

Attribution und Marketing Mix Modelling sind beides gängige Methoden zur Analyse des Marketingerfolges. Die Zukunft liegt aber klar im Marketing Mix Modelling. Attribution hat in der Vergangenheit zwar mehr Aufmerksamkeit erhalten, ist jedoch mit den aktuellen Datenschutzbestimmungen immer schwieriger umsetzbar. In diesem Beitrag werden die beiden Vorgehen beschrieben und abgewogen.
Attribution
Im Attribution Modelling wird aufgezeigt, welche Touchpoints innerhalb der Customer Journey, wieviel zu einer Konversion (z. Bsp. Abverkauf) beitragen. Dabei gibt es verschiedene Herangehensweisen:
- Lineare Attribution: Alle Touchpoints haben denselben Einfluss auf die Konversion
- Zeitzerfalls-Attribution: Kürzlich erfolgte Kontakte haben einen höheren Einfluss als solche die länger her sind.
- Positionsbasierte Attribution: Der erste und der letzte Touchpoint haben einen höheren Einfluss auf die Konversion als die anderen.
Dabei gibt es auch kombinierte oder dynamische Modelle, welche diese Herangehensweisen miteinander kombinieren.
Attribution Modelling ist sehr attraktiv: Sie hilft Marketingpersonen die Customer Journey aufzuschlüsseln und herauszufinden, wie die einzelnen Touchpoints zu einem Verkauf beitragen. Durch dieses Wissen kann das Marketingbudget dort fokussiert werden, wo es die grösste Wirkung hat.
Das grösste Problem des Attribution Modelling basiert auf dem Versprechen der Nachverfolgbarkeit. User können vermeintlich über jeden Touchpoint getrackt werden. Jedoch war das nie wirklich der Fall – gerade auch bei Gerätewechseln oder beim Einbezug von Offline-Medien. Mit den neuen Datenschutzbestimmungen und Vorstössen (Stichwort 3rd Party Cookies) wird dies noch weniger möglich sein. In Zukunft kann man sich nicht mehr auf Daten verlassen, die auf User-Level gesammelt werden. Man muss stattdessen mit aggregierten Daten arbeiten, die weiterhin Resultate liefern aber nicht mehr in dieselbe Tiefe gehen. Zudem kommt es stark auf die Technologie und das Modell an auf welchem die Attribution basiert. Es gibt durchaus Methoden, die mit diesen Herausforderungen umgehen können. Es lohnt sich aber auf jeden Fall genau hinzuschauen.
Die meisten Attribution Modelle davon aus, dass jeder Touchpoint einen positiven Einfluss auf die Kaufentscheidung hat. Dies kann zu falschen Schlüssen führen, da Personen trotz negativen Erfahrungen ein Produkt kaufen können.
Marketing Mix Modelling
Beim Marketing Mix Modelling handelt es sich um eine statistische Analyse von historischen Marketing und Sales Daten, die eine Einschätzung zum Wert der jeweiligen Massnahmen macht. Die Modelle fokussieren sich auf den Input (Budget und Kanäle) in Relation zum Output (Umsatz, Verkaufszahlen, usw.). Dabei soll nicht wie beim Attribution Modelling eine Customer Journey nachgebildet, sondern der Einfluss von einzelnen Kanälen auf den Gesamterfolg eruiert werden (weitere Informationen zu Marketing Mix Modelling im letzten Beitrag).
Auch Marketing Mix Modelling hat verschiedene Nachteile. So muss der Input eine gewisse Grösse haben, damit das Ganze funktioniert. Das heisst, die Datenmenge und das Mediabudget muss genug gross sein, damit die Modelle damit etwas anfangen können. Meist wird zudem das unmittelbare Verkaufsergebnis modelliert. Daten zu Markenbekanntheit und -sympathie stehen oft nicht in ausreichender Menge und Granularität zur Verfügung. Imagekampagnen werden daher oft schlechter bewertet, als sie in Wahrheit sind. Dies muss bei Interpretation der Ergebnisse entsprechend berücksichtigt werden.
Marketing Mix Modelling bietet bei seriöser Ausführung eine verlässliche und zukunftsträchtige Methode zur Ermittlung der Wirkung einer Kampagne bzw. der einzelnen Maßnahmen. Attribution hingegen steht vor Herausforderungen durch den Verlust von Third-Party-Cookies und veränderte Datenschutzbestimmungen. Eine Anpassung der Methoden und letztendlich eine Integration von MMM und Attribution könnten jedoch in einer neuen Ära der Marketing-Erfolgsmessung münden. Die Zukunft wird zeigen, wie sich die Branche auf die neuen Herausforderungen einstellt und technologische Lösungen entwickelt, um Marketingerfolg weiterhin effektiv zu messen.
