Von Alexander Dieser, Head of SEA bei Netzeffekt

Das neue Tool Google Attribution hilft Marketern dabei, den Effekt von Werbemassnahmen zu bewerten. Und das über mehrere Touchpoints, unterschiedliche Geräte und mehrere Channels hinweg. Vorgestellt wurde das neue Tool bei der Google Marketing Konferenz in San Francisco. Damit integriert Google das Know-how und die Lösungen von Adometry, das 2014 von Google gekauft wurde, in das Google-Produktportfolio.

Die grosse Neuerung wird sein, dass die Multikanal-Attributionsdaten aus Google Analytics heraus dann auch in Adwords fürs Bidding eingesetzt werden können. Und das Tool wird durch Machine Learning noch bessere Ergebnisse liefern, als bisher.

Wie üblich im Analytics-Bereich gibt es zwei Produktvarianten: eine bezahlte - Attribution 360 - und eine kostenlose. Die Google Attribution 360 Lösung ist laut Google für die grössten Unternehmen vorgesehen. Das sind weder wir noch die meisten Leser.

Google Attribution ist die kostenlose Version von Google Attribution 360. Die Attribution der Daten erfolgt über mehrere Channels hinweg, Cross-Device und Multi-Touch. Es ist integriert in AdWords, DoubleClick und Google Analytics.

Die letzten beiden Punkte sind besonders wichtig: datengestützte Attribution - Google versucht ganz intensiv von statischen Attributionsmodellen weg zu kommen - und Machine Learning: Google will sich als ganzer Konzern von "Mobile First" zu "AI (Artificial Intelligence) First" wandeln.

Es gibt unterschiedliche Modellierungsansätze, die angewendet werden können. Als die wichtigsten drei sehen wir folgende:

• Spieltheorie: Dabei steht das Verhalten der Akteure im Vordergrund: Die Intention des Users, die Neigung des Publishers Werbung anzuzeigen und der Profit des Advertisers. Anhand des Shapley Wertes wird anschliessend ermittelt, welche Auszahlung die Beteiligten in Abhängigkeit von einer Koalitionsfunktion erwarten können (positive Interpretation) oder erhalten sollten (normative Interpretation).
• Bayes Ansatz: Hier werden die Daten von individuellen Conversion-Pfaden betrachtet. Die Attribution erfolgt anhand geschätzter Carryover und Spillover-Effekte. Dies ist auch das Modell, welches bei Google Attribution zum Einsatz kommt.
• Graph-basierter Ansatz: Bei diesem Ansatz wird die User Journey als Markov-Graph dargestellt. Die Attribution erfolgt anhand der Veränderung der Conversion-Wahrscheinlichkeit bei Weglassen eines Kanals/einer Kampagne.
  

Es gibt aber auch Situationen, in denen Attribution keine brauchbaren Ergebnisse liefert:

• Ein Schlüsseldienst etwa braucht beispielsweise nicht über Attribution nachdenken. Der User sucht und bestellt direkt. Wer sich vor seiner Wohnungstür ausschliesst, nimmt sich nicht mehrere Tage Zeit, um die unterschiedlichen Angebote diverser Schlüsseldienste zu recherchieren.
• Auch Unternehmen, die neben Organic und Direct Traffic noch ein wenig E-Mail, AdWords/SEA und Social Advertising Traffic auf der Seite haben, werden nicht genug Daten für statistisch belastbare Ergebnisse haben.
• Die sogenannten User Journeys müssen entsprechend lang sein und die Datenbasis entsprechend gross sein, damit man von Attribution tatsächlich profitieren kann.

So banal es klingt - als Erstes gilt es, seine Online-Traffic-Daten in die Hände von Google zu geben. Das heisst, zumindest sollte Adwords Conversion Tracking, oder besser Google Analytics eingesetzt werden. Dann gilt es seine Daten zu strukturieren. Also in Analytics etwa benutzerdefinierte Channel Gruppierungen anlegen, Nicht-Google-Kampagnen mit Google-Analytics-Kampagnen-Tracking versehen, Kampagnenkosten in Analytics hochladen und Offline Conversions integrieren etc.

Der Gewinn liegt dabei auf der Hand: Man wird schwer ein kostenloses Analytics-Tool finden, das ähnlich viele Funktionen bietet wie Google Analytics. Und es gibt kaum einen Anbieter, dem so viele Daten über Zielgruppen oder Cross Device Verhalten vorliegen wie Google.

Zusätzlich können die Daten von TV-Werbekampagnen integriert werden. Ebenso wie Offline-Conversion-Daten. Allerdings sollte man dafür etwas Geduld mitbringen, denn die neuen Funktionen werden erst in den nächsten Monaten der breiten Masse an Google-Kunden zur Verfügung stehen.

Jetzt muss man nur noch die Hürde der Datenmenge überspringen. Es müssen mindestens 15.000 Klicks und mindestens 600 Conversions innerhalb von 30 Tagen erfasst werden, damit das dynamische Attributionsmodell genutzt werden kann.

Es fehlen wenige Leistungen, dennoch wird es spannend sein wie sich das Tool und seine Schnittstellen weiterentwickeln werden. Grundsätzlich wird es sich dabei um View Tracking von Impressions ausserhalb der Google Welt drehen sowie um Social Media. Allerdings wird es auch Unternehmen geben, die den Erfolg ihrer Ads nicht vollständig transparent durch Google Attribution modellieren und beurteilen lassen wollen. Beispielsweise bei Facebook ist ein solches Szenario durchaus vorstellbar.

Die Qualität der Ergebnisse hängt sehr entscheidend vom richtigen Messen der Touchpoints mit dem User ab. Hier ist es ganz wichtig, nicht in Klicks und Website-Besuchen zu denken, sondern wirklich möglichst umfangreich alle Online- und Offline-Kontakte zu integrieren.

Je nach Phase müssen die richtigen Kennzahlen und Conversion-Typen definiert werden. Hier gilt es, ganzheitlich zu arbeiten. Wird ein wichtiger Kanal falsch abgebildet, liefert das Tool die falschen Ergebnisse, die zu Fehlentscheidungen in der Kampagnensteuerung führen können.

Wenn man in der glücklichen Lage ist, aus dem dynamischen Attributionsmodell Empfehlungen zu bekommen, dann wird man sehen, ob man dadurch einen Hebel für die Kampagnenaussteuerung bekommt. Da Google die vielleicht besten Daten zum Cross-Device-Verhalten hat, AdWords-Daten aus einem sehr starken Verkaufs-Kanal besitzt und über Doubleklick und GDN (Google Display Netzwerk) Zugriff zu vielen Impression-Daten hat, kann man erwarten, hier interessante Ergebnisse zu sehen.

Auch wenn in Google Analytics und AdWords die datengetriebenen Attributionsmodelle nicht zur Verfügung stehen, ist es trotzdem wichtig, über Attribution nachzudenken. Grundsätzlich liegt hinter all diesen sogenannten heuristischen Modellen zu viel Subjektivität. Deshalb lautet die Empfehlung:

In vielen Fällen ist linear oder gleichverteilt sinnvoll. Bei sehr kurzen Ketten zeigen einige Untersuchungen, dass das Last-Click-Modell dem datengetriebenen Modell am nächsten kommt.

Das ist eigentlich der wichtigste Punkt der Attribution. Der Modellvergleich zum Spass kostet nur Zeit. Klassisch erwartet man dabei, dass Kampagnen aus dem Mid- und Upper Funnel mehr Erfolg zugerechnet bekommen.

Es können unterschiedliche Handlungsalternativen entstehen:

• Aktivitäten innerhalb eines Kanals verschieben: Zum Beispiel im SEA mehr Generic Traffic buchen, oder den Kanal/Genre Mix im TV anpassen
• Budget Cross Channel verlagern, also zum Beispiel Budget von Affiliate zu Display Prospecting verschieben
• Neue Traffic-Kanäle testen wie RTA, weil man zum Beispiel sieht, dass Kettenstarts mit Display sehr gut konvertieren und die Reichweite steigern

Hier liefert Google Attribution mit der Marketing-Mix-Modellierung und den Ausgabenempfehlungen wertvolle Insights. In den Google-Werbesystemen kann die Aussteuerung und Optimierung der Kampagnen direkt auf Basis der Ergebnisse der Attribution erfolgen.

Attribution ist nie eine exakte Wissenschaft. Unter anderem durch Cross Device und Cookie-Löscher-Ungenauigkeiten wird ein Teil der Klickketten immer unterbrochen. Trotzdem sollte unbedingt Attribution eingesetzt werden. Der Erfolg der Werbemassnahmen soll immer mit einem gewissen Schlüssel auf alle an der Conversion beteiligten Interaktionen verteilt werden. Und je mehr Daten vorhanden sind, umso mehr Verständnis für das User-Verhalten kann entwickelt werden und umso eher ist ein System in der Lage, Ergebnisse hochzurechnen.

Wer Attribution grundsätzlich kanalübergreifend denkt, sollte sich auch bewusst sein, dass viele User "Trampelpfade" haben, welche sich oft nur in einem Kanal abspielen. Deshalb sollte Attribution auch innerhalb einzelner Systeme wie AdWords betrieben werden.

Im besten Fall erfolgt die Attribution mit einem datengestützten Modell. Google Attribution ist sicher ein Tool, das man dafür auf dem Schirm haben und testen sollte. Man darf dabei aber nicht vergessen, dass man damit zwar gute Ergebnisse erzielen kann, aber da man die genauen Algorithmen nicht kennt (Black Box), trotzdem  ein Stück neben dem individuellen Optimum liegen kann.