Die Regressionsanalyse untersucht die Wirkung von unabhängigen Variablen auf eine abhängige Variable. Bezogen auf den Bereich Online-Marketing lässt sich so der Einfluss von unabhängigen Variablen, wie On- und Offsite-Verhalten von Nutzern auf die abhängige Variable, nämlich Konversionen, ermitteln.

Dimitrios Haratsis, Geschäftsführer von Adclear, nutzt die Regressionsanalyse als Grundlage für die Marketing-Attribution. Er meint: „Die Spieltheorie ist ein Entwicklungsschritt in der Evolution der Attribution. Spieltheoretische Ansätze sind ein erster Schritt weg von Last Cookie Wins, jedoch nur halbherzig und nicht konsequent. Das Userverhalten onsite wird gänzlich ignoriert, obwohl darin der höchste Erklärungsgehalt für die Attribution liegt. Dazu benötigt man die Regressionsanalyse. Hierbei können sowohl Onsite- als auch Offsite-Informationen des Users analysiert werden. So können wir genaue Vorhersagen für die Attribution treffen.“

Haratsis führt weiter aus: „Die Spieltheorie gibt lediglich Aufschluss über die Position der Kanäle in der Customer Journey. Die Regressionsanalyse betrachtet jedoch wesentlich mehr Informationen. Die Onsite-Daten liefern Informationen zur Qualität des Nutzers, wie unter anderem die Verweildauer auf der Seite oder die Anzahl der Page Impressions. Die Offsite-Daten bieten unter anderem Auskunft darüber, über welchen Kanal die Nutzer die Werbemittel erhalten, welche Werbemittel zur Konversion führen und welche Position die Kanäle in der Customer Journey besetzen.“

Jörn Grunert hält dagegen: „Die Regressionsanalyse funktioniert in der Realität nicht. Diese gilt nur für festgelegte Regeln in der Vergangenheit, aber sobald neue Touchpoints oder Publisher dazukommen, versagt sie. Sie ist nicht dynamisch wie der spieltheoretische Ansatz in Verbindung mit Informations- und Wahrscheinlichkeitstheorie. Unternehmen, die die Regressionsanalyse nutzen, berechnen die Ergebnisse in unregelmäßigen Abständen. Wir machen das täglich. Wenn ein neuer Touchpoint hinzukommt, kann die Regressionsanalyse nicht flexibel darauf reagieren.“

Haratsis erwidert: "Die regressionsbasierten Ansätze sind multivariate Verfahren und nicht eindimensional, wie der spieltheoretische Einsatz. Damit geben sie am besten das Userverhalten wieder. Unsere Kaufentscheidungen laufen nach bestimmten Mustern ab, die in der Praxis sehr stabil sind. Dabei mag auch die Reihenfolge der Kontakte eine gewisse Rolle spielen, aber sicher nicht die dominierende. Schließlich kaufen wir einen Fernseher auch eher wg. der Diagonale, des Designs, der Features, der Marke oder des Preises und nicht, weil es der erste Fernseher ist, den wir gesehen haben. Die regressionsbasierten Ansätze lernen aus den Daten und basieren auf stabilen Mustern, die erkannt werden. In der Praxis funktionieren diese Regeln auch bei neuen Touchpoints sehr gut. Dadurch haben die regressionsbasierten Ansätze gegenüber den spieltheoretischen Ansätzen einen klaren Vorteil: Sie können neue Touchpoints und Kanäle mit geringem Traffic sofort bewerten und müssen nicht immer bei null anfangen."

Wieviel Daten sind notwendig?

Nach Einschätzung eines hierzu befragten Experten aus der Forschung stellt die Spieltheorie kein sinnvolles Mittel dar, um Konversionspfade im Online-Marketing zu messen. Um auswertbare Ergebnisse durch die Spieltheorie zu erhalten, benötige man Millionen von Datensätzen beziehungsweise Customer Journeys. In der Marketing-Attribution sei dies nicht realistisch.

Und auch Jörn Grunert meint: „Man kann nicht alle Daten in einen Topf werfen. Dafür sind die Customer Journeys für verschiedene Produkte zu verschieden. Es sind jedoch nicht Millionen Datensätze für unsere Analyse nötig. Je nach Konversionsrate benötigen wir nur circa 2.000 erfolgreiche Konversionen. Darauf kommen dann circa nochmal das Zehn- bis Hundertfache an nicht erfolgreichen Konversionen. Aus diesen Daten können wir die erfolgreichen Kanäle herausfiltern und Vorhersagen über die Wirksamkeit von Werbeplatzierungen treffen.“

Fazit

Die Spieltheorie ist im Zusammenhang mit der Marketing-Attribution eher ein Buzzword und eine leere Worthülse. Als isolierter Ansatz kann die Spieltheorie nicht für die Marketing-Attribution nutzbar gemacht werden. Zu leicht kann die vergleichsweise eindimensionale Betrachtung der erfolgreichen Konversionen missinterpretiert werden und außerdem würde es für eine erfolgreiche Analyse an genügend Daten mangeln. Allerdings bieten die Ansätze der Spieltheorie die Möglichkeit, in Verbindung mit anderen Theorien Werbekanäle zu analysieren und die Wahrscheinlichkeit des Erfolgs dieser Kanäle vorauszusagen.

DATA
Relevanz – das Stichwort für erfolgreiche Werbung

Adrian McDonald

Eine „relevante“ Anzeige informiert und geht nicht an einem vollkommen uninteressierten Adressaten vorbei. In der Welt der digitalen Werbung bedeutet Relevanz, herauszufinden, was für Menschen am meisten zählt, damit interessante, überzeugende Markenbotschaften vermittelt werden, die letztendlich das Verhalten ändern. Für viele Werbetreibende ist dies das eigentliche Ziel – eine echte Beziehung zwischen der Marke und dem Verbraucher zu schaffen.

Früher wurde Relevanz durch explizite Zielgruppenansprache (Targeting) nach Geschlecht, Alter, Wohnort und verwendetem Gerät erzielt. Die Schwachstelle dieser Methode ist, dass dabei viele Annahmen über den Endnutzer getroffen werden, ohne dass man sich eigentlich mit ihm näher befasst. Es werden nur Kategorien abgehakt und Personen stereotypen Gruppen zugeordnet, die nicht unbedingt ihren Interessen entsprechen und nur einen sehr geringen Teil ihrer Persönlichkeit beschreiben. Targeting geht davon aus, dass Sie mit anderen Personen, die derselben vordefinierten Gruppe zugeordnet werden, dieselben Erfahrungen und Interessen teilen. Das ist jedoch schlicht nicht der Fall.

Nicht alle Väter sind gleich. Nicht alle Frauen zwischen 18 und 35 sind gleich. Und natürlich haben sie auch unterschiedliche Interessen. Targeting zielt auf nur einen Aspekt des Users ab oder schließt von wenigen kleinen Fakten auf mutmaßliche allgemeine Merkmale des Users.

Relevanz ist wichtig. Es hilft aber nicht, den User mit einer unendlichen Wiederholung von Werbung praktisch zu bombardieren. Das schafft keine Relevanz. Natürlich besteht die Versuchung für Werbetreibende, sich auf einen Wettstreit einzulassen, nach dem Motto „Wer schreit am lautesten?“, nur um Aufmerksamkeit zu erregen. Eine aussagekräftige und langfristige Beziehung zwischen einer Marke und einem Verbraucher kann auf diese Weise aber nicht aufgebaut werden.

Was wäre aber, wenn Werbetreibende aufgrund diverser Verhaltensmuster voraussagen könnten, wann ein User für ihre Marke oder ihr Produkt am empfänglichsten wäre und wenn sie dann ihre Botschaft zum günstigsten Zeitpunkt platzieren würden?

Exakt diese Frage veranlasste unser R&D-Team hier bei Widespace, ein Produkt zu entwickeln, das genau dies leistet: eine vorausschauende Technologie für mobile Markenwerbung.

Wenn Werbetreibende das Zielpublikum zum richtigen Zeitpunkt mit der richtigen Botschaft erreichen können, ersparen sie sich viel Zeit und Mühe, Menschen zu überzeugen, die eigentlich gar nicht zuhören wollen und keinerlei Bezug zur Marke bzw. zum Produkt haben. Diese Personen könnten aber für eine andere Werbung in einem anderen Kontext genau das richtige Zielpublikum sein.

Woher weiß man aber, wofür sich eine Person interessiert und was für sie relevant ist? Interessen und Einstellungen ändern sich schnell, manchmal von einem Tag zum anderen. Sie hängen von vielen Faktoren ab. Herkömmliche zielgruppenorientierte Werbung kann nicht die dynamischen, sich schnell ändernden Interessen der Menschen berücksichtigen. Ein erster Schritt, um Interessen zu antizipieren, ist die Beantwortung der Frage, WANN genau ein User empfänglich für eine Werbebotschaft ist.

Seit Jahren gelten Klicks als wichtigste und relevanteste Leistungskennzahl – schließlich zeigen sie Interesse an Werbung auf. In unseren Studien stellten wir jedoch fest, dass nur 4% der User tatsächlich auf Ads klicken. Weitere Studien ergaben, dass 90% der Personen, die Interesse an Werbung zum Ausdruck bringen, sie dennoch nicht anklicken. Aus diesem Grund haben wir uns gegen Klicks und für präzisere Interessenindikatoren entschieden. Wir möchten den Umfang des Verbraucherinteresses auf diese Weise für Werbetreibende genauer darstellen.

Die Widespace-Technologie verwendet dazu eine Kombination aus Werbemittelinteraktion (wie Swipe, Scratch, Shake) seitens des Users, der durchschnittlichen Viewtime und dem Surfverhalten. Aus all diesen Informationen kann das Interesse einer Person an einer bestimmten Werbung festgestellt werden. So werden die Widespace-Werbeformate im Grunde wie kleine datenerfassende Rechner verwendet.

Das R&D-Team von Widespace hat ein allgemeines Verfahren zur Messung des Interesses an Anzeigen entwickelt. Jeder Smartphonebesitzer sieht Anzeigen und betrachtet sie auf seinem Handy. Die Widespace-R&D-Abteilung entwickelte auf der Basis der aus der Werbung gewonnenen Daten ein Modell, das Aussagen über das Interesse an bestimmter Werbung vorhersagt. Der Vergleich des Verhaltens eines bestimmten Users bei früherer Werbung kann beispielsweise präzise Aufschlüsse darüber liefern, wann dieser empfänglicher für „Fitness“-, „Mode“- oder „Reise“-Botschaften ist. Lesen Sie hier mehr über die „Predictive Technology“ von Widespace: VIDEO

Die ersten Ergebnisse sind positiv. A/B-Tests zeigen eine 13% längere Betrachtungszeit der Werbung und 36% mehr Interaktion bei Kampagnen im Vergleich zu herkömmlicher zielgruppenorientierter Werbung.

Unser beständiges Bestreben ist es natürlich, die perfekte Vorhersage zu treffen. Die Leistungsfähigkeit der Voraussagekraft von Widespace-Technologie wird täglich besser und intelligenter.

Für wirksame Werbung müssen Werbetreibende über das traditionelle Targeting hinausgehen und so auch die Rendite von Marken verbessern. Wenn die richtige Werbung den richtigen Adressaten zum richtigen Zeitpunkt erreicht, sind weniger Anzeigen notwendig. Ein weiterer Vorteil: Die Verbraucher sind nicht gelangweilt oder genervt. Eine positive, wertschöpfende Interaktion zwischen Marken und Menschen vermindert die Anzahl nicht gelesener Werbung, steigert die Relevanz der Werbung und verbessert so letztendlich die Leistungskennzahlen von Marken (Markenwahrnehmung und Kaufabsicht). Das Ergebnis: Eine bessere Werbesituation, in der alle – Werbetreibende, Contentanbieter und Verbraucher – gewinnen.

Autor/in

Adrian McDonald, Chief Product Officer bei Widespace, ist bei dem Unternehmen für die Produktstrategie und Produktveröffentlichung zuständig. Er kann auf über 15 Jahre Erfahrung in der digitalen und TV-Werbebranche zurückblicken. Bevor McDonald im Jahr 2013 zu Widespace kam, war er als Country Manager Sweden bei Microsoft für den Launch der Microsoft Advertising Exchange in Westeuropa verantwortlich.