Eerste stappen naar Omni-channel Marketing Attributie

Door Wouter Hosman -

Stel je voor: Je hebt weken gewerkt aan een marketingcampagne die eindelijk, sinds vorige week, live staat. Je hebt gekozen voor een strategie waarin veel verschillende kanalen een rol spelen. Daarnaast is er goed nagedacht over de analytics tagging zodat je alles in jouw dashboard kunt volgen. Na een aantal dagen zie je dat er opvallend veel conversie voort komt uit jouw AdWords campagnes.

Nu valt RTB (Bannering) juist tegen dus kan er gemakkelijk wat budget worden geschoven. Zo gezegd, zo gedaan. RTB wordt stopgezet en dit budget gaat volledig in AdWords. Laat die conversie maar binnenstromen!

Dat valt even tegen...

Vanwege drukte bekijk je jouw dashboard pas weer na twee dagen en je schrikt je rot! De complete conversie is ingezakt en je hebt geen idee wat er aan de hand is. Dit zou zomaar een typisch geval kunnen zijn van verkeerde interpretatie van de cijfers. Dit wil je natuurlijk niet nog een keer meemaken. Omni-channel Marketing Attributie to the rescue!

Wat is Omni-channel Marketing Attributie eigenlijk?

Kort gezegd is het de waarde die je aan kanalen toewijst voor conversies die zijn gedaan. Hierdoor krijgt elk kanaal de waardering die het verdient voor een conversie. Een voorbeeld: Jan ziet een AdWords advertentie en doet direct na de click een aankoop of schrijft zich in voor het loyaliteitsprogramma. AdWords verdient hiervoor dan 100% van de eer. Maar stel je voor dat Jan de aankoop pas doet wanneer hij twee banners, een AdWords advertentie en een e-mail heeft gezien. Wie krijgt dan de eer? Omni-channel Marketing Attributie probeert hier een antwoord op te geven door de waarde zo eerlijk mogelijk te verdelen.

conversie paden Verschillende paden die kunnen leiden tot een conversie

Omni-channel is toch meer dan enkel digitale kanalen?

Volledig mee eens, in een perfecte wereld zijn we in staan om de volledige omni-channel journey van onze klant door te meten. Helaas hebben we te maken met een aantal blinde vlekken. Denk alleen al aan de cookiewetgeving of alle offline communicatie die we doen. Vanzelfsprekend zijn er een aantal manieren om bijvoorbeeld ook de offline wereld goed door te meten maar dit is nooit alomvattend en we zullen voorlopig nog niet in staat zijn om elk touchpoint volledig op de juiste waarde te schatten. Avinash Kaushik heeft hier, in zijn blog Multichannel Attribution Models, een zeer goede post over geschreven (leestip!).

Attributiemodellen

Ook al hebben we dus geen volledig zicht op alle interactie die een klant met een merk heeft, toch zou ik je via deze weg graag kennis laten maken met de eerste stappen die je kunt zetten om pareltjes te identificeren binnen de meetbare digitale kanalen. Dit geeft namelijk al enorm veel extra informatie die je (mogelijk nog niet) meeneemt in jouw beslissingen.

Binnen Google Analytics (overige pakketten bieden vergelijkbare opties) is er de mogelijkheid om verschillende attributiemodellen te hanteren. Kortgezegd betekent dit dat je heel gemakkelijk de waarde van een conversie kunt verdelen over de “geraakte” kanalen op een methode naar wens. Google Analytics biedt al standaard een aantal attributiemodellen die helaas niet allemaal even bruikbaar zijn. Google heeft deze modellen gelukkig ook uitgelegd binnen dit overzicht van attributiemodellen. Wel is het een mooie eerste stap om te bekijken wat deze modellen met de conversieattributie naar jouw kanalen doen. Je kunt op deze manier bijvoorbeeld al goed de fouten uit het voorbeeld hierboven voorkomen!

Aan de slag met jouw attritubutiemodel

Er zijn ook mogelijkheden om attributiemodellen te personaliseren naar jouw situatie. De meest waterdichte methode hiervoor is gebruikmaken van bijvoorbeeld een regressiemodel (onze Marketing Intelligence afdeling kan hier alles over vertellen). Daarnaast kun je ook binnen Google Analytics op jouw digitale kanalen aan de slag met een eigen attributiemodel.

Je kunt er ook voor kiezen om een beetje vals te spelen en gebruik te maken van een model dat Avinash Kaushik heeft opgesteld. Dit model heeft voor mij al vele keren bewezen goede inzichten te leveren. Zelf gebruik ik hem ook vaker om binnen enkele minuten om zeer waardevolle inzichten te creëren. Ook proberen? Geen probleem en het is nog gratis ook. Hieronder heb ik een stappenplan opgesteld hoe jij ook binnen enkele minuten jouw Google Analytics de meest waardevolle inzichten laat genereren.

Stap 1: Onder de Tab conversies is een tabje te vinden naar “toeschrijving” (NL versie) met daaronder hulpprogramma voor modelvergelijking
 

analytics 1

Stap 2: Je komt in een scherm met een overzicht van kanalen. Hier kun je ook het attributiemodel vinden dat jouw installatie op dit moment gebruikt. Vaak zal dit een “last click” attributiemodel zijn, aangezien dit de standaard van Google Analytics is. Dit model geeft dus alle waarde van een conversie aan het laatste kanaal waaruit een interactie heeft plaatsgevonden.
 

analytics 2  

Stap 3: In deze stap gaan we het huidige model eens fijn het vuur aan de schenen leggen. We gaan het vergelijken met een model dat op andere wijze waarde toekent aan de kanalen. Klik op “Model selecteren”. Je opent hiermee een lijst van modellen waar je mee kan gaan vergelijken.

analytics 3

Stap 4: We gaan valsspelen. We gaan het model van Avinash Kaushik gebruiken om zo snel mogelijk de inzichten te genereren. Let op, ook in dit model dienen een aantal aanpassingen te worden gedaan om deze aan te laten sluiten bij jouw persoonlijke situatie. Dit wordt volledig uitgelegd in het begeleidende artikel. Kies “Aangepast model importeren uit galerij”. Selecteer het model naar keuze.
 

analytics 4 analytics 5

Stap 5: Geniet van de inzichten! Zoals je ziet geeft Google Analytics een mooi overzicht van jouw huidige attributiemodel vs. het nieuwe model. Let wel op dat je kritisch bent op de cijfers. Google Analytics kan enkel rapporteren op de data die er in komt. Daarnaast moet er wat tijd gestoken worden in het tunen van het model naar jouw situatie.
Zie je, zoals in het onderstaande voorbeeld, heel veel “direct traffic” dan kan dit bijvoorbeeld duiden op onvolledige tagging op de website etc. Maar als je dan eenmaal naar de juiste cijfers kijkt kun je zien dat Google Analytics wat mooie adviezen geeft met betrekking tot de verdeling van jouw marketing budgetten. Hieronder zie je bijvoorbeeld dat e-mailmarketing in het huidige model waarschijnlijk wordt ondergewaardeerd met 29,12%. Heel interessant wanneer deze cijfers gebruikt worden bij de budgetverdeling voor volgend jaar…
analytics 6

Gewoon beginnen!

Kortom een hele wereld om te ontdekken. Hopelijk heb je wat aan de bovenstaande informatie gehad. Ik snap dat het misschien wat veel is om in één keer door te hebben. Ik kan je aanraden om stap 1 t/m 5 gewoon eens te doorlopen in jouw analytics tool en er achter te komen welke informatie voor jou bruikbaar is. Succes en laat hieronder weten wat jij hebt ontdekt!

Ja! Ik wil graag de laatste updates ontvangen.

Ik ben:

 

Ik werk bij:

Branche:

Ik ben geïnteresseerd in:

  • Max. 2 e-mails per maand
  • Wijzig je gegevens later via de e-mails