Digitale Attribution und Media-Mix-Modellierung – welche sollten Sie wählen?

Digitale Attribution, Media-Mix-Modellierung, Attribution-Modellierung – diese sind mit einem viel größeren und sehr wichtigen Begriff im Marketing verbunden, der zusammenfassend als Kundenverhaltensmodellierung bekannt ist.

Obwohl es einfach erscheinen mag, gibt es tatsächlich einige komplexe Aspekte bei jedem dieser Aspekte, die jeder Vermarkter, Unternehmer und Geschäftsinhaber verstehen sollte, um sie in seine eigene Strategie umzusetzen.

Modellierung des Kundenverhaltens

Bei der Kundenverhaltensmodellierung geht es darum , Verhaltensweisen in verschiedenen Kundengruppen zu identifizieren , um vorherzusagen, wie sich ähnliche Kunden unter bestimmten Umständen verhalten werden. In den meisten Fällen basiert die Modellierung des Kundenverhaltens weitgehend auf Data Mining von Kundendaten, wobei jedes Modell, das Sie erstellen, darauf ausgelegt ist, eine bestimmte Frage zu beantworten.

Beispielsweise könnte ein Kundenverhaltensmodell vorhersagen, was eine bestimmte Gruppe ähnlicher Kunden als Reaktion auf eine bestimmte Marketingaktion des Unternehmens tun wird (z. B. junge Frauen, die auf eine Anzeige reagieren, die Vielfalt und Akzeptanz verschiedener weiblicher Körpertypen fördert). Wenn das Modell korrekt erstellt wurde, kann der Vermarkter davon ausgehen, dass die meisten Menschen in dieser Gruppe so reagieren, wie es das Modell vorhergesagt hat.

Wie bei allem anderen gibt es auch bei der Modellierung des Kundenverhaltens gewisse Probleme, die bis heute bestehen. Für den Anfang ist es ein sehr schwieriger und teurer Prozess. Denn Sachverständige sind in der Regel sehr teuer. Sie müssen verschiedene komplexe mathematische Berechnungen durchführen, die nicht einmal immer ganz genau sind. Und selbst wenn das Modell erstellt ist, ist es oft nicht verwendbar.

Abgesehen davon sind die meisten Kundenverhaltensmodelle, obwohl die mathematischen Modelle komplex sind, einfach, weil viele Faktoren ignoriert werden, um das Ergebnis für den Vermarkter praktischer zu machen – was wiederum das Modell unbrauchbar macht, weil es nicht genau ist genügend. Es ist ein bisschen paradox, aber es ist wahr.

Marketing-Mix-Modellierung

Die Marketing-Mix-Modellierung (oder MMM) ist eigentlich eng mit der Modellierung des Kundenverhaltens verwandt. Es wird oft als integraler Bestandteil der Kundenverhaltensmodellierung angesehen. Das Hauptziel der Marketing-Mix-Modellierung besteht darin, herauszufinden, wie verschiedene Marketingaktivitäten die Geschäftskennzahlen eines bestimmten Produkts bestimmen. Normalerweise ist MMM sehr effektiv, um den Return on Investment (oder ROI) Ihrer Marketingtaktiken vorherzusagen .

Ein Standard-Marketing-Mix-Modell schlüsselt verschiedene Geschäftsmetriken auf, die es Vermarktern und Geschäftsinhabern ermöglichen, zwischen den Marketing- und Werbeaktivitäten zu unterscheiden, die Sie für Ihre Strategie durchführen.

Diese lassen sich unterteilen in:

• Inkrementelle Treiber : Dazu gehören alle Geschäftsergebnisse, die sich aus den Marketingaktivitäten in Print- und Fernsehwerbung, digitalen Anzeigen, Preisnachlässen und Werbeaktionen, sozialer Reichweite usw. ergeben.
• Basistreiber : Sofern es keine wirtschaftlichen oder umweltbedingten Änderungen gibt, sind die Basistreiber normalerweise festgelegt. Das Basisergebnis wird immer ohne Werbung erzielt, sondern aufgrund des über die Jahre gewachsenen Markenwerts.
• Andere Treiber : Ähnlich wie Basistreiber werden andere Treiber als Markenwert gemessen, der über einen bestimmten Zeitraum akkumuliert wird. Weitere Treiber resultieren aus der langfristigen Wirkung von Marketingaktivitäten.

Es gibt drei Hauptvorteile der Marketing-Mix-Modellierung . Erstens können Sie Marketingbudgets besser zuweisen und bestimmen, welcher Marketingkanal für welche Investitionssumme geeignet ist. Zweitens führen Sie Werbekampagnen besser durch, indem Sie optimale Ausgabenniveaus vorschlagen. Drittens können Sie verschiedene Geschäftsszenarien testen, indem Sie die mögliche Entwicklung von Ereignissen simulieren.

Attributionsmodellierung

Die Attributionsmodellierung kann als Teilmenge der Marketing-Mix-Modellierung betrachtet und in diese integriert werden. Die Attributionsmodellierung verfolgt einen einzigartigen Ansatz zur Analyse des Kundenverhaltens. Es soll die Wege identifizieren, die die verschiedenen Segmente Ihres Publikums gehen, um Kunde zu werden, und wie sie sich nach dem Kauf verhalten. Es untersucht Daten in jedem Schritt des Prozesses, um den Wert jeder Komponente der Marketinginitiative zu ermitteln.

Die Attributionsmodellierung konzentriert sich normalerweise mehr auf Aktivitäten wie digitale Verkäufe, Werbung und andere Conversion-Bemühungen. Der Prozess erfordert eine genaue und regelmäßige Analyse der gesammelten Daten, oft in Echtzeit.

Aufgrund der großen Datenmengen und der verschiedenen verfügbaren Marketingkanäle haben sich im Laufe der Zeit verschiedene Arten von Attributionsmodellen entwickelt und werden derzeit verwendet:

• Letzte Interaktion : Dieses Attributionsmodell gibt es seit den Anfängen des E-Commerce. Es ist effektiv, aber es gibt immer noch einige Probleme mit dieser Methode. Sie schreiben die Conversion vollständig den letzten Leads zu, mit denen der Kunde interagiert hat. Beispielsweise könnte die Person mehrere Anzeigen auf Google, Facebook und Twitter gesehen haben, aber nur die Twitter-Anzeige, auf die sie geklickt hat, erhält die Gutschrift.
• Erste Interaktion : Dieses Attributionsmodell unterscheidet sich vollständig vom Modell der letzten Interaktion. Hier wird die erste Anzeige, mit der Ihr Lead interagiert hat, oder besser gesagt die Art und Weise, wie Ihr Kunde Ihr Unternehmen kennengelernt hat, gutgeschrieben. Wenn die Person beispielsweise mit der Google-Anzeige interagiert hat und dann mit anderen geschäftlichen Inhalten oder Anzeigen interagiert hat, erhält die Google-Anzeige die Gutschrift.
• Letzter indirekter Klick : Dieser Ansatz bedeutet auch, dass Sie den Lead, den Sie erhalten, einer einzelnen Interaktion zuschreiben, aber die Logik unterscheidet sich von den beiden vorherigen Methoden. Die einzige Interaktion, die gutgeschrieben werden kann, ist der letzte indirekte Klick (dh der Benutzer, der die URL Ihrer Website eingibt, ist nicht teilnahmeberechtigt, der Benutzer, der auf eine Google-Anzeige klickt, ist jedoch berechtigt).
• Lineare Zuordnung : Das lineare Zuordnungsmodell ist ein „fairerer“ Ansatz, da es alle Interaktionen anrechnet, die der Kunde hatte, bevor er seinen Kauf abschloss. Wenn sie beispielsweise mit Markeninhalten in sozialen Medien interagiert und auf Anzeigen auf Google und Twitter geklickt haben, wird all dies gutgeschrieben.
• Time Decay Attribution : Dieses Modell basiert auf der linearen Attribution-Methode und verteilt Gutschriften zwischen Kundeninteraktionen. Dabei wird aber auch berücksichtigt, dass unterschiedliche Anzeigen insgesamt eine unterschiedlich hohe Wichtigkeit haben können, wodurch die Gutschrift entsprechend der Wichtigkeit der Interaktionen verteilt wird.
• U-förmige Attribution : U-förmige Attribution, auch bekannt als Positionsbasiertes Attribution-Modell, teilt die Gutschrift auf, gibt jedoch jeder der einzelnen Interaktionen feste Beträge: Die erste erhält 40 %, die letzte erhält 40 % und alle anderen erhalten zu gleichen Teilen die restlichen 20 %.
• Andere Attributionsmodelle : Einige Vermarkter mögen es, die verschiedenen Attributionsmodelle zu mischen und aufeinander abzustimmen und ihre eigenen Ansätze zu entwickeln.

Empfohlene Vorgehensweise

Einfach ausgedrückt, es gibt keinen richtigen oder falschen Weg, die oben aufgeführten Methoden anzuwenden, also müssen Sie sie ausprobieren und sehen, welche für Ihr Unternehmen besser funktionieren, bevor Sie sich auf einen bestimmten Ansatz für Ihre Marketingstrategie festlegen.

Denken Sie daran, dass keiner von ihnen perfekt ist und alle Nachteile haben. Aber das bedeutet nicht, dass Sie diese Nachteile nicht zu Ihrem Vorteil nutzen können, wenn Sie den richtigen Weg finden, sie zu nutzen.

Sie könnten damit beginnen, sich anzusehen, wie andere Unternehmen ihr Kundenverhalten analysieren. Beispielsweise nutzt Chobani, eine Joghurtmarke, Produkterlebnisse, um das allgemeine Kundenerlebnis zu verbessern. Die Marke wurde in Australien so beliebt, weil sie schnell auf die Wünsche ihrer Kunden reagierten, anstatt ihre Bedürfnisse zu ignorieren.

Sie können auch datengesteuerte Vorhersagen wie Target verwenden, um zu verstehen, wie sich der Status ihrer Kunden geändert hat und was ihre neuen Bedürfnisse sein könnten. Es geht darum, sich auf unterschiedliche Weise an die Situation anzupassen und das zu nutzen, was man bereits hat.

Abschließende Gedanken

Es ist ganz einfach herauszufinden, welches Modell für Ihr Unternehmen am besten geeignet ist, sobald Sie verstehen, wie es aufgebaut ist und welche Vorteile Sie daraus ziehen können. Wie Zig Ziglar einmal sagte: „Menschen kaufen nicht aus logischen Gründen. Sie kaufen aus emotionalen Gründen.“ Berücksichtigen Sie alle Variablen mit einem der oben genannten Modelle und Sie erhalten einen erheblichen Vorteil gegenüber Ihren Mitbewerbern.