- Van last-indirect click tot cross-channel attributie -

Als online marketeers zijn we gek op het doormeten van de resultaten van onze (online) kanalen en campagnes. De data die we eruit filteren, wordt vaak in heel gedetailleerde, mooi uitziende rapporten aan de klant gepresenteerd. Op basis van de analyses van deze data worden dan campagnes en budgetten bijgestuurd. Maar, hoe correct gebeurt dit allemaal? Wordt er wel naar de juiste data gekeken en houdt men hierbij wel rekening  met het volledige plaatje (customer journey)?

Het antwoord hierop is vaak jammer genoeg: neen. Mijn ervaring leert me dat de meeste bedrijven, maar ook online agencies, zich vaak nog blind staren op de standaard analytics rapporten, zonder enige nuancering of kadering van de verkregen data.

Het probleem met standaard analytics rapporten

De meeste analytics tools, waaronder ook Google Analytics, geven conversiedata weer voor de verschillende kanalen en campagnes op basis van last-indirect click. Hierbij wordt de waarde van een conversie (bijvoorbeeld een e-commerce transactie) toegewezen aan het laatste touchpoint (kanaal) dat niet-direct verkeer is.

Een klein voorbeeld:

In bovenstaand voorbeeld zou in de verschillende rapporten in Google Analytics 100% van de conversiewaarde aan organisch verkeer toegewezen worden. Twee zaken zijn hier echt grondig fout.

1. Een eerste – nog ergens ietwat te verdedigen – issue is, dat in bovenstaande customer journey, direct verkeer volledig wordt genegeerd. Maar aangezien direct verkeer blijk geeft van iemand die het merk of de URL reeds kent, door eerdere ervaringen met on- of offline communicatieboodschappen, zou je wel minder weging kunnen geven aan de impact of belang van direct verkeer in de gehele customer journey. Idem voor bijvoorbeeld de eigen merkencampagne in Adwords. Al spelen hier nog andere factoren waarmee je rekening moet houden.

2. De allergrootste fout is hier echter het totaal negeren van alle eerdere touch points die uiteindelijk geleid hebben tot die conversie(s). Misschien was er in bovenstaand voorbeeld helemaal geen sprake geweest van een conversie, mocht het eerste contact met een generieke Adwords campagne of het contact met de eigen merkcampagne nooit zijn voorgevallen.

In dit standaard acquisitierapport in Google Analytics is de opbrengst per kanaal dus puur gebaseerd op deze last-indirect click, terwijl er misschien wel twee, vijf of twintig eerdere touch points waren. En die verdienen toch ook het nodige krediet? Op zich kan je wel op basis van deze cijfers gaan rapporteren, maar met de nodige duiding!

Puur deze cijfers als waarheid aannemen en hier blindelings op sturen is zeer passé. En toch gebeurt het jammer genoeg nog al te vaak…

Multi-channel rapporten to the rescue?

Waar ik het hier eerder al had over het toewijzen van een waarde aan eerdere touch points in de customer journey, hebben we het eigenlijk over attributie.

Voor diegenen die heel kort nog even zouden willen zien wat dit inhoudt, bekijk volgend (oud) Google filmpje (tot 1 minuut: attributie in het kort, nadien volgt een korte uitleg over de multi-channel rapporten in Google Analytics). 

Met de multi-channel rapporten in Google Analytics kan je een eerste gooi doen naar een meer correcte toewijzing van de waarde van alle touch points doorheen de gehele customer journey.
Spoiler alert! Het is echter onmogelijk om (binnen Google Analytics) een 100% correcte attributie te verkrijgen. Verder in dit artikel leg ik uit waarom. Toch kan je heel wat waardevolle informatie halen uit deze rapporten

TIP:

Als je met deze rapporten (en geldt eigenlijk ook voor de standaard rapporten in Google Analytics) aan de slag gaat, maak gebruik van custom channel groupings. Je wilt hoogstwaarschijnlijk jouw branded Adwords campagne apart zien van jouw generieke campagnes. Of je dynamische remarketing campagne ten opzicht van je andere display campagnes die gericht zijn op andere fases van de customer journey.

Voor het gemak van deze blog, ga ik hier verder met voorbeelden van standaard kanaalgroeperingen van een klant die een beperkt arsenaal aan kanalen inzet.
We halen eerst nog eens het voorbeeld terug van ons acquisitierapport eerder in deze blog.

Wat als we de data voor deze kanalen nu gaan bekijken in het rapport ‘assisted conversions’, te vinden onder de multi-channel rapporten?

Als we hier kijken naar de kolommen “laaste klik of directe conversies”, zien we meteen een verschil met de data in ons acquisitierapport. Dit komt omdat de rapporten onder multi-channel trechters gebruik maken van laatste-interactie data, in tegenstelling tot last-indirect click in de standaard rapporten.
Wat wel interessant is aan dit rapport is de laatste kolom.

Die geeft aan of een kanaal voornamelijk ondersteunend, dan niet voornamelijk als laatste touch point voor een conversie fungeert. Heb je een display of social campagne lopen die maar niet lijkt te converteren? Via dit rapport is de kans groot dat je inziet dat deze kanalen toch vaker van belang zijn in de customer journey dan dat je vermoedt uit de data van de standaard rapporten.

TIP:

Als je aan de slag gaat met deze multi-channel rapporten, maak zeker en vast gebruik van de data die je vindt onder de rapporten ‘vertraging’ en ‘padlengte’. Deze rapporten zijn ook onontbeerlijk als je aan de slag gaat met de toeschrijvingsmodellen, waarover later meer.

Nog onder multi-channel rapporten vind je het rapport ‘beste conversiepaden’, wat er als volgt uitziet.

Zelf ben ik geen grote fan van deze rapporten. Soms lees ik zaken van mensen die volledige exports maken naar Excel om daar urenlange (of dagenlange, als ik die blogs doorlees) analyses te trekken. Ik vind dat niet echt zinnig om de reden dat customer journeys zich niet laten vastleggen in ‘standaard’ conversiepaden.

Ik ga, om extra inzichten te verwerven, veel liever aan de slag met een inbound marketing funnel. Welke kanalen zorgen voornamelijk voor de eerste interactie, in welke mate ondersteunen de verschillende kanalen elkaar en welke kanalen zorgen voor de ultieme push die uiteindelijk leidt tot de gewenste actie, zoals een verkoop. Meer informatie over het opmaken van een inbound marketing funnel vind je op onze blog.

Door goed in bovenstaande rapporten te duiken, heb je normaal al wat meer inzicht in de waarde van alle kanalen en campagnes in de customer journey. Toch moet je nog wat verder gaan om je campagnes efficiënt te gaan bijsturen en hier komen de rapporten onder ‘toeschrijving’ (attributie) in Google Analytics op de proppen.

The next step: attributierapporten

De inzichten uit de voorgaande analyses zoals het assisted conversions report en de inbound marketing funnel kan je meenemen naar deze attributierapporten in Google Analytics.

Standaard kent Google Analytics 7 standaard attributiemodellen. Alle 7 zijn ze eigenlijk vrij nutteloos om je campagnes op te gaan sturen, al kan je er wel terug wat extra informatie uithalen.

Door verschillende modellen tegen elkaar te gaan afzetten, krijg je terug wat meer inzicht in de positie en belang van de verschillende campagnes en kanalen. In dit voorbeeld zou je kunnen afleiden dat betaald zoekverkeer meer als eerste dan als laatste interactie een rol speelt binnen de customer journey. Iets om rekening met te houden als je de prestaties van je betaalde campagnes onder de loep neemt!
De reden waarom deze attributiemodellen puur als extra inzicht dienen opgepakt te worden, is dat er geen sprake is van ‘one size fits all’ binnen marketing attributie. Het type product dat je hebt en de bijhorende customer journey dienen eerst grondig geanalyseerd te worden. Op basis hiervan kan je dan je eigen custom model gaan maken!

Zelfs via custom modellen zal je nooit 100% correct de waarde van elk touch point in kaart kunnen brengen. De te volgen flow binnen conversie attributie is dan ook: analyseren, hypotheses opstellen, testen, evalueren, je model bijsturen, terug testen, enzovoort.

Met als uiteindelijke doel: minder fout zijn dan wanneer je afgaat op de standaard rapporten of standaard attributiemodellen!

Waarom je ook niet te ver moet gaan in deze analyses

Ook al voer je alles correct uit en maak je de juiste assumpties waarop je jouw campagnes bijstuurt, de attributiemogelijkheden binnen Google Analytics zijn beperkt.
Hierboven hadden we het over het toewijzen van waarde over verschillende kanalen heen. De realiteit is, ook al maak je de best mogelijke analyses, je deze analyses uitvoert op data die maar de helft (of minder) van het verhaal vertellen.

Cross-device en cross-browser

Bovenstaande cross-channel attributie toont data van mensen die Google kan herkennen als één en dezelfde gebruiker. Cross-device en cross-browser attributie blijft een van de grootste uitdagingen binnen het attributie speelveld.

Ook al zijn er semi-oplossingen zoals het toewijzen van unieke IDs aan bezoekers, die dan over verschillende devices/browsers kunnen doorgemeten worden, dan nog is dit allesbehalve waterdicht te noemen. Het brengt je slechts 1 stapje dichter om iets meer inzicht te krijgen in jouw data. Bovendien moet je dan in de mogelijkheid zijn om bijvoorbeeld via login secties en dergelijke persoonlijke data (e-mail, …) te bemachtigen van jouw bezoekers zodat je überhaupt IDs kan toewijzen.

Online vs Offline

Naast de cross-device/browser uitdagingen binnen attributie, zit je ook met de uitdaging van het doormeten van de effecten van online kanalen op offline acties (zoals een aankoop in de winkel) en omgekeerd. Ook hier zien we wel terug initiatieven om dit beter in kaart te brengen, zoals de vrij nieuwe in-store conversions mogelijkheden binnen Adwords of de opkomst van proximity marketing (beacon technologie). Daarnaast is natuurlijk het samenbrengen van je CRM en online data een must als je toch die extra mile wil afleggen.

Offline naar online is een heel ander iets, al bestaan er hier ook al een pak mogelijkheden om dit deels in kaart te brengen. Denk maar aan unieke landingspagina’s of kortingscodes die je vermeldt in je offline communicatie.

Google Analytics 360 en DoubleClick: attributie match made in (semi-)heaven

Mijn vorig hoofdstukje “waarom je niet te ver moet gaan in deze analyses” heeft ook alles te maken met het bestaan van Analytics 360 (en breder de gehele Analytics 360 suite van Google), zeker in combinatie met het gebruik van DoubleClick!

Toegegeven, deze tools zijn niet de goedkoopste. Maar als je dan toch zo ver wil gaan in het correct attribueren van de impact en waarde van elk kanaal en campagne, dan kan je bijna niet aan deze tools onderuit. Op termijn betalen deze tools zich zeker terug, al is het alleen maar voor de talloze uren (of dagen, weken, …) die je uitspaart met het handmatig analyseren en testen van de ideale marketing mix.

Zo heb je binnen Analytics 360 nog een extra attributiemodel ter beschikking, namelijk data-driven attribution. Wat je dan te zien krijgt in Analytics ziet er als volgt uit en heeft wat weg van de info die je kan bekomen door het gebruik van een inbound marketing funnel, al houden de algoritmes van dit model nog met talloze andere factoren rekening die je simpelweg nooit zelf in kaart kan brengen.

`

Let op, ook dit is zeker nog niet 100% accuraat, zoals Google zelf aangeeft:

“The Data-Driven Attribution model is enabled through comparing conversion path structures and the associated likelihood of conversion given a certain order of events. The difference in path structure, and the associated difference in conversion probability, are the foundation for the algorithm which computes the channel weights. The more impact the presence of a certain marketing channel has on the conversion probability, the higher the weight of this channel in the attribution model. The underlying probability model has been shown to predict conversion significantly better than a last-click methodology. Data-Driven Attribution seeks to best represent the actual behavior of customers in the real world, but is an estimate that should be validated as much as possible using controlled experimentation.”

De mogelijkheden van Analytics 360 komen het best tot hun recht in combinatie met het gebruik van DoubleClick. Binnen DoubleClick kan je perfect alle digitale kanalen gaan doormeten, maar in plaats van alleen de clicks op de verschillende uitingen door te meten, is er ook de mogelijkheid om views van bijvoorbeeld jouw display banners, Facebook ads of je e-mail campagnes door te meten.

Daarnaast kan DoubleClick ook een pak beter om met het doormeten van cross-device invloeden. Double-win!

Het zien van een banner of Facebook post kan voldoende zijn om iemand in een later stadium alsnog naar jouw site te halen en alsnog te doen converteren. Deze zaken kan je ook mee gaan opnemen in je attributiemodel. Ook het ‘beste conversiepaden’ rapport ziet er dan een pak anders uit.

Als je zelf met jouw bedrijf al in deze fase bent van marketing attributie mag je jezelf gerust een schouderklopje geven. Enkel met Attribution 360 (het vroegere Adometry) – waarmee ook een poging wordt gedaan om TV reclame inzichtelijk te maken - kan je nog een stap verder gaan. Al zijn er natuurlijk nog een pak andere tools buiten de Google portefeuille die hetzelfde trachten te doen.

Wil jij zelf de volgende stap zetten in het beter inzichtelijk maken van je marketing mix en in het beter toewijzen van budgetten over jouw verschillende kanalen heen, maar je raakt er niet helemaal aan uit? Geef ons zeker een seintje en wij helpen je graag verder!