Deltag i årets vigtigste seminar: Next-level Digital Marketing anno 2020Læs mere
Kontakt os

Marketing attribution og attribution modelling: Det komplette overblik på en gamechanger i marketing

Viden > Blog > Marketing attribution og attribution modelling: Det komplette overblik på en gamechanger i marketing
Del på Facebook Del på LinkedIn
4,83/5 (14 anmeldelser)
4.83 14

Attribution modelling og marketing attribution er en strategisk gamechanger i data-drevet marketing

Attribution modelling, eller på dansk, attributions-modellering, er på ingen måde nyt, men får nu for alvor den opmærksomhed det fortjener.  Vi har spurgt mere end 1.000 virksomheder og under 1% brug gør i dag brug af marketing attribution i deres digital marketing strategi. Det er ikke kun ærgerligt fordi det betyder et væld af fejlkonklusioner, men det betyder også et massivt uforløst potientale. Marketing attribution og attributions modellerering er nemlig intet mindre end en game-changer i data-drevet digital markedsføring.

Lad os kigge på hvorfor.

Forbrugeren har de seneste 10 år fordoblet deres digitale touch points, og medtages offline, er antallet mangedoblet. Vi frasorterer i højere grad den markedsføring vi eksponeres for, vi laver mere research og vi hopper rundt i markant flere kanaler frem mod den endelige konvertering. Derfor giver det heller ikke mening at arbejde med én digital kanal i en silo uden at indsatsen hænger tæt sammen med de øvrige digital marketingaktiviterer. Det er med andre ord, helt essentielt at være opmærksom på den enorme værdi der ligger at binde kanalerne sammen, hvilken effekt de har på hinanden i en kunderejse og hvordan kanaler kan bidrage til hinandens effekt.

Arbejdes og måles der alene på en enkelt kanal og agerer du på baggrund af disse data, træffer du sandsynligvis en række fejlkonklusioner og famler i blinde. Med attribution modelling får du både indsigt i hele kunderejsen og kan også ret nøjagtigt træffe beslutninger om hvorvidt en aktivitet reelt set bidrager med værdi, trods den ikke kan aflæses som værende last-click før konverteringen.

Uden attribution modelling og marketing attribution analyserer du data baseret på sidste klik. Med andre ord får den seneste og sidste kilde lige inden en konvertering, al kreditten. Klikker en bruger på en Facebook annonce og konverterer, ja så får Facebook al æren for konverteringen. Og agerer du på baggrund af det vil dermed typisk skrue op for adspendet hos Facebook, såfremt CAC, CLV og ROI er positiv. Det kan dog være et problem. Reelt set kan der være touch points før det, som fik brugeren modnet til at klikke på Facebook-annoncen. Men disse kanaler får ingen kredit herfor. Men det kan de få. Med attribution modelling.

Med attribution modelling analyserer I derimod hele kunderejsen med de respektive touch points frem til det sidste klik. Klikker en bruger på en Google annonce, herefter på en FB annonce, laver en organisk Google søgning og klikker så et link i dit nyhedsbrev og konverterer, ja så få alle kanaler en del af æren og tilskrives en andel af værdien.

På alle kunder i KYNETIC arbejder vi med marketing attribution som standard enten via GA, FB eller anden  tracking-software og bruger det løbende til at evaluere og justere vores 360 graders indsats. Gentagende gange har vi enten opskaleret eller slukket for aktiviteter som uden attributionsmodellering pegede på det modsatte. Og generelt oplever vi typisk et løft i ROI på 15-47% ved brug af attribution modelling fremfor traditionelle attributionsmetoder. 

 

Facebook
Vidste du at:
Attribution stammer fra pyskologiens attrbutionsteori, som fra starten af 19-tallet blev brugt til at forklare individers handlinger og adfærd. Attribution modelling er i dag et begreb der er essentielt i digital markedsføring, hvori attribution marketing benyttes på tværs af alle discipliner til at identificere handlinger og touch points, som i en eller anden grad bidrager til at opnå et ønsket mål. Med attribution modellering og marketing attribution opnås en forståelse for hvilke touch points, hvilken kombination af touch points og deres rækkefølge der skal til for at påvirke målgruppen til at udvise en given adfærd, som ultimativt ender i en konvertering i form af et lead eller et salg.

Eksempler på brug af marketing attribution i praksis

Når du arbejder med marketing attribution, skal der typisk træffes en række valg både om system til måling af data

De typiske modeller og deres fordele og ulemper har jeg listet herunder:

Marketing attribution analyse af 2 mio session og +24.000 transaktioner med Google Analytics positionsbaseret model og statiske data

Herunder ses dataene fra Google Analytics med små 2 milliioner sessions fra en af vores kunder og mere end 24.000 ordrer. Med andre ord et ret omfattende datasat. Direkte trafik og email er de best performande kanaler og typisk vil det største fokus jvf. data være her.

Marketing attribuering via data-drevet model fra Facebook Insight

Men ved at benytte marketing attribution, ser vi et helt andet billede. I dette tilfælde benytter vi Google Analytics som værktøj, bruger en positionsbaseret attributions model med en statisk databehandling (hvilket med så store datamængder giver en data validitet på +95%).

Ved at gøre det kan vi nu analysere os frem til at Organisk Search, Paid Search og Social har markant højere værdi end hvad en standard last-click model fortæller os. Og det gør os i stand til at prioritere indsats, budget og aktiviteter mere effektivt.

Marketing attribution via Google Analytics

Data-drevet marketing attribution med brug af machine learning

Marketing attribution er i sagens natur altid data-drevet, men for at gøre forvirringen total, er det også et teknisk begreb. Der er nenmlig marketing attribution med statiske attributionsmodeller som eksemplet før og så er der data-drevet marketing attribution, som dækker over at der gøres brug af machine learning til at analysere dataene, forstå sammenhænge og forudse mønstre. 

Data-drevet marketing attribution omtales af nogen som den overlegne variant, men det er ikke altid tilfældet. Eksempelvis kan statiske modeller være mindst lige så gode, hvis man har data nok. SAmtidig er de data-drevne modeller kun tilgængelige i enten Facebook Insight eller 3. parts-systemer der skal købes. Og bruger man Facebook’s variant, så fungerer den kun på Facebooks egne kanaler såsom Facebook Ads, Instagram, Messenger mm. Samtidig kræverr det at man stoler på Facebook’s metode til at måle data, hvilket i flere undersøgelser og stikprøver har vist sig at være misvisende , da de over-attribuerer annoncevisninger

Når det er sagt, er Facebooks værktøj stadig et glimrende værktøj, og som vi kommer ind på senere, har med deres people-based tracking metode, gode forudsætninger for at kunne levere data og indsigt til ret væsenliger optimeringsmulgheder.

I eksemplet herunder ses brugen af data-drevet marketing attribution via Facebooks Attributionsværktøj, hvor vi har analyseret en mindre kampagne for en kunde.

Facebook-Marketing-Attribution

Analyseres dataene bare igennem en klassisk last-click model, har Facebook-kampagnen resulteret i 8 konverteringer/salg. Med andre ord en kampagne uden succes, som bør slukkes eller optimeres væsentligt.

Analyserer vi derimod effekten over hele kunderejsen med brug af Facebooks datadrevne attribution, kan vi se at Facebook-kanalerne har været involveret i 113 konverteringer. Med andre ord en langt større indflydelse og effekt. Derfor giver det bedst mening at fortsætte og sågar opskalere kampagnen.

Vælg den rette marketing attributionsmodel til jeres forretning

Der findes flere forskellige attributionsmodeller, som hver især tilskriver forskelligt for hvert touch point frem til konverteringen og det er samtidigt muligt at udvikle sine egne modeller, der passer til ens virksomhed og produktmix. Det vigtigste er at tage aktiv stilling til en passende model og bruge den løbende i sin marketingstrategi.

De typiske modeller og deres fordele og ulemper har jeg listet herunder:

1. Sidste interaktion / Last interaction
Sidste interaktion attributionsmodellen – også kaldet last click, tilskriver hele konverteringsværdien til den seneste kanal/kampagne, som brugeren kommer fra op til købet. Det vil sige at klikkes der på en Google Ads annonce og der sker en konverterer, så får Google Ads hele æren herfor. Sidste interkation er standard setup i Google Analytics.

Sidste-klik-attribution-modelling

Fordele ved sidste-klik attributionsmodellering:

  • Har i mere end 10 år været standarden i webanalyse og bruges stadig den dag i dag mere end 75% af alle virksomheder.
  • Data er sammenlignelig bag ud i tid og med andre virksomheder.
  • Fortæller hvad der i low-funnel skaber en konvertering og kan virke fint, hvis man udelukkende er inmteresseret i en kortsigtet ultra low-funnel indsats baseret på korte kunderejser.

Ulemper ved sidste-klik attributionsmodellering:

  • Tager ikke højde for kunderejsen og at det faktum at en bruger typisk har flere touch points inden en konvertering.
  • Leder til fejlkonklusioner, da du med denne model vil slukke for de dele af dine marketingmix, som ikke bidrager med det sidste klik. Problemet er at de sagtens kunne være årsagen til brugeren overhovedet kom så langt i deres kunderejse. Vi anbefaler derfor aldrig at bruge last-click som sin standard attributionsmodel.

2. Første interaktion / First interaction
Første interaktion tilskriver 100% af værdien til den kanal/kampagne, som brugeren først klikkede på i deres kunderejse. Det vil sige det der skaber opmærksomheden. Klikker en bruger først på en Google Ads annonce, og herefter i dit nyhedsbrev, vil Google Ads tilskrives hele æren for konverteringen.

Første-klik-attribution-modelling

Fordele ved første klik attributionsmodellering:

  • Denne attributionsmodel er også ret simpel, men kan være fin i en strategi, der udelukkende fokuserer på at øge efterspørgslen, da alt optimeres mod hvad der først introducerer jeres brand og produkter til målgruppen uafhængigt om det konverterer.

Ulemper ved første klik attributionsmodellering:

  • Giver ikke mange optimeringsmuligheder efterfølgende, indsatsen kobles ikke med hvad der reelt driver konverteringer og indtjening.
  • Kan ikke bruges i samspil med  en CLV- og CAC strategi
  • Vi anbefaler generelt ikke denne attributionsmodel, da den ligesom sidste interaktion, er for simpel og ikke inddrager hele kunderejsen.

3. Sidste ikke direkte klik

Sidste ikke direkte-klik attributionsmodellering giver 100% af æren og dermed konverteringstliskrivningen til det sidste touch point, der skaber konverteringen, som ikke er et direkte klik. Direkte kliks sker typisk når en bruger kender jer og er købsmoden, hvorefter de går direkte ind på jeres website. Denne del har I dog mindre kontrol over i jeres marketingmix, da direkte trafik typisk er en afledt efffekt.

Fordele ved sidste ikke-direkte klik attributionsmodellering:

  • Direkte trafik er typisk en svær størrelse. I princippet bør direkte trafik alene indeholde trafik, der kommer fra brugere der indtaster jeres adresse webadresse i browseren og går direkte ind på websitet. I virkeligheden finder andre data desværre også vej i denne kategori. Derfor giver sidste ikke direkte attribution den fordel, at den mindst valide kanal hvad angår datavaliditet, tages ud af ligningen.
  • Er typisk bedre en last-interaktion, da indsatsen fokuseres mere på skabe efterspørgslen fremmod at brugeren selv går direkte ind og køber.

Ulemper ved sidste ikke-direkte klik attributionsmodellering:

  • Besøgende der går direkte ind på dit website, udviser en adfærd der eksakt den samme som besøgende der google dit brand. Med andre ord direkte trafik, siger noget om brugernes adfærd som ikke entydigt er kendetegnede for denne kanal. Det er dermed kun det halve billede.

  • Der kan skabes masser af konvertering og salg direkte fra kanaler eller kunderejser der ikke inkluderer direkte-trafik. Derfor er det ikke hensigtsmæssigt at det netop er denne specifikke kanal, der krediteres alene.

 

4. Linær attribution

Alle touch points får en ligelig værditilskrivning. Er der 5 touch points eksempel email, betalt, organisk, direkte og social, frem mod en konvertering, får de hver 20% værditilskrivning. Denne model er den simpleste attributionsmodel, hvor der arbejdes med værditilskrivning til flere touch points.

Linær attribution modelling

Fordele ved linær attributionsmodellering:

  • God model, da den krediterer alle marketing kanaler/kampagner i de forskellige skridt ned igennem marketingtragten.
    Er standard og ligetil at arbejde med i de fleste virksomheder og langt bedre end en last click model. Hvis du er i tvivl, er denne model, et godt sted at starte.

Ulemper ved linær attributionsmodellering:

  • Modellen tager ikke forholdsvis hensyn til at visse touch points kan være mere værd end andre. Det kan være komplekst at forstå hvor meget de enkelte touch bidrager i en længere kunderejse, men en typisk huskeregel er at de første og sidste touch points typisk er lidt mere værd end dem ind imellem.

5. Tidsfordeling / henfaldstid / time decay attribution

Denne model tilskriver også de forskellige touch points, men vægter tilskrivningen efter hvor tæt brugeren er på konverteringen. Jo tættere på købet, jo højere tilskrivning af værdi.

Fordele ved tidsfordelt attributionsmodellering:

  • Denne model er en af vores favoritter, da tager højde for at brugeren skal modnes frem til en konvertering, giver alle touch points kredit via en simpel algoritme og samtidig belønner de touch points, tættest på konverteringen, med den største vægtning.
  • Tager højde for at ikke belønne unødvendigt meget til diverse fejl-klik på ads, bannere, video mv. og uinteresserede brugere, der stopper deres kunderejse efter kort tid.

Ulemper ved tidsfordelt attributionsmodellering:

  • Er ligesom de andre attributionsmodeller ikke 100% præcis
  • Første klik, er typisk vigtigt i en kunderejse. Både for at skabe opmærksomheden, men også for at tracke brugeren til efterfølgende retargeting mv. Dette belønner denne model ikke i særlig i høj grad.

 

6. Positionsbasere attribution / Position based

Positionsbaseret attrinbution er ligesom tidsfordeling en af vores favoritter blandt standard-modellerne. Modellen tilskriver værdi baseret på deres sekventielle position i kunderejsen. Typisk vil den første og sidste interaktion tilskrives med den største værdi. Er der 5 touch points, vil touch point 1 og 5, få en større procentuel kredit af den samlede konvertering end touch 2,3 og 4.

Positionsbaseret attribution modelling

Fordele ved positionsbaseret attributionsmodellering:

  • En stærk model, der tager højde for flere touch points og via en algoritme automatisk tilskriver værdi til alle trin i kunderejsen.
  • Er særlig god, da den tilskriver det vigtige første klik og den vigtige sidste konverterende klik, højere end de andre touch points. Det vil sige at det der vækker opmærksomheden eller indhenter den besøgende og det der afslutter kunderejsen i form af en konvertering automatisk får en større værdi. Denne model bruger vi hyppigst blandt standardmodellerne.

Ulemper ved positionsbaseret attributionsmodellering:

  • Sker den vigtig interaktion mellem første og sidste klik, som overbeviser brugeren om de skal købe eller bestille eksempelvis i morgen, vil denne interaktion tilskrives med mindre værdi, end morgendagens sidste klik.

 

7. Skræddersyet attributionsmodellering

Ikke to virksomheder er ens, men deres kunderejser kan sagtens være sammenlignelige. Trods det kan det ofte give mening, at kortlægge og udarbejde sin egen attributionsmodel, der tilskriver og vægter værdi efter en model, der passer lige til jeres forretning.

Fordele ved skræddersyet/custom attributionsmodellering:

  • Der kan laves en attributionsmodel der tilskriver alle touch points og samtidig vægte hvert led i kunderejsen, så det passer til jeres typiske kunderejser, salgsprocesser og marketingmix. Dermed bliver modellen mere præcis og jeres efterfølgende data-drevne beslutninger bedre.
  • Vi anbefaler ofte en skræddersyet model for højeste præcision.

Ulemper ved skræddersyet/custom attributionsmodellering:

  • Tager tid at sætte op og teste
  • Det kræver en vis indsigt i jeres virksomhed, kunderejser og markedsføring, før det giver mening at lave en skræddersyet model.
  • At lave sin egen attributionsmodel og sammensætte den rette vægtning kan være komplekst og bør altid testes.

Identificering af relevante mønstre med attribution modelling

Selvom det kan være svært at generalisere, er der en altid en række mønstre, som er relevante, for de fleste virksomheder, at identificere og undersøge nærmere ved brug af attribution modelling. Med attrbution modellering er det muligt at analysere jeres data dybere og få en større forståelse for jeres kunders adfærd.

Jeg har herunder listet de mønstre, som vi oftest støder på i vores analysearbejde og de teser de kan besvare:

Konverteringer fra direkte trafik à Er dit brand så stærkt som du tror det er?
Andelen af direkte trafik og konverteringer fra direkte trafik, bruges ofte til at give et fingerpej om hvor stærkt dit brand er. Analyser data via en attributionsmodel og afklar om I har samme tal herefter.

Annonceringens reelle bidrag à Hvad får du reelt ud af dine annonceringskroner?
De virksomheder der bruger mange annonceringskroner, har styr på deres CPC, CPM, CAC, ROAS og ROI. Men typisk aflæses ROI, ROAS og CAC efter last-click metrics. Analyser jeres annoncerskanaler via en attributionsmodel og afklar hvor meget de enkelte betalte kanaler reelt set bidrager. Her bliver de fleste typisk overrasket.

Identificer top-funnel-værdien à Hvad assisterer mest dine konverterering og er god til at skabe opmærksomhed tidligt i kunderejsen?
De fleste fokuser meget på low-funnel og høste konverteringer i markedet, men glem ikke værdien i at arbejde med topfunnel, skabe et brand, skabe opmærksomhed og øge efterspørgslen i markedet. For at gå data-drevet til værks, så brug en attributionsmodel på jeres data, og se hvilke kanaler og aktiviteter, der er særlig gode til at assistere frem mod konverteringen. Læs mere om tragtbaseret digital marketing strategi i vores uddybende guide hertil her.

Identificere low-funnel-værdien à Hvad er godt til at lukke salget?
Modsat top-funnel, så brug en attributionmodel til at kortlægge kanaler og aktiviteter, der er særligt gode til at lukke salget og få konverteringen i hus.

Konverteringstier à Hvilken rækkefølge af touch points virker bedst?
Arbejdes der med attributionsmodeller, får I også adgang til data om konverteringsstier. Det vil sige en trin for trin, hvilken sekventielle kanalsammensætning, der performer bedst. Brug den til at lave reverse-engineering på jeres marketingstrategi og operationelle marketingindsats.

Konverteringsstier eksklusiv direkte à Hvilke sekventielle kunderejser baseret på kanaler skaber flest konverteringer
Direkte trafik kan være en svær størrelse og påvirkes typisk af jeres generelle marketingmix, samt top-funnel indsats. Tages denne kanal ud af ligningen i rapporten for konverteringstier, kan I se hvilke kanalen der sekventielt skaber flest konverteringer.

Konverteringstid à Hvor lange er vores typiske kunderejser og hvornår konverterer flest?
En særdeles brugbar information til jeres annoncerings- og marketing automation-setup er tid. Forståelse for tid, giver forståelse for timing og giver jeres fundamentet for rette kontekst. Brug rapporten med konverteringstid til at se længden på jeres typiske kunderejser og hvor mange dage der skal til for at konvertere de fleste. Herefter kan jeres marketingindsats skræddersyes hertil.

Konverteringstid i Google Analytics attribution

Enheder à Optimer jeres annoncer på tværs af mobil og desktop
Brug ‘Flere enheder’ rapporten i Facebook attribution til at finde ud hvor mange brugere deres konverterer på eksempelvis desktop efter de har set en annonce på mobilen. Og vica verca. Brug efterfølgende den viden til at optimere målretning og frekvens I jeres annoncering – eksempelvis i Google Ads

Værktøjerne til at arbejde med attributionsmodellering

Hvis I ikke allerede arbejder med attributionsmodellering, vil jeg anbefale det, som absolut en af de vigtigste strategiske indsatsområder i jeres marketingstrategi for de kommende år. Har I styr på modellerne og hvordan I løbende vil måle på dem, skal I have dem implementeret i jeres hverdag.

Der findes forskellige værktøjer til at arbejde attribution modelling. Vi benytter flere forskellige heriblandt også en række betalingsværktøjer, som giver udvidede muligheder for data-analyse, data-visualisering og hurtigere afkodning af hvad der virker og ikke virker.

I kan desværre sjældent stole 100% på ét værktøj alene, da de forskellige data (sessions, kanaler mv.) behandles forskelligt. Derfor vælger vi typisk et lead-system og supplerer med flere systemer til at identicere mønstre og dermed holder dataene op mod hinanden på tværs af systemer. Det giver både mere valide data og bedre konklusioner, som i sidste ende betyder større besparelser og højere indtjening.

Når det er sagt, kan I komme langt med systemer i typisk har adgang til i dag såsom Google Analytics og Facebook Insight.

Lad os se nærmere på dem:

Brug for hjælp?
Vil du gerne vide mere om attribution modelling og hvordan I implementerer der korrekt i jeres marketingstrategi, så kontakt mig på ke@kynetic.dk eller tlf. 53 80 80 43. Du kan også kontakte os på vores hovedmail kontakt@kynetic.dk.

Attribution modelling og marketing attribution i Google Analytics

Attribution modelling er som standard tilgængelig i Google Analytics, men er ikke en del af dine standard-rapporter og kan ikke bruges på tværs de typiske rapporter du bruger. Desværre. Med andre ord alle rapporter er som udgangspunkt med last-click attribribution.

Derimod bor Google Analytics i sit eget område under:

Har du dansk Google analytics finder du det her: Konverteringer à Multikanaltragte

Har du engelsk Google analytics funder du det her: Conversions à Attribution

Fordele ved Google Analytics attribution modelling

  • Er allerede en del af Google Analytics, som de fleste virksomheder bruger i forvejen og hvor kanaler er tagget korrekt op. Derfor er det også nemmere at implementere til bred brug i jeres virksomhed.
  • Da langt de fleste virksomheder bruger Google Analytics, er data sammenlignelige og kan bruges til benchmarking.
  • Har generelt gode rapporter og visualisering af mønstre, i et interface der blandt de absolut bedste på markedet.

Ulemper ved Google Analytics attribution modelling

  • Kan ikke bruges som standard-setup på tværs af rapporterne
  • Er baseret på cookies, hvilket giver unøjagtigheder. En cookie kan nulstilles og trods Google bruger avanceret machine learning til at identificere dig cross-device, at du er den samme bruger på mobil og dekstop, er det ikke præcist.
  • Du har kun få indstillingsmuligheder for periode. Bemærk at standard attribution modelling er sat til 30 dage, så dette skal du ændre i rapportvisningen i Google Analytics i feltet i toppen under ”tilbageblikperiode”.

 

Attribution modelleling og marketing attribution i Facebook Insights

De fleste tænker Facebook, som værende en social media platform og en annonceringsplatform, men langsomt er Facebook også ved at opbygge deres svar på Google Analytics, kaldet Facebook Insights. Det er stadig ret umodent og langt fra Google Analytics, men data er baseret på Facebooks konverteringspixels, hvilket i teorien gør dem mere nøjagtige og der er for nyligt åbnet op for et attributionsværktøj, der måler på tværs af kanaler. 

Facebook attribution modelling

Fordele ved Facebook Attribution modelling

  • Den klare fordel er at Facebooks attribution er baseret på deres pixel fremfor Googles cookie-baserede løsninger. Det øger præcisionen og gør grundlæggende dataene mere valide.
  • Kan tracke længere end 90 dage tilbage og cross-device-tracking er reelt brugbart, hvilket giver findings som ikke kan måles i Google Analytics
  • Udvidede Facebook metrics er som standard med i målinger
  • Kan ud af boksen håndtere visninger/eksponeringer
  • Kan give mere nuanceret indblik i og optimeringsmuligheder til bl.a. Google Ads.

Ulemper ved Facebook attribution modelling

  • Der er forskel på data i Facebook og Google Analytics. Som udgangspunkt sker det pga. forskellige tracking teknologier (cookie vs. Pixel).
  • Facebooks teknologi burde være mere præcis, men med en historik i at facebook performance data i de groveste eksempler er op til 50% højere end realiteterne, anbefaler vi altid at benytte et andet system som krydsreference.
  • Færre historiske data, da Google Analytics typisk er brancestandarden
    Facebooks analyse-værktøj er i sin helhed ikke udvikle i lige så høj grad som Google Analytics

 

Hvad skal du være opmærksom på:

Herunder har jeg listet et par punkter, som I bør være særligt opmærksomme på i arbejdet med attribution:

  • Vær særlig opmærksom på at alle kanaler er tagget korrekt op især kanalgruppering og konverteringsmåler. Selvom Google Analytics er standard webanalyse-værktøjet i de fleste virksomheder, oplever vi ofte markante mangler og fejl I opsætningen både hvad angår måltracking, kanalgruppering, tagging mv.

  • Data i Google Analytics er som nævnt tidligere cookie-baseret, så har I meget lidt data og meget få konverteringer, kan der være statistiske usikkerheder.

  • Vær opmærksom på den samme bruger, der besøger jeres website på mobilen og på desktop er to forskellige kunderejser i Google Analytics, da de anskues som to forskellige brugere.

  • Der findes desværre ingen standard-integration fra Facebook attribution til eksempelvis Google Ads. Så det kræver i løbende adhoc får lavet analyserne og efterfølgende bruger den viden til optimering i jeres Google Ads setup.

  • Brug sammenligningsfunktionen i Google Analytics til at se forskellen mellem eksempelvis standard last-click attribution og positionsbaseret attribution under Tilskrivning à Værktøj til at sammenligne modeller

  • Lav jeres egen model i Google Analytics under Tilskrivning à Værktøj til at sammenligne modeller à Vælg model à Opret ny tilpasset model. Her kan I tilpasse ved at justere tilbagebliksperiode, kreditregler og websiteengagement

  • Husk at du kan indstille tidsperioden for den samlede attributionsperiode. I Google Analytics kan du sætte den op til 90 dage, mens du i Facebook har lang række granulerede muligheder for både klik og visninger.

 

Kom i gang med attribution modelling og marketing attribution med det samme

Jeg vil slutte som jeg startede.

Attribution modellering og marketing attribution er ganske enkelt en game-changer i data-drevet digital markedsføring og bør for alle virksomheder vær en af deres strategiske milepæle de kommende år.

Arbejdes der ikke med attrubutionmodelling og i stedet fortsat med et standard last-click setup, vil I navigere jeres forreting på psedo-data, lave fejlanalyser og optimere jeres marketingmix forkert. Typisk ved at skrue op for noget der måske ikke reelt er så effektivt og omvendt skrue ned for noget der virker. Med andre ord dyre fejl, der koster jer tabt indtjening og fordyrende annonceringskroner.

Kunderejserne er længere og dermed også mere komplekse end før. Det gælder alle brancher, B2B marketing, såvel som B2C og det gælder stort alle virksomheder fra e-handel til inbound, fra retail til service osv. Derfor er det også blevet vigtigere at arbejde på tværs af kanaler, forbinde kanaler og sammensætte effektive marketingstrategier baseret på denne viden. Det giver attributionsmodellering mulighed for at agere i og med.

Det kræver dog mere end en simpel opsætning i Facebook eller Google. Det kræver at I tager stilling, får valgt en rigtig model, implementerer den i jeres strategi og vigtigst af alt benytter den i jeres daglige arbejde på tværs af hele jeres team og organisation. Det kræver en omstilling, den rette viden og det kræver en accept af at det hele ikke er så simpelt som en standard last-click setup.

Har I brug for hjælp til at komme godt fra land med et attributionsmodellerings-setup, hvordan jeres virksomhed kan gøre brug af attribution modelling, strategisk sparring eller specialisthjælp til implementeret, så er du velkommen til at kontakte mig ke@kynetic.dk eller telefon 53 80 80 43. Jeg ser frem til at høre fra dig.

Kategorier

Tilmeld dig KYNETIC Insight og hold dig opdateret på digitale trends, analyser og brugbare guides til jeres digitale vækst.

  • Vi er drevet af kunstig intelligens Verdens første og førende digital marketing bureau drevet af kunstig intelligens
  • Dyb viden og indgående erfaring +15 års erfaring med digital marketing og intelligent online annoncering
  • Vi skaber fremtidens digitale vindere +100 cases med 5-10X vækst af forretningskritiske KPI’er
  • Førende digital marketing konsulenthus Skandinaviens førende digital marketing eksperter
Skrevet af: Kasper Ebsen CEO, Partner & Senior Digital Strategist Tlf: 5380 8043 / Mail:
Udgivet d.

Kasper har i mere end 12 år hjulpet +100 skandinaviske virksomheder med at vækste med data-drevne digital marketing strategier og har samtidig drevet sin egen webshop, stiftet en global fintech virksomhed med kunder fra mere end 80 lande og opbygget et digital marketing team fra 0 til 20 ansatte i en større dansk ehandelsbureau. Kasper blev i 2017 kåret til en af danmarks største erhvervstalenter af Berlingske Business og fungerer til dagligt som KYNETICs CEO, hvor han hjælper kunder med digital marketing strategier, marketing automation og webanalyse.

Del på Facebook Del på LinkedIn
4,83/5 (14 anmeldelser)

 

Tilmeld dig KYNETIC Insight og hold dig opdateret på digitale trends, analyser og brugbare guides til jeres digitale vækst.