2022-08-26 | Article | Insights
Bekanntlich führen viele Wege nach Rom. Im Falle der Bewertung der Marketingeffizienz gibt es zwei Ansätze, die zur Verfügung stehen: Attribution und Marketing Mix Modeling. Mit jedem dieser Ansätze ist es möglich, die relevanten Marketingkanäle zu identifizieren, die zu Conversions in der Vergangenheit beigetragen haben, und ihren individuellen Wertbeitrag zur Conversion Generierung und/ oder zum Umsatz zu berechnen. Diese Erkenntnisse bilden die wertvolle Grundlage für zukünftige Budgetentscheidungen und sind daher unerlässlich.
In den letzten Jahren war die Attribution der bevorzugte Ansatz im Bereich der digitalen Analyse. So basieren beispielsweise die in Google Analytics integrierten Berichte auf diesem Konzept. Durch die Problematik der Erfassung von 3rd Party Cookies wird es jedoch zunehmend schwieriger, die notwendige Datenbasis in ausreichendem Maße aufzubauen. Aus diesem Grund sehen wir für die Zukunft eine stark steigende Relevanz des Marketing Mix Modeling. Mit diesem Ansatz ist es möglich, die Marketingeffizienz zu berechnen, ohne auf die Informationen einzelner Klickpfade zurückgreifen zu müssen.
Die große Gemeinsamkeit der beiden Ansätze ist das Ziel, das sie verfolgen. Historische Daten werden analysiert, um zu erfahren, welche Marketingkanäle und -kampagnen besonders erfolgreich zum angestrebten KPI beigetragen haben. Dieses Wissen bildet die Grundlage für künftige Entscheidungen über die Budgetzuweisung.
Die Unterschiede zwischen Attribution und Marketing Mix Modeling sind vielfältig, lassen sich aber im Wesentlichen auf drei verschiedene Ebenen herunterbrechen.
Die erste Ebene ist die zugrunde liegende Datenbasis: Marketing Mix Modeling verwendet die täglichen Spendings oder Impressions pro Marketingkanal als Input-Variablen. Im Idealfall fließen Daten aus mindestens einem Jahr in die Modellierung ein. Im Gegensatz dazu nutzt Attribution die aggregierten Customer Journeys, also die Abfolge von Marketing-Touchpoints, die zu einer Conversion führen. Ein wichtiger Vorteil des Marketing Mix Modeling liegt in den Variablen, die zusätzlich zu den On- und Offline-Marketingkanälen berücksichtigt werden können. So werden beispielsweise regelmäßig saisonale Faktoren in diese Modelle einbezogen.
Aus der jeweiligen Datenbasis ergibt sich auch ein Unterschied in der Analysemethode. Beim Marketing Mix Modeling werden mittels Regressionsanalyse die signifikant einflussreichen Marketingkanäle und andere Faktoren identifiziert und deren proportionaler Einfluss auf Conversions berechnet. Im Gegensatz dazu kann die Attribution sowohl regelbasiert als auch datengesteuert sein. Das beliebteste regelbasierte Attributionsmodell ist der letzte nicht-direkte Klick, der den gesamten Conversion Wert dem letzten Marketingkanal in der User Journey zuweist. Wenn dieser letzte Touchpoint direkt ist, wird stattdessen der vorherige nicht-direkte Touchpoint verwendet. Unter den datengesteuerten Attributionsalgorithmen im digitalen Marketing dominiert der Shapley Value. Dieser Ansatz stammt aus der Spieltheorie und verteilt den Conversion Wert auf die jeweiligen Touchpoints in Abhängigkeit von der tatsächlichen Beteiligung der Marketingkanäle an der User Journey. Als Faustregel gilt: Je mehr das Modell die Realität abbilden soll, desto komplexer ist es. Auf dieser Skala stehen die regelbasierten Attributionsmodelle am Anfang und das Marketing Mix Modeling am Ende.
Ein dritter Unterschied ist die Aktualität der Ergebnisse. Da die Marketing Mix Modeling auf der Grundlage von Daten aus mindestens einem Jahr berechnet wird, würden tägliche Modellaktualisierungen die Ergebnisse nicht wesentlich verändern. Vielmehr ist eine monatliche Aktualisierung des Modells sinnvoll. Das bedeutet, dass Marketing Mix Modeling eher für mittel- und langfristige Budgetentscheidungen geeignet ist. Ein auf dem Modell basierender Budgetszenario-Rechner kann zum Vergleich der Ergebnisse verschiedener Budgetallokationsoptionen verwendet werden. Die Attribution ist hier flexibler: Die Modelle werden auf der Grundlage von Daten aus kürzeren Zeiträumen berechnet. So reichen beispielsweise Daten aus zwei bis vier Monaten aus. Auf dieser Basis können täglich neue Attributionsergebnisse automatisch berechnet werden, was zu einer höheren Handlungsfähigkeit führt. Allerdings ist es nicht möglich, zukünftige Szenarien hinsichtlich der Budgeteffizienz vorherzusagen.
Wie bei vielen Dingen im Leben gibt es auch bei der Bewertung der Marketingeffizienz nicht die eine Lösung. Marketing Mix Modeling und Attribution haben jeweils ihre Vor- und Nachteile. Je nach den individuellen Anforderungen, der Intensität und der Vielfalt der Marketingaktivitäten sowie der verfügbaren Datenbasis ist der eine oder der andere Ansatz ratsamer. In einer perfekten Welt werden beide Ansätze parallel eingesetzt, da sie sich durchaus ideal ergänzen. Es ist jedoch klar, dass die Verfügbarkeit einer Datenbasis für die Attribution aufgrund der 3rd-Party-Problematik immer mehr erschwert wird. Das bedeutet, dass die Marketing Touchpoints der einzelnen Customer Journeys in Zukunft nicht mehr vollständig verfügbar sein werden. Daher wird das Marketing Mix Modeling als Ansatz zur Bewertung der Marketingeffizienz deutlich an Bedeutung gewinnen.