Zwischen Privacy und Walled Gardens: Die ungewisse Zukunft der Multi-Touch-Attribution

Der Begriff der Attribution stammt ursprünglich aus der Psychologie, wo er den Zusammenhang zwischen Ursachen und davon ausgelösten Handlungen und Verhaltensweisen beschreibt. Den Einzug ins moderne Marketing fand er zu einer Zeit, als Werbetreibende ihre Budgets von den traditionellen Offline-Ads in die digitalen Medien verschoben. Hier standen ihnen durch Kanäle wie Paid und Organic Search sowie durch Display- und E-Mail-Marketing riesige Mengen an Kundendaten zur Verfügung.

Basierend auf dieser Entwicklung wird unter Marketing-Attribution heute ein Analyseprozess verstanden, durch den erzielte Ergebnisse konkreten Maßnahmen zugeordnet werden können. Dazu werden alle Kanäle und Werbemittel betrachtet, die einen potenziellen Kunden mit einem Produkt oder einer Leistung in Berührung bringen, sein Interesse steigern und ihn zum Käufer konvertieren. Bei diesen Touchpoints kann es sich beispielsweise um Social-Media-Kampagnen, SEO-Anstrengungen oder die Pflege von Bestandskunden handeln, die ihre Produkterfahrungen auf Bewertungsportalen teilen.

Attribution für einen optimalen Marketing-Mix

Mit den verschiedenen Methoden der Marketing-Attribution kann nun quantifiziert werden, wie erfolgreich die jeweiligen Touchpoints die Konversion vorantreiben. Dabei werden die Interaktionen des Kunden mit Werbemaßnahmen nicht isoliert, sondern in ihrem zeitlichen Ablauf und ihrer Wechselwirkung betrachtet, um mögliche Zusammenhänge zu identifizieren und die jeweiligen Anteile an der Gesamt-Konversionsrate zu ermitteln. Ziel ist es, mit den gewonnenen Erkenntnissen das Marketing-Budget für laufende und zukünftige Werbekampagnen zu optimieren.

‍

Welche Attributionsmodelle kommen zum Einsatz?

‍

Für diese Betrachtungen können je nach Zielgruppe und eingesetzten Maßnahmen eine Vielzahl unterschiedlicher Attributionsmodelle eingesetzt werden. Bei den Methoden der Single-Source-Attribution wird beispielsweise einzelnen Touchpoints wie dem Erstkontakt mit dem Produkt oder dem letzten Klick vor dem Kauf die gesamte Konversionsleistung gutgeschrieben. Diese Vorgehensweise lässt zwar die Komplexität des Entscheidungsprozesses außen vor, ist aber einfach zu implementieren.

Im Gegensatz zur Single-Source-Attribution ordnen Verfahren der Fractional Attribution allen vorhandenen Berührungspunkten einen Beitrag zur Konversion zu. Beispiele hierfür:

• Position-Based-Attribution, die den ersten und den letzten Touchpoint bei der Bewertung gegenüber allen anderen hervorhebt.
• Time-Decay-Attribution, bei der neuere Interaktionen höher bewertet werden als solche zu Beginn der Entscheidungsfindung.
• Multi-Touch-Attribution (MTA), das datenzentrierte und anspruchsvollste Fractional-Attribution-Modell, das allen Touchpoints auf der Basis intensiver Web-Analytics variable Werte zuweist.

KI-gestützter Marketing-Mix als Alternative

Die Abhängigkeit der MTA von Big Data ist jedoch auch eine ihrer größten Schwachstellen. Denn um zu aussagekräftigen Ergebnissen zu gelangen, benötigt MTA sowohl umfangreiche als auch möglichst präzise Kundendaten. Eine der wichtigsten Quellen hierfür sind Tracking-Cookies, die die Interaktionen eines Website-Besuchers auch über die angesteuerte Domain hinaus aufzeichnen und so ein detailreiches Nutzerprofil generieren. Tracking hat jedoch in den letzten Jahren immer stärker an Relevanz verloren.

‍

Warum bereitet Tracking solche Probleme?

‍

Einer der Hauptgründe hierfür ist, dass Tracking-Cookies nur Daten für Vorgänge im Netz liefern – weiterhin verbreitete Werbemaßnahmen in Print und TV oder Verkäufe im stationären Handel können nicht nachverfolgt werden. Gleiches gilt für geschlossene Ökosysteme, die nur proprietäre Tools zum Messen und Bewerten der Marketinganstrengungen erlauben und für Web Analytics von außerhalb dieser „Walled Gardens“ blinde Flecken darstellen. Die stärksten Auswirkungen auf datenzentrierte Attributionsmodelle haben jedoch Gesetze wie die europäische Datenschutz-Grundverordnung oder der California Consumers Privacy Act, die dem intensiven Erfassen des Kundenverhaltens durch strikte Opt-In-Forderungen und Cookie-Banner enge Grenzen gesetzt haben.

Die daraus resultierende Ungenauigkeit bei der Bewertung der Touchpoints führt zu einer ineffektiven Zuteilung des Marketingbudgets – wodurch MTA also ihre eigenen Präzisions-Anforderungen nicht erfüllen kann. Als Alternative bieten sich Verfahren an, die stattdessen auf ein ganzheitliches, KI-gestütztes Monitoring der Werbemaßnahmen und ihrer Ergebnisse setzen und ohne Attribution auskommen. Insbesondere auf Decision Intelligence basierende Methoden wie die Omnichannel Optimization von paretos bieten Privacy-konforme und unkompliziert einsetzbare Werkzeuge zur Verbesserung des Marketing-Mix.